计量经济学 回归分析案例
最新计量经济学案例分析一元回归模型实例分析
案例分析1— 一元回归模型实例分析依据1996-2005年《中国统计年鉴》提供的资料，经过整理，获得以下农村居民人均消费支出和人均纯收入的数据如表2-5：表2-5 农村居民1995-2004人均消费支出和人均纯收入数据资料 单位：元 年度 1995199619971998199920002001200220032004人均纯收入1577.7 1926.1 2090.1 2161.1 2210.3 2253.4 2366.4 2475.6 2622.2 2936.4人均消费支出1310.4 1572.1 1617.2 1590.3 1577.4 1670.1 1741.1 1834.3 1943.3 2184.7一、建立模型以农村居民人均纯收入为解释变量X ，农村居民人均消费支出为被解释变量Y ，分析Y 随X 的变化而变化的因果关系。
考察样本数据的分布并结合有关经济理论，建立一元线性回归模型如下：Y i =β0+β1X i +μi根据表2-5编制计算各参数的基础数据计算表。
求得:082.1704035.2262==Y X∑∑∑∑====3752432495.1986.788859011.516634423.1264471222ii i i iX y x y x 根据以上基础数据求得:623865.0423.126447986.788859ˆ21===∑∑iii xyx β8775.292035.2262623865.0082.1704ˆˆ10=⨯-=-=X Y ββ 样本回归函数为：ii X Y 623865.08775.292ˆ+= 上式表明，中国农村居民家庭人均可支配收入若是增加100元，居民们将会拿出其中的62.39元用于消费。
二、模型检验1．拟合优度检验952594.0011.516634423.1264471986.788859))(()(22222=⨯==∑∑∑iii i yx y x r2.t 检验525164.3061 210423.12644710.623865011.166345 2ˆˆ222122=-⨯-=--=∑∑n x y iiβσ049206.0423.1264471525164.3061ˆ)ˆ()ˆ(2211====∑ie xVar S σββ6717.112525164.3061423.126447110137.52432495ˆ)ˆ()ˆ(22200=⨯===∑∑σββii e xn X Var S 在显著性水平α=0.05，n-2=8时，查t 分布表，得到：306.2)2(2=-n t α提出假设,原假设H 0：β1=0，备择假设H 1：β1≠067864.12049206.0623865.0)ˆ(ˆ)ˆ(111==-=ββββe S t)2(67864.12)ˆ(21->=n t t αβ，差异显著，拒绝β1=0的假设。
《计量经济学》案例：用回归模型预测木材剩余物(一元线性回归)
案例：用回归模型预测木材剩余物（一元线性回归）伊春林区位于黑龙江省东北部。
全区有森林面积2189732公顷，木材蓄积量为23246.02万m 3。
森林覆盖率为62.5%，是我国主要的木材工业基地之一。
1999年伊春林区木材采伐量为532万m 3。
按此速度44年之后，1999年的蓄积量将被采伐一空。
所以目前亟待调整木材采伐规划与方式，保护森林生态环境。
为缓解森林资源危机，并解决部分职工就业问题，除了做好木材的深加工外，还要充分利用木材剩余物生产林业产品，如纸浆、纸袋、纸板等。
因此预测林区的年木材剩余物是安排木材剩余物加工生产的一个关键环节。
下面，利用简单线性回归模型预测林区每年的木材剩余物。
显然引起木材剩余物变化的关键因素是年木材采伐量。
给出伊春林区16个林业局1999年木材剩余物和年木材采伐量数据如表2.1。
散点图见图2.14。
观测点近似服从线性关系。
建立一元线性回归模型如下：y t = β0 + β1 x t + u t表2.1 年剩余物y t 和年木材采伐量x t 数据林业局名 年木材剩余物y t （万m 3） 年木材采伐量x t（万m 3） 乌伊岭 26.1361.4 东风 23.49 48.3 新青 21.97 51.8 红星 11.53 35.9 五营 7.18 17.8 上甘岭 6.80 17.0 友好 18.43 55.0 翠峦 11.69 32.7 乌马河 6.80 17.0 美溪 9.69 27.3 大丰 7.99 21.5 南岔 12.15 35.5 带岭 6.80 17.0 朗乡 17.20 50.0 桃山 9.50 30.0 双丰 5.52 13.8 合计202.87532.005101520253010203040506070yx图2.14 年剩余物y t 和年木材采伐量x t 散点图图2.15 Eviews 输出结果Eviews 估计结果见图2.15。
