1、北 京145249.01145466694252.3054160032903.03天 津48712.372478793529.6717555326920.86河 北182226.8779643420342.744476518292.23山 西29465.0357719121809.745671918123.87内蒙古70313.0736264206819.126709720407.57辽 宁25665.306481646573.2727131420466.84吉 林20389.302906687827.163852817796.57黑龙江38367.8130341137426.27917621
2、5696.18上 海194762.391106563007.4457511836230.48江 苏316051.651401541195000.6056529726340.73浙 江385976.921324591110975.2045417330970.68安 徽79562.7555840139769.0211791818606.13福 建155378.9580303151897.6936344424907.40江 西54961.664179185528.054150017494.87山 东116995.67143026327733.2925507622791.84河 南222108.337
3、0164482005.325490318194.80湖 北104565.5862767243794.629401818373.87湖 南118180.8780615257226.710143418844.05广 东476345.502265391160675.4139061926897.48广 西66195.5549876143982.0310518818854.06海 南29081.603075970386.553761518368.95重 庆86713.6750160230124.009680620249.70四 川218624.0370756464763.525938317899.12贵
4、 州42214.142768362415.211350716495.01云 南135897.9762679348426.0416086118575.62西 藏30406.736023462971.031296316195.56陕 西48692.1757077154529.1912950518245.23甘 肃30949.003128056684.68174014988.68青 海638.4387419851.28265915603.31宁 夏49509.861219623149.9062017578.92新 疆28993.114045152280.364651915513.62 数据来源:1.
5、中国统计年鉴2012,2.中国旅游年鉴2012。三、参数估计利用Eviews6.0做多元线性回归分析步骤如下:1、创建工作文件双击Eviews6.0图标,进入其主页。在主菜单中依次点击“FileNewWorkfile”,出现对话框“Workfile Range”。本例中是截面数据,在workfile structure type中选择“Unstructured/Undated”,在Date range中填入observations 31,点击ok键,完成工作文件的创建。 2、输入数据在命令框中输入 data Y X1 X2 X3 X4, 回车出现“Group”窗口数据编辑框,在对应的Y X1
6、X2 X3 X4下输入相应数据,关闭对话框将其命名为group01,点击ok,保存。 对数据进行存盘,点击“File/Save As”,出现“Save As”对话框,选择存入路径,并将文件命名,再点“ok”。 3、参数估计 在Eviews6.0命令框中键入“LS Y C X1 X2 X3 X4”,按回车键,即出现回归结果。利用Eviews6.0估计模型参数,最小二乘法的回归结果如下:表3.1 回归结果Dependent Variable: YMethod: Least SquaresDate: 11/14/13 Time: 21:14Sample: 1 31Included observati
7、ons: 31CoefficientStd. Errort-StatisticProb.C32390.8339569.490.8185810.4205X10.6036240.3661121.6487410.1112X20.2342650.0412185.6835830.0000X30.0446320.0607550.7346200.4691X4-1.9140342.098257-0.9122020.3700R-squared0.879720Mean dependent var114619.2Adjusted R-squared0.861215S.D. dependent var112728.1
8、S.E. of regression41995.55Akaike info criterion24.27520Sum squared resid4.59E+10Schwarz criterion24.50649Log likelihood-371.2657Hannan-Quinn criter.24.35060F-statistic47.54049Durbin-Watson stat2.007191Prob(F-statistic)0.000000根据表中的样本数据,模型估计结果为=32390.83+0.603624X+0.234265X+0.044632X-1.914034X (39569.
9、49)(0.366112)(0.041218)(0.060755)(2.098257) t = (0.818581) (1.648741) (5.683583) (0.734620) (-0.912202)R2=0.879720 =0.861215 F=47.54049 DW=2.007191可以看出,可决系数R2=0.879720,修正的可决系数=0.861215。说明模型的拟合程度还可以。但是当=0.05时,X、 X、X系数均不能通过检验,且X的系数为负,与经济意义不符,表明模型很可能存在严重的多重共线性。四、模型修正1多重共线性的检验与修正(1)检验选中X1 X2 X3 X4数据,点击右
10、键,选择“Open/as Group”,在出现的对话框中选择“View/Covariance Analysis/correlation”,点击ok,得到相关系数矩阵。计算各个解释变量的相关系数,得到相关系数矩阵。表4.1 相关系数矩阵变量1.0000000.8097770.8720930.6592390.7583220.6410860.716374由相关系数矩阵可以看出,解释变量X2、X3之间存在较高的相关系数,证实确实存在严重的多重共线性。(2)多重共线性修正采用逐步回归的办法,检验和回归多重共线性问题。分别作Y对X1、X2、X3、X4的一元回归,在命令窗口分别输入LS Y C X1,LS Y C X2,LS Y C X3,LS Y C X4,并保存,整理结果如表4.2所示。表4.2 一元回归结果参数估计值1.9782240.3151200.31694612.54525t统计量8.63511112.474956.9224794.005547R20.719983
copyright@ 2008-2022 冰豆网网站版权所有
经营许可证编号:鄂ICP备2022015515号-1