实验三多元线性回归与非线性回归解析.docVIP

实验三 多元线性回归与非线性回归 　实验目的： 学会多元线性回归的参数估计方法； 掌握多元线性回归的检验方法，包括拟合优度检验、F检验和t检验，尤其是掌握调整的判断系数和F检验的内容； 掌握非线性回归的参数估计方法，尤其是能够利用EViews软件进行参数估计。 实验内容： 1、下表列出了某地区家庭人均鸡肉年消费量与人均可支配收入、鸡肉价格、猪肉价格的相关数据，试利用这些资料，设定适当的模型进行回归分析。 年度 （千克） （元） （元／千克） （元／千克） 1989 2.78 397 4.22 5.07 1990 2.99 413 3.81 5.2 1991 2.98 439 4.03 5.4 1992 3.08 459 3.95 5.53 1993 3.12 492 3.73 5.47 1994 3.33 528 3.81 6.37 1995 3.56 560 3.93 6.98 1996 3.64 624 3.78 6.59 1997 3.67 666 3.84 6.45 1998 3.84 717 4.01 7.00 1999 4.04 768 3.86 7.32 2000 4.03 843 3.98 6.78 2001 4.18 911 3.97 7.91 2002 4.04 931 5.21 9.54 2003 4.07 1021 4.89 9.42 2004 4.01 1165 5.83 12.35 2005 4.27 1349 5.79 12.99 2006 4.41 1449 5.67 11.76 2007 4.67 1575 6.377 13.09 2008 5.06 1759 6.16 12.98 2009 5.01 1991 5.89 12.80 2010 5.17 2258 6.64 14.10 解： 先在Eviews中导入数据，如下： 计算家庭人均鸡肉年消费量与人均可支配收入、鸡肉价格、猪肉价格的相关系数，在命令窗口中输入cor y x p1 p2，得到相关系数矩阵： 从图中可以看出，家庭人均鸡肉年消费量与人均可支配收入、猪肉价格呈高度正相关，而与鸡肉价格线性关系稍弱，表明线性模型在解释他们的关系式是比较适合的; 建立模型（objects/new objects）： 得到结果： 得到估计方程y=3.905598+0.001202x-0.593802p1+0.187298p2，R^2和adjusted R^2接近于1 ，说明模型的拟合效果好。 2、为了度量投资和劳动投入之间的替代弹性，当今著名的CES（恒定替代弹性）模型形式设定为 其中，表示单位劳动的附加值，表示投入的劳动，表示实际工资率。系数表示劳动与资本之间的替代弹性。用下表给出的数据，验证估计的弹性是1.324，并且它和1在统计上无显著差异。 工业行业 小麦面粉 3.6973 2.9617 食糖 3.4795 2.8532 涂料与油漆 4.0004 3.1158 水泥 3.6609 3.0371 玻璃 3.2321 2.8727 陶瓷 3.3418 2.9745 三夹板 3.4308 2.8287 棉纺品 3.3158 3.0888 毛纺品 3.5062 3.0086 大麻纺织 3.2352 2.9680 化纤 3.8823 3.0909 铝制品 3.7039 3.0881 铁与钢 3.7716 3.2256 自行车 3.6601 3.1025 缝纫机 3.7554 3.1354 导入数据： 因为有两个变量，所以把C改成两个 得到结果： 该模型的弹性是1.324113 步骤一：导入数据。 在主菜单上执行命令：“file”—“open”—“eviews workfile”，跳出对话框，选择数据文件所在的位置，点击“完成”，导入数据完成。 步骤二：有题意可知，该模型是非线性的，由于有两个变量，打开c数据，点击“edit+/-”，修改R1、R2上的数字为“1”. 步骤三：建立模型 在主菜单执行命令：“quick”—“estimate equation”，跳出“estimate equation”对话框，在对话框中输入：“ln_v_l_=log(c(1))+c(2)*lnw”，其他值默认，点击“确定”。 得到回归结果： 从上述结果得到模型： 该模型估计的弹性是1.324113，系数偏离1较大，利用Wald检验进行确认。 步骤四：约束检验。 在方程结果输出窗口菜单栏执行命令：“view”—“coefficient diagnostics”—“Wald test-coefficient