【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
|
机器学习/深度学习 数据挖掘
R实战|从文献入手谈谈logistic回归、Cox回归以及Lasso分析(一)
R实战|从文献入手谈谈logistic回归、Cox回归以及Lasso分析(一)
751 0
|
2月前
|
机器学习/深度学习 数据采集 数据挖掘
11种经典时间序列预测方法:理论、Python实现与应用
本文将总结11种经典的时间序列预测方法,并提供它们在Python中的实现示例。
109 2
11种经典时间序列预测方法:理论、Python实现与应用
|
7月前
|
机器学习/深度学习
数据分享|R语言广义线性模型GLM:线性最小二乘、对数变换、泊松、二项式逻辑回归分析冰淇淋销售时间序列数据和模拟-1
数据分享|R语言广义线性模型GLM:线性最小二乘、对数变换、泊松、二项式逻辑回归分析冰淇淋销售时间序列数据和模拟
|
7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
|
7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)
|
7月前
|
机器学习/深度学习 算法 搜索推荐
【视频】决策树模型原理和R语言预测心脏病实例|数据分享(上)
【视频】决策树模型原理和R语言预测心脏病实例|数据分享
|
7月前
|
机器学习/深度学习 计算机视觉
数据分享|R语言GLM广义线性模型:逻辑回归、泊松回归拟合小鼠临床试验数据(剂量和反应)示例和自测题
数据分享|R语言GLM广义线性模型:逻辑回归、泊松回归拟合小鼠临床试验数据(剂量和反应)示例和自测题
|
7月前
|
机器学习/深度学习 人工智能 算法
数据分享|R语言广义线性模型GLM:线性最小二乘、对数变换、泊松、二项式逻辑回归分析冰淇淋销售时间序列数据和模拟-2
数据分享|R语言广义线性模型GLM:线性最小二乘、对数变换、泊松、二项式逻辑回归分析冰淇淋销售时间序列数据和模拟
|
7月前
|
机器学习/深度学习 算法 数据挖掘
【视频】决策树模型原理和R语言预测心脏病实例|数据分享(下)
【视频】决策树模型原理和R语言预测心脏病实例|数据分享
|
7月前
|
机器学习/深度学习 人工智能 算法
数据分享|R语言广义线性模型GLM:线性最小二乘、对数变换、泊松、二项式逻辑回归分析冰淇淋销售时间序列数据和模拟
数据分享|R语言广义线性模型GLM:线性最小二乘、对数变换、泊松、二项式逻辑回归分析冰淇淋销售时间序列数据和模拟