如何用Stata命令消除多重共線性問題

1樓：我的小笨笨哦

影響（1）完全共線性下引數估計量不存在

（2）近似共線性下ols估計量非有效

多重共線性使引數估計值的方差增大，1/(1-r2)為方差膨脹因子(variance inflation factor, vif)如果方差膨脹因子值越大，說明共線性越強。相反因為，容許度是方差膨脹因子的倒數，所以，容許度越小，共線性越強。可以這樣記憶：

容許度代表容許，也就是許可，如果，值越小，代表在數值上越不容許，就是越小，越不要。而共線性是乙個負面指標，在分析中都是不希望它出現，將共線性和容許度聯絡在一起，容許度越小，越不要，實際情況越不好，共線性這個「壞蛋」越強。進一步，方差膨脹因子因為是容許度倒數，所以反過來。

總之就是找容易記憶的方法。

（3）引數估計量經濟含義不合理

（4）變數的顯著性檢驗失去意義，可能將重要的解釋變數排除在模型之外

（5）模型的**功能失效。變大的方差容易使區間**的「區間」變大，使**失去意義。

需要注意：即使出現較高程度的多重共線性，ols估計量仍具有線性性等良好的統計性質。但是ols法在統計推斷上無法給出真正有用的資訊。

判斷方法

如圖，是對德國人口老齡化情況的分析，其中y是老齡化情況，線性回歸的x1、x2、x3分別為人均國內生產總值、出生率、每個醫生平均負擔人口數。

判斷方法1：特徵值，存在維度為3和4的值約等於0，說明存在比較嚴重的共線性。

判斷方法2：條件索引列第3第4的值大於10，可以說明存在比較嚴重的共線性。

判斷方法3：比例方差內存在接近1的數（0.99），可以說明存在較嚴重的共線性。

解決方法

（1）排除引起共線性的變數

找出引起多重共線性的解釋變數，將它排除出去，以逐步回歸法得到最廣泛的應用。

（2）差分法

時間序列資料、線性模型：將原模型變換為差分模型。

（3）減小引數估計量的方差：嶺回歸法（ridge regression）。

（4）簡單相關係數檢驗法

2樓：匿名使用者

做變數間的相關只能大致判斷變數間是否存在多重共線性，建議樓主用estat vif或者coldiag2、collin等命令去通過檢驗統計量判斷下變數間是否真的存在近似多重共線性（完全多從共線性stata建模時會直接omit掉）。若存在，可考慮用主成分回歸；或者用逐步回歸；或者用嶺回歸。祝好運。

3樓：灰色手紙

先用vif命令檢測是否存在多重共線性

接著使用pca命令來做主成分分析找出主成分

或者用stepwise命令來進行逐步回歸

spss如何消除多重共線性

4樓：匿名使用者

spss用逐步回歸分析可以消除多重共線性。

1、用被解釋變數對每乙個所考慮的解釋變數做簡單回歸。並給解釋變數的重要性按可決係數大小排序。

2、以對被解釋變數貢獻最大的解釋變數所對應的回歸方程為基礎，按解釋變數重要性大小為順序逐個引入其餘的解釋變數。這個過程會出現3種情形。

（1）若新變數的引入改進了r平方，且回歸引數的t檢驗在統計上也是顯著的，則該變數在模型中予以保留。

（2）若新變數的引入未能改進r平方，且對其他回歸引數估計值的t檢驗也未帶來什麼影響，則認為該變數是多餘的，應該捨棄。

（3）若新變數的引入未能改進r平方，且顯著地影響了其他回歸引數估計值的符號與數值，同時本身的回歸引數也通不過t檢驗，這說明出現了嚴重的多重共線性，捨棄該變數。

5樓：匿名使用者

很多方法了，比如主成分回歸等

我替別人做這類的資料分析蠻多的

stata達人，求多重共線性、異方差性、序列相關性和內生性具體操作步驟！急！ 20

6樓：匿名使用者

help vif

help estat imtest

help dwatson

如何用Stata命令消除多重共線性問題

如何用cmd命令關閉程式，如何用cmd命令關閉一個程式

怎麼用stata進行亞組分析，如何用stata做亞組meta分析圖

如何用DOS壓縮？ 10，如何用DOS命令壓縮檔案

其他用戶還看了：