变量自相关解决方法

Ⅰ 在做多元线性回归时，如果一个变量有自相关性，要用差分的方法话，是所有变量都要进行差分处理吗

不需要，只需要该变量做查分处理就行。

Ⅱ 为什么我们要加上因变量和自变量的滞后时间来解决自相关

因为时间序列模型就是这样的。
这是事物系统的诸要素所固有的相对稳定的组织方式或联结方式。这些体现为要素的组织、总合、集合。诸多要素借助于结构形成系统，物质系统的结构可分为空间结构与时间结构。
被控对象的被控变量的变化落后于干扰的现象叫滞后。滞后分纯滞后和过渡滞后，实际对象中，往往是纯滞后与过渡滞后同时存在，很难严格区别，常常把两者合起来统称为滞后时间。滞后的存在是不利于控制的，所以，在设计和安装控制系统时，应尽量把滞后减到最小。

Ⅲ .1.自相关的检验方法有哪些各种的检验思想与判断规则是如何的

相关性检验方法共同思路是：采用普通最小二乘法估计模型，以求的随机干扰项的“近似估计量”，然后通过这些“近似估计量”之间的相关性以表达判断随机干扰项是否具有序列相关的目的，主要相关性检验有四种：图示法、回归检验法、杜宾-瓦森检验法（D.W.）、拉格朗日检验（GB）。最好的检验方法应该是GB检验，适用于高阶序列相关及模型中存在滞后变量的情形。D.W.检验中，存在一个不能确定的D.W.值区域，且仅能检测一阶自相关，对存在置后被解释变量的模型无法检验。后两个问题，因不懂什么是自相关形式、自相关类型，故暂时无法回答！

Ⅳ 自相关存在的原因、后果及克服方法

原因：
1.模型的数学形式不妥
2.经济时间序列的惯性
3.回归模型中略去了带有自相关重要的解释变量
后果：
1.回归第数的估计量虽然无偏，但不具有最小方差
2.有可能低估误差项的方差
3.回归方程无法预测，预测是无效的
克服方法：
1.用科克伦—奥克特迭代法
2.广义最小二乘法

Ⅳ 如何消除回归方程中变量的自相关性

差分，然后看结果。一介差分不行，那就二阶

Ⅵ spss做相关性~自变量与因变量低度相关怎么办急急急~~~有什么处理办法吗求步骤

（一）删除不重要的自变量
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.但从模型中删去自变量时应该注意：从实际经济分析确定为相对不重要并从偏相关系数检验证实为共线性原因的那些变量中删除.如果删除不当,会产生模型设定误差,造成参数估计严重有偏的后果.
（二）追加样本信息
多重共线性问题的实质是样本信息的不充分而导致模型参数的不能精确估计,因此追加样本信息是解决该问题的一条有效途径.但是,由于资料收集及调查的困难,要追加样本信息在实践中有时并不容易.
（三）利用非样本先验信息
非样本先验信息主要来自经济理论分析和经验认识.充分利用这些先验的信息,往往有助于解决多重共线性问题.
（四）改变解释变量的形式
改变解释变量的形式是解决多重共线性的一种简易方法,例如对于横截面数据采用相对数变量,对于时间序列数据采用增量型变量.

Ⅶ 在logistics回归中,两个自变量相关要怎么处理

在logistics回归中，两个自变量相关处理：将因变量和自变量放入格子的列表里，上面的是因变量，下面的是自变量（单变量拉入一个，多因素拉入多个）。

设置回归方法，这里选择最简单的方法：enter，它指的是将所有的变量一次纳入到方程。方法都是逐步进入的方法。等级资料，连续资料不需要设置虚拟变量。多分类变量需要设置虚拟变量，虚拟变量ABCD四类，以a为参考，b相对于a有无影响，c相对于a有无影响，d相对于a有无影响。

原理：

如果直接将线性回归的模型扣到Logistic回归中，会造成方程二边取值区间不同和普遍的非直线关系。因为Logistic中因变量为二分类变量，某个概率作为方程的因变量估计值取值范围为0-1，但是，方程右边取值范围是无穷大或者无穷小。所以，才引入Logistic回归。

