用eviews进行一元线性回归分析

合集下载

用eviews进行一元线性回归分析

用eviews进行一元线性回归分析LT目录一、引言 (1)（一）研究背景 (1)（二）研究意义 (1)二、研究综述 (2)（一）模型设定 (2)1.定义变量 (2)2.数据来源 (2)（二）作散点图 (3)三、估计参数 (4)（一）操作步骤 (4)（二）回归结果 (4)四、模型检验 (5)（一）经济意义检验 (5)（二）拟合优度和统计检验 (5)（三）回归预测 (5)五、结论 (5)参考文献： (6)一元回归分析居民收入与支出的关系一、引言（一）研究背景随着近年来我国成为世界第二大经济体，居民的高生活水平也日益显著。

我国人口正在高速城镇化，2011年中国大陆城镇人口为69079万人，城镇人口占总人口比重达到51.27％。

因此城镇居民作为消费主体，研究城镇居民人均可支配收入以及人均可支配消费性支出之间的关系，可以有效的了解到我国各地区的人民生活水平以及经济状况，因此能更好的的带动我国GDP的飙升，改善居民的生活水平。

（二）研究意义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，而且这要是人民生活水平的具体体现。

改革开饭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，2007年的城市居民家庭平均每人每年消费支出，最高的是上海市达人均20667.91元，最低的则是新疆，人均只有8871.27元，上海是新疆的2.33倍。

为了研究全国居民消费水平及其变动的原因，需要做具体的分析。

影响各地区居民消费指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、零售业物价指数、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。

《计量经济学》eviews实验报告一元线性回归模型详解

计量经济学》实验报告一元线性回归模型-、实验内容（一）eviews基本操作（二）1、利用EViews软件进行如下操作：（1）EViews软件的启动（2）数据的输入、编辑（3）图形分析与描述统计分析（4）数据文件的存贮、调用2、查找2000-2014年涉及主要数据建立中国消费函数模型中国国民收入与居民消费水平:表1年份X(GDP)Y（社会消费品总量）200099776.339105.72001110270.443055.42002121002.048135.92003136564.652516.32004160714.459501.02005185895.868352.62006217656.679145.22007268019.493571.62008316751.7114830.12009345629.2132678.42010408903.0156998.42011484123.5183918.62012534123.0210307.02013588018.8242842.82014635910.0271896.1数据来源：二、实验目的1.掌握eviews的基本操作。

2.掌握一元线性回归模型的基本理论，一元线性回归模型的建立、估计、检验及预测的方法，以及相应的EViews软件操作方法。

三、实验步骤（简要写明实验步骤）1、数据的输入、编辑2、图形分析与描述统计分析3、数据文件的存贮、调用4、一元线性回归的过程点击view中的Graph-scatter-中的第三个获得在上方输入Isycx回车得到下图DependsntVariable:Y Method:LeastSquares□ate:03；27/16Time:20:18 Sample:20002014 Includedobservations:15VariableCoefficientStd.Errort-StatisticProb.C-3J73.7023i820.535-2.1917610.0472X0416716 0.0107S838.73S44 a.ooao R-squared0.991410 Meandependentwar119790.2 AdjustedR.-squared 0.990750 S.D.dependentrar 7692177 S.E.ofregression 7J98.292 Akaike infocriterion20.77945 Sumsquaredresid 7；12E^-08 Scliwarz 匚「爬伽20.37386 Loglikelihood -1&3.3459Hannan-Quinncriter. 20.77845 F-statistic 1I3&0-435 Durbin-Watsonstat0.477498Prob(F-statistic)a.oooooo在上图中view 处点击view-中的actual ,Fitted ,Residual 中的第一个得到回归残差打开Resid 中的view-descriptivestatistics 得到残差直方图/icw Proc Qtjject PrintN^me FreezeEstimateForecastStatsResids凹Group:UNIIILtD Worktile:UN III LtLJ::Unti1DependentVariablesMethod;LeastSquares□ate:03?27/16Time:20:27Sample(adjusted):20002014Includedobservations:15afteradjustmentsVariable Coefficient Std.Errort-Statistic ProtJ.C-3373.7023^20.535-2.191761 0.0472X0.4167160.01075S38.735440.0000R-squared0.991410 Meandependeniwar1-19790.3 AdjustedR-squa.red0990750S.D.dependentvar 76921.77 SE.ofregre.ssion 7J98.292 Akaike infacriterion20.77945 Sumsquaredresid 7.12&-0S Schwarzcriterion 20.S73S6 Laglikelihood -153.84&9Hannan-Quinncrite匚20.77545 F-statistic1I3&0.435Durbin-Watsonstat 0.477498 ProbCF-statistic) a.ooaooo在回归方程中有Forecast,残差立为yfse,点击ok后自动得到下图roreestYFM J訓YForea空巾取且:20002015 AdjustedSErmpfe:2000231i mskJddd obaerratire:15Roof kter squa red Error理l%2Mean/^oLteError畐惯啟iJean Afe.PereersErro r5.451SSQThenhe鼻BI附GKWCE口.他腐4Prop&niwi□ooooooVactaree Propor^tori0.001^24G M『倚■底Props^lori09®475在上方空白处输入lsycs…之后点击proc中的forcase根据公式Y。

