1楼：匿名用户
在spss中有专门的选项的。例如在回归分析中，线性回归-统计量-有共线性诊断。多重共线性：
自变量间存在近似的线性关系，即某个自变量能近似的用其他自变量的线性函数来描述。多重共线性的后果：整个回归方程的统计检验pa，不能纳入方程去掉一两个变量或记录，方程的回归系数值发生剧烈抖动，非常不稳定。
多重共线性的确认：做出自变量间的相关系数矩阵：如果相关系数超过0.
9的变量在分析时将会存在共线性问题。在0.8以上可能会有问题。
但这种方法只能对共线性作初步的判断，并不全面。容忍度（tolerance）:有norusis提出，即以每个自变量作为应变量对其他自变量进行回归分析时得到的残差比例，大小用1减决定系数来表示。
该指标越小，则说明该自变量被其余变量**的越精确，共线性可能就越严重。陈希孺等根据经验得出：如果某个自变量的容忍度小于0.
1，则可能存在共线性问题。方差膨胀因子（varianceinflationfactor,vif）:由marquardt于1960年提出，实际上就是容忍度的倒数。
特征根（eigenvalue）：该方法实际上就是对自变量进行主成分分析，如果相当多维度的特征根等于0，则可能有比较严重的共线性。条件指数（conditionidex）：
由stewart等提出，当某些维度的该指标数值大于30时，则能存在共线性。多重共线性的对策：增大样本量，可部分的解决共线性问题采用多种自变量筛选方法相结合的方式，建立一个最优的逐步回归方程。
从专业的角度加以判断，人为的去除在专业上比较次要的，或者缺失值比较多，测量误差比较大的共线性因子。进行主成分分析，用提取的因子代替原变量进行回归分析。进行岭回归分析，它可以有效的解决多重共线性问题。
进行通径分析（pathanalysis），它可以对应自变量间的关系加以精细的刻画。spss可以进行比较基本的通径分析，但复杂的模型需要使用spss公司的另外一个软件amos来进行。
计量经济学多重共线性的判断题
2楼：
1.错，完全多重共线性破坏clrm的基本假设，ols不存在2.错，可以估计多个偏回归系数的显著性
3.错，有可能存在
4.对5.错，前提是多重共线性在未来仍然存在
计量经济学中多重共线性的检验方法有哪些
3楼：莫道無情
1、简单相关系数矩阵法（
辅助手段）
此法简单易行；但要注意两变量的简单相关系数包含了其他变量的影响，并非它们真实的线性相关程度的反映，一般在0.8以上可初步判定它俩之间有线性相关。
2、变量显著性与方程显著性综合判断
（修正）可决系数大，f值显著大于临界值，而值不显著；那么可认为存在多重共线性。
3、辅助回归
将每个解释变量对其余变量回归，若某个回归方程显著成立，则该解释变量和其余变量有多重共线性。
（4）方差扩大（膨胀）因子法
（5）直观判断法
增加或者减少一个解释变量，或者改变一个观测值时，回归参数发生较大变化。重要解释变量没有通过t检验。有些解释变量的回归系数符号与定性分析的相反。
4楼：匿名用户
一、一般线性回归：
proc reg data=abc;
model y=x1-x4
run;
二、多重共线性的检验
1、简单相关系数检验法
proc corr data=abc;
var x1-x4;
run;
2、方差扩大因子法
proc reg data=abc;
model y=x1-x4/vif;
run;
3、直观分析法（略）
4、逐步回归检测法
这在sas中有多重筛选解释变量的方法：forward、backword、stepwise、maxr、minr、rsquare，主要采用stepwise
proc reg data=abc;
model y=x1-x4/selection=stepwise sle=0.05 sls=0.10;
run; quit;
5、特征值和病态指数
proc reg data=abc;
model y=x1-x4/collin;
run;
三、多重共线性的补救措施
1、提出变量法（根据前面的检测剔除掉vif值大的变量……略）
2、增大样本容量（略）
3、变换模型形式
常使用变量的差分方式，一阶差分形式如下：
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、利用非样本先验信息（即已知某些解释变量之间的等式从而可剔除掉一些解释变量，略）
5、横截面数据与时间序列数据并用
属于先验信息法的变种，首先利用横截面数据估计出部分参数代入原方程，再利用时间序列数据估计出另外的部分参数，其前提是前一部分参数在不同时间上变化很小。
6、变量变换
绝对指标转为相对指标；
名义数据转为实际数据；
小类指标合并为大类指标（主成分分析和因子分析，后面再予补充）
7、逐步回归法（参见检验部分，略）
8、岭回归
当自变量存在多重共线关系时, 均方误差将变得很大,故从均方误差的角度看, 普通最小二乘估计不是系数的好估计，减少均方误差的方法就是用岭回归估计替代最小二乘估计。但使得均方误差达到最小的k值依赖于未知参数系数和随机干扰项的方差，因此k 值的确定是岭回归分析中关键。
在实际应用中, 通常确定k值的方法有以下几种:①岭迹图法, 即对每个自变量xi, 绘制随k值的变化岭回归估计的变化曲线图。一般选择k使得各个自变量的岭迹趋于稳定；②方差膨胀因子法, 选择k使得岭回归估计的vif<10；③控制残差平方和法, 即通过限制岭回归估计的残差平方和不能超过cq(其中c>1为指定的常数,q为最小二乘估计的残差平方和)来找出最大的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、主成分回归法
proc reg data=abc outest=out2;
model y=x1-x3/p***it=1,2 outvif;
proc print data=out2;run;quit;
10、偏最小二乘回归法
proc pls data=abc outmodel=out3 cv= one method=simpls;
model y=x1-x3;
proc print data=out3;
run; quit;
这些是sas软件的检验方法。
5楼：周先生
计量经济学汇总有很多共性检测方法。
计量经济学：什么情况下才需要用多重共线性。
6楼：匿名用户
我可能不是很明白楼主的问题...
