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 显显若。但是当a=0.05时'anm-k)=1a10-6)=2.76,不仅X,、X系数的1检 验不显若，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、8、X4、X5、6数据，点”view/correlations” 得相关系数矩阵（如表4.4）： 表4.4 49 0.941681 0.963313 0.818137 0.897708 1.000000 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 0.0842 9.0523 11.6673 34.3324 2014.146 t统计最 8.6659 13.1598 5.1967 6.4675 8.7487 R 09037 0.9558 0.7715 0.8394 0.9054 按R2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： ,=-4109.639+7.850632X3+285.1784X。 t=(2.9086 (0.46214) R2=0.957152 当取a=0.05时，an(n-k)=ams(0-3)=2.365,XG参数的t检验不显著，予以剔除 加入X2回归得 ,=-3326.393+6.194241X3+0.029761X224 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a = 0.05时 ( ) (10 6) 2.776 ta 2 n - k = t 0.025 - = ,不仅 X 2 、 X 6 系数的 t 检 验不显著，而且 X 6 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 0.0842 9.0523 11.6673 34.3324 2014.146 t 统计量 8.6659 13.1598 5.1967 6.4675 8.7487 2 R 0.9037 0.9558 0.7715 0.8394 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 = 当取a = 0.05时， ( ) (10 3) 2.365 ta 2 n - k = t 0.025 - = ，X6 参数的 t 检验不显著，予以剔除， 加入 X2 回归得 3 029761 2 3326.393 6.194241 0. Y ˆ t = - + X + X