计量经济学-一元线性回归预测模型-Eviews6
计量经济学实验一 一元回归模型
实验二一元回归模型【实验目的】掌握一元线性、非线性回归模型的建模方法【实验内容】建立我国税收预测模型【实验步骤】【例1】建立我国税收预测模型。
表1列出了我国1985－1998年间税收收入Y和国内生产总值（GDP）x的时间序列数据，请利用统计软件Eviews建立一元线性回归模型。
一、建立工作文件⒈菜单方式在录入和分析数据之前，应先创建一个工作文件（Workfile）。
启动Eviews软件之后，在主菜单上依次点击File\New\Workfile（菜单选择方式如图1所示），将弹出一个对话框（如图2所示）。
用户可以选择数据的时间频率（Frequency）、起始期和终止期。
图1 Eviews菜单方式创建工作文件示意图图2 工作文件定义对话框本例中选择时间频率为Annual（年度数据），在起始栏和终止栏分别输入相应的日期85和98。
然后点击OK，在Eviews软件的主显示窗口将显示相应的工作文件窗口（如图3所示）。
图3 Eviews工作文件窗口一个新建的工作文件窗口内只有2个对象(Object）,分别为c（系数向量）和resid（残差）。
它们当前的取值分别是0和NA（空值）。
可以通过鼠标左键双击对象名打开该对象查看其数据，也可以用相同的方法查看工作文件窗口中其它对象的数值。
⒉命令方式还可以用输入命令的方式建立工作文件。
在Eviews软件的命令窗口中直接键入CREATE命令，其格式为：CREATE 时间频率类型起始期终止期本例应为：CREATE A 85 98二、输入数据在Eviews软件的命令窗口中键入数据输入/编辑命令：DA TA Y X此时将显示一个数组窗口（如图4所示），即可以输入每个变量的数值图4 Eviews数组窗口三、图形分析借助图形分析可以直观地观察经济变量的变动规律和相关关系，以便合理地确定模型的数学形式。
⒈趋势图分析命令格式：PLOT 变量1 变量2 ……变量K作用：⑴分析经济变量的发展变化趋势⑵观察是否存在异常值本例为：PLOT Y X⒉相关图分析命令格式：SCAT 变量1 变量2作用：⑴观察变量之间的相关程度⑵观察变量之间的相关类型，即为线性相关还是曲线相关，曲线相关时大致是哪种类型的曲线说明：⑴SCAT命令中，第一个变量为横轴变量，一般取为解释变量；第二个变量为纵轴变量，一般取为被解释变量⑵SCAT命令每次只能显示两个变量之间的相关图，若模型中含有多个解释变量，可以逐个进行分析⑶通过改变图形的类型，可以将趋势图转变为相关图本例为：SCA T Y X图5 税收与GDP趋势图图5、图6分别是我国税收与GDP时间序列趋势图和相关图分析结果。
《计量经济学》eviews实验报告一元线性回归模型详解
计量经济学》实验报告一元线性回归模型-、实验内容（一）eviews基本操作（二）1、利用EViews软件进行如下操作：（1）EViews软件的启动（2）数据的输入、编辑（3）图形分析与描述统计分析（4）数据文件的存贮、调用2、查找2000-2014年涉及主要数据建立中国消费函数模型中国国民收入与居民消费水平:表1年份X(GDP)Y（社会消费品总量）200099776.339105.72001110270.443055.42002121002.048135.92003136564.652516.32004160714.459501.02005185895.868352.62006217656.679145.22007268019.493571.62008316751.7114830.12009345629.2132678.42010408903.0156998.42011484123.5183918.62012534123.0210307.02013588018.8242842.82014635910.0271896.1数据来源：二、实验目的1.掌握eviews的基本操作。
2.掌握一元线性回归模型的基本理论，一元线性回归模型的建立、估计、检验及预测的方法，以及相应的EViews软件操作方法。
