实验指导书1线性回归.docVIP

讲义一 运用Eviews5.0进行一元线性回归的步骤： 建立工作文件(研究消费与收入的关系) 启动Eviews4.exe后，在弹出的窗口中点击“OK”。点击File\New\Workfile ，在弹出的对话框中选择数据的时间频率（frequency）为Unstructure/Undated (截面数据) ，Data range（以只有10个观测值的一元线性模型为例）为 10，点击OK即可。 输入数据 在主菜单点击Quick\Empty Group ，录入收入（X）、消费（Y）的数据，在窗口中点击数据，就可以修改数据列的名称，点“OK”关闭即可。在group窗口中点transpose可以改变数据的排列方式。 序号 1 2 3 4 5 6 7 8 9 10 收入 800 1000 1200 1400 1600 1800 2000 2200 2400 2600 消费 700 650 900 950 1100 1150 1200 1400 1550 1500 回归分析 做散点图 在主菜单点击Quick\Graph\Scatter，在弹出的对话框中输入 x y（注意选择变量的顺序，先选的变量将在图形中表示横轴，后选的变量表示纵轴），如下： 点击OK即可得到X-Y散点图。点此图上面的“Name”可以为此图命名。 由上面的散点图可以看出，x y存在近似的线性关系。 ①OLS估计 在主菜单点击Quick\Estimate Equation ，弹出如下对话框： 图2 OLS回归分析的设置 按图2设置。输入的顺序为“被解释变量 常数项 解释变量1 解释变量2”，每个变量之间以空格分开(如果是多元回归就在后面依次添加其他的解释变量即可)。点击“OK”后，得到如下结果，单击“name”为其命名后就可以关闭。（同时也可以点击“Freeze”将其保存为表格形式。而且，此表格不会受到以后操作的影响。） 图3 OLS计算结果 其中，最上面的说明分别是“Dependent variable：Y”为“被解释变量是Y”；“Method:Least Squares”为“使用的方法：最小二乘法”；日期（Date）、时间（Time）；样本范围（Sample:1~10）；包含的观测对象（Included observations:10）10个。 表格中依次是变量（Variable）：C表示常数项，X为解释变量。系数（Coefficient）即常数项的估计值（）和解释变量前面系数的估计值（）的大小。对应的标准误为Std. Error列，对应的T统计量为T-Statistic列，对应的P值为Prob.列。 回归结果的样本决定系数为R-squared，S.E.of regression 是=，而Sum squared resid 表示残差平方和，Mean dependent var表示被解释变量的平均值，即。S.D. dependent var表示被解释变量的标准差，还有F统计量（F-statistic）和对应的P值（Prob(F-statistic)）。 ②ML估计 在主菜单点击Quick\Estimate Equation ，弹出的对话框对应于“Method”选择如下图则： 图4 ML估计的设置 依然输入变量，如图4。得到图5的结果： 图5 ML计算结果 可以看出假定Y为正态分布时，二者估计值相同，但是标准误ML估计的比较小。 ML估计必须已知Y的分布。 只有在正态分布时ML和OLS的结构参数估计结果相同。 如果Y不服从正态分布，不能采用OLS。例如：选择性样本模型、计数数据模型等。 结果分析 样本回归方程为： （64.138） （0.0357） (各参数估计值对应的标准误 （3.813） (14.243) (各参数估计值对应的T统计量 DW=2.68 n=10 经济意义检验：根据经济理论，收入增加会带动消费增加，边际消费倾向的取值范围为0~1，回归方程中X的系数表示边际消费倾向，回归结果为0.51，与经济理论相符。常数项表示基础消费，基础消费应该大于零，回归结果与理论相符。 显著性检验： 方法一： 查表可知：时， 因为202.8685.32 ，所以回归方程显著成立。 因为 所以、显著不为零。 方法二： 看图3表格中的Prob.列，表示参数估计值T检验对应的P值，如果P值小于0.05，说明在显著水平为0.05时，参数显著不为0。常数项C对应的P值为0.00510.05，所以显著不为零；解释变量X对应P值为0.00000.05，所以显著不为零。图3最后一行中Prob(F-statistic)是F检验对应的P值，0.0000