技术经济与管理--多重共线性的检验与操作.docVIP

多重共线性的eviews实验操作 选取2010年会计师事务所综合评价为例，由相关知识和实际可以知道，影响会计师事务所综合评价的因素有：前一年度总收入x1，前一年度审计收入x2，注册会计师人数x3，领军人才数量x4，由此建立如下方程： 表1给出了2010年会计师事务所综合评价的相关数据。 表1 2010年度会计师事务所综合评价前30家信息 （注：数据来自于中国注册会计师协会网站/top100/top2010.htm） 创建工作文件 打开eviews5.0，依次点击file→new→workfile creat，创建一个样本容量为30的截面数据工作文件并保存为多重共线性.wf1。如图1。 图1 输入和编辑数据 在命令窗口输入： Data y x1 x2 x3 x4 将excel中的数据复制到eviews中，得图2。 图2 OLS估计参数 在主菜单命令行输入： Ls y c x1 x2 x3 x4 得估计结果如图3，图4所示。 图3 图4 从中可以看出，，和值均很高，说明模型的整体拟合效果很好，但是参数的t检验值有的并不显著，x2的参数估计值并不显著，而且符合的实际意义也不合理，因此认为存在多重共线性。 另一方面，观察解释变量之间的相关系数。同时选中x1、x2、x3、x4，点击右键open→as group，如图5所示。 得到图6。 在该对话框中点击view→correlations→common sample，如图7所示。 得到图8。 图5 图6 图7 图8 从图8中可以看出，x1与x2的相关系数是0.982111，存在着高度相关性。因此，原模型存在多重共线性。 多重共线性的修正（逐步回归法） 第一步：首先确定一个基准的解释变量，即从x1、x2、x3、x4中选择解释y的最好的一个建立基准模型。 分别做y与x1、x2、x3、x4间的回归，得到估计结果如图9—12所示。 图9 图10 图11 图12 从以上四个输出结果可以看出，y用x1解释所得的回归方程的拟合优度最高（），因此选择第一个方程作为基准的回归模型。 即 Y = 38 0.003677933567*X1 （1） 第二步：在模型（1）的基准上，逐步将其他的解释变量加入进行回归，寻找拟合效果最好的回归方程。具体结果如下： 在模型（1）中添加变量x2，在命令行输入命令：ls y c x1 x2，得到图13。 图13 观察可知，拟合优度没有显著提高（从提高到），而且参数符号为负不符合实际，t检验也不显著，P值为0.6540>0.05，因此变量x2不显著。模型中剔除x2。 在模型（1）中添加变量x3，在命令行输入命令：ls y c x1 x3，得到图14。 图14 观察可知，拟合优度有所提高，同时参数符号合理且变量均通过t检验。将模型（1）修改为： Y = 20.6403849 + 0.003586947756*X1 + 0.04441543838*X3 （2） 在命令行中输入命令：ls y c x1 x3 x4，得到图15。 图15 观察可知，拟合优度高于前者，且参数符号合理、变量和常数都通过t检验。将模型修改为： Y = 20+ 0.00359739456*X1 + 0.03320852808*X3 + 1.203589023*X4 （3） 故得估计方程为 Y = 20+ 0.00359739456*X1 + 0.03320852808*X3 + 1.203589023*X4 （4） 此时，，所有的解释变量参数符号合理且均通过t检验，因此，这时的方程（4）很好的拟合了数据。 经济与管理学院 技术经济与管理 潘崇义 092040096