Лекция 5.9 Мультиколлинеарность. 1 Теоретическая мультиколлинеарность данных – явление, наблюдаемое при нарушении условий теоремы Гаусса – Маркова об.

Презентация:



Advertisements
Похожие презентации
Лекция 5.8 Полулогарифмическая модель. 2 Полулогарифмическая модель.
Advertisements

Лекция 7.5 Смещение в оценках коэффициентов, вызванное невключением существенных переменных.
Лекция 5.7 Линейная в логарифмах модель. Коэффициент эластичности Y X A O 2 Определение коэффициента эластичности.
Лекция 6.1 Dummy (фиктивные) переменные. Пример использования dummy переменной при наличии двух категорий 1 COST – годовые издержки 74 средних школ в.
Лекция 6.3 Dummy- переменные для коэффициентов наклона.
Лекция 9.1 Модели бинарного выбора. 2 Экономистов часто интересуют факторы, определяющие принятие решений индивидами или фирмами. Ниже приведены соответствующие.
Лекция 7.3 Выбор между линейной и полулогарифмической моделями. Тест Бокса – Кокса.
Лекция 8.4 Тест Уайта. 1 Содержательный смысл теста Уайта состоит в следующем: если в модели дисперсия возмущений каким-то, возможно, достаточно сложным.
Лекция 6.6 Эквивалентность теста Chow и теста о значимости группы dummy - переменных.
Парная линейная корреляция. Метод наименьших квадратов Задача: найти оценки параметров a и b такие, что остаток в i-ом наблюдении (отклонение наблюдаемого.
Лекция 3 множественная регрессия и корреляция. Уравнение множественной регрессии.
1 НЕЛИНЕЙНАЯ РЕГРЕССИЯ Принцип минимизации суммы квадратов отклонений. Эта процедура состоит из последовательности шагов: 1.Принимаются некоторые правдоподобные.
1 Множественная регрессия и корреляция. 2 Спецификация модели Уравнение множественной регрессии Цель множественной регрессии: –Построить модель с большим.
Лекция 2 Часть I: Многомерное нормальное распределение, его свойства; условные распределения Часть II: Парная линейная регрессия, основные положения.
Лекция 5 множественная регрессия и корреляция. Множественная регрессия широко используется в решении проблем спроса, изучении доходности акций, изучении.
Линейная модель парной регрессии и корреляции. 2 Корреляция – это статистическая зависимость между случайными величинами, не имеющими строго функционального.
Лекция 5 множественная регрессия и корреляция. Множественная регрессия широко используется в решении проблем спроса, доходности акций, изучение функции.
Теория статистики Корреляционно-регрессионный анализ: статистическое моделирование зависимостей Часть 1. 1.
Уравнение множественной регрессии y t = a 0 +a 1 x 1t +a 2 x 2t +a 3 x 3t +…+a k x kt +U t (8.1) Наилучшая линейная процедура получения оценок параметров.
Лекция 1 «Введение». Опр. эконометрика это наука, которая дает количественное выражение взаимосвязей экономических явлений и процессов. Специфической.
Транксрипт:

Лекция 5.9 Мультиколлинеарность

1 Теоретическая мультиколлинеарность данных – явление, наблюдаемое при нарушении условий теоремы Гаусса – Маркова об отсутствии точной линейной связи между регрессорами. При наличии теоретической мультиколлинеарности однозначное нахождение оценок МНК коэффициентов регрессии невозможно.

Мультиколлинеарность 2 При работе с реальными данными часто имеет место квази мультиколлинеарность, когда между регрессорами существует почти линейная зависимость.

Мультиколлинеарность 3 Признаки мультиколлинеарности: Небольшие изменения в данных приводят к значительным изменениям в оценках коэффициентов регрессии. Многие коэффициенты по-отдельности не значимы, хотя в целом регрессия адекватная, R 2 может быть достаточно высоким. Оценки коэффициентов регрессии (обычно незначимых) могут иметь неправильный знак (с экономической точки зрения).

Мультиколлинеарность 4 Индикаторы мультиколлинеарности: В корреляционной матрице факторов встречаются элементы, по модулю близкие к 1. VIF – variance inflation factor, превышает 4 где R j 2 – коэффициент множественной детерминации регрессора X j на все остальные регрессоры.

Мультиколлинеарность 5 Пример оценки зависимости почасовой з/п от длительности обучения, расы и способностей индивида. Коэффициенты при многих переменных оказались незначимыми. gen SMALE = S* MALE reg EARNINGSMALE ETHBLACK ETHHISP S SM ASVAB02 ASVAB03 ASVAB04 SMALE SourceSS df MS Number of obs = 540F( 9, 530) = Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE = EARNINGS Coef. Std. Err. t P>t [95% Conf. Interval] MALE ETHBLACK ETHHISP S SM ASVAB ASVAB ASVAB SMALE _cons

Мультиколлинеарность 6 Vif для MALE, SMALE больше 4, следовательно, существует проблема мультиколлинеарности. vif VariableVIF1/VIF SMALE MALE ASVAB ASVAB ASVAB S SM ETHBLACK ETHHISP Mean VIF8.78

Мультиколлинеарность 7 В корреляционной матрицы есть достаточно близкий к 1 элемент, что свидетельствует о мультиколлинеарности. cor (MALE ETHBLACK ETHHISP S SM ASVAB02 ASVAB03 ASVAB04 SMALE) (obs=540) MALE ETHBLACK ETHHISP S SM ASVAB02 ASVAB03 ASVAB04 SMALE MALE ETHBLACK ETHHISP S SM ASVAB ASVAB ASVAB SMALE