无完全多重共线性

无完全多重共线性 (No Perfect Multicollinearity)

无完全多重共线性是线性回归模型中高斯-马尔可夫定理（Gauss-Markov Theorem）的核心假设之一。它要求模型的解释变量之间不存在精确的线性关系，即没有任何一个解释变量可以被其他解释变量的线性组合精确表示。在数学上，该假设等价于设计矩阵 $\mathbf{X}$（$n \times k$，含常数项列）为满列秩（full column rank），即 $\operatorname{rank}(\mathbf{X}) = k$。由此，矩阵 $\mathbf{X}'\mathbf{X}$ 是非奇异的、可逆的，从而保证普通最小二乘法（OLS）的估计量 $\hat{\boldsymbol{\beta}} = (\mathbf{X}'\mathbf{X})^{-1}\mathbf{X}'\mathbf{y}$ 存在且唯一。

形式化定义

设有 $k$ 个解释变量 $x_1, x_2, \ldots, x_k$（含截距项对应的常数列）。完全多重共线性（perfect multicollinearity）指存在一组不全为零的常数 $c_1, c_2, \ldots, c_k$，使得对所有样本观测值 $i = 1, \ldots, n$，均有：

若不存在任何此类非零线性组合，则称数据满足无完全多重共线性的假设。该条件等价于 $\mathbf{X}'\mathbf{X}$ 可逆，或者说 $\mathbf{X}'\mathbf{X}$ 的所有特征值严格大于零。

常见违反情形

完全多重共线性在实证中通常由人为疏忽或数据结构设计导致，而非随机现象。典型情形包括：

虚拟变量陷阱（dummy variable trap）：当使用一组互斥且穷尽的类别虚拟变量时，若同时包含所有类别虚拟变量和截距项，则各虚拟变量之和恒等于 1（即截距项），产生精确的线性依赖。正确做法是省略一个基准类别。

变量间的恒等关系：如模型同时包含年龄、出生年份和当前年份，其中任一个可由另两个线性表出。又如同时放入总收入与分项收入之和。

样本量不足：当解释变量个数 $k$ 超过样本量 $n$（$k > n$）时，$\mathbf{X}$ 不可能满列秩，秩最多为 $n$，必然违反无完全多重共线性假设。

与不完全多重共线性的区别

不完全多重共线性（imperfect multicollinearity）指解释变量之间存在高度但非精确的线性相关。此时 $\mathbf{X}'\mathbf{X}$ 仍可逆，OLS 估计量无偏的且一致性成立，但其方差被严重放大，导致t统计量不显著、系数估计对样本微小变化极为敏感。无完全多重共线性保证的是估计量存在性，而多重共线性程度影响的是估计量的精度。实践中，完全多重共线性使 OLS 无法计算（软件报错矩阵奇异），而不完全多重共线性虽能计算但估计质量下降。

诊断与检验

完全多重共线性的诊断相对直接：若 $\mathbf{X}'\mathbf{X}$ 的行列式为零或接近零，或存在零特征值，即表明完全或接近完全的共线性。对于不完全多重共线性，常用诊断工具包括方差膨胀因子（VIF）：第 $j$ 个解释变量的 $\text{VIF}_j = 1 / (1 - R_j^2)$，其中 $R_j^2$ 为将 $x_j$ 对其余解释变量回归的决定系数。经验规则为 VIF 大于 10 表明严重共线性；条件数（condition number），即 $\mathbf{X}'\mathbf{X}$ 最大与最小特征值之比的平方根，大于 30 时需警惕。

在计量经济学中的地位

无完全多重共线性与误差项的零条件均值假设、同方差性及无自相关共同构成高斯-马尔可夫定理的条件。这些假设联合保证了 OLS 是最佳线性无偏估计量（BLUE）。然而，无完全多重共线性是所有假设中最具"技术性"的一个：它不涉及任何随机性假设，仅对样本数据的结构提出要求，且在实践中几乎总是可以通过恰当的数据预处理（如移除冗余变量、设置基准类别）予以满足。当因多重共线性导致估计不稳定时，可考虑岭回归、主成分回归或增加样本量。在面板数据模型中，固定效应与不随时间变化的变量也可能产生完全共线性，需在模型设定时格外留意。