计量经济学多重共线性实验报告
多重共线性实验报告-lucas
多重共线性实验报告-l u c a s-CAL-FENGHAI.-(YICAI)-Company One1《计量经济学》实验报告四图6.4.1 Eviews 输出的回归结果分析：模型R 2=0.970391 0.9518852 R 可决系数很高，F 检验值52.43740，显著。
但当α=5%时，t 统计值=1.7613，X4和X5系数的t 检验不显著，同时X5的系数为负号不符合实际，这表明很可能存在多重共线性。
STEP2：检验计算各解释变量的相关系数，选择X1、X2、X3、X4、X5数据，点击“quick\group statistics\correlation ”的相关系数矩阵，见表6.4.1。
有相关系数矩阵可以看出：各解释变量相关之间的相关系数较高，证实存在严重多重共线性。
表6.4.1 自变量相关系数矩阵STEP3：消除多重共线性采用逐步回归的办法，检验和解决多重共线性问题。
分别作Y 对X1、X2、X3、X4、X5的一元回归，结果如表6.4.2。
Dependent Variable: Y Method: Least Squares Date: 05/12/03 Time: 13:56 Sample: 1974 1987 Included observations: 14Variable Coefficient Std. Error t-Statistic Prob.C -90.92074 19.32929 -4.703781 0.0005 X1 0.316925 0.026081 12.15161 0.0000R-squared 0.924841 Mean dependent var 142.7129 Adjusted R-squared 0.918578 S.D. dependent var 26.09805。
计量经济学 多重共线性 实验报告
实验报告1.实验目的改革开放以来，随着经济体制改革的深化和经济的快速增长，中国的财政收入状况发生很大变化。
中央和地方的财政收入1978年为1132.2亿元，到2007年已增长到51321.78亿元，为45.32525倍。
为了研究影响中国财政收入增长的主要原因，分析中央和地方财政收入增长的数量规律，预测中国财政收入未来的增长趋势，需要定量地分析影响中国财政收入增长的主要因素。
2.模型设定为了全面反映中国财政收入增长的全貌，选择包括中央和地方财政的“财政收入”作为被解释变量（用Y表示），以反映国家财政收入的增长；选择“农业增加值”作为农业经济增长水平的代表；“工业增加值”作为工业发展水平的代表；选择“建筑业增加值”来反映建筑业的增长；“总人口”来反映人口的增长；选择“最终消费”来表示随着经济的发展居民生活水平提高的水平；“受灾面积”作为因一些意外或自然因素等原因造成财政收入减少的代表。
这样，模型的解释变量设定为可以观测的“农业增加值”（用X2）表示、“工业增加值”（用X3表示）、“建筑业增加值”（用X4表示）、“总人口”（用X5表示）、“最终消费”（用X6表示）、“受灾面积”（用X7表示）。
本次实验报告数据从《中国统计年鉴2008》中取出，于《计量经济学》127页表4.13。
实验数据如下图所示(数据中的一部分)：经分析，考虑到以上各个解释变量与被解释变量之间的关系，为此设定如下形式的计量经济模型（其中，从经济意义上考虑，X2、X3、X4、X5、X6变量与t Y 成正比，因此它们所对应的参数应为正数，而受灾面积与财政收入是成反比，所以X7多对应的参数因为负数）：采用以上数据对模型进行OLS 回归，结果如下表所示：tt t t t t t t X X X X X X Y μβββββββ+++++++=7766554433221由此可见，该模型2R =0.994553, 2_R =0.993131,可决系数很高，F 检验值为699.8557，明显显著。
多元回归模型和多重共线性实验报告
《计量经济学》上机实验报告一题目：多元回归模型和多重共线性实验日期和时间：2013年4月18日班级：学号：姓名：实验室：实验楼104实验环境：Windows XP ; EViews 3.1实验目的：利用相关数据建立多元回归模型，分析在不同的经济条件下一定的要素对某个经济体发展的影响程度并建立一定的关系模型。
检验设定的模型是否存在多重共线性，分析产生多重共线性的原因及作用因素，并对存在多重共线性的模型进行必要的修正。
实验内容：1、中国进出口额Y、国内生产总值GDP、居民消费价格指数CPI，根据提供的模型估计参数，判断多重共线性是否存在，表述多重共线性的性质。
2、检验能源消费需求总量Y的影响因素，选取国民总收入X1、国内生产总值X2、工业增加值X3、建筑业增加值X4、交通运输邮电业增加值X5、人均生活电力消费X6和能源加工转换效率X7七个变量，模拟回归，检验修正多重共线性。
3、为什么会产生“农业的发展反而会减少财政收入”的异常结果，如何解决这种异常。
实验步骤：一、中国进出口额Y、国内生产总值GDP、居民消费价格指数CPI（一）建立多元回归模型，估计参数在命令窗口依次键入以下命令：1、建立工作文件：CREATE A 1985 20072：输入统计资料：DATA Y GDP CPI3、生成变量：GENR LNY=LOG(Y)GENR LNGDP=LOG(GDP)GENR LNCPI=LOG(CPI)4、建立回归模型：LS LNY C LNGDP LNCPI得出回归结果为：由此可见，该模型的参数形式为：LNŶt=-3.06+1.66LNGDP t-1.06LNCPI t，其中该模型R2=0.9922，R2=0.9914可决系数很高，F检验值1275.093，明显显著，且T检验的临界概率均非常小，回归效果较好。
（二）检验多重共线性利用简单相关系数法进行检验，输入命令COR LNY LNGDP LNCPI，得到相关系数矩阵：由相关系数矩阵可以看出，各解释变量相互之间的相关系数均很高，说明数据中存在严重的多重共线性。
计量经济学实验报告四---多重共线性
计量经济学实验报告四
[实验名称] 多重共线性
[实验目的] 用Eviews 软件检验模型的多重共线性.
