毕业论文--带约束条件下回归模型的参数估计问题.docVIP

带约束条件下回归模型的参数估计问题 摘 要 关键词 前言 线性模型是数理统计学中重要的模型,是几类统计模型的总称,是现代统计学中内容丰富、应用广泛的一个研究分支。不带约束的线性模型的有偏估计已经发展相对成熟,但在大量的统计问题中,往往需要在某些约束条件下对模型进行回归分析,这就使得带约束模型具有重要的研究意义和应用价值。参数估计是根据从总体中抽取的样本估计总体分布中包含的未知参数的方法。参数估计有多种方法，有最小二乘法、极大似然法、极大验后法、最小风险法和极小化极大熵法等。在一定条件下，后面三个方法都与极大似然法相同。最基本的方法是最小二乘法和极大似然法)，以国内生产总值（），财政支出（），商品零售价格指数（）为解释变量建立多元线性回归模型。（以下是模型的相关数据） 年份 税收收入（Y）/亿元 国内生产总值（X1)/亿元 财政支出（X2)/亿元 商品零售价格指数（X3)/% 1978 519.28 3624.1 1122.09 100.7 1979 537.82 4038.2 1281.79 102 1980 571.7 4517.8 1228.83 106 1981 629.89 4862.4 1138.41 102.4 1982 700.02 5294.7 1229.98 101.9 1983 775.59 5934.5 1409.52 101.5 1984 947.35 7171 1701.02 102.8 1985 2040.79 8964.4 2004.25 108.8 1986 2090.73 10202.2 2204.91 106 1987 2140.36 11962.5 2262.18 107.3 1988 2390.47 14928.3 2491.21 118.5 1989 2727.4 16909.2 2823.78 117.8 1990 2821.86 18547.9 3083.59 102.1 1991 2990.17 21617.8 3386.62 102.9 1992 3296.91 26638.1 3742.2 105.4 1993 4255.3 34634.4 4642.3 113.2 1994 5126.88 46759.4 5792.62 121.7 1995 6038.04 58478.1 6823.72 114.8 1996 6909.82 67884.6 7937.55 106.1 1997 8234.04 74462.6 9233.56 100.8 1998 9262.8 78345.2 10798.18 97.4 1999 10682.58 82067.5 13187.67 97 2000 12581.51 89468.1 15886.5 98.5 2001 15301.38 97314.8 18902.58 99.2 2002 17636.45 104790.6 22053.15 98.7 2003 20017.31 135822.8 24649.95 99.9 2004 24165.68 159878.3 28486.89 102.8 2005 28778.54 183217.4 33930.28 100.8 2006 34804.35 211923.5 40422.73 101 2007 45621.97 249529.9 49781.35 103.8 资料来源：中国统计年鉴2008.中国统计出版社 为观察数据，利用EViews获取序列Y、X1、X2、X3的线形图 可以看出Y、X1、X2都是逐年增长的，但增长速率有所变动，而X3在多数年份呈现水平波动。说明变量间不一定是线性关系，可探索将模型设定为以下对数模型： 2.2参数估计 根据模型的设定，利用序列Y、X1、X2生成序列、、。 利用EViws估计模型参数得下面的回归结果 Dependent Variable: LNY Method: Least Squares Date: 01/20/12 Time: 01:25 Sample: 1978 2007 Included observations: 30 Variable Coefficient Std. Error t-Statistic Prob. C -2.849079 0.639702 -4.453756 0.0001 LNX1 0.412282 0.135528 3.042044 0.0053 LNX2 0.666407 0.155746 4.278810 0.0002 X3 0.011528 0.005527 2.085599 0.0470