【Eviews实战】——多元线性回归模型的建立(二)

简介: 【Eviews实战】——多元线性回归模型的建立(二)

熟悉eviews基本操作,利用eviews建立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、多重共线性检验、模型修正、相关可视化及解析。

1 数据背景

  我国1975-2000年粮食产量、劳动力和化肥使用量数据,数据来源于实验课数据文件,具体数据下表所示。

  由于生产函数具有一个最大特征:能够刻画要素的边际效益递减规律,即当其它要素投入不变时,随着某一要素的投入量增加,获得的产出增量越来越少。由C-D生产函数: image.png

2 理论模型

  该问题理论模型为: image.png

  其中Y表示粮食产量,L表示劳动力,K表示化肥使用量。

3 粮食产量关系线性图

  粮食产量关系线性图如下:

  由上图可以看出,随着年份的增加,我国1975-2000年粮食产量、劳动力和化肥使用量经对数化后逐渐趋于平稳。

4 模型求解

  通过Eviews10.0软件进行回归得到结果:

  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。

  回归结果表明ln(Y)变化的95.9%可由劳动力和化肥投入的变化来解释。在0.05的显著性水平下,F统计量的临界值F0.05(2,23)=3.42<266.0787,表明模型的线性关系显著成立。自由度n-k-1=23时,的t检验统计量t0.05(23)=2.069,因此,ln(L)未通过显著性检验,ln(K)的参数显著地异于0,考虑存在多重共线性。

5 多重共线性检验

  相关系数表如下:

  由检验结果显示,LNL、LNK的相关系数达0.9263,存在严重多重共线性。

6 模型修正

  利用逐步回归法消除多重共线性,结果如下:

  根据结果显示,选取LNY关于LNK的函数拟合优度更好,即回归方程为:

  回归结果表明:ln(Y)变化的95.83%可由化肥投入的变化来解释。在0.05的显著性水平下,F统计量的临界值F0.05(2,23)=3.42<551.86表明模型的线性关系显著成立。自由度n-k-1=23时,的t检验统计量t0.025(23)=2.069,因此ln(K)通过0.05显著性水平的显著性检验。

  从ln(K)前的参数估计来看,粮食产量关于化肥投入的产出弹性为0.297072,表明当其他因素不变时,化肥投入每增加1%,粮食产量将增加0.297072%,且0<0.297072<1,符合边际报酬递减规律。

7拟合效果及预测效果

7.1 拟合效果

7.2 预测效果

  由回归方程拟合效果、预测效果图可以看出,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
|
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
|
数据可视化
【Eviews实战】——多元线性回归模型的建立(一)
【Eviews实战】——多元线性回归模型的建立(一)
|
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