(实验2)多元回归分析实验报告
计量经济学多元线性回归、多重共线性、异方差实验报告(推荐文档)
计量经济学实验报告多元线性回归、多重共线性、异方差实验报告、研究目的和要求:随着经济的发展，人们生活水平的提高，旅游业已经成为中国社会新的经济增长点。
旅游产业是一个关联性很强的综合产业，一次完整的旅游活动包括吃、住、行、游、购、娱六大要素，旅游产业的发展可以直接或者间接推动第三产业、第二产业和第一产业的发展。
尤其是假日旅游，有力刺激了居民消费而拉动内需。
2012年，我国全年国内旅游人数达到30.0亿人次，同比增长13.6%，国内旅游收入2.3万亿元，同比增长19.1%。
旅游业的发展不仅对增加就业和扩大内需起到重要的推动作用，优化产业结构，而且可以增加国家外汇收入，促进国际收支平衡，加强国家、地区间的文化交流。
为了研究影响旅游景区收入增长的主要原因，分析旅游收入增长规律，需要建立计量经济模型。
影响旅游业发展的因素很多，但据分析主要因素可能有国内和国际两个方面，因此在进行旅游景区收入分析模型设定时，引入城镇居民可支配收入和旅游外汇收入为解释变量。
旅游业很大程度上受其产业本身的发展水平和从业人数影响，固定资产和从业人数体现了旅游产业发展规模的内在影响因素，因此引入旅游景区固定资产和旅游业从业人数作为解释变量。
因此选取我国31个省市地区的旅游业相关数据进行定量分析我国旅游业发展的影响因素。
二、模型设定根据以上的分析，建立以下模型57丫=仇+ B1X 1+ 伍X 2+ B 3X 3+ 34 X 4 +Ut参数说明：旅游景区营业收入/万元X 1 旅游业从业人员/人 X 2 旅游景区固定资产/万元 X 3 旅游外汇收入/万美元 X 4城镇居民可支配收入/元收集到的数据如下（见表 2.1）:表2.1 2011年全国旅游景区营业收入及相关数据（按地区分） 地区 北 京 天 津 河 北 山 西内蒙 古辽 丿jA吉营业收入145249.0148712.3182226.8729465.0 70313.0 25665.3 20389.3 从业人 数1454 66 247879645771 3626 64812906 固定资产694252.393529.67 420342.7121809.7206819.146573.27 87827.16外汇收入可支配 收入5416017555 447655671967097 2713138528 32903. 0326920. 8618292. 2318123. 8720407.20466. 8417796.林0 6 57 黑龙38367.8 3034 137426.215696.91762江 1 1 7 18 上194762. 9110 563007.4 57511 36230. 海 3 6 4 8 48 江316051. 1401 1195000. 56529 26340. 苏65 54 60 7 73 浙385976. 1324 1110975. 45417 30970. 江92 59 20 3 68 安79562.7 5584 139769.0 11791 18606. 徽 5 0 2 8 13 福155378. 8030 151897.6 36344 24907. 建95 3 9 4 40 江54961.6 4179 17494.85528.05 41500西 6 1 87 山116995. 1430 327733.2 25507 22791. 东67 26 9 6 84 河222108. 7016 482005.3 18194.54903南33 4 2 80 湖104565. 6276 243794.618373.94018北58 7 2 87 湖118180. 806110143 18844.257226.7南87 5 4 05 广476345. 2265 1160675. 13906 26897. 东50 39 4 19 48 广66195.5 4987 143982.0 10518 18854. 西 5 6 3 8 06 海29081.6 3075 18368.70386.55 37615南0 9 95 重86713.6 5016 230124.0 96806 20249.庆7 0 0 70 四218624. 