第二章线性回归模型解析.ppt

第二章 线性回归模型 南京财经大学经济学院 一元线性回归模型 多元线性回归模型 可线性化模型 虚拟变量 一元线性回归模型案例 Case1是黑龙江省伊春林区某年16个林业局的年木材采伐量和相应伐木剩余物数据。 下面利用该数据介绍怎样利用EViews软件进行OLS回归 1、数据文件的读取或打开。 2、画散点图。 命令方式： scat y x 菜单方式：从EViews主菜单中点击Quick键，选择Graph/ Scatter功能 Group操作方式：首先要将序列y和x组成一个群，再在主窗口选择菜单View/Graph/Scatter 画图时应该先输入横轴的变量名，再输入纵轴的变量名。 3、OLS估计 菜单操作方式：从工作文件主菜单中点击Quick/Estimate Equation功能。 方程设定(Equation Specification)对话框：在选择框中输入y c x ，或输入y=C(1)十C(2) *x, 表示一个一元线性回归方程。 命令操作方式：Ls y c x 4、结果显示 点击方程对象窗口中的View键： Actual, Fitted, Residua/Actual, Fitted, Residual Table功能，可以得到图形，用来进行残差分析。 Presentation，可以得到输出结果的代数表达式 Stats键，可以还原回第一种显示方式。 Name键，可以为此输出结果命名 Estimate键，可以随时改变估计模型的数学形式、样本范围以及估计方法。 输出结果中， Std. Error (标准误差) :主要用来衡量回归系数的统计可靠性。标准误差越大，回归系数估计值越不可靠。 t - Statistic (t统计量) :检验的是某个系数是否为零(该变量是否不存在于回归模型中) 。 prob (概率)，此列显示在服从t分布条件下，对应其左侧一列t统计量值的概率。通过这一信息可以方便地分辨出是拒绝还是接受系数真值为零的假设。正常情况下，概率低于0.05即可认为对应系数显著不为零。 R-squared(可决系数) : 表示拟合优度的好坏，可决系数越大，方程拟合得越好。 S. E. of regression (回归的标准误差):这是一个对预测误差大小的总体度量，是对残差大小的度量。 Sum squared resid(残差平方和):是残差的平方和，可以用做一些检验的输入值。 Log likelihood (对数似然估计值) :是在系数估计值的基础上对对数似然函数的估计值(假定误差服从正态分布)。可以通过观察方程的约束式和非约束式的对数似然估计值的差异; 进行似然比检验。 Durbin-Watson stat(DW统计量) :这是对序列相关性进行检验的统计量。如果它比2小很多，则证明这个序列正相关 Mean Dependent Var (被解释变量的均值) :被解释变量的样本均值。 F-Statistic (F统计量) :这是对回归方程中的所有系数均为0(除了常数项)的假设检验。Prob (F-Statistic) (F统计量对应的概率) :该项是由上面F统计量的值计算出的概率。 X=20条件下模型的样本外预测方法 把工作文件范围从原来的1~16改为1 ~17。 打开x的数据窗口，利用Edit +/-键给x的第17个观测值赋值为20。 输出结果窗口中点击Forecast键，随即弹出一个关于预测(Forecast)的对话框。yf 在Forecast name选择区自动生成， yf是保存预测值的变量。 在Forecast sample选择区把预测范围从1 ~ 16改为17 ~ 17（1-17），即可预测x =20时的y的值。 多元线性回归模型案例 Case2.xls是1950-1987年间美国机动汽油消费量和影响消费量的变量数值。其中各变量表示：QMG-机动车汽油消费量；MOB-汽车保有量；PMG-机动汽油零售价格；POP-人口数；GNP-按照1982年美元计算的GNP；以汽油消费量为因变量，其它变量为自变量，建立一个回归模型。 1、建立模型 菜单方式：选object/new object，在新建对象对话框中选对象为Equation，并命名，点击OK 或选Quick/estimate equation. 命令方式： 在主窗口命令行输入： Ls qmg=c(1) +c(2)*car+c(3)*pmg+c(4)*pop+c(5)*rgnp 或等价的输入变量列表 Ls Qmg c car pmg pop rgnp 2．预测 菜单命令是对方程对象操作proc/forecast ,或直接从工具栏中选Forecast，Eviews会产生一个新的对话框，可以生