1-EVIEWS基础与多元线性回归.doc

EVIEWS基础与多元线性回归模型一、实验名称和性质所属课程计量经济学实验名称多元线性回归模型的估计和检验实验学时2实验性质验证 综合 设计必做/选做必做 选做二、实验目的(1) 熟悉EViews软件在多元回归模型中的基本使用功能；(2) 掌握多元线性回归模型中回归参数的OLS估计方法；(3) 掌握多元线性回归模型中回归参数的t检验方法；(4) 掌握多元线性回归模型中回归方程的F检验方法；(5) 掌握多元线性回归模型中回归方程的预测方法。三、实验的软硬件环境要求硬件环境要求：金融数学实验室，计算机网络设备，需要连接Internet使用的软件名称、版本号以及模块带Windows操作系统以及EViews应用演示四、知识准备前期要求掌握的知识：了解EViews软件在多元回归模型中的基本功能，熟悉多元线性回归模型的基本假设，基本理论。实验相关理论或原理：(1)理解多元元线性模型的以下基本假设：（a）解释变量不是随机变量；（b）误差项的均值为零；（c）误差项同方差性、无序列相关性；（d）解释变量之间无关。 (2)掌握多元回归分析中的普通最小二乘法（OLS）的统计思想和EViews实现。(3) 掌握模型统计检验：（a）拟合优度检验;（b）变量的显著性检验(t检验)；（c）即方程的显著性检验（F检验）。 (4) 掌握模型统计模型的预测。实验流程：多元线性回归模型假设多元线性回归模型参数估计多元线性回归模型统计检验多元线性回归模型预测五、实验材料和原始数据数据来源：李子奈计量经济学（第二版）P.77表3.5.1年份xX1GPFPXCQP0P11981456.8420.4102.5102.7646.1318.370.7132.11982471432.1102102.1659.132571.5132.91983505.9464102103.7672.233775.3137.71984559.4514.3102.7104690.4350.581146.71985673.2351.4111.9116.5772.6408.487.186.11986799418.9107107.2826.6437.896.795.71987884.4472.9108.8112899.4490.398.396.519881104567120.7125.21085.5613.8101.792.419891211660116.3114.41262.5702.295.99419901278.9693.8101.398.81278.9693.810010019911453.8782.5105.1105.41344.1731.3108.210719921671.7884.8108.6110.71459.7809.5114.5109.319932110.81058.2116.1116.51694.7943.1124.6112.219942851.31422.5125134.22118.41265.6134.6112.419953537.61766116.8123.62474.31564.3143112.919963919.51904.7108.8107.926921687.9145.6112.819974185.61942.6103.1100.12775.51689.6150.811519984331.61926.999.496.92758.91637.2157117.719994615.91932.198.795.727231566.8169.5123.3200049981958.3100.897.62744.81529.2182.1128.1200153092014100.7100.727641539.3192.1130.8六、实验要求和注意事项能用EViews软件完成多元线性回归模型的参数的估计、检验和模型的预测。能对数据做一些初步分析，并能以表格形式体现。并对软件输出的结果能做初步分析。七、实验内容及步骤(一)加载工作文件。(1)建立工作文件的方法是点击File/New/Workfile,选择新建对象类型为工作文件，选择数据类型和起止日期，建立工作文件，建立新序列，建立空组。创建八个序列X、X1、GP、FP、XC、Q、P0和P1,并输入数据。，进入界面后输入数据如图21所示。图21(二)选择方程（1）根据消费理论，居民对食品的消费需求函数为：。作散点图。分别将LOG(Q)对LOG(X), LOG(P0), LOG(P1)作散点图如22，23，24所示。从散点图可以得到，LOG(Q)与其他都不具有单一线性关系。 图22 图23 图24为了考察需求函数中零阶齐次性的特征，采用如下多元回归模型：将LOG(X), LOG(P0), LOG(P1)作为解释变量，LOG(Q)作为应变量进行三元线性回归分析。(1) 模型估计。方法如下：Object/New Object/Equation,得到如图25界面：图25点击ok得到如图26所示结果。图26故可得如下回归分析方程：(3)模型的检验。从回归估计的结果看，模型的拟合较好，可决系数，调整可决系数，明模型在整体上你和效果非常好。从显著性Prob值都较小(0.05),可知，变量和程都通过显著性检验。(4)应变量的预测。2002以当年价中国城镇居民人均消费支出为5709.31元，以1990年价测度的城镇居民消费支出价格缩减指数P0为194.6，城镇居民食品消费支出价格缩减指数P1为135.6,则人均食品消费支出Q的预测点估计值为：七、根据实验案例过程完成教材P105 11的报告（数据如下表），并以作业的形式提交BB平台的作业项作业1。序号对某商品的消费支出Y商品单价X1家庭月收入X21591.9 23.56 76202654.5 24.44 91203623.6 32.07 10670