eviews一元线性回归案例
最新计量经济学案例分析一元回归模型实例分析
案例分析1— 一元回归模型实例分析依据1996-2005年《中国统计年鉴》提供的资料，经过整理，获得以下农村居民人均消费支出和人均纯收入的数据如表2-5：表2-5 农村居民1995-2004人均消费支出和人均纯收入数据资料 单位：元 年度 1995199619971998199920002001200220032004人均纯收入1577.7 1926.1 2090.1 2161.1 2210.3 2253.4 2366.4 2475.6 2622.2 2936.4人均消费支出1310.4 1572.1 1617.2 1590.3 1577.4 1670.1 1741.1 1834.3 1943.3 2184.7一、建立模型以农村居民人均纯收入为解释变量X ，农村居民人均消费支出为被解释变量Y ，分析Y 随X 的变化而变化的因果关系。
考察样本数据的分布并结合有关经济理论，建立一元线性回归模型如下：Y i =β0+β1X i +μi根据表2-5编制计算各参数的基础数据计算表。
求得:082.1704035.2262==Y X∑∑∑∑====3752432495.1986.788859011.516634423.1264471222ii i i iX y x y x 根据以上基础数据求得:623865.0423.126447986.788859ˆ21===∑∑iii xyx β8775.292035.2262623865.0082.1704ˆˆ10=⨯-=-=X Y ββ 样本回归函数为：ii X Y 623865.08775.292ˆ+= 上式表明，中国农村居民家庭人均可支配收入若是增加100元，居民们将会拿出其中的62.39元用于消费。
二、模型检验1．拟合优度检验952594.0011.516634423.1264471986.788859))(()(22222=⨯==∑∑∑iii i yx y x r2.t 检验525164.3061 210423.12644710.623865011.166345 2ˆˆ222122=-⨯-=--=∑∑n x y iiβσ049206.0423.1264471525164.3061ˆ)ˆ()ˆ(2211====∑ie xVar S σββ6717.112525164.3061423.126447110137.52432495ˆ)ˆ()ˆ(22200=⨯===∑∑σββii e xn X Var S 在显著性水平α=0.05，n-2=8时，查t 分布表，得到：306.2)2(2=-n t α提出假设,原假设H 0：β1=0，备择假设H 1：β1≠067864.12049206.0623865.0)ˆ(ˆ)ˆ(111==-=ββββe S t)2(67864.12)ˆ(21->=n t t αβ，差异显著，拒绝β1=0的假设。
计量经济学eviews一元线性回归模型实验指导
计量经济学eviews一元线性回归模型实验指导民家庭人均生活消费支出与家庭人均纯收入大致呈现出线性相关关系。
（CD 表示农村居民家庭人均生活消费支出，RD 农村居民家庭人均纯收入）图2.4.1 RD —CD 散点图故假设二者之间关系设定为一元线性回归模型：i i i rd cd μββ++=10，其中cd i 各地区农村居民家庭人均生活消费支出，rd i 为各地区农村居民家庭人均纯收入，μi 为随机误差项，即除人均收入外，影响农村居民家庭人均生活消费支出的其他因素。
假设该模型满足古典假设，可运用OLS 方法估计模型的参数。
利用计量经济学软件EViews5.0。
建立工作文件STEP1：进入EViews 目录，然后双击EViews 程序图标，进入EViews 主页见图2.4.2。
图2.4.2 EViews工作界面STEP2：点击Eviews主页面菜单File\New\Workfile见图2.4.3，弹出workfile Create对话框（图2.4.4）。
在workfile structure type中选择Unsteuctured/Undated【由于本例是截面数据】，并在observation中输入观察值得个数，本例为31（图2.4.4），点击OK出现数据编辑窗口（图2.4.5）。
C——截距项；resid——残差项。
图2.4.3图2.4.4图2.4.5图2.4.6STEP3：点击Eviews 主菜单顶部按钮“objects/new objects ”，弹出new objects 对话框（图2.4.6），在Type of Object 中选择group ，并给new objects 一个名字G01，然后点击OK ，弹出对话框中即可输入变量及变量值（图2.4.7）。
图2.4.7图2.4.8 STEP4：点击图2.4.7表格中第一列顶部的灰色条，该列全部变蓝，输入变量名RD—农村居民家庭人均纯收入，然后从数据文件中导出变量RD各地区观测值；同理可定义第二列为CD —农村居民家庭人均生活消费支出，从数据文件中导出变量CD各地区观测值，见图2.4.8。
eviews一元线性回归案例.