Ⅷ 用spss做两个变量相关性分析时，存在强自相关怎么办

调查分析问卷回收，在经过核实和清理后就要用SPSS做数据分析，首先的第一步就是把问题编码录入。要根据问卷问题的不同定义变量。定义变量值得注意的两点：1、区分变量的度量，其中Scale是定量、Ordinal是定序、Nominal是指定类；2、注意定义不同的数据类型。
各色各样的问卷题目的类型大致可以分为单选、多选、排序、开放题目四种类型，他们的变量的定义和处理的方法各有不同，现详细举例介绍如下：

1、单选题：答案只能有一个选项
例一、当前贵组织机构是否设有面向组织的职业生涯规划系统？
A有 B 正在开创 C没有 D曾经有过但已中断
编码：只定义一个变量，Value值1、2、3、4分别代表A、B、C、D 四个选项。
录入：录入选项对应值，如选C则录入3

2、多选题：答案可以有多个选项，其中又有项数不定多选和项数限定多选。
（1）方法一（二分法）：
例二、贵处的职业生涯规划系统工作涵盖哪些组群？画钩时请把所有提示考虑在内。
A月薪员工 B日薪员工 C钟点工
编码：把每一个相应选项定义为一个变量，每一个变量Value值均如下定义：“0” 未选，“1” 选。
录入：被调查者选了的选项录入1、没选录入0，如选择被调查者选AC，则三个变量分别录入为1、0、1。
（2）方法二（多重分类法）：
例三、你认为开展保持党员先进性教育活动的最重要的目标是那三项：
1（ ） 2 （） 3（ ）
A、提高党员素质 B、加强基层组织 C、坚持发扬民主
D、激发创业热情 E、服务人民群众 F、促进各项工作
编码：定义三个变量分别代表题目中的1、2、3三个括号，三个变量Value值均同样的以对应的选项定义，即录入的数值1、2、3、4、5、6分别代表选项ABCDEF，相应录入到每个括号对应的变量下。如被调查者三个括号分别选ACF，则在三个变量下分别录入1、3、6。

3、排序题： 对选项重要性进行排序
例四、您购买商品时在 ①品牌 ②流行 ③质量 ④实用 ⑤价格 中对它们的关注程度先后顺序是（请填代号重新排列）
第一位 第二位 第三位 第四位 第五位

编码：定义五个变量，分别可以代表第一位~第五位，每个变量的Value都做如下定义：“1” 品牌，“2” 流行，“3” 质量，“4” 实用，“5” 价格
录入：录入的数字1、2、3、4、5分别代表五个选项，如被调查者把质量排在第一位则在代表第一位的变量下输入“3“。

4、开放性数值题和量表题：这类题目要求被调查者自己填入数值，或者打分
例六 你的年龄（实岁）：______
编码：一个变量，不定义Value值
录入：即录入被调查者实际填入的数值。

5、开放性文字题：
如果可能的话可以按照含义相似的答案进行编码，转换成为封闭式选项进行分析。如果答案内容较为丰富、不容易归类的，应对这类问题直接做定性分析。

二、问卷一般性分析
下面具体介绍SPSS中问卷的一般处理方法，操作以版本spss13.0为例 ，以下提到的菜单项均在Analyze主菜单下
1、频数分析：Frequencies过程可以做单变量的频数分布表；显示数据文件中由用户指定的变量的特定值发生的频数；获得某些描述统计量和描述数值范围的统计量。
适用范围：单选题（例一），排序题（例四），多选题的方法二（例三）
频数分析也是问卷分析中最常用的方法。
实现： Descriptive statistics……Frequencies

2、描述分析：Descriptives:过程可以计算单变量的描述统计量。这些述统计量有平均值、算术和、标准差，最大值、最小值、方差、范围和平均数标准误等。
适用范围：选择并排序题（例五）、开放性数值题（例六）。
实现： Descriptive statistics……Descriptives，需要的统计量点击按钮Statistics…中选择

3、多重反应下的频次分析：
适用范围：多选题的二分法（例二）
实现：第一步在Multiple Response……Define Sets把一道多选问题中定义了的所有变量集合在一起，给新的集合变量取名，在Dichotomies Counted value中输入1。第二步在Multiple Response……Frequencies中做频数分析。

4、交叉频数分析：解决对多变量的各水平组合的频数分析的问题
适用范围：适用于由两个或两个以上变量进行交叉分类形成的列联表，对变量之间的关联性进行分析。比如要知道不同工作性质的人上班使用交通工具的情况，可以通过交叉分析得到一个二维频数表则一目了然。
实现：第一步根据分析的目的来确定交叉分析的选项，确定控制变量和解释变量（如上例中不同工作性质的人是控制变量，使用交通工具是解释变量）。第二步选择Descriptive statistics……Crosstabs

