多元线性回归实验报告.docx

实验题目： 多元线性回归、异方差、多重共线性 实验目的： 掌握多元线性回归的最小二乘法， 熟练运用 Eviews 软件的多元线性回归、异方差、多重共线性的操作，并能够对结果进行相应的分析。 实验内容： 习题 3.2 ，分析 1994-2011 年中国的出口货物总额 （Y）、工业增加值（X2）、人民币汇率（ X3），之间的相关性和差异性，并修正。 实验步骤： 建立出口货物总额计量经济模型： 错误！未找到引用源。 （ 3.1） 建立工作文件并录入数据，得到图 1 图 1 在“ workfile 中按住” ctrl 键，点击“ Y 、X2 、X3 ”，在双击菜单中点“ open group”,出现数据表。点 ”view/graph/line/ok ”,形成线性图 2。 图 2 对（ 3.1）采用 OLS 估计参数 在主界面命令框栏中输入 ls y c x2 x3 ，然后回车，即可得到参数的估计结果，如图 3 所示。 图 3 根据图 3 中的数据，得到模型（ 3.1）的估计结果为 （ 8638.216 ）（ 0.012799 ）（ 9.776181 ） t=(-2.110573) (10.58454) (1.928512) 错误！未找到引用源。 错误！未找到引用源。 F=522.0976 从上回归结果可以看出， 拟合优度很高， 整体效果的 F 检验通过。 但当 错误！未找到引用源。 =0.05 时， 错误！未找到引用源。 =错误！未找到引用源。 2.131.有重要变量 X3 的 t 检验不显著，可能存在严重的多重共线性。 多重共线性模型的识别 计算解释变量 x2、 x3 的简单相关系数矩阵。 点击 Eviews 主画面的顶部的 Quick/Group Statistics/Correlatios 弹出对话框在对话框中输入解释变 量 x2、 x3，点击 OK，即可得出相关系数矩阵（同图 4）。 相关系数矩阵 图 4 由图 4 相关系数矩阵可以看出，各解释变量相互之间的相关系数较高，证实解释变量之间存在多重共线性。 多重共线性模型的修正 将各变量进行对数变换，在对以下模型进行估计。 利用 eviews 软件，对 错误！未找到引用源。 、X2 、X3 分别取对数，分别生成 lnY 、lnX2 、lnX3 的数据，采用 OLS 方法估计模型参数，得到回归结果，如图： 图 5 模型估计结果为： 图 6 ln 错误！未找到引用源。 =-20.52+1.5642lnX2+1.7607lnX3 (5.4325) (0.0890) (0.6821) t =-3.778 17.578 2.581 错误！未找到引用源。 F=539.736 该模型可决系数很高， F 检验值，明显显著。由综合判断法知，上述回归结果基本上消除了多 重共线性。对系数估计值的解释如下：在其他变量保持不变的情况下，如果工业增加值增加 1% ，出口货物总额增加 1.564%；人民币汇率提高 1%，出口货物总额增加 1.761%。 所有解释变量的符号都与先验预期相一致， 即工业增加值和人民币汇率与出口货物总额正相关。 检验模型异方差 White 检 验 由图 6 估计结果，按路径 view/Residual tests/white heteroskedasticity （no cross terms or cross terms ），进入 White 检验。 图 7 因为模型为 ln 错误！未找到引用源。 =-20.52+1.5642lnX2+1.7607lnX3 所以异方差与 x2,x3 的关系为： 错误！未找到引用源。 （ 3.2 ） 经估计出现 White 检验结果，见图 8。 从图 8 可以看出， 错误！未找到引用源。 ，由 White 检验知，在 0.05 下，查 2 分布表 , 得临 界值错误！未找到引用源。 ，比较计算的 2 统计量与临界值，因为 错误！未找到引用源。 〉错误！未找到引用源。 所以拒绝原假设，不拒绝备择假设，表明模型存在异方差。 异方差性的修正 在运用 WLS法估计过程中，我们分别选用了权数 错误！未找到引用源。 . 权数的生成过程如下 , 在 对 话 框 中 的 Enter equation 处 ， 按 如 下 格 式 分 别 键 入 ： w11=1/lnX2,w12=1/lnX3;w21=1/(lnX2)^2,w22=1/(lnX3)^2;W31=1/sqr(lnX2),w32=1/sqr(lnX3) 经估计检验发现用权数 w21 的效果最好。 在工作文件窗口中点 Quick\Estimate Equation, 在弹出的对话框中输入 lny c lnx2 lnx3 图 9 然后在图 9 中 点 Options 选项