【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
|
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
|
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
【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)
|
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