多重共线性和楼主的问题貌似是两个方面...
多重共线性在计量中是一种问题...会引起回归方程的谬误楼主应该说的是相关性吧...
个人认为处理方法:
回归方程的系数不符合先验性预期的话我觉得有几个方面可能楼主需要考虑:
1.数据**有问题
2.样本收到约束或过小...也就是微数缺测性...
3.模型设定有误...特别是在x变量范围很小的时候...楼主可以考虑换成对数模型等...
如果是算相关系数的话...
就无法定量处理...
我的意思是你不能说明铁路里程每变动一个单位对旅游收入的贡献度...
还有...
如果楼主没有发现以上任何一个问题的话...
那么楼主就要接受这个答案了...
那就是呈负相关...这个就需要楼主进一步研究了...
计量经济学中，对数回归模型会出现多重共线性吗？ 100
7楼：匿名用户
多重共线性和模型没有直接的关系。
多重共线性，主要源自于你自己的数据。也就是你的 自变量 之间的关系。
如果出现多重共线性，你需要去重新审查一下即自己收集的数据，看看是不是不小心把一些数据收集重复或者构建新变量的时候，不小心做了线性的变化。
8楼：匿名用户
任何形式下都会有多重共线性，因为没有共线性的话你就可以分拆开做单独的回归了
9楼：匿名用户
会。对数化与多重共线性之间没有必然联系。
完全多重共线性和遗漏变量偏差。计量经济学
10楼：匿名用户
楼上有误。
遗漏变量会引起估计系数大小有偏，而自相关和异方差只会带来统计量（t值）有偏，也就是影响显著性，系数是无偏的。
再来解释你的问题。
遗漏变量是指，你遗漏的变量既与自变量有关，又与因变量有关。比如你的身高是x，树的高度是y，把树每年的高度对你每年的身高做回归，系数肯定显著为正。但是你遗漏了时间这个变量。
其实你的身高和树的身高并没有关系，只不过都随着时间长高而已。
另外，多重共线性和线性相关是不一样的。线性相关就是你说的，一个变量可以用另一个变量表示。用向量的语言来说，就是两个变量是共线的。
而多重共线性是说，两个变量的向量是夹角小于90度大于0度（如果完全无关，则向量夹角为90度）。
多重共线性是普遍存在的。两个自变量之间有多重共线性是很正常的，只要vif<10，就对结果影响不大。顺便一说，多重共线性也能保证结果无偏，只是影响显著性。
而如果vif<10，则显著性的影响也不大，可以不用考虑。
所以，加入遗漏的相关的变量，可能会出现多重共线性，但一般不会线性相关。如果多重共线性太严重，可以考虑换个指标什么的。
计量经济学半对数模型系数的含义,计量经济学中简单线性模型、对数模型、半对数模型的含义 多元线性回归回归方程的显著性检验（单个系数与联
1楼 军少 根据半对数模型，x1每增加一个单位，y是增加0 3 个单位 计量经济学中简单线性模型 对数模型 半对数模型的含义 多元线性回归回归方程的显著性检验 单个系数与联 2楼 匿名用户 简单线性 等式两边都不取对数 对数 等式两边都取对数 半对数 等式一边取对数 显著性检验 单个系数t检验，联合...