7075 464763.5 17899.59383川03 6 2 12 贵42214.1 2768 16495.62415.21 13507州 4 3 01 云135897. 6267 348426.0 16086 18575. 南97 9 4 1 62 西30406.7 462971.0 16195.6023 12963藏 3 3 56 陕48692.1 5707 154529.1 12950 18245. 西7 7 9 5 23 —30949.0 3128 14988.56684.68 1740肃0 0 68 青15603.1 -J 638.43 8741 9851.28 2659海31 /宁49509.8 1219 17578.23149.90 620夏 6 6 92 新28993.1 4045 15513.52280.36 46519疆 1 1 62 数据来源：1.中国统计年鉴2012，2.中国旅游年鉴2012。
计量经济学实验报告之多元回归
X X X学院实验报告第 1 页（1）用eviews得到数据如下：建立回归模型：AHE=-6.631562+0.186713*CLFPRM+0.004974*UNRMR2=0.622402，F=11.53822，P=0.001094，T=（-2.093464）（4.419819）（0.238515）可知城市男性劳动参与率和城市男性失业率与真实的平均小时工资存在正相关关系。
经济意义：说明在其他条件保持不变的情况下，城市男性劳动参与率每增加一个百分点，真实的平均小时工资增加0.186713美元，城市男性失业率每增加百分之一，真实的平均小时工资增加0.004974美元。
（2）用eviews得到数据如下：建立回归模型：AHE=10.60094-0.05345*CLFPRFR2=0.65384，F=28.33262，P=0.000085，T=（18.85195）（-5.32284）可知城市女性劳动参与率与真实的平均小时工资存在负相关关系。
经济意义：说明在其他条件保持不变的情况下，城市女性劳动参与率每增加一个百分点，真实的平均小时工资减少0.05345美元。
（3）用eviews得到数据如下：第 3 页建立回归模型：AHE=157.048-1.919573*CLFPRM-0.232917*UNRMR2=0.91981，F=80.29262，P=0.000，T=（11.69701）（-10.72079）（-2.635153）可知城市男性劳动参与率和城市男性失业率与当前平均小时工资存在显著的负相关关系。
经济意义：说明在其他条件保持不变的情况下，城市男性劳动参与率每增加百分之一，当前平均小时工资减少1.919573美元，城市男性失业率每增加百分之一，当前平均小时工资减少0.232917美元。
（4）用eviews得到数据如下：建立回归模型：AHE=-23.92719+0.595155*CLFPRFR2=0.958337，F=345.0332，P=0.000，T=（-13.33538）（18.57507）可知城市女性劳动参与率与当前平均小时工资存在显著的正相关关系。
多元线性回归实验报告模板
和广告费之间的关系可用(3)近似表示出.
实验过程：（含解决方法和基本步骤，主要程序清单及异常情况记录等）a=[1 -0.05
5.5 30.25
1 0.25 6.75 45.5625
1 0.6 7.25 52.5625
1 0 5.5 30.25
1 0.25 7 49
1 0.2 6.5 42.25
1 0.15 6.75 45.5625
实验目的： 1. 学习和掌握 Excel 及 MATLAB 的有关命令. 2. 自已收集数据(可以利用统计年鉴或其它公开的数据),利用你的数据建立模型. 3. 说明模型的意义
数学模型：
y = β0 + β1x1 + β2x2 + β3x22 + ε
实验所用软件及版本： Microsoft Word 2003 Excel MATLAB 6.5.1
三．模型评价： 从表 2 显示， r2 = 0.9194 指因变量 y 的 91.94%可由模型确定， F 的值远远超过 F 检验的临界值， p
也小于α ，因此模型（3）从整体上看是可用的。 表 （ 2 ） 的 回 归 系 数 给 出 了 模 型 三 中 的 β0, β1, β2, β3 的 估 计 值 ， 即
