Eviews多重共线性实验报告.docVIP

实验三 多重共线性 【实验目的】 掌握多重共线性问题出现的来源、后果、检验及修正的原理，以及相关的Eviews操作方法。 【实验内容】 以《计量经济学学习指南与练习》补充习题4-18为数据，练习检查和克服模型的多重共线性的操作方法。 【4-18】表4-3列出了被解释变量及解释变量，，，的时间序列观察值。 用OLS估计线性回归模型，并采用适当的方法检验多重共线性； 用逐步回归法确定一个较好的回归模型。 表4-3YX1X2X3X46.040.15.5108636.040.34.794726.547.55.2108867.149.26.81001007.252.37.3991077.658.08.7991118.061.310.21011149.062.514.1971169.064.717.1931199.366.821.3102121 【实验步骤】 建立线性回归模型并检验多重共线性 建立模型 利用表4-3数据分别建立关于、、、的散点图（SCAT ）。 可以看到与、、都呈现正的线性相关，与关系不明显。 首先建立一个多元线性回归模型（LS C ）。 输出结果中，C、、、的系数都通不过显著性检验。 检验多重共线性 进一步选择Covariance Analysis的Correlation，得到变量之间的偏相关系数矩阵，观察偏相关系数。 可以发现，与、、的相关系数都在0.9以上，但输出结果中，解释变量、的回归系数却无法通过显著性检验。认为解释变量之间存在多重共线性。 用逐步回归法克服多重共线性 找出最简单的回归形式 分别作与、、、间的回归（LS C ）。 即： (1) (1.64) (11.7) D.W.=1.6837 (2) (17.9) (7.63) D.W.=0.6130 (3) (2.14) (-1.19) D.W.=0.6471 (4) (2.25) (6.30) D.W.=0.5961 可见，受X1的影响最大，选择(1)式作为初始的回归模型。 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。为求简明，先列出回归结果如下表，过程截图放在说明部分。 CD.W.0.9420.1220.93831.68t值(1.64)(11.7)2.3230.0820.0800.96822.26t值(3.71)(5.22)(2.92)4.0370.0790.080-0.0160.96842.32t值(2.25)(5.01)(2.92)(-1.02)2.6860.0490.0960.0120.96652.03t值(3.42)(1.13)(2.79)(0.81) 说明： 第一步：在初始模型中引入，模型拟合优度提高，参数符号合理，且变量通过了t检验，D.W.检验值落在上界以上，表明不存在1阶序列相关性； 第二步，引入，拟合优度略微提高，但变量未通过t检验； 第三步，去掉，引入，拟合优度有所下降，且、都未能通过t检验； 第二步与第三步表明，与是多余的。故最终的拟合模型为：