建立Eviews 数据文件的方法见附录1。
计量经济学放宽基本假定的模型回归例子
例4.1.4中国农村居民人均消费支出主要由人均纯收入来决定。
农村人均纯收入除从事农业经营的收入外，还包括从事其他产业的经营性收入以及工资性收入、财产收入和转移支付收入等。
为了考察从事农业经营的收入和其他收入对中国农村居民消费支出增长的影响，可使用如下双对数模型：μβββ+++=22110ln ln ln X X Y其中，Y 表示农村家庭人均消费支出，1X 表示从事农业经营的纯收入，2X 表示其他来源的纯收入。
表4.1.1列出了中国内地2006年各地区农村居民家庭人均纯收入及消费支出的相关数据。
表4.1.1 中国2006年各地区农村居民家庭人均纯收入与消费支出（单位：元）地区人均消费 支出Y从事农业经营的纯收入1X其他来源纯收入2X地区人均消费 支出Y从事农业经营 的纯收入1X其他来源纯收入2X北 京 5724.5 958.3 7317.2 湖 北 2732.5 1934.6 1484.8 天 津 3341.1 1738.9 4489.0 湖 南 3013.3 1342.6 2047.0 河 北 2495.3 1607.1 2194.7 广 东 3886.0 1313.9 3765.9 山 西 2253.3 1188.2 1992.7 广 西 2413.9 1596.9 1173.6 内蒙古 2772.0 2560.8 781.1 海 南 2232.2 2213.2 1042.3 辽 宁 3066.9 2026.1 2064.3 重 庆 2205.2 1234.1 1639.7 吉 林 2700.7 2623.2 1017.9 四 川 2395.0 1405 1597.4 黑龙江 2618.2 2622.9 929.5 贵 州 1627.1 961.4 1023.2 上 海 8006.0 532 8606.7 云 南 2195.6 1570.3 680.2 江 苏 4135.2 1497.9 4315.3 西 藏 2002.2 1399.1 1035.9 浙 江 6057.2 1403.1 5931.7 陕 西 2181.0 1070.4 1189.8 安 徽 2420.9 1472.8 1496.3 甘 肃 1855.5 1167.9 966.2 福 建 3591.4 1691.4 3143.4 青 海 2179.0 1274.3 1084.1 江 西 2676.6 1609.2 1850.3 宁 夏 2247.0 1535.7 1224.4 山 东 3143.8 1948.2 2420.1 新 疆2032.42267.4469.9河 南 2229.3 1844.61416.4注：从事农业经营的纯收入由从事第一产业的经营总收入与从事第一产业的经营支出之差计算，其他来源的纯收入由总纯收入减去从事农业经营的纯收入后得到。
回归分析方法和应用中的例子
3.1.2 虚拟变量的应用例3.1.2.1：为研究美国住房面积的需求，选用3120户家庭为建模样本，回归模型为：123log log P Y βββ++logQ=其中：Q ——3120个样本家庭的年住房面积（平方英尺） 横截面数据P ——家庭所在地的住房单位价格 Y ——家庭收入经计算：0.247log 0.96log P Y -+logy=4.17 20.371R =（0.11）（0.017） （0.026）上式中2β=0.247-的价格弹性系数，3β=0.96的收入弹性系数，均符合经济学的常识，即价格上升，住房需求下降，收入上升，住房需求也上升。
但白人家庭与黑人家庭对住房的需求量是不一样的，引进虚拟变量D ：01i D ⎧=⎨⎩黑人家庭白人家庭或其他家庭模型为：112233log log log log D P D P Y D Y βαβαβα+++++logQ=例3.1.2.2：某省农业生产资料购买力和农民货币收入数据如下：（单位：十亿元）①根据上述数据建立一元线性回归方程：ˆ 1.01610.09357yx =+ 20.8821R = 0.2531y S = 67.3266F = ②带虚拟变量的回归模型，因1979年中国农村政策发生重大变化，引入虚拟变量来反映农村政策的变化。
