实验：多元线性回归模型.ppt

实验命令汇总1 1、建立工作文件:file/new/workfile,并设定数据类型。 2、 数据输入（New Object）:object/new object/在Type of object中选择Group,并命名为shiyanyi(注：命名中不能包括汉字）,在“Group :SHIYANYI Workfile”中按上行键“↑”即方向键“↑”至最上端，使之出现”obs”,输入“X Y”;或者在EViews命令栏中直接输入: “data X Y”/回车。 实验命令汇总2 3、参数估计： 方法1：quick/estimate eqution/ specification中输入Y C X2 x3 x4，method选择LS；方法2：在EViews命令栏中直接输入: “LS Y C X2 x3 x4”/回车。 4.Chow检验：打开“Equation”对话框，view/stability tests/chow breakpoint test,在chow test对话框中输入分段估计点。 5.残差正态性检验：view/Residual Tests/ Histogram—Normality Tests. 解释变量折线图 3.残差检验 （1）残差的正态性检验 view/Residual Tests/ Histogram—Normality Tests. 通过正态性检验结果可知，JB=0.692 检验的p值为0.7075，所以通过正态性检验。 实验报告实例 1.实验目的：通过多元回归分析估计影响雇员工资（美元/小时）各因素的参数，并进行参数及模型检验。 2.实验报告数据参见EXCEL1.2中的实验报告数据 * 实验1.2 多元线性回归模型 主讲：胡毅 实验目的 熟练应用 EViews5进行多元线性回归模型研究 实例研究：分析影响中国税收收入增长的主要原因，预测中国税收未来的增长趋势 模型设定 研究数据1：各种因素对中国税收增长的具体影响 变量设定： Y:税收收入 X2:国内生产总值 X3:财政支出 X4:商品零售价格指数 国家税收的增长 经济整体增长水平 公共财政的需求 物价水平 回归模型： 其中，Y为被解释变量，X2、X3、X4为解释变量。 数据选择 我们研究目的是各种因素对中国税收增长的具体影响，但是在1984－1985年间的税制改革使得1985年税收徒增215.42％，故我们在建立1978－2002年间的时间序列模型后，要进行回归模型的结构稳定性检验：Chow检验。 数据来源：《中国统计年鉴》 详细数据：计量经济学实验课课件数据 参数估计 1. 建立Workfile（工作文件）→New Object Annual：年度 New Object →Group →shiyaner 2.估计参数 方法一:Quick→Estimate Equation 方法二：在命令框中输入“ls Y C X2 X3 X4” 3.回归结果 (940.2163) (0.005577) (0.033236) t=（－2.7459） （3.956614） （21.12465） (23.98532) (2.744851) 由折线图可知，变量Y的变动形态在1985年发生较大变动，所以在1985年处进行CHOW检验。 4.Chow检验 1978—1984 1985—2002 原假设： “1985”将时间序列分为1978—1984年和1985—2002年两个区间 此时，F值为15.25,P值为0.0000180.01，则拒绝原假设，接受： 5.确定数据区间，重新估计 6.回归结果 (660.7478) (0.003396) (0.019073) t=（－0.047652） （4.046572） （37.42461） (5.866297) (0.644903) 1.统计检验 Ⅰ 拟合优度 ↓ 模型对样本拟和的很好 Ⅱ F检验 H0：β2＝ β3＝ β4＝0 α＝0.05 k－1＝3 n－k＝14 F=5852.833F α(3,14)=3.74 ↓ X2、X3、X4对Y有显著影响 模型检验 Ⅲ t检验 H0：βj＝0（j＝1，2，3，4） α＝0.05 t=－0.047652，4.046572，37.42461，0.6449.3 t α/2(n-k)=2.145 ↓ 拒绝H2， H3 ， X2、X3对Y有显著影响 β1 ＝0， β4 ＝0 GDP每增长