多元线性回归模型的变量选择与参数估计

统计学实验报告单（实验二）姓名班级学号实验E322地点指导老师实验时间101月年4日报告上2010年交时间11月3日实验名称多元线性回归模型的变量选择与参数估计实验目的要求熟悉多元线性回归模型中的解释变量的引入掌握对计算结果的统计分析与经济分析实验内容为研究美国人对子鸡的消费量，提供I960——1982年的数据。其中：Y—每人的子鸡消费量，磅X—每人实际可支配收入，美元2X子鸡每磅实际零售价格，美分3X--猪肉每磅实际零售价格，美分4X—牛肉每磅实际零售价格，美分5X子鸡替代品每磅综合实际价格，美分。X是猪肉和牛6肉每磅实际零售价格的加权平均，其权数是在猪肉和牛肉的总消费量中两者各占的相对消费量。假定模型为线性回归模型，估计此模型的参数。对模型进行统计学检验，并对结果进行经济解释。实验步骤1、启动Eviews3.12、建立新工作文档，输入时间范围数据I960——19823、设模型为Yi=P1+02X2+P3X3+04X4+05X5+06X6+Pi4、单击file—import调入数据5、主页上单击quick—EstimateEquation,输入ycx2x3x4x5x6，单击OK,出现数据回归结果：DependentVariable:YMethod:LeastSquaresDate:10/29/10Time:22:56Sample:19601982Includedobservations:23

VariableCoefficientStd.Errort-StatisticProb.C38.596914.2144889.1581500.0000X20.0048890.0049620.9853700.3383X3-0.6518880.174400-3.7378890.0016X40.2432420.0895442.7164430.0147X50.1043180.0706441.4766740.1580X6-0.0711100.098381-0.7228050.4796R-squared0.944292Meandependentvar39.66957AdjustedR-squared0.927908S.D.dependentvar7.372950S.E.ofregression1.979635Akaikeinfocriterion4.423160Sumsquaredresid66.62224Schwarzcriterion4.719376Loglikelihood-44.86634F-statistic57.63303Durbin-Watsonstat1.100559Prob（F-statistic）0.0000006、将上述回归结果整理如下：Y=38.59691+0.004889X-0.651888X+0.243242X+0.104318Xi2345-0.071110X6（9.158150）（0.985370）（-3.737889）（2.716443）（1.476674）（-0.722805）R2=0.944292修正后R2=0.927908F=57.63303

实验结果及分析从回归结果看，从估计的结果可以看出，模型的拟合较好。可绝系数R2和修正后R2都大于0.9,说明模型对数据的拟合程度非常好。系数显著性检验：对于02,t统计量为0.985370。给定a-0.05，查t分布表，在自由度为n-6-17下，的临界值Sms（17）-2.110,因为t，<t0.025（17），所以接受H。：02=0,表明每人实际可支配收入可能是影响每人的子鸡消费量的因素。同理0506的七统计量也小于to025（17），所560.025以，牛肉每磅实际零售价格和子鸡替代品每磅综合实际价格也有可能是每人的子鸡消费量的影响因素。对于0304,t统计量分别为-3.737889和2.716443。给定a-0.05,查t分布表，在自由度为n-6-17下，的临界值t0.025（17）-2.110,因为t>t0025（17），所以拒绝H0：03-0，拒绝H0：04-0。故在5%的显著水平下，00的值显著不为零这表明子鸡每磅实际零售价格和猪肉每34磅实际零售价格是每人的子鸡消费量的主要影响因素。F统计量为57.63303。给定a-0.05,查F分布表，F（5,17）-2.81,0.05F>F（5,17）,则拒绝原假设H0。说明回归方程显著。线性模型成立。0.05尽管从经济意义上看每人的子鸡消费量可能受每人实际可支配收入，牛肉每磅实际零售价格，子鸡替代品每磅综合