计量经济学线性回归模型PPT.ppt

第二章 线性回归模型 一元线性回归模型 多元线性回归模型 可线性化模型 虚拟变量 一元线性回归模型案例 Case1是黑龙江省伊春林区1999年16个林业局的年木材采伐量和相应伐木剩余物数据。 下面利用该数据介绍怎样利用EViews软件进行OLS回归 1、数据文件的读取或打开。 2、画散点图。 命令方式： scat y x 菜单方式：从EViews主菜单中点击Quick键，选择Graph/ Scatter功能 Group操作方式：首先要将序列y和x组成一个群，再在主窗口选择菜单View/Graph/Scatter 画图时应该先输入横轴的变量名，再输入纵轴的变量名。 3、OLS估计 菜单操作方式：从工作文件主菜单中点击Quick/Estimate Equation功能。 方程设定(Equation Specification)对话框：在选择框中输入y c x ，或输入y=C(1)十C(2) *x, 表示一个一元线性回归方程。 命令操作方式：Ls y c x R-squared(可决系数) : 表示拟合优度的好坏，可决系数越大，方程拟合得越好。 S. E. of regression (回归的标准误差):这是一个对预测误差大小的总体度量，是对残差大小的度量。 Sum squared resid(残差平方和):是残差的平方和，可以用做一些检验的输入值。 Log likelihood (对数似然估计值) :是在系数估计值的基础上对对数似然函数的估计值(假定误差服从正态分布)。可以通过观察方程的约束式和非约束式的对数似然估计值的差异; 进行似然比检验。 Durbin-Watson stat(DW统计量) :这是对序列相关性进行检验的统计量。如果它比2小很多，则证明这个序列正相关 Mean Dependent Var (被解释变量的均值) :被解释变量的样本均值。 F-Statistic (F统计量) :这是对回归方程中的所有系数均为0(除了常数项)的假设检验。Prob (F-Statistic) (F统计量对应的概率) :该项是由上面F统计量的值计算出的概率。 X=20条件下模型的样本外预测方法 把工作文件范围从原来的1~16改为1 ~17。 打开x的数据窗口，利用Edit +/-键给x的第17个观测值赋值为20。 输出结果窗口中点击Forecast键，随即弹出一个关于预测(Forecast)的对话框。yf 在Forecast name选择区自动生成， yf是保存预测值的变量。 在Forecast sample选择区把预测范围从1 ~ 17改为17 ~ 17，即只预测x =20时的y的值。 多元线性回归模型案例 case2是1950-1987年间美国机动汽油消费量和影响消费量的变量数值。其中各变量表示：QMG-机动车汽油消费量；MOB-汽车保有量；PMG-机动汽油零售价格；POP-人口数；GNP-按照1982年美元计算的GNP；以汽油消费量为因变量，其它变量为自变量，建立一个回归模型。 1、建立模型 菜单方式：选object/new object，在新建对象对话框中选对象为Equation，并命名，点击OK 或选Quick/estimate equation. 命令方式： 在主窗口命令行输入： Ls qmg=c(1) +c(2)*car+c(3)*pmg+c(4)*pop+c(5)*rgnp 或等价的输入变量列表 Ls Qmg c car pmg pop rgnp 2．预测 菜单命令是对方程对象操作proc/forecast ,或直接从工具栏中选Forecast，Eviews会产生一个新的对话框，可以生成名为原自变量名加f名的新序列，也可自己命名。 RMSE 均方根误差； MAE平均绝对误差 MAPE即平均绝对百分误差 Theil inequality coefficient 希尔不等系数 Bias proportion 偏差率 Variance proportion 方差率 Covariance proportion 协变率 多元线性回归模型的极大似然估计 用对数极大似然估计来估计一个模型，主要的工作是建立用来求解似然函数的说明文本。 EViews中似然函数的说明只是一系列对序列的赋值语句，这些语句在极大化的过程中被反复的计算。 我们要做的是写下一组语句，在计算时，这些语句将描述一个包含每个观测值对似然函数贡献的序列。 利用极大似然法估计模型参数 这就是变量Y的似然函数。对似然函数求极大值和对对数似然函数求极大值是等价的。 EViews编程 以case1为例。 先在object中打开logl对象 在logl对象窗口输入： @logl logl1 @param c