多元线性回归实验报告

课程名称计量经济学基础 指导教师 实验日期 2013-5-04院（系）商学院专业班级—实验地点 二机房学生姓名—学号 同组人无 实验项目名称多元线性回归模型的做法与预测 一、 实验目的和要求1、 掌握Eviews中的常用函数及应用（1）一般函数（2）关于回归结果的函数2、 掌握用Eviews估计与检验多元线性回归模型（1） 创建工作文件后，用NewObject建立序列，在Edit状态下，在相应位置输入或复制序列数据。（2） 菜单点击法，Eview沖的多元回归分析的操作方式二、 实验原理1、 运用Eviews软件和多元线性回归模型分析2、 最小二乘法的应用三、 主要仪器设备、试剂或材料计算机、Eviews软件、课本四、 实验方法与步骤（1）创建工作文件:语法：输入CREATEEx3-1A19881998按回车键；（2）输入数据：语法：输入DATAYX1X2按回车键;（3） 回归：语法：输入LSYCX1X2按回车键;（4） 预测：语法：输入FORECAST按回车键。五、 实验数据记录、处理及结果分析1、创建工作文件后，输入的数据如下：2、对已知数据进行回归分析，2、对已知数据进行回归分析，由Eviews输出的结果为：DependentVariable:YMethod:LeastSquaresDependentVariable:YMethod:LeastSquaresDate:05/04/13Time:11:42Sample:19881998Includedobservations:11VariableCoefficientStd.Errort-StatisticProb.C158.5398121.80711.3015640.2293X10.0494040.00468410.547860.0000X2-0.9116840.989546-0.9213160.3838obsYX1X21988137.161181.4115.961989124.561375.7133.351990107.911501.2128.211991102.961700.6124.851992125.242026.6122.491993162.452577.4129.861994217.433496.2139.521995253.424283140.441996251.074838.9139.121997285.855160.3133.351998327.265425.1126.39

R-squared0.947989Meandependentvar190.4827R-squared0.947989Meandependentvar190.4827AdjustedR-squared0.934986S.D.dependentvar79.29127S.E.ofregression20.21757Akaikeinfocriterion9.077982Sumsquaredresid3270.001Schwarzcriterion9.186499Loglikelihood-46.92890F-statistic72.90647Durbin-Watsonstat1.035840Prob(F-statistic)0.000007 Residual ActualFitted由得出的结果可知，样本回归方程为：P=158.5398+0.0494X-0.9117Xi 1i 2it=(1・301564)(10.54786) (一0.921316)3、经济意义检验：B1=0・0494,表示城镇居民全年人均耐用消费品支出随着可支配收入的增长而增长，并且介于0和1之间，因此该回归系数的符号、大小都与经济理论和人们的经验期望值相符合；B2=-0.9117，表示城镇居民全年人均耐用消费品支出随着消费品价格指数的降低而增加.4、 统计检验（1）拟合优度检验：由表得知，得到的样本可决系数为:R-squared=0.947989,修正样本可决系数为Adjusted-squared=0.934986・结果表明：估计的样本回归方程较好的拟合了样本观测值。（2）F检验:提出的原假设为:H0：B1=p2=0对立假设为:H1：至少有一个Bi不等于零（i=1,2）由表知，F统计量为：F-statistic=72.9065对于给定的显著性水平0・05查出F分布上的上侧分位数F0.05（2,8）=4・46・因为F=72・9065>4.46，否定H0,即在我国城镇居民人均全年耐用消费品支出与人均全年可支配收入和耐用消费品价格指数之间存在显著的线性关系。5、 预测：预测2000年Lastupdated:05/04/13-11:57Modified:19882000//fit（f=actual）yf198811193151990115.81781991128.73221992146.98941993167.48191994204.06721995242.0994

1996270.76641997291.90521998311.332619992000322.0045Forecast:YFActual:YForecastsample:19882000Adjustedsample:19882000Includedobservations:11RootMeanSquaredError 17.24160MeanAbsoluteError 15.67504MeanAbs.PercentError 10.26917TheilInequalityCoefficient 0.042140BiasProportion 0.000000VarianceProportion 0.013352CovarianceProportion 0.986648六、讨论、心得通过本次实验，我对Eviews软件的操作越来越熟悉，并