多重共线性的程序选优法_0.docVIP

多重共线性的程序选优法 　[摘 要] 文章介绍了多重共线性及其 影响 ，使用逐步回归法解决多重共线性的缺点以及程序选优法的设计思想。通过使用举例说明程序选优法在解决多重共线性时具有快速、最优和准确的优点。 　　[关键词] 多重共线 逐步回归 Eviews 程序选优 　　 　　一、多重共线性及其影响 　　1.什么是多重共线性 　　对于多元线性回归模型 　　 Yi=β0+β1X1i+β2X2i+…+βkXki+ui ,i=1,2,…，n 　　其古典假设之一就是解释变量X1，X2，…，Xk是相互独立的。如果某两个或多个解释变量之间出现了相关性，则称存在多重共线性。 　　如果存在 　　c1X1i+c2X2i+…+ckXki=0, i=1,2,…，n 　　其中ci不全为0，既某一个解释变量可以用其他解释变量的线性组合表示，则称解释变量间存在完全共线性。 　　如果存在 　　c1X1i+c2X2i+…+ckXki+vi=0 , i=1,2,…，n 　　其中ci不全为0，vi为随机干扰项，则称解释变量间存在近似共线性。 　　2.完全多重共线性下参数估计量不存在 　　完全多重共线性时，在Eviews软件下用普通最小二乘法估计，屏幕出现提示“Near singular matrix”。此时参数无法确定，参数的方差无穷大。 　　在近似多重共线性下会有如下影响。