引入自相关误差矫正项AR(1)和AR(2)
dU=1.40<DW=2.14<(4-dU)=2.82，依据判别准则，随机误差项已消除自相关
13
Yˆt 115.3205 0.5876 X t 0.7819 AR(1) - 0.4194 AR(2)
整理、变换：
ˆ0
115.3205 1 0.7819 0.4194
中国农村居民消费模型
小组成员：
Page 1
经典计量经济学模型建立过程
1. 理论模型的设置 2. 模型参数的最小二乘估计 3. 计量经济学模型的四级检验
3.1 经济意义检验 3.2 统计检验
3.2.1 拟合优度检验：R2 检验 3.2.2 模型总体的显著性检验：F检验 3.2.3 变量的显著性检验：t 检验
prob=0.040946<α=0.05，则拒绝“模型不存在二阶自相关”的原假设， 认为回归模型具有明显的二阶自相关性
10
LM=nR2=7.133845 prob=0.067752>α=0.05，则不拒绝“模型不存在三阶阶自相关”的原假设。
11
二阶自相关的消除
引入自相关误差矫正项AR(1)
dL=1.18<DW=1.39<dU=1.40，依据判别准则，随机误差项尚未消除自相关
15
预测检验 1.区间预测
16
模型预测值YF与样本观测值Y的接近程度
17
t=（28.036）（8.734） 拟合优度检验：R2 检验 ，拟合优度很高。
R2=0.978831
变量的显著性检验：t 检验，拒绝原假设，则回归
6
系数均显著不为零。
异方差性——怀特检验法
eviews实验报告一元线形回归模型
【实验编号】 1【实验名称】一元线形回归模型【实验目的】掌握一元线性回归分析的步骤【实验内容】一、实验数据表1 1978年-2009年中国税收与国内生产总值统计表单位：亿元年份税收GDP 年份税收GDP1978 519.28 3645.2 1994 5126.88 48197.91979 537.82 4062.6 1995 6038.04 60793.71980 571.7 4545.6 1996 6909.82 71176.61981 629.89 4891.6 1997 8234.04 78973.01982 700.02 5323.4 1998 9262.80 84402.31983 775.59 5962.7 1999 10682.58 89677.11984 947.35 7208.1 2000 12581.51 99214.61985 2040.79 9016.0 2001 15301.38 109655.21986 2090.73 10275.2 2002 17636.45 120332.71987 2140.36 12058.6 2003 20017.31 135822.81988 2390.47 15042.8 2004 24165.68 159878.31989 2727.4 16992.3 2005 28778.54 184937.41990 2821.86 18667.8 2006 34804.35 216314.41991 2990.17 21781.5 2007 45621.97 265810.31992 3296.91 26923.5 2008 54223.79 314045.41993 4255.30 35333.9 2009 59521.59 340506.9 资料来源：《中国统计年鉴2010》二、实验过程1、建立工作文件（1）点击桌面Eviews5.0图标，运行Eviews软件。
回归分析实验1 Eviews基本操作及一元线性回归
第一部分EViews基本操作第一章预备知识一、什么是EViewsEViews (Econometric Views)软件是QMS（Quantitative Micro Software）公司开发的、基于Windows平台下的应用软件，其前身是DOS操作系统下的TSP软件。
EViews具有现代Windows软件可视化操作的优良性。
可以使用鼠标对标准的Windows菜单和对话框进行操作。
操作结果出现在窗口中并能采用标准的Windows技术对操作结果进行处理。
EViews还拥有强大的命令功能和批处理语言功能。
在EViews的命令行中输入、编辑和执行命令。
在程序文件中建立和存储命令，以便在后续的研究项目中使用这些程序。
EViews是Econometrics Views的缩写，直译为计量经济学观察，通常称为计量经济学软件包，是专门从事数据分析、回归分析和预测的工具，在科学数据分析与评价、金融分析、经济预测、销售预测和成本分析等领域应用非常广泛。
应用领域■ 应用经济计量学■ 总体经济的研究和预测■ 销售预测■ 财务分析■ 成本分析和预测■ 蒙特卡罗模拟■ 经济模型的估计和仿真■ 利率与外汇预测EViews引入了流行的对象概念，操作灵活简便，可采用多种操作方式进行各种计量分析和统计分析，数据管理简单方便。
其主要功能有：（1）采用统一的方式管理数据，通过对象、视图和过程实现对数据的各种操作；（2）输入、扩展和修改时间序列数据或截面数据，依据已有序列按任意复杂的公式生成新的序列；（3）计算描述统计量：相关系数、协方差、自相关系数、互相关系数和直方图；（4）进行T 检验、方差分析、协整检验、Granger 因果检验；（5）执行普通最小二乘法、带有自回归校正的最小二乘法、两阶段最小二乘法和三阶段最小二乘法、非线性最小二乘法、广义矩估计法、ARCH 模型估计法等；（6）对选择模型进行Probit、Logit 和Gompit 估计；（7）对联立方程进行线性和非线性的估计；（8）估计和分析向量自回归系统；（9）多项式分布滞后模型的估计；（10）回归方程的预测；（11）模型的求解和模拟；（12）数据库管理；（13）与外部软件进行数据交换EViews可用于回归分析与预测(regression and forecasting)、时间序列(Time Series)以及横截面数据(cross-sectional data )分析。
