《计量经济学》eviews实验报告多元线性回归模型
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。
EViews计量经济学实验报告-多重共线性的诊断与修正的讨论
实验题目 多重共线性的诊断与修正一、实验目的与要求：要求目的：1、对多元线性回归模型的多重共线性的诊断；2、对多元线性回归模型的多重共线性的修正。
二、实验内容根据书上第四章引子“农业的发展反而会减少财政收入”，1978－2007年的财政收入，农业增加值，工业增加值，建筑业增加值等数据，运用EV 软件，做回归分析，判断是否存在多重共线性，以及修正。
三、实验过程：（实践过程、实践所有参数与指标、理论依据说明等）（一）模型设定及其估计经分析，影响财政收入的主要因素，除了农业增加值，工业增加值，建筑业增加值以外，还可能与总人口等因素有关。
研究“农业的发展反而会减少财政收入”这个问题。
设定如下形式的计量经济模型：i Y =1β+2β2X +3β3X +4β4X +5β5X +6β6X +7β7X +i μ其中，i Y 为财政收入CS/亿元；2X 为农业增加值NZ/亿元；3X 为工业增加值GZ/亿元；4X 为建筑业增加值JZZ/亿元；5X 为总人口TPOP/万人；6X 为最终消费CUM/亿元；7X 为受灾面积SZM/千公顷。
图1： 1978～2007年财政收入及其影响因素数据年份财政收入CS/亿元 农业增加值NZ/亿元 工业增加值GZ/亿元 建筑业增加值JZZ/亿元总人口TPOP/万人最终消费CUM/亿元受灾面积SZM/千公顷 1978 1132.3 1027.5 1607 138.2 96259 2239.1 50790 1979 1146.4 1270.2 1769.7 143.8 97542 2633.7 39370 1980 1159.9 1371.6 1996.5 195.5 98705 3007.9 44526 1981 1175.8 1559.5 2048.4 207.1 100072 3361.5 39790 1982 1212.3 1777.4 2162.3 220.7 101654 3714.8 33130 1983 1367 1978.4 2375.6 270.6 103008 4126.4 34710 1984 1642.9 2316.1 2789 316.7 104357 4846.3 31890 1985 2004.8 2564.4 3448.7 417.9 105851 5986.3 44365 1986 2122 2788.7 3967 525.7 107507 6821.8 47140 1987 2199.4 3233 4585.8 665.8 109300 7804.6 42090 1988 2357.2 3865.4 5777.2 810 111026 9839.5 50870 1989 2664.9 4265.9 6484 794 112704 11164.2 46991 1990 2937.1 5062 6858 859.4 114333 12090.5 38474 1991 3149.48 5342.2 8087.1 1015.1 115823 14091.9 55472 1992 3483.37 5866.6 10284.5 1415 117171 17203.3 51333 1993 4348.95 6963.8 14188 2266.5 118517 21899.9 48829 1994 5218.1 9572.7 19480.7 2964.7 119850 29242.2 55043 19956242.2 12135.8 24950.6 3728.8 12112136748.2458211996 7407.99 14015.4 29447.6 4387.4 122389 43919.5 46989 1997 8651.14 14441.9 32921.4 4621.6 123626 48140.6 53429 1998 9875.95 14817.6 34018.4 4985.8 124761 51588.2 50145 1999 11444.08 14770 35861.5 5172.1 125786 55636.9 49981 2000 13395.23 14944.7 40036 5522.3 126743 61516 54688 2001 16386.04 15781.3 43580.6 5931.7 127627 