.6——图2.2.9所示结果,并根据逐步回归的思想,我们可以看到,新加入变量X4的二元回归方程最大,并且各参数的检验显著,参数符号也符合经济意义,因此,保留变量X4。第三步:在保留变量X2、X4的基础上,继续进行逐步回归,分别得到图2.2.10——2.2.12所示的回归结果。图2.2.10图2.2.11图2.2.12结果分析:观察图2.2.11,我们可以看到,在X2、X4的基础上加入X3后的方程明显增大,F统计量也很大,说明模型对样本的拟合很好并且回归方程显著;同时各解释变量的系数所对应的t值较大,相应的p<0.05,说明各解释变量对因变量的影响显著,并且参数的符号也符合经济意义,只是DW值落入了无法判断的区域,但由LM检验知仍不存在一阶自相关性。因此,根据逐步回归的思想,模型应保留自变量X2、X3、X4。进行拉格朗日乘数检验(LM检验):在图6.14中,点击:View\ResidualDiagnostics\SerialCorrelationLMTest…,在弹出对话框中输入:1,点击OK,得到图2.2.11.2所示结果。图2.2.11.2由图2.2.11.2中数据得到其所对应的伴随概率为说明在5%的显著性水平下不存在1阶序列相关性。但通过图2.2.10,我们可以看到,在X2、X4基础上加入X1后,方程的修正拟合优度,度略有提下降,但变量X1系数的t值很小,相应的p值大于显著性水平0.05,没有通过显著性检验,说明自变量X1对因变量的影响不显著;同样,由图2.2.12可知,加入X5后拟合优度虽有所提高,但X5参数的t值很小,相应的p值远大于显著性水平0.05,说明X5对因变量的影响不显著。因此,根据逐步回归的思想,说明X1、X5的出现引起严重的多重共线性。第四步:在保留变量X2、X3、X4的基础上,继续进行逐步回归,分别得到如图2.2.13、图2.2.14所示的回归结果。
全文预览
