變數自相關解決方法

Ⅰ 在做多元線性回歸時，如果一個變數有自相關性，要用差分的方法話，是所有變數都要進行差分處理嗎

不需要，只需要該變數做查分處理就行。

Ⅱ 為什麼我們要加上因變數和自變數的滯後時間來解決自相關

因為時間序列模型就是這樣的。
這是事物系統的諸要素所固有的相對穩定的組織方式或聯結方式。這些體現為要素的組織、總合、集合。諸多要素藉助於結構形成系統，物質系統的結構可分為空間結構與時間結構。
被控對象的被控變數的變化落後於干擾的現象叫滯後。滯後分純滯後和過渡滯後，實際對象中，往往是純滯後與過渡滯後同時存在，很難嚴格區別，常常把兩者合起來統稱為滯後時間。滯後的存在是不利於控制的，所以，在設計和安裝控制系統時，應盡量把滯後減到最小。

Ⅲ .1.自相關的檢驗方法有哪些各種的檢驗思想與判斷規則是如何的

相關性檢驗方法共同思路是：採用普通最小二乘法估計模型，以求的隨機干擾項的「近似估計量」，然後通過這些「近似估計量」之間的相關性以表達判斷隨機干擾項是否具有序列相關的目的，主要相關性檢驗有四種：圖示法、回歸檢驗法、杜賓-瓦森檢驗法（D.W.）、拉格朗日檢驗（GB）。最好的檢驗方法應該是GB檢驗，適用於高階序列相關及模型中存在滯後變數的情形。D.W.檢驗中，存在一個不能確定的D.W.值區域，且僅能檢測一階自相關，對存在置後被解釋變數的模型無法檢驗。後兩個問題，因不懂什麼是自相關形式、自相關類型，故暫時無法回答！

Ⅳ 自相關存在的原因、後果及克服方法

原因：
1.模型的數學形式不妥
2.經濟時間序列的慣性
3.回歸模型中略去了帶有自相關重要的解釋變數
後果：
1.回歸第數的估計量雖然無偏，但不具有最小方差
2.有可能低估誤差項的方差
3.回歸方程無法預測，預測是無效的
克服方法：
1.用科克倫—奧克特迭代法
2.廣義最小二乘法

Ⅳ 如何消除回歸方程中變數的自相關性

差分，然後看結果。一介差分不行，那就二階

Ⅵ spss做相關性~自變數與因變數低度相關怎麼辦急急急~~~有什麼處理辦法嗎求步驟

（一）刪除不重要的自變數
自變數之間存在共線性,說明自變數所提供的信息是重疊的,可以刪除不重要的自變數減少重復信息.但從模型中刪去自變數時應該注意：從實際經濟分析確定為相對不重要並從偏相關系數檢驗證實為共線性原因的那些變數中刪除.如果刪除不當,會產生模型設定誤差,造成參數估計嚴重有偏的後果.
（二）追加樣本信息
多重共線性問題的實質是樣本信息的不充分而導致模型參數的不能精確估計,因此追加樣本信息是解決該問題的一條有效途徑.但是,由於資料收集及調查的困難,要追加樣本信息在實踐中有時並不容易.
（三）利用非樣本先驗信息
非樣本先驗信息主要來自經濟理論分析和經驗認識.充分利用這些先驗的信息,往往有助於解決多重共線性問題.
（四）改變解釋變數的形式
改變解釋變數的形式是解決多重共線性的一種簡易方法,例如對於橫截面數據採用相對數變數,對於時間序列數據採用增量型變數.

Ⅶ 在logistics回歸中,兩個自變數相關要怎麼處理

在logistics回歸中，兩個自變數相關處理：將因變數和自變數放入格子的列表裡，上面的是因變數，下面的是自變數（單變數拉入一個，多因素拉入多個）。

設置回歸方法，這里選擇最簡單的方法：enter，它指的是將所有的變數一次納入到方程。方法都是逐步進入的方法。等級資料，連續資料不需要設置虛擬變數。多分類變數需要設置虛擬變數，虛擬變數ABCD四類，以a為參考，b相對於a有無影響，c相對於a有無影響，d相對於a有無影響。

原理：

如果直接將線性回歸的模型扣到Logistic回歸中，會造成方程二邊取值區間不同和普遍的非直線關系。因為Logistic中因變數為二分類變數，某個概率作為方程的因變數估計值取值范圍為0-1，但是，方程右邊取值范圍是無窮大或者無窮小。所以，才引入Logistic回歸。

