多元回归分析总结.docVIP

1.对于多元共线性问题产生的根源，可以从两个方面考虑:1、由变量性质引起2、由数据问题引起

（情况一:样本含量过小情况二:出现强影响观测值情况三:时序变量）

1、由变量性质引起在进行多元统计分析时，作为自变量的某些变量高度相关，比如身高、体重和胸围，变量之间的相关性是由变量自身的性质决定的，此时不论数据以什么形式取得，样本含量是大是小，都会出现自变量的共线性问题。因此，变量间自身的性质是导致多元共线性的重要原因。

2、情况一:样本含量过小假设只有两个自变量X1与X2当n2时两点总能连成一条直线即使性质上原本并不存在线性关系的变量X1与X2由于样本含量问题产生了共线性。样本含量较小时，自变量容易呈现线性关系。如果研究的自变量个数大于2设为X1X2，...，XP，虽然各自变量之间没有线性关系，但如果样本含量n小于模型中自变量的个数，就可能导致多元共线性问题。

情况二:出现强影响观测值进入20世纪80年代后期人们开始关注单个或几个样本点对多重共线性的影响。研究表明存在两类这样的数据点或点群:1导致或加剧多重共线性2掩盖存在着的多重共线性。a中因异常观测值的出现而掩盖了共线性b中因异常观测值的出现而产生了共线性。这样的异常观测值称为多元共线性强影响观测值。显然这种观测值会对设计矩阵的性态产生很大影响从而影响参数估计。

情况三:时