Eviews实验课讲义_3一元多元线性回归-上机课

第三课一元及多元线性回归模型

3.1一元线性回归模型

一、做两个变量的散点图，从而看两个变量是否具有线性关系。

案例数据：1985-2002年我国人均钢产量与人均GDP的时间序列数据（数据3_1_1）。

操作方法：通过序列组的形式右键单击打开后，在group窗口下view——graph---scatter，通过对散点图结果的观察，判断是否适合做回归方程，结果显示，数据表现出明显的线性关系，适合做线性回归分析。

同样的操作可以检验其它案例数据（童鞋论文网3_1_2和3_1_3）的特征：

案例数据2、3、4、5：10个家庭人均收入与消费支出的横截面数据；1978-2000年中国人均消费模型；1978年-2008年北京市城镇居民年家庭收入和年消费性支出数据（case1_1的数据）； 1970年-1980年美国的咖啡平均真实零售价格（每磅美元）与消费量（每人每日杯数）（其中，零售价格是已经经过物价调整的）

二、通过建立方程对象的方式来估计一个方程，并保存我们建立的方程对象。

Workfile窗口下建立新的对象---equation对象并命名，在equation estimation 窗口下的specification选项卡下的equation specification对话框中设置因变量、自变量及常数项，在estimation settings对话框中选择估计方法为ols，确定。结果如下;

	Coefficient	Std. Error	t-Statistic	Prob.
STEELP	93.68764	7.486793	12.51372	0.0000
C	-3394.972	614.4414	-5.525298	0.0000
R-squared	0.907296	Mean dependent var		3913.444
Adjusted R-squared	0.901502	S.D. dependent var		2580.715
S.E. of regression	809.9396	Akaike info criterion		16.33624
Sum squared resid	10496034	Schwarz criterion		16.43517
Log likelihood	-145.0261	Hannan-Quinn criter.		16.34988
F-statistic	156.5932	Durbin-Watson stat		0.554019
Prob(F-statistic)	0.000000

1978-2000年中国人均消费模型结果：

Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	201.1189	14.88402	13.51241	0.0000
GDPP	0.386180	0.007222	53.47471	0.0000
R-squared	0.992710	Mean dependent var		905.3304
Adjusted R-squared	0.992363	S.D. dependent var		380.6334
S.E. of regression	33.26450	Akaike info criterion		9.929800
Sum squared resid	23237.06	Schwarz criterion		10.02854
Log likelihood	-112.1927	F-statistic		2859.544
Durbin-Watson stat	0.550636	Prob(F-statistic)		0.000000

注意：建模途径：command: quick\estimation equation回车，或object\equation object,设置。

命令行形式：（1）列表法：consp c gdpp 或（2）公式法：consp=c(1)+c(2)*gdpp

三、方程估计结果的解释、评价及模型检验（拟合优度评价，估计参数和方程的显著性检验）

消费方程中，C为自发性消费，x（gdpp）的系数为经济参数，关注其意义；通过拟合优度、调整后的拟合优度、t统计量后的精确显著性水平p（相伴概率）；f统计量的p来判断对原假设接受与否

四、在回归估计结果中显示方程的三种形式（即估计命令，回归方程的一般表达式，带有系数估计值的表达式）

Estimation Command:

LS GDPP STEELP C

Estimation Equation:

GDPP = C(1)*STEELP + C(2)

Substituted Coefficients:

GDPP = 93.6876362857*STEELP - 3394.97191614

五、如何查看因变量的实际值、拟合值和回归方程的残差（包括表的形式和图的形式）

通过方程窗口下的view去实现实际值、拟合值和回归方程的残差；单独显示残差及标准化后的残差；

六、如何用我们建立的方程进行预测，可以进行样本内预测，也可以进行样本外预测。

金属粉末对于案例数据1978年-2008年北京市城镇居民年家庭收入和年消费性支出数据，进行样本内与外的预测。

通过equation窗口中的forecast直接进行样本内预测：查看图及workfile中的yf序列；

在sample或range中改变样本区间或文件区间（需补充观察值）后进行样本外预测。

对案例数据1970年-1980年美国的咖啡平均真实零售价格（每磅美元）与消费量（每人每日杯数）散点图观察后，显示负相关的直线关系，操作过程同上。

实验作业——一元线性回归建模。

附录：练习数据3.1

为了研究某市城镇每年鲜蛋的需求量，首先考察消费者年人均可支配收入对年人均鲜蛋需求量的影响。由经济理论知，当人均可支配收入提高时，鲜蛋需求量也相应增加。但是，鲜蛋需求量除受消费者可支配收入影响外，还要受到其自身价格、人们的消费习惯及其他

