计量经济学实验二一元线性回归模型报告方案.doc

实验二 一元线性回归模型 2.1 实验目的 掌握一元线性回归模型的基本理论，一元线性回归模型的建立、估计、检验及预测的方法，以及相应的EViews软件操作方法。 2.2 实验内容 建立中国消费函数模型。 以表2.1中国的收入与消费的总量数据为基础，建立中国消费函数的一元线性回归模型。 表2.1 年份 X（GDP） Y(Cons) 1990 18319.5 11365.2 1991 21280.4 13145.9 1992 25863.7 15952.1 1993 34500.7 20182.1 1994 46690.7 26796 1995 58510.5 33635 1996 68330.4 40003.9 1997 74894.2 43579.4 1998 79003.3 46405.9 1999 82673.2 49722.8 2000 89112.5 54617.2 2001 98592.9 58927.4 2002 107897.6 62798.5 2003 121730.3 67493.5 2004 142394.2 75439.7 数据来源：2004年中国统计年鉴，中国统计出版社 2.3 实验步骤 2.3.1 散点相关图分析 将表1.1的GDP设为变量X，总消费设为Y，建立变量X和Y的相关图，如图2.1所示。可以看X和Y之间呈现良好的线性关系。可以建立一元线性回归模型。 图2.1 2.3.2 估计线性回归模型 在数组窗口中点击Proc\Make Equation，如果不需要重新确定方程中的变量或调整样本区间，可以直接点击OK 进行估计。也可以在EViews 主窗口中点击Quick\Estimate Equation，在弹出的方程设定框（见图2.2）内输入模型： Y C X 或 Y = C(1) + C(2) * X 图2.2 图2.3 还可以通过在EViews 命令窗口中键入LS 命令来估计模型，其命令格式为： LS 被解释变量 C 解释变量 系统将弹出一个窗口来显示有关估计结果（如图2.3 所示）。 因此，我国消费函数的估计式为： St 1191.923 0.014899 t 1.95 36.71 R2=0.99 s.e.=2091 s.e.是回归函数的标准误差，即=。R2是可决系数。R 2 = 0.99,说明上式的拟合情况好，yt变差的99%由变量xt解释。因为t = 36.71 t0.05 (15) = 2.13，所以检验结果是拒绝原假设(1 = 0，即总消费和GDP之间存在线性回归关系。 上述模型的经济解释是，GDP 每增长1 亿元，我国消费将总额将增加0.547亿元。 图2.4 2.3.3 残差图 在估计方程的窗口选择View\ Actual, Fitted,Residual\Actual, Fitted,Residual Table，得到相应的残差图2.4。 Actual表示yt的实际观测值，Fitted表示yt的拟合值，Residual表示残差。残差图中的两条虚线与中心线的距离表示残差的一个标准差，即s.e.。 2.3.4 预测 预测是我们建立经济计量模型的目的之一, 其操作如下：进入方程估计输出窗口，点击其工具栏中的Forecast打开对话框（图2.5），输入序列名（Forecast name）， 这名称通常与方程中被解释变量的名字不同， 这样就不会混淆实际值和预测值；作为可选项，可给预测标准差随意命名[S.E(optional)]，命名后，指定的序列将存储于工作文件中；用户可以根据需要选择预测区间（sample range for forecast）；用Output可选择用图形或数值来看预测值，或两者都用以及预测评价指标（平均绝对误差等）。将对话框的内容输入完毕，点击OK得到用户命名的预测值序列。 注意：在进行外推预测之前应给解释变量赋值。例如我们根据1990~2004年数据得到中国总消费与GDP总量之间关系的回归方程，希望预测2005年的总消费。为此，我们首先需要给出2005年GDP的数据，输入解释变量中就可以预测2005年的总消费额。 图2.5