Eviews多重共线性实验报告.docVIP

实验 多重共线性 【实验目的】 掌握问题出现的来源、后果、检验及修正的原理，以及相关的Eviews操作方法。 【实验内容】 以《计量经济学学习指南与练习》补充习题4-1为数据，练习检查和克服模型的的操作方法。 【4-18】表4-3列出了被解释变量及解释变量，，的时间序列观察值。 用OLS估计线性回归模型，并采用适当的方法检验多重共线性； 用逐步回归法确定一个较好的回归模型。 表4-3 Y X1 X2 X3 X4 6.0 40.1 5.5 108 63 6.0 40.3 4.7 94 72 6.5 47.5 5.2 108 86 7.1 49.2 6.8 100 100 7.2 52.3 7.3 99 107 7.6 58.0 8.7 99 111 8.0 61.3 10.2 101 114 9.0 62.5 14.1 97 116 9.0 64.7 17.1 93 119 9.3 66.8 21.3 102 121 【实验步骤】 建立线性回归模型并检验多重共线性 建立模型 利用表4-3数据分别建立关于、、、的散点图（SCAT ）。 可以看到与、、都呈现正的线性相关，与关系不明显。 首先建立一个多元线性回归模型（LS C ）。 输出结果中，C、、、的系数都通不过显著性检验。 检验多重共线性 进一步选择Covariance Analysis的Correlation，得到变量之间的偏相关系数矩阵，观察偏相关系数。 可以发现，与、、的相关系数都在0.9以上，但输出结果中，解释变量、的回归系数却无法通过显著性检验。认为解释变量之间存在多重共线性。 用逐步回归法克服多重共线性 找出最简单的回归形式 分别作与、、、间的回归（LS C ）。 即： (1) (1.64) (11.7) D.W.=1.6837 (2) (17.9) (7.63) D.W.=0.6130 (3) (2.14) (-1.19) D.W.=0.6471 (4) (2.25) (6.30) D.W.=0.5961 可见，受X1的影响最大，选择(1)式作为初始的回归模型。 逐步回归 将其他解释变量分别导入上述初始回归模型，寻找最佳回归方程。为求简明，先列出回归结果如下表，过程截图放在说明部分。 C D.W. 0.942 0.122 0.9383 1.68 t值 (1.64) (11.7) 2.323 0.082 0.080 0.9682 2.26 t值 (3.71) (5.22) (2.92) 4.037 0.079 0.080 -0.016 0.9684 2.32 t值 (2.25) (5.01) (2.92) (-1.02) 2.686 0.049 0.096 0.012 0.9665 2.03 t值 (3.42) (1.13) (2.79) (0.81) 说明： 第一步：在初始模型中引入，模型拟合优度提高，参数符号合理，且变量通过了t检验，D.W.检验值落在上界以上，表明不存在1阶序列相关性； 第二步，引入，拟合优度略微提高，但变量未通过t检验； 第三步，去掉，引入，拟合优度有所下降，且、都未能通过t检验； 第二步与第三步表明，与是多余的。故最终的拟合模型为：