01i D ⎧=⎨⎩19791979i i <≥年年 建立回归方程为： ˆ0.98550.06920.4945yx D =++ （9.2409）（6.3997） （3.2853）20.9498R = 0.1751y S = 75.6895F =虽然上述两个模型都可通过显著性水平检验，但可明显看出带虚拟变量的回归模型其方差解释系数更高，回归的估计误差（y S ）更小，说明模型的拟合程度更高，代表性更好。
3.5.4 岭回归的举例说明企业为用户提供的服务多种多样，那么在这些服务中哪些因素更为重要，各因素之间的重要性差异到底有多大，这些都是满意度研究需要首先解决的问题。
计量经济学_三元线性回归模型案例分析
选择“国内生产总值（GDP）”作为经济整体增长水平的代表；选择中央和地方“财政支出”作为公共财政需求的代表；选择“商品零售物价指数”作为物价水平的代表。
由于税制改革难以量化，而且1985年以后财税体制改革对税收增长影响不是很大，可暂不考虑。
所以解释变量设定为可观测“国内生产总值（GDP）”、“财政支出”、“商品零售物价指数”一，数理经济学方程Y = C(1) + C(2)*XY i=β0+β2X2+β3X3+β4X4二，计量经济学方程设定线性回归模型为：Y i=β0+β2X2+β3X3+β4X4+μ三，数据收集从《国家统计局》获取以下数据：年份财政收入（亿元）Y 国内生产总值(亿元）X2财政支出（亿元）X3商品零售价格指数（%)X41978 519.28 3624.1 1122.09 100.7 1979 537.82 4038.2 1281.79 102 1980 571.7 4517.8 1228.83 106 1981 629.89 4862.4 1138.41 102.4 1982 700.02 5294.7 1229.98 101.9 1983 775.59 5934.5 1409.52 101.5 1984 947.35 7171 1701.02 102.8 1985 2040.79 8964.4 2004.25 108.8 1986 2090.73 10202.2 2204.91 106 1987 2140.36 11962.5 2262.18 107.3 1988 2390.47 14928.3 2491.21 118.5 1989 2727.4 16909.2 2823.78 117.81990 2821.86 18547.9 3083.59 102.1 1991 2990.17 21617.8 3386.62 102.9 1992 3296.91 26638.1 3742.2 105.4 1993 4255.3 34636.4 4642.3 113.2 1994 5126.88 46759.4 5792.62 121.7 1995 6038.04 58478.1 6823.72 114.8 1996 6909.82 67884.6 7937.55 106.1 1997 8234.04 74462.6 9233.56 100.8 1998 9262.8 78345.2 10798.18 97.4 1999 10682.58 82067.5 13187.67 97 2000 12581.51 89468.1 15886.5 98.5 2001 15301.38 97314.8 18902.58 99.2 2002 17636.45 104790.6 22053.15 98.7四，参数估计利用eviews软件可以得到Y关于X2的散点图：可以看出Y和X2成线性相关关系Y关于X3的散点图：可以看出Y和X3成线性相关关系Y关于X1的散点图：Dependent Variable: YMethod: Least SquaresDate: 01/09/10 Time: 13:16Sample: 1978 2002Included observations: 25Variable Coefficient Std. Error t-Statistic Prob.C -2582.755 940.6119 -2.745825 0.0121X2 0.022067 0.005577 3.956633 0.0007X3 0.702104 0.033236 21.12474 0.0000X4 23.98506 8.738296 2.744821 0.0121R-squared 0.997430 Mean dependent var 4848.366Adjusted R-squared 0.997063 S.D. dependent