Stats 是用于检验回归模型的统计量，有三个数值，第一个是相关系数 r2 ， r2 越接近 1，说明
回归模型越显著；第二个是 F 值，F > F1−α (k, n − k −1) 时拒绝 H0 ，F 越大，说明回归方程越显著；第三
个是对应的概率 p ， p < α 时拒绝 H0 ，回归模型成立。
求解步骤为：
收入
x1 电视广告费用 x2 报纸广告费用
从图 1 中发现,随着 x1 的增加, y 值有较明显的线形增长趋势,图中的直线是用线形模型
多元线性回归模型实验报告计量经济学
多元线性回归模型实验报告计量经济学Revised by BLUE on the afternoon of December 12,2020.实验报告课程名称金融计量学实验项目名称多元线性回归模型班级与班级代码实验室名称（或课室）专业任课教师xxx学号： xxx姓名： xxx 实验日期： 2012年 5 月3日广东商学院教务处制姓名 xxx 实验报告成绩评语：指导教师（签名）年月日说明：指导教师评分后，实验报告交院（系）办公室保存多元线性回归模型一、实验目的通过上机实验,使学生能够使用 Eviews 软件估计可化为线性回归模型的非线性模型，并对线性回归模型的参数线性约束条件进行检验。
二、实验内容（一）根据中国某年按行业分的全部制造业国有企业及规模以上制造业非国有企业的工业总产值Y，资产合计K及职工人数L进行回归分析。
（二）掌握可化为线性多元非线性回归模型的估计和多元线性回归模型的线性约束条件的检验方法（三）根据实验结果判断中国该年制造业总体的规模报酬状态如何三、实验步骤（一）收集数据下表列示出来中国某年按行业分的全部制造业国有企业及规模以上制造业非国有企业的工业总产值Y，资产合计K及职工人数L。
序号工业总产值Y（亿元）资产合计K（亿元）职工人数L（万人）序号工业总产值Y（亿元）资产合计K（亿元）职工人数L（万人）1 113 17 432 67 18 613 84 19 2404 27 20 2225 327 21 806 120 22 967 58 23 2228 31 24 1639 16 25 24410 66 26 14511 58 27 13812 28 28 4613 61 29 21814 254 30 1915 83 31 4516 33表1（二）创建工作文件（Workfile）。
1、启动Eviews5，在主菜单上依次点击File\New\Workfile（如图），按确定。
2、在弹出的对话框中选择数据的时间频率（本实验为序列数据），输入数据数为31（如图1），然后点击OK（如图2）。
SPSS多元回归实验报告
实验八报告一、数据来源Employee data. sav 二、基本结果（1）确定自变量、因变量：）确定自变量、因变量：一般而言，因变量y与各自变量xj(j=1,2,3,…,n)之间的多元线性回归模型：之间的多元线性回归模型：其中：b0是回归常数；b k (k=1,2,3,…,n)是回归参数；e是随机误差。
是随机误差。
根据employee data.sav的数据，其中Y是当前工资salary，X1是起始资金salbegin，X2是工作经验prevexp，X3是工作时间jobtime，X4是工作种类jobcat，X5是受教育年限edcau。
（2）做出因变量与自变量的散点图：）做出因变量与自变量的散点图：从散点图可以看出因变量与各自变量之间存在线性关系。
（3）检验因变量Y是否服从正态分布的模型假定——因变量Y并没有很好地服从正态分布。
地服从正态分布。
的残差图（4）线性回归Y的残差图此标准化残差图表明，此线性回归的标准化残差呈楔形分布而非带状分布，不满足回归模型同方差的假定。
布，不满足回归模型同方差的假定。
当前薪金多元线性回归分析的残差图图当前薪金多元线性回归分析的残差图（5）通过以上检验可以看出，当前薪金并不是好的变量，对当前薪金进行Ln变换（取对数）生成新的随进变量logsale，将logsale作为因变量Y用逐步回归的方法进行回归分析：的方法进行回归分析：1）p-p图：图：较好的服从了正态分布。
发现取对数后，logY较好的服从了正态分布。
