实验六多元线性回归和多重共线性

word实验六多元线性回归和多重共线性某某：何健华 学号：201330110203 班级：13金融数学2班一实验目的：掌握多元线性回归模型的估计方法、掌握多重共线性模型的识别和修正。二实验要求：应用教材P140例子4.3.1案例做多元线性回归模型，并识别和修正多重共线性。三实验原理：普通最小二乘法、简单相关系数检验法、综合判断法、逐步回归法。四预备知识：最小二乘法估计的原理、t检验、F检验、R2值。五实验步骤：有关的研究分析明确，影响国内旅游市场收入的主要因素，除了国内旅游人数和旅游支出外，还可能与根底设施有关。因此考虑影响国内旅游收入Y单位为亿元的以下几个因素：国内旅游人数X1、城镇居民人均旅游支出X2单位为元、农村居民人均旅游支出X3单位为元、并以公路里程X4单位为万公里和铁路里程X5单位为万公里作为相关设施的代表，根据这些变量建立如下的计量经济模型：为了估计上述模型，从中国统计年鉴收集到1994年到2003年的有关统计数据。YearYX1X2X3X4X51994524001995629004641996639001997644001998694506071971999719002000744002001784002002878002003870002001、 请用普通最小二乘方法估计模型参数；2、 检验模型是否存在多重共线性，如果存在共线性，试采用适当的方法消除共线性。1. 用普通最小二乘方法估计模型参数- (1-1)建立工作工作文件并录入数据，得到图1.1。点击主界面菜单QuickEstimate Equation，在弹出的对话框中输入YC X1X2 X3 X4X5，点击确定即可得到回归结果图1.2。由图1.2数据结果，可得到模型(1-1)的估计结果为 -0.208384 1.031172 3.939591 3.465073 3.108296 -1.752685 其中，括号内的数为相应的t检验值。从以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X1、X5的t检验不显著，而且符合的经济意义也不合理，故认为解释变量之间存在多重共线性。2检验模型是否存在多重共线性，如果存在共线性，试采用适当的方法消除共线性。由模型1-1的估计结果可以看出，可决系数很高，说明模型对样本的拟合很好；检验值很大，相应的，说明回归方程显著，即各自变量联合起来确实对因变量“国内旅游收入有显著影响；给定显著性水平但变量X1、X5系数的t统计量分别为1.031172、-1.752685，相应的p值分别为0.8451、0.1545，说明变量X1、X5对因变量影响不显著，而且符号的经济意义也不合理。综合上述分析，明确模型1-1存在严重的多重共线性。计算解释变量X1、X2、X3、X4、X5的简单相关系数矩阵。将解释变量X1、X2、X3、X4、X5选中，双击Open Group或点击右键，选择Openas Group，然后再点击ViewCovariance analysis仅勾选Correlation，点击OK即可得出相关系数矩阵图2.1.1。再点击顶部的Freeze按钮，可以得到一个Table类型独立的Object图2.1.2。由图2.1.1相关系数矩阵可以看出，各解释变量之间的相关系数较高，特别是X2和X5之间的高度相关，证实解释变量之间存在多重共线性。根据综合判别法与简单相关系数法分析的结果可以知道，回归变量间确实存在多重共线性。注意，多重共线性是一个程度问题而不是存在与否的问题。下面我们将采用逐步回归法来减少共线性的严重程度而不是彻底地消除它。这里仅用向前逐步回归法，来减少共线性的严重程度。第一步：运用OLS方法分别求Y对各解释变量X1、X2、X3、X4、X5图2.2.5，再结合经济意义和统计检验选出拟合效果好的一元线性回归方程。图2.2.1图2.2.2图2.2.3 图2.2.4图2.2.52.2.5进展比照分析，依据调整可决系数最大原如此，选择X2作为进入回归模型的第一个解释变量，形成一元回归模型。第二步：逐步回归。将剩余解释变量分别参加模型，得到分别如图2.2.6图2.2.9所示的二元回归结果。图2.2.6 图2.2.7图2.2.8 图2.2.9图2.2.9所示结果，并根据逐步回归的思想，我们可以看到，新参加变量X4的二元回归方程最大，并且各参数的检验显著，参数符号也符合经济意义，因此，保存变量X4。第三步：在保存变量X2、X42.2.12所示的回归结果。12结果分析:1，我们可以看到，在X2、X4的根底上参加X3后的方程明显增大，F统计量也很大，说明模型对样本的拟合很好并且回归方程显著；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，只是DW值落入了无法判断的区域，但由LM检验知仍不存在一阶自相关性。因此，根据逐步回归的思想，模型应保存自变量X2、X3、X4。进展拉格朗日乘数检验LM检验：在图6.14中，点击：ViewResidual DiagnosticsSerial Correlation LM Test，在弹出对话框中输入：1，点击OK，得到所示结果。由中数据得到其所对应的伴随概率为说明在5%的显著性水平下不存在1阶序列相关性。但通过图2.2.10，我们可以看到，在X2、X4根底上参加X1后，方程的修正拟合优度，度略有提下降，但变量X1系数的t值很小，相应的p值大于显著性水平，没有通过显著性检验，说明自变量X1对因变量的影响不显著；同样，由图2.2.12可知，参加X5后拟合优度虽有所提高，但X5参数的t值很小，相应的p值远大于显著性水平，说明X5对因变量的影响不显著。因此，根据逐步回归的思想，说明X1、 X5的出现引起严重的多重共线性。第四步：在保存变量X2、X3、X434所示的回归结果。3 43，我们可以看到，在X2、X3、X4的根底上参加X1后略有降低，而且X1参数的t4，我们可以看到，在X2、X3、X4的根底上参加X5后略有改良，但X5参数的t检验变得不显著，而且参数符号不符合经济意义。这说明X1、 X5引起多重共线性，应当予以剔除。因此，本案例最后应保存的变量是X2、X3、X4，相应的回归结果为：由综合判断法知，上述回归结果根本上消除了多重共线性。此题存在的问题是样本容量过小，其可靠性受到影响，如果增大样本容量，效果将会好一些。对计量经济学的感想与建议：经过快一个学期对计量经济学的学习，我收获了很多，也懂得了很多。最初接触计量经济学时，一点头绪也没有，随着学习的深入，联系其他学科如统计学，数学，经济学等学，以与对一些软件的应用，我对计量经济学有了更深刻的认识。计量经济学是一门涉与很多学科的科学，但并不晦涩难懂，相反运用它可以分析很多经济现象，而这些经济现象就在我们身边。比如计量经济学可以分析学校数量与经济开展的关系，私家车拥有量与国民收入的关系。这种神奇的经济分析方法有助于我们更好的了解一些现象并进展预测。学习计量经济学给我印象和帮助最大的就是对Eviews软件的熟练操作与应用，Eviews软件是属于那种有价无市的软件，如果没有教师的传授我不可能从市场上或是从思想上认识到它； 虽然这个课堂已经让人向往了，但是美中不足的地方也还有。我的建议就是在以后的讲课中间更多的是要着手分析案例，给大家的运用指点一下；应该分组进展实验汇报，让大家在聆听与汇报中发现自己的不足，并加以学习进步。11 / 11