三、简单图形描述介绍
在做上述频数分析、描述分析等分析时就可以直接做出图形，简单方便，同时也可以另外作图。SPSS的作图功能在菜单Graphs下，功能强大，图形清晰优美。现在把常用图简单介绍如下
1、饼图：又称圆图，是以圆的面积代表被研究对象的总体，按各构成部分占总体比重的大小把圆面积分割成若干扇形，用以表示现象的部分对总体的比例关系的统计图。频数分析的结果宜用饼图表示。
2、曲线图：是用线段的升降来说明数据变动情况的一种统计图。它主要表示现象在时间上的变化趋势、现象的分配情况和2个现象的依存关系等。
3、面积图：用线段下的阴影面积来强调现象变化的统计图。
4、条形图：利用相同宽度条形的长短或高低表现统计数据大小及变化的统计图。

四、问卷深入分析
除了以上简单的分析，spss强大的功能还可以对问卷进行深入分析，比如常用的有聚类分析、交叉分析、因子分析、均值比分析（参数检验）、相关分析、回归分析等。因为涉及到很专业的统计知识，下面只将个人觉得比较有用的方法的适用范围和分析目的简单做介绍：
1、聚类分析
样本聚类，可以将被调查者分类，并按照这些属性计算各类的比例，以便明确研究所关心的群体。比如按消费特征对被调查者的进行聚类。
2、相关分析
相关分析是针对两变量或者多变量之间是否存在相关关系的分析方法，要根据变量不同特征选择不同的相关性的度量方式。问卷分析中的多数用的变量都属于分类变量，要采用斯皮尔曼相关系数。
其中可以用卡方检验，其是对两变量之间是否具有显着性影响的分析方法。
3、均值的比较与检验
（1）Means过程：对指定变量综合描述分析，分组计算计算均值再比较。比如可以按性别变量分为男和女来研究二者收入是否存在差距。
（2）T 检验：
独立样本t检验用于不相关的样本是否开来自具有相同均值的总体的检验。比如，研究购买该产品的顾客和不购买的顾客的收入是否有明显差异。
如果样本不独立则要用配对t检验。比如研究参加职业培训后 工作效率是否提高。
4、回归分析
问卷分析中的回归分析常采用的是用离散回归模型，一般是逻辑斯蒂模型，解释一个变量对另一变量的影响具体有多大。比如，研究对某商品的消费受收入的影响程。

Ⅸ 如果多元线性回归方程中，变量之间具有相关性怎么办

对变量进行剥离：

1、a是因变量，b，c，d是解释变量。

2、b与c，d也有相关关系，可再做一次线性回归求得b=α+β*c+γ*d，然后把b换为α+残差，c，d的系数并入原方程中。

线性回归方程利用数理统计中的回归分析，来确定两种或两种以上变数间相互依赖的定量关系的一种统计分析方法之一。

线性回归在回归分析中第一种经过严格研究并在实际应用中广泛使用的类型。按自变量个数可分为一元线性回归分析方程和多元线性回归分析方程。

(9)变量自相关解决方法扩展阅读：

线性回归有很多实际用途。分为以下两大类：

1、如果目标是预测或者映射，线性回归可以用来对观测数据集的和X的值拟合出一个预测模型。当完成这样一个模型以后，对于一个新增的X值，在没有给定与它相配对的y的情况下，可以用这个拟合过的模型预测出一个y值。

2、给定一个变量y和一些变量X1,...,Xp，这些变量有可能与y相关，线性回归分析可以用来量化y与Xj之间相关性的强度，评估出与y不相关的Xj，并识别出哪些Xj的子集包含了关于y的冗余信息。

Ⅹ spss求解决自相关问题 DW值为0.5

首先做滞后一期的残差（在时间序列里边），然后把残差和滞后一期的残差做回归，记下它的斜率。在做滞后一期的自变量和因变量、建立新变量=元变量-斜率*滞后一期的变量。做新变量之间的回归。检查DW，若仍不合格，在做一次广义差分。

很复杂。不明白你干嘛不用 eviews？
ppv课学习网站。