实验三 多元线性回归模型的 估计和检验.docx
《实验三 多元线性回归模型的 估计和检验.docx》由会员分享,可在线阅读,更多相关《实验三 多元线性回归模型的 估计和检验.docx(22页珍藏版)》请在冰豆网上搜索。
实验三多元线性回归模型的估计和检验
实验报告
课程名称:
计量经济学
实验项目:
实验三多元线性回归模型的
估计和检验
实验类型:
综合性□设计性□验证性☑
专业班别:
姓名:
学号:
实验课室:
指导教师:
实验日期:
2015-04-30
一、实验项目训练方案
小组合作:
是□否☑
小组成员:
无
实验目的:
掌握多元线性回归模型估计和检验的方法。
实验场地及仪器、设备和材料
实验室:
普通配置的计算机,Eviews软件及常用办公软件。
实验训练内容(包括实验原理和操作步骤):
【实验步骤】
(一)国内生产总值的增长模型:
分析广东省国内生产总值的增长,根据广东数据(数据见“表:
广东省宏观经济数据-第三章.xls”文件,各变量的表示按照试验指导课本上的来表示)选择不变价GDP(GDPB)、不变价资本存量(ZC)和从业人员(RY),把GDPB作为被解释变量,ZC和RY作为两个解释变量进行二元线性回归分析。
要求:
按照试验指导课本
~
,分别作:
1.作散点图(GDPB同ZC,GDPB同RY)(结果控制在本页)
2.进行因果关系检验(GDPB同ZC,GDPB同RY)(结果控制在本页)
PairwiseGrangerCausalityTests
Date:
04/30/15Time:
11:
22
Sample:
19782005
Lags:
2
NullHypothesis:
Obs
F-Statistic
Prob.
ZCdoesnotGrangerCauseGDPB
26
3.84939
0.0376
GDPBdoesnotGranerCauseZC
19.0748
2.E-05
PairwiseGrangerCausalityTests
Date:
04/30/15Time:
11:
23
Sample:
19782005
Lags:
3
NullHypothesis:
Obs
F-Statistic
Prob.
RYdoesnotGrangerCauseGDPB
25
2.88744
0.0641
GDPBdoesnotGrangerCauseRY
3.46309
0.0382
从因果关系检验看,ZC明显影响GDPB,RY不太明显,这是可以理解的,计划经济时期存在着隐性失业,使得劳动力的变化对产出的影响不太明显。
3.作GDPB同ZC和RY的多元线性回归,写出模型估计的结果,并分析模型检验是均否通过?
(三个检验)(结果控制在本页)
DependentVariable:
GDPB
Method:
LeastSquares
Date:
04/30/15Time:
11:
25
Sample:
19782005
Includedobservations:
28
Variable
Coefficient
Std.Error
t-Staistic
Prob.
ZC
0.377170
0.008355
45.14265
0.0000
RY
0.353689
0.042757
8.272028
0.0000
C
-800.5997
113.7822
-7.036247
0.0000
R-squared
0.999152
Meandependentvar
1754.112
AdjustedR-squared
0.999085
S.D.dependentvar
1683.912
S.E.ofregression
50.94570
Akaikeinfocriterion
10.80035
Sumsquaredresid
64886.61
Schwarzcriterion
10.94309
Loglikelihood
-148.2050
Hannan-Quinncriter.
10.84399
F-statistic
14736.32
Durbin-Watsonstat
0.443892
Prob(F-statistic)
0.000000
所以,由上图可得,多元线性回归方GDPB=0.377170*ZC+0.353689*RY-800.5997 故,估计方程的判定系数
=0.999085接近1;参数显著性t检验值大于2;方程显著性F检验显著。
4.将建立的二元回归模型(GDPB同ZC和RY)同一元回归模型(GDPB同ZC、GDPB同RY)相比较,分析优点。
(结果控制在本页)
(1)GDPB同ZC一元回归模型
DependentVariable:
GDPB
Method:
LeastSquares
Date:
04/30/15Time:
11:
34
Sample:
19782005
Includedobservations:
28
Variable
Coefficient
Std.Error
t-Statistic
Prob.
ZC
0.442898
0.004896
90.46000
0.0000
C
133.9721
25.57054
5.239314
0.0000
R-squared
0.996833
Meandependentvar
1754.112
AdjustedR-squared
0.996711
S.D.dependentvar
1683.912
S.E.ofregression
96.57302
Akaikeinfocriterion
12.04722
Sumsquaredresid
242485.0
Schwarzcriterion
12.14238
Loglikelihood
-166.6611
Hannan-Quinncriter.
