关于spss不能给出岭回归显著性检验(t,p)的解决方案.docVIP

关于spss不能给出岭回归显著性检验(t,p)的解决方案 篇一：SPSS岭回归方法 岭回归程序调用语法（蔡国雄） 2011-12-7 1、运行：include#39;C:\Documents and Settings\Administrator\桌面\cgxridge.sps#39;. ridgereg dep=y/enter x1 x2 x3 x4 x5. ************************************** 输出结果如下： 2、运行：ridgereg dep=y/enter x2 x3 x4 x5/start=0.0/stop=0.2/INC=0.02. ******************************* 输出结果如下： 3、运行：ridgereg dep=y/enter x2 x3 x4 x5/k=0.08. ********************************************* 输出结果如下： 到此结束 附上数据： x2 x3 1888 81491 2195 86389 2531 92204 2799 95300 3054 99922 3358 106044 3905 110353 4879 112110 y 231 298 343 401 445 391 554 744 x1 3010 3350 3688 3941 4258 4736 5652 7020 x4 14.89 16 19.53 21.82 23.27 22.91 26.02 27.72 x5 180.92 420.39 570.25 776.71 792.43 947.7 1285.22 1783.3 997 1310 1442 1283 1660 2178 2886 3383 7859 9313 11738 13176 14384 16557 20223 24882 5552 6386 8038 9005 9663 10969 12985 15949 108579 112429 122645 113807 95712 95081 99693 105458 32.43 38.91 37.38 47.19 50.68 55.91 83.66 96.08 2281.95 2690.23 3169.48 2450.14 2746.2 3335.65 3311.5 4152.7 篇二：岭回归解决多重共线性 一、引言 回归分析是一种比较成熟的预测模型,也是在预测过程中使用较多的模型,在自然科学管理科学和社会经济中有着非常广泛的应用，但是经典的最小二乘估计，必需满足一些假设条件，多重共线性就是其中的一种。实际上，解释变量间完全不相关的情形是非常少见的，大多数变量都在某种程度上存在着一定的共线性，而存在着共线性会给模型带来许多不确定性的结果。 二、认识多重共线性 （一）多重共线性的定义 设回归模型y??0??1x1??2x2????pxp为零的数k0,k1,k2?kp使得k0近似的多重共线性。 ??如果矩阵X的列向量存在一组不全 ?k1xi1?k2xi2???kpxip?0, i=1,2,?n,则称其存在完全共线(转载于:www.XltkWJ.Com 小 龙文档 网:关于spss不能给出岭回归显著性检验(t,p)的解决方案)性,如果k0?k1xi1?k2xi2???kpxip?0, i=1,2,?n,则称其存在 （二）多重共线性的后果 1.理论后果 对于多元线性回归来讲，大多数学者都关注其估计精度不高，但是多重共线性不可 能完全消除，而是要用一定的方法来减少变量之间的相关程度。多重共线性其实是由样本容量太小所造成的后果，在理论上称作“微数缺测性”，所以当样本容量n很小的时候，多重共线性才是非常严重的。 多重共线性的理论后果有以下几点： （1）保持OLS估计量的BLUE性质； (2) 戈德伯格提出了近似多重共线性其实是样本观测数刚好超过待估参数个数时出现的 情况。所以多重共线性并不是简单的自变量之间存在的相关性，也包括样本容量的大小问题。 （3）近似的多重共线性中，OLS估计仍然是无偏估计。无偏性是一种多维样本或重复抽样 的性质；如果X变量的取值固定情况下，反复对样本进行取样，并对每个样本计算OLS估计量，随着样本个数的增加，估计量的样本值的均值将收敛于真实值。 （4）多重共线性是由于样本引起的。即使总体中每一个X之间都没有线性关系，但在具体 取样时仍存在样本间的共线性。2.现实后果 （1）虽然存在多重共线性的情况下，得到的OLS估计是BLUE的，但有较大的方差和协方差， 估计精度不高； （2）置信区间比原本宽，使得接受H0假设的概