多重共线性模型的检验与矫正VIP免费

1实验三：多重共线性模型的检验与矫正实验目的与要求：1.熟练掌握多重共线性的识别和矫正的方法。2.学会用Eviews软件能够独立分析和解决存在的多重共线性问题。实验环境：PC机，Eviews软件实验内容：研究影响中国国内旅游市场发展的主要因素（见教材P118页案例）2实验步骤之一：设定并估计多元线性回归模型（1）建立工作文件并录入数据（参照实验一），得到图3.1所示：3（2）采用OLS估计参数点击主界面菜单Quick\EstimateEquation，弹出对话框，输入ycx2x3x4x5x6，点确定即可得到回归结果45根据图中的数据，得到模型的估计结果为从上回归结果可以看出，拟合优度很高，整体效果的F检验通过。但有重要变量的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。234562ˆ1471.9560.0425104.4324782.9222731.426786354.9821(1137.046)(0.004613)(1.063341)(1.093665)(1.417555)(244.8486)(1.294544)(9.216082)(4.168445)(2.672001)(1.006512)(1.449802)iiiiiiYXXXXXtR20.9973110.995630593.41688RFdf56XX、6X6实验步骤之二：多重共线性模型的识别简单相关系数检验法:在命令窗口输入corx2x3x4x5x6，即可得出相关系数矩阵7可以看出，各解释变量相互之间的相关系数较高，证实解释变量之间存在多重共线性。8实验步骤之三：多重共线性模型的修正第一步：运用OLS方法分别求Y对各解释变量进行一元回归23456XXXXX、、、、91011通过一元回归结果对比分析，依据调整后可决系数最大原则，选取作为进入回归模型的第一个解释变量，形成一元回归模型。2R2X12第二步：逐步回归。将剩余解释变量分别加入模型，得到分别二元回归结果。1314并根据逐步回归的思想，我们可以看到，新加入变量的二元回归方程最大，并且各参数的t检验显著，因此，保留变量。3X20.9935R3X15第三步：在保留变量、基础上，继续进行逐步回归。3X2X1617可以看到，加入后的方程增大，说明模型对样本的拟合很好；同时各解释变量的系数所对应的t值较大，相应的，说明各解释变量对因变量的影响显著，并且参数的符号也符合经济意义。因此，根据逐步回归的思想，模型应保留自变量、、。4X20.99490.9935R0.10p2X3X4X18加入后不仅降低，而且变量系数的t值很小，相应的P值大于显著性水平0.1，说明自变量对因变量的影响不显著；同样，加入后不仅降低，而且参数的t值很小，相应的P值远大于显著性水平0.1，说明对因变量的影响不显著，甚至系数的符号为负，显然不符合经济意义。因此，根据逐步回归的思想，说明、的出现引起严重多重共线性。5X20.99320.9935R5X5X6X6X6X6X5X6X19第四步：在保留变量、、基础上，继续进行逐步回归。3X2X4X2021可以看到，加入后的方程有所改进，但参数的t检验变得不显著，加入后的方程略有改进，但参数的t检验变得不显著，并且参数为负不符合经济意义。这说明、引起多重共线性，应予以剔除。因此，本案例最后应保留的变量是、、，相应的回归结果为2X3X4X6X2R5X5X5X5X6X22由综合判断法知，上述回归结果基本上消除了多重共线性。并且，在其他因素不变的情况下，当国内旅游人数每增加1万人次，城镇居民人均旅游花费和农村居民人均旅游花费分别增加1元时，国内旅游收入将分别平均增加0.0435亿元、3.666亿元和2.1786亿元。23422ˆ3136.7130.04353.66602.1786(295.9214)(0.002713)(0.956840)(1.103416)(10.5998)(16.0418)(3.8314)(1.9744)0.99610.9949841.43241.1763iiiiYXXXtRRFDW23实验作业：书本P1274.6（显著性水平为0.1）24Theend