多元线性回归模型案例Word文件下载.docx
《多元线性回归模型案例Word文件下载.docx》由会员分享,可在线阅读,更多相关《多元线性回归模型案例Word文件下载.docx(42页珍藏版)》请在冰豆网上搜索。
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
X1
-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
X2
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
23.97516
3.967183
6.043370
-4.320566
3.553466
-1.215874
0.2417
0.924405
0.914956
40.74312
10.39639
26560.02
10.54551
-95.76570
97.82772
0.607882
表12加入x5的回归结果