项目三(多元线性回归预测)

1、实 验（实训）报 告项 目 名 称 多元线性回归预测 所属课程名称 统计预测与决策 项 目 类 型 实验(实训)日期 班 级 13经济统计 学 号 130112500105 姓 名 陈亦峰 指导教师 陈玉娟 浙江财经大学教务处制一、实验（实训）概述：【目的及要求】目的：掌握多元线性回归模型的建模方法和应用，多重共线性处理。要求：能进行相关分析与描述统计分析，掌握多元线性回归模型【基本原理】普通最小二乘法、t检验、拟合优度检验、预测【实施环境】（使用的材料、设备、软件） Eviews二、实验（实训）要求：（一）搜集数据（国家统计局、各省统计局网站或者统计年鉴）人才需求总量（HR）受到许多经济变量

2、和社会变量的影响，如国内生产总值（GDP）、总人口（POP）、固定资产投资（FAI）、财政收入（FR）、地方财政收入（LFR）、职工工资总额（TW）、从业人员数（EMP）、社会消费品零售总额（CON）、科教文卫事业费支出额（EPO）、高等院校在校学生人数（STU）等。收集19782013年相关数据再如，考察我国1980-2013年被解释变量国债发行总量（DEBT，亿元）与选择3个解释变量，财政赤字额（DEF,亿元），国内生产总值（GDP,百亿元），年还本付息额（REPAY,亿元）是否存在线性关系。（二）建立数据工作文件和序列，录入数据进行相关分析和描述统计分析（三）构建多元线性回归模型，并进行

3、检验（四）逐步回归解决多重共线性三、实验步骤（列出操作时的主要步骤）1，搜集数据2，建立工作文件和序列，录入数据运行Eviews，依据路径file-new，打开工作文件建立对话框；选择数据类型和时间频率，在开始start和end 框填写1978与2013，并对工作文件进行命名hf,点击OK，完成工作文件建立。输入“data y x1 x2 x3”，导入数据。3，数据统计与图像在组窗口下依据路径view-descripritive stats-common sample，输出各个变量的统计描述表格。在组窗口下，依据路径view-graph，输出各序列的图象。4，模型构建通过分析，构建如下实验模型

4、：5，模型参数估计在主菜单依据路径：quick-estimate equation，进入模型设定对话框。在模型设定对话框输入模型，或者“y c x1 x2 x3”选择“LS”作为估计方法。6，模型预测评估通过方程界面的菜单“forecast”，进行预测分析。7,多重共线性诊断8，计算解释变量间的相关系数：操作模式：将下x1-x6同组打开，选择view-covariance analysis-对话框勾选correlation，得到相关系数矩阵。9,多重共线性的消除采用逐步回归的办法，去检验和解决多重共线性问题。分别作Y对x1,x2和x3的一元回归。按R2的大小排序为：X1,X3,X2以X1为基础

5、，顺次加入其他变量逐步回归。10，计算方差膨胀因子来诊断View->Coefficient Diagnostics->Vif四、实验结论（按照项目内容的要求，以上述顺序分别列出输出结果和做出相应的分析）1，搜集数据如下：指标全国公共财政支出全国公共财政收入国内生产总值社会消费品零售总额地区全国全国全国全国频度年年年年单位亿元亿元亿元亿元19781122.091132.263650.171558.619791281.791146.384067.67180019801228.831159.934551.58214019811138.411175.794898.1523501982122

6、9.981212.335333.05257019831409.521366.955975.592849.419841701.021642.867226.263376.419852004.252004.829039.95430519862204.912122.0110308.76495019872262.182199.3512102.18582019882491.212357.2415101.07744019892823.782664.917090.338101.419903083.592937.118774.328300.119913386.623149.4821895.539415.6199

7、23742.23483.3727068.3210993.719934642.34348.9535524.3514270.419945792.625218.148459.6418622.919956823.726242.261129.823613.819967937.557407.9971572.3228360.219979233.568651.1479429.4831252.9199810798.189875.9584883.6933378.1199913187.6711444.0890187.7435647.9200015886.513395.2399776.2539105.72001189

8、02.5816386.04110270.3643055.4200222053.1518903.64121002.0448135.9200324649.9521715.25136564.6452516.3200428486.8926396.47160714.4259501200533930.2831649.29185895.7667176.6200640422.7338760.2217656.5976410200749781.3551321.78268019.3589210200862592.6661330.35316751.75114830.1200976299.9368518.3345629

9、.23132678.4201089874.1683101.51408902.95156998.432011109247.79103874.43484123.5183918.62012125952.97117253.52534123.04210306.982013140212.1129209.64588018.76242842.832，录入数据如下：3，模型参数估计结果：4，预测与评估：图形与参数5，实验总结：通过实验，本模型的拟合结果如下：Yt=-397.7435+0.9058X1-0.078356X2+0.2928x36,多重共线性诊断：t、F、R2诊断。注意到前述模型OLS估计的F2407

10、4.45;调整后的R20.999516。R2高，F检验显著,表明各个自变量作为整体对y的影响是显著的；但是，常数项的t检验不显著这暗示了本模型可能存在多重共线性问题。即由于解释变量共线性（较强的相关性），使得不能分解出各个解释变量对y的独立影响。7，相关系数矩阵如下：由表可以看出，x3与其他变量间存在较高的相关系数，因此可以怀疑解释变量间存在多重共线问题。8，多重共线性的消除对y对x1的一元回归：做y对x2的一元回归：做y对x3的一元回归：变量X1X2X3参数估计值82.75440-3660.827-3485.304t 统计量161.572351.8096969.88815 R20.9986990.9874920.993087