一元线性回归案例分析

《一元线性回归案例分析》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、第六节案例分析教学目的：●复习所学简单线性回归模型的基本理论●初步掌握用简单线性回归模型解决实际经济问题的能力●熟悉计量软件Eviews的基本操作案例1：研究某市城镇居民年人均可支配收入X与年人均消费性支出Y的关系。1980年~1998年样本观测值见下表。obsXY1980526.9200474.72001981532.7200479.94001982566.8100488.10001983591.1800509.58001984699.9600576.35001985744.0600654.73001986851.2000755.56001987884.4000798

2、.63001988847.2600815.40001989820.9900718.37001990884.2100767.16001991903.6600759.49001992984.0900820.250019931035.260849.780019941200.900974.700019951289.7701040.98019961432.9301099.27019971538.9701186.11019981663.6301252.530第一步：建立Eviews数据文件1、创建工作文件步骤：从Eviews主菜单中点击File→New→Workfile…2、输入起

3、止时间。步骤：在出现的对话框中输入日期（本例是年数），之后点起始年终止年此时会得到一个尚未命名的工作文件。3.设定样本点范围步骤：从Eviews主菜单中点击Quick→Sample…，得到样本点设定对话框。输入样本点范围，点击，完成样本点设定。4.样本数据输入①键盘输入方法。从Eviews主菜单中点击Quick→EmptyGroup(EditSeries)出现数据输入框，通过键盘输入各个数据（回车键或上、下键确认数据的输入）。①运用复制、粘贴功能输入；在给定的观测值表格中复制需要的数据序列，借助于粘贴功能将数据导入数据输入框的对应单元格内。①由其他数据文件导入。下一个案

4、例中给出5．修改序列名称首先进入数据的可编辑状态（此状态中有数据输入条）：键盘输入数据后即为此状态；拷贝数据后自动进入此状态。之后在数据的可编辑状态下选择obs项目的数据（即数据前面的第一条记录），输入新的序列名称（如X）输入回车键，确认输入操作。出现修改确认对话框，点击键，确认修改。第二步建立数学模型1.绘制散点图步骤：从Eviews主菜单中点击Quick→Graph→Scatter在SeriesList对话框中输入XY，点击，绘制散点图。建立一元线性回归模型2.估计参数样本回归模型步骤：Quick→EstimateEquation...打开方程估计对话框在模型对话框

5、中，Method一栏选择leastsquares，在EquationEstimation中输入YCX按下按钮，得到结果：即样本回归方程为：=135.31+0.69（5.47）（28.04），=0.98括号内数字为回归系数对应的t统计量的值。4.评价模型1）对回归方程的结构分析：=0.69是样本回归方程的斜率，表示某市城镇居民的边际消费倾向，说明年人均可支配收入每增加1元，将0.69元用于消费性支出；=135.31是样本回归方程的截距，表示不受可支配收入影响的自发消费行为。两者的符号和大小，均符合经济理论及目前某市的实际情况。2）统计检验：=0.98说明总离差平方和的98

6、%被样本回归直线解释，仅有2%未被解释，因此样本回归直线对样本点的拟合优度是很高的。给出显著性水平，查自由度v=19-2=17的t分布表，得临界值=2.11，=5.47>2.11，=28.04>2.11，因此回归系数均显著不为零，回归模型中应包含常数项，X对Y有显著影响，此模型是比较好的。5.预测假如给定1999年和2000年的人均可支配收入分别为1763元和1863元，求对应的人均消费性支出预测值。编辑变量X的数据，输入X1999和X2000在回归模型估计结果窗口的命令行中点击，激活预测对话框。在SeriesNames的Forecast框中输入预测结果变量名YF；在F

7、orecastsample框中输入19992000，指定预测的年份；默认选择静态预测。点击，得到1999年和2000年的某市城镇居民年人均消费性支出预测值分别为1354.869和1424.045元。绘制预测折线图步骤：从Eviews主菜单中点击Quick→Graph→Linegraph在SeriesList对话框中输入YYF，点击按钮，绘制折线图。可以从图看出，在样本区间内，某市年人均消费性支出样本值及其估计值非常接近，1999年和2000年的预测值的变化趋势也符合样本区间的变化趋势，说明以上建立的线性回归模型无论是结构分析，统计检验，还