多重共线性实验.pptVIP

从回归结果可以看出，调整可决系数高达0.996，F检验也通过显著性检验，说明模型拟合较好，且系数整体显著。但公路里程（X4）未通过显著性检验，且其系数为负，与理论和一般现实相悖。因此，可以初步判断变量之间可能存在一定的多重共线性，下面将通过其相关系数矩阵进行进一步的判断。 作业 假定影响我国粮食产量（y）的因素有农业化肥施用量（x1）、粮食播种面积（x2）、成灾面积（x3）、农业机械总动力（x4）、农业劳动力（x5），数据见表。 1、以y为被解释变量，X1-X5为解释变量建立多元线性回归模型，并运用EViews6.0软件采用OLS估计模型，并根据回归结果初步判断是否存在多重共线性，如果怀疑模型存在多重共线性，请运用相关系数矩阵法进一步检验之. 2、如果经检验确实存在严重的多重共线性，请运用逐步回归法进行多重共线性问题的补救，对每一步实验结果进行分析并得出最终模型。 请18周周日有双学位或其他考试的同学到我这里登记。（姓名，学号，班级，以及考试的时间）。 实验1 ?多重共线性 1 模型设定 设定影响我国国内旅游收入（Y）的主要因素为国内旅游人数 （X1）、城镇居民旅游人均花费（X2）、农村居民旅游人均花费 （X3）、公路里程（X4）、铁路里程（X5）。 构造以下形式的计量经济学模型： 2 参数估计 （1）创建工作文件 启动Eviews，在主菜单依次点击【File】-【New】-【Workfile】， 在弹出在对话框中选取【Annual】，并输入开始时间和结束时间。 （2）输入数据 在命令窗口输入Data Y X1 X2 X3 X4 X5，并回车，将数据输入 对应序列中。 （3）估计参数 【Quick】-【Estimate Equation】，在文本框中输入“Y C X1 X2 X3 X4 X5”，选择“LS-Least Squares”,点击【OK】。 3 检验多重共线性 相关系数检验法 在工作文件窗口同时选择“X1 X2 X3 X4 X5”，在蓝色区域上面单击 右键，选择【Open】-【as Group】。 在弹出的窗口中单击工具栏【View】，依次选择【Covariance Analysis，在弹出的对话框中勾选【Correlation】，点击【OK】 由相关系数矩阵可以看出，除了X1与X3和X3与X4的相关系 数较低（但也在0.6左右）外，其它解释变量之间的相关系数都很 高，其中X1与X4之间的相关系数高达0.9569，存在高度相关性。 因此，可以判断原模型存在严重多重共线性。 采用逐步回归法来修正多重共线性 （1）首先确定一个最优的回归方程。即从X1、X2、X3、X4、 X5中选择解释Y最好的那个解释变量来建立最优回归模型。 分别做Y对X1、X2、X3、X4、X5的回归，得到如下的回归结果。 4 修正多重共线性 Y对X1的回归结果 Y对X2的回归结果 Y对X3的回归结果 Y对X4的回归结果 Y对X5的回归结果 由以上可知，以X1为解释变量的一元线性回归模型拟合的最好， 调整可决系数最大，所以可以把模型 作为最优回归模型 （1） 在模型（1）的基础上，分别加入其它解释变量进行回归，进 而确定拟合优度最好的二元回归模型。做法为【Estimate】- 【Equation Specification】，在文本框中输入“Y C X1 X2”， 点击【OK】。回归结果如下： 用类似的方法分别加入X2，X3，X4，X5,得到如下回归结果： Y对X1和X3的回归结果 Y对X1和X4的回归结果 Y对X1和X5的回归结果 经对比发现，新加入X2的方程的调整可决系数改进最大， 而且，X1与 X2的t检验都是显著的，因此选择保留X2。 =0.9935 （3）在包含X1与X2的二元线性回归方程的基础上，再逐个加 入其它解释变量进行回归，结果如图所示： Y对X1、X2和X3的回归结果 Y对X1、X2和X4的回归结果 Y对X1、X2和X5的回归结果 从以上三个输出结果可以看出，虽然加入X3后，调整可决系 数有所改进，但其t检验是不显著的；加入X4后，不但调整可决系 数没有改进，而且t检验也是不显著的；加入X5后，尽管调整可决 系数有所改进，但其t检验也是不显著的，甚至出现了X5系数为负 数，明显不合理。 至此，逐步回归可以终止，说明X3、X4和X5引起多重共线性， 应当予以剔除。最后，通过修正严重多重共线性影响的回归结果为： Y = -3493.24 + 0.0409 X1 + 5.1543 X2 SE 264.6702 0.0027