实验(二)多变量线性回归模型Microsoft Word 文档

实验（二）多变量回归模型及面板数据初步处理

【实验目的】

掌握多变量线性回归模型的参数估计及相关内容

【实验内容】

建立多变量线性回归模型，回归参数估计，散点图，残差图等。建立面板数据库并处理数据。

【实验步骤】

实验步骤一：如何在数据表删除某一列数据，或在两列数据中插入一列数据，

在数据表删除某一列数据的操作：双击数据组标示→打开数据组表→编辑一组数据→点击鼠标右键→拉出一菜单→点击Remove Series。

在两列数据中插入一列数据：双击数据组标示→打开数据组表→编辑一组数据→点击鼠标右键→拉出一菜单→点击Insert Series。

实验步骤二：建立面板数据库并处理数据。

向EViews6.0中输入截面数据名称的时候，应先建立一个合并数据（Pool）对象。

★选择EViews6.0主菜单Object→New Object→Pool

★在Pool中输入

_BJ

_TJ

_HB

_LN

_SHH

_JS

_ZHJ

_FJ

_SHD

_GD

_HN

★在Pool窗口点击name，保存。

★在Pool窗口点击sheet，打开一个窗口，输入GDP?，RENKOU?，GSH?，GZH?。就得到一个东部地区GDP，RENKOU，GSH，GZH的Poolsheet（面板数据表）。

★在Pool窗口点击define，回到Pool的标示窗口；点击Pool的标示窗口sheet，打开一个窗口，输入GDP?，RENKOU?，GSH?，GZH?。得到GDP，RENKOU，GSH，GZH的Poolsheet （面板数据表）。

★Pool序列的序列名使用的是基本名和“?”占位符。例如，GDP?代表：

GDP_BJ——北京GDP

GDP_TJ——天津GDP

GDP_HB——河北GDP

GDP_LN——辽宁GDP

GDP_SHH——上海GDP

GDP_JS——江苏GDP

GDP_ZHJ——浙江GDP

GDP_FJ——福建GDP

GDP_SHD——山东GDP

GDP_GD——广东GDP

GDP_HN——海南GDP

★还可以通过Pool窗口中的PoolGenerate，通过公式可以生成以面板数据为基础的新数据。例如，RJGDP?=GDP?/RENKOU？

RJGDP_BJ——北京人均GDP

RJGDP_TJ——天津人均GDP

RJGDP_HB——河北人均GDP

RJGDP_LN——辽宁人均GDP

RJGDP_SHH——上海人均GDP

RJGDP_JS——江苏人均GDP

GDP_ZHJ——浙江人均GDP

RJGDP_FJ——福建人均GDP

RJGDP_SHD——山东人均GDP

RJGDP_GD——广东人均GDP

RJGDP_HN——海南人均GDP

★利用合并数据库（Pool）进行参数估计

★点击合并数据库（Pool）工具栏中的Estimate，出现对话框。（如果要把计算机画面全屏复制下来，操作Shift+Print，单击鼠标左键→粘贴）

★打开Pooled Estimation窗口，见下图。

实验步骤三：以三变量回归模型为例。

操作：从ＥViews主窗口，点击Quick→点击Estimate Equation功能。弹出一个对话框。在Equation Specification选择框中输入y c x1 x2或者y=c（1）＋c（2）*x1+c（3）*x2。在Estimate Setting选择框中自动给出缺省选择LS估计法和样本区间。点击OK键，即可得到回归结果。然后name→save。

多于三个变量的回归模型的操作与三变量回归模型的操作类似。

1980-1995年美国抵押贷款、个人收入和抵押贷款费用数据表

资料来源： [美]达莫达尔·E·古亚拉提著，《经济计量学精要》，机械工业出版社，2000年7月第1版，第132页表7-1。

一、阐述理论

由经济理论和对实际情况的分析可知，抵押贷款Y受个人收入X1和抵押贷款费用X2变化的影响。当个人收入增加时，抵押贷款也随着增加，它们之间具有正向的同步变动趋势。而抵押贷款费用对抵押贷款总额的影响总体上具有反向的变动趋势。除了这两个因素，抵押贷款还受到其他一些变量的影响及随机因素的影响，将其他变量及随机因素的影响均归并到随机变量µ中，由表二数据，建立美国年抵押贷款Y和个人收入X1，抵押贷款费用X2之间的三变量线性回归模型。

二、设定模型

设三变量总体线性回归模型：Y i=β0+β1X1i+β2X2i +u i

其中，Y i——表示抵押贷款数额

X1i——表示个人收入

X 2i —— 表示抵押贷款费用 β0、β1、β2 —— 表示待定系数

u i —— 表示随机误差项

现给定样本观测值（Y i ，X 1i ，X 2i ），i=1,2,…，16，16为样本容量。

建立样本回归模型: Y i =0

ˆβ+1ˆβX 1i +2ˆβX 2i +e i 其中，0

ˆβ、1ˆβ、2ˆβ分别为β0、β1、β2的估计值，e i 为残差项。 样本回归方程：

Ŷi =0

ˆβ+1ˆβX 1i +2ˆβX 2i 其中，Ŷi 表示样本观测值Y i 的估计值。

三、显示估计结果

利用Eviews 的最小二乘法程序，输出的结果如下：

Dependent Variable: Y Method: Least Squares Date: 05/18/05 Time: 11:34 Sample: 1980 1995

Included observations: 16

Variable

Coefficient

Std. Error t-Statistic

Prob. C 157.0460 576.9882 0.272182 0.7898 X2 0.825737 0.063401 13.02405 0.0000 X3

-56.53270

31.39038

-1.800956

0.0949 R-squared

0.989453 Mean dependent var 2952.175 Adjusted R-squared 0.987830 S.D. dependent var 1132.051 S.E. of regression 124.8840 Akaike info criterion 12.66001 Sum squared resid 202748.2 Schwarz criterion 12.80487 Log likelihood -98.28007 F-statistic 609.7820 Durbin-Watson stat

0.402460 Prob(F-statistic)

0.000000

四、 说明回归系数的含义

1

ˆβ= 0.83，符号为正，表示在其他条件不变的情况下，美国全年的人均抵押贷款随