第五章 違反經(jīng)典假設(shè)的回歸模型-1

1、4-1第五章第五章違反經(jīng)典假設(shè)的回歸模型違反經(jīng)典假設(shè)的回歸模型多重共線性多重共線性計量經(jīng)濟學(xué)計量經(jīng)濟學(xué)4-2引子：引子：發(fā)展農(nóng)業(yè)和建筑業(yè)會減少財政收入嗎？發(fā)展農(nóng)業(yè)和建筑業(yè)會減少財政收入嗎？ 為了分析各主要因素對財政收入的影響，建立財政收為了分析各主要因素對財政收入的影響，建立財政收入模型入模型:其中其中: CS財政收入財政收入(億元億元) ; NZ農(nóng)業(yè)增加值農(nóng)業(yè)增加值(億元億元); GZ工業(yè)增加值工業(yè)增加值(億元億元); JZZ建筑業(yè)增加值建筑業(yè)增加值(億元億元); TPOP總?cè)丝诳側(cè)丝?萬人萬人); CUM最終消費最終消費(億元億元); SZM受災(zāi)面積受災(zāi)面積(萬公頃萬公頃) 數(shù)據(jù)樣本時期數(shù)

2、據(jù)樣本時期1978年年-2003年（資料來源：年（資料來源：中國統(tǒng)計年鑒中國統(tǒng)計年鑒2004，中國統(tǒng)計出版社，中國統(tǒng)計出版社2004年版）年版） 采用普通最小二乘法得到以下估計結(jié)果采用普通最小二乘法得到以下估計結(jié)果iiiiiiiiuSZMCUMTPOPJZZGZNZCS65432104-3 VariableCoefficientStd. Errort-StatisticProb. 農(nóng)業(yè)增加值農(nóng)業(yè)增加值NZ-1.5350900.129778-11.828610.0000工業(yè)增加值工業(yè)增加值GZ0.8987880.2454663.6615580.0017建筑業(yè)增加值建筑業(yè)增加值JZZ-1.5270

3、891.206242-1.2659890.2208總?cè)丝诳側(cè)丝赥POP0.1511600.0337594.4776460.0003最終消費最終消費CUM0.1015140.1053290.9637830.3473受災(zāi)面積受災(zāi)面積SZM-0.0368360.018460-1.9953820.0605截距項截距項-11793.343191.096-3.6957040.0015R-squared0.995015 Mean dependent var5897.824Adjusted R-squared0.993441 S.D. dependent var5945.854S.E. of regressi

4、on481.5380 Akaike info criterion15.41665Sum squared resid4405699. Schwarz criterion15.75537Log likelihood-193.4165 F-statistic632.0999Durbin-Watson stat1.873809 Prob(F-statistic)0.000000財政收入模型的財政收入模型的EViewsEViews估計結(jié)果估計結(jié)果4-4 可決系數(shù)為可決系數(shù)為0.9950.995，校正的可決系數(shù)為，校正的可決系數(shù)為0.9930.993，模型，模型擬合很好。模型對財政收入的解釋程度高達(dá)擬合很

5、好。模型對財政收入的解釋程度高達(dá)99.5%99.5%。 F F統(tǒng)計量為統(tǒng)計量為632.10632.10，說明，說明0.050.05水平下回歸方程整體水平下回歸方程整體上顯著。上顯著。 t t 檢驗結(jié)果表明，除了工業(yè)增加值和總?cè)丝谝酝?，檢驗結(jié)果表明，除了工業(yè)增加值和總?cè)丝谝酝?，其他因素對財政收入的影響均不顯著。其他因素對財政收入的影響均不顯著。 農(nóng)業(yè)增加值和建筑業(yè)增加值的回歸系數(shù)是負(fù)數(shù)。農(nóng)業(yè)增加值和建筑業(yè)增加值的回歸系數(shù)是負(fù)數(shù)。 農(nóng)業(yè)和建筑業(yè)的發(fā)展反而會使財政收入減少嗎？農(nóng)業(yè)和建筑業(yè)的發(fā)展反而會使財政收入減少嗎？! 這樣的異常結(jié)果顯然與理論分析和實踐經(jīng)驗不相符。這樣的異常結(jié)果顯然與理論分析和實踐