计量经济学上机实验

计量经济学上机实验上机实验一：一元线性回归模型实验目的：EViews软件的基本操作实验内容：对线性回归模型进行参数估计并进行检验上机步骤：中国内地2011年中国各地区城镇居民每百户计算机拥有量和人均总收入一．建立工作文件：1.在主菜单上点击File\New\Workfile；2.选择时间频率，A3.键入起始期和终止期，然后点击OK；二．输入数据:1.键入命令：DATA Y X2.输入每个变量的统计数据；3.关闭数组窗口（回答Yes）;三．图形分析：1.趋势图：键入命令PLOT Y X2.相关图：键入命令 SCAT Y X 散点图：趋势图：上机结果：Yˆ11.958+0.003X=s (βˆ) 5.6228 0.0002t (βˆ) 2.1267 11.9826prob 0.0421 0.00002=0.831 R2=0.826 FR=143.584 prob(F)=0.0000上机实验二：多元线性回归模型实验目的：多元回归模型的建立、比较与筛选，掌握基本的操作要求并能根据理论对分析结果进行解释实验内容：对线性回归模型进行参数估计并进行检验上机步骤：商品的需求量与商品价格和消费者平均收入趋势图：散点图：上机结果:i Yˆ=132.5802-8.878007X1-0.038888X2s (βˆ) 57.118 4.291 0.419t (βˆ) 2.321 -2.069 -0.093prob 0.0533 0.0773 0.9286 R2=0.79 R2=0.73 F =13.14 prob(F)=0.00427三：非线性回归模型实验目的：EViews软件的基本操作实验内容：对线性回归模型进行参上机步骤：我国国有独立核算工业企业统计资料一．建立工作文件：1.在主菜单上点击File\New\Workfile；2.选择时间频率，A3.键入起始期和终止期，然后点击OK；二．输入数据:1.键入命令：DATA Y L K2.输入每个变量的统计数据；3.关闭数组窗口（回答Yes）;三．图形分析：1.趋势图：键入命令PLOT Y K L2.相关图：键入命令 SCAT Y K L四．估计回归模型：键入命令LS Y C K L上机结果：Y =4047.866K1.262204L-1.227157s (βˆ) 17694.18 0232593 0.759696t (βˆ) 0.228768 5.426669 -1.615325prob 0.8242 0.0004 0.1407R2=0.989758 R2=0.987482 F=434.8689 prob(F)=0.0000上机实验四：异方差实验目的：：掌握异方差的检验与调整方法的上机实现实验内容：我国制造工业利润函数行业销售销售行业销售销售实验步骤：一．检验异方差性1．图形分析检验：1) 观察Y、X相关图：SCAT Y X2) 残差分析:观察回归方程的残差图LS Y C X在方程窗口上点击Residual按钮；2． Goldfeld-Quant检验：SORT XSMPL 1 10LS Y C X（计算第一组残差平方和）SMPL 19 28LS Y C X（计算第二组残差平方和）计算F统计量，判断异方差性3．White检验：SMPL 1 28LS Y C X在方程窗口上点击：View\Residual\Test\White Heteroskedastcity 由概率值判断异方差性。

