谈多重共线性

谈多重共线性

本文主要讨论古典假定中无多重共线性被违反的情况，主要情况包括多重共线性的实质和产生的原因、后果、检验方法及无多重共线性假定违反后的处置方法。

第一节 什么是多重共线性

一、多重共线性的含义

讨论多元线性回归模型的估计时，强调了假定无多重共线性，即假定各解释变量之间不存在线性关系，或者说各解释变量的观测值之间线性无关。计量经济学中的多重共线性，不仅包括解释变量之间精确的线性关系，还包括解释变量之间近似的线性关系。
从数学意义上去说明多重共线性，即若存在不全为0的数使得：

则称解释变量X1，X2，X3，…，Xk之间存在完全的多重共线性。

用矩阵来表示的话，解释变量的数据矩阵的秩<k，即解释变量的个数，表明在数据矩阵X中，至少有一个列向量可以用其余的列向量线性表示，说明存在完全的多重共线性。

在实际经济问题中，完全的多重共线性并不多见。常见的情形是解释变量X1、X2，…，Xk之间存在不完全的多重共线性。不完全的多重共线性是指对于解释变量X1，X2，…,Xk，存在不全为0的数，使得

式中，ui为随机变量。这表示解释变量之间只是一种近似的线性关系。

如果解释变量之间不存在完全或不完全的线性关系，则称无多重共线性。需要强调，解释变量之间不存在线性关系，并非不存在非线性关系，当解释变量存在非线性关系时，并不违反无多重共线性假定。

回归模型中解释变量的关系可能表现为以下三种情形。
（1）r(xi,xj)=0，解释变量间毫无线性关系，变量间相互正交。事实上这是已经不需要做多元回归，每个参数Bj都可以通过y对xj的一元回归来估计。
（2）r(xi,xj)=1，解释变量间完全共线性。此时模型参数将无法确定。直观地看，当两变量按同一方式变化时，要区别每个解释变量对被解释变量的影响程度非常困难。
（3）0<r(xi,xj)<1，解释变量间存在一定程度的线性关系。实际中常遇到的是这种情形。

共线性程度的增加，会对参数估计值的准确性、稳定性带来影响。因此，不完全的多重共线性事实上有严重程度的问题。

二、产生多重共线性的背景

由于经济现象的变化涉及多个影响因素，而影响因素之间常常存在一定的相关性，多重共线性产生的经济背景主要有以下几种情形。

（1）经济变量之间具有共同变化趋势。例如，时间序列数据收入、消费等，在经济上升时，均出现增长的趋势，相反，在经济衰退期，又都出现下降趋势。当这些变量作为解释变量引入模型中会带来多重共线性问题。

（2）模型中包含滞后变量。当建立的模型中引入解释变量的滞后变量时，而X变量与滞后期变量常常高度相关，于是导致出现多重共线性。

（3）利用截面数据建立模型也可能出现多重共线性。利用截面数据建模时，许多变量与发展规模相关，会呈现出共同增长的趋势，如资本、劳动力