多元线性回归模型实验汇报.doc

实验一 实验室 机器号 任课教师 实验教师 实验时间 月 日 评语 一、实验目的和要求 多元线性回归模型的变量选择与参数估计 1.熟悉多元线性回归模型中的解释变量的引入 2.掌握对计算结果的统计分析与经济分析 二、实验内容 为研究美国人对子鸡的消费量，提供1960——1982年的数据。 其中：Y—每人的子鸡消费量，磅 --每人实际可支配收入，美元 --子鸡每磅实际零售价格，美分 --猪肉每磅实际零售价格，美分 --牛肉每磅实际零售价格，美分 --子鸡替代品每磅综合实际价格，美分。是猪肉和牛肉每磅实际零售价格的加权平均，其权数是在猪肉和牛肉的总消费量中两者各占的相对消费量。 假定模型为线性回归模型，估计此模型的参数。对模型进行统计学检验，并对结果进行经济解释。 启动Eviews3.1 建立新工作文档，输入时间范围数据1960——1982 设模型为Yi=β1+β2X2+β3X3+β4X4+β5X5+β6X6+μi 单击file→import调入数据 主页上单击quick→Estimate Equation，输入y c x2 x3 x4 x5 x6，单击OK,出现数据回归结果: Dependent Variable: Y Method: Least Squares Date: 10/29/10 Time: 22:56 Sample: 1960 1982 Included observations: 23 Variable Coefficient Std. Error t-Statistic Prob. C 38.59691 4.214488 9.158150 0.0000 X2 0.004889 0.004962 0.985370 0.3383 X3 -0.651888 0.174400 -3.737889 0.0016 X4 0.243242 0.089544 2.716443 0.0147 X5 0.104318 0.070644 1.476674 0.1580 X6 -0.071110 0.098381 -0.722805 0.4796 R-squared 0.944292 Mean dependent var 39.66957 Adjusted R-squared 0.927908 S.D. dependent var 7.372950 S.E. of regression 1.979635 Akaike info criterion 4.423160 Sum squared resid 66.62224 Schwarz criterion 4.719376 Log likelihood -44.86634 F-statistic 57.63303 Durbin-Watson stat 1.100559 Prob(F-statistic) 0.000000 6、将上述回归结果整理如下： Yi=38.59691+0.004889X2-0.651888X3+0.243242X4+0.104318X5 -0.071110X6 (9.158150) (0.985370)（-3.737889）（2.716443）（1.476674）（-0.722805） R2=0.944292 修正后R2=0.927908 F=57.63303 三、实验结果 从回归结果看，从估计的结果可以看出，模型的拟合较好。可绝系数R2 和修正后R2 都大于0.9，说明模型对数据的拟合程度非常好。 系数显著性检验：对于β2，t统计量为0.985370。给定α=0.05，查t分布表，在自由度为n-6=17下，的临界值t0.025（17）=2.110，因为t，t0.025（17），所以接受H0：β2=0，表明每人实际可支配收入可能是影响每人的子鸡消费量的因素。同理β5β6的t统计量也小于t0.025（17），所以，牛肉每磅实际零售价格和, 子鸡替代品每磅综合实际价格也有可能是每人的子鸡消费量的影响因素。 对于β3 β4，t统计量分别为-3.737889和2.716443。给定α=0.05，查t分布表，在自由度为n-6=17下，的临界值t0.025（17）=2.110，因为tt0.025（17），所以拒绝H0：β3 =0，拒绝H0：β4 =0。故在5%的显著水平下，β3 β4 的值显著不为零这表明子鸡每磅实际零售价格和猪肉每磅实际零售价格是每人的子鸡消费量的主要影响因素。 F统计量为57.63303。给定α=0.05，查F分布表，F0.05（5，17）=2.81， F F0.05（5，17）,则拒绝原假设H0。说