[实验内容] (1)根据表列出的家庭消费支出Y与可支配收入X1和个人财富X2的统计数据,在Eviews软件下,OLS的估计结果为
所以模型为Yˆ=245.52+0.57X1-0.0058X2
（3.53）（0.79）（-0.08）
R2=0.962 F=88.845 D.W.=2.708
由拟合优度知,收入和财富一起解释了消费支出的96%.然而两者的t检验都在5%的显著性水平下是不显著的.不仅如此,财富变量的符号也与经济理论不相符合.但从F的检验值看,对收入与财富的参数同时为零的假设显然是拒绝的.因此,显著的F检验值与不显著t检验值,说明了收入与财富存在较高的相关性,使得无法分辨二者各自对消费的影响.只作消费支出关于收入的一元回归模型.如下
所以模型为Yˆ=244.55+0.509X1
(3.813)(14.24)
R2=0.962 F=202.87 D.W.=2.68
我们将上面模型与之相比,新引入的变量并没有带来拟合优度的显著变化,所以该引入的变量不是一个独立的解释变量.因此应该只作消费支出关于收入或财富的一元回归模型来对二元模型进行修正.。
实验报告多重共线性.doc
实验报告实验项目：非线性模型的线性化 课程名称：计量经济学 指导教师：王云 专业:市场营销 年级：2013级 学号：20135666060 姓名：林楚睿 实验地点：信息楼 实验日期：2015/10/15一、 实验S 的及要求利用计量经济学软件Evicws5.0处进行非线性回归模型的参数估计、检验和预测 二、 课本第七章课后习题第八题 三、 实验结果：(1)利用表中数据进行最小二乘估计 使用Eviews 得：EViews - [Equation: UNTITLED Workfile: UNTTLED\Untitled]d File Edit Object View Proc Quick Options WindowView I Proc I Object I Print | Name I Freeze | Estimate I Forecast! Stats I Resids IDependent Variable: Y Method: Least Squares Date: 10/16/15 Time: 13:43 Sample: 1 10 Included observations: 10Coefficient Std. Error t-Statistic ProbPath = c:\users\d 石头 \docume DB = non. WF = untit I e< A用普通最小二乘法求到的估计结果为f =3.914451 +0.060263 X, +0.089090 X ，-0 012598 %3 +0.007406 (2.004902) (1.245671) (2.396978)(-0.693309)(0.420498)/?2 =0.979655/?2 =0.963379DW=2.213879 F=60.18950给定显著水帄汉=0.05，回归系数估计值都没有显著性。
查F 分布表，得临界值为 /?005(4,6)=4.53,故 F=60.18950>4.53,回归方程显著。
计量经济学多元线性回归多重共线性异方差实验报告
计量经济学实验报告多元线性回归、多重共线性、异方差实验报告一、研究目的和要求：随着经济的发展，人们生活水平的提高，旅游业已经成为中国社会新的经济增长点。
旅游产业是一个关联性很强的综合产业，一次完整的旅游活动包括吃、住、行、游、购、娱六大要素，旅游产业的发展可以直接或者间接推动第三产业、第二产业和第一产业的发展。
尤其是假日旅游，有力刺激了居民消费而拉动内需。
2012年，我国全年国内旅游人数达到亿人次，同比增长%，国内旅游收入万亿元，同比增长%。
旅游业的发展不仅对增加就业和扩大内需起到重要的推动作用，优化产业结构，而且可以增加国家外汇收入，促进国际收支平衡，加强国家、地区间的文化交流。
为了研究影响旅游景区收入增长的主要原因，分析旅游收入增长规律，需要建立计量经济模型。
影响旅游业发展的因素很多，但据分析主要因素可能有国内和国际两个方面，因此在进行旅游景区收入分析模型设定时，引入城镇居民可支配收入和旅游外汇收入为解释变量。
旅游业很大程度上受其产业本身的发展水平和从业人数影响，固定资产和从业人数体现了旅游产业发展规模的内在影响因素，因此引入旅游景区固定资产和旅游业从业人数作为解释变量。
因此选取我国31个省市地区的旅游业相关数据进行定量分析我国旅游业发展的影响因素。
二、模型设定根据以上的分析，建立以下模型Y=β0+β1X1+β2X2+β3X3+β4X4+Ut参数说明：Y ——旅游景区营业收入/万元X1——旅游业从业人员/人X2——旅游景区固定资产/万元X3——旅游外汇收入/万美元X4——城镇居民可支配收入/元收集到的数据如下（见表）：表 2011年全国旅游景区营业收入及相关数据（按地区分）数据来源：1.中国统计年鉴2012，2.中国旅游年鉴2012。
三、参数估计利用做多元线性回归分析步骤如下：1、创建工作文件双击图标，进入其主页。
在主菜单中依次点击“File\New\Workfile”，出现对话框“Workfile Range”。
计量经济学Eviews多重共线性实验报告记录
计量经济学Eviews多重共线性实验报告记录————————————————————————————————作者：————————————————————————————————日期：实验报告课程名称计量经济学实验项目名称多重共线性班级与班级代码专业任课教师学号：姓名：实验日期：2014 年05 月11日广东商学院教务处制姓名实验报告成绩评语：指导教师（签名）年月日说明：指导教师评分后，实验报告交院（系）办公室保存。
计量经济学实验报告一、实验目的：掌握多元线性回归模型的估计方法、掌握多重共线性模型的识别和修正。
二、实验要求：应用教材第127页案例做多元线性回归模型，并识别和修正多重共线性。
三、实验原理：普通最小二乘法、简单相关系数检验法、综合判断法、逐步回归法。
