你回归得到一个方程后,F检验用来检测整个方程的显著性,t检验是检查每个自变量的显著性。一般是F>F(P,n-P-1),n为数据组数,P为自变量个数。而自变量的t值,有几个大于t(P,n-P-1),就标明几个自变量对因变量是显著的。就是说比如5个自变量的t值,有3个大于查阅出来的t值,那么着3个是显著的,另外2个不显著,重新回归时需要剔除。这都是严格意义上说的,实际中我们由于受到原始数据的影响,很难回归出很完美的数据,但是如果数据点比较好,是可以做到这些得。3 V3 o4 S: A/ _% v9 N
: l! ]% ]4 U, N' f6 T8 `- ~& J. a* G7 S
方差膨胀因子表达式为:VIFi = 1/ (1 – Ri2) ,其中Ri为自变量 xi对其余自变量作回归分析的复相关系数。VIF越大者共线性的问题越大,一般认为VIF不应大于5,也可放宽至不大于10 ,否则表明自变量间存在多重共线性(即其中的一个自变量可以用其他一个或几个自变量的线性表达式进行表示)2 M. I, I2 E8 d2 r' @, n. Y
. V% m: R K: o* [+ C( H1 W) E4 n' \
你这里是存在多重共线性的