计量经济学用eviews分析数据
中国储蓄存款总额（Y,亿元）与GDP （元）数据如下表。
表1-1数据来源：《中国统计年鉴》年图1-1解:、估计一元线性回归模型由经济理论知，储蓄存款总额受GDP影响，当GDFP增加时，储蓄存款总额也随着增加，他们之间具有正向的同步变动趋势。
储蓄存款总额除受GDP影响之外, 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并到随机变量U中，根据X与丫的样本数据，作X与丫之间的散点图可以看出，他们的变化趋势是线性的，由此建立中国储蓄存款总额丫与GDF之间的一员线性回归模型。
由表1-1中样本观测数据，样本回归模型为用Eviews软件估计结果:Dependent Variable: 丫Method: Least SquaresDate: 12/14/14 Time: 10:41Sample: 1978 2012Included observations: 35R-squared 0.995724 Mean dependent var 78882.56Adjusted R-squared 0.995595 S.D. dependent var 108096.8S.E. of regression 7174.769 Akaike info criterion 20.64997Sum squared resid 1.70E+09 Schwarz criterion 20.73885Log likelihood -359.3745 Hannan-Quinn criter. 20.68065F-statistic 7684.717 Durbin-Watson stat 1.224720Prob(F-statistic) 0.000000即样本回归方程为:-4.678592 87.66252二、对估计结果做结构分析(1)对回归方程的结构分析0.762529是样本回归方程的斜率，他表示GDP勺边际增长率，说明GDP每增加1元，将有0.762529用于储蓄；-7304.294是样本回归方程的截距，他表示不受GDP影响的自发性储蓄增长。
计量经济学-一元线性回归预测模型-Eviews6完整
数学与统计学院实验报告院（系）：数学与统计学学院学号：姓名：实验课程：计量经济学指导教师:实验类型（验证性、演示性、综合性、设计性）：综合性实验时间：2017年 3 月 1 日一、实验课题一元线性回归预测模型二、实验目的和意义用回归模型预测木材剩余物（1）用Eviews软件建立y关于x的回归方程，并对模型和参数做假设检验；（2）求y t的点预测和平均木材剩余物产出量E(y t)的置信区间预测。
（3）假设乌伊岭林业局2000年计划采伐木材20万m3，求木材剩余物的点预测值。
三、解题思路1、录非结构型的数据；2、进行描述性统计，列出回归模型；通过看t、f等统计量，检验回归模型是否正确3、运用forecast进行内预测（1-16样本），可以得到yf的点预测；再运用[yf+se]、[yf-se]进行区间估计（运用excel操作）4、将样本范围改到17个，令x=20，运用forecast进行外预测（17-17）四、实验过程记录与结果1、原始数据：乌伊岭26.1361.4东风23.4948.3新青21.9751.8红星11.5335.9五营7.1817.8上甘岭 6.817友好18.4355翠峦11.6932.7乌马河 6.817美溪9.6927.3大丰7.9921.5南岔12.1535.5带岭 6.817朗乡17.250桃山9.530双丰 5.5213.82、用Eviews软件建立y关于x的回归方程，并对模型和参数做假设检验；模型为：y=0.404280x-0.762928通过上表t、f统计量的p值<0.05，以及残差图基本在两倍标准差的范围内波动，可以得出该模型通过原假设。
3、求yt的点预测和平均木材剩余物产出量E(yt)的置信区间预测。
Yt的点估计：E（yt）的置信区间：4、假设乌伊岭林业局2000年计划采伐木材20万m3，求木材剩余物的点预测值。
空心点为预测值，上下两个红点是预测值的范围。
所以当x=20时，y的点预测值为7.322668五、结果的讨论和分析通过以上的实验，可知：模型为：y=0.404280x-0.762928，根据相关的统计量，可以得出该模型通过参数假设检验；yt的点预测运用内预测完成，而当2000年计划采伐木材20万立方米，运用外预测，可得木材剩余物的量为7.322668万立方米的六、实验小结通过这次实验，对eviews操作界面更加熟悉；掌握了如何建立数据的回归方程，以及参数的假设检验是否正确；运用eviews进行yt的点预测以及E（yt）的区间预测；当解释变量确定时，被解释变量应该为多少。
实验课课件eviews基本操作与一元线性回归
目录
• EViews软件介绍 • EViews基本操作 • 一元线性回归模型 • EViews中进行一元线性回归分析 • 实验结果分析 • 实验总结与展望
EViews软件介绍
01
软件特点