四、预备知识：最小二乘法估计的原理、t检验、F检验、2R值。
五、实验步骤1、选择数据理论上认为影响能源消费需求总量的因素主要有经济发展水平、收入水平、产业发展、人民生活水平提高、能源转换技术等因素。
为此，收集了中国能源消费标准煤总量、国民总收入、国内生产总值GDP、工业增加值、建筑业增加值、交通运输邮电业增加值、人均生活电力消费、能源加工转换效率等1985——2007年的统计数据。
本题旨在通过建立这些经济变量的线性模型来说明影响能源消费需求总量的原因。
主要数据如下：1985~2007年统计数据年份能源消费国民总收入国内生产总值工业增加值建筑业增加值交通运输邮电增加值人均生活电力消费能源加工转换效率y X1 X2 X3 X4 X5 X6 X7 1985766829040.7 9016 3448.7 417.9 406.9 21.3 68.29 198680850 10274.4 10275.2 3967 525.7 475.6 23.2 68.32 198786632 12050.6 12058.6 4585.8 665.8 544.9 26.4 67.48 198892997 15036.8 15042.8 5777.2 810 661 31.2 66.54 198996934 17000.9 16992.3 6484 794 786 35.3 66.51 199098703 18718.3 18667.8 6858 859.4 1147.5 42.4 67.2 1991103783 21826.2 21781.5 8087.1 1015.1 1409.7 46.9 65.9 1992109170 26937.3 26923.5 10284.5 1415 1681.8 54.6 66.00 1993115993 35260 35333.9 14188 2266.5 2205.6 61.2 67.32 1994122737 48108.5 48197.9 19480.7 2964.7 2898.3 72.7 65.2 1995131176 59810.5 60793.7 24950.6 3728.8 3424.1 83.5 71.05 1996138948 70142.5 71176.6 29447.6 4387.4 4068.5 93.1 71.5 1997137798 77653.1 78973 32921.4 4621.6 4593 101.8 69.23 1998132214 83024.3 84402.3 34018.4 4985.8 5178.4 106.6 69.44 1999133831 88189 89677.1 35861.5 5172.1 5821.8 118.2 69.19 2000138553 98000.5 99214.6 40033.6 5522.3 7333.4 132.4 69.04 2001143199 108068.2 109655.2 43580.6 5931.7 8406.1 144.6 69.03 2002151797 119095.7 120332.7 47431.3 6465.5 9393.4 156.3 69.04 2003174990 135174 135822.8 54945.5 7490.8 10098.4 173.7 69.4 2004203227 159586.7 159878.3 65210 8694.3 12147.6 190.2 70.71 2005223319 183956.1 183084.8 76912.9 10133.8 10526.1 216.7 71.08 2006 246270 213131.7 211923.5 91310.9 11851.1 12481.1 249.4 71.242007 265583 251483.2 249529.9 107367.2 14014.1 14604.1 274.9 71.25资料来源：《中国统计年鉴》，中国统计出版社2000、2008年版。
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 19945218.1 9572.7 19480.7 2964.7 11985029242.2550431995 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。
计量经济学多重共线性实验报告
计量经济学实验报告一、实验目的：1、熟悉和掌握Eviews在多重共线性模型中的应用，如何判断和解决多重共线性问题。
2、加深对课程理论知识的理解和应用。
二、实验问题：农村居民各种不同类型的收入对消费支出影响（2006年）农村居民收入（Y）主要来源于4项：即农业经营收入（X1）、工资性收入（X2）、财产性收入（X3）及转移性收入（X4）。
（1）利用线性模型或双对数模型进行分析。
（2）回归模型中存在多重共线性吗？三、实验数据：由老师提供（本实验报告截取从北京到新疆共31组数据）四、实验步骤：1、建立新的工作文件，输入数据，分别保存为Y（农村居民收入），X1（农业经营收入）、X2（工资性收入）、X3（财产性收入）、及X4（转移性收入）。
2、建立线性模型：Y = a1*X1 + a2*X2 +a3*X3 + a4*X4 + u得到方程：Y = 0.6268809567*X1 + 0.481134931*X2 - 0.255544644*X3 + 2.683018467*X4 + 479.30109493、分析由图中数据可以看出，在最小二乘法下，模型的R平方和F值较大，表明模型中各解释变量对Y的联合线性作用显著；但是X3（财产性收入）的系数是负的，这不符合经济学意义，财产性收入应当与消费支出正相关，故怀疑模型存在多重共线性。
4、检验：计算解释变量之间的简单相关系数：在“quick”菜单中选“group statistics”项中的“correlation”命令。
