第十章 多元相关与回归分析.pptVIP

多重共线性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t检验值会减小、系数的显著性下降。对于一组存在高度多重共线性的自变量，很难对单个系数进行解释。有可能导致各回归系数的符号同我们的预期相反。第30页，共82页，星期日，2025年，2月5日多重共线性的识别第31页，共82页，星期日，2025年，2月5日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第32页，共82页，星期日，2025年，2月5日多重共线性

(例题分析)【例】判别各自变量之间是否存在多重共线性贷款余额、应收贷款、贷款项目、固定资产投资额之间的相关矩阵第33页，共82页，星期日，2025年，2月5日多重共线性

(例题分析)【例】判别各自变量之间是否存在多重共线性相关系数的检验统计量第34页，共82页，星期日，2025年，2月5日多重共线性

(例题分析)t???(25-2)=2.0687，所有统计量tt???(25-2)=2.0687，所以均拒绝原假设，说明这4个自变量两两之间都有显著的相关关系由表中的结果可知，回归模型的线性关系显著(Significance-F＝1.03539E-06?=0.05)。而回归系数检验时却有3个没有通过t检验(P-Value=0.074935，0.862853，0.067030?=0.05)。这也暗示了模型中存在多重共线性固定资产投资额的回归系数为负号(-0.029193)，与预期的不一致第35页，共82页，星期日，2025年，2月5日多重共线性问题的处理第36页，共82页，星期日，2025年，2月5日多重共线性

(问题的处理)将一个或多个相关的自变量从模型中剔除，使保留的自变量尽可能不相关如果要在模型中保留所有的自变量，则应避免根据t统计量对单个参数进行检验对因变量值的推断(估计或预测)的限定在自变量样本值的范围内第37页，共82页，星期日，2025年，2月5日多元回归中的变量筛选在多元回归中，预先选定的自变量不一定都对Y有显著的影响。有一些统计方法可以帮助我们从众多可能的自变量中筛选出重要的自变量。SPSS软件提供了多种筛选自变量的方法：“向前引入法（Forward）”“向后剔除法（Backward）”“逐步引入—剔除法（Stepwise）”第38页，共82页，星期日，2025年，2月5日变量选择过程在建立回归模型时，对自变量进行筛选选择自变量的原则是对统计量进行显著性检验将一个或一个以上的自变量引入到回归模型中时，是否使得残差平方和(SSE)有显著的减少。如果增加一个自变量使SSE的减少是显著的，则说明有必要将这个自变量引入回归模型，否则，就没有必要将这个自变量引入回归模型确定引入自变量是否使SSE有显著减少的方法，就是使用F统计量的值作为一个标准，以此来确定是在模型中增加一个自变量，还是从模型中剔除一个自变量变量选择的方法主要有：逐步回归、向前选择、向后剔除第39页，共82页，星期日，2025年，2月5日向前选择

(forwardselection)从模型中没有自变量开始对k个自变量分别拟合对因变量的一元线性回归模型，共有k个，然后找出F统计量的值最高的模型及其自变量，并将其首先引入模型分别拟合引入模型外的k-1个自变量的线性回归模型如此反复进行，直至模型外的自变量均无统计显著性为止第40页，共82页，星期日，2025年，2月5日向后剔除

(backwardelimination)先对因变量拟合包括所有k个自变量的回归模型。然后考察p(pk)个去掉一个自变量的模型(这些模型中每一个都有的k-1个自变量)，使模型的SSE值减小最少的自变量被挑选出来并从模型中剔除考察p-1个再去掉一个自变量的模型(这些模型中在每一个都有k-2个的自变量)，使模型的SSE值减小最少的自变量被挑选出来并从模型中剔除如此反复进行，一直将自变量从模型中剔除，直至剔除一个自变量不会使SSE显著减小为止第41页，共82页，星期日，2025年，2月5日逐步回归的思想将变量逐一引入回归方程，先建立与y相关最密切的一元线性回归方程，然后再找出第二个变量，建立二元线性回归方程，…。在每一步中都要对引入变量的显著性作检验，仅当其显著时才引入，而每引入一个新变量后，对前