强大的数据处理能力
EViews提供了丰富的数据处理 功能，包括数据导入、清洗、
数据转换
根据需要，可以对数据进 行转换，如对数转换、标 准化等，以适应回归分析 的要求。
建立一元线性回归模型
设定模型
选择一元线性回归模型，并确定 自变量和因变量。
模型诊断
在建立模型之前，需要进行必要的 诊断，如残差图、散点图等，以确 定是否满足线性回归的前提假设。
模型参数估计
使用最小二乘法或其他估计方法， 对模型参数进行估计。
02
输入数据时，需要确保数据的格 式和单位与实际相符，并注意数 据的完整性和准确性。
生成序列
在EViews中，可以通过多种方式生 成序列，如通过数学公式、通过已有 的序列运算、通过其他软件的数据转 换等。
生成序列时，需要确保生成的序列与 实际需求相符，并注意序列的命名和 格式。
数据的图形化表示
在EViews中，可以通过多种方式将数据图形化表示，如绘制散点图、折线图、柱 状图等。
转换和统计分析等。
多种回归分析方法
EViews支持多种回归分析方法 ，如最小二乘法、广义最小二 乘法、最大似然估计法等。
图形化界面
EViews采用图形化界面，操作 简单直观，方便用户进行数据 分析。
灵活的自定义功能
EViews支持用户自定义函数和 程序，扩展性良好。
软件界面
01
02
用Eviews软件建立一元线性回归模型并进行相关检验的实验报告
用Eviews软件建立一元线性回归模型并进行相关检验的实验报告1.数据表1列出了某年中国部分省市城镇居民每个家庭平均全年可支配收入X与消费性支出Y 的统计数据。
表12.建立模型应用EViews软件，以表1的数据可绘出可支配收入X与消费性支出Y的散点图（图2-1）。
从该三点图可以看出，随着可支配收入的增加，消费性支出也在增加，大致程线性关系。
据此，我们可以建立一元线性回归模型：Y=β0+β1·X+μ图2-1对模型作普通最小二乘法估计，在Eviews软件下，OLS的估计结果如图（2-2）所示。
Dependent Variable: YMethod: Least SquaresDate: 12/07/11 Time: 21:00Sample: 1 20Included observations: 20Variable Coefficient Std. Error t-Statistic Prob.X 0.755368 0.023274 32.45486 0.0000C 271.1197 159.3800 1.701090 0.1061R-squared 0.983198 Mean dependent var 5199.515Adjusted R-squared 0.982265 S.D. dependent var 1625.275S.E. of regression 216.4435 Akaike info criterion 13.68718Sum squared resid 843260.4 Schwarz criterion 13.78675Log likelihood -134.8718 Hannan-Quinn criter. 13.70661F-statistic 1053.318 Durbin-Watson stat 1.302512Prob(F-statistic) 0.000000图2-2OLS估计结果为^Y=271.12+0.76X(1.70) (32.45)R2=0.9832 D.W. =1.3025 F=1053.3183.模型检验从回归估计的结果看，模型拟合较好。
Eviews-一元线性回归分析
1.一元线性回归分析（Eviews）研究一个解释变量对一个被解释变量的函数关系Eviews操作主要是Quick。
例子：分析31个省城镇居民平均每人全年家庭总收入X（元）与2011年底城镇居民家庭平1.打开Eviews，依次点击File\New\Workfile。
2.点击”Q uick-Empty Group”,输入数据,点击”obs”,按“”第一列和第二列分别命名为Y和X，将数据粘贴。
二、作Y与X的相关图（散点图）在“Workfile”窗口中，选择X和Y的数据表，双击选择“Open Group”。
选择“View\Graph”，在Graph type中选择“Scatter”，在Fit lines选择“Regression Line”。
从散点图中可以看出，X与Y近似于线性关系，可考虑建立简单线性回归模型。
Y i=β1+β2X i+u i三、估计参数（求出β1和β2的值）假定所建立的模型及其中的随机扰动项u i满足各项古典假定，可以用OLS法估计其参数。
1.方法一：点击“Quick\Estimate Equation”,在Specification中输入“Y C X”。
方法二：在Eviews主命令框中输入“LS Y C X”,按回车。
结果第一行依次表示：变量，参数，标准误差，t统计量，概率值样本回归函数为：Ŷi=11.95802+0.002873X iR2=0.831966,即判定系数表示回归解释平方和与总平方和之比，拟合优度度量值。
2.显示回归结果的图形，在“Equation”框中，点击“Resids”。
四、模型检验1.经济意义检验所估计的参数β̂1=11.95802，β̂2=0.002873，分别表示城镇居民平均每人全年家庭总收入每增加1元，2011年底城镇居民家庭平均每百户计算机拥有量增加0.002873台，与预期的经济意义相符。
2.拟合优度和统计检验R2=0.831966,即判定系数表示回归解释平方和与总平方和之比，拟合优度度量值，说明所建立的模型拟合效果较好。