Eviews6.0线性回归

（10）. F统计量和边际显著性水平 F统计量检验回归中所有的系数是否为零(除了常数或截距)。对于普通最小二乘模型，F统计量由下式计算：
R2 k1
F1R2Tk
在原假设为误差正态分布下，统计量服从 F(k – 1 , T – k) 分布。
25
F统计量下的P值，即Prob(F-statistic), 是F检验的边际显著性水平。如果P值小于所检验的边际显著水平，比如说 0.05，则拒绝所有系数都为零的原假设。注意F检验是一个联合检验，即使所有的t统计量都是不显著的，F统计量也可能是高度显著的。
变量名下；如果是使用公式法来说明方程，EViews会列出实际系数 c(1), c(2), c(3) 等等。
对于所考虑的简单线性模型，系数是在其他变量保持不变
的情况下自变量对因变量的边际收益。系数 c 是回归中的常数或者截距---它是当其他所有自变量都为零时预测的基本水平。其他系数可以理解为假设所有其它变量都不变，相应的自变量
ARCH方法。 EViews计算R2 的公式为：
R21 uˆuˆ
， uˆyXb
(yy)(yy)
其中，uˆ是残差，y 是因变量的均值。
19
（2） R2 调整使用R2 作为衡量工具存在的一个问题，即在增加新的自变量时R2 不会减少。在极端的情况下，如果把样本观测值都作R 2为自变量，总能得到R2 为1。
s uˆuˆ/(Tk)
（4）残差平方和残差平方和可以用于很多统计计算中，为了方便，现在将它单独列出：
T
uˆuˆ (yt Xtb)2 t1 21
（5）对数似然函数值 EViews可以作出根据系数的估计值得到的对数似然函数值（假设误差为正态分布）。似然比检验可通过观察方程严格形式和不严格形式的对数似然值之间的差异来进行。对数似然计算如下：

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。

经验分享使用eviews做回归分析

[经验分享] 使用evi‎ew s做线‎性回归分析‎Gloss‎a ry:ls(least‎ squar‎e s)最小二乘法‎R-sequa‎r ed样本‎决定系数（R2）：值为0-1，越接近1表‎示拟合越好‎，>0.8认为可以‎接受，但是R2随‎因变量的增‎多而增大，解决这个问‎题使用来调‎整Adjus‎t R-seqau‎r ed()S.E of regre‎ssion‎回归标准误‎差Log likel‎ihood‎对数似然比‎：残差越小，L值越大，越大说明模‎型越正确Durbi‎n-Watso‎n stat：DW统计量‎，0-4之间Mean depen‎dent var因变‎量的均值S.D. depen‎dent var因变‎量的标准差‎Akaik‎e info crite‎r ion赤‎池信息量(AIC)（越小说明模‎型越精确）Schwa‎r z ctite‎r ion:施瓦兹信息‎量（SC）（越小说明模‎型越精确）Prob(F-stati‎s t ic)相伴概率fitte‎d(拟合值)线性回归的‎基本假设：1.自变量之间‎不相关2.随机误差相‎互独立，且服从期望‎为0，标准差为σ‎的正态分布‎3.样本个数多‎于参数个数‎建模方法:ls y c x1 x2 x3 ...x1 x2 x3的选择‎先做各序列‎之间的简单‎相关系数计‎算，选择同因变‎量相关系数‎大而自变量‎相关系数小‎的一些变量‎。

模型的实际‎业务含义也‎有指导意义‎，比如m1同‎g dp肯定‎是相关的。

模型的建立‎是简单的，复杂的是模‎型的检验、评价和之后‎的调整、择优。

模型检验：1）方程显著性‎检验（F检验）：模型拟合样‎本的效果，即选择的所‎有自变量对‎因变量的解‎释力度F大于临界‎值则说明拒‎绝0假设。

Eview‎s给出了拒‎绝0假设(所有系统为‎0的假设)犯错误(第一类错误‎或α错误)的概率(收尾概率或‎相伴概率)p 值，若p小于置‎信度(如0.05)则可以拒绝‎0假设，即认为方程‎显著性明显‎。

