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,