(ppt)多重共线性案例分析.pptVIP

第十二讲 多重共线性案例分析 多重共线性的侦查与处理 研究美国每人的子鸡消费量 令： 获取数据 估计方程及报告结果 Dependent Variable: LOG(Y) Method: Least Squares Date: 10/11/10 Time: 21:40 Sample: 1960 1982 Included observations: 23 Variable Coefficient Std. Error t-Statistic Prob.?? C 2.189792 0.155715 14.06283 0.0000 LOG(X1) 0.342555 0.083266 4.113970 0.0007 LOG(X2) -0.504592 0.110894 -4.550212 0.0002 LOG(X3) 0.148545 0.099673 1.490334 0.1535 LOG(X4) 0.091105 0.100716 0.904568 0.3776 R-squared 0.982313 ????Mean dependent var 3.663887 Adjusted R-squared 0.978383 ????S.D. dependent var 0.187659 S.E. of regression 0.027591 ????Akaike info criterion -4.152987 Sum squared resid 0.013703 ????Schwarz criterion -3.906140 Log likelihood 52.75935 ????Hannan-Quinn criter. -4.090906 F-statistic 249.9282 ????Durbin-Watson stat 1.826069 Prob(F-statistic) 0.000000  通过总体显著性检验 检验： 、 通过显著性检验； 、 未 通过显著性检验 很大 多重共线性的侦查 （1） 值高且不显著的 值四个中占了两个，有理由怀疑该模型中存在着较为严重的多重共线性。 （3）辅助回归 应用克莱因法则： 辅助模型①的 大于回归方程的 多重共线性问题比较严重 多重共线性的处理 （1）不做处理。 作为分析者，如果你主要关注的因素 是可支配收入与子鸡价格对子鸡消费量 的影响的话，两个统计量都通过了显著 性的 检验，对多重共线性可以不做处理。 （2）剔除不重要的变量 前两个变量是我们主要关心的因素，都通过了 显著性检验；后两个变量未通过显著性检验，由相 关系数大小选择剔掉 ，然后再重新估计模型 多重共线性的再检验： （1）回归元的相关系数 （2）辅助回归 应用克莱因法则： 没有辅助模型的 大于回归方程的 多重共线性问题不是很严重 多重共线性的处理： （1）依据克莱因法则，则不必对其进行调整 （2）选择相关系数判定，则剔除 ，再做回归，得到下面的结果 多重共线性再检验 多重共线性的处理 剔除 ，再回归获得新模型 * * 1960 27.80000 397.5000 42.20000 50.70000 78.30000 65.80000 1961 29.90000 413.3000 38.10000 52.00000 79.20000 66.90000 1962 29.80000 439.2000 40.30000 54.00000 79.20000 67.80000 1963 30.80000 459.7000 39.50000 55.30000 79.20000 69.60000 1964 31.20000 492.9000 37.30000 54.70000 77.40000 68.70000 1965 33.30000 528.6000 38.10000 63.70000