第十二章多重共线性(fixed)

第十二章?多重共线性РРРР古典（经典）线性回归模型的假设之一是不存在完全多重共线性，即多元回归中的解释变量X之间不存在完全的线性关系。? 本章进一步探讨多重共线性问题。实践中很少遇到完全多重共线性的情形，常常是接近或高度多重共线性，即解释变量是近似线性相关的。重要的是弄清楚在多元回归模型中这些相关（解释）变量会给普通最小二乘估计带来什么问题（麻烦）。РРРР一、多重共线性的性质?二、多重共线性的后果?三、多重共线性的检验?四、多重共线性的补救РРРР一、多重共线性的性质Р的线性关系。Р解释变量之间没有完全Р归模型）Р假定之一：（多元线性回Р基本假定回顾：РРРР（一）完全多重共线性РРРРРРРEVIEWS演示过程РРРР（二）不完全（近似）的多重共线性Р如果解释变量之间满足近似线性关系：Р那么称：解释变量之间存在着不完全（近似）的多重共线性。РРРР多重共线性产生的原因主要有：?1、经济变量的内在联系。这是产生多重共线性的根本原因；?2、解释变量中含有滞后变量；?3、时间序列经济变量变化趋势的共向性；?4、样本容量过少。РРРР（一）不完全多重共线性的理论后果Р1、参数仍然可以估计，而且模型并不违反经典线性回归模型的任何假定。因此，OLS估计量仍然是BLUE。Р在不完全多重共线性下，不管共线性的程度如何，最小二乘估计量在所有线性无偏估计量中仍然具有最小方差。但是，最小方差并不意味着方差一定就小。（比如当你60岁的时候，你和几个90岁的人在一起，你是几个人当中年龄最小的，但是你的年龄与你幼年相比已经不小了）Р二、多重共线性的后果