在出现“serieslist”对话框时，直接输入X1，X2，X3，X4出现如下结果从表中可以看出，解释变量X1、X3、X4之间存在高度线性相关。
4、修正第一步：运用OLS方法逐一求Y对各个解释变量的回归。
（1）Y = 0.8997862236*X1 + 1541.033294t值 15.32947 12.29913prob.值 0.0000 0.0000R2=0.890148 F=234.9925（2）Y = 0.2487123305*X2 + 2505.747921t值 0.527219 2.676297prob.值 0.6021 0.0121R2= 0.009494 F=0.277960（3）Y = 8.049228785*X3 + 1943.170851t值 9.28666 11.56389prob.值 0.0000 0.0000R2=0.748356 F= 86.24206（4）Y = 5.928884198*X4 + 1631.299987t值 9.212266 8.434353prob.值 0.0000 0.0000R2= 0.745314 F=84.86584结合经济意义和统计检验结果分析，在4个一元回归模型中消费支出Y对X1工资性收入线性关系最强，拟合程度较好，与经验相符，因此选（1）为初始的回归模型。
实验报告多重共线性
西南科技大学Southwest University of Science and Technology 经济管理学院计量经济学实验报告——多元线性回归的检验专业班级：国贸0903姓名：王鑫学号： 20092438任课教师：龙林成绩：简单线性回归模型的处理实验目的：掌握多元回归参数的估计和检验的处理方法。
实验要求：学会建立模型，估计模型中的未知参数等。
试验用软件：Eviews实验原理：线性回归模型的最小二乘估计、回归系数的估计和检验。
实验内容：1、实验用样本数据：运用Eviews软件，建立1990—2001年中国国内生产总值X和深圳市收入Y的回归模型，做简单线性回归分析，并对回归结果进行检验。
以研究我国国内生产总值对深圳市收入的影响。
年份地方预算内财政收入Y（亿元）国内生产总值(GDP)X（亿元）1990 21.7037 171.6665 1991 27.3291 236.6630 1992 42.9599 317.3194 1993 67.2507 449.2889 1994 74.3992 615.1933 1995 88.0174 795.6950 1996 131.7490 950.0446 1997 144.7709 1130.0133 1998 164.9067 1289.0190 1999 184.7908 1436.0267 2000 225.0212 1665.4652 2001 265.6532 1954.6539经过简单的回归分析后得出表EQ1：Dependent Variable: YMethod: Least SquaresDate: 11/28/11 Time: 18:31Sample: 1990 2001Included observations: 12Variable CoefficientStd. Error t-Statistic Prob.C -3.611151 4.161790 -0.867692 0.4059X 0.134582 0.003867 34.80013 0.0000 R-squared 0.991810 Mean dependent var 119.8793 Adjusted R-squared 0.990991 S.D. dependent var 79.36124S.E. of regression 7.532484 Akaike infocriterion 7.027338Sum squared resid 567.3831 Schwarz criterion 7.108156Log likelihood -40.16403 F-statistic 1211.049Durbin-Watson stat 2.051640 Prob(F-statistic) 0.00000其中拟合优度为：0.991810有很强的线性关系。
计量经济学实验六 多重共线性
计量经济学实验报告学院：信管学院专业：实验编号：实验六实验题目：多重共线性姓名：学号：指导老师：实验六多重共线性【实验目的】掌握多重共线性的检验及处理方法【实验内容】建立并检验我国钢材产量预测模型【实验步骤】数据来源：国家统计局→国家统计年鉴2012数据（/tjsj/ndsj/2012/indexch.htm）→1、工业（各地区工业产品产量Y/X1/X2）2、固定资产投资（全社会固定资产投资X3）3、国民经济核算（国内生产总值X4）4、运输和邮电（货运量X5）【例1】表1是1995－2011年我国钢材产量（万吨）、生铁产量（万吨）、发电量（亿千瓦时）、固定资产投资（亿元）、国内生产总值（亿元）、铁路运输量（万吨）的统计资料。
一、检验多重共线性⒈相关系数检验利用相关系数可以分析解释变量之间的两两相关情况。
在Eviews软件中可以直接计算相关系数矩阵。
本例中，在Eviews软件命令窗口中键入：COR Y X1 X2 X3 X4 X5或在包含所有解释变量的数组窗口中点击View\Correlations，其结果如图1所示。
由相关系数矩阵可以看出，解释变量之间的相关系数均为0.95以上，即解释变量之间时高度相关的。
图1 解释变量相关系数矩阵⒉辅助回归方程检验当解释变量多余两个且变量之间呈现出较复杂的相关关系时，可以通过建立辅助回归模型来检验多重共线性。
本例中，在Eviews软件命令窗口中键入：LS X1 C X2 X3 X4 X5LS X2 C X1 X3 X4 X5LS X3 C X1 X2 X4 X5LS X4 C X1 X2 X3 X5LS X5 C X1 X2 X3 X4对应的回归结果如图2－6所示。
