1樓：莫道無情
1、簡單相關係數矩陣法（
輔助手段）
此法簡單易行；但要注意兩變數的簡單相關係數包含了其他變數的影響，並非它們真實的線性相關程度的反映，一般在0.8以上可初步判定它倆之間有線性相關。
2、變數顯著性與方程顯著性綜合判斷
（修正）可決係數大，f值顯著大於臨界值，而值不顯著；那麼可認為存在多重共線性。
3、輔助迴歸
將每個解釋變數對其餘變數回歸，若某個迴歸方程顯著成立，則該解釋變數和其餘變數有多重共線性。
（4）方差擴大（膨脹）因子法
（5）直觀判斷法
增加或者減少一個解釋變數，或者改變一個觀測值時，迴歸引數發生較大變化。重要解釋變數沒有通過t檢驗。有些解釋變數的迴歸係數符號與定性分析的相反。
2樓：匿名使用者
一、一般線性迴歸：
proc reg data=abc;
model y=x1-x4
run;
二、多重共線性的檢驗
1、簡單相關係數檢驗法
proc corr data=abc;
var x1-x4;
run;
2、方差擴大因子法
proc reg data=abc;
model y=x1-x4/vif;
run;
3、直觀分析法（略）
4、逐步迴歸檢測法
這在sas中有多重篩選解釋變數的方法：forward、backword、stepwise、maxr、minr、rsquare，主要採用stepwise
proc reg data=abc;
model y=x1-x4/selection=stepwise sle=0.05 sls=0.10;
run; quit;
5、特徵值和病態指數
proc reg data=abc;
model y=x1-x4/collin;
run;
三、多重共線性的補救措施
1、提出變數法（根據前面的檢測剔除掉vif值大的變數……略）
2、增大樣本容量（略）
3、變換模型形式
常使用變數的差分方式，一階差分形式如下：
data abc;
set abc;
x1lag1=lag(x1);
x2lag1=lag(x2);
x3lag1=lag(x3);
x4lag1=lag(x4);
ylag1=lag(y);
if ****s(x1lag1,x2lag1,x3lag1,x4lag1,ylag1)>0 then delete;
dx1=x1-x1lag1;
dx2=x1-x2lag1;
dx3=x1-x3lag1;
dx4=x1-x4lag1;
dy=x1-ylag1;
run;
proc reg data=abc;
model y=x1-x4;
run;quit;
4、利用非樣本先驗資訊（即已知某些解釋變數之間的等式從而可剔除掉一些解釋變數，略）
5、橫截面資料與時間序列資料並用
屬於先驗資訊法的變種，首先利用橫截面資料估計出部分引數代入原方程，再利用時間序列資料估計出另外的部分引數，其前提是前一部分引數在不同時間上變化很小。
6、變數變換
絕對指標轉為相對指標；
名義資料轉為實際資料；
小類指標合併為大類指標（主成分分析和因子分析，後面再予補充）
7、逐步迴歸法（參見檢驗部分，略）
8、嶺迴歸
當自變數存在多重共線關係時, 均方誤差將變得很大,故從均方誤差的角度看, 普通最小二乘估計不是係數的好估計，減少均方誤差的方法就是用嶺迴歸估計替代最小二乘估計。但使得均方誤差達到最小的k值依賴於未知引數係數和隨機干擾項的方差，因此k 值的確定是嶺迴歸分析中關鍵。
在實際應用中, 通常確定k值的方法有以下幾種:①嶺跡圖法, 即對每個自變數xi, 繪製隨k值的變化嶺迴歸估計的變化曲線圖。一般選擇k使得各個自變數的嶺跡趨於穩定；②方差膨脹因子法, 選擇k使得嶺迴歸估計的vif<10；③控制殘差平方和法, 即通過限制嶺迴歸估計的殘差平方和不能超過cq(其中c>1為指定的常數,q為最小二乘估計的殘差平方和)來找出最大的k值。
data abc;
input x1-x3 y;
cards;
149.3 4.2 108.1 15.9
161.2 4.1 114.8 16.4
171.5 3.1 123.2 19.0
175.5 3.1 126.9 19.1
