eviews多重共线性实验报告

《eviews多重共线性实验报告》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、实验三多重共线性【实验目的】掌握多重共线性问题出现的来源、后果、检验及修正的原理，以及相关的Eviews操作方法。【实验内容】以《计量经济学学习指南与练习》补充习题4-18为数据，练习检查和克服模型的多重共线性的操作方法。【4-18】表4-3列出了被解释变量及解释变量，，，的时间序列观察值。（1）用OLS估计线性回归模型，并采用适当的方法检验多重共线性；（2）用逐步回归法确定一个较好的回归模型。表4-3YX1X2X3X46.040.15.5108636.040.34.794726.547.55.210

2、8867.149.26.81001007.252.37.3991077.658.08.7991118.061.310.21011149.062.514.1971169.064.717.1931199.366.821.3102121【实验步骤】（1）建立线性回归模型并检验多重共线性1、建立模型利用表4-3数据分别建立关于、、、的散点图（SCAT）。可以看到与、、都呈现正的线性相关，与关系不明显。首先建立一个多元线性回归模型（LSC）。输出结果中，C、、、的系数都通不过显著性检验。1、检验多重共线性进一步

3、选择CovarianceAnalysis的Correlation，得到变量之间的偏相关系数矩阵，观察偏相关系数。可以发现，与、、的相关系数都在0.9以上，但输出结果中，解释变量、的回归系数却无法通过显著性检验。认为解释变量之间存在多重共线性。（1）用逐步回归法克服多重共线性1、找出最简单的回归形式分别作与、、、间的回归（LSC）。即：(1)(1.64)(11.7)D.W.=1.6837(2)(17.9)(7.63)D.W.=0.6130(3)(2.14)(-1.19)D.W.=0.6471(4)(2.

4、25)(6.30)D.W.=0.5961可见，受X1的影响最大，选择(1)式作为初始的回归模型。1、逐步回归将其他解释变量分别导入上述初始回归模型，寻找最佳回归方程。为求简明，先列出回归结果如下表，过程截图放在说明部分。CD.W.0.9420.1220.93831.68t值(1.64)(11.7)2.3230.0820.0800.96822.26t值(3.71)(5.22)(2.92)4.0370.0790.080-0.0160.96842.32t值(2.25)(5.01)(2.92)(-1.02)2

5、.6860.0490.0960.0120.96652.03t值(3.42)(1.13)(2.79)(0.81)说明：第一步：在初始模型中引入，模型拟合优度提高，参数符号合理，且变量通过了t检验，D.W.检验值落在上界以上，表明不存在1阶序列相关性；第二步，引入，拟合优度略微提高，但变量未通过t检验；第三步，去掉，引入，拟合优度有所下降，且、都未能通过t检验；第二步与第三步表明，与是多余的。故最终的拟合模型为：