实验三-计量经济学

1实验报告课程名称______计量经济学__________实验项目___实验三回归分析---多元线性回归模型实验仪器________计算机_____________系别______经济系__________专业_________国际贸易________班级/学号_经济1004/2010011894___学生姓名_______吴群中___________实验日期________2012.11.28______成绩______________________指导教师_______杨颖梅___________2实验三回归分析---多元线性回归模型【实验目的与要求】熟练使用Eviews软件进行计量分析，理解多元线性回归模型及最小二乘法估计的基本原理。【实验内容】1、多元线性回归模型参数估计（回归、显示残差图、学会看输出结果，列写估计式）。2、多元线性回归的模型检验3、多元线性回归模型的模型选择4、多元线性回归模型的预测【实验步骤】------创建工作文件在主菜单上依次单击File→New→Workfile（见图3-1），选择数据类型编辑及录入所需数据，建立相关工作文件CM、FLR、PGNP、TFR3----------根据散点图先验预期CM和各个变量之间的关系：在group01数组窗口工具条上Views的下拉菜单中选择Graph--Scatter4答：散点图显示，CM（婴儿死亡率）和FLR（女性文盲率）二者存在线性关系。二者呈正相关，由此推断：女性受教育水平越高，婴儿死亡率越低。散点图显示，CM（婴儿死亡率）和PGNP（人均GNP）二者不存在线性关系。5散点图显示，CM（婴儿死亡率）和TFR（总生育率）二者存在线性关系。---------做CM对FLR的回归得到如下回归结果：6669.0)000.0)(000.0()209.11)(584.21()213.0)(225.12(39.286.2632RCMptseFLR从方程eq02的工具栏中，点击View/Representations,也可以得到目标方程的表达式，如下图所示：（１）通过t检验，说明从总体上来看，FLR对CM的影响是否显著，并说明FLR前的回归系数的涵义。答：（1）对回归系数的解释：女性文盲率每提高一个单位，婴儿死亡率将平均降低2.39个单位。从上述回归结果可以看出，解释变量FLR的t统计量绝对值为11.209，通过检验。表明女性文盲率对婴儿死亡率的影响是显著的。从总体上来看，FLR对CM的影响显著。（２）对于此方程，通过了t检验是否还要再进行总体方程是否存在线性关系的F检验？为什么？答：（2）对于此方程，通过了t检验还要再进行F检验。因为F检验可以说明模型的拟合优度。F检验是高度显著的，说明模型有很高的拟合优度，说明FLR对CM影响是显著的。-----单击Equation窗口中的Resid按钮，将显示模型的拟合图和残差图7-------单击Eq02窗口中的View→Actual,Fitted,Resid→Table按钮，可以得到拟合直线和残差的有关结果,如下图所示可以看出，模型（1）的各期残差中大多数都落在±σˆ的虚线框外8----------做CM对FLR和PGNP的回归得到如下回归结果：7077.0)0065.0)(0000.0)(0000.0()8187.2)(6293.10)(7411.22()0020.0)(2099.0)(5932.11(0056.02316.26416.2632RptsePGNPFLRCM（１）通过F检验，说明从总体上来看，总体方程是否线性关系显著存在。解：原假设：R2=0，备择假设：02R统计量F=73.83，在显著性水平为5%下，自由度为（2,61）检验统计量足够大，拒绝原假设。即从总体上看，总体方程存在显著线性关系。（２）通过t检验，检验总体方程中FLR和PGNP是否对CM有显著影响，并说明各自的偏回归系数的涵义。答：回归系数的涵义：--2.2316表明，在其他条件不变的前提下，FLR每提高一个单位，则CM下降约2.23个单位。--0.0056表明，在其他条件不变的前提下，PGNP每提高一个单位，则CM下降约0.006个单位。9从回归结果可以看出，解释变量FLR和PGNP的t统计量的绝对值都大于2，通过检验。表明女性文盲率和人均GNP对婴儿死亡率的影响是显著的。单击Eq02窗口中的Resid按钮，将显示最后一次回归模型的拟合图和残差图。单击Eq02窗口中的View→Actual,Fitted,Resid→Table按钮，可以得到拟合直线和残差的有关结果,如下图所示。10可以看出，模型(2)的各期残差中大多数都落在±σˆ的虚线框外，且残差分布不存在明显的规律性。-----做CM对FLR、PGNP和TFR的回归得到如下回归结果:7474.0)0032.0)(0047.0)(0000.0)(0000.0()0709.3)(9343.2)(1287.7)(1170.5()1905.4)(0019.0)(2480.0)(8917.32(8686.120055.07680.13067.1682RptseTFRPGNPFLRCM-----模型（3）：对偏回归系数的显著性检验（t检验）从回归结果可以看出，三个解释变量的t值的绝对值都大于2，在5%的置性水平下，通过检验。即FLR、PGNP、TFR都对CM有显著影响。------模型（3）：对方程总体的显著性检验（F检验）原假设：02R,备择假设：02R检验统计量F=59.17，在显著性水平为5%下，自由度为（3,60）11查表得，76.2)60,3(05.0F因为)60,3(FF所以拒绝原假设，所以FLR、PGNP和TFR联合对CM有显著影响。-------根据各种回归结果，选择哪个模型？为什么？答：选择回归模型（３）。因为该模型中所有变量系数的符号都符合预期，每一个变量的回归系数都是显著的,其相应的P值很小，且对于截面数据来讲，该模型的R2也相当高，模型的拟合程度较高。-------如果回归模型（３）是正确的模型，但却估计了（１）或（２），会有什么结果？答：这会使三个模型都犯有设定偏误的错误，即模型中遗漏了某个相关解释变量，这样会造成模型的估计量不一致。-------假定作了（１）回归，如何决定增加变量PGNP和TFR？使用了哪些检验？给出必要的计算结果。解：模型（3)的R2=0.7474，模型（1）的R2=0.6696，而模型（1)排除了两个变量PGNP和TFR，受限回归，使用F检验有2399.900421.003890.0)464()7474.01(2)6696.07474.0(F在显著性水平为1%下，自由度为（2,60），查表得F(2,60)=4.98因此F统计量在统计上是显著的，所以，PGNP和TFR都应保留在模型中。12--单击Eq02窗口中的Resid按钮，将显示最后一次回归模型的拟合图和残差图单击Eq02窗口中的View→Actual,Fitted,Resid→Table按钮，可以得到拟合直线和残差的有关结果,如下图所示。可以看出，模型(3)的各期残差中大多数都落在±σˆ的虚线框内，且残差分布不存在明显的规律性。