一、多重共线性的概念二、实际经济问题中的多重共线性三、多重共线性的后果四、多重共线性的检验五、克服多重共线性的方法六、案例第六章多重共线性问题的提出•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。•检验基本假定是否满足的检验称为计量经济学检验回顾6项基本假定•（1）解释变量间不相关（无多重共线性）•（2）E(ui)=0（随机项均值为零）•（3）Var(ui)=2（同方差）•（4）Cov(ui,uj)=0（随机项无自相关）•（5）Cov(X,ui)=0（随机项与解释变量X不相关）•（6）随机扰动服从正态分布。不满足基本假定的情形（1）•1、通常不会发生随机扰动项均值不等于0的情形。若发生也不会影响解释变量的系数，只会影响截距项。•2、随机扰动项正态性假设一般能够成立，就算不成立，在大样本下也会近似成立的。所以不讨论此假定是否违背。不满足基本假定的情形（2）•3、解释变量之间相关=>多重共线•4、随机扰动项相关=>序列自相关–时间序列数据经常出现序列相关•5、随机扰动项方差不等于常数=>异方差–截面数据时，经常出现异方差解决问题的思路•1、定义违反各个基本假定的基本概念•2、违反基本假定的原因、背景•3、诊断基本假定的违反•4、违反基本假定的补救措施（修正）一、多重共线性的概念对于模型Yi=0+1X1i+2X2i++kXki+ii=1,2,…,n其基本假设之一是解释变量是互相独立的。如果某两个或多个解释变量之间出现了相关性，则称为多重共线性(Multicollinearity)。如果存在c1X1i+c2X2i+…+ckXki=0i=1,2,…,n其中:ci不全为0，则称为解释变量间存在完全共线性（perfectmulticollinearity）。如果存在c1X1i+c2X2i+…+ckXki+vi=0i=1,2,…,n其中ci不全为0，vi为随机误差项，则称为近似共线性（approximatemulticollinearity）或交互相关(intercorrelated)。在矩阵表示的线性回归模型Y=X+中，完全共线性指：秩(X)
