模型診斷——多重共線性

概念

\lambda_1 x_1+\lambda_2x_2+...+\lambda_jx_j=a

產(chǎn)生原因

經(jīng)濟變量相關的共同趨勢

滯后變量的引入

樣本資料的限制

過度決定的模型

模型設置問題

多少都有多重共線性的情況，完全多重共線性和完全沒有多重共線性在實際中都不常見，我們往往討論的是多重共線性的程度

影響

完全共線性下參數(shù)估計量不存在

近似共線性下OLS估計量依然滿足BLUE性質(zhì)

但是，會招致以下后果：（1）OLS估計量的方差變大.

? （2）參數(shù)估計量的經(jīng)濟含義不合理.

? （3）變量的顯著性檢驗和模型的預測能力失去意義

不過若 R^2 比較大，且能保證自變量的相關類型在 未來時期中保持不變，則多重共線性不影響模型的預測能力，但不能作經(jīng)濟結(jié)構分析

檢驗

VIF檢驗

? VIF>10存在高度多重共線性

條件數(shù)檢驗

? 0<k<10 不存在高度多重共線性

? 10<k<100存在高度多重共線性

? 100<k存在嚴重高度多重共線性

解決辦法

刪除對應的變量

逐步回歸法

增加樣本容量

?著作權歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成，瀏覽時請結(jié)合常識與多方信息審慎甄別。
平臺聲明：文章內(nèi)容（如有圖片或視頻亦包括在內(nèi)）由作者上傳并發(fā)布，文章內(nèi)容僅代表作者本人觀點，簡書系信息發(fā)布平臺，僅提供信息存儲服務。

相關閱讀更多精彩內(nèi)容

友情鏈接更多精彩內(nèi)容