计量经济学实验6多重共线性解析.docVIP

实验六 多重共线 【实验目的】 掌握多重共线性的检验及处理方法 【实验内容】 建立并检验我国钢材产量预测模型 【实验步骤】 【例1】表1是1978－1997年我国钢材产量（万吨）、生铁产量（万吨）、发电量（亿千瓦时）、固定资产投资（亿元）、国内生产总值（亿元）、铁路运输量（万吨）的统计资料。 表1 我国钢材产量及其它相关经济变量数据表 年份 钢材产量Y 生铁产量X1 发电量X2 固定资产投资X3 国内生产总值X4 铁路运输量X5 1978 2208 3479 2566 668.72 3264 110119 1979 2497 3673 2820 699.36 4038 111893 1980 2716 3802 3006 746.9 4518 111279 1981 2670 3417 3093 638.21 4862 107673 1982 2920 3551 3277 805.9 5295 113495 1983 3072 3738 3514 885.26 5935 118784 1984 3372 4001 3770 1052.43 7171 124074 1985 3693 4384 4107 1523.51 8964 130709 1986 4058 5064 4495 1795.32 10202 135635 1987 4386 5503 4973 2101.69 11963 140653 1988 4689 5704 5452 2554.86 14928 144948 1989 4859 5820 5848 2340.52 16909 151489 1990 5153 6238 6212 2534 18548 150681 1991 5638 6765 6775 3139.03 21618 152893 1992 6697 7589 7539 4473.76 26638 157627 1993 7716 8956 8395 6811.35 34634 162663 1994 8428 9741 9281 9355.35 46759 163093 1995 8980 10529 10070 10702.97 58478 165855 1996 9338 10723 10813 12185.79 67885 168803 1997 9979 11511 11356 13838.96 74463 169734 一、检验多重共线性 1、相关系数检验 利用相关系数可以分析解释变量之间的两两相关情况。在Eviews软件中可以直接计算相关系数矩阵。 本例中，在Eviews软件命令窗口中键入： COR X1 X2 X3 X4 X5 或在包含所有解释变量的数组窗口中点击View\Correlations，其结果如图1所示。由相关系数矩阵可以看出，解释变量之间的相关系数均为0.93以上，即解释变量之间时高度相关的。 图1 解释变量相关系数矩阵 2、辅助回归方程检验 当解释变量多余两个且变量之间呈现出较复杂的相关关系时，可以通过建立辅助回归模型来检验多重共线性。本例中，在Eviews软件命令窗口中键入： LS X1 C X2 X3 X4 X5 LS X2 C X1 X3 X4 X5 LS X3 C X1 X2 X4 X5 LS X4 C X1 X2 X3 X5 LS X5 C X1 X2 X3 X4 对应的回归结果如图2－图6所示。 图2 图3 图4 图5 图6 上述每个回归方程的F检验值都非常显著，方程回归系数的T检验值表明：X1与X5、X2与X3、X3与X5、X4与X、X5与X1、X3、X4的T检验值较小，这些变量之间可能不相关或相关程度较小。 二、利用逐步回归方法处理多重共线性 1、建立基本的一元回归方程 根据相关系数和理论分析，钢材产量与生铁产量关联程度最大。所以，设建立的一元回归方程为： 2、逐步引入其它变量，确定最适合的多元回归方程（回归结果如表2所示） 表2 钢材产量预测模型逐步回归结果 模型 X1 X2 X3 X4 X5 Y=f(X1) 0.9214 (56.807) 　 　 　 　 0.9949 0.9941 Y=f(X1,X2) 0.4159 (3.5394) 0.4872 (4.3234) 　 　 　 0.9974 0.9970 Y=f(X1,X3) 0.959 (14.185) 　 0.0249 (-0.5738) 　 　 0.9950 0.9940 Y=f(X1,X4) 0.9414 (13.025) 　 　 -0.0025 (-0.2846) 　 0.9945