【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
|
5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
|
5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
|
存储 数据采集 数据可视化
R语言估计时变VAR模型时间序列的实证研究分析案例
R语言估计时变VAR模型时间序列的实证研究分析案例
R语言估计时变VAR模型时间序列的实证研究分析案例
|
4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!
41 0
|
5月前
|
机器学习/深度学习
用SPSS估计HLM多层(层次)线性模型模型
用SPSS估计HLM多层(层次)线性模型模型
|
5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
|
5月前
|
数据可视化 数据挖掘
R语言混合线性模型、多层次模型、回归模型分析学生平均成绩GPA和可视化
R语言混合线性模型、多层次模型、回归模型分析学生平均成绩GPA和可视化
|
5月前
|
资源调度 数据可视化 算法
R语言贝叶斯MCMC:用rstan建立线性回归模型分析汽车数据和可视化诊断
R语言贝叶斯MCMC:用rstan建立线性回归模型分析汽车数据和可视化诊断
|
12月前
|
机器学习/深度学习 存储 数据采集
《数学模型(第五版)》学习笔记(1) 第1章 建立数学模型 第2章 初等模型
《数学模型(第五版)》学习笔记(1) 第1章 建立数学模型 第2章 初等模型
213 1
|
数据采集 机器学习/深度学习 数据可视化
简单线性回归:预测事物间简单关系的利器
简单线性回归:预测事物间简单关系的利器
下一篇
无影云桌面