Ⅷ 用spss做兩個變數相關性分析時，存在強自相關怎麼辦

調查分析問卷回收，在經過核實和清理後就要用SPSS做數據分析，首先的第一步就是把問題編碼錄入。要根據問卷問題的不同定義變數。定義變數值得注意的兩點：1、區分變數的度量，其中Scale是定量、Ordinal是定序、Nominal是指定類；2、注意定義不同的數據類型。
各色各樣的問卷題目的類型大致可以分為單選、多選、排序、開放題目四種類型，他們的變數的定義和處理的方法各有不同，現詳細舉例介紹如下：

1、單選題：答案只能有一個選項
例一、當前貴組織機構是否設有面向組織的職業生涯規劃系統？
A有 B 正在開創 C沒有 D曾經有過但已中斷
編碼：只定義一個變數，Value值1、2、3、4分別代表A、B、C、D 四個選項。
錄入：錄入選項對應值，如選C則錄入3

2、多選題：答案可以有多個選項，其中又有項數不定多選和項數限定多選。
（1）方法一（二分法）：
例二、貴處的職業生涯規劃系統工作涵蓋哪些組群？畫鉤時請把所有提示考慮在內。
A月薪員工 B日薪員工 C鍾點工
編碼：把每一個相應選項定義為一個變數，每一個變數Value值均如下定義：「0」 未選，「1」 選。
錄入：被調查者選了的選項錄入1、沒選錄入0，如選擇被調查者選AC，則三個變數分別錄入為1、0、1。
（2）方法二（多重分類法）：
例三、你認為開展保持黨員先進性教育活動的最重要的目標是那三項：
1（ ） 2 （） 3（ ）
A、提高黨員素質 B、加強基層組織 C、堅持發揚民主
D、激發創業熱情 E、服務人民群眾 F、促進各項工作
編碼：定義三個變數分別代表題目中的1、2、3三個括弧，三個變數Value值均同樣的以對應的選項定義，即錄入的數值1、2、3、4、5、6分別代表選項ABCDEF，相應錄入到每個括弧對應的變數下。如被調查者三個括弧分別選ACF，則在三個變數下分別錄入1、3、6。

3、排序題： 對選項重要性進行排序
例四、您購買商品時在 ①品牌 ②流行 ③質量 ④實用 ⑤價格 中對它們的關注程度先後順序是（請填代號重新排列）
第一位 第二位 第三位 第四位 第五位

編碼：定義五個變數，分別可以代表第一位~第五位，每個變數的Value都做如下定義：「1」 品牌，「2」 流行，「3」 質量，「4」 實用，「5」 價格
錄入：錄入的數字1、2、3、4、5分別代表五個選項，如被調查者把質量排在第一位則在代表第一位的變數下輸入「3「。

4、開放性數值題和量表題：這類題目要求被調查者自己填入數值，或者打分
例六 你的年齡（實歲）：______
編碼：一個變數，不定義Value值
錄入：即錄入被調查者實際填入的數值。

5、開放性文字題：
如果可能的話可以按照含義相似的答案進行編碼，轉換成為封閉式選項進行分析。如果答案內容較為豐富、不容易歸類的，應對這類問題直接做定性分析。

二、問卷一般性分析
下面具體介紹SPSS中問卷的一般處理方法，操作以版本spss13.0為例 ，以下提到的菜單項均在Analyze主菜單下
1、頻數分析：Frequencies過程可以做單變數的頻數分布表；顯示數據文件中由用戶指定的變數的特定值發生的頻數；獲得某些描述統計量和描述數值范圍的統計量。
適用范圍：單選題（例一），排序題（例四），多選題的方法二（例三）
頻數分析也是問卷分析中最常用的方法。
實現： Descriptive statistics……Frequencies

2、描述分析：Descriptives:過程可以計算單變數的描述統計量。這些述統計量有平均值、算術和、標准差，最大值、最小值、方差、范圍和平均數標准誤等。
適用范圍：選擇並排序題（例五）、開放性數值題（例六）。
實現： Descriptive statistics……Descriptives，需要的統計量點擊按鈕Statistics…中選擇

3、多重反應下的頻次分析：
適用范圍：多選題的二分法（例二）
實現：第一步在Multiple Response……Define Sets把一道多選問題中定義了的所有變數集合在一起，給新的集合變數取名，在Dichotomies Counted value中輸入1。第二步在Multiple Response……Frequencies中做頻數分析。

