多重共线性问题的几种解决方式.docxVIP

多重共线性问题的几种解决方式 在多元线性回归模型经典假设中，其重要假定之一是回归模型的说明变量之间不存在线性关系，也确实是说，说明变量X1，X2，……，Xk中的任何一个都不能是其他说明变量的线性组合。若是违抗这一假定，即线性回归模型中某一个说明变量与其他说明变量间存在线性关系，就称线性回归模型中存在多重共线性。多重共线性违抗了说明变量间不相关的古典假设，将给一般最小二乘法带来严峻后果。 那个地址，咱们总结了8个处置多重共线性问题的可用方式，大伙儿在碰到多重共线性问题时可作参考： 1、保留重要说明变量，去掉次要或可替代说明变量2、用相对数变量替代绝对数变量3、差分法4、慢慢回归分析5、主成份分析6、偏最小二乘回归7、岭回归8、增加样本容量 这次咱们要紧研究慢慢回归分析方式是如何处置多重共线性问题的。 慢慢回归分析方式的大体思想是通过相关系数r、拟合优度R2和标准误差三个方面综合判定一系列回归方程的好坏，从而取得最优回归方程。具体方式分为两步： 第一步，先将被说明变量y对每一个说明变量气，明知作简单回归： 对每一个回归方程进行统计查验分析（相关系数r、拟合优度R2和标准误差），并结合经济理论分析选出最优回归方程，也称为大体回归方程。 第二步，将其他说明变量一一引入到大体回归方程中，成立一系列回归方程，依照每一个新加的说明变量的标准差和复相关系数来考察其对每一个回归系数的阻碍，一样依照如