EViews上机练习1一元线性回归
对于b1，t统计量为132.4233，给定α＝0.05，查t分布表，在自由度为n－2＝22下，得临界值t0.025(22)=2.074,因为t＝132.4233>t0.025(22)=2.074，所以拒绝H0：b1＝0，表明国内生产总值对我国最终消费支出有显著性影响。
7）预测。
在估计出的“Equation”框里选“Forecast”项，Eviews自动计算出样本估计期内的被解释变量的拟合值，预测结果见图14
0.333718
F统计量的概率
0．00000
赤池信息准则（Akaike info criterion）:赤池信息准则即AIC，它对方程中的滞后项数选择提供指导。它是在残差平方和的基础上进行的。在特定条件下，可以通过选择使AIC达到最小值的方式来选择最优滞后分布的长度。AIC值越小越好。
施瓦茨准则（Schwarz Criterion）:施瓦茨准则与AIC类似，他们具有基本相同的解释。
49722.70
82067.50
2000
54616.70
89442.20
2001
58952.60
95933.20
资料来源：国家统计局.中国统计年鉴2001.北京：中国统计出版社，2002
运行Eviews,在出现的对话框中按以下步骤进行一员线性回归。
1）给出工作范围。打开Eviews窗口，File→New→Workfile→Workfile Range→Workfile Frequency→Annual→Start date(1978)→End data(2001)→OK (图1，图2，图3)
估计标准误差是根据样本资料计算的，用来反映被解释变量的实际值yt与估计值 t的平均误差程度的指标。当SE越大，则回归直线精度越低；SE越小，则回归直线精度越高，代表性越好。当SE＝0时，表示所有的样本点都落在回归直线上，解释变量与被解释变量之间表现为函数关系。
Eviews软件在一元线性回归模型预测中的几种应用
移 1+
1 n
+
（xf -x軃）2
n
（xi -x軃）2
，
i=1
（2）
其中，se 为估计标准误差。
可以看到，置信区间估计和预测区间估计的计算公式区别只在于公式根号内少了一个 1，从而在同
等条件下，得到的置信区间要比预测区间窄一些。统计学中，引入 yf 预测的标准差 s（y赞 f），且
s（y赞 f）=se
n
（xi -x軃）2
i=1
yf
y赞 f
yf依t琢/2（n-2）s（y赞 f）
2 一元线性回归模型预测中的 Eviews 软件应用
前文中的预测计算公式，由于计算量相对较大，特别是多元线性情况下，计算变得十分困难，借助
Eviews 软件可使预测简化便捷。下面以具体的一元线性回归模型为例，介绍 Eviews 软件在单方程模型 预测中的几种应用。从某一行业中随机抽取 12 家企业，所得产量与生产费用的数据如表 2 所示。
第 37 卷 第 3 期 2019 年 5 月
佛 山 科 学技 术 学 院学 报（自然 科 学 版） Journal of Foshan University（Natural Sciences Edition）
V o l. 3 7 N o. 3 May 2019
文章编号：1008-0171（2019）03-0001-05
置信区间估计是指在一定置信水平下，利用所得样本回归方程，对于一个给定的 xf，得到的因变量 的平均值的估计区间。其计算公式为
收稿日期：2018-12-22 基金项目：新疆师范大学教学研究与改革项目（SDJG2017-26） 作者简介：陈 军（1973-），新疆乌鲁木齐人，新疆师范大学副教授，博士。
计量经济学 实验一 一元线性回归 完成版
实验一一元线性回归方程1.下表是中国2007年各地区税收Y和国内生产总值GDP的统计资料。
单位：亿元地区Y GDP 地区Y GDP北京1435.7 9353.3 湖北434.0 9230.7 天津438.4 5050.4 湖南410.7 9200.0 河北618.3 13709.5 广东2415.5 31084.4 山西430.5 5733.4 广西282.7 5955.7 内蒙古347.9 6091.1 海南88.0 1223.3 辽宁815.7 11023.5 重庆294.5 4122.5 吉林237.4 5284.7 四川629.0 10505.3 黑龙江335.0 7065.0 贵州211.9 2741.9 上海1975.5 12188.9 云南378.6 4741.3 江苏1894.8 25741.2 西藏11.7 342.2 浙江1535.4 18780.4 陕西355.5 5465.8 安徽401.9 7364.2 甘肃142.1 2702.4 福建594.0 9249.1 青海43.3 783.6 江西281.9 5500.3 宁夏58.8 889.2 山东1308.4 25965.9 新疆220.6 3523.2 河南625.0 15012.5要求，运用Eviews软件：(1)作出散点图，建立税收随国内生产总值GDP变化的一元线性回归方程，并解释斜率的经济意义；解：散点图如下：得到估计方程为：ˆ0.07104710.62963=-y x这个估计结果表明，GDP 每增长1亿元，各地区税收将增加0.071047亿元。
(2) 对所建立的回归方程进行检验；解：从回归的估计的结果来看，模型拟合得较好。
可决系数20.7603R =，表明各地区税收变化的76.03%可由GDP 的变化来解释。
