第四章多重共线性介绍.ppt

* 5. 横截面数据与时序数据并用 首先利用横截面数据估计出部分参数，再利用 时序数据估计出另外的部分参数，最后得到整 个方程参数的估计。 注意：这里包含着假设，即参数的横截面估计和 从纯粹时间序列分析中得到的估计是一样的。 * 6. 变量变换 变量变换的主要方法： (1)计算相对指标 (2)将名义数据转换为实际数据 (3)将小类指标合并成大类指标 变量数据的变换有时可得到较好的结果，但无 法保证一定可以得到很好的结果。 * 二、逐步回归法 （1）用被解释变量对每一个所考虑的解释变量做简单回归。 （2）以对被解释变量贡献最大的解释变量所对应的回归方程为基础，按对被解释变量贡献大小的顺序逐个引入其余的解释变量。 若新变量的引入改进了 和 检验，且回归参 数的t 检验在统计上也是显著的，则在模型中保 留该变量。 * 若新变量的引入未能改进 和 检验，且对其他回 归参数估计值的t 检验也未带来什么影响，则认为该 变量是多余变量。 若新变量的引入未能改进 和 检验，且显著地影 响了其他回归参数估计值的数值或符号，同时本身的 回归参数也通不过t 检验，说明出现了严重的多重共 线性。 * 第五节 案例分析 一、研究的目的要求 提出研究的问题——为了规划中国未来国内旅游产业 的发展，需要定量地分析影响中国国内旅游市场发展 的主要因素。 二、模型设定及其估计 影响因素分析与确定——影响因素主要有国内旅游 人数 ，城镇居民人均旅游支出 ，农村居民人均 旅游支出 ，并以公路里程次 和铁路里程 作为相关基础设施的代表 理论模型的设定 其中 ： ——第 t 年全国国内旅游收入 * 数据的收集与处理 年 份 国内旅游收入Y（亿元） 国内旅游人数X2（万人次） 城镇居民人均旅游支出X3 （元） 农村居民人均旅游支出X4 （元） 公路里 程 X5（万公里） 铁路里 程X6（万公里） 1994 1023.5 52400 414.7 54.9 111.78 5.90 1995 1375.7 62900 464.0 61.5 115.70 5.97 1996 1638.4 63900 534.1 70.5 118.58 6.49 1997 2112.7 64400 599.8 145.7 122.64 6.60 1998 2391.2 69450 607.0 197.0 127.85 6.64 1999 2831.9 71900 614.8 249.5 135.17 6.74 2000 3175.5 74400 678.6 226.6 140.27 6.87 2001 3522.4 78400 708.3 212.7 169.80 7.01 2002 3878.4 87800 739.7 209.1 176.52 7.19 2003 3442.3 87000 684.9 200.0 180.98 7.30 数据来源:《中国统计年鉴2004》 * 该模型 ， 可决系数很高，F检验值 173.3525,明显显著。 但是当 时 、 不仅 、 系数的t检验不显著，而且 系数的符号与预期的相反，这表明很可能存在严重的多重共线性。 OLS 法估计的结果 * 计算各解释变量的相关系数 表明各解释变量间确实存在严重的多重共线性 * 三、消除多重共线性 采用逐步回归法检验和解决多重供线性问题。 分别作Y 对X2、X3、X4、X5、X6的一元回归 变量 X2 X3 X4 X5 X6 参数估计值 0.0842 9.0523 11.6673 34.3324 2014.146 t 统计量 8.6659 13.1598 5.1967 6.4675 8.7487 0.9037 0.9558 0.7715 0.8394 0.9054 的大小排序为：X3、X6、X2、X5、X4。 以X3为基础，顺次加入其他变量逐步回归，过程从略 （见教材） * 最后消除多重共线性的结果 这说明，在其他因素不变的情况下，当城镇居民人均旅游支出 和农村居民人均旅游支出 分别增长1元时，国内旅游收入 将分别增长4.21亿元和3.22 亿元。在其他因素不变的情况下， 作为旅游设施的代表，公路里程 每增加1万公里时, 国内旅游 收入 将增长13.63亿元。 四、回归结果的解释与分析 t =（-8.2537) (3.9502) (4.6945) （3.0633） F=231.7958 DW=1.9520 * 第四章 小结 1.多重共线性是指各个解释变量之间有