实验11：简单线性回归模型

《实验11：简单线性回归模型》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、实验1.1简单线性回归模型主讲：胡毅参考书目高铁梅，《计量经济分析方法与建模－EViews应用及实例》，清华大学出版社，2006.1庞皓，《计量经济学》，科学出版社，2006.1张晓峒，《计量经济学软件EViews使用指南》，南开大学出版社，2006.7实验目的熟悉EViews5的操作界面,熟练运用EViews5建立工作文件；输入数据；计算样本的常用统计量；绘制散点图；估计一元线性回归方程（参数估计）。研究实例1：分析影响各地区居民消费支出有明显差异的最主要因素，并分析影响因素与消费水平的数量关系。研究实例2：分析新疆人均生产总值（GDP）随时间变化关系，并对其

2、进行预测。一元线性回归模型（t=1,2,···，T）其中，T为样本个数；x称为解释变量或自变量；y称为被解释变量或因变量；u是误差项或扰动项，它体现了y的变化中没有被x所解释的部分。参数计算公式：实验命令汇总11、建立工作文件:file/new/workfile,并设定数据类型。2、数据输入（NewObject）:object/newobject/在Typeofobject中选择Group,并命名为shiyanyi(注：命名中不能包括汉字）,在“Group:SHIYANYIWorkfile”中按上行键“↑”即方向键“↑”至最上端，使之出现”obs”,输入“XY”

3、;或者在EViews命令栏中直接输入:“dataXY”/回车。3、绘制散点图：在EViews同时打开变量y与x的数据表，view/graph/scatter/scatterwithregression。实验命令汇总24、回归估计：方法1：quick/estimateeqution/specification中输入YCX，method选择LS；方法2：在EViews命令栏中直接输入:“LSYCX”/回车。5、预测：打开“Equation”对话框，点击“Forecast”（预测）→OK,得到模型估计值及标准误差的图形和“yf”。6、实验保存：打开“Equation”

4、对话框，点击”object”—>newoption—>savetabletodisk，保存为.rtf：word格式。菜单栏：标题栏下是主菜单栏。主菜单栏上共有7个选项：File（文件），Edit（编辑），Object（对象），View（视图），Proc（处理），Quick(快捷)，Options（选项），Window（窗口），Help（帮助）。（File，Edit的功能与Word,Excel中的相应功能相似）。命令窗口：主菜单栏下是命令窗口，窗口闪烁的“︱”是提示符，用户在提示符后可输入EViews命令，按回车后立即执行命令。研究背景居民消费在社会经济的持续发展

5、中有着重要作用。居民合理地消费模式和适度的消费规模有利于经济持续健康的增长，而且这也是人民生活水平的具体体现。改革开放以来，随着中国经济的快速发展，人民生活水平不断提高，居民消费水平也不断增长。2002年全国城市居民家庭平均每人每年消费支出为6029.88元，其中黑龙江最低，人均仅4462.08元；上海最高，人均10464元，上海是黑龙江的2.35倍。结论：从图中我们可以看出由于全国各个地区经济发展速度不同，居民消费有着明显差异。为了分析影响各地区居民消费支出有明显差异的最主要因素，并分析影响因素与消费水平的数量关系，我们可以建立相应的计量经济模型去研究。模型设

6、定研究对象：各地区居民消费的差异变量设定：居民消费可分为城市居民消费和农村居民消费，由于各地区城市和农村人口比例及经济结构有较大差异，且各地区人口和经济总量不同，因此最具有直接可比性的就是“城市居民每人每年的平均消费支出”。所以模型的被解释变量Y为“城市居民人均年消费支出”影响各地区城市居民人均消费支出最主要因素应当是居民可支配收入，其他因素的影响归入随机扰动项中。为与Y相对应，解释变量X为“城市居民人均年可支配收入”数据选择我们研究目的是各地区居民消费的差异，并不是城市居民在不同时间的变动，所以应当选择同一时期各地区城市居民的消费支出来建立模型。我们建立的是2

7、002年截面数据模型。数据来源：《中国统计年鉴2003》详细数据：计量经济学实验课课件数据(按区域排列)计量经济模型：参数估计1.建立Workfile（工作文件）Workfilestructuretype(文件构造类型):Unstructured/Undated不规则/未注明日期Dated–regularfrequency有日期－规则的频率Balancedpanel平行面板Datespecification(数据规格)：Annual年度Semi-annual半年度Quarterly季度Monthly月度Weekly周数据Daily-5dayweek每周五天日数据

8、Daily-7daywe