实验7 多重共线性.pptx

实验七 多重共线性陈黎【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。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统计资料年份钢材产量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X51978220834792566668.7232641101191979249736732820699.3640381118931980271638023006746.945181112791981267034173093638.2148621076731982292035513277805.952951134951983307237383514885.26593511878419843372400137701052.43717112407419853693438441071523.51896413070919864058506444951795.321020213563519874386550349732101.691196314065319884689570454522554.861492814494819894859582058482340.5216909151489199051536238621225341854815068119915638676567753139.032161815289319926697758975394473.762663815762719937716895683956811.353463416266319948428974192819355.354675916309319958980105291007010702.975847816585519969338107231081312185.796788516880319979979115111135613838.9674463169734一、检验多重共线性1、用普通最小二乘法估计模型（0.8138）（0.2168）（7.2873）（4.5412）（-5.1866）（-0.9940）由于可决系数较大且接近于1，而且F=3102.411F(5,14)，故认为钢材产量与上述解释变量之间总体线性关系显著。但由于其中X_1,X_5为通过t检验，故可能存在多重共线性。2. 检验简单相关系数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。方式一：在Eviews软件命令窗口中键入：cor X1 X2 X3 X4 X5得到结果如图2所示。方式二：数组窗口中点击Quick\Group statistics\Correction（如图1），在弹出对话框中填入 x1 x2 x3 x4 x5，其结果如图2所示。图1图2 解释变量相关系数矩阵由相关系数矩阵可以看出，解释变量之间的相关系数大多为0.93以上，即解释变量之间时高度相关的。⒉辅助回归方程检验当解释变量多于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。在Eviews软件命令窗口中键入：LS X1 C X2 X3 X4 X5LS X2 C X1 X3 X4 X5LS X3 C X1 X2 X4 X5LS X4 C X1 X2 X3 X5LS X5 C X1 X2 X3 X4对应的回归结果如图3—图7所示。图3图4图5图6图7上述每个回归方程的F检验值都非常显著，且可决系数都接近1，方程回归系数的t检验值表明：X1与X5、X2与X3、X3与X5、X4与X1、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⒈建立基本的一元回归方程分别作出y与X1，X2，X3，X4，X5间的回归，（1） （-5.1861） （56.8070）（2） （-0.3767） （62.4859）（3） （13.7262） （15.4818）（4） （13.3688） （16.7022） （5） （-7.4088） （11.4538） 可见，选模型（2）为初始回归模型。⒉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X1X2X3X4X5Y=f(X2)0.8841(62.4859）　　　　0.99540.9951 Y=f(X2,X3)0.8085 (16.8088)0.52723（1.6365）　　0.99600.9956 Y=f(X2,X4)　0.8581（14.500）0.0033