6、經(jīng)驗不相符。 若模型設(shè)定和數(shù)據(jù)真實性沒問題，問題出在哪里呢？若模型設(shè)定和數(shù)據(jù)真實性沒問題，問題出在哪里呢？模型估計與檢驗結(jié)果分析模型估計與檢驗結(jié)果分析4-5多重共線性多重共線性 討論四個問題：討論四個問題： 什么是多重共線性什么是多重共線性 多重共線性產(chǎn)生的后果多重共線性產(chǎn)生的后果 多重共線性的檢驗多重共線性的檢驗 多重共線性的補救措施多重共線性的補救措施4-6第一節(jié)第一節(jié) 什么是多重共線性什么是多重共線性 本節(jié)基本內(nèi)容本節(jié)基本內(nèi)容: : 多重共線性的含義多重共線性的含義 產(chǎn)生多重共線性的背景產(chǎn)生多重共線性的背景 4-7 在計量經(jīng)濟學(xué)中所謂的多重共線性在計量經(jīng)濟學(xué)中所謂的多重共線性(Multi

7、-Collinearity)，不僅包括完全的多重共線性，還，不僅包括完全的多重共線性，還包括不完全的多重共線性。包括不完全的多重共線性。 對于解釋變量對于解釋變量 ，如果存在不全為，如果存在不全為0的的 數(shù)數(shù) ，使得，使得 則稱解釋變量則稱解釋變量 之間存在著完全的多重之間存在著完全的多重 共線性。共線性。23,kX XX12k, ,.12233.01,2,., iikkiXXXin 23,kXXX一、多重共線性的含義一、多重共線性的含義4-8 當(dāng)當(dāng) 時，表明在數(shù)據(jù)矩陣時，表明在數(shù)據(jù)矩陣 中，至少中，至少有一個列向量可以用其余的列向量線性表示，則有一個列向量可以用其余的列向量線性表示，則說明存

8、在完全的多重共線性。說明存在完全的多重共線性。X()RankkX4-9不完全的多重共線性不完全的多重共線性 實際中，常見的情形是解釋變量之間存在不完實際中，常見的情形是解釋變量之間存在不完全的多重共線性。全的多重共線性。 對于解釋變量對于解釋變量，存在不全為存在不全為0的數(shù)的數(shù)，使得使得 為隨機變量。這表明解釋變量為隨機變量。這表明解釋變量只是一種近似的線性關(guān)系只是一種近似的線性關(guān)系。其中其中，23,kXXX12,k12233.01, 2,., iikkiiXXXuin23,kXXXiu4-10 ，解釋變量間毫無線性關(guān)系，變量間相互正交。這時已不需要作多元回歸，每個參數(shù)j都可以通過Y 對 Xj

9、 的一元回歸來估計?；貧w模型中解釋變量的關(guān)系回歸模型中解釋變量的關(guān)系 可能表現(xiàn)為三種情形：可能表現(xiàn)為三種情形：(1) ，解釋變量間完全共線性。此時模型參數(shù)將無法確定。 ，解釋變量間存在一定程度的線性關(guān)系。實際中常遇到的情形。(2)(3) 0ijx xr1ijx xr01ijx xr4-11 二、產(chǎn)生多重共線性的背景二、產(chǎn)生多重共線性的背景 多重共線性產(chǎn)生的經(jīng)濟背景主要有幾種情形：多重共線性產(chǎn)生的經(jīng)濟背景主要有幾種情形： 1.經(jīng)濟變量之間具有共同變化趨勢。經(jīng)濟變量之間具有共同變化趨勢。 2.模型中包含滯后變量。模型中包含滯后變量。 3.利用截面數(shù)據(jù)建立模型也可能出現(xiàn)多重共線性。利用截面數(shù)據(jù)建立模

