【Eviews实战】——多元线性回归模型的建立(一)

简介: 【Eviews实战】——多元线性回归模型的建立(一)

熟悉eviews基本操作,利用eviews建立消费和支出法GDP、粮食产量和劳动力及化肥之间的简单线性回归模型,并根据回归结果进行数据解读。文章涉及普通最小二乘法、F检验、t检验、拟合优度检验等知识。

1 数据背景

  我国1978-1998年消费支出及支出法GDP数据,数据来源于实验课数据文件,具体数据如表1所示。

2 理论模型

  根据消费与GDP关系,以消费作为因变量,GDP作为自变量构建理论模型:yt=α+β1xt+μt

  其中y t y_tyt表示第t个时段消费,x t x_txt表示第t个时段支出法GDP。

3 数据可视化

  利用Eviews10.0绘制线性图和散点图。

  由图1可以看出,随着年份的增加,消费和支出法GDP呈递增的趋势;同时,根据消费和GDP支出法的散点图可以看出,消费和支出法GDP大致呈线性关系。

4 回归模型

  通过Eviews10.0进行回归普通线性最小二乘回归得到结果:

  根据结果显示,得到初步回归函数:

  回归方程Prob(F-statistic)=0.000000<0.05,通过显著性水平为0.05的显著性检验。

5 模型检验

5.1 经济意义检验

  从经济意义上看,β1=0.574787>0,符号为正,说明我们支出法GDP的增加会导致居民人均消费支出的增加,二者同向变动,且斜率值满足0<0.574789<1,符合经济学意义,表明我国支出法GDP每增加一元,居民人均消费支出增加0.574789元。

5.2 统计检验

5.2.1 估计标准误差检验

  S.E. of regression=336.1071,表明我国居民人均消费支出的平均误差为336.1071。

5.2.2拟合优度检验

  由回归结果:R2=0.999486,表明我国人均消费支出变化的99.95%可由支出法GDP的变化来解释,模型的拟合优度较高。

5.2.3 参数显著性检验

  对于β 1 , t = 192.2519 > t 0.025 ( 19 ) = 2.093,且P=0.000<0.05,拒绝原假设,表明我国支出法GDP对居民人均消费支出存在显著性影响。

6 拟合效果及预测效果

6.1 拟合效果

6.2 预测效果

  由图4、图5可以看出,模型整体拟合效果是较好,且残差在0附近波动,模型建立成功。


相关文章
|
6月前
|
机器学习/深度学习 数据可视化 Python
机器学习之利用线性回归预测波士顿房价和可视化分析影响房价因素实战(python实现 附源码 超详细)
机器学习之利用线性回归预测波士顿房价和可视化分析影响房价因素实战(python实现 附源码 超详细)
427 0
|
6月前
【R语言实战】——带有新息为标准学生t分布的金融时序的GARCH模型拟合预测
【R语言实战】——带有新息为标准学生t分布的金融时序的GARCH模型拟合预测
|
6月前
|
数据可视化 vr&ar
【Eviews实战】——ARIMA模型建模
【Eviews实战】——ARIMA模型建模
|
6月前
|
数据可视化
【Eviews实战】——多元线性回归模型的建立(二)
【Eviews实战】——多元线性回归模型的建立(二)
|
5月前
|
Python
时间序列分析与预测模型建立
【6月更文挑战第2天】时间序列分析是预测未来趋势的工具,通过分析历史数据(如小猴子的脚印)来预判未来。涉及数据收集、预处理和选择合适模型(如ARIMA)。Python的statsmodels库可用于构建ARIMA模型。尽管预测不保证完全准确,但它仍能为生活和工作提供便利。一起来探索这个有趣的领域吧!
49 0
|
6月前
|
机器学习/深度学习 数据挖掘 数据建模
数据分享|R语言用lme4多层次(混合效应)广义线性模型(GLM),逻辑回归分析教育留级调查数据(下)
数据分享|R语言用lme4多层次(混合效应)广义线性模型(GLM),逻辑回归分析教育留级调查数据
|
6月前
|
存储 资源调度 数据可视化
R语言STAN贝叶斯线性回归模型分析气候变化影响北半球海冰范围和可视化检查模型收敛性
R语言STAN贝叶斯线性回归模型分析气候变化影响北半球海冰范围和可视化检查模型收敛性
|
6月前
|
数据可视化
SPSS用多元逐步回归模型对上证指数预测、描述统计和相关分析可视化研究
SPSS用多元逐步回归模型对上证指数预测、描述统计和相关分析可视化研究
|
6月前
|
数据可视化 Python
R语言分析糖尿病数据:多元线性模型、MANOVA、决策树、典型判别分析、HE图、Box's M检验可视化
R语言分析糖尿病数据:多元线性模型、MANOVA、决策树、典型判别分析、HE图、Box's M检验可视化
|
6月前
|
机器学习/深度学习 数据可视化 数据处理
数据分享|R语言用lme4多层次(混合效应)广义线性模型(GLM),逻辑回归分析教育留级调查数据(上)
数据分享|R语言用lme4多层次(混合效应)广义线性模型(GLM),逻辑回归分析教育留级调查数据