变量多重共线性检验:由相关系数矩阵知:1.GDP与RL、RS和SP存在明显的线性相关性。可以看出GDP与利率存在线性负相关,与股票市场存在线性正相关。因为GDP是反映国家经济的一个重要指标,因此,国家为了刺激经济,货币政策往往比较宽松,利率比较低,此时国家经济发展,GDP加速上升,带动股市上扬。2.RL与SP存在明显的线性相关性。由股票理论价格=股票收益/利率知道利率与股票价格存在负相关。由于存在多重共线性存在,导致OLS下估计量的非有效、变量显著性检验失效和模型预测失效,因此必须克服模型多重共线性,对模型进行修改。4.对模型多从共线性的模型修正:前面已经大致检测出存在多重共线性的解释变量,分别是RS、RL、SP、GDP。对这些解释变量进行逐步回归:GDP:RL:RS:SP:可以看出RL的逐步回归中t检验最显著;R2检验值为0.881,在四个检验中最好;且WD值为1.298,在四个检验中表示残差存在一阶自相关可能性最低。因此模型应采用G=C(1)+C(2)*U+C(3)*O+C(4)*I+C(5)*RL+E的形式。5.对修正后的模型进行检验如图:怀特检验中P值大于0.05,说明不存在残差项异方差。BG-LM检验中P值大于0.05,说明不残差项存在自相关。残差正态性检验中JB统计量概率大于0.05,说明残差服从正太分布。残差随机性检验中看出残差为白噪声的可能性很高。在多重共线性检验中可以看出除了RL与U的相关系数在0.53左右,其他变量间的相关系数还都比较低。由于经济变量多为时间序列,且经济关系间是相互影响、普遍联系的,因此反映经济的各种变量间或多或少存在着一定的线性关系。这些线性关系应尽可能降低,但不能完全消除。用递归最小二乘法对模型稳定性进行检测:这时递归残差图。程序给出了零均值线及2个标准差的区域,图形的分布越集中越好。如果残差落在该区域之外,说明方差的参数是不稳定的。
全文预览