赵卫亚(回归模型的扩展异方差自相关多重共线)重点.ppt

(5)特征值检验(略） 根据矩阵代数知识，矩阵的特征值为矩阵的特征根的乘积。 * * 6、多重共线性的解决方法 基本原则 ①如果建模目的是预测，则模型的拟合优度较高，并且相关关系保持不变，就可以忽略多重共线性问题。如果建模目的是结构分析，则需要消除多重共线性的影响。 ②引起多重共线性的原因是模型存在相关的解释变量，因此消除多重共线的根本方法只能是删除这些变量，但剔除变量要要谨慎。否则，去掉了重要的变量，经济意义不合理，或者模型设定出现偏误。 * (1)扩大或改变样本 原理：多重共线是一种样本现象。可以从样本入手。样本容量越大，变量相关性越小，相关越难。 增加样本容量 采用面板数据 增加数字的字长，进行双精度计算 该方法的局限： 由于资料收集以及调查的困难， 改变样本、增加样本容量在实践中有时并不容易。 如果新增加的样本数据与原来具有相同的性质，那么就无法起到作用。可以利用面板数据加以克服。 * (2)、从解释变量角度，剔除次要变量 如果考虑了过多的解释变量，其中有些可能是无显著作用的次要变量，可以直接去除。 可能引起模型设定误差，违反其他假定。 可以借助统计方法帮助选择。 首先将变量按照重要程度排序 然后逐步添加解释变量。 基于t检验, ，AIC, SC等准测。 * （3）逐步回归法 ①用被解释变量对每一个所考虑的解释变量回归。 ②以对被解释变量贡献最大的解