多重共线性进行检验和补救.doc

实 验 报 告 课程名称： 实验项目名称：单方程线性回归模型中多重共线性 的检验与补救 院 （系）： 专业班级： 姓 名： 学 号： 实验地点： 实验日期： 年 月 日 实验目的：掌握利用EViews软件对模型中存在的多重共线性进行检验和补救。 实验内容一、建立工作文件并完成数据输入 1、File---new---workfile 2、Quick---Empty Group ----paste 3、将ser01重命名为y ser01重命名为x2 ser01重命名为x3 ser01重命名为x4 ser01重命名为x5 ser01重命名为x6 二、作变量线性回归模型 Quick---Estimate Equation 三、多重共线性的检验 （1）综合统计检验法 由以上估计结果可知：F=282.6908，R^2=0.992278，X3=-0.733214， 即F值较大与R^2的值较高，而系数估计值X3很小，故可知模型存在多重共线性。 （2）观察个别偏回归系数估计值的符号 检验系数估计值，X3代表城镇居民人均旅游支出，X5代表公路里程数（万公里）X3 X5的符号应为正号，而由上图可知X3 X5的符号为负不合理，所以也可判断模型具有多重共线性。 （3）简单相关系数法 1、将X2 X3 X4 X5 X6合并：open---as group 2、点击上图的Wiew----correlations----common sample，得到以下相关系数矩阵： 例如上图X2 5=0.962528, X26=0.952085, X36=0.910568均.0.9，X32=0.857534 X34=0.864466, X35=0.847218, 均0.8,大多数相关系数大于0.8，故可得：解释变量间存在严重的多重共线性。 4）Klein法则 比较R^2与相关系数的大小可知，R^2=0.992278，解释变量间的相关系数大部分都小于R^2，此时Klein法则失效，找不出多重共线性。 5）辅助回归法 作每一解释变量对其他解释变量的回归，（F检验） 1、Quick—Estimate Equation ---写函数式x2 c x3 x4 x5 x6 由估计模型可知F=91.97696,而对应的P值很小，所以此时的模型具有显著性,即X2与其余解释变量至少有一个具有多重共线性。 2、Quick—Estimate Equation ---写函数式x3 c x2 x4 x5 x6 由估计模型可知F=20.49645,而对应的P值很小，所以此时的模型具有显著性,即X3与其余解释变量至少有一个具有多重共线性。 3、Quick—Estimate Equation ---写函数式x4 c x2 x3 x5 x6 由估计模型可知F=12.97646,而对应的P值很小，所以此时的模型具有显著性,即X4与其余解释变量至少有一个具有多重共线性。 4、Quick—Estimate Equation ---写函数式x5 c x2 x3 x4 x6 由估计模型可知F=43.46275,而对应的P值很小，所以此时的模型具有显著性,即X5与其余解释变量至少有一个具有多重共线性。 5、Quick—Estimate Equation ---写函数式x6 c x2 x3 x4 x5 由估计模型可知F=68.74545,而对应的P值很小，所以此时的模型具有显著性,即X6与其余解释变量至少有一个具有多重共线性 根据上述几种判定可知：模型具有较为严重的多重共线性 四、多重共线性的补救----逐步回归法 （一）用因变量对每一个解释变量做回归，并将解释变量的重要性按R^2大小排序，R^2越大，重要性越高。 1、Quick—Estimate Equation ---写函数式y c x2 R^2=0.980348 （x2） 2、Quick—Estimate Equation ---写函数式y c x3 R^2=0.748028 （x3） 3、Quick—Estimate Equation ---写函数式y c x4 R^2=0.623896 （x4） 4、Quick—Estimate Equation ---写函数式y c x5 R^2=0.871122 （x5） 5、Quick—Estimate Equation ---写函数式y c x6 R^2=0.937175 （x6） 根据上述对解释变量重要性排序如下 R^2x2 R^2x6 R^2x