66878.3 52215 2002 18903.64 16537 47431.3 6465.5 128453 71691.2 47119 2003 21715.25 17381.7 54945.5 7490.8 129227 77449.5 54506 2004 26396.47 21412.7 65210 8694.3 129988 87032.9 37106 2005 31649.29 22420 76912.9 10133.8 130756 96918.1 38818 2006 38760.2 24040 91310.9 11851.1 131448 110595.3 41091 2007 51321.78 28095 107367.2 14014.1 132129 128444.6 48992利用EV 软件，生成i Y 、2X 、3X 、4X 、5X 、6X 、7X 等数据，采用这些数据对模型进行OLS 回归。
计量经济学多元线性回归、多重共线性、异方差实验报告讲解
计量经济学实验报告多元线性回归、多重共线性、异方差实验报告一、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Y=β0+β1X1+β2X2+β3X3+β4X4+Ut参数说明：Y ——旅游景区营业收入/万元X1——旅游业从业人员/人X2——旅游景区固定资产/万元X3——旅游外汇收入/万美元X4——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）数据来源：1.中国统计年鉴2012，2.中国旅游年鉴2012。
三、参数估计利用Eviews6.0做多元线性回归分析步骤如下：1、创建工作文件双击Eviews6.0图标，进入其主页。
计量经济实验报告多元(3篇)
第1篇一、实验目的本次实验旨在通过多元线性回归模型，分析多个自变量与因变量之间的关系，掌握多元线性回归模型的基本原理、建模方法、参数估计以及模型检验等技能，提高运用计量经济学方法解决实际问题的能力。
二、实验背景随着经济的发展和社会的进步，影响一个变量的因素越来越多。
在经济学、管理学等领域，多元线性回归模型被广泛应用于分析多个变量之间的关系。
本实验以某地区居民消费支出为例，探讨影响居民消费支出的因素。
三、实验数据本实验数据来源于某地区统计局，包括以下变量：1. 消费支出（Y）：表示居民年消费支出，单位为元；2. 家庭收入（X1）：表示居民家庭年收入，单位为元；3. 房产价值（X2）：表示居民家庭房产价值，单位为万元；4. 教育水平（X3）：表示居民受教育程度，分为小学、初中、高中、大专及以上四个等级；5. 通货膨胀率（X4）：表示居民消费价格指数，单位为百分比。
四、实验步骤1. 数据预处理：对数据进行清洗、缺失值处理和异常值处理，确保数据质量。
2. 模型设定：根据理论知识和实际情况，建立多元线性回归模型：Y = β0 + β1X1 + β2X2 + β3X3 + β4X4 + ε其中，Y为因变量，X1、X2、X3、X4为自变量，β0为截距项，β1、β2、β3、β4为回归系数，ε为误差项。
3. 模型估计：利用统计软件（如SPSS、R等）对模型进行参数估计，得到回归系数的估计值。
4. 模型检验：对估计得到的模型进行检验，包括以下内容：（1）拟合优度检验：通过计算R²、F统计量等指标，判断模型的整体拟合效果；（2）t检验：对回归系数进行显著性检验，判断各变量对因变量的影响是否显著；（3）方差膨胀因子（VIF）检验：检验模型是否存在多重共线性问题。
5. 结果分析：根据模型检验结果，分析各变量对因变量的影响程度和显著性，得出结论。
五、实验结果与分析1. 拟合优度检验：根据计算结果，R²为0.812，F统计量为30.456，P值为0.000，说明模型整体拟合效果较好。
Eviews多重共线性实验报告-V1
Eviews多重共线性实验报告-V1本文主要将Eviews多重共线性实验报告进行整理，旨在帮助读者更好地理解和应用多重共线性实验结果。
1. 研究背景多重共线性是指在回归模型中，自变量之间存在高度相关的情况。
这种相关关系会导致模型的不稳定性，降低模型的解释能力和预测能力。
因此，在进行回归分析时，需要对多重共线性进行检测和处理。
2. 数据来源和处理本次实验所使用的数据来自某公司销售数据，共有18个自变量和1个因变量。
在进行回归分析之前，需要对数据进行预处理。
首先，我们通过观察变量间的相关系数矩阵来初步判断是否存在多重共线性。
