10.1多重共线性的性质 一、定义: 狭义模型中一些或全部解释变量之间存在一种完全的线性关系(完全共线性)。 广义模型中一些或全部解释变量之间存在一种完全或非完全的线性关系(近似共线性)

多重共线性的概念 多重共线性的来源与后果 多重共线性检验 多重共线性的修正方法 案例分析 多重共线性的概念 多重共线性的来源与后果 多重共线性的来源 多重共线性的后果 多重共线性检验 多重共线性的修正方法 增加样本观测值 略去不重要的解释变量 用被解释变量的滞后值代替解释变量的滞后值 利用参数之间的关系 利用解释变量之间的关系 变换模型的形式 对数据进行中心化 案例分析

一、数据及其类型 二、变量及其类型 三、参数 四、随机扰动项 五、方程及其种类 六、模型

实验一 Eviews 软件的基本操作.1 实验二 一元回归模型 .10 实验三 多元和非线性回归模型 .20 实验四 多重共线性 .29 实验五 异方差性 .38 实验六 自相关性 .49 实验七 滞后变量模型 .63 实验八 虚拟解释变量模型 .75 实验九 模型设定误差诊断与检验 .82 实验十 联立方程模型 .90 实验十一 平稳时间序列分析 .106 实验十二 非平稳时间序列分析（一） .118

问题的提出 在前述基本假定下OLS估计具有BLUE的优 良性。 然而实际问题中,这些基本假定往往不能 满足,使OLS方法失效不再具有BLUE特性 估计参数时,必须检验基本假定是否满足 ,并针对基本假定不满足的情况,采取相 应的补救措施或者新的方法

问题的提出 一、数据背后存在着某种规律性 二、最小二乘保证了3条性质——残差和=0,残差与自变量无关、残差与拟合值无关

1、参数OLS估计的方差增大 2、t检验失效,不能拒绝H0的可能僧大常常犯纳伪错误 3、降低预测

问题的提出 现实生活中引起因变量 变化的因素并非仅只一个自变量,可能 有很多个自变量。为了简便先讨论只有 两个自变量的线性模型。 例如,产出往往受各种 投入要素—资本、劳动、技术等的影 响;销售额往往受价格和公司对广告费 的投入的影响。 所以在一元线性模型的 基础上,提出了二元线性模型:

问题的提出必要性 通过协方差或相关系数证实变量之间存在关系,仅仅 只是知道变量之间线性相关的性质——正(负)相关 和相关程度的大小。 既然它们之间存在线性关系,接下来必须探求它们之 间关系的表现形式是什么?

Chapter 5 Large sample properties of the LSE 5.1 Stochastic convergence Suppose that Xn} is a sequence of random varia bles with a corresponding sequence of distribution functions{Fn} If Fn(x)(x) at every continuity point x of F, Fn is said to converge weakly to F, written FnF. In this case,{xn} is said to converge in distribution to where