180.8 1.1 132.1 18.8
190.7 2.2 137.7 20.4
202.1 2.1 146.0 22.7
212.4 5.6 154.1 26.5
226.1 5.0 162.3 28.1
231.9 5.1 164.3 27.6
239.0 0.7 167.6 26.3
;run;
proc reg data=abc outest=out1 graphics outvif;
model y=x1-x3/ridge=0.0 to 0.1 by 0.01 0.2 0.3 0.4;
plot/ridgeplot;
proc print;run;quit;
9、主成分迴歸法
proc reg data=abc outest=out2;
model y=x1-x3/p***it=1,2 outvif;
proc print data=out2;run;quit;
10、偏最小二乘迴歸法
proc pls data=abc outmodel=out3 cv= one method=simpls;
model y=x1-x3;
proc print data=out3;
run; quit;
這些是sas軟體的檢驗方法。
3樓：周先生
計量經濟學彙總有很多共性檢測方法。
計量經濟學學中交乘項是什麼意思？包含交乘項的模型會不會有多重共線性？有多重共線性怎麼辦？
4樓：漫步者
交叉項反應了兩個變數共同對被解釋變數是否有顯著影響，在設定的時候應儘量避免多重共線性的問題，如果明知有多重共線性還要強行設定交叉項就可能不能估計，就沒有意義了
計量經濟學：什麼情況下才需要用多重共線性。
5樓：匿名使用者
我可能不是很明白樓主的問題...
多重共線性和樓主的問題貌似是兩個方面...
多重共線性在計量中是一種問題...會引起迴歸方程的謬誤樓主應該說的是相關性吧...
個人認為處理方法:
迴歸方程的係數不符合先驗性預期的話我覺得有幾個方面可能樓主需要考慮:
1.資料**有問題
2.樣本收到約束或過小...也就是微數缺測性...
3.模型設定有誤...特別是在x變數範圍很小的時候...樓主可以考慮換成對數模型等...
如果是算相關係數的話...
就無法定量處理...
我的意思是你不能說明鐵路里程每變動一個單位對旅遊收入的貢獻度...
還有...
如果樓主沒有發現以上任何一個問題的話...
那麼樓主就要接受這個答案了...
那就是呈負相關...這個就需要樓主進一步研究了...
計量經濟學什麼模型會出現多重共線性
6樓：勝華電纜技術官
你好！t檢驗不顯著，說明這個解釋變數可能對被解釋變數沒有影響，應當從迴歸方程中剔除。經濟數學團隊幫你解答，請及時採納。謝謝！
7樓：殺神導演
需要你自己在目錄中去篩選
計量經濟學中，簡述經典線性迴歸模型中的同方差性假定並判斷何種
d ut e ut e ut 2 常數。稱誤差項ui 具有同方差性，就是模型具有同方差。當其不為常數時，即存在異方差，一般用white檢驗，序列取對數可以消除異方差。計量經濟學中homoskedasticity與heteroskedasticity 前一個是同方差性，後一個是異方差性 不光留個名詞你...
在計量經濟學中，引入虛擬變數時,如何用t檢驗判斷臨界指標的選
1 檢bai驗對於單個或者多個解du釋變數zhi是統計顯著的，但聯合檢驗不dao一定有效內，例如在近容高度共線性的情況下，可以r2很高，但t值就是統計不顯著的 2 輔助迴歸技術具有缺陷，可以考慮在方差膨脹因子的情況下，還取決於擾動項的方差和樣本，如果是 本科 本科以下，研究生，那就要兩個虛擬變數好了...
請問,計量經濟學的統計檢驗中包括三種方法,，使用時怎樣進行選擇
在一次抽樣中，引數的估計值與真值的差異有多大，是否顯著，這都需要進一步進行統計檢驗，也就是你上面提到的三種方法，因此，這三個方面都要進行檢驗的！什麼是統計檢驗？怎麼選擇統計檢驗方法？統計檢驗是將抽樣結果和抽樣分佈相對照而作出判斷的工作。統計檢驗是將抽樣結果和抽樣分佈相對照而作出判斷的工作。取得抽樣結...