2023年实验报告多重共线性

西南科技大学SouthwestUniversityofScienceandTech

nology经济管理学院计量经济学实验报告——多重共线性模型的检查专业班级：国贸0702姓名：麦晓俊学号：20232152任课教师:龙林成绩：s多重共线性模型的检查和解决实验目的：掌握多重共线性模型的检查和解决方法。实验规定:了解辅助回归检查,解释变量相关系数检查等。实验用软件：Eviews实验原理：解释变量相关系数检查和辅助回归检查等。实验内容：实验用样本数据：研究某国经济试拟合如下线性回归模型Y[=01+尸2*2/+/3乂3/+£4X4/+%其中Yt二消费，X2=H资收入,X3二非工资、非农业收入,X4二农'业收入。其中相关数据如下表（表1）:某国国民经济记录资料单位:10亿美元注：1942-1944年为战争年代年份X4Yx2X3年份YX2x3X419360362.8.9643.4117.11948.2669.7695.776.73219375.4865.046.4418.6519479.3198.375.9127.9119384.3763.944.3517.0919489.85100.377.6232.3019394.5167.547.8219.2819499103.7.21278.0131.319404.8871.351.0223.2419507.39108.983.5735.61194176.658.7128.111951108.590.5937.586.377.98194586.387.6930.291952111.495.4735.178.967.422、实验环节：参数估计，过程如下：(1)点击“Fi1e/New/Workfile”，屏幕上出现WorkfileRange对话框，选择数据频率，在本例中应选择Undatedorirrequar,在Startdate里键入1,在Enddate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Newobjects,在Newobjects选择Group,并在NameforObjects定义文献名，点击0K出现数据编辑窗口，，按顺序键入数据。(3)点击“Quick/EstimateE”，在出现的估计对话框中，键入YCXo然后点击OK,得如下输出结果(表2)。DependentVariable:YMethod:LeastSquaresDate:05/07/10Time:19:46Sample:114Includedobservations:14VariableCoefficientStd.Errort-StatisticProb.18.702066.8453552.7320800.02110.3802800.3121311.2183360.25111.4185750.7203781.9692100.07720.5330591.3998010.3808100.7113R-squared0.918721Meandependentvar87.12143AdjustedR-squared0.894337S.D.dependentvar18.64313S.E.ofregression6.060096Akaikeinfocriterion6.676285Sumsquaredresid367.2477Schwarzcriterion6.858873Loglikelihood-42.73399F-statistic37.67771Durbin-Watsonstat1.298159Prob(F-statistic)分析由F=37.68可知，模型从整体上看，家庭消费与解释变量之间线性关系显著。检查计算解释变量之间的简朴相关系数。Eviews过程如下：(1)在Quick菜单中选GroupStatisties项中的Correlation命令。在出现SeriesList对话框时，直接输入X2X3X4变量名，出现如下结果(表3):CoilelationMatrixX2X3X4X21.0000000.9431120.810699X30.9431121.0000000.737127X40.8106990.7371271.000000⑵由表3可以看出，解释变量之间存在高度相关性。同时由表2也

可以看出，尽管整体上线性回归拟合较好，但X2X3X4变量的参数t值并不显著。表白模型中的确存在严重的多重共线性。4、修正(1)运用OLS方法逐个求Y对各个解释变量的回归。结合经济意义和记录检查选出拟合效果最佳的一元线性回归方程。经分析，在三个一元回归模型中，消费Y与非工资、非农业收入X3的线性关系强,拟合限度好，即丫=19.2164+2.4888X3(2.7830)(10.1380)R2=0.8955F=102.78⑵逐步回归。将其余解释变量逐个代人上式，得如下几个模型：Y=19.2895+0.4414X2+1.3799X3(3.0117)(1.7168)(2.0148)R2=0.9175F=61.2023在上式中，X2对Y的影响并不显著，故将X2删去,得到如下模型(表4）：

DependentVariable:YMethod:LeastSquaresDate:05/07/10Time:20:31Sample:114Includedobservations:14VariableCoefficientStd.Errort-StatisticProb.C19,216426.9048372.7830370.0166X32.4887960.24549410.137910.0000R-squared0.895450Meandependentvar87,12143AdjustedR-squared0.886737S.D.dependentvar18,64313S.E.ofregression6.274262Akaikeinfocriterion6.642352Sumsquaredresid472.3964Schwarzcriterion6.733646Loglikelihood-44.49647F-statistic102.7773Durbin-Wats