多重共线性如何处理？

Question

如题所述

Answer 1

能修正多重共线性的方法有：增加样本容量、变换模型的函数形式、逐步回归、利用已知信息。

多重共线性（Multicollinearity）是指线性回归模型中的解释变量之间由于存在精确相关关系或高度相关关系而使模型估计失真或难以估计准确。

多重共线性处理

多重共线性的产生原因主要有3个方面：经济变量相关的共同趋势；滞后变量的引入；样本资料的限制。其影响如下：

1、完全共线性下参数估计量不存在。

2、近似共线性下OLS估计量非有效。多重共线性使参数估计值的方差增大，如果方差膨胀因子值越大，说明共线性越强。相反，容许度是方差膨胀因子的倒数，所以容许度越小，共线性越强。可以这样记忆：容许度代表容许，也就是许可，如果值越小，代表在数值上越不容许，就是越小，越不要。共线性是一个负面指标，在分析中都是不希望它出现。

共线性

3、参数估计量经济含义不合理。

4、变量的显著性检验失去意义，可能将重要的解释变量排除在模型之外。

5、模型的预测功能失效。变大的方差容易使区间预测的“区间”变大，使预测失去意义。

需要注意：即使出现较高程度的多重共线性，OLS估计量仍具有线性性等良好的统计性质。但是OLS法在统计推断上无法给出真正有用的信息。