实验三 多元线性回归模型及非线性回归资料.doc

《实验三 多元线性回归模型及非线性回归资料.doc》由会员分享，可在线阅读，更多相关《实验三 多元线性回归模型及非线性回归资料.doc（22页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、Good is good, but better carries it.精益求精，善益求善。实验三 多元线性回归模型及非线性回归-实验三多元线性回归模型及非线性回归一、 多元线性回归模型例题3.2.2建立2006年中国城镇居民人均消费支出的多元线性回归模型。数据：地区2006年消费支出Y2006年可支配收入X12005年消费支出X2北京14825.4119977.5213244.2天津10548.0514283.099653.3河北7343.4910304.566699.7山西7170.9410027.706342.6内蒙古7666.6110357.996928.6辽宁7987.4910369

2、.617369.3吉林7352.649775.076794.7黑龙江6655.439182.316178.0上海14761.7520667.9113773.4江苏9628.5914084.268621.8浙江13348.5118265.1012253.7安徽7294.739771.056367.7福建9807.7113753.288794.4江西6645.549551.126109.4山东8468.4012192.247457.3河南6685.189810.266038.0湖北7397.329802.656736.6湖南8169.3010504.677505.0广东12432.2216105.

3、5811809.9广西6791.959898.757032.8海南7126.789395.135928.8重庆9398.6911569.748623.3四川7524.819350.116891.3贵州6848.399116.616159.3云南7379.8110069.896996.9西藏6192.578941.088617.1陕西7553.289267.706656.5甘肃6974.218920.596529.2青海6530.119000.356245.3宁夏7205.579177.266404.3新疆6730.018871.276207.5建立模型2、估计模型（1）录入数据打开EViews

4、6，点“File”“New”“Workfile”选择“Unstructured/Undated”，在Observations后输入31，如下所示：点“ok”。在命令行输入：DATAYX1X2，回车将数据复制粘贴到Group中的表格中：（2）估计回归方程在命令行输入命令：LSYCX1X2，回车或者在主菜单中点“Quick”“EstimateEquation”，在Specification中输入YCX1X2，点“确定”。得到如下估计结果：对照输出的结果，写出回归报告：（0.5881）（7.4348）（2.1414）F=566.3870D.W.=1.8274做经济意义检验和统计检验：经济意义检验的估

5、计值为0.5593，的估计值为0.2434，均在0与1之间，符合经济理论和行为规律（或者说符合合理预期的消费理论，具体介绍见书P329）。统计检验模型的可决系数为0.9759，模型拟合较好。给定a=0.05，模型的F统计量为566.3870，相伴概率p=0.0000a，表明方程的整体线性关系显著。给定a=0.05，对应的t统计量为7.4348，相伴概率为p=0.0000a，表明变量显著；对应的t统计量为2.1414，相伴概率为p=0.04110:食品消费支出对总消费支出的弹性，01；:食品消费支出对食品的自价格弹性，因为食品是生活必需品，-10；:食品消费支出对总价格的弹性，因为食品是生活必需

6、品，总物价上涨，会导致食品消费支出减少，但不会减少很多，因此-10；需求函数具有零阶齐次性，即。当所有商品的价格和消费者货币支出按同一比例变动时，需求量保持不变，这就是所谓的消费者无货币幻觉。数据：年份X（当年价）X1（当年价）GPFPQP0P11985673.2351.4111.9116.51315.928.126.71986799.0418.9107.0107.21463.330.128.61987884.4472.9108.8112.01475.032.832.119881104.0567.0120.7125.21412.539.540.119891211.0660.0116.3114.

7、41437.246.045.919901278.9693.8101.398.81529.246.645.419911453.8782.5105.1105.41636.349.047.819921671.7884.8108.6110.71671.453.252.919932110.81058.2116.1116.51715.961.761.719942851.31422.5125.0134.21718.777.282.819953537.61711.9116.8123.61732.190.1102.319963919.51904.7108.8107.91725.698.1110.41997418

8、5.61942.6103.1100.11758.2101.1110.519984331.61926.999.496.91799.8100.5107.119994615.91932.198.795.71885.799.2102.520004998.01971.3100.897.61971.3100.0100.020015309.02027.9100.7100.72013.8100.7100.720026029.92271.899.099.92258.399.7100.620036510.92416.9100.9103.42323.5100.6104.020047182.12709.6103.31

9、09.92370.2103.9114.320057942.92914.4101.6103.12472.7105.6117.920068696.63111.9101.5102.62573.4107.2120.9估计模型（1）录入数据打开EViews6，点“File”“New”“Workfile”选择“Dated-regularfrequency”，在Frequency后选择“Annual”，在Startdata后输入1985，在Enddata后输入2006，点击“ok”。在命令行输入：DATAXQP0P1，回车将数据复制粘贴到Group中的表格中：关闭Group窗口，回到命令行。做数据的对数变换

10、：在命令行依次输入genrLnQ=log(Q)回车genrLnX=log(X)回车genrLnP0=log(P0)回车genrLnP1=log(P1)回车在命令行输入：LSLnQCLnXLnP1LnP0回车写出回归报告：（59.4）（14.78）（-1.45）（-1.41）F=258.84D.W.=0.6962模型的检验经济意义检验：，00.5401，-1-0.2580，-1-0.2280，符合经济理论和行为规律。，很接近于0，但不为0，需要进一步检验该条件是否成立。统计检验：，模型拟合较好。给定a=0.05，F=258.84，相伴概率P=0.0000a，表明线性回归模型整体在5%的水平上统计

11、显著。变量LnX的t统计量为14.78，相伴概率P=0.0000a，变量的t统计量为-1.41，相伴概率P=0.1766a，表明在5%的显著性水平下，变量LnX显著，而变量和不显著。（2）非线性模型的估计对于模型，可以直接进行估计：在主菜单中点“Quick”“EstimateEquation”，在Specification中输入：Q=C(1)*XC(2)*P1C(3)*P0C(4)点“确定”即可。根据估计结果，写出回归模型：系数的对应关系：Q=C(1)*XC(2)*P1C(3)*P0C(4)C(1)AC(2)C(3)C(4)因此回归方程：（3）约束的检验原假设:备择假设:I.手工检验方法在约束

12、条件成立的条件下，模型变为：，按系数合并：记模型为无约束模型（UM）;记模型为受约束模型（RM）;估计无约束模型：无约束模型的RSS估计受约束模型：LSLnQCLnX-LnP0LnP1-LnP0或者：LSLnQCLog(X/P0)Log(P1/P0)回车受约束模型的RSS计算检验的统计量：=0.017787；=0.017748；（无约束模型中解释变量的个数）=3；（受约束模型中解释变量的个数）=2；n=22；=0.0396给定a=0.05，查表，F=0.03964.41，接受原假设，即可以认为：，消费函数具有零阶齐次性。II.直接检验首先估计无约束回归模型：在“Equation”窗口，点击“View”“CoefficientTests”“Wald-CoefficientRestrictions”，在弹出的窗口中输入要检验的约束：C(2)+C(3)+C(4)=0（即）点“ok”。得到检验的统计量F=0.039084，自由度（1,18），伴随概率为0.8455。-