三、实验步骤（简要写明实验步骤）1、数据的输入、编辑2、图形分析与描述统计分析3、数据文件的存贮、调用4、一元线性回归的过程点击view中的Graph-scatter-中的第三个获得在上方输入Isycx回车得到下图DependsntVariable:Y Method:LeastSquares□ate:03；27/16Time:20:18 Sample:20002014 Includedobservations:15VariableCoefficientStd.Errort-StatisticProb.C-3J73.7023i820.535-2.1917610.0472X0416716 0.0107S838.73S44 a.ooao R-squared0.991410 Meandependentwar119790.2 AdjustedR.-squared 0.990750 S.D.dependentrar 7692177 S.E.ofregression 7J98.292 Akaike infocriterion20.77945 Sumsquaredresid 7；12E^-08 Scliwarz 匚「爬伽20.37386 Loglikelihood -1&3.3459Hannan-Quinncriter. 20.77845 F-statistic 1I3&0-435 Durbin-Watsonstat0.477498Prob(F-statistic)a.oooooo在上图中view 处点击view-中的actual ,Fitted ,Residual 中的第一 个得到回归残差打开Resid 中的view-descriptivestatistics 得到残差直方图/icw Proc Qtjject PrintN^me FreezeEstimateForecastStatsResids凹Group:UNIIILtD Worktile:UN III LtLJ::Unti1DependentVariablesMethod;LeastSquares□ate:03?27/16Time:20:27Sample(adjusted):20002014Includedobservations:15afteradjustmentsVariable Coefficient Std.Errort-Statistic ProtJ.C-3373.7023^20.535-2.191761 0.0472X0.4167160.01075S38.735440.0000R-squared0.991410 Meandependeniwar1-19790.3 AdjustedR-squa.red0990750S.D.dependentvar 76921.77 SE.ofregre.ssion 7J98.292 Akaike infacriterion20.77945 Sumsquaredresid 7.12&-0S Schwarzcriterion 20.S73S6 Laglikelihood -153.84&9Hannan-Quinncrite匚20.77545 F-statistic1I3&0.435Durbin-Watsonstat 0.477498 ProbCF-statistic) a.ooaooo在回归方程中有Forecast,残差立为yfse,点击ok后自动得到下图roreestYFM J訓YForea空巾取且:20002015 AdjustedSErmpfe:2000231i mskJddd obaerratire:15Roof kter squa red Error理l%2Mean/^oLteError畐惯啟iJean Afe.PereersErro r5.451SSQThenhe鼻BI附GKWCE口.他腐4Prop&niwi□ooooooVactaree Propor^tori0.001^24G M『倚■底Props^lori09®475在上方空白处输入lsycs…之后点击proc中的forcase根据公式Y。
计量经济学-多元线性回归分析;eviews6操作
E(i ) 0
V(a i)rE (i2)2
C( o i,v j) E (ij) 0
i j i,j 1 ,2 , ,n
假设5，解释变量与随机项不相关
Co(Xvji,i)0
j1,2 ,k
假设6，随机项满足正态分布
i ~N(0,2)
2021/6/4
7
上述假设的矩阵符号表示 式：
假设1，nk矩阵X是非随机的，且X的秩=k，即X满
五、样本容量问题
六、估计实例
2021/6/4
10
一、普通最小二乘估计
对于随机抽取的n组观测值 ( Y i,X j) ii , 1 , 2 , ,n ,j 0 , 1 , 2 , k
如果样本函数的参数估计值已经得到，则有：
Y ˆ i ˆ 1 ˆ 2 X 2 i ˆ 3 X 3 i ˆ k X kii=1,2…n
