第六章 简单线性回归应用.ppt

简单线性回归案例 建立我国1978-2008年最终消费支出与国内生产总值之间的回归模型，进行参数以及总体的显著性检验，并对经济模型进行预测。 一、统计分析 1、图形分析：在估计模型前，可以借助图形可以直观观察经济变量的变动规律和相关关系。 2、相关性分析 3、因果关系分析 二、模型实际操作 在Eviews对话框中，点击Quick菜单中Equation Estimation选项,在Equation specification对话框中键入变量y c x，其中的c是指一个常量。然后在Estimation settings 对话框中method（方法）下选择LS-Least Squares(NLS and ARMA)，即最小二乘法。sample（样本）中的1978 2008表示的是起止年份。 ls y c x 三、输出结果说明 回归系数（coefficient）：每个系数乘相应的解释变量就形成了对被解释变量的最佳预测。系数度量的是它所对应的解释变量对于预测的贡献。C的系数序列是回归中的常数项或截距项，它表示所有其他解释变量取零时预测的基础水平。其他参数可以解释为对应解释变量和被解释变量之间的斜率关系。 标准差（std.error,SE）：主要用于衡量回归系数的统计可靠性。标准误差越大，回归系数估计值越不可靠。根据回归理论，回归系数的真值位于系数估计值一个标准差0.004691之间真