简单线性相关和回归分析课件.pptVIP

* 八、共线性诊断 共线性（collinearity）是指回归模型中的自变量之间存在着比较明显的线性相关关系。 共线性对回归模型有很大的危害性： 1.回归模型不可靠，不同的变量选择方法得出的结果不一致。 2.偏回归系数的估计值远离经验值，甚至符号相反。 3.专业上明确的有影响的因素不能纳入方程。 * 共线性诊断的方法： 第一类方法：基于复相关系数： 1.容忍度： 以其中一个xi为因变量，其它x为自变量做回归，获得复相关系数Ri， 容忍度 TOL＝1-R2i 容忍度小则说明共线性强。 TOL0.2 或 0.1则说明存在严重的共线性。 * 2.方差膨胀因子VIF： VIF是容忍度的倒数 VIF＝1/TOL VIF5 或 10 说明存在严重的共线性。 * 第二类：基于特征根的方法 计算自变量的相关系数阵的特征根，如果有接近于零的特征根，则说明有共线性。 3.条件指数： 条件指数＝（最大特征根/最小特征根）1/2 条件指数的值越大说明自变量间共线性的可能性越大。 0条件指数数10 认为没有共线性； 10条件指数数30 认为中等程度的共线性； 条件指数 30 认为有严重共线性。 * * 共线性问题的解决 1.可尝试增大