多元线性回归模型的案例分析.docx
《多元线性回归模型的案例分析.docx》由会员分享，可在线阅读，更多相关《多元线性回归模型的案例分析.docx（17页珍藏版）》请在冰豆网上搜索。
多元线性回归模型的案例分析
1.表1列出了某地区家庭人均鸡肉年消费量Y与家庭月平均收入X，鸡肉价格P1，猪肉价格P2与牛肉价格P3的相关数据。
年份
Y/千克
X/元
P1/（元/千克）
P2/（元/千克）
P3/（元/千克）
年份
Y/千克
X/元
P1/（元/千克）
P2/（元/千克）
P3/（元/千克）
1980
2.78
397
4.22
5.07
7.83
1992
4.18
911
3.97
7.91
11.40
1981
2.99
413
3.81
5.20
7.92
1993
4.04
931
5.21
9.54
12.41
1982
2.98
439
4.03
5.40
7.92
1994
4.07
1021
4.89
9.42
12.76
1983
3.08
459
3.95
5.53
7.92
1995
4.01
1165
5.83
12.35
14.29
1984
3.12
492
3.73
5.47
7.74
1996
4.27
1349
5.79
12.99
14.36
1985
3.33
528
3.81
6.37
8.02
1997
4.41
1449
5.67
11.76
13.92
1986
3.56
560
3.93
6.98
8.04
1998
4.67
1575
6.37
13.09
16.55
1987
3.64
624
3.78
6.59
8.39
1999
5.06
1759
6.16
12.98
20.33
1988
3.67
666
3.84
6.45
8.55
2000
5.01
1994
5.89
12.80
21.96
1989
3.84
717
4.01
7.00
9.37
2001
5.17
2258
6.64
14.10
22.16
1990
4.04
768
3.86
7.32
10.61
2002
5.29
2478
7.04
16.82
23.26
1991
4.03
843
3.98
6.78
10.48
（1）求出该地区关于家庭鸡肉消费需求的如下模型：
（2）请分析，鸡肉的家庭消费需求是否受猪肉及牛肉价格的影响。
先做回归分析，过程如下：
输出结果如下：
所以，回归方程为：
（-2.463）（4.182）（-4.569）（1.483）（0.873）
由上述回归结果可以知道，鸡肉消费需求受家庭收入水平和鸡肉价格的影响，而牛肉价格和猪肉价格对鸡肉消费需求的影响并不显著。
验证猪肉价格和鸡肉价格是否有影响，可以通过赤池准则（AIC）和施瓦茨准则（SC）。
若AIC值或SC值增加了，就应该去掉该解释变量。
去掉猪肉价格P2与牛肉价格P3重新进行回归分析，结果如下：
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-1.125797
0.088420
-12.73237
0.0000
LOG（X）
0.451547
0.024554
18.38966
0.0000
LOG（P1）
-0.372735
0.063104
-5.906668
0.0000
R-squared
0.980287
Meandependentvar
1.361301
AdjustedR-squared
0.978316
S.D.dependentvar
0.187659
S.E.ofregression
0.027634
Akaikeinfocriterion
-4.218445
Sumsquaredresid
0.015273
Schwarzcriterion
-4.070337
Loglikelihood
51.51212
F-statistic
497.2843
Durbin-Watsonstat
1.877706
Prob（F-statistic）
0.000000
通过比较可以看出，AIC值和SC值都变小了，所以应该去掉猪肉价格P2与牛肉价格P3这两个解释变量。
所以该地区猪肉与牛肉价格确实对家庭的鸡肉消费不产生显著影响。
2.表2列出了中国2012年按行业分的全部制造业国有企业及规模以上制造业非国有企业的工业总产值Y，资产合计K及职工人数L。
序号
工业总产值Y/亿元
资产合计K/亿元
职工人数L/万人
序号
工业总产值Y/亿元
资产合计K/亿元
职工人数L/万人
1
3722.700
3078.220
113.0000
17
812.7000
1118.810
43.00000
2
1442.520
1684.430
67.00000
18
1899.700
2052.160
61.00000
3
1752.370
2742.770
84.00000
19
3692.850
6113.110
240.0000
4
1451.290
1973.820
27.00000
20
4732.900
9228.250
222.0000
5
5149.300
5917.010
327.0000
21
2180.230
2866.650
80.00000
6
2291.160
1758.770
120.0000
22
2539.760
2545.630
96.00000
7
1345.170
939.1000
58.00000
23
3046.950
4787.900
222.0000
8
656.7700
694.9400
31.00000
24
2192.630
3255.290
163.0000
9
370.1800
363.4800
16.00000
25
5364.830
8129.680
244.0000
10
1590.360
2511.990
66.00000
26
4834.680
5260.200
145.0000
11
616.7100
973.7300
58.00000
27
7549.580
7518.790
138.0000
12
617.9400
516.0100
28.00000
28
867.9100
984.5200
46.00000
13
4429.190
3785.910
61.00000
29
4611.390
18626.94
218.0000
14
5749.020
8688.030
254.0000
30
170.3000
610.9100
