lnY??4.0907?1.2186ln(GDP) t= (-10.6458) (34.6222)R2?0.9828 R2?0.9820 F?1198.698
lnY??5.4424?2.6637ln(CPI) t= (-4.3412) (11.6809)R2?0.8666 R2?0.8603 F?136.4437
ln(GDP)??1.4380?2.2460ln(CPI) t=(-1.9582) (16.8140)R2?0.9309 R2?0.9276 F?282.7107单方程拟合效果都很好，回归系数显著，可决系数较高，GDP和CPI对进口分别有显著的单一影响，在这两个变量同时引入模型时影响方向发生了改变，这只有通过相关系数的分析才能发现。
(5)如果仅仅是作预测，可以不在意这种多重共线性，但如果是进行结构分析，还是应该引起注意。
4.4 自己找一个经济问题来建立多元线性回归模型，怎样选择变量和构造解释变量数据矩阵X才可能避免多重共线性的出现？
练习题4.4参考解答：
本题很灵活，主要应注意以下问题:
(1)选择变量时要有理论支持，即理论预期或假设；变量的数据要足够长，被解释变量与解释变量之间要有因果关系，并高度相关。
（2）建模时尽量使解释变量之间不高度相关，或解释变量的线性组合不高度相关。
4.5 克莱因与戈德伯格曾用1921-1950年(1942-1944年战争期间略去)美国国内消费Y和工资收入X1、非工资—非农业收入X2、农业收入X3的时间序列资料，利用OLSE估计得出了下列回归方程：
??8.133?1.059X1?0.452X2?0.121X3Y (8.92) (0.17) (0.66) (1.09) R2?0.95 F?107.37括号中的数据为相应参数估计量的标准误差。试对上述模型进行评析，指出其中存在的
问题。
练习题4.5参考解答：
从模型拟合结果可知，样本观测个数为27，消费模型的判定系数R?0.95，F统计量为107.37，在0.05置信水平下查分子自由度为3，分母自由度为23的F临界值为3.028，计算的F值远大于临界值，表明回归方程是显著的。模型整体拟合程度较高。 依据参数估计量及其标准误，可计算出各回归系数估计量的t统计量值：
2t0?8.133?0.91,8.92t1?1.059?6.10,0.17t2?0.452?0.69,0.66t3?0.121?0.111.09除t1外，其余的tj值都很小。工资收入X1的系数的t检验值虽然显著，但该系数的估计值过大，该值为工资收入对消费边际效应，因为它为1.059，意味着工资收入每增加一美元，消费支出的增长平均将超过一美元，这与经济理论和常识不符。
另外，理论上非工资—非农业收入与农业收入也是消费行为的重要解释变量，但两者的t检验都没有通过。这些迹象表明，模型中存在严重的多重共线性，不同收入部分之间的相互关系，掩盖了各个部分对解释消费行为的单独影响。
4.6 理论上认为影响能源消费需求总量的因素主要有经济发展水平、收入水平、产业发展、人民生活水平提高、能源转换技术等因素。为此，收集了中国能源消费总量Y (万吨标准煤)、国民总收入(亿元)X1(代表收入水平)、国内生产总值 (亿元)X2(代表经济发展水平)、工业增加值(亿元)X3、建筑业增加值(亿元)X4、交通运输邮电业增加值(亿元)X5(代表产业发展水平及产业结构)、人均生活电力消费 (千瓦小时)X6(代表人民生活水平提高)、能源加工转换效率(%)X7(代表能源转换技术)等在1985-2007年期间的统计数据，具体如表4.2所示。
表4.12 1985~2007年统计数据
年份 能源消费 y 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 76682 80850 86632 92997 96934 98703 103783 109170 115993 122737 131176 138948 137798 132214 133831 138553 143199 151797 国民 总收入 X1 9040.7 10274.4 12050.6 15036.8 17000.9 18718.3 21826.2 26937.3 35260 48108.5 59810.5 70142.5 77653.1 83024.3 88189 98000.5 108068.2 119095.7 国内生 工业 建筑业 交通运输邮电 人均生活 能源加工 增加值 X5 406.9 475.6 544.9 661 786 1147.5 1409.7 1681.8 2205.6 2898.3 3424.1 4068.5 4593 5178.4 5821.8 7333.4 8406.1 9393.4 电力消费 转换效率 X6 21.3 23.2 26.4 31.2 35.3 42.4 46.9 54.6 61.2 72.7 83.5 93.1 101.8 106.6 118.2 132.4 144.6 156.3 X7 68.29 68.32 67.48 66.54 66.51 67.2 65.9 66.00 