原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
计量经济学20701534
粮食总产量与化肥施用量、机械总动力、灌溉面积和播种面积的关系已知我国粮食总产量y(万吨)，化肥施用量x1(万吨)，机械总动力x2（万千瓦），灌溉面积x3（千公顷），总播种面积x4(千公顷)的数据。
表1为1990-2010年的有关数据。
资料来源：《中国统计年鉴》2011年
观察散点图：
由散点图可知，y与x1,x2,x3,x4存在线性关系。根据经济理论和实际情况分析可知，粮食总产量y与化肥施用量x1,机械总动力x2,有效灌溉面积x3,粮食播种面积x4的变化，因此我们设定回归模型为：
应用EViews的最小二乘程序，输出结果如下：
Y=-36844.72+4.139352x1+0.006364x2-0.021811x3+0.609161x4
(-5.7029) (4.8021) (0.1762) (0.6681) (10.83)
R^2=0.9687 F=177.6610 DW=1.91 n=28
统计推断检验：
从回归结果可以看出，模型的拟合度较好R^2=0.9687。F统计量在给定显著性水平的情况下也较显著，t0.05(14)==1.76，x3的t统计值的绝对值小于1.76，说明x3这个变量对y的影响不显著，或者变量之间存在多重共线的影响使其t值不显著。
一、多重共线性检验
检验：显著性水平，F(4,26) =2.74， F=177.6610 2.74，表明模型从整体上看，粮食总产量与解释变量间线性关系显著。
这里采用简单相关系数矩阵法对其进行检验，如下：
r12=0.9851 r13=0.9149 r14=-0.5524 r23=0.9104 r24=-0.55 r34=-0.4396
由此分析可知，解释变量x1,x2,x3之间相关系数较大，存在高度相关性，x4呈现负相关。
为了检验和处理多重共线性，采用修正Frisch法。
修正：对y分别关于x1,x2,x3,x4做最小二乘回归，得：
Y=33428.08+3.454732x1
(25.6212) (10.05515)
=0.7954 =0.7876 F=101.1061 DW=0.7662
Y =39939.88+0.14461x2
(50.7470) (9.1460)
=0.7629 =0.7538 F=83.6497 DW=0.6648
Y=32337.15+0.2971x3
(19.6019) (8.5545）
=0.7379 =0.7278 F=73.1857 DW=0.6163
Y=65632.82-0.180925x3
(2.5046) (-0.7548)
=0.0214 =-0.0162 F=0.5697 DW=0.2572
根据经济理论分析和回归结果，以X1作为解释变量，所以选取第一个回归方程为基本回归方程。
(2) 加入机械总动力x2,对y关于x1,x2作最小二乘回归，得：
Y=32214.82+4.120562x1-0.0289x2
(8.295856) (2.0268) (-0.3325)
=0.7963 =0.78 F=48.8789 DW=0.7932
可以看出，加入x2后，拟合优度和有所增加，但是x2的系数符号不合理，呈负相关，故删去x2.引入x3,对y关于x1,x3作做小二乘回归，得：
y=32638.53+2.5192x1+0.0913x3
(22.5432) (2.9868) (1.2123)
=0.8068 =0.7913 F=52.2014
可以看出，加入x3后，模拟拟合优度和有所增加，参考估计值的符号也正确，并且没有影响x1的系统显著性，所以在模型中保留x3.
加入x4,对y关于x1,x3,x4做最小二乘回归，得：
Y=-36975.1+4.2749x1+0.02270x3+0.6079x4
(-5.8809) (11.21354) (0.7184) (11.1220)
=0.9686 =0.9647 F=246.8364 DW=1.9250
可以看出，加入x4后，拟合优度和均增加显著，参考估计值的符号也正确，并且没有影响x1的系统显著性，所以在模型中保留x4.
文档评论（0）