1、线性性
β ˆ(X X )1X Y CY
其中,C=(X’X)-1 X’ 为一仅与固定的X有关的行向量
2021/6/4
18
2、无偏性
E(βˆ) E((XX)1 XY) E((XX)1 X(Xβ μ)) β (XX)1 E(Xμ) β
这里利用了假设: E(X’)=0
3、有效性（最小方差性）
习惯上：把常数项看成为一虚变量的系数，该 虚变量的样本观测值始终取1。这样：
模型中解释变量的数目为（k）
2021/6/4
3
模 型 ： Y t 1 2 t X 2 t k X k t u t
也被称为总体回归函数的随机表达形式。它 的
非随机表达式为: E ( Y i | X 2 i , X 3 i , X k ) i 1 2 X 2 i 3 X 3 i k X ki
计量经济学eviews一元线性回归模型实验指导
计量经济学eviews一元线性回归模型实验指导民家庭人均生活消费支出与家庭人均纯收入大致呈现出线性相关关系。
（CD 表示农村居民家庭人均生活消费支出，RD 农村居民家庭人均纯收入）图2.4.1 RD —CD 散点图故假设二者之间关系设定为一元线性回归模型：i i i rd cd μββ++=10，其中cd i 各地区农村居民家庭人均生活消费支出，rd i 为各地区农村居民家庭人均纯收入，μi 为随机误差项，即除人均收入外，影响农村居民家庭人均生活消费支出的其他因素。
假设该模型满足古典假设，可运用OLS 方法估计模型的参数。
利用计量经济学软件EViews5.0。
建立工作文件STEP1：进入EViews 目录，然后双击EViews 程序图标，进入EViews 主页见图2.4.2。
图2.4.2 EViews工作界面STEP2：点击Eviews主页面菜单File\New\Workfile见图2.4.3，弹出workfile Create对话框（图2.4.4）。
在workfile structure type中选择Unsteuctured/Undated【由于本例是截面数据】，并在observation中输入观察值得个数，本例为31（图2.4.4），点击OK出现数据编辑窗口（图2.4.5）。
C——截距项；resid——残差项。
图2.4.3图2.4.4图2.4.5图2.4.6STEP3：点击Eviews 主菜单顶部按钮“objects/new objects ”，弹出new objects 对话框（图2.4.6），在Type of Object 中选择group ，并给new objects 一个名字G01，然后点击OK ，弹出对话框中即可输入变量及变量值（图2.4.7）。
图2.4.7图2.4.8 STEP4：点击图2.4.7表格中第一列顶部的灰色条，该列全部变蓝，输入变量名RD—农村居民家庭人均纯收入，然后从数据文件中导出变量RD各地区观测值；同理可定义第二列为CD —农村居民家庭人均生活消费支出，从数据文件中导出变量CD各地区观测值，见图2.4.8。
一元线性回归模型(计量经济学)
总体回归函数说明被解释变量Y的平均状 态（总体条件期望）随解释变量X变化的 规律。至于具体的函数形式，则由所考 察的总体的特征和经济理论来决定。
在例2.1中，将居民消费支出看成是其可 支配收入的线性函数时，该总体回归函
数为: E (Y |X i)01 X i
它是一个线性函数。其中，0，1是未知
第二章 经典单方程计量经济学模型： 一元线性回归模型
§2.1 回归分析概述 §2.2 一元线性回归模型的基本假设 §2.3 一元线性回归模型的参数估计 §2.4 一元线性回归模型的统计检验 §2.5 一元线性回归模型的预测 §2.6 一元线性回归建模实例
§2.1 回归分析概述
一、变量间的关系及回归分析的基本概念 二、总体回归函数 三、随机扰动项 四、样本回归函数
1430 1650 1870 2112
1485 1716 1947 2200
2002
2420 4950 11495 16445 19305 23870 25025 21450 21285 15510
一个抽样
由于调查的完备性，给定收入水平X的消费 支出Y的分布是确定的。即以X的给定值为条 件的Y的分布是已知的，如 P(Y=561 | X = 800) =1/4。 进而，给定某收入Xi，可得消费支出Y的条 件均值，如 E(Y | X = 800) =605。 这样，可依次求出所有不同可支配收入水平 下相应家庭消费支出的条件概率和条件均值 ，见表2.1.2.
