多重共线性的处理.docVIP

本文主要是对多重共线性的处理（主成分回归法）的介绍。 1.思路： A:确定是否存在共线 B:找出多重共线的自变量 C:用主成分回归法。 2：详细操作： 一般的书都有共线性的推断指标。这里就省略了(^_^) 找出多多重共线性的自变量： 以下是详细操作： 在spss，regresion―――statistic中有个 Collinearty dagnostics，它就可以推断哪些变量是否存在共线性。 如，给出它的一个实例： Collinearity Diagnosticsa Model Dimension Eigenvalue Condition Index Variance Proportions (Constant) x4 x6 1 1 1.910 1.000 .04 .04 2 .090 4.619 .96 .96 2 1 2.815 1.000 .01 .00 .00 2 .171 4.056 .46 .00 .08 3 .014 14.128 .52 .99 .92 a. Dependent Variable: y 【 变异构成（Variance Proportion）:回归模型中各项（包括常数项）的变异被各主成分所解释的比例，即各主成分对模型中各项的贡献。假如模型中某个主成分对2个或多个自变量的贡献均较大（大于0.5）,者这几个自变量贡献。】 上面例子可以看出，x4,x6之间存在共线性。 主成分回归。 这个包括3部分: A:找到主成分：用上面确定了有共线的几个变量拿来做成分分析，保留主成分得分。 （这个在factor中，应当狠简单实现吧，那我就省略了，^_^） B:回归分析：将A步骤求得的主成分得分，与其他的自变量（没共线性的其他自变量）拿来做回归分析，当然会得到回归模型。（MODEL，代表） C:用那些共线性变量，来替换MODEL中的主成分变量. （由于可以用主成分回归系数，依据主成分的表达式，很简单用自变量代替主成分）