var 4870.971S.E. of regression 263.9591 Akaike info criterion 14.13511Sum squared resid 1463163. Schwarz criterion 14.33013Log likelihood -172.6889 F-statistic 2717.254Durbin-Watson stat 0.948521 Prob(F-statistic) 0.000000模型估计的结果为：Y i=-2582.755+0.022067X2+0.702104X3+23.98506X4(940.6119) (0.0056) (0.0332) (8.7383)t={-2.7458} {3.9567} {21.1247} {2.7449}R2=0.997 R2=0.997 F=2717.254 df=21五，相关检验1.经济意义检验模型估计结果说明，在假定其他变量不变的情况下，当年GDP 每增长1亿元，税收收入就会增长0.02207亿元；在假定其他变量不变的情况下，当年财政支出每增长1亿元，税收收入就会增长0.7021亿元；在假定其他变量不变的情况下，当零售商品物价指数上涨一个百分点，税收收入就会增长23.985亿元。
计量经济学案例
计量经济学案例计量经济学是经济学的一个重要分支，它运用数理统计和数学工具来分析经济现象，验证经济理论和检验经济政策的有效性。
在实际应用中，计量经济学常常通过案例研究来展示其理论和方法在解决实际问题中的应用。
下面，我们将通过一个实际的案例来说明计量经济学的应用。
某国家的一家汽车制造商希望了解汽车价格与销量之间的关系，以便制定合理的定价策略。
为了研究这一问题，他们收集了过去几年的汽车价格和销量数据，并进行了分析。
首先，他们利用计量经济学中的回归分析方法，建立了汽车价格和销量之间的数学模型。
在这个模型中，销量是因变量，而价格是自变量。
通过回归分析，他们得到了汽车价格对销量的影响程度，以及其他可能影响销量的因素。
接着，他们进行了统计检验，验证了他们建立的数学模型的有效性。
通过检验结果，他们确认了汽车价格对销量的影响，并排除了其他因素对销量的影响。
这为他们制定合理的定价策略提供了重要的依据。
最后，他们利用建立的数学模型，进行了一系列的预测和模拟。
他们可以通过调整汽车价格，来预测不同定价策略对销量的影响，以及对企业利润的影响。
这些预测和模拟结果为企业提供了重要的决策参考。
通过这个案例，我们可以看到计量经济学在实际应用中的重要性和价值。
它不仅可以帮助企业了解市场和消费者行为，还可以为企业决策提供科学的依据。
当然，计量经济学的方法和工具不仅局限于汽车制造业，它在其他行业和领域也有着广泛的应用。
总之，计量经济学案例的研究对于理论的验证和实证分析都具有重要的意义。
通过实际案例的研究，我们可以更好地理解计量经济学的方法和工具，以及它们在解决实际问题中的应用。
希望这个案例能够给大家带来一些启发，也希望大家能够更加重视计量经济学的学习和研究。
计量经济学多元回归分析案例.pdf
计量经济学多元回归分析案例引言计量经济学是运用数理统计和经济学方法研究经济现象的一门学科。
在实际研究中，多元回归分析是一种常用的方法。
本文将通过一个实际案例来介绍计量经济学中的多元回归分析方法和应用。
研究背景单因素回归分析在计量经济学中，单因素回归分析是最基本的方法之一。
它通过确定一个因变量和一个自变量之间的关系，来解释因变量的变化。
然而，在现实世界中，经济现象往往受到多个因素的影响，因此需要使用多元回归分析来更全面地解释经济现象的变化。
问题陈述本研究的问题是探究某个城市的房价与多个因素之间的关系。
具体来说，我们感兴趣的因变量是房价，自变量包括房屋面积、地理位置、周边设施等。
我们希望通过建立一个多元回归模型来解释房价的变化，并分析不同因素对房价的影响程度。
数据收集为了进行多元回归分析，我们需要收集相关的数据。
在本案例中，我们采集了以下数据：1.房价：通过不同的房地产网站获取该城市的房屋销售数据，包括每个房屋的售价信息。
2.房屋面积：通过购房广告或房产中介提供的信息收集每个房屋的面积数据。
3.地理位置：通过经纬度或邮政编码信息获取每个房屋的地理位置信息。
4.周边设施：通过地图应用或开放的公共数据接口获取每个房屋周边设施（如学校、医院、商场等）的数量和距离信息。
数据预处理在进行多元回归分析前，我们需要对收集到的数据进行预处理。
缺失值处理在数据收集过程中，可能会出现数据缺失的情况。
