实验一--多元线性回归模型的估计和

实验一多元线性回归模型的估计和检验一、实验名称和性质所属课程《计量经济学》实验名称多元线性回归模型的估计和检验实验学时2实验性质√□验证□综合□设计必做/选做√□必做□选做二、实验目的(1)熟悉EViews软件在多元回归模型中的基本使用功能；(2)掌握多元线性回归模型中回归参数的OLS估计方法；(3)掌握多元线性回归模型中回归参数的t检验方法；(4)掌握多元线性回归模型中回归方程的F检验方法；(5)掌握多元线性回归模型中回归方程的预测方法。三、实验的软硬件环境要求硬件环境要求：计算机网络设备，需要连接Internet使用的软件名称、版本号以及模块带Windows操作系统以及EViews应用演示四、知识准备前期要求掌握的知识：了解EViews软件在多元回归模型中的基本功能，熟悉多元线性回归模型的基本假设，基本理论。实验相关理论或原理：(1)理解多元元线性模型的以下基本假设：（a）解释变量不是随机变量；（b）误差项的均值为零；（c）误差项同方差性、无序列相关性；（d）解释变量之间无关。(2)掌握多元回归分析中的普通最小二乘法（OLS）的统计思想和EViews实现。(3)掌握模型统计检验：（a）拟合优度检验;（b）变量的显著性检验(t检验)；（c）即方程的显著性检验（F检验）。(4)掌握模型统计模型的预测。实验流程：多元线性回归模型假设→多元线性回归模型参数估计→多元线性回归模型统计检验→多元线性回归模型预测五、实验材料和原始数据中国城镇居民人均消费支出（单位：元）及价格指数年份xX1GPFPXCQP0P11981456.8420.4102.5102.7646.1318.370.7132.11982471432.1102102.1659.132571.5132.91983505.9464102103.7672.233775.3137.71984559.4514.3102.7104690.4350.581146.71985673.2351.4111.9116.5772.6408.487.186.11986799418.9107107.2826.6437.896.795.71987884.4472.9108.8112899.4490.398.396.519881104567120.7125.21085.5613.8101.792.419891211660116.3114.41262.5702.295.99419901278.9693.8101.398.81278.9693.810010019911453.8782.5105.1105.41344.1731.3108.210719921671.7884.8108.6110.71459.7809.5114.5109.319932110.81058.2116.1116.51694.7943.1124.6112.219942851.31422.5125134.22118.41265.6134.6112.419953537.61766116.8123.62474.31564.3143112.919963919.51904.7108.8107.926921687.9145.6112.819974185.61942.6103.1100.12775.51689.6150.811519984331.61926.999.496.92758.91637.2157117.719994615.91932.198.795.727231566.8169.5123.3200049981958.3100.897.62744.81529.2182.1128.1200153092014100.7100.727641539.3192.1130.8其中X是中国城镇居民人均消费支出，X1是人均食品消费支出，GP表示中国城镇居民消费价格指数，FP是中国城镇居民食品消费价格指数。以1990年价格测度的城镇居民人均消费支出为XC，人均食品消费支出Q，以及城镇居民消费支出价格缩减指数P0，城镇居民消费支出价格缩减指数P1。六、实验要求和注意事项能用EViews软件完成多元线性回归模型的参数的估计、检验和模型的预测。能对数据做一些初步分析，并能以表格形式体现。并对软件输出的结果能做初步分析。七、实验内容及步骤(一)加载工作文件。(1)建立工作文件的方法是点击File/New/Workfile,选择新建对象类型为工作文件，选择数据类型和起止日期，建立工作文件，建立新序列。创建八个序列X、X1、GP、FP、XC、Q、P0和P1,并输入数据，如图1所示。图1(二)选择方程（1）根据消费理论，居民对食品的消费需求函数为：(,0,1)QfXPP。作散点图。分别将LOG(Q)对LOG(X),LOG(P0),LOG(P1)作散点图如2，3，4所示（作图命令为点击Quick/Graph/，在出现的对话框中输入两个变量，先输入的变量作为X轴，点击对话框中的OK，出现的窗口中选中Scatter，点确定即可）。从散点图可以得到，LOG(Q)与其他都不具有单一线性关系。图2图3图4为了考察需求函数中零阶齐次性的特征，采用如下多元回归模型：0123LOG(Q)=()(0)(1)LOGXLOGPLOGP将LOG(X),LOG(P0),LOG(P1)作为解释变量，LOG(Q)作为应变量进行三元线性回归分析。（2）模型估计。方法如下：Object/NewObject/Equation得到如图5界面：图5点击ok得到如图6所示结果（此过程可在命令窗口输入lslog(q）clog(x)log(p1)log(p0)然后敲回车）。图6故可得如下回归分析方程：ˆln51.2098ln0.1420ln(1)1.3942ln(0)QXPP..(1)(3)模型的检验。从回归估计的结果看，模型的拟合较好，可决系数20.998R，调整可决系数20.9979R，明模型在整体上拟合效果非常好。从显著性Prob值都较小(0.05),可知，变量和程都通过显著性检验。(4)应变量的预测。2002以当年价中国城镇居民人均消费支出为5709.31元，以1990年价测度的城镇居民消费支出价格缩减指数P0为194.6，城镇居民食品消费支出价格缩减指数P1为135.6,则人均食品消费支出Q的预测点估计值为：2002ˆln51.2098ln5709.310.1420ln(135.6)1.3942ln(194.6)7.424Q（5）对0123LOG(Q)=()(0)(1)LOGXLOGPLOGP施加约束1230，得010210LOG(Q)=(/)(/P)LOGXpLOGP，对其进行OLS估计，如图7所示。可得如下回归分析方程：010ˆln3.81.0741ln(/)0.0706ln(/p)QXpP，为与（1）式比较，将其变形为10ˆln3.81.0741ln()0.0706ln()1.0035ln(p)QXP，可见与（1）式相比，三解释变量前回归系数均相差较大，零阶齐次性不一定满足。同学们自行用F检验对其进行检验。图7若同学们还有多余时间，可做书p105页13题，数据如下。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）13722.703078.2211317812.701118.814321442.521684.4367181899.702052.166131752.372742.7784193692.856113.1124041451.291973.8227204732.909228.2522255149.305917.01327212180.232866.658062291.161758.77120222539.762545.639671345.17939.1058233046.954787.902228656.77694.9431242192.633255.291639370.18363.4816255364.838129.68244101590.362511.9966264834.685260.2014511616.71973.7358277549.587518.7913812617.94516.012828867.91984.5246134429.193785.9161294611.3918626.94218145749.028688.0325430170.30610.9119151781.372798.908331325.531523.1945161243.071808.4433设定模型为YAKLe，利用上述资料进行回归分析；中国该年的制造业总体呈现规模报酬不变状态吗？八、实验结果和总结（1）能掌握EViews软件在多元回归分析中的的基本使用功能。（2）能完成多元线性回归模型的参数估计、模型的检验和模型的预测等。九、实验成绩评价标准本实验为100分，主要由以下各项组成：（1）多元回归分析中的EViews的基本操作过程（10分）（2）多元线性回归模型的实现（30分）（3）多元线性回归模型的参数估计、检验和预测，各个结果的统计意义的理解（30分）（4）结合多元线性回归EViews数据的结果做简单的计量经济分析（30分）