一种基于决策树和词义相似度的N1+N2结构语法关系判定方法

杨泉

摘 要：多元线性回归模型通常用来研究一个因变量依赖多个解释变量的变化关系，但它有一个前提条件就是解释变量之间不存在相关关系。在实际的应用中，特别是计量经济学中，解释变量之间一般都存在有高度相关关系或近似相关关系，从而使得模型估计不准确。为此，通过协方差计算变换矩阵，提供一种变换矩阵消除随机变量之间相关关系的方法，通过spss25进行实证分析，最后发现通过矩阵变换变换后的数据t检验的显著性值明显降低。

关键词：多重共线性;协方差;显著性;

中图分类号：O212.4      文献标识码：A

多重共线性是指在所构建的模型中，解释变量之间存在的高度相关关系或近似相关关系[1]。做模型预测时，一般均是建立函数模型，其前提条件是解释变量之间都不具有相关性、不存在多重共线性，但在实际建模过程中，拿到的数据都会存在一些多重共线性。特别是在实际计量经济学问题中，由于经济数据的限制使得模型设计不当，解释变量之间往往存在某种近似的相关关系，导致模型失去了预测的意义。

在目前的研究背景下，文献[2]中介绍了三种比较常用的消除多元共线性的方法，第一种方法是手动剔除法，自变量之间存在共线性，说明自变量所提供的信息是重叠的，可以删除不重要的自变量减少重复信息。但从模型中删去解释变量时如果删除不当，会使模型产生设定误差，使得模型失去该有的意义;第二种方法是逐步回归法，逐步回归方法解决解释变量多重共线性的问题实质是基于解释变量之间的相关性筛选变量，将一些变量剔除，不进入模型建模。……