Компьютерный практикум по начальному курсу эконометрики (реализация на Eviews). Молчанов И.Н - 39 стр.

UptoLike

ВУЗ: 

РГЭУ РИНХ | Ростов-на-Дону

Составители: 

Рубрика: 

Этот текст доступен на постоянно обновляющемся сайте http://www.molchanov.narod.ru/econometrics.html
39
Мультиколлинеарность – это коррелированность двух или нескольких объяс-
няющих переменных в уравнении регрессии. В результате высококоррелированные
объясняющие переменные действуют в одном направлении и имеют недостаточно не-
зависимое колебание, чтобы дать возможность модели изолировать влияние каждой
переменной. Проблема мультиколлинеарности возникает только в случае множест-
венной регрессии. Мультиколлинеарность особенно часто имеет место при
анализе
макроэкономических данных (например, доходы, производство). Получаемые оценки
оказываются нестабильными как в отношении статистической значимости, так и по
величине и знаку (например, коэффициенты корреляции). Следовательно, они нена-
дежны. Значения коэффициентов R
2
могут быть высокими, но стандартные ошибки
тоже высоки, и отсюда t- критерии малы, отражая недостаток значимости.
Для проверки появления мультиколлинеарности применяются два метода, дос-
тупные во всех статистических пакетах
3
:
¾ Вычисление матрицы коэффициентов корреляции для всех объясняющих пе-
ременных. Если коэффициенты корреляции между отдельными объясняю-
щими переменными очень велики, то, следовательно, они коллинеарны. Од-
нако, при этом не существует единого правила, в соответствии с которым
есть некоторое пороговое значение коэффициента корреляции, после которо-
го высокая корреляция может вызвать отрицательный
эффект и повлиять на
качество регрессии.
¾ Для измерения эффекта мультиколлинеарности используется показатель VIF
– «фактор инфляции вариации»:
9
2
1
1
)(
h
h
R
XVIF
−
=
, где
2
h
R
- значение коэффициента множест-
венной корреляции, полученное для регрессора
h
X
как зависимой пе-
ременной и остальных переменных
i
X
. При этом степень мультикол-
линеарности, представляемая в регрессии переменной
h
X
, когда пере-
менные
k
XXX ,...,,
21
включены в регрессию, есть функция множест-
венной корреляции между
h
X
и другими переменными
k
XXX ,...,,
21
.
9 Если
10>VIF
, то объясняющие переменные, коррелирующие между
собой, считаются мультиколлинеарными.
Существует еще ряд способов, позволяющих обнаружить эффект мультиколли-
неарности:
¾ Стандартная ошибка регрессионных коэффициентов близка к нулю.
¾ Мощность коэффициента регрессии отличается от ожидаемого значения.
¾ Знаки коэффициентов регрессии противоположны ожидаемым.
¾ Добавление или удаление наблюдений из модели сильно изменяют значения
оценок.
3
Ниворожкина Л.И. Текст лекций по начальному курсу эконометрики для аспирантов.

Страницы