从斜率项的t 检验值看，大于5%显著性水平下自由度为229n -=的临界值0.025(29) 2.05t =，且该斜率满足0<0.071047<1，表明2007年，GDP 每增长1亿元，各地区税收将增加0.071047亿元。
EVIEWS案例：(一元回归预测)消费支出和可支配收入
E V I E W S案例：(一元回归预测)消费支出和可支配收入-CAL-FENGHAI-(2020YEAR-YICAI)_JINGBIAN第二章案例分析一、研究的目的要求居民消费在社会经济的持续发展中有着重要的作用。
居民合理的消费模式和居民适度的消费规模有利于经济持续健康的增长，而且这也是人民生活水平的具体体现。
改革开放以来随着中国经济的快速发展，人民生活水平不断提高，居民的消费水平也不断增长。
但是在看到这个整体趋势的同时，还应看到全国各地区经济发展速度不同，居民消费水平也有明显差异。
例如，2002年全国城市居民家庭平均每人每年消费支出为6029.88元, 最低的黑龙江省仅为人均4462.08元，最高的上海市达人均10464元，上海是黑龙江的2.35倍。
为了研究全国居民消费水平及其变动的原因，需要作具体的分析。
影响各地区居民消费支出有明显差异的因素可能很多，例如，居民的收入水平、就业状况、零售物价指数、利率、居民财产、购物环境等等都可能对居民消费有影响。
为了分析什么是影响各地区居民消费支出有明显差异的最主要因素，并分析影响因素与消费水平的数量关系，可以建立相应的计量经济模型去研究。
二、模型设定我们研究的对象是各地区居民消费的差异。
居民消费可分为城市居民消费和农村居民消费，由于各地区的城市与农村人口比例及经济结构有较大差异，最具有直接对比可比性的是城市居民消费。
而且，由于各地区人口和经济总量不同，只能用“城市居民每人每年的平均消费支出”来比较，而这正是可从统计年鉴中获得数据的变量。
所以模型的被解释变量Y选定为“城市居民每人每年的平均消费支出”。
因为研究的目的是各地区城市居民消费的差异，并不是城市居民消费在不同时间的变动，所以应选择同一时期各地区城市居民的消费支出来建立模型。
因此建立的是2002年截面数据模型。
影响各地区城市居民人均消费支出有明显差异的因素有多种，但从理论和经验分析，最主要的影响因素应是居民收入，其他因素虽然对居民消费也有影响，但有的不易取得数据，如“居民财产”和“购物环境”；有的与居民收入可能高度相关，如“就业状况”、“居民财产”；还有的因素在运用截面数据时在地区间的差异并不大，如“零售物价指数”、“利率”。
用EVIEWS软件实现一元及多元线性回归分析预测法
2、预测实施阶段
1）明确问题 2）讨论问题 3）重新表述问题 4）再次进行畅谈 具体会议记录如下
A（模拟专家、组织者） ：我们今天要预测的主题是实体书店的发展与转型，就请各位专家一起讨论吧。 B（模拟专家） ：现在互联网非常便捷，国民可以通过网上商城想买什么就买什么，价格还比实体店便宜，在这样一 种互联网普及的时代，实体书店迟早会被数字化取代，实体书店是很难竞争过电子商城的。 C（模拟专家） ：我同意，比起电子商城，实体书店要占很多地，如今房价那么贵，经营成本只增不减，它的竞争对 手又是强大的互联网，传统实体书店很难发展下去。 A：所以大家都认为实体书店终会被取代了吗？ C：首先我当然希望实体书店不会消失，毕竟它伴随着我们长大，很多读者对书店有深厚的感情。其次它有它独特的 文化价值是网上商城无法取代的。但是在这利益驱使的社会，大多数的实体书店、民营书店若想发展想生存，它们 目前的经营模式是不可行的。
A：这个建议很好，在台湾有家书店名叫诚品书店，它的理念就是打造复合型书店，和大家所说的很相似。诚品的 发展策略打破了传统书店的经营模式，先由品牌奠定成功基础，再带动商场、书店与零售的“复合式经营” ，使书 店不只卖书，而是包罗书店、画廊、花店、商场、餐饮的复合组织。而它的营业时间还是 24 小时的，可以说它能 满足所有人群的需求。在台湾人们外出去买书去休闲，第一想到的会是诚品，可以说诚品推动了台湾文化的前进 与创新。 C：所以这又是一条好建议，那就是实体书店转型成复合型的创新企业，起初可以模仿台湾诚品书店的做法，以后 可以不断加入当地的特色文化，建造独一无二的复合型书店。让书店成为一个创意产业。 B：我也想到一点，我们福州路有好几家书店，但都是大型的，我们可以以上海书城为中心，建设实体书店文化圈， 我们在这一片建造各式各样的书店，卖不同类型的书，建造不同风格的外观，有小的也有大的，让这个文化圈成 为上海一道风景线，并且推动城市文化的创新与发展。这样不仅提升城市形象，也成为又一个旅游景点，带动经 济发展，为书店带来盈利和名声。 A：大家提了很多好建议，让我整理一下。 A：现在一共有 5 条建议了。我们从书品种、补贴政策、国民阅读习惯、书店经营模式、以及建造书店文化圈的几 个角度来为实体书店的发展和转型提供了建议。这几个建议的根本目的就是为了使书店更好的盈利，能够有实力 生存发展下去。大家还有要补充的吗？ D：你说我们是为了书店更好的盈利，我们讨论了半天都是围绕“利”这个字。 C：对，我一开始也提到了如今是利益驱使的社会，实体店赚不了钱就要倒闭。 B：恩，如果赚不了钱还要运营下去只能靠国家补贴，但是国家也不会投入很多的钱去支持它们的，毕竟数量有限。 D：其实除了国家的政策支持，我们还有那么多庞大的企业，为什么不说服它们赞助呢？ A：目前的企业，很少有会去赞助这种投下去无底洞又不还本的事业。