2自变量的选择新.pptVIP

自变量的选择;;;其中，Y表示通货膨胀率（%）； X1表示失业率（%）； X2表示预期通货膨胀率（%）。 统计资料估计的回归模型，计算机输出结果如下;;;;;自变量的选择;;;（1）向前法;;;自变量选择中最常见的问题; ——引起解释变量共线性的原因; 数据问题引起的（多重共线数据点） 指即使使总体诸解释变量没有线性关系，但在具体样本中仍可能有线性关系。 情况一：当样本容量很小时。 情况二：若建模所用的解释变量是时序变量;总量变量相关,增量之间、人均量之间无关。 ;;(1)如果新加入的解释变量改进了R2,且每个系数又是统计上显著的,那么就认为这个新变量是有用的,应该保留。 (2)如果新加入的解释变量未能改进R2,对其他系数值也没有影响,则认为新变量是多余的,应予以舍弃。 (3)如果新加入的解释变量不仅改变了R2的值,而且同时也显著地影响其他系数的符号或大小,以至于使某些系数达到不能接受的程度,那么,可以断言产生了严重的多重共线性。这个新的解释变量也可能是重要的,但由于它与其他解释变量之间存在线性相关关系,普通最小二乘法失效。需要特别注意的是,这时不能盲目略去这类变量,否则,可能造成扰动项与解释变量相关。;1.从变量上思考引出的去除不重要解释变量的方法。 去掉不重要的解释变量虽然可以削弱共线性，却容易导致模型设定误差，因此有时会出现两难选择： 若共线性存在，不能有效地估计模型中的参数，若去掉有关解释变量，又会错误地估计参数的真实数值。;;解决共线性方法;解决共线性方法;解决共线性方法;解决共线性方法;解决共线性方法;;;Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd.;Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd.;;解决共线性方法;解决共线性方法;主成分回归分析;; 1、为了使结果不受量纲的影响,先把原始数据进行标准化。 2、求出标准化数据的相关系数矩阵、协方差。 3、导出相关系数矩阵的特征值和特征向量。 4、最大的特征值对应的特征向量即为第一主成分的系数,第二大的特征值对应的特征向量即为第二主成分的系数,以此类推。取几个主成分取决于主成分对因变量的解释程度。如果前i个特征值之和与所有特征值之和的比达到一定的程度比如80%时,就可以认为这些主成分就能代替所有的自变量体系。 5、用主成分对因变量进行普通最小二乘法即可得出各个主成分对因变量的解释程度。 ;;;使用SPSS中Stepwise回归分析;为分析影响服务业发展的因素, 引入如下指标: 用第三产业产值占 GDP 的比重作为反映服务业发展水平的指标(y, 单位: %); 1.城乡居民收入水平指标 (x1, 单位元); 2.城市化水平的指标(x2, 单位: %); 3.人口密度(x3, 单位: 人/每平方公里); 4.居民年消费水平(x4, 单位: 元); 5.食品消费所占比重 (x5, 单位: %); 6.个体私营经济从业人员占社会从业员的比重 (x6, 单位: %); 7. 实际外商直接投资在全社会固定资产投资中所占比例 (x7, 单位: %)。;;;首先分别求 y 与 x1～x7 的回归方程, 得到 7 个基本方 程: y = 26.2 + 0.003063x1 y = - 196.572 + 4.131x2 (31.643) (14.111) (- 9.537) (11.25) R2=0.904 F=199.118 R2=0.857 F=126.559 y = - 106.704 + 0.191x3 y = 26.116 + 0.003348x4 (- 3.913) (5.208) (29.43) (13.205) R2=0.554 F=27.122 R2=0.892 F=174.365 y = 51.505 - 0.332x5 y = 27.41 + 2.323x6 (5.144) (- 1.652) (28.789) (11.184) R2=0.076 F=2.7