检验多重共线性matlab_计量经济学第六讲（放宽基本假定模型：多重共线性）

第四章、经典单方程计量经济学模型：放宽基本假定的模型

前面两章我们在满足基本假定的条件下进行了回归，得到具有良好性质的OLS估计量。但现实中完全满足基本假定的情况并不多见，不满足基本假定的情况时而发生，称之为基本假定违背。

对于截面数据来说，违背基本假定的情形包括

• 解释变量之间有严重的多重共线性
• 随机误差项异方差
• 解释变量具有内生性
• 模型设定偏误

在建立计量经济学模型时，需要对所研究的对象是否满足基本假定做出判断，这就是计量经济学检验。如果不满足基本假定，那么OLS估计量就没有良好的性质，需要采取补救措施或发展新的方法。

4.1多重共线性

4.1.1概念

定义：两个或多个解释变量间出现相关性。分为完全共线性和近似共线性。

完全共线性：

，

不全为0.

用矩阵表示就是观测值矩阵

列不满秩，即

.

近似共线性：

，

不全为0.

说明：完全共线性不多见，大多数情况都是近似共线性。

注意：非线性关系不违背基本假定，如多项式模型。

4.1.2实际问题中的多重共线性

（一）经济变量的共同相关趋势

经济变量之间同增同降。比如时间序列数据中，在繁荣时期，收入、消费、投资、价格都变大，那么用它们作为解释变量就会有共线性；又比如在截面数据中，资本投入和劳动力投入高度相关，大企业两者投入都多，小企业两者投入都少。

（二）模型设定不谨慎

比如作死地将模型设定为

那么两个解释变量之间相差一个倍数，就造成了完全共线性。

又比如已知

，还将三者都加到模型中：

（三）样本资料的限制

就是运气不好，你收集到的样本观测值就是有很严重的共线性。

比如教育支出和家庭收入是有一定关系的，如果你恰巧收集的样本，它们之间基本上呈线性相关，那就导致了严重的共线性。

4.1.3多重共线性后果

（一）完全共线性参数估计量不存在

当完全共线性时，