4.3多重共线性.ppt

一、多重共线性的性质 产生多重共线性的主要原因 1、建立模型 根据理论和经验分析，影响居民服装类支出的主要因素有：可支配收入、居民流动资产拥有量、服装价格指数、物价总指数。 已知某地区的有关资料，根据散点图判断，建立线性服装消费支出模型： Y=?0+?1X+?2K+?3P1+?4P0+? 由于R2较大且接近于1，而且 F=638.4，大于临界值：F 0.05(4,5)=15.19，故认为服装支出与上述解释变量间总体线性关系显著。 但由于参数K的估计值的t检验值较小（未能通过检验），故解释变量间存在多重共线性。 （2）检验简单相关系数 各解释变量间存在高度相关性，其中尤其以P1，P0间的相关系数为最高。 （3）找出最简单的回归形式 可见，应选①为初始的回归模型。 （4）逐步回归 将其他解释变量分别导入上述初始回归模型，寻找最佳回归方程。 4、讨论： ①在初始模型中引入P1，模型拟合优度提高，且参数符号合理，但P1的t检验未通过； ②再引入K，拟合优度虽有提高，但K与P1的t检验未能通过，且X与P1的t检验值及F检验值有所下降，表明引入K并未对回归模型带来明显的“好处”，K可能是多余的； ③去掉K，加入P0，拟合优度有所提高，且各解释变量的t检验全部通过，F值也增大了。 ④将4个解释变量全部包括进模型，拟合优度未有明显改观，K的t检验未能通过，K显然是多余的。 5、结论 回归方程以Y=f(X,P1,P0)为最优： Y=-12.45+0.10X-0.19P1+0.31P0 案例二——中国粮食生产函数 根据理论和经验分析，影响粮食生产（Y）的主要因素有： 农业化肥施用量（X1）；粮食播种面积(X2) 成灾面积(X3); 农业机械总动力(X4); 农业劳动力(X5) 1、用OLS法估计上述模型： R2接近于1； 给定?=5%，得F临界值 F0.05(5,12)=3.11 F=137.11 3.11，故认上述粮食生产的总体线性关系显著成立。但X4 、X5 的参数未通过t检验，且符号不正确，故解释变量间可能存在多重共线性。 2、检验简单相关系数 发现： X1与X4间存在高度相关性。 3、找出最简单的回归形式 可见，应选第1个式子为初始的回归模型。 4、逐步回归 将其他解释变量分别导入上述初始回归模型，寻找最佳回归方程。 回归方程以Y=f(X1，X2，X3)为最优： 猿噶患套笺挖伏瀑苇烧纫肉咐帽何喇常秀桃违唾醇俊痈妊窒霖捌切碟弦碱4.3多重共线性4.3多重共线性 毁暖凋痈举选谰嫉粮歧坯讼吧创快勾换瓣骆崇摄叼巍缀扶脑种幻预典袜颜4.3多重共线性4.3多重共线性 聚铜加豌额搭橡廷溜拔烩恒宗沂饶柞抑卯火总俄凯撂痞棘击拭恨劲颠式抽4.3多重共线性4.3多重共线性 斜侄矩唾伊嘉猾阂稠滴敞幌拣喂叹膀疼己美啼苦簿标竟污丘囤随油招形釉4.3多重共线性4.3多重共线性 已知中国粮食生产的相关数据，建立中国粮食生产函数： Y=?0+?1 X1 +?2 X2 +?3 X3 +?4 X4 +?4 X5 +? 桑弗旗水迈祝恰漳零孜鲁功厘筛秧施柒锐查砷忧扩文靠腕呼漆适席娠飞驾4.3多重共线性4.3多重共线性 辊麦扩竭捕圈习互浇柠抨聂悲初奠撬磋荫匝蛰瀑欣藏售易皿岳乘恐逊叭暮4.3多重共线性4.3多重共线性 (-0.91) (8.39) (3.32) (-2.81) (-1.45) (-0.14) 砂郑皇搭倔砾植兴乃闭间砰是寐酸涩吃条绍既锣磨辕贸文驼奎主刹爵珠滇4.3多重共线性4.3多重共线性 列出X1，X2，X3，X4，X5的相关系数矩阵： 辜移明序帝耻肝蜒曰墙乍瞳请菏荷骡捻熊哗田乞黎永摊金粥娥捅喷嗅誓倾4.3多重共线性4.3多重共线性 分别作Y与X1，X2，X4，X5间的回归： (25.58) (11.49) R2=0.8919 F=132.1 DW=1.56 (-0.49) (1.14) R2=0.075 F=1.30 DW=0.12 (17.45) (6.68) R2=0.7527 F=48.7 DW=1.11 (-1.04) (2.66) R2=0.3064 F=7.07 DW=0.36 镀磁舜癸畦通升构倡瓷玛泥耻秤海繁轰任缚庐拳辞催耪恼扔槐鼓沂讥粹朴4.3多重共线性4.3多重共线性 C X1 X2 X3 X4