一元线性回归案例分析.docx

一元线性回归案例分析.docx

《一元线性回归案例分析.docx》由会员分享，可在线阅读，更多相关《一元线性回归案例分析.docx（26页珍藏版）》请在冰豆网上搜索。

一元线性回归案例分析

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。

obs

X

Y

1980

526.9200

474.7200

1981

532.7200

479.9400

1982

566.8100

488.1000

1983

591.1800

509.5800

1984

699.9600

576.3500

1985

744.0600

654.7300

1986

851.2000

755.5600

1987

884.4000

798.6300

1988

847.2600

815.4000

1989

820.9900

718.3700

1990

884.2100

767.1600

1991

903.6600

759.4900

1992

984.0900

820.2500

1993

1035.260

849.7800

1994

1200.900

974.7000

1995

1289.770

1040.980

1996

1432.930

1099.270

1997

1538.970

1186.110

1998

1663.630

1252.530

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）。

2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。

3由其他数据文件导入。

下一个案例中给出

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%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Forecastsample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，还是预测效果都是比较好的。