大连海事大学现代优化技术作业 一元回归模型-终板.docxVIP

作业1：一元线性回归模型陈鑫1120131233 交通运输工程表1是我国自2001年到2011年的国民总收入与居民消费量的数据表，本文将通过分析国民总收入与居民消费水平的相关关系，建立收入与消费的一元线性回归模型。表1 国民总收入与居民消费水平国民总收入（亿元）居民消费水平（元）2001108,068.203,8872002119,095.684,1442003134,976.974,4752004159,453.605,0322005183,617.375,5962006215,904.416,2992007266,422.007,3102008316,030.348,4302009340,319.959,2832010399,759.5410,5222011468,562.3812,570数据来源：国家统计局1散点相关图分析将表1中的国民总收入设为自变量X，居民消费水平设为因变量Y，建立X和Y的相关图，如图1所示。根据散点图可以看出， X和Y具有良好的线性关系。可以建立一元线性回归模型。图1散点图2估计线性回归模型可以在EViews主窗口中点击Quick\Estimate Equation，在弹出的方程设定框（见图2）内输入模型：Y C X 或Y = C(1) + C(2) *X图2 模型输入图图3 估计结果图系统将弹出一个窗口来显示有关估计结果（如图3所示）。因此，我国消费函数的估计式为：3参数检验标准误差SE=162.1161可决系数说明上式的拟合情况很好。3．回归系数显著性检验；，因此，回归系数b显著。4. 回归模型整体显著性检验（F检验）F=3084.945，因此方程通过F检验。5. 随机项自相关检验；无自相关3残差图在方程估计窗口点击工具条上的Resids键，可以显示方程回归的残差图，如图4。包括样本区间内的真实值序列曲线、拟合值序列曲线和残差序列曲线。其中Actual表示被解释变量的实际观测值，Fitted表示被解释变量的拟合值，Residual表示残差。残差图的中的虚线与中心线的距离表示残差的一个标准差，即S.E.。真实值序列曲线、拟合值序列曲线的纵坐标在图形的右侧纵轴上，残差序列的曲线的纵坐标标注在左侧纵轴上，显然，残差在零轴附近波动。图4 残差图4预测预测是我们建立预测模型的目的之一，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，如图6。在进行外推预测之前应给解释变量赋值。例如我们根据2001-2011年数据得到居民消费水平与国民总收入总量之间关系的回归方程，希望预测2012年、2013年的总消费。为此，我们首先需要给出2012年GDP的数据，输入解释变量中就可以预测2012年的总消费额。图5 预测图6 预测图