我国粮食生产与相关投入的计量模型分析.doc

实验三 多元线性回归模型及非线性回归 多元线性回归模型 例题3.2.2 建立2006年中国城镇居民人均消费支出的多元线性回归模型。 数据： 地区 2006年消费支出Y 2006年可支配收入X1 2005年消费支出X2 北京 14825.41 19977.52 13244.2 天津 10548.05 14283.09 9653.3 河北 7343.49 10304.56 6699.7 山西 7170.94 10027.70 6342.6 内蒙古 7666.61 10357.99 6928.6 辽宁 7987.49 10369.61 7369.3 吉林 7352.64 9775.07 6794.7 黑龙江 6655.43 9182.31 6178.0 上海 14761.75 20667.91 13773.4 江苏 9628.59 14084.26 8621.8 浙江 13348.51 18265.10 12253.7 安徽 7294.73 9771.05 6367.7 福建 9807.71 13753.28 8794.4 江西 6645.54 9551.12 6109.4 山东 8468.40 12192.24 7457.3 河南 6685.18 9810.26 6038.0 湖北 7397.32 9802.65 6736.6 湖南 8169.30 10504.67 7505.0 广东 12432.22 16105.58 11809.9 广西 6791.95 9898.75 7032.8 海南 7126.78 9395.13 5928.8 重庆 9398.69 11569.74 8623.3 四川 7524.81 9350.11 6891.3 贵州 6848.39 9116.61 6159.3 云南 7379.81 10069.89 6996.9 西藏 6192.57 8941.08 8617.1 陕西 7553.28 9267.70 6656.5 甘肃 6974.21 8920.59 6529.2 青海 6530.11 9000.35 6245.3 宁夏 7205.57 9177.26 6404.3 新疆 6730.01 8871.27 6207.5 建立模型 2、估计模型 （1）录入数据 打开EViews6，点“File”(“New”(“Workfile” 选择 “Unstructured/Undated”，在Observations 后输入31，如下所示： 点“ok”。 在命令行输入：DATA Y X1 X2，回车 将数据复制粘贴到Group中的表格中： （2）估计回归方程 在命令行输入命令：LS Y C X1 X2， 回车 或者在主菜单中点“Quick”(“Estimate Equation”，在Specification中输入 Y C X1 X2，点“确定”。 得到如下估计结果： 对照输出的结果，写出回归报告： （0.5881）（7.4348） （2.1414） F=566.3870 D.W.=1.8274 做经济意义检验和统计检验： ①经济意义检验 的估计值为0.5593，的估计值为0.2434，均在0与1之间，符合经济理论和行为规律（或者说符合合理预期的消费理论， 具体介绍见书P329）。 ②统计检验 模型的可决系数为0.9759，模型拟合较好。 给定(=0.05，模型的F统计量为566.3870，相伴概率p=0.0000(，表明方程的整体线性关系显著。 给定(=0.05，对应的t统计量为7.4348，，相伴概率为p=0.0000(，表明变量显著；对应的t统计量为2.1414，相伴概率为p=0.0411(，表明变量显著。 ③模型的经济意义解释 的估计值为0.5593，表示在其他条件不变的前提下，中国城镇居民2006年的人均可支配收入每增加1元，人均消费支出增加0.56元；的估计值为0.2434，表示在其他条件不变的前提下，中国城镇居民在2005年的人均消费每增加1元，2006年的人均消费支出增加0.24元。 非线性回归 （1）可化为线性的非线性回归模型 例题3.5.1： ①中国城镇居民食品消费需求函数模型。 根据需求理论，居民对食品的消费需求函数大致为： 其中，Q为居民对食品的需求量，X为消