57494.9
0
0
8858.5
66850.5
0
0
7759.0
73142.7
1
0
7615.4
76967.2
1
0
6253.0
80579.4
1
0
4976.7
88254.0
1
0
9457.6
95727.9
1
1
13233.2
103935.3
1
1
16631.9
116603.2
1
1
在microsoft excel做出年度与城乡居民人民币储蓄存款增加额（YY）关系折线图
4.692
X3、X5、X6
8.0982
12.9169
-424.41
0.970249
4.078
2.639
0.805
比较，X3 X5 X4这组数据t各项检验值显著大，且修正的R2=0.987166所以保留X4
以X3 X5 X4为基础顺次加入其他变量做回归
Y C X3 X5 X4 X2
Y C X3 X5 X4 X6
校正的R2
X3、X2
0.0298
6.194
0.965818
2.151
4.284
X3、X4
8.017
1.717
0.94863
5.748
0.858
X3、X5
6.737
10.907
0.971745
6.644
2.658
X3、X6
7.851
285.115
0.944908
2.909
0.462
比较，当加入参数X5时各项参数的t值较大，且校正的R2=0.971745所以保留X5，以X3，X5为基础顺次加入其他变量做回归
可以观察到：
加入参数X2后，X2的t检验值不显著，加入参数X6后，X6的t检验值为负值，所以
X2 X6引起严重的多重共线性，故剔除X2 X6
所以修改后的回归结果为：
Dependent Variable: Y
Method: Least Squares
Date: 05/26/11 Time: 16:20
Method: Least Squares
Date: 05/26/11 Time: 15:28
Sample: 1994 2003
Included observations: 10
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
-274.1768
1316.895
226.6
140.27
6.87
2001
3522.37
78400
708.3
212.7
169.80
7.01
2002
3878.36
87800
739.7
209.1
176.52
7.19
2003
3442.27
87000
684.9
200.0
180.98
7.30
参数回归如下：
输入年度数据
得到
Dependent Variable: Y
YY C GNI GNI(GNI-66850.5)D1 GNI(GNI-88254.0)D2
Dependent Variable: YY
Method: Last Sqares
Date: 05/26/11 Time: 13:53
Sample (adjusted): 3 27
Included observations: 25 after adjustments
4.写出最后模型的形式
实
验
步
骤
1，虚拟变量回归
对于数据
实验2.1.xls
城乡居民人民币储蓄存款增加额（YY）
国民总收入（GNI）
D1
D2
NA
3624.1
0
0
70.4
4038.2
0
0
118.5
4517.8
0
0
124.2
4860.3
0
0
151.7
5301.8
0
0
217.1
5957.4
0
0
322.2
7206.7
得到：
变量
X2
X3
X4
X5
X6
校正的R2
X3、X5、X4、X2
0.0075
3.9187
3.2001
11.6767
0.985378
0.516
3.067
2.852
2.088
X3、X5、X4、X6
5.6987
3.2977
15.9684
-480.632
0.989531
4.173
3.471
5.263
-1.535
0.0000
(GNI-88254.0)*D2
0.560219
0.040136
13.95810
0.0000
R-squared
0.989498
Mean dependent var
4168.652
Adjusted R-squared
0.987998
S.D. dependent var
4581.447
S.E. of regression
0.951507
0.950641
1.000000
0.918851
0.751960
0.947977
0.941681
0.977673
0.918851
1.000000
0.865145
0.859191
0.963313
0.878337
0.751960
0.865145
1.000000
0.664946
0.818137
Prob(F-statistic)
0.000000
YYt=-0.80.4045+0.1445GNIt+E1tt<=1996
18649.8312-0.1469GNIt+E2t18<t<=2000
-30790.0596+0.4133GNIt+E3tt>=2000
2,多重共线性
对于数据
实验2.2.xls
年份
501.9182
Akaike info criterion
15.42040
Sum squared resid
5290359.
Schwarz criterion
15.61542
Log likelihood
-188.7550
F-statistic
659.5450
Durbin-Watson stat
1.677712
321.3331
-1.752473
0.1546
R-squared
0.995405
Mean dependent var
2539.193
Adjusted R-squared
0.989661
S.D. dependent var
985.0245
S.E. of regression
100.1589
Akaike info criterion
0.771476
0.839436
0.905365
校正的R2
0.891684
0.950324
0.74291
0.819365
0.893553
其中X3的校正的R2最大，以X3为基础，顺次加入其他变量逐步回归
Y C X3 X2
Y C X3 X4
Y C X3 X5
Y C X3 X6
得到：
变量
X2
X3
X4
X5
X6
同组学生姓名
无
实验地点
经管3楼
实验日期
2010年5月10日3～4节课
主要仪器设备（实验软件）
Eviews软件
实
验
目
的
要求学生掌握利用Eviews软件进行计量经济学中关于虚拟变量的回归模型研究与建立；诊断（检验）模型中的多重共线性问题，并通过合适的方法对模型进行补救以降低模型的多重共线性
实
验
内
容
和
原
理
R2=0.995405,拟合优度较高，但当α＝0.05时，tα/2(n-k)=t0.025(10-6)=2.776，X2、X6系数的t检验不显著，而且X6系数符号与与其相反：可能存在严重的多重共线性
Y
X2
X3
X4
X5
X6
1.000000
0.950641
0.977673
0.878337
0.916207
X5
13.62842
2.904430
4.692289
0.0034
X4
3.222286
1.050397
3.067685
0.0220
R-squared
0.991444
Mean dependent var
2539.193
Adjusted R-squared
0.987166
0.916207
0.947977
0.859191
0.664946
1.000000
0.897708
0.951507
0.941681
0.963313
0.818137
0.897708
1.000000
由表中可以看到，各解释变量相互之间的相关系数较高，确实存在严重的多重共线性