计量经济学多Eviews软件重共线性实验讲述.docxVIP

多重共线性实验报告 武颖 经济统计学 一、实验目的：掌握多元线性回归模型的估计方法、掌握多重共线性模型的识别和修正。 二、实验要求：应用教材第119页案例做多元线性回归模型，并识别和修正多重共线性。 三、实验原理：普通最小二乘法、简单相关系数检验法、综合判断法、逐步回归法。 四、预备知识：最小二乘法估计的原理、t检验、F检验、值。 五、实验步骤 1．假定模型： 设定并估计多元线性回归模型 2.录入数据： 国内旅游收入为Y,国内旅游人数为X2，城镇居民人均旅游支出为X3，农村居民人均旅游费用为X4，公路里程为X5，铁路里程为X6. 3.回归结果：在Eview行输入LS Y C X2 X3 X4 X5 X6，得到回归结果 模型估计结果为：Yt=-274.3773+0.013088X2+5.438193X3+3.271773X4-563.1077X5+12.98624X6 (1316.690) (0.012692) (1.380395) (0.944215) (4.177929) (321.2830) t=(-0.208384) (1.031172) (3.939591) (3.465073) (3.108296) (-1.752685) R2=0.995406 F=173.3525 4.模型检验：该模型R2=0.995406，R2=0.989664，可决系数很高，F检验值为173.3525，明显显著。假设显著性水平α=0.05，X20.05，X60.05，接受原假设，可能存在严重的多重共线性 六．多重共线性的识别 （1）得到解释变量的相关系数矩阵 将解释变量x2、 x3、 x4、 x5、 x6选中，双击选择Open Group（或点击右键，选择Open/as Group），然后再点击View/covariance analysis/Correlation/Common Sample，即可得出相关系数 再点击表顶部的Freeze,可得一个Table类型独立的object. 由相关系数矩阵可以看出，各解释变量相互之间的相关系数较高，特别是x2和x3之间高度相关，证实解释变量之间存在多重共线性。 6：运用OLS方法分别求Y对各解释变量x2、 x3、 x4、 x5、 x6进行一元回归。 比较各解释变量的可决系数，发现最大值为X3。X3不变，依次增加一个解释变量 对表中可决系数进行比较，可得最大值为X3，X5。并且各参数的t检验显著，参数的符号也符合经济意义。令X3，X5不变，依次加入一个解释变量。 对表中可决系数进行比较，可得最大值为X3，X5,X4。 并且各参数的t检验显著，参数的符号也符合经济意义。令X3，X5，X4不变，依次加入一个解释变量。 由图我们可以看到，在x3、x5、x4基础上加入x2后没有改进，而且x2参数t检验不显著；加入x6后虽然略有改进，但x6参数的t检验变得不显著，并且参数为负不符合经济意义。这说明x2 、x6引起多重共线性，应予以剔除。因此，本案例最后应保留的变量是x3、x4、x5，相应的回归结果为： Yt=-2441.161+4.215884X3+3.221965X4+13.62909X5 (296.0388) (1.068670) (1.050297) (2.904156) t= (-8.246086) (3.944983) (3.067670) (4.692961) R2=0.991445 F=231.7935 方法二：对数变换 分别对解释变量，被解释变量取对数，分别生成lnY,lnX2,lnX3,lnX4,lnX5的数据 得到回归结果 模型估计结果为：Yt=-9.009554+0.702177lnx2+1.261229lnx3+0.213271lnx4+0.293899lnx5-0.862234lnx6 (2.053404) (0.298986) (0.324824) (0.050352) (0.206384) (0.799417) T=(-4.387618) (2.348527) (3.882808) (4.235577) (1.424039) (-1.078578) R2=0.997203 F=285.2691 R2=0.993708 该模型可决系数很高，F检验值也很高。F检验值的相伴概率=0.000034显著性水平=0.05.所以拒绝原假设。