小二乘估计的改进

第7章 最小二乘估计的改进 7.1 多重共线性的判别 7.2岭估计 K的选择 岭迹的作用： 7.3主成分估计 k几种的取法： SAS中实现相关系数矩阵proc corr 选项；选语句： var 变量名表； with 变量名表 选项除data=外，还有pearson 缺省项 计算两两相关系数cov 样本协方差矩阵outp= 存放相关系数矩阵数据 Page 163 例7.1 标准化过程在SAS中的实现proc standard 选项；选语句： var 变量名表； 选项除 data=外 还有out=mean=或m= 指定新变量的均值Std= 指定新变量的标准差 Page 163 例7.1 数据标准化 SAS中实现共线性诊断proc rege 选项；model y=自变量/vif collinoint;run;选项vif用来输出方差膨胀因子Collinoint(或写为collin)用来输出特征根与条件数 Page 163 例7.1的共线性分析 SAS中实现岭回归proc reg 选项；model y=自变量/ridge= 初始值to终值by步长；plot/ridgeplot;run;选项：data=数据集； outest=岭回归估计数据集； graphics 绘图功能 outvif 输出vif 例7.1的岭回归 注：在岭回归以及主成分回归中，若所有自变量以及因变量的量纲一致，则可以不用对数据进行标准化变换。 岭迹 取k=0.04,可得page 174的标准化数据的岭回归方程.若在岭回归程序中把data=tj.std更换为data=tj.p163,则可直接得到page 174里原始数据的岭回归方程. 主成分回归在SAS中的实现proc reg 选项；model y=自变量/pcomit=给定数字 选项；run;reg选项有 data=数据集, outest=输出数据集pcomit=k表示删除最后面的k个主成分model选项有outvif表示输出vif到输出数据集中 例7.1的主成分回归 x1-x3的vif都已很小，此时可得到page 180 的回归方程(7.3.10) 若在主成分回归的程序中把data=tj.std更换为data=tj.p163,则直接可以得到原始数据的主成分回归方程(7.3.11).