作业02：多元线性回归分析报告.doc

多元线性回归模型上机报告 光华统计 周前坤 一 模型设定 被解释变量：Wage，其代表的意义为月工资水平，单位为美元； 解释变量：Educ，其代表的意义为受教育年限，单位为元； Exper，其代表的意义为工作年限，单位为年； Tenure，其代表的意义为在当前公司工作年限，单位为年； 建立如下线性模型为： 二 数据来源 本报告采用的数据来源于Jeffrey M.Wooldridge所著《Introductory Econometrics:A modern approach》书中所带数据第四章上机习题第十七题的WAGE2.RAW数据（更详细内容见书p164）。利用历史调查问卷数据，收集了诸如月工资水平、受教育年限、工作年限、在当前公司工作年限等变量，一共有460个观测值，这其中没有异常值和缺省值，因此报告基于所有得到的样本数。 三 回归结果 利用Eviews软件的功能，可得到回归结果如下：Variable Coefficient Std. Error t-Statistic Prob.?? EDUC 64.84641 8.934311 7.258132 0.0000 EXPER 7.819919 4.793943 1.631208 0.1035 TENURE 9.772581 3.560518 2.744708 0.0063 C -44.42546 153.8041 -0.288844 0.7728 R-squared 0.127003 ????Mean dependent var 1005.246 Adjusted R-squared 0.121260 ????S.D. dependent var 409.6735 S.E. of regression 384.0326 ????Akaike info criterion 14.74799 Sum squared resid????Schwarz criterion 14.78391 Log likelihood -3388.038 ????F-statistic 22.11293 Durbin-Watson stat 1.849280 ????Prob(F-statistic) 0.000000 由上表可以知道，回归方程可写为： WAGE=－44.425+64.846*EDUC+7.82*EXPER+9.772*TENURE 并且由系数表可以知道，变量Educ的p值为0，变量Exper的p值为0.，变量Tenure的p值为0，这说明所有回归参数在90％的水平下都是显著的，这说明模型的合理性。同时还可以得到总体显著性检验统计量?F-statistic＝22.11293，其p值为0，这说明方程总体是线性的。并且调整后的拟合优度为0.121，说明所建立的模型至少解释了Wage变化的1.1％，当然由于Wage还受其他的未考虑的因素的影响，因此就建立的模型而言是合理的。 四 经济分析 由上述分析可以知道，回归方程可写为： WAGE=.425+64.846*EDUC+7.82*EXPER+9.772*TENURE 由回归方程可以知道，在其他变量保持不便的情况下，受教育程度（Educ）每增加1年，则月收入（Wage）将大约增加.846美元。同理，在其他变量保持不便的情况下，工作年限（Exper）每增加1年，则月收入（Wage）将大约增加.82美元。最后，在保持其他变量不便的前提下，在当前公司工作年限（Tenure）每增加1年，则月收入（Wage）将大约增加.772美元。由边际影响分析可以发现，月收入（Wage）受影响最大的是受教育程度（Educ），这与日常逻辑也吻合。 附录： 1、原始数据 由于一共有460个观测值，考虑到篇幅，并未把原始数据单列出来，具体的数据可见书。 2、散点图 由上面的散点图可以看出，变量之间的散点杂乱无章，并无一定的规律可寻。这可能也是导致拟合优度过小的原因之一。同时又可以发现，虽然散点图杂乱无章，但是至少解释变量之间并无明显的关系，也就不存在很明显的共线性问题。 、模拟图 由上面的残差图可以知道，就我们所建立的模型而言，由回归残差由D-W统计量可以知道，由于D-W＝1.8，则可大致认为残差序列不存在很明显的自相关，并且由残差序列图可以知道，由于残差围绕u＝0处上下波动，可大致认为不存在明显的自相关和异方差。所建模型是恰当的。 WAGE EDUC EXPER TENURE 769 12 11 2 808 18 11 16 825 14 11 9 650 12 13 7 562 11 14 5 1400 16 14 2 600 10