10、型也可能出現(xiàn)多重共線性。 4.樣本數(shù)據(jù)自身的原因。樣本數(shù)據(jù)自身的原因。 4-12第二節(jié)第二節(jié) 多重共線性產(chǎn)生的后果多重共線性產(chǎn)生的后果 本節(jié)基本內(nèi)容本節(jié)基本內(nèi)容: : 完全多重共線性產(chǎn)生的后果完全多重共線性產(chǎn)生的后果 不完全多重共線性產(chǎn)生的后果不完全多重共線性產(chǎn)生的后果4-13一、完全多重共線性產(chǎn)生的后果一、完全多重共線性產(chǎn)生的后果1.參數(shù)的估計值不確定參數(shù)的估計值不確定當(dāng)解釋變量當(dāng)解釋變量完全線性相關(guān)完全線性相關(guān)時時 OLS 估計式不確定估計式不確定 從偏回歸系數(shù)意義看：在從偏回歸系數(shù)意義看：在 和和 完全共線性時，無法保完全共線性時，無法保持持 不變，去單獨考慮不變，去單獨考慮 對對 的影

11、響（的影響（ 和和 的影響的影響不可區(qū)分）不可區(qū)分） 從從OLS估計式看：可以證明此時估計式看：可以證明此時2.參數(shù)估計值的方差無限大參數(shù)估計值的方差無限大OLS估計式的方差成為無窮大：估計式的方差成為無窮大： 2X3X3X200 =2X2X3X2Var() Y4-14 二、不完全多重共線性產(chǎn)生的后果二、不完全多重共線性產(chǎn)生的后果 如果模型中存在不完全的多重共線性，可以得到如果模型中存在不完全的多重共線性，可以得到參數(shù)的估計值，但是對計量經(jīng)濟分析可能會產(chǎn)生參數(shù)的估計值，但是對計量經(jīng)濟分析可能會產(chǎn)生一系列的影響。一系列的影響。 1.參數(shù)估計值的方差增大參數(shù)估計值的方差增大 當(dāng)當(dāng) 增大時增大時 也

12、增大也增大 222222222322311Var() =(1-)(1-)iixrxr23r2Var()4-152.對參數(shù)區(qū)間估計時，置信區(qū)間趨于變大對參數(shù)區(qū)間估計時，置信區(qū)間趨于變大3.假設(shè)檢驗容易作出錯誤的判斷假設(shè)檢驗容易作出錯誤的判斷4.可能造成可決系數(shù)較高，但對各個參數(shù)單獨的可能造成可決系數(shù)較高，但對各個參數(shù)單獨的 t 檢驗卻可能不顯著，甚至可能使估計的回歸系檢驗卻可能不顯著，甚至可能使估計的回歸系數(shù)符號相反，得出完全錯誤的結(jié)論。數(shù)符號相反，得出完全錯誤的結(jié)論。 4-16 第三節(jié)第三節(jié) 多重共線性的檢驗多重共線性的檢驗 本節(jié)基本內(nèi)容：本節(jié)基本內(nèi)容： 簡單相關(guān)系數(shù)檢驗法簡單相關(guān)系數(shù)檢驗法

13、方差擴大（膨脹）因子法方差擴大（膨脹）因子法 直觀判斷法直觀判斷法 逐步回歸法逐步回歸法4-17一、簡單相關(guān)系數(shù)檢驗法一、簡單相關(guān)系數(shù)檢驗法 含義：含義：簡單相關(guān)系數(shù)檢驗法是利用解釋變量之間簡單相關(guān)系數(shù)檢驗法是利用解釋變量之間的線性相關(guān)程度去判斷是否存在嚴(yán)重多重共線性的線性相關(guān)程度去判斷是否存在嚴(yán)重多重共線性的一種簡便方法。的一種簡便方法。 判斷規(guī)則：判斷規(guī)則：一般而言，如果每兩個解釋變量的簡一般而言，如果每兩個解釋變量的簡單相關(guān)系數(shù)單相關(guān)系數(shù)(零階相關(guān)系數(shù)零階相關(guān)系數(shù))比較高，例如大于比較高，例如大于0.8，則可認(rèn)為存在著較嚴(yán)重的多重共線性。則可認(rèn)為存在著較嚴(yán)重的多重共線性。4-18 注意：

