《多重共线性逐步回归案例分析》由会员分享，可在线阅读，更多相关《多重共线性逐步回归案例分析（4页珍藏版）》请在金锄头文库上搜索。
1、多重共线性的估计和消除 一，研究对象 影响中国旅游市场发展的主要因素。二、模型设定及其估计 经分析，影响国内旅游市场收入的主要因素，除了国内旅游人数和旅游支出以外，还可能与相关基础设施有关。为此，考虑的影响因素主要有国内旅游人数，城镇居民人均旅游支出，农村居民人均旅游支出，并以公路里程和铁路里程作为相关基础设施的代表。为此设定了如下对数形式的计量经济模型：其中 ：第t年全国旅游收入国内旅游人数 （万人）城镇居民人均旅游支出 （元）农村居民人均旅游支出 （元）公路里程（万公里）铁路里程（万公里） 为估计模型参数，收集旅游事业发展最快的19942003年的统计数据，如表4.2所示：表4.2 199
2、4年2003年中国旅游收入及相关数据年份国内旅游收入Y（亿元）国内旅游人数X2（万人次）城镇居民人均旅游支出X3（元）农村居民人均旅游支出X4 （元）公路里程 X5（万公里）铁路里程X6（万公里）19941023.552400414.754.9111.785.9019951375.762900464.061.5115.705.9719961638.463900534.170.5118.586.4919972112.764400599.8145.7122.646.6019982391.269450607.0197.0127.856.6419992831.971900614.8249.5135.1
3、76.7420003175.574400678.6226.6140.276.8720013522.478400708.3212.7169.807.0120023878.487800739.7209.1176.527.1920033442.387000684.9200.0180.987.30数据来源:中国统计年鉴2004利用Eviews软件，输入Y、X2、X3、X4、X5、X6等数据，采用这些数据对模型进行OLS回归，结果如表4.3： 表4.3由此可见，该模型，可决系数很高，F检验值173.3525,明显显著。但是当时,不仅、系数的t检验不显著，而且系数的符号与预期的相反，这表明很可能存在严重的
4、多重共线性。计算各解释变量的相关系数，选择X2、X3、X4、X5、X6数据，点”view/correlations”得相关系数矩阵（如表4.4）：表4.4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，证实确实存在严重多重共线性。三、消除多重共线性采用逐步回归的办法，去检验和解决多重共线性问题。分别作Y对X2、X3、X4、X5、X6的一元回归，结果如表4.5所示：表4.5变量X2X3X4X5X6参数估计值0.08429.052311.667334.33242014.146t 统计量8.665913.15985.19676.46758.74870.90370.95580.77150.
5、83940.9054按的大小排序为：X3、X6、X2、X5、X4。以X3为基础，顺次加入其他变量逐步回归。首先加入X6回归结果为： t=(2.9086) (0.46214) 当取时，X6参数的t检验不显著，予以剔除，加入X2回归得 t=(4.2839) (2.1512) X2参数的t检验不显著，予以剔除，加入X5回归得t=(6.6446) (2.6584) X3、X5参数的t检验显著，保留X5，再加入X4回归得t=(3.944983) (4.692961) （3.06767） F=231.7935 DW=1.952587当取时，,X3、X4、X5系数的t检验都显著，这是最后消除多重共线性的结果。这说明，在其他因素不变的情况下，当城镇居民人均旅游支出和农村居民人均旅游支出分别增长1元时，国内旅游收入将分别增长4.21亿元和3.22亿元。在其他因素不变的情况下，作为旅游设施的代表，公路里程每增加1万公里时, 国内旅游收入将增长13.63亿元。
