计量经济学实验二多元线性回归

《计量经济学实验二多元线性回归》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、实验二：Eviews的常用函数与多元线性回归分析【实验目的】掌握建立多元回归模型和比较、筛选模型的方法。【实验内容】建立我WW有独立核算工业企业生产函数。根据生产函数理论，生产函数的基木形式为：y=f{t，L，K，ey其中，L、K分别为生产过程中投入的劳动与资金，时间变量Z反映技术进步的影响。表3-1列出了我国1978-1994年期间国有独立核算工业企业的有关统计资料；其中产出Y为工业总产值（可比价），L、K分别为年末职工人数和固定资产浄值（可比价）。表3-1我国国有独立核算工业企业统计资料年份时间r工业总产值Y（亿元）职工人数L（万人）固定资

2、产K（亿元）197813289.1831392225.70197923581.2632082376.34198033782.1733342522.81198143877.8634882700.90198254151.2535822902.19198364541.0536323141.76198474946.1136693350.95198585586.1438153835.79198695931.3639554302.251987106601.6040864786.051988117434.0642295251.901989127721.014

3、2735808.711990137949.5543646365.791991148634.8044727071.351992159705.5245217757.2519931610261.6544988628.7719941710928.6645459374.34资料来源：根据《屮国统计年鉴一1995》和《屮国工业经济年鉴-1995》计算整理【实验步骤】一、建立多元线性回归模型㈠建立包括时间变量的三元线性回归模型；在命令窗口依次键入以下命令即可：1•建立工作文件：CREATEA78942.输入统计资料：DATAYLK3•生成时间变量/:GENR

4、T=@TREND(77)4.建立回归模型：LSYCTLK则生产函数的估计结果及有关信息如图3-1所示。VariableCoefficientStd.Errort-StatisticProb.-675.32082682.060-0.2517920.805177.67893115.67310.6715380.51360.6666650.8536260.7809800.44880.7764170.1044597.4327450.0000R-squared0.995764Meandependentvar6407.249AdjustedR-squared

5、0.994786S.D.dependentvar2486.742S.E.ofregression179.5630Akaikeinfocriterion13.42125Sumsquaredresid419157.5Schwarzcriterion13.61730Loglikelihood-110.0807F-statistic1018.551Durbin-Watsonstat1.510903Prob(F-statistic)0.000000图3-1我国国有独立核算工业企业生产函数的估计结果因此，我国国有独立工业企业的生产函数为：=-675.32+

6、77.6789,+0.6667L+0.7764尺(模型1)Z=(-0.252)(0.672)(0.781)(7.433)R2=0.9958及2=0.9948F=1018.551模型的计算结果表明，我国国有独立核算工业企业的劳动力边际产出为0.6667,资金的边际产出为0.7764,技术进步的影响使工业总产值平均每年递增77.68亿元。回归系数的符号和数值是较为合理的。R2=0.9958,说明模型有很高的拟合优度，F检验也是高度显著的，说明职工人数L、资金K和时间变量对工业总产值的总影响是显著的。从图3-1看出，解释变量资金K的r统计量值为7.4

7、33,表明资金对企业产出的影响是显著的。但是，模型中其他变量(包括常数项)的Z统计量值都较小，未通过检验。因此，需要对以上三元线性回归模型做适当的调整，按照统计检验程序，一般应先剔除r统计量最小的变量(即时间变量)而重新建立模型。(一-)建立剔除时间变量的二元线性回归模型；命令：LSYCLK则生产函数的估计结果及有关信息如图3-2所示。-2387.269816.8895-2.9223900.01111.2085320.2730204.4265280.00060.8344960.05742114.532870.0000R-squared0.995

8、617Meandependentvar6407.249AdjustedR-squared0.994990S.D.dependentvar2486.74