对于缺失的数据，我们可以选择删除相应的样本，或者通过插补方法进行填充。
在本案例中，我们选择使用均值填充的方法。
数据转换由于多元回归模型要求变量之间具有线性关系，因此我们需要对非数值型数据进行转换。
在本案例中，地理位置可以通过编码转换为数值型变量。
模型建立在进行多元回归分析时，我们需要选择适当的模型来描述因变量和自变量之间的关系。
在本案例中，我们选择使用普通最小二乘法（OLS）来估计回归模型的参数。
模型表达式我们将房价作为因变量（Y），房屋面积、地理位置和周边设施作为自变量（X）。
计量经济学 第二章 简单线性回归模型案例分析 PPT
3. 用P值检验 α=0.05 >> p=0.0000
表明，城镇居民人均总收入对城镇居民每百户计算机拥有量确 有显著影响。
4. 经济意义检验：
所估计的参数
,说明城镇
居民家庭人均总收入每增加1元，平均说来城变量选择：被解释变量选择能代表城乡所有居民消费的 “城镇居民家庭平均每百户计算机拥有量”(单位:台) ； 解释变量选择表现城镇居民收入水平的“城镇居民平均每 人全年家庭总收入”（单位:元） 研究范围：全国各省市2011年底的城镇居民家庭平均每 百户计算机拥有量和城镇居民平均每人全年家庭总收入数 据。
3、总体回归函数（PRF）是将总体被解释变量Y的条件 均值表现为解释变量X的某种函数。 样本回归函数（SRF）是将被解释变量Y的样本条件 均值表示为解释变量X的某种函数。 总体回归函数与样本回归函数的区别与联系。
4、随机扰动项是被解释变量实际值与条件均值的偏差， 代表排除在模型以外的所有因素对Y的影响。
Yt 12Xt ut
估计参数
假定模型中随机扰动满足基本假定，可用OLS法。 具体操作：使用EViews 软件，估计结果是：
用规范的形式将参数估计和检验的结果写为： Y ˆt11.95800.002873X t
（5.6228） (0.00024) t= (2.1267) (11.9826) R2 0.8320 F=143.5836 n=31
即是说：当地区城镇居民人均总收入达到25000元时，城镇居 民每百户计算机拥有量 平均值置信度95%的预测区间为 （80.6219，86.9473）台。
12
个别值区间预测:
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
对回归系数的t检验：
假设
H
0::
=0 0
和
查t分布表得：
H=00:: 1
自由度为n-2=18-2=16的临界值为2.120
因为t( )ˆ=2.073853< 2.120,所以不拒绝 0
t( ˆ)=26.10378 > 2.120，所以拒绝 1
表明：x对y有显著影响
四、回归预测
将1990-2007改为1990-2008
预测值及标准误差：
0
1
说明本市生产总值x每增加1亿元，地方预算内财政收入平均增 加0.084965亿元，与经济意义相符。
三、模型检验
2、拟合优度
R2 0.977，05趋8近与1，说明所建模型整体上对样
本数据拟合较好，既解释变量本市生产总值对被解释变量地方预 算内财政收入的绝大部分差异做出了解释。
三、模型检验
3、统计检验
（9.867366） （0.003255） t= (2.073853) (26.10378) R2=0.977058 F=681.4076 n=18
二、估计参数
剩余项、实际值与拟合值的图形如下图：
三、模型检验
1、经济意义检验 所估计的参数
ˆ 20 .46347 ˆ 0.084965
2011级物流一班第六小组 小组成员：
一、模型设定 二、估计参数 三、模型检验 四、回归预测
一、模型设定
1990-2007深圳市地方预算内财政收入与本市生产总值
假定模型：
Y 0 1 X u
二、估计参数
Eviews的回归结果如下表所示：
二、估计参数
参数估计和检验结果：
Yˆi 20.46347 0.084965 X i
由X2008=8000
四、回归预测
得 Y2008=700.18
四、回归预测
1、点预测 由题：2008年本市生产总值为8000亿元 可得00=700.18347（亿元）
X和Y的描述统计结果
四、回归预测
2、区间预测 平均值置信度95%的预测区间为：
^
Yf
^
t 2
1 ( X f
n
X )2 xi2
相关数据带入得最终结果为：[658.56,741.80]
四、回归预测
2、区间预测 个别值置信度95%的预测区间为：
^
Yf
^
t 2
1 1 ( X f
n
X )2 xi2
相关数据带入得最终结果为：[628.97,771.40]