相关分析主要研究随机变量间的相关形式 及相关程度。变量间的相关程度可通过计 算相关系数来考察。
具有相关关系的变量有时存在因果关系，
这时，我们可以通过回归分析来研究它们
之间的具体依存关系。
课堂思考题
eviews实验报告一元线形回归模型
【实验编号】 1【实验名称】一元线形回归模型【实验目的】掌握一元线性回归分析的步骤【实验内容】一、实验数据表1 1978年-2009年中国税收与国内生产总值统计表单位：亿元年份税收GDP 年份税收GDP1978 519.28 3645.2 1994 5126.88 48197.91979 537.82 4062.6 1995 6038.04 60793.71980 571.7 4545.6 1996 6909.82 71176.61981 629.89 4891.6 1997 8234.04 78973.01982 700.02 5323.4 1998 9262.80 84402.31983 775.59 5962.7 1999 10682.58 89677.11984 947.35 7208.1 2000 12581.51 99214.61985 2040.79 9016.0 2001 15301.38 109655.21986 2090.73 10275.2 2002 17636.45 120332.71987 2140.36 12058.6 2003 20017.31 135822.81988 2390.47 15042.8 2004 24165.68 159878.31989 2727.4 16992.3 2005 28778.54 184937.41990 2821.86 18667.8 2006 34804.35 216314.41991 2990.17 21781.5 2007 45621.97 265810.31992 3296.91 26923.5 2008 54223.79 314045.41993 4255.30 35333.9 2009 59521.59 340506.9 资料来源：《中国统计年鉴2010》二、实验过程1、建立工作文件（1）点击桌面Eviews5.0图标，运行Eviews软件。
计量经济学EViews操作
计量经济学作业操作过程详解1.进入Eviews软件2.主菜单-->File--->Workfile3.打开工作文件范围选择框，选择Annual,分别输入1985,1998。
点击完成。
4.数据输入：方法一：导入excel文件中的数据1）在excel中先建立数据文件2）点击file/import/read text-lotus-excel选项，在对话框中选择已建立的excel文件4）打开后，在新的对话框中输入想要分析的变量名称，然后点击OK即可。
此时工作文件中出现变量图标。
方法二：手工数据输入主菜单--->Quick----->Empty Group分别输入变量Y、GDP的数据。
点击obs后面的灰色格子中分别输入Y、GDP。
（方法一：一个一个输入方法二：在Excel中输入完再复制粘贴）5.主菜单---->Quick----->Estimate Equation打开估计模型对话框，输入Y C GDP ，（如上图所示，注意字母之间要有空格）点击OK键。
得出Eviews的估计结果：其中12596.27为β（上面还要带个帽子，电脑打不出来），26.95415为1β。
第五步可以直接输入LS Y C GDP 等出结果6.一元线性回归模型的预测1）在工作文件主窗口点击procs/change workfile range(改变范围)，弹出对话框，在对话框的end date栏中输入预测值的时间或序号，点击OK2）在工作文件窗口中双击解释变量文件，在变量窗口中点击edit+/-键，进入编辑模式，在变量窗口底端输入新序号的数值，再点击edit+/-键，关闭编辑模式3）再次进行估计，点击quick/estimate equation，在对话框中输入方程，注意样本范围应不包括新序号，点击OK得到估计结果4）点击结果窗口中的forecast键，产生对话框，在对话框中选择样本范围，点击OK可得预测曲线图。
计量经济学：一元线性回归模型习题与答案
一、单选题1、假设检验采用的逻辑推理方法是A.归纳推理法B.类比推理法C.反证法D.演绎推理法正确答案：C2、在Eviews软件操作中，预测是用（）命令。
