由此可见，该模型R2=0.9954,R2=0.9897可决系数很高，F检验值173.3525，明 显显著.但是当a=005时'anm-k)=aas10-6)=2.76,不仅X,、K6系数的t检 验不显著，而且X6系数的符号与预期的相反，这表明很可能存在严重的多重共线性。 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 1.00 000 0.91 3851 0.7 0.947977 0.9416B1 0.963313 0.818137 0.89770日 1000000 重尖安醒光系致阅降可以看由：各解华变量相豆之间的相关系数纹高，证实纯实有在重多 三、消除多重共线性 元回，结果 表4.5 变量 X2 X3 X4 X5 X6 参数估计值 0.084 9.0523 11.667 3433 2014.14 3 6 t统计量 8.665 13.159 5.1967 6.467 8.7487 9 8 5 R 0.903 0.9558 0.7715 0.839 0.9054 7 4 按R的大小排序为：X3、X6、X2、X5、X4。 以3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： Y,=-4109.639+7.850632X3+285.1784X6 t=(2.9086) (0.46214) R2=0.957152 24 由此可见，该模型 0.9954 2 R = ， 0.9897 2 R = 可决系数很高，F 检验值 173.3525,明 显显著。但是当  = 0.05 时 t 2 (n − k) = t 0.025 (10 − 6) = 2.776 ,不仅 X2 、 X6 系数的 t 检 验不显著，而且 X6 系数的符号与预期的相反，这表明很可能存在严重的多重共线性。 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 X2 X3 X4 X5 X6 参数估计值 0.084 2 9.0523 11.667 3 34.33 24 2014.14 6 t 统计量 8.665 9 13.159 8 5.1967 6.467 5 8.7487 2 R 0.903 7 0.9558 0.7715 0.839 4 0.9054 按 2 R 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： 3 1784 6 4109.639 7.850632 285. Y ˆ t = − + X + X t=(2.9086) (0.46214) 0.957152 2 R =