第四章多重共线性.ppt

* * 结果分析 该模型 ， 可决系数很高，F检验 值173.3525,明显显著。但是当 时, 不仅 、 系数的t检验不 显著，而且 系数的符号与预期的相反，这表明很 可能存在严重的多重共线性。 各解释变量的相关系数 各解释变量相互之间的相关系数较高，证实确实存在严重多 重共线性。 * * 用方差扩大因子法检验 例如作X3对X2、X4、X5、X6的辅助回归得 方差扩大因子为： 由于 ，根据经验，说明X3与其 他解释变量间有严重多重共线性。 其他变量间的多重共线性可用类似方式检验。 修正多重共线性 —扩大样本到2007年数据 年份 国内旅游收入Y（亿元） 国内旅游人数X2（万人次） 城镇居民人均旅游花费X3（元） 农村居民人均旅游花费X4 （元） 公路里程 X5（万km） 铁路里程X6（万km） 1994 1023.5 52400 414.7 54.9 111.78 5.90 1995 1375.7 62900 464.0 61.5 115.70 5.97 1996 1638.4 63900 534.1 70.5 118.58 6.49 1997 2112.7 64400 599.8 145.7 122.64 6.60 1998 2391.2 69450 607.0 197.0 127.85 6.64 1999 2831.9 71900 614.8 249.5 135.17 6.74 2000 3175.5 74400 678.6 226.6 140.27 6.87 2001 3522.4 78400 708.3 212.7 169.80 7.01 2002 3878.4 87800 739.7 209.1 176.52 7.19 2003 3442.3 87000 684.9 200.0 180.98 7.30 2004 4710.7 110200 731.8 210.2 187.07 7.44 2005 5285.9 121200 737.1 227.6 193.05 7.54 2006 6229.74 139400 766.4 221.9 345.70 7.71 2007 7770.62 161000 906.9 222.5 358.37 7.80 * 结果： 可决系数F统计量有 改善,X2变得显著了, 但X5变得不显著. X6参数的符号仍然 为负 说明: 多重共线性问题 没有很好的解决！ * * * 再用方差扩大因子法检验 例如作X3对X2、X4、X5、X6的辅助回归得 方差扩大因子为： 与扩大样本前比 有所降低，多重共线性有改善， 但由于 ，根据经验，说明解释变 量间还有严重多重共线性。 需要采取其他办法补救。 修正多重共线性 —模型对数变换 * 结果： 可决系数改变不大, F统计量有改善 X2、X3、X4都显著, X6参数的符号变为正, 与经验符合,但X5、 X6仍不显著. 说明: 多重共线性问题有改 善,但需分析X5、X6 的影响和多重共线性 的作用. 生成对数变量: LNY,LNX2,LNX3,LNX4,LNX5,LNX6 再回归得到: * * 修正多重共线性—逐步回归 采用逐步回归的办法，去检验和解决多重共线性问题。 分别作Y对X2、X3、X4、X5、X6的一元回归。 一元回归结果： 变量 X2 X3 X4 X5 X6 参数估计值 0.0588 14.0225 19.6103 22.5957 3025.062 t 统计量 18.2488 9.3090 3.2710 8.7084 9.1392 0.9652 0.8784 0.4714 0.8634 0.8744 0.9623 0.8682 0.4273 0.8520 0.8639 加入X2的方程 最大,以X2为基础，顺次加入其他变量逐步回归 * * 加入新变量回归结果（一） 解释 变量 X2 X3 X4 X5 X6 X2、X3 0.0410（15.2635） 5.1427（7.6657） 0.9935 X2、X4 0.0523（5.3186） 5.4830（5.3186） 0.9885 X2、X5 0.0587（5.6753） 0.0536（0.0128） 0.9589 X2、X6 0.0434（8.2145） 935.0066（3.2754） 0.9792 新加入X3的方程 ，改进最大， 且 t 检验显著—— 保留X3，再加入其他新变量逐步回归 * * 加入新变量的回归结果（二） 解释 变量 X2