多重共线性案例.doc

多重共线性案例： 变量 Y，X1，X2，X3，X4，X5的数据 年 Y X1 X2 X3 X4 X5 1974 98.45 560.2 153.20 6.53 1.23 1.89 1975 100.70 603.11 190.00 9.12 1.30 2.03 1976 102.80 668.05 240.30 8.10 1.80 2.71 1977 133.95 715.47 301.12 10.10 2.09 3.00 1978 140.13 724.27 361.00 10.93 2.39 3.29 1979 143.11 736.13 420.00 11.85 3.90 5.24 1980 146.15 748.91 491.76 12.28 5.13 6.83 1981 144.60 760.32 501.00 13.50 5.47 8.36 1982 148.94 774.92 529.20 15.29 6.09 10.07 1983 158.55 785.30 552.72 18.10 7.97 12.57 1984 169.68 795.50 771.16 19.61 10.18 15.12 1985 162.14 804.80 811.80 17.22 11.79 18.25 1986 170.09 814.94 988.43 18.60 11.54 20.59 1987 178.69 828.73 1094.65 23.53 11.68 23.37 资料来源：《天津统计年鉴》1988. 用1974-1987年数据建立天津市粮食需求模型如下， Y = -3.49 + 0.13 X1 + 0.07 X2 + 2.67 X3 + 3.44 X4 – 4.49 X5 (-0.11) (2.12) (1.95) (2.13) (1.41) (-2.03) R2 = 0.97, F = 52.59, T = 14, t0.05(8) = 2.31, (1974-1987) 其中Y：粮食销售量（万吨 / 年），X1：市常住人口数（万人），X2：人均收入（元 / 年），X3：肉销售量（万吨 / 年），X4：蛋销售量（万吨 / 年），X5：鱼虾销售量（万吨 / 年）。 一、多重共线性的检验 R2 = 0.97，而每个回归参数的t检验在统计上都不显著，这说明模型中存在严重的多重共线性。 解释变量间的简单相关系数矩阵为： Y X1 X2 X3 X4 X5 Y 1.0000 X1 0.9617 1.0000 X2 0.9697 0.8666 1.0000 X3 0.9288 0.8823 0.9459 1.0000 X4 0.8922 0.8524 0.9648 0.9405 1.0000 X5 0.8655 0.8213 0.9825 0.9484 0.9820 1.0000 显然两两简单相关系数均很高，X2与X5、X4与X5之间的系数达到了98％以上，比回归方程的样本可决系数还要高，因此可以肯定模型存在严重的多重共线性。 二、用逐步回归法检验和克服多重共线性 1、用每个解释变量分别对被解释变量做简单回归，从而决定解释变量的重要程度，为解释变量排序。 = -90.9 + 0.32 X1 (12) R2 = 0.92, F = 147.6, T = 14, (1974-1987) = 99.6 + 0.08 X2 (7.6) R2 = 0.82, F = 57.6, T = 14, (1974-1987) = 74.6 + 4.89 X3 (8.6) R2 = 0.86, F = 75.4, T = 14, (1974-1987) = 108.8 + 5.74 X4 (6.8) R2 = 0.79, F = 46.8, T = 14, (1974-1987) = 113.4 + 3.08 X2 (6.0) R2 = 0.75, F = 36.1, T = 14, (1974-1987) 解释变量的重要程度依次为X1, X3, X2, X4, X5 。 2、以Y = - 90.9 + 0.32 X1为基础，依次引入X3, X2, X4, X5 。 （1）首先把X3引入模型， =