《计量经济学》(庞浩第一版)第三章多元线性回归模型eviews上机操作

《《计量经济学》(庞浩第一版)第三章多元线性回归模型eviews上机操作》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第三章多元线性回归模型案例分析一、研究目的1提出问题：研究中国税收收入增长的主要原因(必须要有研究的意义，且具创新价值)2分析问题：从宏观经济看经济增长是税收增长的源泉；公共财政的需求；物价水平；税收政策（要注重经济理论的相关性和逻辑性）二、模型设定1被解释变量：为了全面反映中国税收增长的全貌，选择包括中央和地方的的“国家财政收入”中的各项税收作为被解释变量2解释变量：选择“国内生产总值GDP”作为经济整体增长水平的代表；选择中央和地方“财政支出”作为公共财政需求的代表，选择“商品零售物价指数”作为物价水平的代表，

2、而由于财政体制的改革难以量化，且1985年后财税体制改革对税收增长影响不是很大，故暂不考虑。3设定线性模型为：Yt=β1+β2X2t+β3X3t+β4X4t+ut注：X1默认为14经济理论构造成功之后，即着手收集数据资料（这要借助统计学的知识进行整理，并不是什么数据都可以直接拿来用。首先，数据来源的权威性，即必须保证数据的准确可靠性，不能随意捏造，其次，数据的合理分类，最后是数据的合理运用）附：数据表1.1中国税收收入及相关数据年份税收收入（亿元）国内生产总值（亿元）财政支出（亿元）商品零售价格指数（%）（Y）（X

3、2）（X3）（X4）1978519.283624.11122.09100.71979537.824038.21281.791021980571.74517.81228.831061981629.894862.41138.41102.41982700.025294.71229.98101.91983775.595934.51409.52101.51984947.3571711701.02102.819852040.798964.42004.25108.819862090.7310202.22204.911061987

4、2140.3611962.52262.18107.319882390.4714928.32491.21118.519892727.416909.22823.78117.819902821.8618547.93083.59102.119912990.1721617.83386.62102.919923296.9126638.13742.2105.419934255.334634.44642.3113.219945126.8846759.45792.62121.719956038.0458478.16823.72114

5、.819966909.8267884.67937.55106.119978234.0474462.69233.56100.819989262.878345.210798.1897.4199910682.5882067.513187.6797200012581.5189468.115886.598.5200115301.3897314.818902.5899.2200217636.45104790.622053.1598.7三、估计参数利用eviews3.0进行分析1建立工作文件新建工作文档：file-new-wor

6、kfile，在打开的workfilerange对话框中的workfilefrequency中选择annual，startdate输入1978，enddate输入2002，点击ok。2输入数据直接在命令窗口输入“dataYX2X3X4、、、”本案例中输入dataYX2X3X4然后是将excel中的数据复制过来，并点击name命名GROUP01。3估计参数直接在命令窗口输入“LSYCX2X3X4、、、”。LS是做最小二乘估计的命令，Y为被解释变量，C为截距项，X为解释变量，注意LSYCX之间要有空格，被解释变量紧接在命

7、令LS之后。本案例中输入LSYCX2X3X4本题中得到下表，点击name命名eq01。DependentVariable:YMethod:LeastSquaresDate:11/25/12Time:17:38Sample:19782002Includedobservations:25VariableCoefficientStd.Errort-StatisticProb.C-2582.791940.6128-2.7458600.0121X20.0220670.0055773.9566050.0007X30.70210

8、40.03323621.124660.0000X423.985418.7383022.7448590.0121R-squared0.997430Meandependentvar4848.366AdjustedR-squared0.997063S.D.dependentvar4870.971S.E.ofregression263.9599Akaikeinfoc