多元线性回归eviews操作

一.模型设定

本例中我们假设拟建立如下多元回归模型：

01122Y X X u βββ=+++

二.估计参数

1.建立工作文件

首先，进入Eviews 主页，在菜单中依次点击File\New\Workfile ，出现对话框Work Create 。

截面数据Unstructured/undated 只需输入样本数就可以。时间序列数据Dated-regular frequency 在Date specification 中选择数据频率： Annual （年度） Weekly （周数据） Quarterly (季度)

Daily （5 day week ）每周5天日数据 Daily （7 day week ）每周7天日数据 Monthly （月度） integer date （未注明日期或者不规则的） Semi Annual （半年度）

其次，点击OK ，出现未命名文件的Workfile UNTITLED 工作框。其中c 为截距项，resid 为残差项。若要将文件存盘，点击save ，在save as 对话框中选择存盘路径，并输入文件名。如多元线性回归案例

2.输入数据

方法一：Quick\Empty Group 等

方法二：data Y X1 X2,得到如下表;

3.估计参数

方法一：Quick\Estimate Equation 方法二: LS Y C X1 X2

三、解释表里参数

标准差1

β∧S =0.075308，回归标准差=被解释变量标准差=回归模型标准差：

σ∧残差平方和：2i e ∑=4170093被解释变量的标准差：

2=2388.459 AIC 和SC 准则：这两个准则要求仅当所增加的解释变量能减少AIC 值或SC 值时才在原模型中增加该解释变量。与调整的可决系数相似。多元小于一元，可以将前期人均居民消费作为解释变量包括在模型中。

四、模型检验

1.经济意义检验

估计的参数值都为正数，经济意义合理。

所估计的参数120.555644,0.250085ββ∧∧

==，说明在2006年可支配收入不变的情况下，2005年消费支出每增加1元，平均来说，可导致2006年消费支出提高0.250085元。

2.拟合优度和统计检验

本例中拟合优度等于0.975634，即解释变量对被解释变量2006年消费支出的绝大部分差异做出了解释，说明模型对样本的拟合很好。

F 检验：00120H βββ===针对：，给定显著性水平=0.05α，在F 分布表中查出自由度k-1=2（其中k 为估计参数个数）n-k=28的临界值(228)=19.5F α，，由表中得F=560.5650。应拒绝原假设，说明回归方程显著，即2006年可支配收入、2005年消费支出联合起来对2006年消费支出有显著影响。

t 检验：0j =0j=01,2=0.05H βα分别针对：（，），给定显著性水平，查t 分布表得自由度n-k=28的临界值2t n-k α（）=2.048，由表中看出都拒绝原假设，从P 值中

也可以看出。也就是说，在其他解释变量不变的情况下，解释变量分别对被解释变量有显著性影响。