计量经济学多元回归模型..docVIP

实验二 多元回归模型 建立多元线性回归模型 ⒈建立工作文件： CREATE A 1998 2011 ⒉输入统计资料： DATA Y L K ⒊生成时间变量： GENR T=@TREND (97) ⒋建立回归模型： LS Y C T L K 得到 因此，我国国有独立工业企业的生产函数为： 模型1 ＝(-2.665920) (0.497001) (1.676106) (5.448560) 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4.470341，资金的边际产出为1.059821，技术进步的影响使工业总产值平均每年递增671.3874亿元。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。解释变量资金K的统计量值为5.448560 ，表明资金对企业产出的影响是显著的。但是，模型中时间的统计量值较小，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。 命令：LS Y C L K 因此，我国国有独立工业企业的生产函数为： （模型2） ＝(-2.7599292) (1.713503) (7.951326) 从结果看出，回归系数的符号和数值也是合理的。劳动力边际产出为4.405630，资金的边际产出为1.123477，表明这段时期劳动力投入的增加对我国国有独立核算工业企业的产出的影响最为明显。模型2的拟合优度较模型1并无多大变化，F检验也是高度显著的。这里，解释变量、常数项的检验值都比较大，显著性概率都小于0.1，因此模型2较模型1更为合理。 ㈢建立非线性回归模型——C-D生产函数。 C-D生产函数为：，对于此类非线性函数，可以采用以下两种方式建立模型。 方式1：转化成线性模型进行估计； 在模型两端同时取对数，得： 在EViews软件的命令窗口中依次键入以下命令： GENR LNY=log（Y） GENR LNL=log（L） GENR LNK=log（K） LS LNY C LNL LNK 即可得到C-D生产函数的估计式为： （模型3） ＝ (-2.057360) (0.808540) (7.034416) 即： 从模型3中看出，资本的产出弹性大于1，因此模型的经济意义不合理 方式2：迭代估计非线性模型，迭代过程中可以作如下控制： ⑴在工作文件窗口中双击序列C，输入参数的初始值； ⑵在方程描述框中点击Options，输入精度控制值。 控制过程： ①参数初值：0，0，0；迭代精度：10－3； 此时，函数表达式为： （模型4） ＝(0.124696)(－1.365841)(4.825142) 很显然模型的经济意义不合理，因此，该模型不能用来描述经济变量间的关系。而且模型的拟合优度也有所下降，解释变量L的显著性检验也未通过，所以应舍弃该模型。 ②参数初值：0，0，0；迭代精度：10－5 将收敛的误差精度改为10－5后，迭代100次后仍报告不收敛，说明在使用迭代估计法时参数的初始值与误差精度或迭代次数设置不当，会直接影响模型的估计结果。 ③参数初值：0，0，0；迭代精度：10－5，迭代次数1000； 此时，迭代546次后收敛 ④参数初值：1，1，1；迭代精度：10－5，迭代次数100； 此时仍不收敛 由残差分析图可知C-D生产函数不适合该模型 三元线性回归模型残差图 由三元线性回归模型残差图可看出比C-D成产函数要优因此可以选择模型2为我国国有工业企业生产函数。