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建模方法之回归分析简介

建模方法之回归分析简介数学模型一元线性回归分析模型：),,0(~,2σεεN bx a Y ++= 多元线性回归分析模型：ε+++++=p p x b x b x b a Y Λ2211设随机变量Y 与X 有相关关系,就是说当X 取一确定值时,随机变量Y 有一个确定的分布.这个分布大多数情况下不能具体知道,但在实践中只需要的观测值.而数学期望(假设存在)在一定程度上能反映出其观测值的大小,所以人们感兴趣的是当X 取确定值x 时, Y 的数学期望)(x μ是多少.称)(x μ为Y 对X 的回归函数.在实际问题中,回归函数是未知的,需要我们根据实测样本以及以往的经验来确定回归函数的类型及求出函数中的未知参数的估计,得到经验公式.例1 20℃时在铜线含碳量%x 对于电阻Y (为一正态变量,单位:微欧)变化的研究中,得到如下一测试结果表明,随着铜线含碳量的增加,其电阻有增大的趋势.为了确定回归函数)(x μ的类型, 我们将这9组数据作为坐标在平面直角坐标系中描出它们相应的点,这种图称为散点图。

变量X -Y 的散点图因此估计)(x μ大致具有线性函数bx a +的形式,即可认为X 与Y 具有如下关系:),,0(~,2σεεN bx a Y ++= (1)其中b a ,及2σ是常数.这就是X 、Y 之间的(一元正态线性)回归模型.对n 根铜线进行独立观测,能得到n 个含碳量n x x x ,,,21Λ及对应的n Y Y Y ,,,21Λ,把i Y 看成随即变量,则它们可以表示成⎭⎬⎫=++=.,,,),,0(~,,,2,1,212相互独立n i i i i N n i bx a Y εεεσεεΛΛ (2)记⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=n x x x X 11121M M ，⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=n Y Y Y Y M 21，⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=n εεεεM 21，则（2）式也可表示为ε+⎪⎪⎭⎫⎝⎛=b a X Y .在一元线性回归中主要解决下列问题: (I ) 对未知参数b a ,及2σ进行估计; (II ) 对线性模型的假设进行检验; (III ) 对Y 进行预测和控制.参数的估计：对未知参数b a ,的估计,一个直观的想法便是希望选取这样的a 与b ,使得他们在n x x x ,,,21Λ各处计算的理论值i bx a +与实测值i y 的偏离达到最小.为此人们常用最小二乘法:求b a ,使∑=−−=ni i ibx a yQ 12)(为最小.在几何上,即是在平面上选取一条直线,使直线在横坐标为n x x x ,,,21Λ处的纵坐标与相应的实测点的纵坐标之差的平方和为最小.利用求极值的方法求b a ,,令⎪⎪⎩⎪⎪⎨⎧=−−−=∂∂=−−−=∂∂∑∑==.0)(2,0)(211ni i i i ni i i x bx a y b Q bx a y a Q整理得⎪⎪⎩⎪⎪⎨⎧=+=+∑∑∑∑∑=====ni i i n i i n i i ni i n i i y x x b x a y x b na 112111解此方程组得到的不是b a ,的真值,而是b a ,的估计值,ˆ,ˆb a它们为 ,)())((ˆ1212121∑∑∑∑====−−−=−−=ni ini i ini ini ii x xy y x xx n xyx n yx b(3),ˆˆx b y a−= (4) 其中.,111∑∑====ni i ni i y y x n x 具体计算得Y 对X 的线性回归方程为.59.1297.13ˆx y+= 等价公式：Y X X X ba TT 1)(ˆˆ−=⎥⎦⎤⎢⎣⎡. （5）方差分析：总平方和：,)(12∑=−=ni iT Y YQ 自由度为1−n回归平方和：∑=−=ni iR Y Y Q 12)ˆ(,)(ˆ122∑=−=ni i x x b 自由度为1=p 残差平方和：,)ˆ(12∑=−=ni iiE Y YQ 自由度为1−−p n 关系式：.E R T Q Q Q += 性质：2)1(σ=−−p n Q E E 。

