实验四-多重共线性模型的检验和处理

实验报告课程名称：计量经济学实验项目：实验四多重共线性模型的检验和处理实验类型：综合性□设计性□验证性专业班别：11本国贸五班姓名：学号：实验课室：厚德楼A207指导教师：实验日期：2014/5/20广东商学院华商学院教务处制一、实验项目训练方案小组合作：是□否小组成员：无实验目的：掌握多重共线性模型的检验和处理方法：实验场地及仪器、设备和材料实验室：普通配置的计算机，Eviews软件及常用办公软件。实验训练内容（包括实验原理和操作步骤）：【实验原理】多重共线性的检验：直观判断法（R2值、t值检验）、简单相关系数检验法、方差扩大因子法（辅助回归检验）多重共线性的处理：先验信息法、变量变换法、逐步回归法【实验步骤】（一）多重共线性的检验1.直观判断法（R2值、t值检验）根据广东数据（见附件1），先分别建立以下模型：【模型1】财政收入CS对第一产业产值GDP1、第二产业产值GDP2和第三产业产值GDP3的多元线性回归模型；（请对得到的图表进行处理，以上在一页内）（二）多重共线性的处理1.先验信息法、变量变换法①已知【模型1】有一先验信息：GDP3对CS的贡献是GDP1贡献的3倍。根据该先验信息，我们可以将变量CS和GDP2作变量取对数变换，作出回归模型，判断是否消除了多重共线性。根据该先验信息，请提出一个对模型变量变换的方法，消除模型多重共线性。DependentVariable:LOG(CS)Method:LeastSquaresDate:05/20Sample:19782005Includedobservations:28CoefficientStd.Errort-StatisticProb.

LOG(GDP2)0.6930370.03025722.904930.0000GDP1+3*GDP32.38E-055.55E-064.2826050.0002C0.4329670.1745942.4798440.0202R-squared0.991675

Meandependentvar5.369302AdjustedR-squared0.991009

S.D.dependentvar1.319281S.E.ofregression0.125097

Akaikeinfocriterion-1.218493Sumsquaredresid0.391233

Schwarzcriterion-1.075757Loglikelihood20.05890

Hannan-Quinncriter.-1.174857F-statistic1488.955

Durbin-Watsonstat1.002599Prob(F-statistic)0.000000得回归方程为LOG(CS)=0.693037*LOG(GDP2)+2.38E-05*(GDP1+3*GDP3)+0.432967基本消除了多重共线性。（请对得到的图表进行处理，以上在一页内）②已知【模型2】有一先验信息：在企业折旧资金和营业盈余资金主要是会计账面对区别，资金常常是混在一起用的，不区分折旧资金和营业盈余资金的使用，因此我们可以将ZJ和YY加起来作为一个大的变量使用。使用该先验信息，作回归模型，根据模型结果，判断是否消除了多重共线性。DependentVariable:TZGMethod:LeastSquaresDate:05/20Sample:19782005Includedobservations:28CoefficientStd.Errort-StatisticProb.

ZJ+YY0.4612080.0577487.9866040.0000CZ1.0696670.2504134.2716160.0002C30.6306331.230660.9807870.3361R-squared0.996815

Meandependentvar1628.997AdjustedR-squared0.996561

S.D.dependentvar2003.852S.E.ofregression117.5195

Akaikeinfocriterion12.47204Sumsquaredresid345270.5

Schwarzcriterion12.61478Loglikelihood-171.6086

Hannan-Quinncriter.12.51568F-statistic3912.553

Durbin-Watsonstat0.908575Prob(F-statistic)0.000000得回归方程为TZG=0.461208*(ZJ+YY)+1.069667*CZ+30.63063基本消除了多重共线性。（请对得到的图表进行处理，以上在一页内）2.逐步回归方法现研究中国的能源消费需求问题：理论上认为影响能源消费需求总量的因素主要有经济发展水平、收入水平、产业发展、人民生活水平提高、能源转换技术等因素。为此，收集了中国能源消费总量Y(万吨标准煤)、国内生产总值(亿元)X1(代表经济发展水平)、国民总收入(亿元)X2(代表收入水平)、工业增加值(亿元)X3、建筑业增加值(亿元)X4、交通运输邮电业增加值(亿元)X5(代表产业发展水平及产业结构)、人均生活电力消费(千瓦小时)X6(代表人民生活水平提高)、能源加工转换效率(%)X7(代表能源转换技术)等在1985-2002年期间的统计数据（见附件2：中国的能源消费需求相关数据）。①建立中国能源消费需求的多元回归模型。Y=-80155.52+36.84232X-28.2335X-10.32637X-17.52643X-34.49995X+336.4866X+1952.573②根据建立的模型，判断是否有多重共线性的问题。并使用直观判断法（R2值、t值检验）、简单相关系数检验法、方差扩大因子法（辅助回归检验）对模型多重共线性问题进行检验。③如果存在多重共线性的问题，使用逐步回归法处理模型的多重共线性问题。（请对得到的图表进行处理，以上在两页内）二、实验总结与评价实验总结（包括实验数据分析、实验结果、实验过程中出现的问题及解决方法等）：见实验步骤中。1、经典线性回归模型的假定之一是各个解释变量X之间不存在多重共线性。一般来说，多重共线性是指各个解释变量X之间有准确或近似准确的线性关系。2、多重共线性的后果：如果各个解释变量X之间有完全的共线性，则它们的回归系数是不确定的，并且它们的方差会无穷大。如果共线性是高度的但不完全的，则回归系数的估计是可能的，但有较大的标准误差的趋势。结果回归系数不能准确地加以估计。不过，如果目的是估计这些系数的线性组合用于预测，多重共线性不是严重问题。3、诊断共线性的经验方法主要有：①多重共线性的明显表现是可决系数R2异常高，而回归系数在通常的t检验中在统计上不显著。②在仅有两个解释变量的模型中，检查两个变量之间的零阶或简单相关系数，一般来说高的相关系数通常可认为有多重共线性。③当模型中涉及多于两个解释变量的情形时，较低的零阶相关也可能出现多重共线性，这时需要检查偏相关系数。④在建模时，首先可以将每一个解释变量Xi对其余所有解释变量进行辅助回归，并计算出相应的可决系数Ri2,。较高的Ri2可能表明Xi和其余的解释变量高度相关，在不会引起严重的设定偏误的前提下，可考虑把Xi从模型中剔除。4、降低多重共线性的经验方法有：①利用外部或先验信息；②横截面与时间序列数据并用；③用逐步回归等方法剔除高度共线性的变量；④变量或模型变换；⑤获取补充数据或新数据；⑥用岭回归等方法选择有偏估计量。经验方法的效果取决于数据的性质和共线性的严重程度。对实验的自我评价：根据以上实验操作的实践，谈谈自己的感受；（50字左右）这次实验主要是进行了模型多重共线性的检验，通过这次实验，使我对Eview的操作更加了