A.GENERATEB.PLOTC.FORECASTD.SCAT正确答案：C3、对任意两个随机变量X和Y，若EXY=EX*EY,则（）A.X和Y不独立B.X和Y相互独立C.Var(XY)=VarX*VarYD.Var(X+Y)=VarX+VarY正确答案：D4、设随机变量X1,X2,...,Xn（n>1）独立同分布，且方差σ2>0。
令随机变量Y=1n ∑X ini=1，则()A.Var(X1+Y)=n+2nσ2B.Cov(X1,Y)=1nσ2C. Var(X1−Y)=n+2nσ2D. Cov(X1,Y)=σ2正确答案：B5、设随机变量X~t(n)(n>1),Y=1X，则A. Y~F(1,n)B. Y~F(n,1)C. Y~χ2(n−1)D. Y~χ2(b)正确答案：B二、多选题1、变量的显著性T检验的步骤有哪些？A.以原假设H0构造T统计量B.对总体参数提出假设C.给定显著性水平α，查t分布表得临界值tα/2(n-2)D.比较t统计量和临界值正确答案：A、B、C、D2、随机误差项的主要影响因素是A.变量观测值的观测误差的影响B.在解释变量中被忽略的因素的影响C.都不是D.模型关系的设定误差的影响正确答案：A、B、D3、下列中属于最小二乘法基本假设的有A.解释变量X是确定性变量，不是随机变量B.m服从零均值、同方差、零协方差的正态分布：μi~N(0,σμ2) i=1,2, …,nC.随机误差项μ与解释变量X之间不相关：Cov(Xi,μi)=0i=1,2, …,nD.随着样本容量的无限增加，解释变量X的样本方差趋于一有限常数。
正确答案：A、B、C、D4、最小二乘估计量的性质A.有效性B.无偏性C.一致性D.线性性正确答案：A、B、D5、缩小置信区间的途径有哪些A.增大样本容量B.降低模型的拟合优度C.提高模型的拟合优度D.减小样本容量正确答案：A、C三、判断题1、可以通过散点图来确定模型的形式。
- 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)。
数学与统计学院实验报告
院（系）：数学与统计学学院学号：姓名：
实验课程：计量经济学指导教师:
实验类型（验证性、演示性、综合性、设计性）：综合性
实验时间：2017年 3 月 1 日
一、实验课题
一元线性回归预测模型
二、实验目的和意义
用回归模型预测木材剩余物
（1）用Eviews软件建立y关于x的回归方程，并对模型和参数做假设检验；
（2）求y t的点预测和平均木材剩余物产出量E(y t)的置信区间预测。
（3）假设乌伊岭林业局2000年计划采伐木材20万m3，求木材剩余物的点预测值。
三、解题思路
1、录非结构型的数据；
2、进行描述性统计，列出回归模型；通过看t、f等统计量，检验回归模型是否正确
3、运用forecast进行内预测（1-16样本），可以得到yf的点预测；再运用[yf+se]、[yf-se]进行区间估计（运用excel操作）
4、将样本范围改到17个，令x=20，运用forecast进行外预测（17-17）
四、实验过程记录与结果
翠峦11.69 32.7
乌马河 6.8 17
美溪9.69 27.3
大丰7.99 21.5
南岔12.15 35.5
带岭 6.8 17
朗乡17.2 50
桃山9.5 30
双丰 5.52 13.8
2、用Eviews软件建立y关于x的回归方程，并对模型和参数做假设检验；
模型为：y=0.404280x-0.762928
通过上表t、f统计量的p值<0.05，以及残差图基本在两倍标准差的范围内波动，可以得出该模型通过原假设。
3、求yt的点预测和平均木材剩余物产出量E(yt)的置信区间预测。
Yt的点估计：
E（yt）的置信区间：
4、假设乌伊岭林业局2000年计划采伐木材20万m3，求木材剩余物的点预测值。
空心点为预测值，上下两个红点是预测值的范围。
所以当x=20时，y的点预测值为7.322668
五、结果的讨论和分析
通过以上的实验，可知：模型为：y=0.404280x-0.762928，根据相关的统
计量，可以得出该模型通过参数假设检验；yt的点预测运用内预测完成，而当2000年计划采伐木材20万立方米，运用外预测，可得木材剩余物的量为7.322668万立方米的
六、实验小结
通过这次实验，对eviews操作界面更加熟悉；掌握了如何建立数据的回归方程，以及参数的假设检验是否正确；运用eviews进行yt的点预测以及E（yt）的区间预测；当解释变量确定时，被解释变量应该为多少。
（注：可编辑下载，若有不当之处，请指正，谢谢!）。