多重共线性的解决:剔除变量的新标准

当使用剔除变量法解决线性回归模型的多重共线性问题时,根据方差膨胀因子的大小来选择被剔除变量是存在缺陷的.解释变量显著性检验的t统计量的绝对值大小反映了该解释变量对被解释变量的贡献程度的大小,因此可以将t统计量绝对值作为剔除解释变量的依据,从而得到一类多重共线性的解决办法.     

多重共线性的诊断方法

在对经济现象作建模分析与预测过程中,常常会遇到多重共线问题。基于多重共线的病态模型预测完全失效,文章就多重共线的诊断理论方法作了阐述,尤其是对多重共线影响点的诊断方法作了介绍,特别是对Walker法与主成分法对多重共线影响点的诊断作了比较。     

多重共线性问题及其补救措施

一、多重共线性的性质　　多重共线性(multicollinearity)一词原意是指一个回归模型中的一些或全部解释变量之间存在有一种完全的线性关系.……     

多重共线性问题及其补救措施

1多重共线性可能由以下因素导致:(一)数据收集所用的方法不适当。比如,抽样限于总体中诸回归元所取值的一个有限的范围内;(二)模     

对多重共线性问题的探讨

本文指出变量间的内在联系是共线性产生的本质原因,并普遍存在于变量之间;总结分析了共线性的潜在危害、诊断方法和处理手段;共线性的诊断并不是必须的,其严重性也不等于有危害性,但现有处理方法偏离了危害性这个问题本源。本文结合文图研究,指出共线性有意义的区分是有无危害性,并提出GMDH方法能处理有害共线性问题。     

一类新的多重共线性检验方法

解释变量间的相关性导致了多元线性回归模型的多重共线性问题,由于考察相关性的角度和方法不同,产生了不同的多重共线性的检验方法。由阿达马不等式可以构建多个变量的综合相关性度量指标,将该指标用于度量多元线性回归模型的解释变量的综合相关程度,用以作为多元线性回归模型多重共线性的一类检验方法。     

基于特征值的多重共线性处理方法

一、多重共线性及其传统检验方法 对于多元线性回归模型Yj=b1Xlj+b2X2j+…+bkXkj+εj,(变量均已标准化)如果模型的自变量之间存在着较强的线性相关关系,或者说存在一组不全为零的常数a1、a2……,ak,使得:     

解决多重共线性的新思路:路径分析

文章在回顾多重共线性产生的原因、后果、解决思路的基础上,文章提出了用路径分析解决多重共线性的新思路,实证分析结果表明:在解决多重共线性方面,路径分析可以得到和逐步回归相同的结果.     

局部线性估计中的多重共线性问题

各解释变量之间存在多重共线性是现实中很普遍的现象。本文对局部线性估计多重共线性问题进行了讨论,发现多重共线性造成局部线性估计精度下降的原因,并提出了一个补救方法:当变量之间高度相关时采用主成分回归可以有效提高估计精度。本文还通过模拟的方式证明了此方法的有效性。     

多重共线性的消除：不相关法

如何采用相应的办法来消除经济计量模型中的多重共线性,一直是经济计量研究中人们关注的焦点问题之一。对此,本文提出了一种新的多重共线性消除的方法——不相关法,并就该方法的基本思想、计算步骤和实际应用进行了讨论,这对于不断完善多重共线性的消除方法体系有着一定的意义。     

多重共线性下的线性回归方法综述

多重共线性（简称共线性）是回归分析中一个非常棘手的问题。多重共线性由R．Frisch在1934年引入的,主要研究是在上世纪六、七十年代进行的,但直到现在仍然没有完全解决。     

解决多重共线性问题的线性回归方法

本文针对当出现多重共线性时用普通最小二乘法估计的参数值与实际值相去甚远 ,甚至无法被估计的现象 ,介绍了三种解决办法 :主成分回归、岭回归和偏最小二乘法。这三种方法在解决问题的思路上各有异同 ,本文着重介绍了它们的基本思想和主要处理步骤     

解决多重共线性问题的线性回归方法

本文针对当出现多重共线性时用普通最小二乘法估计的参数值与实际值相去甚远甚至无法被估计的现象 ,介绍了三种解决办法 :主成份回归、岭回归和偏最小二乘法。这三种方法在解决问题的思路上各有异同 ,本文着重介绍了它们的基本思想和主要算法步骤     

基于聚类分析和因子分析消除多重共线性的方法

文章针对经典多元线性回归模型中存在的多重共线性问题,提出了一种新的基于聚类分析和因子分析的解决方法,并通过例子验证了此方法在实际应用中可以取得良好的效果。     

几种处理多重共线性方法的比较研究

一、引言多重共线性(简称共线性)是多元线性回归分析中一个非常棘手的问题。共线性问题最早是由R.Frisch提出。如何消除共线性的危害,一直是回归分析的一个重点。     

通径分析法——多重共线性的一种分析方法

通径分析法———多重共线性的一种分析方法农业部乡企学院张宏回归模型方法作为一种因果型的统计预测方法，在现实生产和生活中扮演了预测主流方法的角色，因其扎实且有说服力的数理基础使其应用范围越来越广。但在实际操作时却常常会遇到多重共线性破坏模型准确程度的问...     

Logistic模型多重共线性问题的诊断及改进

文章诊断并改进了logistic回归模型多重共线性问题方法,采用条件指数和方差分解比例两项指标进行共线性诊断、应用主成分改进和偏最小二乘回归两种方法进行多重共线性变量的改进处理:去除了回归模型中变量间的多重共线性影响,建立了较为理想的关系模型.结果表明,在Logisdc回归模型分析中,应用上述方法进行多重共线性的诊断和处理是有效及可行的.     

主成分回归能消除多重共线性吗?

主成分回归方法已得到广泛应用,但该方法是否能减小参数估计的误差,理论上并没有明确的结论。以3个假设模型为例,运用模拟计算的方法对主成分回归方法进行了研究,发现主成分回归估计的误差可能比普通最小二乘估计更小,也可能更大,依赖于实际的模型。     

利用EViews软件检验和处理模型的多重共线性

异方差性、自相关性、多重共线性是计量经济检验的三项主要内容,对于模型中的异方差性和自相关性问题,可以利用EViews软件很方便的进行检验和处理;但是对多重共线性问题,在EViews5.x版本之前却一直无法有效地予以处理。文章介绍了如何直接利用EViews软件检验和处理模型的多重共线性问题。     

GMDH与PLS解决多重共线性问题的比较研究

本文通过理论分析、数据试验以及实证研究三种途径,对GMDH与PLS两种算法解决多重共线性问题的特点进行了比较分析,发现了使用GMDH对于解决多重共线性数据建模问题的贡献,为解决多重共线性问题提供了新的途径。