一些随机因素的影响。为了表示鲜蛋需求量与消费者可支配收入之间非确定的依赖关系，我们将影响鲜蛋需求量的其他因素归并到随机变量u中，建立这两个变量之间的数学模型。表中给出Y为某市城镇居民人均鲜蛋需求量（公斤），X为年人均可支配收入（元，1980年不变价），通过抽样，得到1988-1998年的样本观测值。

年份	Y	X
1988	14.4	847.26
1989	14.4	820.99
1990	14.4	884.21
1991	14.7	903.66
1992	17.0	984.09
1993	16.3	1035.26
1994	18.0	1200.90
1995	18.5	1289.77connie lai
1996	18.2	1432.93
1997	19.3	1538.97
1998	17.1	1663.63

练习数据3.2：10个家庭收入与消费支出的界面数据。

	家庭收入X	家庭消费支出Y
1	800.00	770.00
2	1200.00	1100.00
3	2000.00	1300.00
4	3000.00	2200.00
5	4000.00	2100.00
6	5000.00	2700.00
7	7000.00	3800.00
8	9000.00	3900.00
9	10000.00	5500.00
10	12000.00	6600.00

3.2多元线性回归模型

一、做以因变量为横轴，多个自变量为纵轴的散点图，简单观察该因变量与多个自变量之间的关系。

案例数据：中国粮食生产函数。根据理论和经验分析，影响粮食生产（Y）的主要因素有农业化肥施用量（X1）、粮食播种面积（X2）、成灾面积（X3）、农业机械总动力（X4）和农业劳动力（X5），其中成灾面积的符号为负，其余均应为正。下表给出了1983——2000中国粮食生产的相关数据，拟建立中国粮食生产函数。

Wokfile窗口下建立graph对象，注意在序列对话框中首先输入y，再依次输入x1到x5,首先生成系统默认的折线图，通过option改成散点图，观察得到的图形结果，分析可知需要分轴显示或标准化处理，处理前后图形结果如下；

二、建立组对象查看自变量的相关系数矩阵。目的是为了查看哪些变量之间线性相关性比较强，也就是相关系数比较大。（同时也是为了和散点图及回归方程相互验证。）

建立组对象group1，打开后利用view---group member添加x1----x5所有的序列，选择yes保持改变，再打开组对象，发现所添加序列已经存在；查看其相关系数矩阵；结果如下；

	Y	X1	X2		X3		X4		X5
Y	1.000000	0.944426		0.273995		0.399454 薄膜技术		0.867587		0.553560
X1	0.944426	1.000000		0.011823		0.640175		0.960278		0.545450
X2	0.273995	0.011823		1.000000		-0.454908		-0.038479		0.182359
X3	0.399454	0.640175		-0.454908		1.000000		0.689565		0.355735
X4	0.867587	0.960278		-0.038479		0.689565		1.000000		0.454169
X5	0.553560	0.545450		0.182359		0.355735		0.454169		1.000000

三、以建立方程对象的方式来建立多元线性回归模型。

建立方程对象，命名为equation1，输入变量列表（变量过多可提前复制，粘贴即可），确定完成模型建立，结果如下；



	Coefficient	Std. Error	t-Statistic	Prob.


C	-12815.75	14078.90	-0.910280	0.3806
X1	6.212562	chart控件0.740881	8.385373	0.0000
X2	0.421380	0.126925	3.319919	0.0061
X3	-0.166260	0.059229	-2.807065	0.0158
X4 徐湘婷资料	-0.097770	0.067647	-1.445299	0.1740
X5	-0.028425	0.202357	-0.140471	0.8906


R-squared	0.982798	Mean dependent var		44127.11
Adjusted R-squared	0.975630	S.D. dependent var		4409.100
S.E. of regression	688.2984	Akaike info criterion		16.16752
Sum squared resid	5685056.	Schwarz criterion		16.46431
Log likelihood	-139.5077	Hannan-Quinn criter.		16.20845
F-statistic	137.1164	Durbin-Watson stat		1.810512
Prob(F-statistic)	0.000000

本文发布于:2024-09-23 10:21:16，感谢您对本站的认可！

本文链接：https://www.17tex.com/xueshu/4692.html

上一篇：用电量与气温变化关系分析

下一篇：计量经济学期末复习习题及答案

标签：数据建立方程结果鲜蛋需求量对象

留言与评论（共有 0 条评论）