计量作业第7章.doc

第7章 多重共线性 2、多重共线性在多元线性回归模型中普遍存在的主要原因有哪些？ 答：在多元线性回归模型中，这两种情形均可导致多重共线性： (1)许多经济变量在时间上有共同变动的趋势； (2)把一些解释变量的滞后值也作为解释变量在模型中使用，连贯性原则说明解释变量与其滞后变量通常是相关的。 3、多重共线性可能造成哪些不利后果？ 答：多重共线性常产生以下后果： (1)参数β估计值不精确，也不稳定，样本观测值稍有变动，增加或减少解释变量等都会使参数估计值发生较大变化，甚至出现符号错误，从而不能正确反映解释变量对被解释变量的影响。 (2)参数估计量的标准差较大，使参数的显著性t检验增加了接受零假设的可能，从而舍去对被解释变量有显著影响的解释变量。 4、多重共线性的检验有哪些适当的方法？ 答：一般地，可以从解释变量之间的相关性和参数最小二乘估计量的结果等多个方面进行考察，即计算参数估计量的标准差、解释变量之间的偏相关系数，做出综合判断。 (1)两个解释变量的相关性检验； (2)多个解释变量的相关性检验； (3)参数估计值的经济检验； (4)参数估计值的稳定性； (5)参数估计值的统计检验； (6)Klein判别法。 5、如何看待多元线性回归模型中的多重共线性问题？ 答：多重共线性是多元线性回归模型中普遍存在的现象。随着共线性程度的加强，对参数估计值的准确性、稳定性带来影响。多重共线性产生的后果具有一定的不确定性，在一些模型中，程度并不高的多重共线性可能带来了严重的后果；而在另一些模型中，较高程度的多重共线性却没有造成不利影响，甚至参数估计量的标准差也不大。一般地，模型中存在多重共线性，便有造成不利后果的可能。 7、修正Frisch法的步骤是什么？ 答：该方法不仅可以对多重共线性进行检验，同时也是处理多重共线性问题的一种有效方法，其步骤为： (1)用解释变量分别对每个解释变量进行回归，根据经济理论和统计检验从中选择一个最合适的回归方程作为基本回归方程，通常选取拟合优度R2最大的回归方程。 (2)在基本回归方程中逐个增加其他解释变量，重新进行线性回归。如果???增加的这个解释变量提高了回归方程的拟合优度R2，并且回归方程中的其他参数统计上仍然显著，就在模型中保留该解释变量；如果新增加的解释变量没有提高回归方程的拟合优度，则不在模型中保留该解释变量；如果新增加的解释变量提高了回归方程的拟合优度，并且回归方程中某些参数的数值或符号等受到显著的影响，说明模型中存在多重共线性，对该解释变量同与之相关的其他解释变量进行比较，在模型中保留对被解释变量影响较大的，略去影响较小的。 8、下表是被解释变量Y，解释变量X1，X2，X3，X4的时间序列观测值：(表略) 解：回归分析 Dependent Variable: YMethod: Least SquaresDate: 11/29/13 Time: 20:38Sample: 1 10Included observations: 10VariableCoefficientStd. Errort-StatisticProb.??X40.0051200.0155600.3290720.7554X3-0.0197360.015096-1.3074100.2480X20.0861380.0332622.5896980.0489X10.0643120.0428511.5008160.1937C4.6617101.6833342.7693310.0394R-squared0.983380????Mean dependent var7.570000Adjusted R-squared0.970085????S.D. dependent var1.233829S.E. of regression0.213403????Akaike info criterion0.055582Sum squared resid0.227704????Schwarz criterion0.206875Log likelihood4.722088????Hannan-Quinn criter.-0.110385F-statistic73.96285????Durbin-Watson stat2.335667Prob(F-statistic)0.000123 Y = 0.00512027367882*X4 - 0.0197362482359*X3 + 0.08