多元回归技术在财务金融中的应用41.pptVIP

3、变换模型的形式 如果作为解释变量的某些经济变量间出现高度相关，而进行回归分析的目的是为了预测，不是研究单个经济变量对因变量的影响时，可以根据实际问题，改变模型的形式。 4、增加样本容量 如果多重共线性是由样本引起，增加样本容量可以减少多重共线性的程度。 当样本容量增大时， 增大，方差将减小，可以提高参数估计的精度。 5、横截面数据与时间序列数据并用 如果时间序列数据中，解释变量间存在高度相关，可以先使用横截面数据估计出存在高度相关解释变量中的一个或多个，然后再在时间序列数据中剔除这些变量，在消除多重共线性影响下估计因变量与剩余变量间的回归式。 多重共线性的探查和解决 第三十页，共四十二页。 例如，为了估计汽车需求的价格弹性和收入弹性，得到销售量、平均价格、消费者收入的时间序列数据。设定回归式： 新的回归式中消除了多重共线性的影响。 由于在时间序列数据中价格Pt、收入It 一般都具有高度共线的趋势。因此，直接估计上面的回归式将存在问题。由于在同一式点上，价格与收入的相关程度不高，可先利用截面数据估计出收入弹性 ，再利用这一估计结果修改原回归式，变为： 6、利用时间序列数据的差分或离差进行估计 如果时间序列数据中，解释变量间存在高度相关，那么这些变量的差分之间不一定相关。因此利用差分进行回归能降低多重共线性