14、注意： 較高的簡單相關(guān)系數(shù)只是多重共線性存在的充分較高的簡單相關(guān)系數(shù)只是多重共線性存在的充分條件，而不是必要條件。特別是在多于兩個解釋條件，而不是必要條件。特別是在多于兩個解釋變量的回歸模型中，有時較低的簡單相關(guān)系數(shù)也變量的回歸模型中，有時較低的簡單相關(guān)系數(shù)也可能存在多重共線性。因此并不能簡單地依據(jù)相可能存在多重共線性。因此并不能簡單地依據(jù)相關(guān)系數(shù)進行多重共線性的準(zhǔn)確判斷。關(guān)系數(shù)進行多重共線性的準(zhǔn)確判斷。4-19 二、方差擴大（膨脹）因子法二、方差擴大（膨脹）因子法 統(tǒng)計上可以證明，解釋變量統(tǒng)計上可以證明，解釋變量的參數(shù)估計式的參數(shù)估計式的方差可表示為的方差可表示為 其中的其中的是變量是變量(

15、Variance Inflation Factor)，即，即的方差擴大因子的方差擴大因子其中其中 是多個解釋變量輔助回歸的可決系數(shù)是多個解釋變量輔助回歸的可決系數(shù) 21VIF =1-jjR222221Var() =VIF1-jjjjjxRxVIFjjXjXj2jR4-20經(jīng)驗規(guī)則經(jīng)驗規(guī)則方差膨脹因子越大，表明解釋變量之間的多重共方差膨脹因子越大，表明解釋變量之間的多重共性越嚴(yán)重。反過來，方差膨脹因子越接近于性越嚴(yán)重。反過來，方差膨脹因子越接近于1，多重共線性越弱。多重共線性越弱。經(jīng)驗表明，方差膨脹因子經(jīng)驗表明，方差膨脹因子10時，說明解釋變量時，說明解釋變量與其余解釋變量之間有嚴(yán)重的多重共線性

16、，且這與其余解釋變量之間有嚴(yán)重的多重共線性，且這種多重共線性可能會過度地影響最小二乘估計。種多重共線性可能會過度地影響最小二乘估計。4-21三、直觀判斷法三、直觀判斷法 1. 當(dāng)增加或剔除一個解釋變量，或者改變一個觀當(dāng)增加或剔除一個解釋變量，或者改變一個觀測值時，回歸參數(shù)的估計值發(fā)生較大變化，回歸測值時，回歸參數(shù)的估計值發(fā)生較大變化，回歸方程可能存在嚴(yán)重的多重共線性。方程可能存在嚴(yán)重的多重共線性。 2. 從定性分析認(rèn)為，一些重要的解釋變量的回歸從定性分析認(rèn)為，一些重要的解釋變量的回歸系數(shù)的標(biāo)準(zhǔn)誤差較大，在回歸方程中沒有通過顯系數(shù)的標(biāo)準(zhǔn)誤差較大，在回歸方程中沒有通過顯著性檢驗時，可初步判斷可能存

17、在嚴(yán)重的多重共著性檢驗時，可初步判斷可能存在嚴(yán)重的多重共線性。線性。4-223. 有些解釋變量的回歸系數(shù)所帶正負(fù)號與定性分有些解釋變量的回歸系數(shù)所帶正負(fù)號與定性分析結(jié)果違背時，很可能存在多重共線性。析結(jié)果違背時，很可能存在多重共線性。4. 解釋變量的相關(guān)矩陣中，自變量之間的相關(guān)系解釋變量的相關(guān)矩陣中，自變量之間的相關(guān)系數(shù)較大時，可能會存在多重共線性問題。數(shù)較大時，可能會存在多重共線性問題。4-23四、逐步回歸檢測法四、逐步回歸檢測法 逐步回歸的基本思想逐步回歸的基本思想 將變量逐個的引入模型，每引入一個解釋變量后，將變量逐個的引入模型，每引入一個解釋變量后，都要進行檢驗，并對已經(jīng)選入的解釋變量

