关于多重共线性模型的检验和克服.doc

关于多重共线性模型的检验和克服 一、实验目的：掌握多重共线性模型的检验和处理方法 二、实验原理：判定系数检验法、逐步回归法、解释变量相关系数的检验 三、实验步骤： 创建一个new workfile 打开Eviews软件， 点击File下New中的Workfile，创建一个新的工作文件，打开中国粮食生产函数模型的数据，观察数据，发现数据是一组以年为单位的时间数据，所以选择Annual，在Start Date 中输入1983，在End Date中输入2000，点击OK，生成后点击Save进行保存。 输入数据 点击Quick下Empty Group，输入Y、X1、X2、X3、X4、X5六个变量，其中Y表示粮食产量，X1表示农业化肥施用量，X2表示粮食播种面积，X3表示成灾面积，X4表示农业机械总动力，X5表示农业劳动力。从Excel中找到数据，复制粘贴到Workfile中的对应位置，点击Name进行保存。 利用OLS估计模型参数 令Y为被解释变量，X1、X2、X3、X4、X5均为解释变量，对被解释变量和所有解释变量用普通最小二乘法进行估计，点击name进行保存。 点击quick下的estimate equation，输入Y C X1 X2 X3 X4 X5,对被解释变量和所有解释变量用普通最小二乘法进行估计，得结果如下： Variable Coefficient Std. Error t-Statistic Prob. C -12815.75 14078.90 -0.910280 0.3806 X1 6.212562 0.740881 8.385373 0.0000 X2 0.421380 0.126925 3.319919 0.0061 X3 -0.166260 0.059229 -2.807065 0.0158 X4 -0.097770 0.067647 -1.445299 0.1740 X5 -0.028425 0.202357 -0.140471 0.8906 R-squared 0.982798 Mean dependent var 44127.11 Adjusted R-squared 0.975630 S.D. dependent var 4409.100 S.E. of regression 688.2984 Akaike info criterion 16.16752 Sum squared resid 5685056. Schwarz criterion 16.46431 Log likelihood -139.5077 F-statistic 137.1164 Durbin-Watson stat 1.810512 Prob(F-statistic) 0.000000 表明模型从整体上看粮食产量与解释变量之间线性关系显著。 多重共线性的检验：解释变量之间的相关系数矩阵 Y表示粮食产量，X1表示农业化肥施用量，X2表示粮食播种面积，X3表示成灾面积，X4表示农业机械总动力，X5表示农业劳动力，R-squared为0.983，调整后的R-squared为0.976，说明拟合优度较高，F-statistic为137.1164较大，说明变量间存在多重共线性，X4农业机械总动力，X5农业劳动力，与Y粮食产量的关系为正相关，而他们的系数却为负，所以并不合理，推测变量之间存在相关性。 检验解释变量间的相关性，采用解释变量相关系数法进行检验，点击quick下的group statistics中的correlations，输入X1 X2 X3 X4 X5 ，得出解释变量的相关系数，发现x1，x4的相关系数为0.96，平方后大于0.8，说明x1与x4存在高度相关性。 多重共线性的处理：逐步回归法 首先运用OLS方法逐一求Y对各个解释变量的回归。点击quick下的estimate equation，输入Y C X1 ,得到： a、关于Y=f(x1) Y= 30867.31062 + 4.576114592*x1 t=11.492 ＝0.891941 =0.885187 F=132.0666 b、关于Y=f(x2) Y = -33822.41419 + 0.6988798505*X2 t=1.139590 ＝0.075073 =0.017265 F=1.0298665 c、关于Y=f(x3) Y = 35712.86142 + 0.3499782775*X3 t=1.742906 ＝0.159563 =0.107036 F=3.037721 d、关于Y=f(x4) Y = 31918.