如果存在高度相关的自变量，可以考虑通过主成分分析等方法来降维，减少变量间的冗余。
本实验中，我们发现变量间的相关性较小，因此没有进行降维操作。
3. 模型建立我们采用逐步回归的方法建立回归模型，并对模型的适配度和稳定性进行评估。
首先，我们使用全模型（包含所有自变量）进行回归分析，并得到如下统计结果：R-squared：0.7767Adj. R-squared：0.7152F-statistic：12.38（显著）通过观察模型的系数，我们发现存在一些变量的系数非常大，而一些变量的系数非常小甚至为0，这也是多重共线性的表现之一。
为了进一步检验模型的稳定性和解释能力，我们采用逐步回归的方法进行变量筛选。
在此过程中，我们设置的入模标准是F统计量显著，出模标准是T统计量显著或P值小于0.05。
最终，我们得到了一个包含4个自变量的最优模型，其统计结果如下：R-squared：0.7224Adj. R-squared：0.6812F-statistic：17.69（显著）通过观察模型的系数，我们发现所有自变量的系数都显著，且大小合理。
这说明通过逐步回归的方法，我们成功地排除了多重共线性的影响，建立了一个具有较好稳定性和解释能力的模型。
4. 结论和建议在本实验中，我们成功地应用了Eviews工具，通过逐步回归的方法检验和处理多重共线性，建立了一个较为稳定和解释能力强的回归模型。
计量经济学Eviews多重共线性实验报告记录
计量经济学Eviews多重共线性实验报告记录————————————————————————————————作者：————————————————————————————————日期：实验报告课程名称计量经济学实验项目名称多重共线性班级与班级代码专业任课教师学号：姓名：实验日期：2014 年05 月11日广东商学院教务处制姓名实验报告成绩评语：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。
计量经济学实验报告一、实验目的：掌握多元线性回归模型的估计方法、掌握多重共线性模型的识别和修正。
二、实验要求：应用教材第127页案例做多元线性回归模型，并识别和修正多重共线性。
三、实验原理：普通最小二乘法、简单相关系数检验法、综合判断法、逐步回归法。
四、预备知识：最小二乘法估计的原理、t检验、F检验、2R值。
五、实验步骤1、选择数据理论上认为影响能源消费需求总量的因素主要有经济发展水平、收入水平、产业发展、人民生活水平提高、能源转换技术等因素。
为此，收集了中国能源消费标准煤总量、国民总收入、国内生产总值GDP、工业增加值、建筑业增加值、交通运输邮电业增加值、人均生活电力消费、能源加工转换效率等1985——2007年的统计数据。
本题旨在通过建立这些经济变量的线性模型来说明影响能源消费需求总量的原因。
主要数据如下：1985~2007年统计数据年份能源消费国民总收入国内生产总值工业增加值建筑业增加值交通运输邮电增加值人均生活电力消费能源加工转换效率y X1 X2 X3 X4 X5 X6 X7 1985766829040.7 9016 3448.7 417.9 406.9 21.3 68.29 198680850 10274.4 10275.2 3967 525.7 475.6 23.2 68.32 198786632 12050.6 12058.6 4585.8 665.8 544.9 26.4 67.48 198892997 15036.8 15042.8 5777.2 810 661 31.2 66.54 198996934 17000.9 16992.3 6484 794 786 35.3 66.51 199098703 18718.3 18667.8 6858 859.4 1147.5 42.4 67.2 1991103783 21826.2 21781.5 8087.1 1015.1 1409.7 46.9 65.9 1992109170 26937.3 26923.5 10284.5 1415 1681.8 54.6 66.00 1993115993 35260 35333.9 14188 2266.5 2205.6 61.2 67.32 1994122737 48108.5 48197.9 19480.7 2964.7 2898.3 72.7 65.2 1995131176 59810.5 60793.7 24950.6 3728.8 3424.1 83.5 71.05 1996138948 70142.5 