多重共线性实验报告
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
西南科技大学Southwest University of Science and Technology 经济管理学院
计量经济学
实验报告
——多元线性回归模型的检验
专业班级:经济
姓名:
学号:
任课教师:龙*
成绩:
多重共线性模型的检验和处理
实验目的:掌握多重共线性模型的检验和处理方法。
实验要求:了解辅助回归检验,解释变量相关系数检验等。试验用软件:Eviews
实验原理:解释变量相关系数检验和辅助回归检验等。
实验内容:
1、实验用样本数据:
能源需求及相关影响因素
(1)模型的基本假设:
Y =能源需求总量,X1 =城镇化水平,X2=工业生产
总值,X 3=能源生产总量,X 4=城镇居民家庭人均可支配收入,u t =其他因素。 (2)模型的建立
根据变量之间的相关关系,我们假定能源回归模型为
t t t t t t u X X X X Y +++++=443322110βββββ
2、实验步骤:
1、 参数估计,过程如下:
(1)点击“File/New/Workfile ”,屏幕上出现Workfile Range 对话框,选择数据频率,在本例中应选择Undated or irrequar ,在Start date 里键入1,在End date 里键入14,点击OK 后屏幕出现 “Workfile 对话框(子窗口)”。
(2)在Objects 菜单中点击New objects ,在New objects 选择Group ,并在Name for Objects 定义文件名,点击OK 出现数据编辑窗口,按顺序键入数据。
(3)利用表中数据,用EViews 进行最小二乘法估计,得如下输出结果。
Dependent Variable: Y Method: Least Squares Date: 12/23/11 Time: 21:01 Sample: 1990 2007 C 10367.66 12763.15 0.812312 0.4312 X1 -285.8938 443.8802 -0.644079 0.5307 X2 0.646998 0.294263 2.198708 0.0466 X3 0.948682 0.077974 12.16659 0.0000 X4
-1.756808
2.346367
-0.748735
0.4673
R-squared
0.998515 Mean dependent var 154036.3 Adjusted R-squared 0.998058 S.D. dependent var 49161.79 S.E. of regression 2166.571 Akaike info criterion 18.42981 Sum squared resid 61022374 Schwarz criterion 18.67714 Log likelihood -160.8683 F-statistic 2185.009 Durbin-Watson stat
1.433854 Prob(F-statistic)
0.000000
2、 分析
通过上表,我们得到能源需求回归模型为将上述回归结果整理如下:
(0.81) (-0.64) (2.20) (12.2) (-0.75)
R 2
=0.999
998.02=-
R F=2185.01
其中括号内的数字是t 值,回归系数估计值的显著性都很低,但这些因素都存在着因果关系。查F 表得到F0.05(4,13)=3.18,故F=2185.01>3.18,回归方程显著。 3、 检验
计算解释变量之间的简单相关系数。Eviews 过程如下: a)
在Quick 菜单中选Group Statistics 项中的Correlation 命令。在出现Series List 对话框时,直接输入X1 X2 X3 X4变量名,出
现
如
下
结
果
:
b)
由上表可以看出,解释变量之间存在高度相关性。同时由第一个表也可以看出,尽管整体上线性回归拟合较好,但X1 X2 X3 X4 变量的参数t 值并不显著。表明模型中确实存在
严重的多重共线性。
4、 修正
(1)运用OLS 方法逐一求Y 对各个解释变量的回归。结合经济意义和统计检验选出拟合效果最好的一元线性回归方程。经分析,在三个一元回归模型中,可以知道能源生产总量X3是最重要的解释变量,所以选取它、即
3208352.101.21433^
X Y +-=
(-8.87) (75.281)
997.02=R 997.02=-
R F=5667.77
(2)加入x2对Y 关于X2、X3做最小二乘回归
32
^
027.1263.05.5899X X
Y ++-=
(0.98)(2.71)(15.04)
998.02=R 9978.02=-
R F=3965.09
可以看出,加入x2后,拟合优度均有所增加,参数估计的符号也是正确,并且没有影响X3系数的显著性,所以保留X2。 (3)加入x4对Y 关于X2、X3做最小二乘回归
32
^
951.0717.08.3994X X
Y ++=-4852.2X
(0.5) (2.68) (12.5) (-1.8)
R 2=0.998
998.02=-
R F=3040.28
可以看出,加入X4后,拟合优度没有再增加,并且它的系数不显著,说明存在严重的多重共线性,所以略去X4。
(4)、加入x1对Y 关于X1、X2、X3做最小二乘回归