线性回归中非多重共线性假定与解决方案（2）
2013-12-18 MedSci MedSci原创
>t (7.40) 由于xt 1，xt 2存在多重共线性，因而从模型中剔除xt 2。模型（7.40） 变成 yt= b0 + b1* xt 1+ ut * &
第五节 多重共线性的解决方案 完全不存在多重共线性是一个很强的假定。实际中，经 济变量随着经济形势的起伏，总要表现出某种程度的共同变化特征。当然，完全多重共线性在实际经济问题中很少见，所以多重共线性的一般表现形式是不完全多重 共线性。当解释变量间存在不完全多重共线性时。主要是对回归系数的估计带来严重后果。尽管回归系数的普通最小二乘估计量仍具有无偏性，但由于回归系数估计 量的方差变大，使回归系数估计量的抽样精度下降，的值有可能远离真值bj，从而使回归系数估计值变得毫无意义。 为克服模型中的多重共线性，下面介绍几种方法。 1. 直接合并解释变量 当模型中存在多重共线性时，在不失去实际意义的前提下，可以把有关的解释变量直接合并，从而降低或消除多重共线性。 继续看例7.2。如果研究的目的是预测全国货运量，那么可以把重工业总产值和轻工业总产值合并为工业总产值，从而使模型中的解释变量个数减少到两个以消除多重共线性。甚至还可以与农业总产值合并，变为工农业总产值。解释变量变成了一个，自然消除了多重共线性。 2. 利用已知信息合并解释变量 &
作者：MedSci
版权声明：
本网站所有注明“来源：梅斯医学”或“来源：MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明“来源：梅斯医学”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
小提示：本篇资讯需要登录阅读，点击跳转登录
#解决方案#
75
#共线性#
68
#线性回归#
64