18、逐個進都要進行檢驗，并對已經(jīng)選入的解釋變量逐個進行行t 檢驗，當(dāng)原來引入的解釋變量由于后面解釋變量檢驗，當(dāng)原來引入的解釋變量由于后面解釋變量的引入而變得不再顯著時，則將其剔除。以確保每的引入而變得不再顯著時，則將其剔除。以確保每次引入新的變量之前回歸方程中只包含顯著的變量。次引入新的變量之前回歸方程中只包含顯著的變量。 在逐步回歸中，高度相關(guān)的解釋變量，在引入時會在逐步回歸中，高度相關(guān)的解釋變量，在引入時會被剔除。因而也是一種檢測多重共線性的有效方法。被剔除。因而也是一種檢測多重共線性的有效方法。4-24第四節(jié)第四節(jié) 多重共線性的補救措多重共線性的補救措施施 本節(jié)基本內(nèi)容本節(jié)基本內(nèi)容: : 修

19、正多重共線性的經(jīng)驗方法修正多重共線性的經(jīng)驗方法 逐步回歸法逐步回歸法4-25一、修正多重共線性的經(jīng)驗方法一、修正多重共線性的經(jīng)驗方法 1. 剔除變量法剔除變量法把方差擴大因子最大者所對應(yīng)的自變量首先把方差擴大因子最大者所對應(yīng)的自變量首先剔除再重新建立回歸方程，直至回歸方程中剔除再重新建立回歸方程，直至回歸方程中不再存在嚴(yán)重的多重共線性。不再存在嚴(yán)重的多重共線性。注意注意: 若剔除了重要變量，可能引起模型的設(shè)若剔除了重要變量，可能引起模型的設(shè)定誤差。定誤差。4-26 2. 增大樣本容量增大樣本容量如果樣本容量增加，會減小回歸參數(shù)的方差，如果樣本容量增加，會減小回歸參數(shù)的方差，標(biāo)準(zhǔn)誤差也同樣會減小

20、。因此盡可能地收集足標(biāo)準(zhǔn)誤差也同樣會減小。因此盡可能地收集足夠多的樣本數(shù)據(jù)可以改進模型參數(shù)的估計。夠多的樣本數(shù)據(jù)可以改進模型參數(shù)的估計。問題：問題：增加樣本數(shù)據(jù)在實際計量分析中常面臨增加樣本數(shù)據(jù)在實際計量分析中常面臨許多困難。許多困難。4-27 3. 變換模型形式變換模型形式一般而言，差分后變量之間的相關(guān)性要比差分一般而言，差分后變量之間的相關(guān)性要比差分前弱得多，所以差分后的模型可能降低出現(xiàn)共前弱得多，所以差分后的模型可能降低出現(xiàn)共線性的可能性，此時可直接估計差分方程。線性的可能性，此時可直接估計差分方程。問題：問題：差分會丟失一些信息，差分模型的誤差差分會丟失一些信息，差分模型的誤差項可能存

21、在序列相關(guān)，可能會違背經(jīng)典線性回項可能存在序列相關(guān)，可能會違背經(jīng)典線性回歸模型的相關(guān)假設(shè)，在具體運用時要慎重。歸模型的相關(guān)假設(shè)，在具體運用時要慎重。4-28 4. 利用非樣本先驗信息利用非樣本先驗信息通過經(jīng)濟理論分析能夠得到某些參數(shù)之間的關(guān)通過經(jīng)濟理論分析能夠得到某些參數(shù)之間的關(guān)系，可以將這種關(guān)系作為約束條件，將此約束系，可以將這種關(guān)系作為約束條件，將此約束條件和樣本信息結(jié)合起來進行約束最小二乘估條件和樣本信息結(jié)合起來進行約束最小二乘估計。計。4-29 5. 橫截面數(shù)據(jù)與時序數(shù)據(jù)并用橫截面數(shù)據(jù)與時序數(shù)據(jù)并用首先利用橫截面數(shù)據(jù)估計出部分參數(shù)，再利用首先利用橫截面數(shù)據(jù)估計出部分參數(shù)，再利用時序數(shù)據(jù)