2）logY的标准化残差图：的标准化残差图：上图表明因变量Y（logsale）的标准化残差近似呈带状分布，满足模型同方差的假定。
差的假定。
3）逐步回归的判定系数：）逐步回归的判定系数：通过逐步回归，得到方程的判定系数如下表。
R²越接近1，说明回归方程解释了因变量总变异量的绝大部分比例。
本估计的回归方程有一个好的拟合，，可以认为拟合度高。
在模型5中达到0.810，且调整后的R²达到0.808，可以认为拟合度高。
实验报告 建立多元回归模型
1 , 2 ,, n 呈现独立同分布的性质；而 Q-Q 图表明
多元统计分析实验报告——刘晓丽
表五
相关系数矩阵
由表五可知： 地区生产总值与资本形成总额和消费支出之间的相关性极大， 其相关系数 均超过 0.98，于是，应建立地区生产总值与资本形成总额和消费支出的线性回归方程。而资 本形成总额和消费支出之间的相关系数也超过了 0.98， 也就是说资本形成总额和消费支出 两个变量之间具有共线性。 因此， 最终应建立地区生产总值与资本形成总额或地区生产总值 与消费支出的线性回归方程更合理。此时，所建立的方程是一元线性回归方程。 第五步：地区生产总值与消费支出之间的关系，建立两者之间的一元回归模型，运行结果如 表六至八和图 6 至 8。
图 5 一元回归 表六 地区生产总值与消费支出的回归方程
由表六可知地区生产总值与消费支出的回归方程是： 地区生产总值=42.7497+1.8706*消费支出 ；
多元统计分析实验报告——刘晓丽
图 6 散点图与回归直线 表七 决定系数表
表八
方差分析表
图 7 残差图
图 8 Q-Q 图
结果分析： 表 7、表 8 以及图 6、7 和 8 表明：回归方程是显著的且拟合结果满足模型前提假设； 这个回归关系表明：北京地区 1999 年至 2008 年十年间人民平均消费支出水平为 42.7497。 如果消费支出增加 1 个单位，北京将增加 1.8706 个单位的生产总值，因此从经济意义上来 说，政府应采取必要的手段，鼓励消费以刺激经济增长。 综合以上分析，我们应采用第二个回归方程，即 地区生产总值=42.7497+1.8706*消费支出
实验过程与结果分析：
第一步：通过国家统计局网站 /采集到北京 1999 年至 2008 年十年间 有关地区生产总值、资本形成总额、货物和服务净出口和和最终消费支出的数据，导入到 SAS 数据集（beijing ）中，如图 1。
《多元统计》课程实验报告-回归分析
《多元统计与程序设计》课程实验报告1 实验内容（1）掌握回归分析和逐步回归分析的思想和计算步骤；（2）用Matlab实现回归分析和逐步回归分析；2 模型建立与求解2.1回归分析2.1.1模型的建立设随机变量y与m个自变量存在线性关系：y= (2.1.1)式（2.1.1）称为回归方程，其中称为回归系数，为随机变量，称为随机误差，它可理解为y无法用表示的是其他各种随机因素造成的误差。
要用来估计随机变量y的均值E（y）,即E（y）=此处假定,y。
其中，，是与无关的待定系数。
设有n组样本观测值数据：其中表示第i次试验或第i个样本关于变量的观测值。
于是有：==………（2.1.2）其中，为m+1个待定系数，为n 个相互独立的且服从同一正态分布的随机变量，式（2.1.2）称为多元（m 元）线性回归数学模型。
式（2.1.2）也可写成矩阵形式，设⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=nm n n m m x x x x x xx x x X 212222111211111则式（2.1.2）可表示为（2.1.3）式（2.1.3）称为多元线性回归模型的矩阵形式。
2.1.2回归模型中参数的确定采用最小二乘法来对回归模型式（2.3）中的作最小二乘估计。
设m 3210，b，，b ，b ，b b 分别是的最小二乘估计值，于是有 m m 22110x b x b x b b yˆ++++=（2.1.4）式（2.1.4）中：yˆ是y 中的一个最小二乘估计。
对于每一个试验数据。
由式（2.1.4），可得一个i ˆy，即：n i x b x b b yim m i i ,,2,1ˆ110 =+++=，。
这里称i ˆy 为实际值i y 的回归值。
