回归模型案例

案例一：城镇居民收入与支出关系一、研究的目的研究影响各地居民消费水平变动的原因。影响各地区居民消费支出有明显差异的因素可能很多，例如，居民的收入水平、就业状况、零售物价指数、利率、居民财产、购物环境等等都可能对居民消费有影响。为了分析什么是影响各地区居民消费支出有明显差异的最主要因素，并分析影响因素与消费水平的数量关系，可以建立相应的计量经济模型去研究。二、模型设定我们研究的对象是各地区居民消费的差异。居民消费可分为城市居民消费和农村居民消费，由于各地区的城市与农村人口比例及经济结构有较大差异，最具有直接对比可比性的是城市居民消费。而且，由于各地区人口和经济总量不同，只能用“城市居民每人每年的平均消费支出”来比较。所以模型的被解释变量Y选定为“城市居民每人每年的平均消费支出”。因为研究的目的是各地区城市居民消费的差异，并不是城市居民消费在不同时间的变动，所以应选择同一时期各地区城市居民的消费支出来建立模型。因此建立的是某年截面数据模型。影响各地区城市居民人均消费支出有明显差异的因素有多种，但从理论和经验分析，最主要的影响因素应是居民收入，其他因素虽然对居民消费也有影响，但有的不易取得数据，如“居民财产”和“购物环境”；有的与居民收入可能高度相关，如“就业状况”、“居民财产”；还有的因素在运用截面数据时在地区间的差异并不大，如“零售物价指数”、“利率”。因此这些其他因素可以不列入模型，即便它们对居民消费有某些影响也可归入随即扰动项中。为了与“城市居民人均消费支出”相对应，选择在统计年鉴中可以获得的“城市居民每人每年可支配收入”作为解释变量X。作城市居民家庭平均每人每年消费支出(Y)和城市居民人均年可支配收入(X)的散点图，从散点图可以看出居民家庭平均每人每年消费支出(Y)和城市居民人均年可支配收入(X)大体呈现为线性关系，所以建立的计量经济模型为如下线性模型：12iiiYXu三、估计参数1、建立工作文件首先，双击EViews图标，进入EViews主页。在菜单一次点击File\New\Workfile，出现对话框“WorkfileRange”。在“Workfilefrequency”中选择数据频率：Annual(年度)Weekly(周数据)Quartrly(季度)Daily(5dayweek)(每周5天日数据)SemiAnnual(半年)Daily(7dayweek)(每周7天日数据)Monthly(月度)Undatedorirreqular(未注明日期或不规则的)在本例中是截面数据，选择“Undatedorirreqular”。并在“Startdate”中输入开始时间或顺序号，如“1”在“enddate”中输入最后时间或顺序号，如“31”点击“ok”出现“WorkfileUNTITLED”工作框。其中已有变量：“c”—截距项“resid”—剩余项。在“Objects”菜单中点击“NewObjects”，在“NewObjects”对话框中选“Group”，并在“NameforObjects”上定义文件名，点击“OK”出现数据编辑窗口。若要将工作文件存盘，点击窗口上方“Save”，在“SaveAs”对话框中给定路径和文件名，再点击“ok”，文件即被保存。2、生成变量和输入数据在EViews命令框直接键入“dataXY”(一元时)或“dataY1X2X…”(多元时)，回车出现“Group”窗口数据编辑框，在对应的Y、X下输入数据。3、估计参数方法一：在EViews主页界面点击“Quick”菜单，点击“EstimateEquation”，出现“Equationspecification”对话框，选OLS估计，即选击“LeastSquares”，键入“YCX”，点“ok”方法二：在EViews命令框中直接键入“LSYCX”，按回车，即出现回归结果。若要显示回归结果的图形，在“Equation”框中，点击“Resids”，即出现剩余项（Residual）、实际值（Actual）、拟合值（Fitted）的图形。四、模型检验1、经济意义检验所估计的参数，说明城市居民人均年可支配收入每相差1元，可导致居民消费支出相差多少元。这与经济学中边际消费倾向的意义相符。2、拟合优度和统计检验用EViews得出回归模型参数估计结果的同时，已经给出了用于模型检验的相关数据。案例二：表二给出了美国30所知名学校的MBA学生某年基本年薪（ASP），GPA分数（从1—4共四个等级），GMAT分数，以及每年学费（X）的数据。1、用双变量回归模型分析GPA分数是否对ASP有影响？2、用合适的回归模型分析GMAT分数是否与ASP有关？3、每年的学费与ASP有关吗？如果两变量之间正相关，是否意味着进到最高费用的商业学校是有利的？4、高学费的商业学校意味着高质量的MBA成绩吗？为什么？表二学校ASP/美元GPA分数GMAT分数X/美元Harvard102630.03.400000650.000023894.00Stanford100800.03.300000665.000021189.00Columbian100480.03.300000640.000021400.00Dartmouth95410.003.400000660.000021225.00Wharton89930.003.400000650.000021050.00Northwestern84640.003.300000640.000020634.00Chicago83210.003.300000650.000021656.00MIT80500.003.500000650.000021690.00Virginia74280.003.200000643.000017839.00UCLA74010.003.500000640.000014496.00Berkeley71970.003.200000647.000014361.00Cornell71970.003.200000630