一、命令

1
2
3
4
5
6
7
** 变量相关性，相关性小于 0.6
corr   x1 x2 x3 x4 x5 x6
pwcorr x1 x2 x3 x4 x5 x6

** 多重共线性
coldiag2 x1 x2 x3 x4 x5 x6   //条件数30
collin   x1 x2 x3 x4 x5 x6   //VIF值10，条件数30

　　‍

　　在实证分析中，需要检验相关性和共线性的变量有核心解释变量、其他解释变量(控制变量)。

　　corr 或 pwcorr 计算出来变量间的相关系数，如果其绝对值都小于0.3，则一般认为不存在相关性，或认为相关性很低。

　　也可以使用回归的的方法计算出 VIF 值（出自陈强老师的《高级计量经济学(第二版)》第九章）：

　　image.png

　　image.png

　　‍

二、示例

　　以下使用美国女性工资的数据，使用 webuse 命令调用即可。

(⚠️注意：不同设备的显示字体不同，可能会出现字符错位的现象。将错位的文本复制到其他文本编辑器 / Stata do 文件编辑器中，可以解决此问题。)　　‍

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
** 调用女性工资数据
webuse womenwk, clear

** 考察年龄、教育程度、婚姻和12岁以下孩子数量之间的相关性
corr age education married children

** 考察年龄、教育程度、婚姻和12岁以下孩子数量之间的多重共线性
collin age education married children

********************* 结果展示 *********************
// 相关性
· corr age education married children
             |      age educat~n  married children
-------------+------------------------------------
         age |   1.0000
   education |   0.2377   1.0000
     married |   0.3459   0.2768   1.0000
    children |   0.0343  -0.0344  -0.1052   1.0000

// 多重共线性
· collin age education married children
  Collinearity Diagnostics

                        SQRT                   R-
  Variable      VIF     VIF    Tolerance    Squared
----------------------------------------------------
       age      1.17    1.08    0.8533      0.1467
 education      1.11    1.05    0.9002      0.0998
   married      1.21    1.10    0.8285      0.1715
  children      1.02    1.01    0.9830      0.0170
----------------------------------------------------
  Mean VIF      1.13

                           Cond
        Eigenval          Index
---------------------------------
    1     4.3149          1.0000
    2     0.4305          3.1659
    3     0.1966          4.6848
    4     0.0382         10.6266
    5     0.0197         14.7850
---------------------------------
 Condition Number        14.7850 
 Eigenvalues & Cond Index computed from scaled raw sscp (w/ intercept)
 Det(correlation matrix)    0.7792

　　‍