若真要举例的话，那就是公益事业还有些大 型企业赞助，它们赞助已不是为了盈利，而是打造企业形象。 D：没错，企业形象是很重要的，好的社会形象虽是无形的，但它在未来所带来的商业潜能是无穷的，我想企业是 不会错失这种机会的。 A：但我们的书店并不是公益机构吧？ D： 我觉得把书店归并到公益事业不是未尝不可的。 我们之前提了那么多， 书店的存在的意义远不只是为了盈利了， 它的深远意义要伟大很多：文化的引导，一个好阅读习惯的保护，人们的精神养料，更是城市的文化象征与推动。 所以如今，当书店越来越难走的情况下，我们将它的定义改成公益机构，去由不同的企业赞助，让企业为它们打 广告，让企业为城市文化做贡献。对于企业来说是一种回报社会的方式，也建立了良好的社会形象，对于书店来 说有了经济支持，它的重心不是赚钱了而是提升服务提升自身价值，两全其美。 C：我觉得挺靠谱， 只不过这要是一个长期的事业，首先还要让大家重视起书店的重要性。 D：恩，慢慢来。 A：好，这样我们的建议更完善了，第六条，让书店成为公益机构，由企业赞助，长期保护好书店。 A：那我们这次讨论就结束了，回头我会整理出这次会议内容，散~
eviews入门模型线性回归模型 PPT课件
一元线性回归模型 多元线性回归模型 可线性化模型 虚拟变量
一元线性回归模型案例
Case1是黑龙江省伊春林区1999年16个林业 局的年木材采伐量和相应伐木剩余物数据。
下面利用该数据介绍怎样利用EViews软件进 行OLS回归
1、数据文件的读取或打开。
例5
中国进出口模型。中国进出口贸易总额数据 （1950-1984年）见trade.xls。试检验改革开放前 后该时间序列的斜率是否发生变化。
以1978年前为0
y b0 b1x a1D1 a2 X D1 u
例6 虚拟变量在季节调整中的应用
1982 : 1 ~ 1985 : 4中国季度酒销量(y,，万吨) 数据见case36，这是一个时间序列数据，呈 明显的季节变化特征，建立模型时应该加入 季节虚拟变量以描述季节特征。
在Forecast sample选择区把预测范围从1 ~ 17改为17 ~ 17，即只预测x =20时的y的值。
多元线性回归模型案例
case2是1950-1987年间美国机动汽油消费量 和影响消费量的变量数值。其中各变量表示： QMG-机动车汽油消费量；MOB-汽车保有量； PMG-机动汽油零售价格；POP-人口数； GNP-按照1982年美元计算的GNP；以汽油 消费量为因变量，其它变量为自变量，建立 一个回归模型。
或等价的输入变量列表
Ls Qmg c car pmg pop rgnp
2．预测
菜单命令是对方程对象操作proc/forecast ,或 直接从工具栏中选Forecast，Eviews会产生 一个新的对话框，可以生成名为原自变量名 加f名的新序列，也可自己命名。
RMSE 均方根误差； MAE平均绝对误差 MAPE即平均绝对百分误差 Theil inequality coefficient 希尔不等系数 Bias proportion 偏差率 Variance proportion 方差率 Covariance proportion 协变率
计量经济学Eviews软件应用2---【线性回归模型】--1次课
Eviews软件操作实例
例2：经研究发现，学生用于购买书籍及课外读物的支
出与本人受教育年限和其家庭收入水平有关，对18名 学生进行调查的统计资料见表2-2，其中，Y——购买 书籍及课外读物支出（元/年）; X1 ——受教育年限 （年）；X2 —— 家庭月可支配收入（元/月）。要求 通过使用Eviews软件： （1）试建立学生购买书籍及课外读物的支出 Y 与受 教育年限 X1 和家庭收入水平X2 的二元线性回归模 型； （2）假设有一学生的受教育年限X1= 10 年，家庭月 可支配收入 X2 =480元/月，试预测该学生全年购买书 籍及课外读物的支出，并给出相应的预测区间。
Eviews软件操作实例
(三) 做散点图
菜单方式：组窗口工具条View/Graph/Scatter/Simple Scatter →X 和Y 的散点图(以X 列的观测值为横坐标，以Y 列的观测值为纵坐标，在 X-Y 坐标系中描点得到 X 和 Y 两个变量的散点图) ，点击Freeze冻结为一个图→Name命 名graph01→此图的图标出现在工作文件目录中; 或者Eviews主菜单中的Quick/Graph/Scatter →弹出的文 本框中输入 X Y →OK →打开未命名的图窗口→Name命 名； 命令方式：scat X Y 然后回车 （打开未命名的图窗口，可name命名）
Eviews软件操作实例
(一) 工作文件基本操作 2、保存工作文件
直接点击工作文件窗口工具条中的“Save” 或者选择
Eviews主菜单中的 File/Save→如果工作文件已命名 (example1 )， 弹出“Workfile Save”对话框(默认状态) → 点击Ok后系统自动将工作文件保存在默认目录下，扩 展名为wf1；
用EVIEWS软件实现一元及多元线性回归分析预测法
3、结果处理阶段
1）完善会议记录 2）整理方案 (概括，具体见会议记录) a.选择专业性强的书卖
b.加强政府对书店的优惠政策和财政支持 c.去书店选书方式和意义的教育与推广 d.复合创新型书店转型 e.建设城市书店文化圈 f.让书店成为公益机构，由企业赞助 3）方案评判与筛选