.000020400.00NUY70660.003.200000630.000020276.00Duke70490.003.300000623.000021910.00CarnegieMellon59890.003.200000635.000020600.00NorthCarolina69880.003.200000621.000010132.00Michigan67820.003.200000630.000020960.00Texas61890.003.300000625.00008580.000Indiana58520.003.200000615.000014036.00Purdue54720.003.200000581.00009556.000CaseWestern57200.003.100000591.000017600.00Georgetown69830.003.200000619.000019584.00MichiganState41820.003.200000590.000016057.00PennState49120.003.200000580.000011400.00SouthernMethodist60910.003.100000600.000018034.00Tulane44080.003.100000600.000019550.00Illinois47130.003.200000616.000012628.00Lowa41620.003.200000590.00009361.000Minnesota48250.003.200000600.000012618.00Washington44140.003.300000617.000011436.001、以ASP为因变量，GPA为自变量进行回归分析。从回归结果可以看出，GPA分数的系数是显著的，对ASP有正的影响。2、以ASP为因变量，GMAT为自变量做回归分析。从回归结果可以看出，GMAT分数与ASP是显著正相关的。3、以ASP为因变量，X为自变量进行回归分析。从回归结果可以看出，每年的学费与ASP显著正相关。学费高，ASP就高；但学费仅解释了ASP变化的一部分，明显还有其他因素影响着ASP。4、以GPA为因变量，X为自变量进行回归分析。从回归结果可以看出，尽管高学费的商业学校与高质量的MBA成绩略有正相关性，但学费对GPA分数的影响是不显著的，所以学费并不是影响GPA分数的主要原因。案例三中国税收增长的分析一、研究的目的要求改革开放以来，随着经济体制改革的深化和经济的快速增长，中国的财政收支状况发生很大变化，中央和地方的税收收入1978年为519.28亿元，到2002年已增长到17636.45亿元，25年间增长了33倍，平均每年增长%。为了研究影响中国税收收入增长的主要原因，分析中央和地方税收收入的增长规律，预测中国税收未来的增长趋势，需要建立计量经济模型。影响中国税收收入增长的因素很多，但据分析主要的因素可能有：（1）从宏观经济看，经济整体增长是税收增长的基本源泉。（2）公共财政的需求，税收收入是财政收入的主体，社会经济的发展和社会保障的完善等都对公共财政提出要求，因此对预算支出所表现的公共财政的需求对当年的税收收入可能会有一定的影响。（3）物价水平。我国的税制结构以流转税为主，以现行价格计算的GDP等指标和经营者的收入水平都与物价水平有关。二、模型设定为了全面反映中国税收增长的全貌，选择包括中央和地方税收的“国家财政收入”中的“各项税收”（简称“税收收入”）作为被解释变量，以反映国家税收的增长；选择“国内生产总值（GDP）”作为经济整体增长水平的代表；选择中央和地方“财政支出”作为公共财政需求的代表；选择“商品零售物价指数”作为物价水平的代表。所以解释变量设定为可观测的“国内生产总值”、“财政支出”、“商品零售物价指数”等变量。设定的线性回归模型为：1222334tttttYXXXu三、估计参数利用EViews估计模型的参数，方法是：1、建立工作文件2、生成变量输入数据3、估计参数四、模型检验1、经济意义检验2、统计检验案例四：非线性回归模型线性化下表列出了中国某年按行业分的全部制造业国有企业及规模以上制造业非国有企业的工业总产值Y，资产合计K及职工人数L。序号工业总产值Y/亿元资产合计K/亿元职工人数L/万人序号工业总产值Y/亿元资产合计K/亿元职工人数L/万人13722.7003078.220113.000017812.70001118.81043.0000021442.5201684.43067.00000181899.7002052.16061.0000031752.3702742.77084.00000193692.8506113.110240.000041451.2901973.82027.00000204732.9009228.250222.000055149.3005917.010327.0000212180.2302866.65080.0000062291.1601758.770120.0000222539.7602545.63096.0000071345.170939.100058.00000233046.9504787.900222.00008656.7700694.940031.00000242192.6303255.290163.00009370.1800363.480016.00000255364.8308129.680244.0000101590.3602511.99066.00000264834.6805260.200145.000011616.7100973.730058.00000277549.5807518.790138.000012617.9400516.010028.0000028867.9100984.520046.00000134429.1903785.91061.0000029