计量经济学多元线性回归多重共线性异方差实验研究报告Word格式.docx
《计量经济学多元线性回归多重共线性异方差实验研究报告Word格式.docx》由会员分享,可在线阅读,更多相关《计量经济学多元线性回归多重共线性异方差实验研究报告Word格式.docx(29页珍藏版)》请在冰豆网上搜索。
![计量经济学多元线性回归多重共线性异方差实验研究报告Word格式.docx](https://file1.bdocx.com/fileroot1/2022-10/15/36bdd71a-92f0-4445-a1bc-63ca6b15b997/36bdd71a-92f0-4445-a1bc-63ca6b15b9971.gif)
北京
145249.01
145466
694252.30
541600
32903.03
天津
48712.37
24787
93529.67
175553
26920.86
河北
182226.87
79643
420342.74
44765
18292.23
山西
29465.03
57719
121809.74
56719
18123.87
内蒙古
70313.07
36264
206819.12
67097
20407.57
辽宁
25665.30
64816
46573.27
271314
20466.84
吉林
20389.30
29066
87827.16
38528
17796.57
黑龙江
38367.81
30341
137426.27
91762
15696.18
上海
194762.3
91106
563007.44
575118
36230.48
江苏
316051.65
140154
1195000.60
565297
26340.73
浙江
385976.92
132459
1110975.20
454173
30970.68
安徽
79562.75
55840
139769.02
117918
18606.13
福建
155378.95
80303
151897.69
363444
24907.40
江西
54961.66
41791
85528.05
41500
17494.87
山东
116995.67
143026
327733.29
255076
22791.84
河南
222108.33
70164
482005.32
54903
18194.80
湖北
104565.58
62767
243794.62
94018
18373.87
湖南
118180.87
80615
257226.7
101434
18844.05
广东
476345.50
226539
1160675.4
1390619
26897.48
广西
66195.55
49876
143982.03
105188
18854.06
海南
29081.60
30759
70386.55
37615
18368.95
重庆
86713.67
50160
230124.00
96806
20249.70
四川
218624.03
70756
464763.52
59383
17899.12
贵州
42214.14
27683
62415.21
13507
16495.01
云南
135897.97
62679
348426.04
160861
18575.62
西藏
30406.73
6023
462971.03
12963
16195.56
陕西
48692.17
57077
154529.19
129505
18245.23
甘肃
30949.00
31280
56684.68
1740
14988.68
青海
638.43
8741
9851.28
2659
15603.31
宁夏
49509.86
12196
23149.90
620
17578.92
新疆
28993.11
40451
52280.36
46519
15513.62
数据来源:
1.中国统计年鉴2012,
2.中国旅游年鉴2012。
三、参数估计
利用Eviews6.0做多元线性回归分析步骤如下:
1、创建工作文件
双击Eviews6.0图标,进入其主页。
在主菜单中依次点击“File\New\Workfile”,出现对话框“WorkfileRange”。
本例中是截面数据,在workfilestructuretype中选择“Unstructured/Undated”,在Daterange中填入observations31,点击ok键,完成工作文件的创建。
2、输入数据
在命令框中输入dataYX1X2X3X4,回车出现“Group”窗口数据编辑框,在对应的YX1X2X3X4下输入相应数据,关闭对话框将其命名为group01,点击ok,保存。
对数据进行存盘,点击“File/SaveAs”,出现“SaveAs”对话框,选择存入路径,并将文件命名,再点“ok”。
3、参数估计
在Eviews6.0命令框中键入“LSYCX1X2X3X4”,按回车键,即出现回归结果。
利用Eviews6.0估计模型参数,最小二乘法的回归结果如下:
表3.1回归结果
DependentVariable:
Y
Method:
LeastSquares
Date:
11/14/13Time:
21:
14
Sample:
131
Includedobservations:
31
Coefficient
Std.Error
t-Statistic
Prob.
C
32390.83
39569.49
0.818581
0.4205
X1
0.603624
0.366112
1.648741
0.1112
X2
0.234265
0.041218
5.683583
0.0000
X3
0.044632
0.060755
0.734620
0.4691
X4
-1.914034
2.098257
-0.912202
0.3700
R-squared
0.879720
Meandependentvar
114619.2
AdjustedR-squared
0.861215
S.D.dependentvar
112728.1
S.E.ofregression
41995.55
Akaikeinfocriterion
24.27520
Sumsquaredresid
4.59E+10
Schwarzcriterion
24.50649
Loglikelihood
-371.2657
Hannan-Quinncriter.
24.35060
F-statistic
47.54049
Durbin-Watsonstat
2.007191
Prob(F-statistic)
0.000000
根据表中的样本数据,模型估计结果为
=32390.83+0.603624X+0.234265X+0.044632X-1.914034X
(39569.49)(0.366112)(0.041218)(0.060755)(2.098257)
t=(0.818581)(1.648741)(5.683583)(0.734620)(-0.912202)
R2=0.879720=0.861215F=47.54049DW=2.007191
可以看出,可决系数R2=0.879720,修正的可决系数=0.861215。
说明模型的拟合程度还可以。
但是当α=0.05时,X、X、X系数均不能通过检验,且X的系数为负,与经济意义不符,表明模型很可能存在严重的多重共线性。
四、模型修正
1.多重共线性的检验与修正
(1)检验
选中X1X2X3X4数据,点击右键,选择“Open/asGroup”,在出现的对话框中选择“View/CovarianceAnalysis/correlation”,点击ok,得到相关系数矩阵。
计算各个解释变量的相关系数,得到相关系数矩阵。
表4.1相关系数矩阵
变量
1.000000
0.809777
0.872093
0.659239
0.758322
0.641086
0.716374
由相关系数矩阵可以看出,解释变量X2、X3之间存在较高的相关系数,证实确实存在严重的多重共线性。
(2)多重共线性修正
采用逐步回归的办法,检验和回归多重共线性问题。
分别作Y对X1、X2、X3、X4的一元回归,在命令窗口分别输入LSYCX1,LSYCX2,LSYCX3,LSYCX4,并保存,整理结果如表4.2所示。
表4.2一元回归结果
参数估计值
1.978224
0.315120
0.316946
12.54525
t统计量
8.635111
12.47495
6.922479
4.005547
R2
0.719983