第五篇复共线性问题
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
第四章 复共线性问题
引言
在第二章中,我们在高斯—马尔科夫假定下,讨论了经典线性单方程计量模型的参数估计,假设检验区间估计与预测等问题。并且,我们已证明了:在GM 假定下,回归系数β的LS 估计再线性无偏估计类中具有最小的方差。由此,奠定了LS 估计在经典计量理论中的重要地位。然而,在实际经济问题的研究中,GM 假定往往并不满足。这种假设条件的破坏对经典计量理论的影响是具有挑战性的,将直接引发相关理论的革命。本章介绍的复共线性(multicollinearity )问题,在经济计量学的理论研究与实际应用中,具有极其重要的价值。在下面的讨论中将会发现,由于复共线性关系的存在,LS 估计的性能将急剧变得很差,不再是可使用的最佳估计。
所谓“复共线性”是指在模型解释变量12,,,k X X X 之间存在一个或多个近似的线性关系:
11220k k XC X C X C X C =++
+=
若上式左边精确地等于0,则称1,
,k X X 间存在精确的或完全的线性关系。当精确线性关系
成立时,显然有:()rank
K k ,从而,GM 假定中的秩条件()rank K k =自然被破坏。若
1,,k X X 之间虽然不存在精确的线性关系,但存在复共线性关系,则1,
,k X X 之间必有一个变
量可通过其它解释变量近似线性表示,说明此变量与其它结实变量之间的相关性极强,没有必要单独作为解释变量存在于模型中。若将这些变量均作为解释变量包含在模型中,则不仅不能有效地改进模型的拟合与预测,相反,将使模型参数的估计性能变坏,模型拟合与预测将在事实上不能反映客观事物本来面目。因此,如何识别和诊断出这种复共线性关系的影响机制,成为模型理论研究与应用实践急待解决的问题。
事实上,在近几年来的不断探索过程中,人们已发现:复共线性关系的产生机制和影响机理非常复杂。它不但与解释变量间的结构依存关系相关,同时,还与模型形式设定、变量分布、滞后影响、样本信息差异和异常值等有关。本章介绍相关的理论和改进方法。
估计的新度量——均方无差
我们在上一章讨论的高斯——马尔科夫定理给出了:在GM 假定下,回归系数β的LS 估计
β在线性无偏差估计类中具有最小的方差。此时,制定估计优良的前提是线性无偏的。下面引入
“均方误差”则是在更一般意义上给出了度量估计优量的新标准。
一. 均方无差(MSE )
对于参数估计的一般问题,设θ为1p ⨯维未知参数向量,*
θ为 θ的某种估计,则估计*
θ的均方差(Mean Square Error )定义为:
()
()()2
****MSE E E θθθ
θθθθ'-=--
显然,均方误差()*
MSE
θ度量了估计*
θ
与未知参数θ偏离的大小。
对()*
MSE
θ作进一步的分解有:
()()()()()()()*
*
*
*
*
*
***
MSE E E E E E E θθθθθθθθθθθθθ''⎡⎤⎡⎤=--=-+--+-⎣⎦⎣⎦
()()2
*
*
*
*
*
E E E E θθθθθθ'=--+- ()2
**
trCov E θθθ=+-
12∆+∆
显然,()1
*
*
11
()i
i trCov
Var θθ
=∆==∑它为估计*θ的各分量方差之和。
()2
2
*
*21
p
i
i i E E θθ
θθ=∆=-=-∑,它为估计*θ的各分量偏差的平方和。
可见,要使方程差()*
MSE
θ较小,则必须要求1
∆和2
∆均小。特别地,当*
θ为θ的无偏估
计时,则分解式中第二项2
∆等于0,此时,()*
MSE θ只剩下分量方差之和1
∆。因此,均方误差()*
MSE θ不仅适用于无偏估计情形,同时还适用于有偏估计情形。它从方差和偏差两个
方面综合反映了估计*
θ的性能,是一个较好的、全面的估计性能新度量。 二. L S 估计的均方误差。
我们假定单方称线性回归模型为:
()21,~0,n Y X I αβεεσ=++
其中,n p ⨯设计阵X 假定已经中心化,并且()0rank
X P =。此时,截距项α的LS 估
计为:1
1n i i Y Y n α===∑,β的LS 估计为:()1
X X X Y β-''=。
注:设011i i p pi i Y x x αββε=++
+++ 01p
j
ji i j x αβ
ε==+
+∑
则()
1
p
i j
ji
j i j Y x
x αβε==+
-+∑ (中心化)
其中,1
0101p
p j p j j x x x ααββαβ==++
+=+∑
(
)
11
1,
,n
p
i i x x x x n ='
==∑ 可见,从参数的角度来看,中心化不过是把原参数01,,,p αββ作了一个线性变换,且
在此变换中,1,
,p ββ保持不变。
现记()()
()
121,,1,,1,,n x x x x x x ⎛⎫' ⎪ ⎪
' ⎪ ⎪ ⎪ ⎪
' ⎪
⎪⎝⎭,00
0S X X '= ()()
()
12*,,n x x x x X x x ⎛⎫'- ⎪ ⎪
' ⎪
-= ⎪ ⎪ ⎪' ⎪ ⎪⎝⎭
,***S X X '=