71176.6 29447.6 4387.4 4068.5 93.1 71.5 1997137798 77653.1 78973 32921.4 4621.6 4593 101.8 69.23 1998132214 83024.3 84402.3 34018.4 4985.8 5178.4 106.6 69.44 1999133831 88189 89677.1 35861.5 5172.1 5821.8 118.2 69.19 2000138553 98000.5 99214.6 40033.6 5522.3 7333.4 132.4 69.04 2001143199 108068.2 109655.2 43580.6 5931.7 8406.1 144.6 69.03 2002151797 119095.7 120332.7 47431.3 6465.5 9393.4 156.3 69.04 2003174990 135174 135822.8 54945.5 7490.8 10098.4 173.7 69.4 2004203227 159586.7 159878.3 65210 8694.3 12147.6 190.2 70.71 2005223319 183956.1 183084.8 76912.9 10133.8 10526.1 216.7 71.08 2006 246270 213131.7 211923.5 91310.9 11851.1 12481.1 249.4 71.242007 265583 251483.2 249529.9 107367.2 14014.1 14604.1 274.9 71.25资料来源：《中国统计年鉴》，中国统计出版社2000、2008年版。
计量经济学实验报告---多元回归模型实验
2011－2012学年第1学期计量经济学实验报告实验（二）：多元回归模型实验(1)估计参数利用EViews6估计模型的参数，方法是：1、建立工作文件：首先，双击EViews6图标，进入EViews6主页。
在菜单一次点击File\New\Workfile，出现对话框“Workfile Create”。
在“Workfile structure type ”中选择数据频率：Datad-regular frequency.在“Data specification”中Start data输入“1980”,在End data中输入“2002”点击“ok”出现“Workfile UNTITLED”工作框。
其中已有变量：“c”—截距项“resid”—剩余项。
2、Eviews命令：data y x p1 p2 p3 回车，输入数据，得到如图：图2-1 数据的输入3.对数据进行回归分析，eviews命令：LS Y C X P1 P2 P3图2-2根据上图，模型的估计的结果为：lnY=3.616+0.001lnX-0.506lnP1+0.119lnP2+0.048lnP3(0.450) (0) (0.162) (0.086) 0.051)t=(0.805) (4.652) (-3.115) (1.388) (0.942)R2=0.940 2 r=0.926 F=70.105(2)作对家庭人均鸡肉年消费量Y与猪肉价格P2、牛肉价格P3的散点图，图2-3和图2-4图2-3 图2-4图2-3 家庭人均鸡肉年消费量Y与猪肉价格P2的散点图图2-4 家庭人均鸡肉年消费量Y与牛肉价格P3的散点图由上面两张图可知都呈现线性关系，建立线性回归方程：i i i u X X Y +++=22110i βββi=1,2, .....,23 输入LS Y C P2 P3,用eviews6进行估计的输出结果如图：模型的估计结果为： Y=2.111+0.168P2+0.031P3（0.371）（0.060）（0.077） t=(5.689) (2.813) (0.402)R 2=0.834 2-r =0.817 F=50.150模型检验：①经济意义检验该地区家庭人均鸡肉消费量与鸡肉价格和牛肉价格成正相关，当牛肉价格不变时，猪肉价格上涨1单位，该地区家庭人均鸡肉消费量增加0.168单位；当猪肉价格不变时，牛肉价格上涨1单位，该地区家庭人均鸡肉消费量增加0.031单位，与猪肉价格成更大正相关关系符合一般情况。
Eviews多重共线性实验报告(1)
Eviews多重共线性实验报告(1)Eviews多重共线性实验报告1. 实验背景多重共线性是指在回归分析中，自变量之间存在高度相关，导致回归系数的不稳定性和误差方差的增大。
