《计量经济学》(庞浩第一版)第三章多元线性回归模型eviews上机操作
计量经济学EVIEWS教程
计量经济学软件包Eviews 教程一、启动软件包假定用户有Windows95/98的操作经验，我们通过一个实际问题的处理过程，使用户对EViews 的应用有一些感性认识，达到速成的目的。
（一）Eviews 的启动步骤：1．进入Windows/双击Eviews 快捷方式，进入EViews 窗口；2．点击开始 /程序/EViews5/Eviews ，进入EViews 窗口。
（二）EViews 窗口介绍1．标题栏：窗口的顶部是标题栏，标题栏的右端有三个按钮：最小化、最大化（或复原）和关闭，点击这三个按钮可以控制窗口的大小或关闭窗口。
当EVIEWS 处于活动状态时，标题栏将呈深蓝色，如果其处于非活动状态时，标题栏就呈灰色。
菜单栏 标题栏命令窗口控制按钮信息栏 路径状态栏主显示窗口（图一）2．菜单栏：标题栏下是主菜单栏。
主菜单栏上共有9个选项： File，Edit，Objects，View，Procs，Quick，Options，Window，Help。
用鼠标点击可打开下拉式菜单（或再下一级菜单，如果有的话），点击某个选项电脑就执行对应的操作响应（File，Edit的编辑功能与Word, Excel中的相应功能相似）。
（1）File菜单（2）Edit菜单（3）Objects菜单（4）View菜单（5）Procs菜单（6）Quick菜单（7）Options菜单（8）Window菜单（9）Help菜单3．命令窗口：主菜单栏下是命令窗口，窗口最左端一竖线是提示符，允许用户在提示符后通过键盘输入EViews（TSP风格）命令。
如果熟悉MicroTSP（DOS）版的命令可以直接在此键入，如同DOS版一样地使用EViews。
按F1键（或移动箭头），键入的历史命令将重新显示出来，供用户选用。
4．主显示窗口：命令窗口之下是Eviews的主显示窗口，以后操作产生的窗口（称为子窗口）均在此范围之内，不能移出主窗口之外。
5．状态栏：主窗口之下是状态栏，左端显示信息，中部显示当前路径，右下端显示当前状态，例如有无工作文件等。
《计量经济学》上机实验参考答案(本科生)
《计量经济学》上机实验参考答案实验一：计量经济学软件Eviews 的基本使用；一元线性回归模型的估计、检验和预测；多元线性回归模型的估计、检验和预测（3课时）；多元非线性回归模型的估计。
实验设备：个人计算机，计量经济学软件Eviews ，外围设备如U 盘。
实验目的：（1）熟悉Eviews 软件基本使用功能；（2）掌握一元线性回归模型的估计、检验和预测方法；正态性检验；（3）掌握多元线性回归模型的估计、检验和预测方法；（4）掌握多元非线性回归模型的估计方法。
实验方法与原理：Eviews 软件使用，普通最小二乘法（OLS ），拟合优度评价、t 检验、F 检验、J-B 检验、预测原理。
实验要求：（1）熟悉和掌握描述统计和线性回归分析；（2）选择方程进行一元线性回归；（3）选择方程进行多元线性回归；（4）进行经济意义检验、拟合优度评价、参数显著性检验和回归方程显著性检验；（5）掌握被解释变量的点预测和区间预测；（6）估计对数模型、半对数模型、倒数模型、多项式模型模型等非线性回归模型。
实验内容与数据1：表1数据是从某个行业的5个不同的工厂收集的，请回答以下问题：（1）估计这个行业的线性总成本函数：t t x b b y 10ˆˆˆ+=；（2）0ˆb 和1ˆb 的经济含义是什么？；（3）估计产量为10时的总成本。
表1 某行业成本与产量数据总成本y80 44 51 70 61 产量x 12 4 6 11 8参考答案：(1)总成本函数(标准格式)：t t x y25899.427679.26ˆ+= s = (3.211966) (0.367954)t = (8.180904) (11.57462)978098.02=R 462819.2.=E S 404274.1=DW 9719.133=F(2)0ˆb =26.27679为固定成本，即产量为0时的成本；1ˆb =4.25899为边际成本，即产量每增加1单位时，总成本增加了4.25899单位。
计量经济学(庞浩)第三章-多元线性回归模型(1)
矩阵X的秩为K(注意X为n行K列)。
Ran(X)= k
Rak(X'X)=k
即 (X'X) 可逆 假定6:正态性假定
ui ~ N (0, 2 )
u ~ N (0, 2I)
12
第二节 多元线性回归模型的估计
一、普通最小二乘法（OLS）
原则：寻求剩余平方和最小的参数估计式 min : ei2 (Yi Yˆi )2
