如何使用Eviews做輔助回歸來檢驗?zāi)Ｐ褪欠翊嬖诙嘀毓簿€性

本篇文章為大家展示了如何使用Eviews做輔助回歸來檢驗?zāi)Ｐ褪欠翊嬖诙嘀毓簿€性，內(nèi)容簡明扼要并且容易理解，絕對能使你眼前一亮，通過這篇文章的詳細(xì)介紹希望你能有所收獲。

成都創(chuàng)新互聯(lián)公司專注于網(wǎng)站建設(shè)，為客戶提供網(wǎng)站設(shè)計制作、做網(wǎng)站、網(wǎng)頁設(shè)計開發(fā)服務(wù)，多年建網(wǎng)站服務(wù)經(jīng)驗，各類網(wǎng)站都可以開發(fā)，品牌網(wǎng)站設(shè)計，公司官網(wǎng)，公司展示網(wǎng)站，網(wǎng)站設(shè)計，建網(wǎng)站費(fèi)用，建網(wǎng)站多少錢，價格優(yōu)惠，收費(fèi)合理。

回歸中的多重共線性是一個當(dāng)模型中一些預(yù)測變量與其他預(yù)測變量相關(guān)時發(fā)生的條件。嚴(yán)重的多重共線性可能會產(chǎn)生問題，因為它可以增大回歸系數(shù)的方差，使它們變得不穩(wěn)定。以下是不穩(wěn)定系數(shù)導(dǎo)致的一些后果：

• 即使預(yù)測變量和響應(yīng)之間存在顯著關(guān)系，系數(shù)也可能看起來并不顯著。

• 高度相關(guān)的預(yù)測變量的系數(shù)在樣本之間差異很大。

• 從模型中去除任何高度相關(guān)的項都將大幅影響其他高度相關(guān)項的估計系數(shù)。高度相關(guān)項的系數(shù)甚至?xí)e誤的符號。

對于模型的多重共線性可以用相關(guān)系數(shù)法、VIF法、輔助回歸法等去檢驗，這里著重說一下輔助回歸法。輔助回歸法是建立解釋變量之間的輔助回歸，去判斷解釋變量是否存在線性相關(guān)關(guān)系。以下面的數(shù)據(jù)為例：

首先用Eviews對數(shù)據(jù)進(jìn)行OLS回歸，得到結(jié)果：

從回歸結(jié)果可知，在顯著性水平為5%時，三個變量XI、X2、X3的t值分別為8.6476、       1.5653、-4.9971，與它們的自由度為（15-3）為12的自由度的臨界值t=1.782相比，除了變量X2，其他兩個變量都是統(tǒng)計顯著的，表明消費(fèi)水平與人均可支配收入與私人汽車擁有量線性相關(guān)，但是汽車總量卻沒有顯著相關(guān)，這與實際不太符合，而它們的總體檢驗又是顯著的，因此猜測是變量之間存在多重共線性。

接下來用Eviews做輔助回歸：

依次做變量X1對變量X2、X3的回歸，變量X2對X1，X3的回歸，變量X3對X1，X2的回歸，從回歸中得到相應(yīng)的R^2,并通過對R^2是否顯著等于0進(jìn)行F檢驗，運(yùn)用F=R^2/(K-1)除上（1-R^2）/(n-k)，判斷該解釋變量是否與其他解釋變量存在共線性。

做一個輔助回歸示例，剩下的兩個輔助回歸在計算機(jī)中獲得，即可得到：

三次回歸的結(jié)果R^2的值都很高（在0.9以上），說明變量X1、X2、X3都與其他變量共線性，盡管它們共線的程度不一樣。

而多重共線性是是一種樣本現(xiàn)象，沒有哪一種方法能夠徹底消除多重共線性，只能減弱共線性的程度，常用的補(bǔ)救方法通常有從模型中刪掉一個變量、獲取新的數(shù)據(jù)或者重新考慮模型形式。

上述內(nèi)容就是如何使用Eviews做輔助回歸來檢驗?zāi)Ｐ褪欠翊嬖诙嘀毓簿€性，你們學(xué)到知識或技能了嗎？如果還想學(xué)到更多技能或者豐富自己的知識儲備，歡迎關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道。

分享標(biāo)題：如何使用Eviews做輔助回歸來檢驗?zāi)Ｐ褪欠翊嬖诙嘀毓簿€性
新聞來源：http://m.jiaotiyi.com/article/jdhdcp.html