多重共線性逐步回歸 案例分析.doc

多重共線性的估計和消除 一，研究對象 影響中國旅游市場發(fā)展的主要因素。二、模型設(shè)定及其估計 經(jīng)分析，影響國內(nèi)旅游市場收入的主要因素，除了國內(nèi)旅游人數(shù)和旅游支出以外，還可能與相關(guān)基礎(chǔ)設(shè)施有關(guān)。為此，考慮的影響因素主要有國內(nèi)旅游人數(shù)，城鎮(zhèn)居民人均旅游支出，農(nóng)村居民人均旅游支出，并以公路里程和鐵路里程作為相關(guān)基礎(chǔ)設(shè)施的代表。為此設(shè)定了如下對數(shù)形式的計量經(jīng)濟模型：其中 ：第t年全國旅游收入國內(nèi)旅游人數(shù) （萬人）城鎮(zhèn)居民人均旅游支出 （元）農(nóng)村居民人均旅游支出 （元）公路里程（萬公里）鐵路里程（萬公里） 為估計模型參數(shù)，收集旅游事業(yè)發(fā)展最快的19942003年的統(tǒng)計數(shù)據(jù)，如表4.2所示：表4.2 1994年2003年中國旅游收入及相關(guān)數(shù)據(jù)年份國內(nèi)旅游收入Y（億元）國內(nèi)旅游人數(shù)X2（萬人次）城鎮(zhèn)居民人均旅游支出X3（元）農(nóng)村居民人均旅游支出X4 （元）公路里程 X5（萬公里）鐵路里程X6（萬公里）19941023.552400414.754.9111.785.9019951375.762900464.061.5115.705.9719961638.463900534.170.5118.586.4919972112.764400599.8145.7122.646.6019982391.269450607.0197.0127.856.6419992831.971900614.8249.5135.176.7420003175.574400678.6226.6140.276.8720013522.478400708.3212.7169.807.0120023878.487800739.7209.1176.527.1920033442.387000684.9200.0180.987.30數(shù)據(jù)來源:中國統(tǒng)計年鑒2004利用Eviews軟件，輸入Y、X2、X3、X4、X5、X6等數(shù)據(jù)，采用這些數(shù)據(jù)對模型進行OLS回歸，結(jié)果如表4.3： 表4.3由此可見，該模型，可決系數(shù)很高，F(xiàn)檢驗值173.3525,明顯顯著。但是當時,不僅、系數(shù)的t檢驗不顯著，而且系數(shù)的符號與預期的相反，這表明很可能存在嚴重的多重共線性。計算各解釋變量的相關(guān)系數(shù)，選擇X2、X3、X4、X5、X6數(shù)據(jù)，點”view/correlations”得相關(guān)系數(shù)矩陣（如表4.4）：表4.4由 相關(guān)系數(shù)矩陣可以看出：各解釋變量相互之間的相關(guān)系數(shù)較高，證實確實存在嚴重多重共線性。三、消除多重共線性采用逐步回歸的辦法，去檢驗和解決多重共線性問題。分別作Y對X2、X3、X4、X5、X6的一元回歸，結(jié)果如表4.5所示：表4.5變量X2X3X4X5X6參數(shù)估計值0.08429.052311.667334.33242014.146t 統(tǒng)計量8.665913.15985.19676.46758.74870.90370.95580.77150.83940.9054按的大小排序為：X3、X6、X2、X5、X4。以X3為基礎(chǔ)，順次加入其他變量逐步回歸。首先加入X6回歸結(jié)果為： t=(2.9086) (0.46214) 當取時，X6參數(shù)的t檢驗不顯著，予以剔除，加入X2回歸得 t=(4.2839) (2.1512) X2參數(shù)的t檢驗不顯著，予以剔除，加入X5回歸得t=(6.6446) (2.6584) X3、X5參數(shù)的t檢驗顯著，保留X5，再加入X4回歸得t=(3.944983) (4.692961) （3.06767） F=231.7935 DW=1.952587當取時，,X3、X4、X5系數(shù)的t檢驗都顯著，這是最后消除多重共線性的結(jié)果。這說明，在其他因素不變的情況下，當城鎮(zhèn)居民人均旅游支出和農(nóng)村居民人均旅游支出分別增長1