1
X 22
Xk
2
2
u2
Yn
1 X 2n
X
kn
k
un
Y
X
βu
n 1
nk
k 1 n1
9
9
矩阵表示方式
总体回归函数 E(Y) = Xβ 或 Y = Xβ + u
样本回归函数 Yˆ = Xβˆ 或 Y = Xβˆ + e
其中： Y,Yˆ,u,e 都是有n个元素的列向量
β, βˆ 是有k 个 元素的列向量
多重可决系数：在多元回归模型中，由各个解释
变量联合起来解释了的Y的变差，在Y的总变差中占
的比重，用 R2表示 与简单线性回归中可决系数 r的2 区别只是 不Yˆi 同
多元回归中
Yˆi ˆ1 ˆ2 X2i ˆ3 X3i ˆk Xki
多重可决系数可表示为
R2 ESS TSS
(Yˆi Y )2 (Yi Y )2
0
2
X 2i
Yi
(ˆ1
ˆ2
X 2i
ˆ3
X 3i
ˆki
X ki )
0
(i 1, 2, n)
( j 1, 2, n)
ei 0
X2iei 0
2
计量经济学庞皓课件(第三章 多元线性回归模型)
怎样分析多种因素的影响？
分析中国汽车行业未来的趋势,应具体分析这样一些问题： 中国汽车市场发展的状况如何？（用销售量观测） 影响中国汽车销量的主要因素是什么？
（如收入、价格、费用、道路状况、能源、政策环境等）
各种因素对汽车销量影响的性质怎样？（正、负） 各种因素影响汽车销量的具体数量关系是什么？ 所得到的数量结论是否可靠？ 中国汽车行业今后的发展前景怎样？应当如何制定汽车的 产业政策？ 很明显，只用一个解释变量已很难分析汽车产业的发展, 还需要寻求有更多个解释变量情况的回归分析方法。
ˆk
k
c jj
~
N (0,1)
21 21
2 未知时βˆ 的标准化变换
因 2 是未知的， 可用 ˆ 2 代替 2 去估计参数的
标准误差:
●
当为大样本时，用估计的参数标准误差对
^
β
作
标准化变换，所得 Z 统计量仍可视为服从正态分
布
●当为小样本时，用估计的参数标准误差对 βˆ 作标 准化变换，所得的 t 统计量服从 t 分布：
( X X )1 X 2 IX ( X X )1
2 ( X X )1
注意
βˆ 是向量
(i 1, 2,L ( j 1, 2,L
n) n)
(由无偏性)
(由OLS估计式)
(由同方差性)
其中：
ˆ ( X X )1 X Y ( X X )1 X ( Xβ + u) β ( X X )1 X u
0
两边左乘 X
X Y = X Xβˆ + X e
根据最小二乘原则 则正规方程为
Xe = 0
X Xβˆ = X Y
14
OLS估计式
回归分析实验1 Eviews基本操作及一元线性回归
第一部分EViews基本操作第一章预备知识一、什么是EViewsEViews (Econometric Views)软件是QMS（Quantitative Micro Software）公司开发的、基于Windows平台下的应用软件，其前身是DOS操作系统下的TSP软件。
EViews具有现代Windows软件可视化操作的优良性。
可以使用鼠标对标准的Windows菜单和对话框进行操作。
操作结果出现在窗口中并能采用标准的Windows技术对操作结果进行处理。
EViews还拥有强大的命令功能和批处理语言功能。
在EViews的命令行中输入、编辑和执行命令。
在程序文件中建立和存储命令，以便在后续的研究项目中使用这些程序。
EViews是Econometrics Views的缩写，直译为计量经济学观察，通常称为计量经济学软件包，是专门从事数据分析、回归分析和预测的工具，在科学数据分析与评价、金融分析、经济预测、销售预测和成本分析等领域应用非常广泛。
应用领域■ 应用经济计量学■ 总体经济的研究和预测■ 销售预测■ 财务分析■ 成本分析和预测■ 蒙特卡罗模拟■ 经济模型的估计和仿真■ 利率与外汇预测EViews引入了流行的对象概念，操作灵活简便，可采用多种操作方式进行各种计量分析和统计分析，数据管理简单方便。
其主要功能有：（1）采用统一的方式管理数据，通过对象、视图和过程实现对数据的各种操作；（2）输入、扩展和修改时间序列数据或截面数据，依据已有序列按任意复杂的公式生成新的序列；（3）计算描述统计量：相关系数、协方差、自相关系数、互相关系数和直方图；（4）进行T 检验、方差分析、协整检验、Granger 因果检验；（5）执行普通最小二乘法、带有自回归校正的最小二乘法、两阶段最小二乘法和三阶段最小二乘法、非线性最小二乘法、广义矩估计法、ARCH 模型估计法等；（6）对选择模型进行Probit、Logit 和Gompit 估计；（7）对联立方程进行线性和非线性的估计；（8）估计和分析向量自回归系统；（9）多项式分布滞后模型的估计；（10）回归方程的预测；（11）模型的求解和模拟；（12）数据库管理；（13）与外部软件进行数据交换EViews可用于回归分析与预测(regression and forecasting)、时间序列(Time Series)以及横截面数据(cross-sectional data )分析。