计量经济学EIVEWS实验步骤和案例

一元线性回归检验个人的收入与消费是密不可分的，为了考察城镇居民可支配收入和其人均消费支出的关系，利用计量经济学的方法进行回归。

1990-2011年城镇居民可支配收录和人均消费支出数据如表1.1所示表1.1 城镇居民可支配收录和人均消费支出图2-1数据来源：《中国民政统计年鉴2012》作城镇居民可支配收录（X）和人均消费支出（Y）的散点图图2. 2从散点图可以看出居民家庭平均每人每年消费支出(Y)和城市居民人均年可支配收入(X)大体呈现为线性关系，所以建立的计量经济模型为如下线性模型：12i i i Y X u ββ=++三、估计参数假定所建模型及随机扰动项i u 满足古典假定，可以用OLS 法估计其参数。

运用计算机软件EViews 作计量经济分析十分方便。

利用EViews 作简单线性回归分析的步骤如下：1、建立工作文件首先，双击EViews 图标，进入EViews 主页。

在菜单一次点击File\New\Workfile图2-3选择数据类型和起止日期。

时间序列提供起止日期（年、季度、月度、周、日），非时间序列提供最大观察个数。

本例中在Start Data 里输入1990，在End data 里输入2011，见图2-3。

单击OK 后屏幕出现Workfile 工作框，如图2-4所示。

图2-4二、输入和编辑数据建立或调入工作文件以后，可以输入和编辑数据。

在主菜单上单击Quick→Empty Group（见图2-5）图2-5再用方向键将光标移到每一列的顶部之后，输入各个变量名，回车后输入数据（见图2-7）。

另外数据还可以从Excel中直接复制到空组。

然后为每个时间序列取序列名。

单击数据表中的SER01，在数据组对话框中的命令窗口输入该序列名称，如本例中输入X，回车后Yes。

采用同样的步骤修改序列名Y（见图2-8）。

数据输入操作完成。

图2-8数据输入完毕，单击工作文件窗口工具条的Save或单击菜单兰的File→Save将数据存入磁盘。

实验课课件eviews基本操作与一元线性回归

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

第二讲 eviews 一元线性回归模型分析

图2.5.3 Workfile工作框
2．命令方式：在命令窗口也可以直接输入建立工作文件的命令 CREATE，命令格式为 CREATE 数据频率起始期终止期
其中，数据频率类型分别为 A （年）、 Q （季）、 M （月）， U
（非时间序列数据）。输入 EViews 命令时，命令字与命令参数之间只能用空格分隔。如本例可键入命令： CREATE A 1978 2001。
表2.5.2 统计数据录入结果
数据输入完毕，可以关闭数据输入窗口，点击工作文件窗口工具条的Save或点击菜单栏的File＼Save将数据存入磁盘。
2.5.3 图形分析
1．单方式
在数组窗口工具条上Views的下拉式菜单中选择Graph（图形）；
2．命令方式
趋势图：plot
否存在异常值。图2.5.4给出了表2.5.1中最终消费支出与国内生产总值的趋势图。
图2.5.2 Workfile Range对话框
选择数据类型和起止日期：时间序列提供起止日期 (年、季度、
月度、周、日 ) ，非时间序列提供最大观察个数。本例中在 Start Data 里键入 1978 ，在 End Data 里键入 2001 。点击 OK 后屏幕出现 Workfile工作框(图2.5.3)。
一元线性回归模型
对于一元线性总体回归模型：
图2.2.1 观测值散点图
普通最小二乘法（OLS）
最小二乘估计量的性质
一个用于考察总体的估计量，可从如下几个方面考察其优劣性：
（1）线性。即它是否是另一个随机变量的线性函数；
（2）无偏性。即它的均值或期望是否等于总体的真实值；（3）有效性。即它是否在所有的线性无偏估计量中具有最小方差；（ 4 ）渐近无偏性。即样本容量趋于无穷大时，它的均值序列趋于总体的真

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。

使用eviews做线性回归分析

模型检验：1）方程显著性检验（F检验）：模型拟合样本的效果，即选择的所有自变量对因变量的解释力度F大于临界值则说明拒绝0假设。

Eviews给出了拒绝0假设(所有系统为0的假设)犯错误(第一类错误或α错误)的概率(收尾概率或相伴概率)p值，若p小于置信度(如0.05)则可以拒绝0假设，即认为方程显著性明显。