22、估計出另外的部分參數(shù)，最后得到整時序數(shù)據(jù)估計出另外的部分參數(shù)，最后得到整個方程參數(shù)的估計。個方程參數(shù)的估計。 注意：注意：這里包含著假設(shè)，即參數(shù)的橫截面估計和這里包含著假設(shè)，即參數(shù)的橫截面估計和從純粹時間序列分析中得到的估計是一樣的。從純粹時間序列分析中得到的估計是一樣的。 4-30 6. 變量變換變量變換變量變換的主要方法：變量變換的主要方法：(1)計算相對指標(biāo)計算相對指標(biāo) (2)將名義數(shù)據(jù)轉(zhuǎn)換為實際數(shù)據(jù)將名義數(shù)據(jù)轉(zhuǎn)換為實際數(shù)據(jù) (3)將小類指標(biāo)合并成大類指標(biāo)將小類指標(biāo)合并成大類指標(biāo) 變量數(shù)據(jù)的變換有時可得到較好的結(jié)果，但無變量數(shù)據(jù)的變換有時可得到較好的結(jié)果，但無法保證一定可以得到很好的結(jié)果

23、。法保證一定可以得到很好的結(jié)果。4-31 二、逐步回歸法二、逐步回歸法（1）用被解釋變量對每一個所考慮的解釋變量做簡）用被解釋變量對每一個所考慮的解釋變量做簡單回歸。單回歸。（2）以對被解釋變量貢獻最大的解釋變量所對應(yīng)的）以對被解釋變量貢獻最大的解釋變量所對應(yīng)的回歸方程為基礎(chǔ)，按對被解釋變量貢獻大小的順回歸方程為基礎(chǔ)，按對被解釋變量貢獻大小的順序逐個引入其余的解釋變量。序逐個引入其余的解釋變量。若新變量的引入改進了若新變量的引入改進了 和和 檢驗，且回歸參檢驗，且回歸參數(shù)的數(shù)的t t 檢驗在統(tǒng)計上也是顯著的，則在模型中保檢驗在統(tǒng)計上也是顯著的，則在模型中保留該變量。留該變量。F2R4-32若新

24、變量的引入未能改進若新變量的引入未能改進 和和 檢驗，且對其他回檢驗，且對其他回歸參數(shù)估計值的歸參數(shù)估計值的t t 檢驗也未帶來什么影響，則認(rèn)為該檢驗也未帶來什么影響，則認(rèn)為該變量是多余變量。變量是多余變量。若新變量的引入未能改進若新變量的引入未能改進 和和 檢驗，且顯著地影檢驗，且顯著地影響了其他回歸參數(shù)估計值的數(shù)值或符號，同時本身的響了其他回歸參數(shù)估計值的數(shù)值或符號，同時本身的回歸參數(shù)也通不過回歸參數(shù)也通不過t t 檢驗，說明出現(xiàn)了嚴(yán)重的多重共檢驗，說明出現(xiàn)了嚴(yán)重的多重共線性。線性。2RFF2R4-33 第五節(jié)第五節(jié) 案例分析案例分析一、研究的目的要求一、研究的目的要求提出研究的問題提出研

25、究的問題為了規(guī)劃中國未來國內(nèi)旅游產(chǎn)業(yè)為了規(guī)劃中國未來國內(nèi)旅游產(chǎn)業(yè)的發(fā)展，需要定量地分析影響中國國內(nèi)旅游市場發(fā)展的發(fā)展，需要定量地分析影響中國國內(nèi)旅游市場發(fā)展的主要因素。的主要因素。二、模型設(shè)定及其估計二、模型設(shè)定及其估計影響因素分析與確定影響因素分析與確定影響因素主要有國內(nèi)旅游影響因素主要有國內(nèi)旅游人數(shù)人數(shù) ，城鎮(zhèn)居民人均旅游支出，城鎮(zhèn)居民人均旅游支出 ，農(nóng)村居民人，農(nóng)村居民人均均旅游支出旅游支出 ，并以公路里程次，并以公路里程次 和鐵路里程和鐵路里程 作為相關(guān)基礎(chǔ)設(shè)施的代表作為相關(guān)基礎(chǔ)設(shè)施的代表 理論模型的設(shè)定理論模型的設(shè)定其中其中 ： 第第 t 年全國國內(nèi)旅游收入年全國國內(nèi)旅游收入2345