图2图3图4图5图6上述每个回归方程的F检验值都非常显著，方程回归系数的T检验值表明：X1与X5、X2与X3、X3与X5、X4与X5、X5与X1、X3、X4的T检验值较小，这些变量之间可能不相关或相关程度较小。
多重共线性实训报告
一、实训背景多重共线性是指回归模型中存在两个或两个以上的自变量高度相关，导致回归系数估计不准确、显著性检验失效等问题。
为了解决多重共线性问题，我们进行了一次多重共线性实训，通过实际操作，了解和掌握多重共线性的检验方法和解决策略。
二、实训目的1. 理解多重共线性的概念和产生原因；2. 掌握多重共线性的检验方法；3. 学习解决多重共线性的策略；4. 培养实际操作能力和问题解决能力。
三、实训内容1. 数据收集与整理本次实训选用某地区居民消费支出数据作为研究对象，数据包括居民收入、教育支出、医疗支出、娱乐支出等变量。
2. 数据分析（1）多重共线性检验采用方差膨胀因子（VIF）和条件指数（CI）对数据进行多重共线性检验。
VIF值越大，表示多重共线性程度越高；CI值越小，表示多重共线性程度越低。
（2）解决多重共线性策略针对检验出的多重共线性问题，采取以下策略进行解决：1）剔除高度相关的变量：通过VIF和CI筛选出高度相关的变量，并将其剔除。
2）主成分分析（PCA）：将高度相关的变量通过主成分分析转换为低维变量，降低多重共线性。
3）岭回归：在回归模型中引入岭参数，对回归系数进行惩罚，降低多重共线性。
四、实训过程1. 数据导入与预处理首先，将数据导入统计软件（如SPSS、R等），然后进行数据清洗，包括处理缺失值、异常值等。
2. 多重共线性检验（1）计算VIF和CI通过软件中的相关系数矩阵，计算每个变量的VIF和CI值。
（2）筛选出高度相关的变量根据VIF和CI值，筛选出高度相关的变量。
3. 解决多重共线性问题（1）剔除高度相关的变量根据筛选结果，将高度相关的变量从模型中剔除。
（2）主成分分析对剩余变量进行主成分分析，将高度相关的变量转换为低维变量。
（3）岭回归在回归模型中引入岭参数，对回归系数进行惩罚。
4. 结果分析通过上述处理，多重共线性问题得到有效解决。
对比处理前后的回归系数，发现回归系数估计更加准确，显著性检验更加有效。
计量经济学实验四-多重共线性的检验与修正
《计量经济学》实验报告四开课实验室：财经科学实验室年月日班级：学号：姓名：实验项目名称：多重共线性的检验与修正成绩：实验性质：验证性□综合性□设计性指导教师签字：【实验目的】掌握多重共线性的检验与修正方法并能运用Eviews软件进行实现【实验要求】能根据OLS的估计结果判断是否存在多重共线性，熟悉逐步回归法修正模型的基本操作步骤，读懂各项上机榆出结果的含义并能进行分析【实验软件】 Eviews 软件【实验内容】根据给定的案例数据按实验要求进行操作【实验方案与进度】实验：设蔬菜销售量Y与人口（X1）、价格（X2）、粮食（X3）、收入（X4）、副食（X5）Dependent Variable: Y Method: Least Squares Date: 06/03/13 Time: 16:48 Sample: 1978 1996 Included observations: 19Variable Coefficient Std. Error t-Statistic Prob. C -1.530260 6.006901 -0.254750 0.8032 X1 0.014649 0.002923 5.012107 0.0003 X2 -0.702775 0.254521 -2.761169 0.0172 X3 0.060321 0.027575 2.187545 0.0492 X4 0.119825 0.036991 3.239290 0.0071 X5 0.018081 0.026022 0.694816 0.5004 X60.0922660.0542651.7003020.1148 R-squared0.986169 Mean dependent var 9.091579 Adjusted R-squared 0.979254 S.D. dependent var 1.717935 S.E. of regression 0.247442 Akaike info criterion 0.322027 Sum squared resid 0.734730 Schwarz criterion 0.669979 Log likelihood 3.940740 F-statistic 142.6067 Durbin-Watson stat2.292164 Prob(F-statistic)0.000000123456-1.5300.0150.7030.0600.120.0180.092t t t t t t t t Y X X X X X X u =+-+++++（2）方程线性显著性检验由（1）表中的数据可知F 统计量的值为142.6067，查表得0.05(6,12)F =3，显然142.6067>0.05(6,12)F =3，说明方程具有线性显著性。
多重共线性检验实训报告
一、实训背景在计量经济学和统计分析中，多重共线性是指模型中的多个自变量之间存在高度的相关性。
这种相关性会导致回归系数估计的不稳定，影响模型的预测能力和解释力。
因此，对多重共线性进行检验和修正对于确保模型的准确性和可靠性至关重要。
本实训旨在通过实际操作，学习如何使用SPSS软件进行多重共线性检验，并探讨相应的修正方法。
二、实训目的1. 理解多重共线性的概念及其对模型的影响。
2. 掌握使用SPSS软件进行多重共线性检验的方法。
3. 学习识别多重共线性的存在，并掌握相应的修正方法。
4. 提高对计量经济学模型诊断和修正的实际操作能力。
三、实训内容1. 数据准备本实训使用的数据集为某城市房价与多个影响因素的相关数据，包括房价（被解释变量）和收入、教育水平、交通便利性、周边设施等（解释变量）。
2. SPSS软件操作（1）数据导入首先，将数据集导入SPSS软件。
在SPSS界面中，点击“文件”菜单，选择“打开”，找到数据文件并导入。