显然，回归值i yˆ与实际值i y 有误差，即 i y -i ˆy=n i x b x b b y im m i i ,,2,1110 =+++-， 当然我们希望i ˆy与i y 值偏离程度越小越好，这样才能使回归值i ˆy 与实际值i y 拟合得最好。
回归分析实验报告
回归分析实验报告实验报告：回归分析摘要：回归分析是一种用于探究变量之间关系的数学模型。
本实验以地气温和电力消耗量数据为例，运用回归分析方法，建立了气温和电力消耗量之间的线性回归模型，并对模型进行了评估和预测。
实验结果表明，气温对电力消耗量具有显著的影响，模型能够很好地解释二者之间的关系。
1.引言回归分析是一种用于探究变量之间关系的统计方法，它通常用于预测或解释一个变量因另一个或多个变量而变化的程度。
回归分析陶冶于20世纪初，经过不断的发展和完善，成为了数量宏大且复杂的数据分析的重要工具。
本实验旨在通过回归分析方法，探究气温与电力消耗量之间的关系，并基于建立的线性回归模型进行预测。
2.实验设计与数据收集本实验选择地的气温和电力消耗量作为研究对象，数据选取了一段时间内每天的气温和对应的电力消耗量。
数据的收集方法包括了实地观测和数据记录，并在数据整理过程中进行了数据的筛选与清洗。
3.数据分析与模型建立为了探究气温与电力消耗量之间的关系，需要建立一个合适的数学模型。
根据回归分析的基本原理，我们初步假设气温与电力消耗量之间的关系是线性的。
因此，我们选用了简单线性回归模型进行分析，并通过最小二乘法对模型进行了估计。
运用统计软件对数据进行处理，并进行了以下分析：1)描述性统计分析：计算了气温和电力消耗量的平均值、标准差和相关系数等。
2)直线拟合与评估：运用最小二乘法拟合出了气温对电力消耗量的线性回归模型，并进行了模型的评估，包括了相关系数、残差分析等。
3)预测分析：基于建立的模型，进行了其中一未来日期的电力消耗量的预测，并给出了预测结果的置信区间。
4.结果与讨论根据实验数据的分析结果，我们得到了以下结论：1)在地的气温与电力消耗量之间存在着显著的线性关系，相关系数为0.75，表明二者之间的关系较为紧密。
2)构建的线性回归模型：电力消耗量=2.5+0.3*气温，模型参数的显著性检验结果为t=3.2，p<0.05，表明回归系数是显著的。
- 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)。
陕西科技大学实验报告
成绩
课程：数理金融实验日期：2014 年 5 月22 日班级：数学112 交报告日期：2013 年 5 月23 日姓名：常海琴报告退发：（订正、重做）学号：201112010101教师：刘利明
实验名称：多元回归分析
一、实验预习：
1.多元回归模型。
2.多元回归模型参数的检验。
3.多元回归模型整体的检验。
二、实验的目的和要求：
通过案例分析掌握多元回归模型的建立方法和检验的标准；并掌握分析解决实际金融问题的能力。
三、实验过程：（实验步骤、原理和实验数据记录等）
软件：Eviews3.1
数据：给定美国机动车汽油消费量研究数据。
实验原理：最小二乘法拟合多元线性回归方程
数据记录：
实例中1950年到1987年机动汽车的消费量、汽车保有量、汽油价格、人口数、国民生产总值
图1各个量之间的关系
陕西科技大学理学院实验报告
- 2 - 1、录入数据
图2录入数据
2、回归分析
443322110X X X X Y βββββ++++=
图3运行结果
Y=24553723+1.418520x1-27995762x2-59.87480x3-30540.88x4
S (25079670) (0.266) (5027085) (198.5517) (9557.981)
T (0.979) (5.314) (-5.568) (-0.301) (-3.195)
2R =0.966951 F=241.3764 -
R =0.9629 dw=0.6265
四、实验总结：（实验数据处理和实验结果讨论等）
用残差和最小确定直线位置是一个途径。
计算残差和有相互抵消的问题。
用残差绝对值和最小确定直线位置也是一个途径绝对值计算起来比较麻烦。
最小二乘法用绝对值平方和最小确定直线位置。
0β、1β、2β、3β、4β具有线性特性，无偏特性，有效性。
-R =0.9629基本上接近于1，拟合效果较好。