使用eviews做線性回歸分析(編輯修改稿)
2025-09-03 10:41 本頁面
【文章內(nèi)容簡介】 斷樣本，用之前的樣本建立回歸模型，然后用這個模型對后一段進行預(yù)測，檢驗這個模型對后續(xù)樣本的擬合程度。 0假設(shè)是：模型與后段樣本無顯著差異 demo中的1976Q4作為break point,得到兩個p值為0，即認為兩段樣本的系數(shù)應(yīng)該是不同的。 2）自變量的選擇 testadd檢驗： 操作方法是: eqation ser1 ser2 ... 0假設(shè)：應(yīng)該將該變量引入方程 檢驗統(tǒng)計量：wald,LR 結(jié)果：通過兩個p值(Prob. F,Prob Chisequare)看是否拒絕原假設(shè) testdrop檢驗： 操作方法是: eqation ser1 ser2 ... 0假設(shè)：應(yīng)該將該變量剔除 檢驗統(tǒng)計量：wald,LR 結(jié)果：通過兩個p值(Prob. F,Prob Chisequare)看是否拒絕原假設(shè) 含定性變量的回歸模型 分為：自變量含定性變量，因變量含定性變量。后一種情況較為復(fù)雜 建立dummy 變量(名義變量)：用D表示 當(dāng)變量有m種情況時，需要引入m1個dummy變量 處理辦法： 常見問題及對策 1）多重共線性（multicollinearity）: p個回歸變量之間存在嚴格或近似的線性關(guān)系 診斷方法： ，F(xiàn)檢驗通過，但是某些系統(tǒng)的t檢驗沒通過 以上3條發(fā)生都有理由懷疑存在多重共線性 方差擴大因子(variance inflation factor VIFj)是診斷多重共線性的常用手段。 VIFj為矩陣(X’ X)1第j個對角元素cjj=1/(1R2j)(j=1,2…,p) 其中R2j為以作為cj因變量，其余p1個自變量作為自變量建立多元回歸模型所得的樣本決定系數(shù)，所以R2j越大則說明自變量之間自相關(guān)性越大，此時也越大，可以認為VIFj10(R2j)則存在多重共線性。 還可以使用VIFj的平均數(shù)作為判斷標(biāo)準，如果avg(VIFj)遠大于10則認為存在多重共線性。 eviews里如何使用VIF法？建立方程，然后手工建立scalar vif。demo中GDP和PR的vif為66，存在多重共線性? 只有一個自變量的方程是否會失效?，說明GDP遠遠不是PR能決定的。結(jié)合testdrop將PR去除，兩個p值為0，說明不能把PR去除。 在eviews中當(dāng)自變量存在嚴重的多重共線性時將不能給出參數(shù)估計值，而會報錯：nearly singular matrix
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1