20132114-王常德

《计量经济学》上机实验报告二题目：多元回归模型估计和检验实验日期和时间：2015.9.28班级：金融数学2班学号：20132114姓名：王常德实验室：201实验环境：WindowsXP;EViews3.1实验目的：掌握多元回归模型的建模方法，熟悉EViews软件的相关应用实验内容：利用截面和时序实例数据和EViews软件，通过绘制相关图或趋势图选择建立多元回归模型，第三章习题3.1，3.2，3.3，3.6实验步骤：一、建立工作文件⒈菜单方式⒉命令方式：CREATEA（或U）起始期终止期二、输入数据三、图形分析⒈趋势图分析命令格式：PLOT变量1变量2……变量K⒉相关图分析命令格式：SCAT解释变量被解释变量四、估计多元回归模型⒈菜单方式⒉命令方式：LS被解释变量C解释变量1解释变量2……解释变量K五、检验多元回归模型⒈经济检验⒉统计显著性检验六、改进多元回归模型3.3试验步骤和结果：一、建立工作文件二、输入数据三、图形分析及相关系数分析建立理论模型通过图形和相关系数可以直观地观察经济变量的变动规律和相关关系，以便合理地确定模型的数学形式。1、绘制趋势图在Eviews软件窗口中键入PLOT命令，命令格式如下：PLOT变量名1变量名2……变量名K作用：（1）分析经济变量的发展变化趋势（2）是否存在异常值。本例键入命令PLOTYX2x3x4，结果如图1图1书刊消费与可支配收入、教育年限的趋势图由趋势图可以看出，被解释变量百户拥有家用汽车量Y与解释变量城镇人口比重X3、人均GDPx2变动方向相同，与交通工具消费价格指数x4反响变动，相互之间存在一定的相关性。2、相关图分析在Eviews软件窗口中键入SCAT命令，命令格式如下：SCAT解释变量名被解释变量名作用：（1）可以判断变量之间的相关程度（2）判断变量之间的相关类型，即为线性相关还是曲线相关，曲线相关时大致是哪种类型的曲线。由于相关图只能进行两两相关，本例分别绘制X2与Y,x3与Y,x4与y的相关图，在命令栏中分别输入SCATX2YSCATx3YSCATx4Y相关图如图2：图2书刊消费与可支配收入、教育年限的相关图由相关图可以看出，百户拥有家用汽车量与城镇人口比重、交通工具消费价格指数,人均GDP均密切相关，呈现出一种的线性的相关关系，其中，随着城镇人口比重、人均GDP不断增加，百户拥有家用汽车量也不断增加，随着交通工具消费价格指数增加，百户家用汽车拥有量减少相关系数通过简单相关系数可以判定经济变量线性相关程度和类型，以便初步判定是否可以建立线性回归模型。格式：COR变量名1变量名2……变量名K作用：（1）可以判定经济变量相关程度（2）相关类型本例为CORYx2x3x4图3拥有汽车量与城镇人口比重、交通工具消费价格指数,人均GDP的简单线性相关系数矩阵结果显示，被解释变量拥有汽车量Y与解释变量城镇人口比重X3的相关系数yxr3为0.3841，拥有汽车量Y与人均GDP的相关系数yxr2为-0.5477，交通工具价格指数x4与拥有汽车量相关系数为-0.5746，初步表明百户家用汽车拥有量Y与城镇人口比重、交通工具消费价格指数,人均GDP之间可能均存在线性相关关系。Lslog(y)clog(x2)x3根据上述图形分析和相关系数分析结果，可将拥有汽车量依赖教育年限、可支配收入的回归方程描述为线性模型，初步建立可支配收入、教育年限与拥有汽车量的多元线性回归理论模型：iiXXXY4433221四、多元回归方程估计假定所建模型及随机扰动项满足古典回归模型基本假定，我们运用最小二乘法估计线性回归模型待估参数，在Eviews软件的命令窗口中键入LS命令，命令格式为：LS被解释变量C解释变量1解释变量2……其中，C表示常数项本例输入：LSYCXT估计结果如下：图4拥有汽车量与城镇人口比重、交通工具消费价格指数,人均GDP之间的回归模型输出结果1）报告形式：iYˆ246.8540+5.99692X-0.5240X3-2.2657X4)ˆ(ˆES（51.9750）（1.4061）（0.1793）(0.5188)t=（4.7495）（4.2650）（-2.9230）(-4.3668)2R=0.66612R0.6290DW=1.1473F=117.9511ˆ=5.02692ie=682.27952）置信度为1-，若为0.05，则,)431()(025.02/tKNt2.045，回归系数1、2、3的置信区间分别为1的置信区间：（-50.0164-2.131*49.4603，-50.0164+2.131*49.4603）2的置信区间：（0.0865-2.131*0.0294，0.0865+2.131*0.0294）3的置信区间：（52.3703-2.131*5.2022，52.3703-2.131*5.2022）3）检验多元回归模型：给定显著性水平为0.05拟合优度检验：2R=0.6661接近于1，表明模型对样本数据拟合程度高或者被解释变量百户拥有家用汽车量有66.61%可以由城镇人口比重、交通工具消费价格指数,人均GDP来解释（或者被解释变量拥有汽车量有66.61%可以由回归模型来解释）。F检验（回归方程显著性检验）：F=117.9511)431,14(F2.97，或F统计量的伴随概率接近于0，拒绝原假设，表明模型线性关系显著，或解释变量城镇人口比重X3、交通工具消费价格指数X4,人均GDPX2联合起来对被解释变量百户拥有家用汽车量有显著影响。T检验（解释变量显著性检验）：人均GDP回归系数的T统计量绝对值为2t4.2650)431()(025.02/tKNt2.052，或T统计量的伴随概率为0.01小于事先设定的显著性水平0.05，拒绝原假设，表明人均GDP对Y有显著影响；城镇人口比重X3回归系数的T统计量绝对值为3t2.9230)431(2/t2.052，或T统计量的伴随概率接近于0，拒绝原假设，表明城镇人口比重X3对Y有显著影响。4t4.3668)431(2/t2.052。或T统计量的伴随概率接近于0，拒绝原假设，表明交通工具消费价格指数X4对Y有显著影响。4）模型经济意义（边际分析）：2ˆ=5.9969，假设其他解释变量不变，解释变量人均GDPX每增长1元，被解释变量百户拥有家用汽车量Y平均将增长5.9969元；3ˆ=-0.5240，假设其他解释变量不变，解释变量城镇人口比重每增长1年，被解释变量百户家用拥有汽车量Y平均将减少0.5240元,，这与实际经济意义相吻合。4ˆ=-4.3668，假设其他解释变量不变，解释变量交通工具消费价格指数X4每增长1年，被解释变量百户家用拥有汽车量Y平均将减少4.3668元,，这与实际经济意义相吻合5）预测3.1试验结果：地区百户拥有家用汽车量(辆)人均GDP城镇人口比重交通工具消费价格指数(万元)(%)(上年=100)YX2X3X4一、建立工作文件二、输入数据五、图形分析及相关系数分析建立理论模型通过图形和相关系数可以直观地观察经济变量的变动规律和相关关系，以便合理地确定模型的数学形式。3、绘制趋势图在Eviews软件窗口中键入PLOT命令，命令格式如下：PLOT变量名1变量名2……变量名K作用：（1）分析经济变量的发展变化趋势（2）是否存在异常值。本例键入命令PLOTYX2x3x4，结果如图1图1书刊消费与可支配收入、教育年限的趋势图由趋势图可以看出，被解释变量拥有汽车量Y与解释变量城镇人口比重X3、人均gdpx2变动方向相同，与交通工具消费价格指数x4反响变动，相互之间存在一定的相关性。4、相关图分析在Eviews软件窗口中键入SCAT命令，命令格式如下：SCAT解释变量名被解释变量名作用：（1）可以判断变量之间的相关程度（2）判断变量之间的相关类型，即为线性相关还是曲线相关，曲线相关时大致是哪种类型的曲线。