（2）多重共线性检验导入数据后，进行以下操作：a. 点击“分析”菜单，选择“回归”，再选择“线性”。
b. 将被解释变量拖入“因变量”框，将解释变量拖入“自变量”框。
c. 点击“统计”菜单，选择“共线性诊断”。
d. 点击“继续”，然后点击“确定”。
（3）结果分析SPSS会自动计算并显示多重共线性的检验结果，主要包括方差膨胀因子（VIF）和容忍度（Tolerance）。
3. 结果分析（1）方差膨胀因子（VIF）VIF用于衡量变量之间相关性的程度。
一般来说，VIF值大于10表示存在多重共线性问题。
本实训中，我们发现收入、教育水平和交通便利性三个变量的VIF值均大于10，说明这三个变量之间存在严重的多重共线性。
（2）容忍度（Tolerance）容忍度是VIF的倒数，用于衡量变量之间独立性的程度。
一般来说，容忍度值小于0.1表示存在多重共线性问题。
本实训中，我们发现收入、教育水平和交通便利性的容忍度值均小于0.1，进一步证实了这三个变量之间存在多重共线性。
计量经济学多Eviews软件重共线性实验报告
多重共线性实验报告武颖经济统计学一、实验目的：掌握多元线性回归模型的估计方法、掌握多重共线性模型的识别和修正。
二、实验要求：应用教材第119页案例做多元线性回归模型，并识别和修正多重共线性。
三、实验原理：普通最小二乘法、简单相关系数检验法、综合判断法、逐步回归法。
四、预备知识：最小二乘法估计的原理、t 检验、F 检验、2R 值。
五、实验步骤1．假定模型：设定并估计多元线性回归模型tt t t t t t u X X X X X Y ++++++=66554433221ββββββ2.录入数据：国内旅游收入为Y ,国内旅游人数为X2，城镇居民人均旅游支出为X3，农村居民人均旅游费用为X4，公路里程为X5，铁路里程为X6.3.回归结果：在Eview行输入LS Y C XX3 X4 X5 X6，得到回归结果2模型估计结果为：Yt=-274.3773+0.013088X2+5.438193X3+3.271773X4-563.1077X5+12.98624X6(1316.690) (0.012692) (1.380395) (0.944215) (4.177929) (321.2830)t=(-0.208384)(1.031172)(3.939591)(3.465073)(3.108296)(-1.752685)R2=0.995406 F=173.35254.模型检验：该模型R2=0.995406，R2=0.989664，可决系数很高，F检验值为173.3525，明显显著。
假设显著性水平α=0.05，X2>0.05，X6>0.05，接受原假设，可能存在严重的多重共线性六．多重共线性的识别（1）得到解释变量的相关系数矩阵将解释变量x2、x3、x4、x5、x6选中，双击选择Open Group（或点击右键，选择Open/as Group），然后再点击View/covariance analysis/Correlation/Common Sample，即可得出相关系数再点击表顶部的Freeze,可得一个Table类型独立的object.由相关系数矩阵可以看出，各解释变量相互之间的相关系数较高，特别是x2和x3之间高度相关，证实解释变量之间存在多重共线性。
多重共线性报告
X2
0.350957
0.032458
10.81268
0.0000
X3
0.961283
0.010745
89.46635
0.0000
R-squared
0.997993
Mean dependent var
154036.3
Adjusted R-squared
0.997868
S.D. dependent var
Durbin-Watson stat
1.101518
Prob(F-statistic)
0.000000
得到回归方程为
（10.8）（89.5）
F=18.49
该模型中系数均显著，并且符号正确，虽然解释变量之间仍然存在高度线性关系，但多重共线性并没有造成不利后果，所以该模型是最好的能源需求方程。
六、实验结果及分析
443.8802
-0.644079
0.5307
X2
0.646998
0.294263
2.198708
0.0466
X3
0.948682
0.077974
12.16659
0.0000
X4
-1.756808
2.346367
-0.748735
0.4673
R-squared
0.998515
Mean dependent var
43.90
91310.90
221056.00
11759.50
2007
265583.00
44.94
107367.20
235445.00
13785.80
二、模型基本假设
计量经济学实验报告(多元线性回归分析)
计量经济学实验报告(多元线性回归分析)实验2：多元线性回归分析实验目的:学习利用Eviews建立多元线性回归模型，研究64国家婴儿死亡率与妇女文盲率之间的关系。
一、实验内容:1、先验的预期CM和各个变量之间的关系.2、做CM对FLR的回归，得到回归结果。
3、做CM对FLR和PGNP的回归，得到回归结果。
4、做CM对FLR，PGNP和TFR的回归结果，并给出ANOVA。
5、根据各种回归结果，选择哪个模型？为什么?6、如果回归模型（4）是正确的模型,但却估计了（2）或（3)，会有什么后果?7、假定做了（2）的回归，如何决定增加变量PGNP和TFR？使用了哪种检验？给出必要的计算结果。
二、实验报告———-多元线性回归分析1、问题提出婴儿死亡率（CM)是指婴儿出生后不满周岁死亡人数同出生人数的比率.一般以年度为计算单位，以千分比表示。
婴儿死亡率是反映一个国家和民族的居民健康水平和社会经济发展水平的重要指标,特别是妇幼保健工作水平的重要指标。
婴儿死亡率(CM）的高低是一个国家或地区社会经济多方面因素协调发展的结果。