4、交叉頻數分析：解決對多變數的各水平組合的頻數分析的問題
適用范圍：適用於由兩個或兩個以上變數進行交叉分類形成的列聯表，對變數之間的關聯性進行分析。比如要知道不同工作性質的人上班使用交通工具的情況，可以通過交叉分析得到一個二維頻數表則一目瞭然。
實現：第一步根據分析的目的來確定交叉分析的選項，確定控制變數和解釋變數（如上例中不同工作性質的人是控制變數，使用交通工具是解釋變數）。第二步選擇Descriptive statistics……Crosstabs

三、簡單圖形描述介紹
在做上述頻數分析、描述分析等分析時就可以直接做出圖形，簡單方便，同時也可以另外作圖。SPSS的作圖功能在菜單Graphs下，功能強大，圖形清晰優美。現在把常用圖簡單介紹如下
1、餅圖：又稱圓圖，是以圓的面積代表被研究對象的總體，按各構成部分佔總體比重的大小把圓面積分割成若干扇形，用以表示現象的部分對總體的比例關系的統計圖。頻數分析的結果宜用餅圖表示。
2、曲線圖：是用線段的升降來說明數據變動情況的一種統計圖。它主要表示現象在時間上的變化趨勢、現象的分配情況和2個現象的依存關系等。
3、面積圖：用線段下的陰影面積來強調現象變化的統計圖。
4、條形圖：利用相同寬度條形的長短或高低表現統計數據大小及變化的統計圖。

四、問卷深入分析
除了以上簡單的分析，spss強大的功能還可以對問卷進行深入分析，比如常用的有聚類分析、交叉分析、因子分析、均值比分析（參數檢驗）、相關分析、回歸分析等。因為涉及到很專業的統計知識，下面只將個人覺得比較有用的方法的適用范圍和分析目的簡單做介紹：
1、聚類分析
樣本聚類，可以將被調查者分類，並按照這些屬性計算各類的比例，以便明確研究所關心的群體。比如按消費特徵對被調查者的進行聚類。
2、相關分析
相關分析是針對兩變數或者多變數之間是否存在相關關系的分析方法，要根據變數不同特徵選擇不同的相關性的度量方式。問卷分析中的多數用的變數都屬於分類變數，要採用斯皮爾曼相關系數。
其中可以用卡方檢驗，其是對兩變數之間是否具有顯著性影響的分析方法。
3、均值的比較與檢驗
（1）Means過程：對指定變數綜合描述分析，分組計算計算均值再比較。比如可以按性別變數分為男和女來研究二者收入是否存在差距。
（2）T 檢驗：
獨立樣本t檢驗用於不相關的樣本是否開來自具有相同均值的總體的檢驗。比如，研究購買該產品的顧客和不購買的顧客的收入是否有明顯差異。
如果樣本不獨立則要用配對t檢驗。比如研究參加職業培訓後 工作效率是否提高。
4、回歸分析
問卷分析中的回歸分析常採用的是用離散回歸模型，一般是邏輯斯蒂模型，解釋一個變數對另一變數的影響具體有多大。比如，研究對某商品的消費受收入的影響程。

Ⅸ 如果多元線性回歸方程中，變數之間具有相關性怎麼辦

對變數進行剝離：

1、a是因變數，b，c，d是解釋變數。

2、b與c，d也有相關關系，可再做一次線性回歸求得b=α+β*c+γ*d，然後把b換為α+殘差，c，d的系數並入原方程中。

線性回歸方程利用數理統計中的回歸分析，來確定兩種或兩種以上變數間相互依賴的定量關系的一種統計分析方法之一。

線性回歸在回歸分析中第一種經過嚴格研究並在實際應用中廣泛使用的類型。按自變數個數可分為一元線性回歸分析方程和多元線性回歸分析方程。

(9)變數自相關解決方法擴展閱讀：

線性回歸有很多實際用途。分為以下兩大類：

1、如果目標是預測或者映射，線性回歸可以用來對觀測數據集的和X的值擬合出一個預測模型。當完成這樣一個模型以後，對於一個新增的X值，在沒有給定與它相配對的y的情況下，可以用這個擬合過的模型預測出一個y值。

2、給定一個變數y和一些變數X1,...,Xp，這些變數有可能與y相關，線性回歸分析可以用來量化y與Xj之間相關性的強度，評估出與y不相關的Xj，並識別出哪些Xj的子集包含了關於y的冗餘信息。

Ⅹ spss求解決自相關問題 DW值為0.5

首先做滯後一期的殘差（在時間序列里邊），然後把殘差和滯後一期的殘差做回歸，記下它的斜率。在做滯後一期的自變數和因變數、建立新變數=元變數-斜率*滯後一期的變數。做新變數之間的回歸。檢查DW，若仍不合格，在做一次廣義差分。

很復雜。不明白你幹嘛不用 eviews？
ppv課學習網站。