Eviews处理多元回归分析操作步骤
操作步骤1.建立工作文件(1)建立数据的exel电子表格（2）将电子表格数据导入eviewsFile-open-foreign data as workfile，得到数据的Eviews工作文件和数据序列表。
2.计算变量间的相关系数在窗口中输入命令：cor coilfuture dow shindex nagas opec ueurope urmb，点击回车键，得到各序列之间的相关系数。
结果表明Coilfuture数列与其他数列存在较好的相关关系。
3.时间序列的平稳性检验（1）观察coilfuture序列趋势图在eviews中得到时间序列趋势图，在quick菜单中单击graph，在series list对话框中输入序列名称coilfuture，其他选择默认操作。
图形表明序列随时间变化存在上升趋势。
（2）对原序列进行ADF平稳性检验quick-series statistics-unit root test，在弹出的series name对话框中输入需要检验的序列的名称，在test for unit root in 选择框中选择level，得到原数据序列的ADF检验结果，其他保持默认设置。
得到序列的ADF平稳性检验结果，检测值0.97大于所有临界值，则表明序列不平稳。
以此方法，对各时间序列依次进行ADF检验，将检验值与临界值比较，发现所有序列的检验值均大于临界值，表明各原序列都是非平稳的。
（3）时间序列数据的一阶差分的ADF检验quick-series statistics-unit root test，在series name对话框中输入需要检验的序列的名称，在test for unit root in 选择框中选择1nd difference，对其一阶差分进行平稳性检验，其他保持默认设置。
得到序列的ADF平稳性检验结果，检测值-7.8远小于所有临界值，则表明序列一阶差分平稳。
以此方法，对各时间序列的一阶差分依次进行ADF检验，将检验值与临界值比较，发现所有序列的检验值均小于临界值，表明各序列一阶差分都是平稳的。
Eviews实验课讲义_3一元多元线性回归-上机课
第三课一元及多元线性回归模型一元线性回归模型一、做两个变量的散点图，从而看两个变量是否具有线性关系。
案例数据：1985-2002年我国人均钢产量与人均GDP的时间序列数据（数据3_1_1）。
操作方法：通过序列组的形式右键单击打开后，在group窗口下view——graph---scatter，通过对散点图结同样的操作可以检验其它案例数据（3_1_2和3_1_3）的特征：案例数据2、3、4、5：10个家庭人均收入与消费支出的横截面数据；1978-2000年中国人均消费模型；1978年-2008年北京市城镇居民年家庭收入和年消费性支出数据（case1_1的数据）； 1970年-1980年美国的咖啡平均真实零售价格（每磅美元）与消费量（每人每日杯数）（其中，零售价格是已经经过物价调整的）二、通过建立方程对象的方式来估计一个方程，并保存我们建立的方程对象。
Workfile窗口下建立新的对象---equation对象并命名，在equation estimation 窗口下的specification 选项卡下的equation specification对话框中设置因变量、自变量及常数项，在estimation settings对话框中注意：建模途径：command: quick\estimation equation回车，或object\equation object,设置。
