章多重共线性.pptVIP

根据表6.4.2中的数据，回归结果如表6.4.3所示。 表6.4.3 回归结果 回归结果表明，在5%的显著性水平下，收入和价格的系数各自均不是统计显著的。模型通过F检验。我们可以断定方程(6.4.5)中存在严重的多重共线性。为解决这个问题，我们可以用实际进口额对实际收入进行回归，得到如下结果： 表6.4.4 回归结果 这表明，实际进口额与实际收入显著正相关。这样，通过将名义变量转换为实际变量，显然削弱了原模型中的多重共线性。 6.4.4 综合使用时序数据与截面数据 在模型的参数估计中，如果模型利用的是时间序列数据，这时模型又存在多重共线性，可考虑用时间序列数据与截面数据相结合的办法来修正多重共线性对模型的影响。 6.4.5 逐步回归法 从所有解释变量中间先选择影响最为显著的变量建立模型，然后再将模型之外的变量逐个引入模型；每引入一个变量，就对模型中的所有变量进行一次显著性检验，并从中剔除不显著的变量；逐步引入——剔除——引入，直到模型之外所有变量均不显著时为止。这种消除多重共线性的方法称为逐步回归法也称Frisch综合分析法。 具体步骤为 (1)利用相关系数从所有解释变量中选取相关性最强的变量建立一元回归模型。 (2)在一元回归模型中分别引入第二个变量，共建立k-1个二元回归模型(设共有k个解释变量)，从这些模型中再选取一个较优的模型。选择时要求模型中每个解释变量影响显著，参数符号正确，调整的R2值有所提高。 (3)在选取的二元回归模型中以同样方式引入第三个变量；如此下去，直至无法引入新的变量时为止。 6.4.6 增加样本容量 6.4.7 主成分回归 6.5 案例分析——我国旅游市场收入函数 根据理论和经验分析，影响国内旅游市场收入Y的主要因素，除了国内旅游人数和旅游支出以外，还可能与相关基础设施有关。为此，考虑的影响因素主要有国内旅游人数X1，城镇居民人均旅游支出X2，农村居民入均旅游支出X3，并以公路里程X4和铁路里程X5作为相关基础设施的代表。统计数据如表6.5.1所示。试估计以下形式的计量经济模型： 其中，Y为全国旅游收入(亿元)；X1为国内旅游人数(万人／次)；X2为城镇居民人均旅游支出(元)；X3为农村居民人均旅游支出(元)；X4为公路里程(万km)；X5为铁路里程(万km)。 表6.5.1 1994～2003年中国旅游收入及相关数据 年 份 全国旅游收入(亿元) 国内旅游人数(万人／次) 城镇居民人均旅游支出(元) 农村居民人均旅游支出(元) 公路里程(万km) 铁路里程(万km) 1994 1023.5 52400 414.7 54.9 111.78 5.90 1995 1375.7 62900 464.O 61.5 115.70 5.97 1996 1638.4 63900 534.1 70.5 118.58 6.49 1997 2112.7 64400 599.8 145.7 122.64 6.60 1998 2391.2 69450 607.0 197.0 127.85 6.64 1999 2831.9 71900 614.8 249.5 135.17 6.74 2000 3175.5 74400 678.6 226.6 140.27 6.87 2001 3522.4 78400 708.3 212.7 169.80 7.01 2002 3878.4 87800 739.7 209.1 176.52 7.19 2003 3442.3 87000 684.9 200.0 180.98 7.30 利用EViews软件，输入Y、X1、X2、X3、X4、X5等数据，采用这些数据对模型进行OLS回归，结果如表6.5.2所示。 表6.5.2 回归结果 由此可见，该模型可决系数很高，F检验值173．353，明显显著。但是X1、X5系数的t检验不显著，而且X5系数的符号与预期的相反，这表明很可能存在严重的多重共线性。 1．多重共线性检验 (1)相关系数检验 在命令窗口键入：COR Y X1 X2 X3 X4 X5，输出的相关系数矩阵为 表6.5.3 相关系数矩阵 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，证实确实存在严重多重共线性。 （2）辅助回归模型检验 建立每个解释变量对其余解释变量的辅助回归模型： 从以上辅助回归模型中的R2、F统计量的数值可以看出，解释变量X1 X2 X3 X4