多重共线性【实验目的】掌握多重共线性的检验及处理方法【实验内容】建立并检验我国钢材产量预测模型【实验步骤】【例 1】表 1 是 1978－1997 年我国钢材产量（万吨）、生铁产量（万吨）、发电量（亿千瓦时）、固定资产投资（亿元）、国内生产总值（亿元）、铁路运输量（万吨）的统计资料。表 1 我国钢材产量及其它相关经济变量统计资料年份19781979198019811982198319841985198619871988198919901991199219931994199519961997钢材产量 Y22082497271626702920307233723693405843864689485951535638669777168428898093389979生铁产量X134793673380234173551373840014384506455035704582062386765758989569741105291072311511发电量 X225662820300630933277351437704107449549735452584862126775753983959281100701081311356固定资产投资 X3668.72699.36746.9638.21805.9885.261052.431523.511795.322101.692554.862340.5225343139.034473.766811.359355.3510702.9712185.7913838.96国内生产总值 X432644038451848625295593571718964102021196314928169091854821618266383463446759584786788574463铁路运输量 X5110119111893111279107673113495118784124074130709135635140653144948151489150681152893157627162663163093165855168803169734一、检验多重共线性⒈ 相关系数矩阵检验法利用相关系数可以分析解释变量之间的两两相关情况。在 Eviews 软件中可以直接计算相关系数矩阵。本例中，在 Eviews 软件命令窗口中键入：CORX1X2X3X4X5或在包含所有解释变量的数组窗口中点击 View\Correlations，其结果如图 6-1 所示。由相关系数矩阵可以看出，解释变量之间的相关系数均为 0.8 以上，大部分更在 0.9 以上，即解释变量之间是高度相关的。1图 6-1 解释变量间的相关系数矩阵2. 综合统计检验法将 Y 对所有的解释变量回归，即 LSYCX1X2X3X4X5，得到图 6-2 所示的结果：图 6-2 多元线性回归结果图 6-2 的结果中，R2和 F 的值都很大，但 T 的绝对值都比较小，同时，X4 和 X5 的系数估计值不合理，所以此模型存在多重共线性。3. 辅助回归方程检验当解释变量多于两个且变量之间呈现出较复杂的相关关系时，可以通过建立辅助回归模型来检验多重共线性。本例中，在 Eviews 软件命令窗口中键入：LSX1CX2X3X4X5LSX2CX1X3X4X5LSX3CX1X2X4X5LSX4CX1X2X3X5LSX5CX1X2X3X42对应的回归结果如图 2－6 所示。图 6-3图 6-4...
