实验三多元线性回归与非线性回归

1、实验三 多元线性回归与非线性回归实验目的：1、 学会多元线性回归的参数估计方法；2、 掌握多元线性回归的检验方法，包括拟合优度检验、F检验和t检验，尤其是掌握调整的判断系数和F检验的内容；3、 掌握非线性回归的参数估计方法，尤其是能够利用EViews软件进行参数估计。 实验内容：1、下表列出了某地区家庭人均鸡肉年消费量与人均可支配收入、鸡肉价格、猪肉价格的相关数据，试利用这些资料，设定适当的模型进行回归分析。年度（千克）（元）（元千克）（元千克）19892.783974.225.0719902.994133.815.219912.984394.035.419923.084593.955.531

2、9933.124923.735.4719943.335283.816.3719953.565603.936.9819963.646243.786.5919973.676663.846.4519983.847174.017.0019994.047683.867.3220004.038433.986.7820014.189113.977.9120024.049315.219.5420034.0710214.899.4220044.0111655.8312.3520054.2713495.7912.9920064.4114495.6711.7620074.6715756.37713.0920085.

3、0617596.1612.9820095.0119915.8912.8020105.1722586.6414.10解：先在Eviews中导入数据，如下： 计算家庭人均鸡肉年消费量与人均可支配收入、鸡肉价格、猪肉价格的相关系数，在命令窗口中输入cor y x p1 p2，得到相关系数矩阵： 从图中可以看出，家庭人均鸡肉年消费量与人均可支配收入、猪肉价格呈高度正相关，而与鸡肉价格线性关系稍弱，表明线性模型在解释他们的关系式是比较适合的; 建立模型（objects/new objects）： 得到结果： 得到估计方程y=3.905598+0.001202x-0.593802p1+0.187298p2

4、，R2和adjusted R2接近于1 ，说明模型的拟合效果好。2、为了度量投资和劳动投入之间的替代弹性，当今著名的CES（恒定替代弹性）模型形式设定为其中，表示单位劳动的附加值，表示投入的劳动，表示实际工资率。系数表示劳动与资本之间的替代弹性。用下表给出的数据，验证估计的弹性是1.324，并且它和1在统计上无显著差异。工业行业小麦面粉3.69732.9617食糖3.47952.8532涂料与油漆4.00043.1158水泥3.66093.0371玻璃3.23212.8727陶瓷3.34182.9745三夹板3.43082.8287棉纺品3.31583.0888毛纺品3.50623.0086大

5、麻纺织3.23522.9680化纤3.88233.0909铝制品3.70393.0881铁与钢3.77163.2256自行车3.66013.1025缝纫机3.75543.1354导入数据：因为有两个变量，所以把C改成两个得到结果：该模型的弹性是1.324113步骤一：导入数据。在主菜单上执行命令：“file”“open”“eviews workfile”，跳出对话框，选择数据文件所在的位置，点击“完成”，导入数据完成。步骤二：有题意可知，该模型是非线性的，由于有两个变量，打开c数据，点击“edit+/-”，修改R1、R2上的数字为“1”.步骤三：建立模型在主菜单执行命令：“quick”“estimate equation”，跳出“estimate equation”对话框，在对话框中输入：“ln_v_l_=log(c(1)+c(2)*lnw”，其他值默认，点击“确定”。得到回归结果：从上述结果得到模型： 该模型估计的弹性是1.324113，系数偏离1较大，利用Wald检验进行确认。 步骤四：约束检验。在方程结果输出窗口菜单栏执行命令：“view”“coefficient diagnostics”“Wald test-coefficient restrictions”,跳出对话框“Wald test”。在对话框中输入“