利用EViews软件检验和处理模型的多重共线性.pdfVIP

赵卫亚 (浙江工商大学统计与数学学院，杭州310018) 摘要：异方差性、自相关性、多重共线性是计量经济检验的三项主要内容．对于模型中的异方差性 和自相关性问题，可以利用EViews软件很方便的进行检验和处理；但是对多重共线性问题。在EViews 5．x版本之前却一直无法有效地予以处理。文章介绍了如何直接利用EViews软件检验和处理模型的多 重共线性问题。 关键词：Eviews软件：多重共线性：检验 中图分类号：0212文献标识码：A 文章编号：1002—6487《2008)06—0147-02 主成分回归(PrincipalComponentsRegression—PCR) 1多重共线性的特征值检验方法 是根据多元统计分析中的主成分分析原理、用于处理多重共 线性模型的一种新的参数估计方法。其基本原理是：将模型 设多元线性回归模型为： 中的解释变量转换成若干个主成分(变量)，这些主成分之间 Y=a+b1X1+b2x一…+bkXk+8 (1) 互不相关。并且都是模型中原解释变量的线性组合。因此，可 以将被解释变量关于这些主成分进行回归．再根据主成分与 解释变量的样本数据矩阵是X=(X。，X2，…，Xk)；如果模 型存在完全的多重共线性，则向量Xl，X：，…，Xk之间线性相 解释变量之间的对应关系。求得原回归模型的估计方程。其 … 具体步骤为： 关，矩阵X的秩小于k，即rank(X)=rank()【，X)k，行列式IX，XI- 0；当模型存在严重的多重共线性时，IXXI一0。根据矩阵代数 (1)求解(标准化)解释变量的k个特征值入，入：…h， 知识，若入。，k，…，k是矩阵xx的k个特征值，则有： 以及相应的(单位)特征向量v，，v：，…，v。。 lXⅨl_入I．入2，…，h一0 (2)计算解释变量的k个主成分： 这表明特征值入，(i_l，2，…，k)中至少有一个近似地等于 Fl=vIlxl+v12xz+…+vlkxL ／ 0。因此，可以利用XX的特征值来检验模型的多重共线性。 F2=v2lX2+V,r|，x2+…+V2kXk 利用特征值还可以构造两个用于检验多重共线性的指 In． 标：病态数K(ConditionNumber)和病态指数CI(ConditionFk=vklxI+v泓一…+VkkXk dex)：指标定义为： FI(i=l，2，…，k)之间互不相关，并且都是解释变量的函 K=最大特征值／最小特征值 CI=CK 数；一般情况下，解释变量的变化可以用前m个主成分F1， 这两个指标都反映了特征值的离散程度，数值越大，表 F2，…，L来近似描述。 (3)由于F．之间不存在多重共线性问题，所以可以将(标 明多重共线性的程度越严重。一般当K1000(或CI30)时， 认为存在严重的多重共