命令行形式：（1）列表法：consp c gdpp 或（2）公式法：consp=c(1)+c(2)*gdpp三、方程估计结果的解释、评价及模型检验（拟合优度评价，估计参数和方程的显著性检验）消费方程中，C为自发性消费，x（gdpp）的系数为经济参数，关注其意义；通过拟合优度、调整后的拟合优度、t统计量后的精确显著性水平p（相伴概率）；f统计量的p来判断对原假设接受与否四、在回归估计结果中显示方程的三种形式（即估计命令，回归方程的一般表达式，带有系数估计值的表达式）Estimation Command:LS GDPP STEELP CEstimation Equation:GDPP = C(1)*STEELP + C(2)Substituted Coefficients:GDPP = *STEELP - 3394.五、如何查看因变量的实际值、拟合值和回归方程的残差（包括表的形式和图的形式）通过方程窗口下的view去实现实际值、拟合值和回归方程的残差；单独显示残差及标准化后的对于案例数据1978年-2008年北京市城镇居民年家庭收入和年消费性支出数据，进行样本内与外的预测。
第三讲 eviews多元线性回归模型
例3.4.1
根据表3.4.1给出的1980-2003年间总产出(用国内生产
总值 GDP 度量，单位：亿元 ) ，劳动投入 L( 用从业人员度量，单位 为万人 )，以及资本投入 K( 用全社会固定投资度量，单位：亿元 )。 表3.4.1 1980-2003年中国GDP、劳动投入与资本投入数据
年份 1980 1981 1982 1983 1984 1985 1986
用t统计量进行回归参数的显著性检验，其具体过程如下：
借助于计量经济软件EViews 对表 3.1.1 中的样本回归方程的系数作显著 性检验:
至此，我们已全面分析了例3.1.1所提出的问题。现将从例3.1.1的回
归分析结果整理如下：
3.3 多元线性回归模型的预测
3.3.1 点预测
点预测就是根据给定解释变量的值，预测相应的被解释变量的一个可能 值。设多元线性回归模型为:
3.4.2 非线性化模型的处理方法
无论通过什么变换都不可能实现线性化，这样的模型称为非线性化模 型。对于非线性化模型，一般采用高斯——牛顿迭代法进行估计，即将其展 开成泰勒级数之后，再利用迭代估计方法进行估计。
3.4.3 回归模型的比较
1．图形观察分析
(1)观察被解释变量和解释变量的趋势图。
(2)观察被解释变量与解释变量的相关图。
3.2.1 拟合优度检验
拟合优度是指样本回归直线与观测值之间的拟合程度。 1．多重决定系数
总离差平方和=残差平方和+ 回归平方和 自由度: （n-1）= （n-k-1）+ k ESS：由回归直线（即解释变量）所解释的部分，表示x对y的线性影响。 RSS：是未被回归直线解释的部分，由解释变量x对y影响以外的因素而造成的。
- 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)。
第三章多元线性回归模型
案例分析
一、研究目的
1提出问题：研究中国税收收入增长的主要原因(必须要有研究的意义，且具创新价值)
2分析问题：从宏观经济看经济增长是税收增长的源泉；公共财政的需求；物价水平；税收政策（要注重经济理论的相关性和逻辑性）二、模型设定
1被解释变量：为了全面反映中国税收增长的全貌，选择包括中央和地方的的“国家财政收入”中的各项税收作为被解释变量
2解释变量：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，而由于财政体制的改革难以量化，且1985年后财税体制改革对税收增长影响不是很大，故暂不考虑。
3设定线性模型为：
Y t= β1+β2X2t+β3 X3t+β4 X4t +u t注：X1默认为1
4经济理论构造成功之后，即着手收集数据资料（这要借助统计学的知识进行整理，并不是什么数据都可以直接拿来用。
首先，数据来源的权威性，即必须保证数据的准确可靠性，不能随意捏造，其次，数据的合理分类，最后是数据的合理运用）
附：数据
三、估计参数
利用eviews3.0进行分析
1建立工作文件
新建工作文档：file-new-workfile，在打开的workfile range 对话框中的workfile frequency 中选择annual，start date 输入1978，end date输入2002，点击ok。
2输入数据
直接在命令窗口输入“data Y X2 X3 X4 、、、”
本案例中输入data Y X2 X3 X4然后是将excel中的数据复制过来，并点击name命名GROUP01。
3估计参数
直接在命令窗口输入“LS Y C X2 X3 X4 、、、”。
LS是做最小二乘估计的命令，Y为被解释变量，C为截距项，X为解释变量，注意LS Y C X之间要有空格，被解释变量紧接在命令LS之后。
本案例中输入LS Y C X2 X3 X4 本题中得到下表，点击name 命名eq01。
Dependent Variable: Y
Method: Least Squares