12.07632
F-statistic
8183.011
Durbin-Watsonstat
0.167556
Prob(F-statistic)
0.000000
(2)GDPB同RY一元回归模型
DependentVariable:
GDPB
Method:
LeastSquares
Date:
05/02/15Time:
14:
03
Sample:
19782005
Includedobservations:
28
Variable
Coefficient
Std.Error
t-Statistic
Prob.
RY
2.189317
0.117735
18.59528
0.0000
C
-5519.137
400.4253
-13.78319
0.0000
R-squared
0.930067
Meandependentvar
1754.112
AdjustedR-squared
0.927377
S.D.dependentvar
1683.912
S.E.ofregression
453.7907
Akaikeinfocriterion
15.14190
Sumsquaredresid
5354077.
Schwarzcriterion
15.23706
Loglikelihood
-209.9866
Hannan-Quinncriter.
15.17099
F-statistic
345.7844
Durbin-Watsonstat
0.078643
Prob(F-statistic)
0.000000
由于建立的二元回归模型(GDPB同ZC和RY)的调整的判定系数为0.999085,故,建立的二元回归模型(GDPB同ZC和RY)同一元回归模型(GDPB同ZC、GDPB同RY)相比较,其优点是比下面的两个一元回归模型有明显改善。
5.结合相关的经济理论,分析估计的二元回归模型的经济意义。
(结果控制在本页)
由于二元回归模型GDPB=0.377170*ZC+0.353689*RY-800.5997 所以说,模型估计结果说明,在假定其他变量不变的情况下,当年GDPB每增加1个单位,ZC会增加0.377170个单位,RY会增加0.353689个单位。
(二)宏观经济模型:
根据广东数据,研究广东省居民消费行为、固定资产投资行为、货物和服务净出口行为和存货行为,分别建立居民消费模型、固定资产投资模型、货物和服务净出口模型和存货增加模型。
要求:
按照试验指导课本
~
,分别作出以下模型,并对需要改进的模型进行改进。
写出最终估计的模型结果,并结合相关的经济理论,分析模型的经济意义。
(数据见“表:
广东省宏观经济数据-第三章.xls”文件,各变量的表示按照试验指导课本上的来表示。
)
1.居民消费模型(结果控制在本页)
PairwiseGrangerCausalityTests
Date:
05/02/15Time:
14:
22
Sample:
19782005
Lags:
2
NullHypothesis:
Obs
F-Statistic
Prob.
LBdoesnotGrangerCauseXFJ
26
7.19010
0.0042
XFJdoesnotGrangerCauseLB
5.45516
0.0124
从散点图看,它们具有线性关系,从因果关系检验看到它们之间似乎具有双向因果关系,宏观经济中确实如此。
进行一元线性回归如下:
DependentVariable:
XFJ
Method:
LeastSquares
Date:
05/02/15Time:
14:
23
Sample:
19782005
Includedobservations:
28
Variable
Coefficient
Std.Error
t-Statistic
Prob.
LB
0.986702
0.016916
58.33010
0.0000
C
-75.99662
59.99073
-1.266806
0.2165
R-squared
0.992416
Meandependentvar
2362.277
AdjustedR-squared
0.992125
S.D.dependentvar
2565.722
S.E.ofregression
227.6909
Akaikeinfocriterion
13.76260
Sumsquaredresid
1347921.
Schwarzcriterion
13.85776
Loglikelihood
-190.6765
Hannan-Quinncriter.
13.79169
F-statistic
3402.401
Durbin-Watsonstat
0.701578
Prob(F-statistic)
0.000000
所以,由上图可得,一元线性回归方XFJ=0.986702*LB-75.99662 除劳动报酬LB外,企业盈余YY也会影响居民消费XFJ,看散点图和因果关系检验。
PairwiseGrangerCausalityTests
Date:
05/02/15Time:
14:
34
Sample:
19782005
Lags:
1
NullHypothesis:
Obs
F-Statistic
Prob.
YYdoesnotGrangerCauseXFJ
27
4.25720
0.0501
XFJdoesnotGrangerCauseYY
0.09358
0.7623
从散点图看和因果关系检验看应该把YY引入方程中,进行一元线性回归如下:
DependentVariable:
XFJ
Method:
LeastSquares
Date:
05/02/15Time:
14:
36
Sample:
19782005
Includedobservations:
28
Variable
Coefficient
Std.Error
t-Statistic
Prob.