由于相关图只能进行两两相关，本例分别绘制X2与Y,x3与Y,x4与y的相关图，在命令栏中分别输入SCATX2YSCATx3YScatx4y相关图如图2：图2书刊消费与可支配收入、教育年限的相关图由相关图可以看出，拥有汽车量与城镇人口比重、交通工具消费价格指数,人均GDP均密切相关，呈现出一种的线性的相关关系，其中，随着城镇人口比重、人均GDP不断增加，拥有汽车量也不断增加，随着交通工具消费价格指数增加，汽车拥有量减少相关系数通过简单相关系数可以判定经济变量线性相关程度和类型，以便初步判定是否可以建立线性回归模型。格式：COR变量名1变量名2……变量名K作用：（1）可以判定经济变量相关程度（2）相关类型本例为CORYx2x3x4图3拥有汽车量与城镇人口比重、交通工具消费价格指数,人均GDP的简单线性相关系数矩阵结果显示，被解释变量拥有汽车量Y与解释变量城镇人口比重X3的相关系数yxr3为0.3841，拥有汽车量Y与人均GDP的相关系数yxr2为0.5477，交通工具价格指数x4与拥有汽车量相关系数为-0.5746，初步表明汽车拥有量Y与城镇人口比重、交通工具消费价格指数,人均GDP之间可能均存在线性相关关系。Lslog(y)clog(x2)x3根据上述图形分析和相关系数分析结果，可将拥有汽车量依赖教育年限、可支配收入的回归方程描述为线性模型，初步建立可支配收入、教育年限与拥有汽车量的多元线性回归理论模型：iiiTXY3221六、多元回归方程估计假定所建模型及随机扰动项满足古典回归模型基本假定，我们运用最小二乘法估计线性回归模型待估参数，在Eviews软件的命令窗口中键入LS命令，命令格式为：LS被解释变量C解释变量1解释变量2……其中，C表示常数项本例输入：LSYCXT估计结果如下：图4拥有汽车量与可支配收入、教育年限之间的回归模型输出结果1）报告形式：iYˆ-50.0164+0.0865iX+52.3703iT)ˆ(ˆES（49.4603）（0.0294）（5.2022）t=（-1.0112）（2.9442）（10.0670）2R=0.95122R0.9447DW=2.6058F=146.2974ˆ=60.82272ie=55491.072）置信度为1-，若为0.05，则,)318()(025.02/tKNt2.131，回归系数1、2、3的置信区间分别为1的置信区间：（-50.0164-2.131*49.4603，-50.0164+2.131*49.4603）2的置信区间：（0.0865-2.131*0.0294，0.0865+2.131*0.0294）3的置信区间：（52.3703-2.131*5.2022，52.3703-2.131*5.2022）3）检验多元回归模型：给定显著性水平为0.05拟合优度检验：2R=0.9512接近于1，表明模型对样本数据拟合程度高或者被解释变量拥有汽车量有95.12%可以由收入、教育年限来解释（或者被解释变量拥有汽车量有95.12%可以由回归模型来解释）。F检验（回归方程显著性检验）：F=146.2974)318,13(F3.68，或F统计量的伴随概率接近于0，拒绝原假设，表明模型线性关系显著，或解释变量收入X和教育年限T联合起来对被解释变量消费Y有显著影响。T检验（解释变量显著性检验）：收入回归系数的T统计量绝对值为2t2.9442)318()(025.02/tKNt2.131，或T统计量的伴随概率为0.01小于事先设定的显著性水平0.05，拒绝原假设，表明收入对Y有显著影响；教育年限回归系数的T统计量绝对值为3t10.06702)318(2/t2.131，或T统计量的伴随概率接近于0，拒绝原假设，表明教育年限对Y有显著影响。4）模型经济意义（边际分析）：2ˆ=0.0865，假设其他解释变量不变，解释变量收入X每增长1元，被解释变量书刊消费Y平均将增长0.0865元；3ˆ=52.373，假设其他解释