Date: 11/25/12 Time: 17:38
Sample: 1978 2002
Included observations: 25
C -2582.791 940.6128 -2.745860 0.0121
X2 0.022067 0.005577 3.956605 0.0007
X3 0.702104 0.033236 21.12466 0.0000
R-squared 0.997430 Mean dependent var 4848.366
Adjusted R-squared 0.997063 S.D. dependent var 4870.971
S.E. of regression 263.9599 Akaike info criterion 14.13512
Sum squared resid 1463172. Schwarz criterion 14.33014
Log likelihood -172.6890 F-statistic 2717.238
Durbin-Watson stat 0.948542 Prob(F-statistic) 0.000000
Variable 变量
Coefficient 系数
Std. Error标准差
t-Statistic t统计量Prob t统计量的p值
R-squared 可决系数Adjusted R-squared 修正的可决系数S.E. of regression 扰动项标准差
Sum squared resid 残差平方和Log likelihood 似然函数对数值
Durbin-Watson stat DW统计量Mean dependent var 被解释变量样本均值S.D. dependent var 被解释变量样本标准差
Akaike info criterion AIC准则Schwarz criterion SC准则
F-statistic F统计量Prob(F-statistic) F统计量的p值
四、模型检验
1经济意义检验：主要是看模型中估计的参数与理论分析、经验判断是不是相一致。
本题中模型估计为，在其他条件不变情况下，当年国内生产总值（亿元）、财政支出（亿元）、商品零售物价指数（%）等分别每增长1单位，税收收入就会分别增长0.022067亿元、0.702104亿元、23.98541亿元。
2统计检验：
（1）拟合优度—参考指标R-squared 和Adjusted R-squared ，在实际的计量分析中，往往希望这两个指标越大越好，但这是说明列入模型中的解释变量对被解释变量的联合影响程度越大，并非说明模型中的各个解释变量对被解释变量的联合影响程度也大。
故在选择模型时不能单纯以可决系数判定模型优劣，有时为了通盘考虑模型的可靠性及经济意义，可适当降低可决系数的要求。
本题中R2=0.997430，=R 0.997063，说明模型对对样本的拟合好。
（2）F 检验
方法一：比较样本F 值和F 临界值
若样本F 值大于F 临界值，则拒绝原假设，说明回归方程显著； 若样本F 值大于F 临界值，则不能拒绝原假设，说明回归方程不显著。
本题中针对H 0：β2=β3=β4=0，给定显著性水平α=0.05，在F 分布表中查出自由度为k-1=3和n-k=21（n=25，k=4）的临界值为
07
.3)21,3(=∂F ，而样本F 值为2717.238，远远大于F 临界值，拒绝原
假设，说明回归方程显著，即国内生产总值、财政支出、商品零售物价指数等变量联合起来对税收收入有显著影响。
方法二： P 值检验法
X2、X3、X4对应的P 值为Prob(F-statistic)=0.0000，远小于给定的α=0.05，故拒绝原假设。
（3）t 检验
方法一：比较样本t 值和t 临界值 分别针对H 0:
=j
β
(j=1,2,3,4),给定显著性水平α=0.05，查t 分布
表得自由度为n-k=21临界值=-∂)(2/k n t 2.07961 ，由回归得出与
4
321ˆˆˆˆββββ、、、对应的t 统计量分别为-2.745860、 3.956605 、
21.12466、 2.744859，其绝对值均大于t 临界值，也就是说在其他条件不变情况下，国内生产总值、财政支出、商品零售物价指数等变量分别对税收收入有显著影响。
方法二： P 值检验法
X2、X3、X4的t 统计量对应的P 值分别为0.0121 、0.0007 、0.0000 、0.0121，远小于给定的α=0.05，故拒绝原假设。
也就是说在其他条件不变情况下，国内生产总值、财政支出、商品零售物价指数等变量分别对税收收入有显著影响。