在实践中，多重共线性是经济预测分析的重要问题，如何诊断和处理多重共线性是经济学研究中的重要课题。
2. 实验目的通过Eviews软件进行多重共线性诊断，掌握运用Eviews软件解决多重共线性问题的技巧，提高经济预测和分析的准确度和可靠性。
3. 实验流程（1）收集所需要进行回归分析的数据。
（2）在Eviews中建立回归模型，运行回归分析。
（3）通过Eviews的诊断功能，检验回归模型中自变量之间的线性相关。
（4）运用Eviews的多重共线性处理方法，解决自变量之间的多重共线性问题。
4. 实验结果（1）通过Eviews的诊断功能，我们可以得到多重共线性诊断报告，其中显示了变量之间的相关系数矩阵、方差膨胀因子（VIF）、条件指数（CI）、特征值（eigenvalue）、特征向量（eigenvector）等诊断指标。
通过观察相关系数矩阵和VIF，我们可以发现是否存在高度相关的自变量。
当VIF大于10时，就表明存在多重共线性。
（2）如果诊断报告中存在多重共线性问题，我们可以通过Eviews中的多重共线性处理方法解决。
其中包括删除相关系数较高的变量、采用主成分回归法、采用岭回归等方法，具体方法应根据实际情况来选择。
5. 实验结论通过Eviews的多重共线性诊断和处理，我们可以更加准确地进行回归分析，避免了多重共线性所带来的偏误和不稳定性。
在实际应用中，我们应根据具体情况选择适当的处理方法，以得到更加可靠的预测结果。
- 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)。
从回归估计结果看出，模型拟合优度较好。可决系数为0.984503，表明北京人均汽车拥有量变化的98.45%可用城镇居民人均收入和城镇居民人口总数表示。
从回归模型F的检验值384.1804，对应的p值为0.000000.说明模型整体上高度显著、
4.可纳入模型的因素
全国车产量对人均汽车拥有量的影响;全国公路里程对人均汽车拥有量的影响。
2006
239.12
1199.96
19977.5
2007
273.36
1216.25
21988.5
2பைடு நூலகம்08
313.68
1232.28
24724.9
2009
368.11
1247.52
26738.5
2010
449.72
1258
29072.9
2011
470.53
1277.92
32903
2012
493.56
1297.46
《计量经济学》实验报告多元线性回归模型
一、实验内容
建立2000-2014年北京市民用汽车拥有量模型。
调查北京市民用汽车拥有量数据见表1。观测变量分别是民用汽车拥有量yt(万辆),北京市年末人口数x1t（万人）和城镇人均可支配收入x2t（千元）。
表1某城市拥有量样本数据
t
yt(拥有量)
x1t（年末人数）
三、实验步骤（简要写明实验步骤）
（1）建立二元线性回归销售模型
（2）预测
在上方输入ls y c x3 x4回车得到下图
在回归方程中有Forecast，残差立为yfse，点击ok后自动得到下图
在上方空白处输入ls y c x3 x4---之后点击proc中的forcase中se输入yfse点击ok得到2015预测值
四、实验结果及分析（将本问题的回归模型写出，并作出统计检验，经济意义检验,思考还有哪些可纳入模型的因素）
1.回归模型
=-135560.3+11.52389x +128.0176x
2.经济意义检验
模型结果表明在其他条件保持不变的情况下，北京城镇居民人均收入每增加1千元，人均汽车拥有量平均增加128.02辆。北京城镇人口总数增加1万人，人均汽车拥有量增加11,52辆。
x2t（人均收入）
2000
104.12
1113.53
10349.7
2001
114.47
1127.89
11577.8
2002
133.93
1142.83
12463.9
2003
163.07
1154.06
13882.6
2003
182.42
1167.76
15637.8
2005
182.42
1184.14
17653
36468.8
2013
517.11
1316.34
40321
2014
530.83
1333.4
43910
要求：
（1）试建立二元线性回归销售模型。
（2）考虑北京地区有人口万人，人均年收入为元，试北京市汽车拥有量做出预测。
二、实验目的
掌握多元线性回归模型的原理，多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。