LB
0.740808
0.032893
22.52199
0.0000
YY
0.362075
0.046452
7.794692
0.0000
C
46.91513
36.60282
1.281735
0.2117
R-squared
0.997789
Meandependentvar
2362.277
AdjustedR-squared
0.997612
S.D.dependentvar
2565.722
S.E.ofregression
125.3710
Akaikeinfocriterion
12.60139
Sumsquaredresid
392946.9
Schwarzcriterion
12.74412
Loglikelihood
-173.4194
Hannan-Quinncriter.
12.64502
F-statistic
5641.541
Durbin-Watsonstat
1.122075
Prob(F-statistic)
0.000000
显然回归得到改善,引入YY是正确的,最后得到回归方程
XFJ=0.740808*LB+0.362075*YY+46.91513
2.固定资产投资模型(结果控制在本页)
进行三元回归如下:
DependentVariable:
TZG
Method:
LeastSquares
Date:
05/02/15Time:
14:
43
Sample:
19782005
Includedobservations:
28
Variable
Coefficient
Std.Error
t-Statistic
Prob.
ZJ
1.111864
0.243152
4.572716
0.0001
YY
0.431692
0.052566
8.212352
0.0000
CZ
0.143210
0.405308
0.353338
0.7269
C
31.27625
27.82517
1.124027
0.2721
R-squared
0.997573
Meandependentvar
1628.997
AdjustedR-squared
0.997270
S.D.dependentvar
2003.852
S.E.ofregression
104.7010
Akaikeinfocriterion
12.27166
Sumsquaredresid
263095.1
Schwarzcriterion
12.46197
Loglikelihood
-167.8032
Hannan-Quinncriter.
12.32984
F-statistic
3288.646
Durbin-Watsonstat
1.298515
Prob(F-statistic)
0.000000
现在分别去掉一个解释变量进行三个二元回归如下:
DependentVariable:
TZG
Method:
LeastSquares
Date:
05/02/15Time:
14:
45
Sample:
19782005
Includedobservations:
28
Variable
Coefficient
Std.Error
t-Statistic
Prob.
ZJ
1.191878
0.086993
13.70091
0.0000
YY
0.438422
0.048129
9.109365
0.0000
C
33.65613
26.52092
1.269041
0.2161
R-squared
0.997561
Meandependentvar
1628.997
AdjustedR-squared
0.997366
S.D.dependentvar
2003.852
S.E.ofregression
102.8521
Akaikeinfocriterion
12.20542
Sumsquaredresid
264463.7
Schwarzcriterion
12.34815
Loglikelihood
-167.8758
Hannan-Quinncriter.
12.24905
F-statistic
5111.852
Durbin-Watsonstat
1.370345
Prob(F-statistic)
0.000000
DependentVariable:
TZG
Method:
LeastSquares
Date:
05/02/15Time:
14:
46
Sample:
19782005
Includedobservations:
28
Variable
Coefficient
Std.Error
t-Statistic
Prob.
ZJ
1.098578
0.465021
2.362428
0.0262
CZ
1.349301
0.722479
1.867601
0.0736
C
-45.61394
50.11293
-0.910223
0.3714
R-squared
0.990754
Meandependentvar
1628.997
AdjustedR-squared
0.990014
S.D.dependentvar
2003.852
S.E.ofregression
200.2421
Akaikeinfocriterion
13.53789
Sumsquaredresid
1002422.
Schwarzcriterion
13.68062
Loglikelihood
-186.5304
Hannan-Quinncriter.
13.58152
F-statistic
1339.431
Durbin-Watsonstat
0.436795
Prob(F-statistic)
0.000000
DependentVariable:
TZG
Method:
LeastSquares
Date:
05/02/15Time:
14:
46
Sample:
19782005
Includedobservations:
28
Variable
Coefficient
Std.Error
t-Statistic
Prob.
YY
0.430093
0.070453
6.104709
0.0000
CZ
1.869278
0.197846
9.448135
0.0000
C
20.91893
37.17015
0.562788
0.5786
R-squared
0.995459
Meandependentvar
1628.997
AdjustedR-squared
0.995096
S.D.dependentvar
2003.852
S.E.ofregression
140.3301