Eviews实验课讲义_3一元多元线性回归-上机课.doc

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（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????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)*STEEL