由于世界各国婴儿死亡率差别很大,所以就64个国家社会综合发展状况，针对性的研究婴儿死亡率（CM）与女性识字率（FLR）、人均GNP（PGNP）、总生育率（TFR)之间的关系2.指标选择本次实验研究婴儿死亡率与妇女文盲率之间的关系，故应采用婴儿死亡率（CM）和女性识字率（FLR）作为指标。
但影响婴儿死亡率的因素较复杂，尤其是经济发展状况、总生育率等也会对其产生重要影响，考虑到实验的准确性，故引入人均GNP（PGNP）和总生育率（TFR)相关数据。
3。
数据来源数据来源：教师提供4。
数据处理此次实验可直接使用数据，无需进行数据处理。
5。
先验的预期CM 和各个变量之间的关系 【题1】 5-1预期CM 与FLR 存在负相关关系。
一方面，女性受教育程度越高,其知识越丰富，自我保护意识和能力就越强，则更善于保护自己和婴儿；另一方面,女性教育程度越高，其就业机会与收入获得途径就越多，可以更好的保障自己和婴儿的生活.因此，我们预期FLR 的提高会导致CM 降低。
计量经济学实验报告 多重共线性检验
计量经济学上机实验报告多重共线性检验实验背景近年来，中国旅游业一直保持高速发展，旅游业作为国民经济新的增长点，在整个社会经济发展中的作用日益显现。
中国的旅游业分为国内旅游和入境旅游两大市场，入境旅游外汇收入年均增长22.6%，与此同时国内旅游也迅速增长。
改革开放20多年来，特别是进入90年代后，中国的国内旅游收入年均增长14.4%，远高于同期GDP 9.76%的增长率。
为了规划中国未来旅游产业的发展，需要定量地分析影响中国旅游市场发展的主要因素。
模型•其中，•Yt——第t年全国旅游收入•X2——国内旅游人数（万人）•X3——城镇居民人均旅游支出（元）•X4——农村居民人均旅游支出（元）•X5——公路里程（万公里）•X6——铁路里程（万公里）Y = 0.0639689468*X2 + 0.2098186372*X3 + 5.283346538*X4 - 3.352906602*X5 - 53.38584085*X6 - 2220.150544数据来源中国统计局网站样本区间1994——2009实验过程及结果（一）实证结果Dependent Variable: YMethod: Least SquaresDate: 04/06/11 Time: 15:49Sample: 1994 2009Included observations: 16Variable Coefficient Std. Error t-Statistic Prob.X2 0.063969 0.007714 8.292875 0.0000X3 0.209819 1.319292 0.159039 0.8768X4 5.283347 1.918838 2.753409 0.0204X5 -3.352907 2.376484 -1.410869 0.1886X6 -53.38584 434.6829 -0.122816 0.9047C -2220.151 2210.044 -1.004573 0.3388R-squared 0.994274 Mean dependent var 4270.119Adjusted R-squared 0.991411 S.D. dependent var 2720.860S.E. of regression 252.1678 Akaike info criterion 14.17806Sum squared resid 635886.0 Schwarz criterion 14.46778Log likelihood -107.4245 F-statistic 347.2644Durbin-Watson stat 1.224560 Prob(F-statistic) 0.000000R2很高，F显著，但x3、x5、x6不显著，X5、X6的符号甚至是负的。
多重共线性试验报告
由上表可以看出，解释变量之间相关系数至少为0.824076大于0.8经比较可知，新加入X5的回归模型Y=f(x2,x5)，X5回归系数为负，不符合实际的经济意义且检验不通过；新加入X3的回归模型Y=f(x2,x3)及新加入X4的回归模型Y=f(x2,x4)但X3和X4回归系数的T检验不通过；新加入X2的回归模型Y=f(x2,x1)回归系数T检验通过，而且2R比一元回归模型Y=f(x2) 的2R提高，因此，为最优的二元回归模型，以此为基础，建立三元回归模型：Ls y c x2 x1 x3在X2、X1基础上，加入X3后的回归模型y=f( x2, x1, x3)，2R有所下降，且检验不显著；加入X4或X5后回归模型y =f(x2, x1 ,x4)或y =f( x2, x1, x5)回归系数T检验不显著，甚至X4的回归系数也不符合经济理论分析和经验判断；加入y =f( x2, x1, x5)与加入X4后的回归模型相同，X5回归系数经济意义不合理且相较而言加入X3后的回归模型y=f( x2, x1, x3)其回归系数经济合理，果，以此为基础，建立四元回归模型：经检验X4和X5的回归系数符号为负值，且X1与X5的T检验不显著。
逐步回归估计结果表：X2 X1 X3 X4 X5 2RY=f(x2) 0.8841(62.4859)0.9952Y=f(x2,x1) 0.4872(4.3234) 0.4159(3.5394)0.997047Y=f(x2,x3) 0.8066 0.053765 0.995251White Heteroskedasticity Test:F-statistic 0.900543 Probability 0.489763 Obs*R-squared 3.888230 Probability 0.421344例5．服装需求函数。
根据理论和经验分析，影响居民服装需求Y的主要因素有：可支配收入X、流动资产拥有量K、服装类价格指数P1和总物价指数P0 ，统计资料如下。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
计量经济学实验报告
一、实验目的：
1、熟悉和掌握Eviews在多重共线性模型中的应用，如何判断和解决多重共线性问题。
