实验三 二元线性回归.docVIP

实验三 二元线性回归 实验目的：掌握二元线性回归的估计与应用，再次熟悉EViews的基本操作。 实验要求：应用教材P105第11题做二元线性回归分析并做预测。 实验原理：最小二乘法。 预备知识：参数估计的普通最小二乘法、t检验、F检验。 实验内容： P105.11 在一项对某社区家庭对某种消费品的消费需要调查中，得到书中的表所示的资料。 请用手工与软件两种方法对该社区家庭对该商品的消费需求支出作二元线性回归分析。 估计回归方程的参数及及随机干扰项的方差，计算及。 对方程进行F检验，对参数进行t检验，并构造参数95%的置信区间。 如果商品单价变为35元，则某一月收入为20000元的家庭的消费支出估计是多少？构造该估计值的95%的置信区间。 实验步骤： （1）以矩阵形式表达，二元样本回归方程为 参数的估计值为 由于 于是 根据随机干扰项方差的估计式 得到 而 故 又由于 故 而利用软件Eviwes进行回归的步骤如下： 建立工作文件并导入全部数据，然后设定模型为： 点击主界面菜单Qucik/Estimate Equation，在弹出的对话框中输入y c x1 x2，如图2.1.1所示，点击确定即可得到回归结果，如图2.1.2。 根据图2.1.2中的数据，得到模型(2-1)的估计结果为： Y = 626.5092847 - 9.790570097*X1 + 0.02861815879*X2 （15.61195） （-3.061617） （4.902030） R2=0.902218 =0.874281 D.W.=1.650804 ∑ei2=2116.807 F=32.29408 df=(2,7) 随机干扰项的方差估计值为：=2116.807/7=0 图2.1.1 图2.1.2 （2）方程的总体线性性检验由下面的检验进行： 而在Eviews的回归结果（图2.1.2）也表明： 这一年，Y的变化的90.2218%可由X1和X2的变化来解释，其F值为32.29408。在5%的显著性水平下，F统计量的临界值未，可见32.294.74，表明方程的总体线性性显著成立。 在5%的显著性水平下，自由度为7的t分布的临界值为，可见常数项及X1与X2的总体参数值均显著地易于零。 常数项，X1与X2参数的95%的置信区间分别为 或（531.62, 721.40） 或（-17.35，-2.22） 或（0.014, 0.042） （3）将代入回归方程，可得 同样地，通过在Eviews中录入商品单价X1为35元以及月收入为20000元的数据，然后进行预测也可得到相同的结果。 双击Workfile菜单下的Range所在行，出现将Workfile structured对话框，讲右侧Observation旁边的数值改为11，然后点击OK，即可用将Workfile的Range以及Sample的Range改为11，如图2.2.1所示； 双击打开X1与X2的序列表格形式，将编辑状态切换为“可编辑”，在它们的序列中分别补充输入X1=35，X2=20000。然后在Equation框中，点击“Forecast”，弹出一对话框，在其中为预测的序列命名，如yf。点击Workfile中新出现的序列yf，可以看到预测值为856.2025（图2.2.2） 图2.2.1 图2.2.1 而由于 因此，取，均值的预测的标准差为 在5%的显著性水平下，自由度为10-2-1=7的t分布的临界值为，于是均值的95%的预测区间为 或（768.58,943.82） 同样容易得到个值的预测的标准差为 于是，值的95%的预测区间为 或（759.41,952.99） 而在Eviews中的命令栏中输入： Scalar eyfu=856.2+2.365*@sqrt(302.41*4.539) Scalar eyfu=856.2-2.365*@sqrt(302.41*4.539) 以及： Scalar yfu=856.2+2.365*@sqrt(302.41*1.2661) Scalar yfu=856.2-2.365*@sqrt(302.41*1.2661) 同样可以得到均值的95%的置信上下界与值的95%的置信上下界。