26、6123456tttttttYXXXXXu2X3XtY4X5X6X4-34數(shù)據(jù)的收集與處理年年份份國內(nèi)旅游國內(nèi)旅游收入收入Y Y（億元）（億元）國內(nèi)旅國內(nèi)旅游人數(shù)游人數(shù)X2X2（萬人次）（萬人次）城鎮(zhèn)居民人城鎮(zhèn)居民人均旅游支出均旅游支出X3X3（元）（元）農(nóng)村居民人農(nóng)村居民人均旅游支出均旅游支出X4 X4 （元）（元）公路里公路里程程 X5X5（萬公里）萬公里）鐵路里鐵路里程程X6X6（萬公里）萬公里）199419941023.51023.55240052400414.7414.754.954.9111.78111.785.905.90199519951375.71375.7629006290

27、0464.0464.061.561.5115.70115.705.975.97199619961638.41638.46390063900534.1534.170.570.5118.58118.586.496.49199719972112.72112.76440064400599.8599.8145.7145.7122.64122.646.606.60199819982391.22391.26945069450607.0607.0197.0197.0127.85127.856.646.64199919992831.92831.97190071900614.8614.8249.5249.5135

28、.17135.176.746.74200020003175.53175.57440074400678.6678.6226.6226.6140.27140.276.876.87200120013522.43522.47840078400708.3708.3212.7212.7169.80169.807.017.01200220023878.43878.48780087800739.7739.7209.1209.1176.52176.527.197.19200320033442.33442.38700087000684.9684.9200.0200.0180.98180.987.307.30數(shù)據(jù)來

29、源:中國統(tǒng)計年鑒20044-35該模型，可決系數(shù)很高，F(xiàn)檢驗值173.3525,明顯顯著。但是當(dāng)時、不僅 、 系數(shù)的t檢驗不顯著，而且 系數(shù)的符號與預(yù)期的相反，這表明很可能存在嚴(yán)重的多重共線性。 6X20.9954R 20.025()(106)2.776tnkt6X2X20.9897R 0.05OLS OLS 法估計的結(jié)果法估計的結(jié)果4-36計算各解釋變量的相關(guān)系數(shù)計算各解釋變量的相關(guān)系數(shù) 表明各解釋變量間確實存在嚴(yán)重的多重共線性表明各解釋變量間確實存在嚴(yán)重的多重共線性4-37三、消除多重共線性三、消除多重共線性采用逐步回歸法檢驗和解決多重供線性問題。采用逐步回歸法檢驗和解決多重供線性問題。分

30、別作分別作Y 對對X2、X3、X4、X5、X6的一元回歸的一元回歸 變量變量X2X3X4X5X6參數(shù)估計值參數(shù)估計值0.08429.052311.667334.3324 2014.146t 統(tǒng)計量統(tǒng)計量8.665913.15985.19676.46758.74870.90370.95580.77150.83940.9054的大小排序為：的大小排序為：X3、X6、X2、X5、X4。以以X3為基礎(chǔ)，順次加入其他變量逐步回歸，過程從略為基礎(chǔ)，順次加入其他變量逐步回歸，過程從略（見教材）（見教材） 2R2R4-38 最后消除多重共線性的結(jié)果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(dāng)城鎮(zhèn)居民人均旅游支出這說明，在其他因素不變的情況下，當(dāng)城鎮(zhèn)居民人均旅游支出 和農(nóng)村居民人均旅游支出和農(nóng)村居民人均旅游支出 分別增長分別增長1元時，國內(nèi)旅游收入元時，國內(nèi)旅游收入 將分別增長將分別增長4.21億元和億元和3.22 億元。在其他因素不變的情況下，億元。在其他因素不變的情況下，作為旅游設(shè)施