2、加深对课程理论知识的理解和应用。
二、实验问题：农村居民各种不同类型的收入对消费支出影响（2006年）
农村居民收入（Y）主要来源于4项：即农业经营收入（X1）、工资性收入（X2）、财产性收入（X3）及转移性收入（X4）。
（1）利用线性模型或双对数模型进行分析。
（2）回归模型中存在多重共线性吗？
三、实验数据：由老师提供（本实验报告截取从北京到新疆共31组数据）
四、实验步骤：
1、建立新的工作文件，输入数据，分别保存为Y（农村居民收入），X1（农业经营收入）、X2（工资性收入）、X3（财产性收入）、及X4（转移性收入）。
2、建立线性模型：Y = a1*X1 + a2*X2 +a3*X3 + a4*X4 + u
得到方程：
Y = 0.6268809567*X1 + 0.481134931*X2 - 0.255544644*X3 + 2.683018467*X4 + 479.3010949
3、分析
由图中数据可以看出，在最小二乘法下，模型的R平方和F值较大，表明模型中各解释变量对Y的联合线性作用显著；
但是X3（财产性收入）的系数是负的，这不符合经济学意义，财产性收入应当
与消费支出正相关，故怀疑模型存在多重共线性。
4、检验：
计算解释变量之间的简单相关系数：
在“quick”菜单中选“group statistics”项中的“correlation”命令。
在出现“serieslist”对话框时，直接输入X1，X2，X3，X4出现如下结果
从表中可以看出，解释变量X1、X3、X4之间存在高度线性相关。
4、修正
第一步：运用OLS方法逐一求Y对各个解释变量的回归。
（1）Y = 0.8997862236*X1 + 1541.033294
t值 15.32947 12.29913
prob.值 0.0000 0.0000
R2=0.890148 F=234.9925
（2）Y = 0.2487123305*X2 + 2505.747921
t值 0.527219 2.676297
prob.值 0.6021 0.0121
R2= 0.009494 F=0.277960
（3）Y = 8.049228785*X3 + 1943.170851
t值 9.28666 11.56389
prob.值 0.0000 0.0000
R2=0.748356 F= 86.24206
（4）Y = 5.928884198*X4 + 1631.299987
t值 9.212266 8.434353
prob.值 0.0000 0.0000
R2= 0.745314 F=84.86584
结合经济意义和统计检验结果分析，在4个一元回归模型中消费支出Y对X1工资性收入线性关系最强，拟合程度较好，与经验相符，因此选（1）为初始的回归模型。
第二步：逐步回归
将其余解释变量逐一代入
（1）引入X2
Y = 0.9033867038*X1 + 0.3212451305*X2 + 920.6232678
T值 16.33889 2.170785 2.977523
prob.值 0.0000 0.0386 0.0059
R2=0.905973 F=134.8932
拟合优度有所提高，参数符号合理，变量也通过了t检验和F检验。
（2）引入X3
Y = 0.7313516819*X1 + 0.3030394166*X2 + 1.970932642*X3 + 976.6160929 T值 7.313605 2.153181 2.020999 3.313313 prob.值 0.0000 0.0404 0.0533 0.0026
R2= 0.918328 F=101.1967
虽然拟合优度较高，但是X2没能通过显著性检验，X3的t值小于T0.025(26)=2.056，没能通过显著性检验。
(3)去掉X3，引入X4
Y = 0.615501104*X1 + 0.4730145849*X2 + 2.584917405*X4 + 502.4318619
T值 8.852183 4.229410 5.078694 2.095590 prob.值 0.0000 0.0002 0.0000 0.0456
R2=0.951912 F=178.1557
拟合优度提高，且参数符号合理，各解释变量也通过了t检验。
第三步：得出结论：证明X3是多余的。
因此，最终的消费支出函数应以Y=f（X1，X2，X4）为最优，拟合结果如下：
Y = 0.615501104*X1 + 0.4730145849*X2 + 2.584917405*X4 + 502.4318619
二、实验总结：
（一）多元线性回归模型的经典假设之一就是解释变量之间不存在线性关系，但在实际的研究工作中，多元线性回归模型中的解释变量往往存在程度不同的线性相关关系，主要原因有：
（1）经济变量之间往往存在同方向的变化趋势。
在实际经济生活中，许多经济变量会受相同因素的影响而出现同时上升或者同时下降的变化趋势，这就使得它们之间容易产生多重共线性。
（2）滞后变量的引入。
因为滞后变量从经济性质上看与原来的变量没有什么本质区别，只是时间上有所不同，从经济意义上看这些变量之间的关联度比较紧密，变量的各期值之间很可能是高度相关的，所以含有滞后变量的模型一般都存在多重共线性。
（3）样本资料的限制。
由于完全符合理论模型所要求的样本数据较难收集，在现有数据条件下，特定样本可能存在某种程度的多重共线性。
（二）严重多重共线性的不良后果：
（1）增大最小二乘估计量的方差；
随着多重共线性程度的增强，OLS参数估计量的方差将成倍增长。
（2）参数估计量经济含义不合理；
经验告诉我们，在多元线性回归模型的估计中，如果出现参数估计值的经济意义明显不合理的情况，应该首先怀疑是否存在多重共线性。
（3）可能导致在假设检验中舍去重要的解释变量，检验的可靠性降低。
存在多重共线性时，参数估计值的方差和标准差变大，从而容易使通过样本计算的t值小于临界值，误导作出参数为零的推断，可能将重要的解释变量排除在模型之外。