复习多元线性回归模型案例文档格式.docx

复习多元线性回归模型案例文档格式.docx

《复习多元线性回归模型案例文档格式.docx》由会员分享，可在线阅读，更多相关《复习多元线性回归模型案例文档格式.docx（44页珍藏版）》请在冰豆网上搜索。

千公顷

亿千瓦时

1986

133.60

13.43

29.50

17.92

36.01

79.99

150104.07

253.10

1987

137.63

12.20

31.30

19.39

38.62

75.63

146379.53

320.80

1988

147.86

7.66

37.60

23.71

45.90

69.25

143625.87

508.90

1989

196.76

9.42

39.90

26.21

49.23

62.75

146553.93

790.50

1990

220.53

9.98

26.41

49.93

64.66

148362.27

844.50

1991

223.25

10.26

40.30

26.94

50.92

63.09

149585.80

963.20

1992

233.19

10.05

41.50

27.46

51.53

61.51

149007.10

1106.90

1993

265.67

9.49

43.60

27.99

51.86

60.07

147740.70

1244.90

1994

335.16

9.20

45.70

28.51

52.12

58.22

148240.60

1473.90

1995

411.29

8.43

47.80

29.04

52.41

58.43

149879.30

1655.70

1996

460.68

8.82

49.50

30.48

53.23

60.57

152380.60

1812.70

1997

477.96

8.30

50.10

31.91

54.93

58.23

153969.20

1980.10

1998

474.02

10.69

50.20

33.35

55.84

58.03

155705.70

2042.20

1999

466.80

8.23

49.90

34.78

57.16

57.53

156372.81

2173.45

2000

466.16

7.75

50.00

36.22

59.33

55.68

156299.85

2421.30

2001

469.80

7.71

37.66

60.62

55.24

155707.86

2610.78

2002

468.95

7.17

39.09

62.02

54.51

154635.51

2993.40

2003

476.24

7.12

50.90

40.53

63.72

50.08

152414.96

3432.92

2004

499.39

9.67

53.10

41.76

65.64

50.05

153552.55

3933.03

2005

521.20

7.22

55.20

42.99

67.59

49.72

155487.73

4375.70

资料来源《中国统计年鉴2006》。

（二）、计量经济学模型建立

我们设定模型为下面所示的形式：

利用Eviews软件进行最小二乘估计，估计结果如下表所示：

DependentVariable:

Y

Method:

LeastSquares

Sample:

19862004

Includedobservations:

19

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

-1102.373

375.8283

-2.933184

0.0136

X2

-6.635393

3.781349

-1.754769

0.1071

X3

18.22942

2.066617

8.820899

0.0000

X4

2.430039

8.370337

0.290316

0.7770

X5

-16.23737

5.894109

-2.754847

0.0187

X6

-2.155208

2.770834

-0.777819

0.4531

X7

0.009962

0.002328

4.278810

0.0013

X8

0.063389

0.021276

2.979348

0.0125

R-squared

0.995823

Meandependentvar

345.5232

AdjustedR-squared

0.993165

S.D.dependentvar

139.7117

S.E.ofregression

11.55028

Akaikeinfocriterion

8.026857

Sumsquaredresid

1467.498

Schwarzcriterion

8.424516

Loglikelihood

-68.25514

F-statistic

374.6600

Durbin-Watsonstat

1.993270

Prob（F-statistic）

0.000000

表1最小二乘估计结果

回归分析报告为：

二、计量经济学检验

（一）、多重共线性的检验及修正

①、检验多重共线性

（a）、直观法

从“表1最小二乘估计结果”中可以看出，虽然模型的整体拟合的很好，但是x4x6的t统计量并不显著，所以可能存在多重共线性。

（b）、相关系数矩阵

1.000000

-0.717662

-0.695257

-0.731326

0.737028

-0.332435

-0.594699

0.922286

0.935992

-0.945701

0.742251

0.883804

0.986050

-0.937751

0.753928

0.974675

-0.974750

0.687439

0.940436

-0.603539

-0.887428

0.742781

表2相关系数矩阵

从“表2相关系数矩阵”中可以看出，个个解释变量之间的相关程度较高，所以应该存在多重共线性。

②、多重共线性的修正——逐步迭代法

A、一元回归

820.3133

151.8712

5.401374

-51.37836

16.18923

-3.173614

0.0056

0.372041

0.335102

113.9227

12.40822

220632.4

12.50763

-115.8781

10.07183

0.644400

0.005554

表3y对x2的回归结果

-525.8891

64.11333

-8.202492

19.46031

1.416043

13.74274

0.917421

0.912563

41.31236

10.37950

29014.09

10.47892

-96.60526

188.8628

0.598139

表4y对x3的回归结果

-223.1905

69.92322

-3.191937

0.0053

18.65086

2.242240

8.317956

0.802758

0.791155

63.84760

11.25018

69300.77

11.34959

-104.8767

69.18839

0.282182

表5y对x4的回归结果

-494.1440

118.1449

-4.182526

0.0006

15.77978

2.198711

7.176832

0.751850

0.737253

71.61463

11.47978

87187.14

11.57919

-107.0579

51.50691

0.318959

0.000002

表6y对x5的回归结果

1288.009

143.8088

8.956395

-15.52398

2.351180

-6.602635

0.719448

0.702945

76.14674

11.60250

98571.54

11.70192

-108.2238

43.59479

0.395893

0.000004

表7y对x6的回归结果

-4417.766

681.1678

-6.485577

0.031528

0.004507

6.994943

0.742148

0.726980

73.00119

11.51813

90595.96

11.61754

-107.4222

48.92923

0.572651

表8y对x7的回归结果

140.1625

28.96616

4.838835

0.0002

0.119827

0.014543

8.239503

0.799739

0.787959

64.33424

11.26536

70361.21

11.36478

-105.0209

67.88941

0.203711

表9y对x8的回归结果

综合比较表3~9的回归结果，发现加入x3的回归结果最好。

以x3为基础顺次加入其他解释变量，进行二元回归，具体的回归结果如下表10~15所示：

-754.4481

149.1701

-5.057637

0.0001

21.78865

1.932689

11.27375

13.45070

8.012745

1.678663

0.1126

0.929787

0.921010

39.26619

10.32254

24669.34

10.47167

-95.06417

105.9385

0.595954

表10加入x2的回归结果

-508.6781

75.73220

-6.716802

17.88200

3.752121

4.765837

1.753351

3.844305

0.456090

0.6545

0.918481

0.908291

42.30965

10.47185

28641.71

10.62097

-96.48254

90.13613

0.596359

表11加入x4的回归结果

-498.1550

67.21844

-7.410986

2