大家都是用什么方法消除多重共线问题的啊

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

我是实在没有办法了，本来我预想的是用超越对数的生产函数的，但是解释变量间的相关性很高的啊，实在没有办法了，只能用最简单的一元模型了。

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：多重共线 什么方法 超越对数 解释变量 生产函数 消除 共线

我给出我的一点认识，

1.自变量的相关系数

2.VIF法。

逐步回归可以踢掉与关键变量相关性强但与被解释变量相关性相对弱的变量；

主元回归可以在不改变原模型结构的前提下找出各变量间的关系

面板模型可以缓解多重共线线的影响

IN general we cannot do much with multicollinearity. This is an issue similar to the case when you do not have enough number of observations.

[此贴子已经被作者于2006-5-6 17:35:03编辑过]

重新选取样本,或者采用主成分回归或岭回归都可以.采用面板模型比较复杂,更能发现新问题.

一般有两种方法可以用来消除

1。剔除vif大的元素，最好结合droptest进行

2。使用差分，不过差分有个不好就是会消除一些序列特性，慎用。

谢谢了，以前还不知道有Variance inflate factor(VIF)这样一个指标可以衡量多重共线性问题的：看人家的文章，只要小于5就是可以接受的。这样子有个定量的指标就好多了。

我觉得DW值（反映变量的自相关的指标）也能反映模型整体的多重共线性问题，如果模型经过差分处理后仍然存在较严重多重共线性问题的话，它的DW值也会离开临界范围。

碰到这样的情况，差分法消除自相关很有效，但消除多重共线性效果就不好了。

我是采用的岭回归方法