实验3多元线性回归模型估计资料.ppt

将迭代精度设为： 10－5，则得到图3.7的结果 图3-7 二、比较、选择最佳模型 估计过程中，对每个模型检验以下内容，以便选择出一个最佳模型： ㈠回归系数的符号及数值是否合理； ㈡模型的更改是否提高了拟合优度； ㈢模型中各个解释变量是否显著； ㈣残差分布情况 以上比较模型的㈠、㈡、㈢步在步骤一中已有阐述，现分析步骤一中4个不同模型的残差分布情况。 分别在模型1～模型4的各方程窗口中点击View/Actual, Fitted, Residual/ Actual, Fitted, Residual Table（图3-8），可以得到各个模型相应的残差分布表（图3-8至图3-11）。 图3-8 模型1的残差分布 图3-9 模型2的残差分布 图3-10 模型3的残差分布 图3-11 模型4的残差分布 实验三 多元线性回归模型估计 陈黎 【实验目的】 掌握建立多元回归模型和比较、筛选模型的方法 【实验内容】 建立我国国有独立核算工业企业生产函 【实验步骤】 根据生产函数理论，生产函数的基本形式为： 。其中，L、K分别为生产过程中投入的劳动与资金，时间变量 反映技术进步的影响。表3-1列出了我国1978-1994年期间国有独立核算工业企业的有关统计资料；其中产出Y为工业总产值（可比价），L、K分别为年末职工人数和固定资产净值（可比价）。 年份 时间 工业总产值 Y（亿元） 职工人数 L（万人） 固定资产 K（亿元） 1978 1 3289.18 3139 2225.70 1979 2 3581.26 3208 2376.34 1980 3 3782.17 3334 2522.81 1981 4 3877.86 3488 2700.90 1982 5 4151.25 3582 2902.19 1983 6 4541.05 3632 3141.76 1984 7 4946.11 3669 3350.95 1985 8 5586.14 3815 3835.79 1986 9 5931.36 3955 4302.25 1987 10 6601.60 4086 4786.05 1988 11 7434.06 4229 5251.90 1989 12 7721.01 4273 5808.71 1990 13 7949.55 4364 6365.79 1991 14 8634.80 4472 7071.35 1992 15 9705.52 4521 7757.25 1993 16 10261.65 4498 8628.77 1994 17 10928.66 4545 9374.34 表3-1 我国国有独立核算工业企业统计资料 资料来源：根据《中国统计年鉴－1995》和《中国工业经济年鉴-1995》计算整理 【实验步骤】 一、建立多元线性回归模型 ㈠建立包括时间变量的三元线性回归模型； 在命令窗口依次键入以下命令即可： ⒈建立工作文件： CREATE A 1978 1994 ⒉输入统计资料： DATA Y L K ⒊生成时间变量 ： GENR T=@TREND(77) ⒋建立回归模型： LS Y C T L K 则生产函数的估计结果及有关信息如图3-1所示。 图3-1 我国国有独立核算工业企业生产函数的估计结果 因此，我国国有独立工业企业的生产函数为： （模型1） (-0.252) (0.672) (0.781) (7.433) 模型的计算结果表明，我国国有独立核算工业企业的劳动力边际产出为0.6667，资金的边际产出为0.7764，技术进步的影响使工业总产值平均每年递增77.68亿元。回归系数的符号和数值是较为合理的。 ，说明模型有很高的拟合优度，F检验也是高度显著的，说明职工人数L、资金K和时间变量 对工业总产值的总影响是显著的。从图3-1看出，解释变量资金K的 统计量值为7.433，表明资金对企业产出的影响是显著的。但是，模型中其他变量（包括常数项）的 统计量值都较小，未通过检验。因此，需要对以上三元线性回归模型做适当的调整，按照统计检验程序，一般应先剔除 统计量最小的变量（即时间变量）而重新建立模型。 ㈡建立剔除时间变量的二元线性回归模型 命令：LS Y C L K 则生产函数的估计结果及有关信息如图3-2所示。 图3-2 剔除时间变量后的估计结果