1樓：匿名使用者
不行，引入新變數r2肯定是增大的
2樓：匿名使用者
基本上引入新變數就一定會引起測定係數的提高，所以最好不要把測定係數提高當做一個篩選依據。
還是應該看變數的顯著性檢驗結果。
如果t檢驗不顯著，那最好還是不保留了吧。
用spss做迴歸分析的時候，直接用原始資料做出來自變數與因變數的係數不能通過t檢驗，變數間相關係數較大。
3樓：
不太懂你的意思，你描述的步驟沒有問題。但按你說的，開始時候不納入控制變數應該也是有作用的啊，怎麼會迴歸係數不顯著呢
計量經濟學中多重共線性的檢驗方法有哪些
4樓：莫道無情
1、簡單相關係數矩陣法（
輔助手段）
此法簡單易行；但要注意兩變數的簡單相關係數包含了其他變數的影響，並非它們真實的線性相關程度的反映，一般在0.8以上可初步判定它倆之間有線性相關。
2、變數顯著性與方程顯著性綜合判斷
（修正）可決係數大，f值顯著大於臨界值，而值不顯著；那麼可認為存在多重共線性。
3、輔助迴歸
將每個解釋變數對其餘變數回歸，若某個迴歸方程顯著成立，則該解釋變數和其餘變數有多重共線性。
（4）方差擴大（膨脹）因子法
（5）直觀判斷法
增加或者減少一個解釋變數，或者改變一個觀測值時，迴歸引數發生較大變化。重要解釋變數沒有通過t檢驗。有些解釋變數的迴歸係數符號與定性分析的相反。
5樓：匿名使用者
一、一般線性迴歸：
proc reg data=abc;
model y=x1-x4
run;
二、多重共線性的檢驗
1、簡單相關係數檢驗法
proc corr data=abc;
var x1-x4;
run;
2、方差擴大因子法
proc reg data=abc;
model y=x1-x4/vif;
run;
3、直觀分析法（略）
4、逐步迴歸檢測法
這在sas中有多重篩選解釋變數的方法：forward、backword、stepwise、maxr、minr、rsquare，主要採用stepwise
proc reg data=abc;
model y=x1-x4/selection=stepwise sle=0.05 sls=0.10;
run; quit;
5、特徵值和病態指數
proc reg data=abc;
model y=x1-x4/collin;
run;
三、多重共線性的補救措施
1、提出變數法（根據前面的檢測剔除掉vif值大的變數……略）
2、增大樣本容量（略）
3、變換模型形式
常使用變數的差分方式，一階差分形式如下：
data abc;
set abc;
x1lag1=lag(x1);
x2lag1=lag(x2);
x3lag1=lag(x3);
x4lag1=lag(x4);
ylag1=lag(y);
if ****s(x1lag1,x2lag1,x3lag1,x4lag1,ylag1)>0 then delete;
dx1=x1-x1lag1;
dx2=x1-x2lag1;
dx3=x1-x3lag1;
dx4=x1-x4lag1;
dy=x1-ylag1;
run;
proc reg data=abc;
model y=x1-x4;
run;quit;
4、利用非樣本先驗資訊（即已知某些解釋變數之間的等式從而可剔除掉一些解釋變數，略）
5、橫截面資料與時間序列資料並用
屬於先驗資訊法的變種，首先利用橫截面資料估計出部分引數代入原方程，再利用時間序列資料估計出另外的部分引數，其前提是前一部分引數在不同時間上變化很小。
6、變數變換
絕對指標轉為相對指標；
名義資料轉為實際資料；
小類指標合併為大類指標（主成分分析和因子分析，後面再予補充）
7、逐步迴歸法（參見檢驗部分，略）
8、嶺迴歸
當自變數存在多重共線關係時, 均方誤差將變得很大,故從均方誤差的角度看, 普通最小二乘估計不是係數的好估計，減少均方誤差的方法就是用嶺迴歸估計替代最小二乘估計。但使得均方誤差達到最小的k值依賴於未知引數係數和隨機干擾項的方差，因此k 值的確定是嶺迴歸分析中關鍵。
在實際應用中, 通常確定k值的方法有以下幾種:①嶺跡圖法, 即對每個自變數xi, 繪製隨k值的變化嶺迴歸估計的變化曲線圖。一般選擇k使得各個自變數的嶺跡趨於穩定；②方差膨脹因子法, 選擇k使得嶺迴歸估計的vif<10；③控制殘差平方和法, 即通過限制嶺迴歸估計的殘差平方和不能超過cq(其中c>1為指定的常數,q為最小二乘估計的殘差平方和)來找出最大的k值。
data abc;
input x1-x3 y;
cards;
149.3 4.2 108.1 15.9
161.2 4.1 114.8 16.4
171.5 3.1 123.2 19.0
175.5 3.1 126.9 19.1
180.8 1.1 132.1 18.8
190.7 2.2 137.7 20.4
202.1 2.1 146.0 22.7
212.4 5.6 154.1 26.5
226.1 5.0 162.3 28.1
231.9 5.1 164.3 27.6
239.0 0.7 167.6 26.3
;run;
proc reg data=abc outest=out1 graphics outvif;
model y=x1-x3/ridge=0.0 to 0.1 by 0.01 0.2 0.3 0.4;
plot/ridgeplot;
proc print;run;quit;
9、主成分迴歸法
proc reg data=abc outest=out2;
model y=x1-x3/pcomit=1,2 outvif;
proc print data=out2;run;quit;
10、偏最小二乘迴歸法
proc pls data=abc outmodel=out3 cv= one method=simpls;
model y=x1-x3;
proc print data=out3;
run; quit;
這些是sas軟體的檢驗方法。
6樓：周先生
計量經濟學彙總有很多共性檢測方法。
在Eviews中，用逐步迴歸法剔除解釋變數後，R 2比原來小了，這樣的情況還應該剔除掉那個解釋變數嗎
刪除變數會減少r2，很正常的，這和共線性無關 tongjizhixing 請大神指點，我eviews迴歸結果r 2太小，結果如圖，請問我怎麼修改。增加其它的解釋變數。r2不小啊 做專業資料統計分析，找我吧 一個關於迴歸分析裡逐步迴歸自變數選取與剔除的問題，求幫忙。第一問回答是因為若引入某變數x2，其...
什麼是一元線性迴歸法？它有哪些使用條件？相關係數說明了什麼
參見北京航空航天大學出版社的 基礎物理實驗 修訂版 113頁下方 確定一元線性迴歸方程時，兩個變數的相關係數是越小越好嗎 不是！是 絕對值 越大越好。若相關係數絕對值等於1，則兩個變數 就是 函式關係 而不是 相關 關係 迴歸就是要了解變數之間的關係，相關性當然越大越好了 一元線性迴歸分析中的迴歸係...