多重共线性报告.doc

西安财经学院本 科 实 验 报 告学 院（ 部 ） 统计学院 实 验 室 313 课 程 名 称 计量经济学 学 生 姓 名 学 号 1204100214 专 业 统计学 教务处制 2014年12 月 15 日多重共线性实验报告开课实验室：313 2014年12月22日学院统计学院年级、专业、班统计1202姓名成绩课程名称计量经济学实验项目名 称多重共线性指导教师教师评语 教师签名：年 月 日一、实验目的掌握多重共线性模型的检验和处理方法。二、实验原理解释变量相关系数检验和辅助回归检验等。三、使用仪器、材料计算机、Eviews软件四、实验步骤一、导入数据二、模型基本假设三、模型建立四、参数估计五、回归分析六、模型检验七、运用OLS方法逐一求Y对各个解释变量的回归进行修正五、实验过程原始记录(数据、图表、计算等)一、导入数据：能源需求及相关影响因素年份能源需求总量（万吨）城镇化水平工业生产总值能源生产总量城镇居民家庭人均可支配收入199098703.0026.416858.00103922.001510.201991103783.0026.948087.10104844.001700.601992109170.0027.4610284.50107256.002026.601993115993.0027.9914187.97111059.002577.401994122737.0028.5119480.71118729.003496.201995131176.0029.0424950.61129034.004283.001996138948.0030.4829447.61132616.004838.901997137798.0031.9132921.39132410.005160.301998132214.0033.3534018.43124250.005425.101999133830.9734.7835861.48125934.785854.022000138552.5836.2240033.59128977.886280.002001143199.2137.6643580.62137445.446859.602002151797.2539.0947431.31143809.837702.802003174990.3040.5354945.53163841.538472.202004203226.6841.7665210.03187341.159421.602005224682.0042.9977230.78205876.0010493.002006246270.0043.9091310.90221056.0011759.502007265583.0044.94107367.20235445.0013785.80 二、模型基本假设Y =能源需求总量，X1 =城镇化水平，X2=工业生产总值，X3=能源生产总量，X4=城镇居民家庭人均可支配收入，ut=其他因素。三、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： 四、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: YMethod: Least SquaresDate: 14/23/12 Time: 21:01Sample: 1990 2007Included observations: 18VariableCoefficientStd. Errort-StatisticProb. C10367.6612763.150.8123120.4312X1-285.8938443.8802-0.6440790.5307X20.6469980.2942632.1987080.0466X30.9486820.07797412.166590.0000X4-1.7568082.346367-0.7487350.4673R-squared0.998515 Mean dependent var154036.3Adjusted R-squared0.998058 S.D. dependent var49161.79S.E. of regression2166.571 Akaike info criterion18.42981Sum squared resid61022374 Schwarz criterion18.67714Log likelihood-160.8683 F-statistic2185.009Durbin-Watson stat1.433854 Prob(F-statistic)0.000000五、回归分析通过上表，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)R2=0.999 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=2185.013.18，回归方程显著。六、模型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。七、运用OLS方法逐一求Y对各个解释变量的回归进行修正（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 （-8.87） （75.281） F=5667.77(2)加入x2对Y关于X2、X3做最小二乘回归 （0.98）（2.71）（15.04） 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- (0.5) (2.68) (12.5) (-1.8) R2=0.998 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+ (1.06) (-1.75) (3.19) (13.43) R2=0.998 F=3007.55可以看出，在加入X1后，拟合优度没有增加，系数也不显著，说明存在多重共线性，可以略去x1。综上所述，得到Y关于x2、x3的回归方程为 （0.98）（2.71）（15.04） F=3965.09因为给定显著性水平下可知常数项系数不显著，略去常数项后，对Y关于X2、X3再次回归，得到如下结果Dependent Variable: YMethod: Least SquaresDate: 14/23/12 Time: 21:52Sample: 1990 2007Included observations: 18VariableCoefficientStd. Errort-StatisticProb. X20.3509570.03245810.812680.0000X30.9612830.01074589.466350.0000R-squared0.997993 Mean dependent var154036.3Adjusted R-squared0.997868 S.D. dependent var49161.79S.E. of regression2269.956 Akaike info criterion18.39735Sum squared resid82443180 Schwarz criterion18.49628Log likelihood-163.5761 F-statistic7957.879Durbin-Watson stat1.101518 Prob(F-statistic)0.000000得到回归方程为 （10.8）（89.5） F=18.49该模型中系数均显著，并且符号正确，虽然解释变量之间仍然存在高度线性关系，但多重共线性并没有造成不利后果，所以该模型是最好的能源需求方程。六、实验结果及分析运用EViews软件进行数据的处理分析并且通过具体的实验操作，得到回归方程为 （10.8）（89.5） F=18.49该模型中系数均显著，并且符号正确，虽然解释变量之间仍然存在高度线性关系，但多重共线性