EViews计量经济学实验报告-多重共线性的诊断与修正

时间 地点 实验题目 多重共线性的诊断与修正

一、实验目的与要求：

要求目的：1、对多元线性回归模型的多重共线性的诊断；

2、对多元线性回归模型的多重共线性的修正。

二、实验内容

根据书上第四章引子“农业的发展反而会减少财政收入”，1978－2007年的财政收入，农业增加值，工业增加值，建筑业增加值等数据，运用EV 软件，做回归分析，判断是否存在多重共线性，以及修正。

三、实验过程：（实践过程、实践所有参数与指标、理论依据说明等）

（一）模型设定及其估计

经分析，影响财政收入的主要因素，除了农业增加值，工业增加值，建筑业增加值以外，还可能与总人口等因素有关。研究“农业的发展反而会减少财政收入”这个问题。

设定如下形式的计量经济模型：i Y =1β+2β2X +3β3X +4β4X +5β5X +6β6X +7β7X +i μ

其中，i Y 为财政收入CS/亿元；2X 为农业增加值NZ/亿元；3X 为工业增加值GZ/亿元；4X 为建筑业增加值JZZ/亿元；

5X 为总人口TPOP/万人；6X 为最终消费CUM/亿元；7X 为受灾面积SZM/千公顷。

图1： 1978～2007年财政收入及其影响因素数据

年份

财政收入CS/亿元 农业增加值NZ/亿元 工业增加值GZ/亿元 建筑业

增加值

JZZ/亿

元

总人口

TPOP/万

人

最终消费

CUM/亿元

受灾面

积SZM/

千公顷 1978 1132.3 1027.5 1607 138.2 96259 2239.1 50790 1979 1146.4 1270.2 1769.7 143.8 97542 2633.7 39370 1980 1159.9 1371.6 1996.5 195.5 98705 3007.9 44526 1981 1175.8 1559.5 2048.4 207.1 100072 3361.5 39790 1982 1212.3 1777.4 2162.3 220.7 101654 3714.8 33130 1983 1367 1978.4 2375.6 270.6 103008 4126.4 34710 1984 1642.9 2316.1 2789 316.7 104357 4846.3 31890 1985 2004.8 2564.4 3448.7 417.9 105851 5986.3 44365 1986 2122 2788.7 3967 525.7 107507 6821.8 47140 1987 2199.4 3233 4585.8 665.8 109300 7804.6 42090 1988 2357.2 3865.4 5777.2 810 111026 9839.5 50870 1989 2664.9 4265.9 6484 794 112704 11164.2 46991 1990 2937.1 5062 6858 859.4 114333 12090.5 38474 1991 3149.48 5342.2 8087.1 1015.1 115823 14091.9 55472 1992 3483.37 5866.6 10284.5 1415 117171 17203.3 51333 1993 4348.95 6963.8 14188 2266.5 118517 21899.9 48829 1994

5218.1 9572.7 19480.7 2964.7 119850

29242.2

55043

1995 6242.2 12135.8 24950.6 3728.8 121121 36748.2 45821 1996 7407.99 14015.4 29447.6 4387.4 122389 43919.5 46989 1997 8651.14 14441.9 32921.4 4621.6 123626 48140.6 53429 1998 9875.95 14817.6 34018.4 4985.8 124761 51588.2 50145 1999 11444.08 14770 35861.5 5172.1 125786 55636.9 49981 2000 13395.23 14944.7 40036 5522.3 126743 61516 54688 2001 16386.04 15781.3 43580.6 5931.7 127627 66878.3 52215 2002 18903.64 16537 47431.3 6465.5 128453 71691.2 47119 2003 21715.25 17381.7 54945.5 7490.8 129227 77449.5 54506 2004 26396.47 21412.7 65210 8694.3 129988 87032.9 37106 2005 31649.29 22420 76912.9 10133.8 130756 96918.1 38818 2006 38760.2 24040 91310.9 11851.1 131448 110595.3 41091 2007 51321.78 28095 107367.2 14014.1 132129 128444.6 48992

利用EV 软件，生成i Y 、2X 、3X 、4X 、5X 、6X 、7X 等数据，采用这些数据对模型进行OLS 回归。

（二）诊断多重共线性

1、双击“Eviews ”，进入主页。输入数据：点击主菜单中的File/Open /EV Workfile —Excel —多重共线性的数据.xls ；

2、在EV 主页界面的窗口，输入“ls y c x2 x3 x4 x5 x6 x7”，按“Enter ”.出现OLS 回归结果,图2： 图2： OLS 回归结果

Dependent Variable: Y Method: Least Squares Date: 10/12/10 Time: 17:07 Sample: 1978 2007 Included observations: 30

Variable Coefficient Std. Error t-Statistic Prob. C -6646.694 6454.156 -1.029832 0.3138 X2 -0.970688 0.330409 -2.937841 0.0074 X3 1.084654 0.228521 4.746397 0.0001 X4 -2.763928 2.076994 -1.330735 0.1963 X5 0.077613 0.067974 1.141808 0.2653 X6 -0.047119 0.081509 -0.578084 0.5688 X7

0.007580

0.035039

0.216329

0.8306

R-squared 0.994565 Mean dependent var 10049.04 Adjusted R-squared 0.993147 S.D. dependent var 12585.51 S.E. of regression 1041.849 Akaike info criterion 16.93634 Sum squared resid 24965329 Schwarz criterion 17.26329 Log likelihood -247.0452 F-statistic 701.4747 Durbin-Watson stat 2.167410 Prob(F-statistic)

0.000000