可识别性（对于国民） 创新性 弱 弱 弱 强 中 强 可实施性 强 中 中 中 弱 弱 缺陷 在未来会被互联网取代 政府普及度不高，透明度也不高 生活节奏快，人们更接受互联网方式 耗时耗资，需龙头企业带头 耗时耗资，涉及城市规划 转变较难，目前人们不够重视书店
4、预测报告提出 预测结论
分析了在线商城和书店的现状后，我们一致认为在这互联网高速发展的时代，实体书 店的竞争力越来越小，在未来会被取代。但我们也一致认可了实体书店对于城市、国民以及 文化的重要性，认为有保护它的重要性和它自身转型的必要性。 通过初步讨论，我们从书品种、补贴政策、国民阅读习惯、书店经营模式改变、以及建 造文化圈的几个角度来提出了“对书店的发展与转型”的方案。通过再次表述问题，我们认 为一种更有效的方案，即将书店转型为公益机构，并且吸引企业赞助。 我们认为，如今的实体书店已不能在是传统的企业单位，复合型、创新型、更公益、更 人性是它未来的发展方向。我们也深信，实体书店终会迎来一条成功之路，它的灿烂文化与 深渊意义将永驻城市每一个角落。 我们也希望通过这次交流， 能让在座的大家重视起实体书 店，我们一起保护人类这笔宝贵的精神财富与传统文化。 一坐城市的文化发展，绝对离不开实体书店。
2、预测实施阶段
1）明确问题 2）讨论问题 3）重新表述问题 4）再次进行畅谈 具体会议记录如下
A（模拟专家、组织者） ：我们今天要预测的主题是实体书店的发展与转型，就请各位专家一起讨论吧。 B（模拟专家） ：现在互联网非常便捷，国民可以通过网上商城想买什么就买什么，价格还比实体店便宜，在这样一 种互联网普及的时代，实体书店迟早会被数字化取代，实体书店是很难竞争过电子商城的。 C（模拟专家） ：我同意，比起电子商城，实体书店要占很多地，如今房价那么贵，经营成本只增不减，它的竞争对 手又是强大的互联网，传统实体书店很难发展下去。 A：所以大家都认为实体书店终会被取代了吗？ C：首先我当然希望实体书店不会消失，毕竟它伴随着我们长大，很多读者对书店有深厚的感情。其次它有它独特的 文化价值是网上商城无法取代的。但是在这利益驱使的社会，大多数的实体书店、民营书店若想发展想生存，它们 目前的经营模式是不可行的。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
3.3 计量经济学检验 3.3.1 异方差性检验 3.3.2 自相关性（序列相关性）检验 3.3.3 多重共线性检验 3.4 预测检验（可选项目） 4. 模型的修正与再检验 4.1 模型的修正 4.2 修正模型的再检验 5. 模型的应用 5.1 结构分析 5.2 经济预测
3
4
19个样本， 1个解释变 量
9
LM=nR2=6.390984 prob=0.040946<α=0.05，则拒绝“模型不存在二阶自相关”的原假设， 认为回归模型具有明显的二阶自相关性
10
LM=nR2=7.133845 prob=0.067752>α=0.05，则不拒绝“模型不存在三阶阶自相关”的原假设。
11
二阶自相关的消除
15
预测检验 1.区间预测
16
模型预测值YF与样本观测值Y的接近程度
17
整理、变换：
ˆ 0
115.3205 180.8949 1 0.7819 0.4194
最终结果：
ˆ Yt 180.8949 0.5876 X t
14
模型的应用
我们得到最终的中国农村居民消费模型
ˆ Yt 180.8949 0.5876 X t
由此可知，中国农村居民的边际消费倾向为 0.5876，即中国农民收入每增加1元，消费支 出将平均增加0.5876元。中国居民的自发性消 费为180.8949元。
引入自相关误差矫正项AR(1)
dL=1.18<DW=1.39<dU=1.40，依据判别准则，随机误差项尚未消除自相关
12
引入自相关误差矫正项AR(1)和AR(2)
dU=1.40<DW=2.14<(4-dU)=2.82，依据判别准则，随机误差项已消除自相关
13
ˆ Yt 115.3205 0.5876 X t 0.7819 AR (1) - 0.4194 AR (2)
边际消费倾向，自发消费。参数的大小和符号均符 合经济理论。 t=（28.036）（8.734） 拟合优度检验：R2 检验 ，拟合优度很高。 R2=0.978831 变量的显著性检验：t 检验，拒绝原假设，则回归 系数均显著不为零。
6
异方差性——怀特检验法
nR2=1.648682 prob=0.438524>α=0.05，则不拒绝原假设“模型不存在异方差性”。
中国农村居民消费模型
小组成员：
Page 1
经典计量经济学模型建立过程
1. 理论模型的设置
2. 模型参数的最小二乘估计 3. 计量经济学模型的四级检验 3.1 经济意义检验 3.2 统计检验
3.2.1 拟合优度检验：R2 检验
3.2.2 模型总体的显著性检验：F检验
3.2.3 变量的显著性检验：t 检验
Y与X的变化趋势是线性的。 Y 因此建立Y与X之间的一元线性回归模型： i
5
0 1 X i ui
最小二乘回归法
最小二 乘回归 法
α=0.05， 查自由度 v=19-2=17的t 分布表，得临 界值 t0.025(17)=2.11
Y t 0.599781X t 106.7574
7自相关检验DFra bibliotek检验DW=0.77 查表n=19,k=1,α=5%,得dL=1.18， dU=1.40 由于DW<dL，所以模型存在正自相关。
8
LM检验
LM=nR2=4.569035 prob=0.032555<α=0.05，则拒绝“模型不存在一阶自相关”的原假设，认 为回归模型具有明显的一阶自相关性