2023年计量经济学模型实验报告.doc

《2023年计量经济学模型实验报告.doc》由会员分享，可在线阅读，更多相关《2023年计量经济学模型实验报告.doc（7页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、实 验（实训）报 告项 目 名 称 一元线性回归模型 所属课程名称 计量经济学 项 目 类 型 验证性实验 实验(实训)日期 15年4 月 日 班 级 学 号 姓 名 指导教师 李 杰 浙江财经学院教务处制一、实验（实训）概述：【目的及要求】目的: 掌握用OLSE估计一元线性回归方程并根据方程进行预测，掌握拟合度的分析，掌握t检验与F检验，会做相关系数的显著性检验，会画散点图并通过编辑散点图掌握画回归线、置信区间的计算等。要求: 运用软件进行一元线性回归模型的相关计算,按具体的题目要求完成实验报告。并及时上传到给定的FTP！【基本原理】 t 检验, F检验置信区间等. 【实施环境】（使用的材料

2、、设备、软件）R 软件二、实验（实训）内容：【项目内容】一元线性模型的估计、回归系数和回归方程的检验、预测、置信区间的计算等。【方案设计】【实验（实训）过程】（步骤、记录、数据、程序等）附后【结论】（结果、分析）附后三、指导教师评语及成绩：评语：成绩： 指导教师签名：李杰 批阅日期：15年4月实验题目：一家保险公司十分关心其总公司营业部加班的程度，决定认真调查一下现状。经过10周时间，收集了每周加班工作时间的数据及签发的新保单数目，x为每周签发的新保单数目，y为每周加班工作时间（小时），数据如下：xY8253.52151.010704.05502.04801.09203.013504.5325

3、1.56703.012155.01：画散点图；2：x与y之间是否大致成线性关系；3：用最小二乘法估计回归方程；4：求回归标准误差；5：求回归系数的置信度为95的区间估计；6：计算x与y的决定系数；7：对回归方程做方差分析；8：做回归系数1的显著性检验；9：该公司预测下一周签发新保单x0=1000,需要的加班时间是多少？10：分别给出置信水平为95的均值与个体预测区间；11：请在散点图的基础上画出回归线，均值的预测区间图，个体的预测区间图。分析报告：1：首先，读取spass数据：语言read.spss(d:/huigui.sav)，读取数据$Y$Y 1 3.5 1.0 4.0 2.0 1.0 3

4、.0 4.5 1.5 3.0 5.0$X 1 825 215 1070 550 480 920 1350 325 670 1215首先赋值 dat- read.spss(d:/huigui.sav),然后输入数据plot(dat$Y,dat$X)画出散点图2：由散点图得，xy成线性关系3：编辑语言lm(dat$Ydat$X)得出以下结果（注：如果做无截距，则程序为lm(dat$Ydat$X-1)）程序如下Call:lm(formula = dat$Y dat$X)Coefficients:(Intercept) dat$X 0.118129 0.003585 回归方程 4：编辑程序lm.reg

5、|t|) (Intercept) 0.1181291 0.3551477 0.333 0.748 dat$X 0.0035851 0.0004214 8.509 2.79e-05 *-Signif. codes: 0 * 0.001 * 0.01 * 0.05 . 0.1 1 Residual standard error: 0.48 on 8 degrees of freedomMultiple R-squared: 0.9005, Adjusted R-squared: 0.8881 F-statistic: 72.4 on 1 and 8 DF, p-value: 2.795e-05由上

6、述数据得：=0.1181291，=0.003581，sd（）=0.3551477，sd（）=0.0004214.Residual standard error: 回归标准误差=0.48 5： 置信95的区间估计（-0.701，0.973） 置信度为95的区间估计（0.0026,0.00456）程序如下confint(lm.reg,level=0.95) 2.5 % 97.5 %(Intercept) -0.4 0.2dat$X 0.002613486 0.0045567796：决定系数Multiple R-squared: 0.9005,，快要接近于1了，这个模型的拟合优度高。7：F-stat

7、istic: 72.4 on 1 and 8 DF, p-value: 2.795e-05，p0.05,由于方差分析可知检验是显著的。说明y与x的方程高度相关8：t= 8.509 p=2.79e-05由于P0.05，所以回归系数gamma1的检验是显著的。9：程序如下x-c(825,215,1070,550,480,920,1350,325,670,1215) y-c(3.5,1.0,4.0,2.0,1.0,3.0,4.5,1.5,3.0,5.0) lm.reg-lm(formula=yx) point-data.frame(x=1000) lm.pred-predict(lm.reg,point,interval=prediction,level=0.95) lm.pred结果：fit lwr upr1 3.703262 2.51949 4.887033。结论：加班时间最适合为3.703262。区间为2.51949,4.887033.10：均值预测区间（3.28372，4.12279） 个体预测区间（2.51949，4.887033）11：程序如下，lm.reg-lm(formula=dat$Ydat$X)summary(lm.reg)abline(lm.reg)得出以下图形