统计学原理-第12章 多元线性回归.ppt

***************作业P317-32112.1——12.9******12*************************例题分析在其它自变量不变的条件下，贷款余款每增加1亿元，不良贷款平均增加额在0.0183-0.0618亿元之间。Regressionoutputconfidenceintervalvariablescoefficientsstd.errort(df=20)p-value95%lower95%upperIntercept-1.02160.7824-1.306.2064-2.65360.6104各项贷款余额0.04000.01043.837.00100.01830.0618本年累计应收贷款0.14800.07881.879.0749-0.01630.3124贷款项目个数0.01450.08300.175.8629-0.15870.1877本年固定资产投资额-0.02920.0151-1.937.0670-0.06060.002212.4多重共线性12.4.1多重共线性及其所产生的问题12.4.2多重共线性的判别12.4.3多重共线性问题的处理多重共线性及其产生的问题多重共线性(multicollinearity)回归模型中两个或两个以上的自变量彼此相关多重共线性带来的问题有可能会使回归的结果造成混乱，甚至会把分析引入歧途可能对参数估计值的正负号产生影响，特别是各回归系数的正负号有可能同预期的正负号相反例题分析本年固定资产投资额的系数只有b4是负号，意义？一元线性回归分析结果呢？Regressionoutputvariablescoefficientsstd.errort(df=20)p-valueIntercept-1.02160.7824-1.306.2064各项贷款余额0.04000.01043.837.0010本年累计应收贷款0.14800.07881.879.0749贷款项目个数0.01450.08300.175.8629本年固定资产投资额-0.02920.0151-1.937.0670variablescoefficientsstd.errort(df=23)p-valueIntercept0.98001.13600.863.3972本年固定资产投资额0.04660.01602.908.0079多重共线性的识别多重共线性的识别检测多重共线性的最简单的一种办法是计算模型中各对自变量之间的相关系数，并对各相关系数进行显著性检验若有一个或多个相关系数显著，就表示模型中所用的自变量之间相关，存在着多重共线性如果出现下列情况，暗示存在多重共线性模型中各对自变量之间显著相关当模型的线性关系检验(F检验)显著时，几乎所有回归系数的t检验却不显著回归系数的正负号与预期的相反容忍度小于0.1时，存在严重的多重共线性（VIF大于10，存在严重的多重共线性。）容忍度与VIF容忍度（Tolerance）:等于1减去某个自变量为因变量而其他k-1个自变量为预测变量时所得到的线性回归模型的判定系数，即1-Ri2。容忍度越小，多重共线性越严重；通常认为容忍度小于0.1时，存在严重的多重共线性。方差扩大因子VIF（varianceinflationfactor）等于容忍度的倒数，即1/1-Ri2。VIF越大，多重共线性越严重；通常认为VIF大于10，存在严重的多重共线性。多重共线性检验(例题分析)各项贷款余额本年累计应收贷款贷款项目个数本年固定资产投资额各项贷款余额1.000本年累计应收贷款.6791.000贷款项目个数.848.5861.000本年固定资产投资额.780.472.7471.000【例】判别各自变量之间是否存在多重共线性25samplesize?.396criticalvalue.05(two-tail)?.505criticalvalue.01(two-tail)0.05显著性水平对应的临界值是0.396，0.01显著性水