67.32 65.2 71.05 71.5 69.23 69.44 69.19 69.04 69.03 69.04 产总值 增加值 增加值 X2 9016 10275.2 12058.6 15042.8 16992.3 18667.8 21781.5 26923.5 35333.9 48197.9 60793.7 71176.6 78973 84402.3 89677.1 99214.6 109655.2 120332.7 X3 3448.7 3967 4585.8 5777.2 6484 6858 8087.1 10284.5 14188 19480.7 24950.6 29447.6 32921.4 34018.4 35861.5 4003.6 43580.6 47431.3 X4 417.9 525.7 665.8 810 794 859.4 1015.1 1415 2266.5 2964.7 3728.8 4387.4 4621.6 4985.8 5172.1 5522.3 5931.7 6465.5 2003 2004 2005 2006 2007 174990 203227 223319 246270 265583 135174 135822.8 54945.5 7490.8 159586.7 159878.3 65210 8694.3 183956.1 183084.8 76912.9 10133.8 213131.7 211923.5 91310.9 11851.1 251483.2 249529.9 107367.2 14014.1 10098.4 12147.6 10526.1 12481.1 14604.1 173.7 190.2 216.7 249.4 274.9 69.4 70.71 71.08 71.24 71.25 资料来源：《中国统计年鉴》，中国统计出版社2000、2008年版。
要求：
1)建立对数多元线性回归模型，分析回归结果。
2)如果决定用表中全部变量作为解释变量，你预料会遇到多重共线性的问题吗？为什么？ 3)如果有多重共线性，你准备怎样解决这个问题？明确你的假设并说明全部计算。
练习题4.6参考解答：
(1)建立对数线性多元回归模型，引入全部变量建立对数线性多元回归模型如下: 生成: lny=log(y), 同样方法生成: lnx1,lnx2,lnx3,lnx4,lnx5,lnx6,lnx7. 作全部变量对数线性多元回归,结果为:
从修正的可决系数和F统计量可以看出，全部变量对数线性多元回归整体对样本拟合很好，，各变量联合起来对能源消费影响显著。可是其中的lnX3、lnX4、lnX6对lnY影响不显著,而且lnX2、lnX5的参数为负值，在经济意义上不合理。所以这样的回归结果并不理想。
(2) 预料此回归模型会遇到多重共线性问题, 因为国民总收入与GDP本来就是一对关联指标；而工业增加值、建筑业增加值、交通运输邮电业增加值则是GDP的组成部分。这两组指标必定存在高度相关。
解释变量国民总收入(亿元)X1(代表收入水平)、国内生产总值(亿元)X2(代表经济发展水平)、工业增加值(亿元)X3、建筑业增加值(亿元)X4、交通运输邮电业增加值(亿元)X5(代表产业发展水平及产业结构)、人均生活电力消费 (千瓦小时)X6(代表人民生活水平提高)、能源加工转换效率(%)X7(代表能源转换技术)等很可能线性相关,计算相关系数如下:
可以看出lnx1与lnx2、lnx3、lnx4、lnx5、lnx6之间高度相关，许多相关系数高于0.900以上。如果决定用表中全部变量作为解释变量，很可能会出现严重多重共线性问题。 （3）因为存在多重共线性，解决方法如下：
A：修正理论假设，在高度相关的变量中选择相关程度最高的变量进行回归建立模型：而对变量取对数后，能源消费总量的对数与人均生活电力消费的对数相关程度最高，可建立这两者之间的回归模型。如
lny?9.932?0.421lnx6 (0.116) (0.026)R2?0.926 R2?0.922 F?261.551B：进行逐步回归，直至模型符合需要研究的问题，具有实际的经济意义和统计意义。采用逐步回归的办法，去检验和解决多重共线性问题。分别作lnY对
lnX1,lnX2,lnX3,lnX4,lnX5,lnX6,lnX7的一元回归，结果如下:
一元回归结果：
变量 lnX1 lnX2 0.315 14.62 0.911 0.906 lnX3 0.277 9.718 0.818 0.809 lnX4 0.297 13.22 0.893 0.888 lnX5 0.273 11.717 0.867 0.861 lnX6 0.421 16.173 0.926 0.922 lnX7 8.73 4.648 0.507 0.484 参数估计值 0.316 t统计量 可决系数 调整可决系数 14.985 0.914 0.910 其中加入lnX6的方程调整的可决系数最大, 以lnX6为基础, 顺次加入其他变量逐步回归。结果如下表:
变量 lnX1 lnX2 lnX3 lnX4 lnX5 lnX6 lnX7 R2