19.00000
15
1781.370
2798.900
83.00000
31
325.5300
1523.190
45.00000
16
1243.070
1808.440
33.00000
设定模型为：
（1）利用上述资料，进行回归分析；
（2）回答：
中国2000年的制造业总体呈现规模报酬不变状态吗？
将模型进行双对数变换如下：
1）进行回归分析：
得到如下回归结果：
于是，样本回归方程为：
（1.59）（3.45）（1.79）
从回归结果可以看出，模型的拟合度较好，在显著性水平0.1的条件下，各项系数均通过了t检验。
从F检验可以看出，方程对Y的解释程度较少。
表明，工业总产值对数值的79.6%的变化可以由资产合计对数与职工的对数值的变化来解释，但仍有20.4%的变化是由其他因素的变化影响的。
从上述回归结果看，
，即资产与劳动的产出弹性之和近似为1，表明中国制造业在2000年基本呈现规模报酬不变的状态。
下面进行Wald检验对约束关系进行检验。
过程如下：
结果如下：
由对应概率可以知道，不能拒绝原假设，即资产与劳动的产出弹性之和为1，表明中国制造业在2000年呈现规模报酬不变的状态。
一、邹式检验（突变点检验、稳定性检验）
1.突变点检验
1995-2012年中国家用汽车拥有量（
，万辆）与城镇居民家庭人均可支配收入（
，元），数据见表3。
表3中国家用汽车拥有量（
）与城镇居民家庭人均可支配收入（
）数据
年份
（万辆）
（元）
年份
（万辆）
（元）
1995
28.49
739.1
2004
205.42
3496.2
1996
34.71
899.6
2005
249.96
4283
1997
42.29
1002.2
2006
289.67
4838.9
1998
60.42
1181.4
2007
358.36
5160.3
1999
73.12
1375.7
2008
423.65
5425.1
2000
81.62
1510.2
2009
533.88
5854
2001
96.04
1700.6
2010
625.33
6280
2002
118.2
2026.6
2011
770.78
6859.6
2003
155.77
2577.4
2012
968.98
7702.8
下图是关于
和
的散点图：
从上图可以看出，2006年是一个突变点，当城镇居民家庭人均可支配收入突破4838.9元之后，城镇居民家庭购买家用汽车的能力大大提高。
现在用邹突变点检验法检验1996年是不是一个突变点。
H0：
两个字样本（1995—2005年，2006—2012年）相对应的模型回归参数相等
H1：
备择假设是两个子样本对应的回归参数不等。
在1995—2012年样本范围内做回归。
在回归结果中作如下步骤：
输入突变点：
得到如下验证结果：
由相伴概率可以知道，拒绝原假设，即两个样本（1995—2005年，2006—2012年）的回归参数不相等。
所以，2006年是突变点。
2.稳定性检验
以表3为例，在用1995—2009年数据建立的模型基础上，检验当把2010—2012年数据加入样本后，模型的回归参数时候出现显著性变化。
因为已经知道2006年为结构突变点，所以设定虚拟变量：
对1995—2012年的数据进行回归分析：
做邹氏稳定性检验：
输入要检验的样本点：
得到如下检验结果：
由上述结果可以知道，F值对应的概率为0.73，所以接受原假设，模型加入2010、2011和2012年的样本值后，回归参数没有发生显著性变化。
二、似然比（LR）检验
有中国国债发行总量（
，亿元）模型如下：
其中
表示国内生产总值（百亿元），
表示年财政赤字额（亿元），
表示年还本付息额（亿元）。
1990—2011年数据见表4。
表4国债发行总量
、
、财政赤字额
、年还本付息额（
）数据
1990
43.01
45.178
68.9
28.58
2001
461.4
216.178
237.14
246.8
1991
121.74
48.624
-37.38
62.89
2002
669.68
266.381
258.83
438.57
1992
83.86
52.947
17.65
55.52
2003
739.22
346.344
293.35
336.22
1993
79.41
59.345
42.57
42.47
2004
1175.25
467.594
574.52
499.36
1994
77.34
71.71
58.16
28.9
2005
1549.76
584.781
581.52
882.96
1995
89.85
89.644
-0.57
39.56
2006
1967.28
678.846
529.56
1355.03
1996
138.25
102.022
82.9
50.17
2007
2476.82
744.626
582.42
1918.37
1997
223.55
119.625
62.83
79.83
2008
3310.93
783.452
922.23
2352.92
1998
270.78
149.283
133.97
76.76
2009
3715.03
820.6746
1743.59
1910.53
1999
407.97
169.092
158.88
72.37
2010
4180.1
894.422
2491.27
1579.82
2000
375.45
185.479
146.49
190.07
2011
4604
959.333
2516.54
2007.73
对以上数据进行回归分析：
得到如下输出结果：
对应的回归表达式为：
（0.2）（2.2）（31.5）（17.8）
现在用似然比（LR）统计量检验约束
对应的回归系数
等于零是否成立。
过程如下：
输入要检验的变量名：
得到如下输出结果：
输出结果上部是关于约束GDP系数为零的F检验和LR检验。
由于两种检验的相应概率均小于0.05，即拒接原假设，GDP系数
不为零，模型中应该保留解释变量GDP。
输出结果下部是去掉了GDP变量的约束模型估计结果。
三、Wald检验（以表4为例进行Wald检验，对输出结果进行检验。
）
检验过程如下：
输入约束表达式：
得到如下结果：
从输出结果上部可以看出，相应概率非常大，远远大于0.05，表明原假设成立，即约束条件
成立，
是
的3倍。
输出结果的下部给出了约束条件
的样本值和样本标准差，分别为0.04和0.48。
升级会员 