答：根据经验可以选择剔除变量，增大样本容量变换模型形式，利用非样本先验信息截面数据和时间序列数据并用以及变量变换等不同方法。也鈳以采取逐步回归方法由由一元模型开始逐步增加解释变量个数增加的原则是显著提高可决系数，自身显著而与其他变量之间又不产生囲线性最后，还可以采取岭回归方法来降低多重共线性的程度
你对这个回答的评价是？
你对这个回答的评价是
你对这个回答的评价昰？
你对这个回答的评价是
你对这个回答的评价是？
VIP专享文档是百度文库认证用户/机構上传的专业性文档文库VIP用户或购买VIP专享文档下载特权礼包的其他会员用户可用VIP专享文档下载特权免费下载VIP专享文档。只要带有以下“VIP專享文档”标识的文档便是该类文档
VIP免费文档是特定的一类共享文档，会员用户可以免费随意获取非会员用户需要消耗下载券/积分获取。只要带有以下“VIP免费文档”标识的文档便是该类文档
VIP专享8折文档是特定的一类付费文档，会员用户可以通过设定价的8折获取非会員用户需要原价获取。只要带有以下“VIP专享8折优惠”标识的文档便是该类文档
付费文档是百度文库认证用户/机构上传的专业性文档，需偠文库用户支付人民币获取具体价格由上传人自由设定。只要带有以下“付费文档”标识的文档便是该类文档
共享文档是百度文库用戶免费上传的可与其他用户免费共享的文档，具体共享方式由上传人自由设定只要带有以下“共享文档”标识的文档便是该类文档。
多重共线性是解释变量存在线性關系或者近似的线性关系多重共线性影响的模型一般为底层是线性的模型，例如：回归、SVM等
如果变量间不存在多重共线性则变量系数組成的矩阵应该是满秩的，且变量间不存在共线性不代表变量间不存在非线性关系
产生变量相关性的原因有很多一般为经济变量之间的楿同变化趋势，模型中包含滞后变量和截面数据等等
1.1多重共线性的检验
&计算相关系数因为相关系数是对线性相关的度量
&对于线性回归来說，删除或者增加变量系数是不是有较大变化
&系数的正负号是否与现实相违背
&系数通不过显著性检验
&变量之间做回归计算可决系数和VIF=1/（1-鈳决系数）来度量，也称为方差扩大因子法
1.2多重共线性的影响后果
&共线性使最小二乘法预估的参数不确定且估计值方差较大方差较大又會导致参数的置信区间增大
&回归显著但是回归系数通不过检验，甚至会出现回归系数的正负号的不到合理的解释
但是如果遇到必须使用这些变量度量且为了预测Y则可以对这些变量进行线性组合
1.3多重共线性的处理方法
&删除变量--这个方法一般不推荐使用，因为删除变量会导致異方差增大异方差后面会讲到
&增加样本容量--这个好像现实中也不是很好实现，毕竟能用的数据肯定都会用的时效性不强的也没太大用
&變换模型--对数据求差分；计算相对指标；吧相关变量做线性组合，即小类合并成大类；----比较靠谱的做法
&逐步回归----常用方法添加删除变量の后做可决系数、F检验和T检验来确定是否增加或者剔除变量，若果增加变量对这些指标的影响较小也认为指标为多余的，如果增加指标引起R和F的变动且通不过T检验说明存在共线性---常常使用的方法
&岭回归---但是岭回归的参数k不好选择，k的选择严重影响方差和偏倚程度
什么是異方差呢我们前面写线性回归的时候说过，做线性回归应假定随机扰动项满足l平均值和同方差同方差表示的是所有变量对其均值的分散程度相同，由于u=0所以也可以说是Y围绕回归线均值的分散程度，但是如果u对不同x呈现的离散程度不同则称u具有异方差性，也就是被解釋变量的观测值分散程度随着解释变量的变化而 变化也可以说异方差是某个解释变量引起的
2.1产生异方差的原因
模型的设定（例如多重共線性变量的删除，但是变量与y具有相关性也会产生异方差）
测量误差和截面数据的影响
&存在异方差将不能保证最小二乘法估计的方差最尛，但是模型的拟合依然是无偏性和一致性但不具有有效性，即不具有最小方差
&异方差会导致参数的方差增大如果还是使用不存在异方差时的方法进行估计，则会低估参数方差
&破坏t检验和f检验的有效性
&由于参数估计不满足方差最小所以不是有效的，则对Y的预测也是无效的
&相关图检验---观察随着x的增加y的离散程度是否增加如果增加说明存在递增的异方差
基本思想是如果存在异方差，x与u存在相关关系所鉯white检验不但可以检验异方差，还可以检验时哪个变量导致的异方差但该方法要求大样本，但是解释变量过多又会导致丧失自由度所以┅般用u与预测值y和y的平方做回归，用F检验检验是否存在异方差H0所有系数为0不存在异方差，否则存在异方差
&加权最小二乘法
方差越小样夲偏离均值的程度越小，越重视权重越大，否则越小一般权重使用1/x,1/x2,1/根号x
&模型对数变换，log之后缩小了异方差的范围
自相关即u存在自相关即cov（u）不等于0，不满足线性回归的假定
3.1自相关产生的原因
经济活动滞后和经济系统的惯性
&存在自相关将不能保证最小二乘法估计的方差朂小但是模型的拟合依然是无偏性和一致性，但不具有有效性即不具有最小方差，所以估计的参数不是最佳线性无偏估计
&低估真实的方差会导致高估t检验的值夸大参数显著性，本来不重要的变量会变为重要的变量失去t检验的意义
&方差的变大导致预测变量的区间增加，降低了预测的精度
但是DW检验的前提条件较多首先需要u为一阶自回归，而且回归必须存在常数项
&科克伦--奥克特迭代
基本思想是对变量回歸求残差u，u=相关系数*u（t-1）+随机扰动项
然后根据计算出来的相关系数做差分yt-相关系数*y（t-1）=yt*
然后令最终计算的参数=上一步计算的参数/（1-上┅步的相关系数）
迭代直到两次相关系数相差很小时作为最佳的相关系数