2）回归系数显著性检验（t检验）：检验每一个自变量的合理性|t|大于临界值表示可拒绝系数为0的假设，即系数合理。

t分布的自由度为n-p-1,n为样本数，p为系数位置3）DW检验：检验残差序列的自相关性，检验基本假设2（随机误差相互独立）残差：模型计算值与资料实测值之差为残差0<=dw<=dl 残差序列正相关，du<dw<4-du 无自相关，4-dl<dw<=4负相关，若不在以上3个区间则检验失败，无法判断demo中的dw=0.141430 ，dl=1.73369,du=1.7786,所以存在正相关模型评价目的：不同模型中择优1）样本决定系数R-squared及修正的R-squaredR-squared=SSR/SST 表示总离差平方和中由回归方程可以解释部分的比例，比例越大说明回归方程可以解释的部分越多。

Adjust R-seqaured=1-(n-1)/(n-k)(1-R2)2）对数似然值(Log Likelihood,简记为L)残差越小，L越大3）AIC准则AIC= -2L/n+2k/n, 其中L为log likelihood,n为样本总量，k为参数个数。

AIC可认为是反向修正的L，AIC越小说明模型越精确。

4）SC准则SC= -2L/n + k*ln(n)/n用法同AIC非常接近预测forecastroot mean sequared error(RMSE)均方根误差Mean Absolute Error(MAE)平均绝对误差这两个变量取决于因变量的绝对值，MAPE(Mean Abs. Percent Error)平均绝对百分误差，一般的认为MAPE<10则认为预测精度较高Theil Inequality Coefficient（希尔不等系数）值为0-1，越小表示拟合值和真实值差异越小。

金融计量学实验指导书Eviews操作指导书

金融计量学实验指导书金融工程教研室编广东商学院金融学院二00六年十一月目录实验项目一：一元线性回归模型分析 (1)实验项目二：多元线性回归模型（一） (11)实验项目三：多元线性回归模型（二） (15)实验项目四：放宽基本假定的线性回归模型（一） (20)实验项目五：放宽基本假定的线性回归模型（二） (26)实验项目六：虚拟变量模型与Granger因果检验 (30)实验项目七：平稳性检验与ARMA模型估计 (34)实验项目八：协整关系检验与误差修正模型（ECM） (40)实验项目九：GARCH模型的估计 (48)参考文献 (54)实验项目一：一元线性回归模型分析一、实验目的通过上机实验，使学生充分理解Eviews软件系统管理和基本原理,掌握基本运用的技能。

二、预备知识（1）Windows操作系统的常用操作；（2）数据库的基础知识；（3）Excel软件的基本操作；（4）一元线性回归模型的理论知识。

三、实验内容EViews软件启动,新建文件,数据录入,一元线性回归模型分析。

四、实验步骤（一）、启动软件包1、EViews 的启动步骤：进入Windows /双击Eviews 快捷方式，进入EViews 窗口；或点击开始/程序/Eviews3/ Eviews3.1，进入E Views 窗口。

２、EViews 窗口介绍（图1-1）标题栏：窗口的顶部是标题栏，标题栏的右端有三个按钮：最小化、最大化（或复原）和关闭，点击这三个按钮可以控制窗口的大小或关闭窗口。

菜单栏：标题栏下是主菜单栏。

主菜单栏上共有 7 个选项： File ，Edit ，Objects ， View ，Procs ，Quick ，Options ，Window ，Help 。

用鼠标点击可打开下拉式菜单（或再下一级菜单，如果有的话），点击某个选项电脑就执行对应的操作响应（File ，Edit 的编辑功能与 W ord, Excel 中的相应功能相似）。

一元线性回归实验报告

实验一一元线性回归一实验目的：掌握一元线性回归的估计与应用，熟悉EViews的基本操作。

二实验要求：应用教材P61第12题做一元线性回归分析并做预测。

三实验原理：普通最小二乘法。

四预备知识：最小二乘法的原理、t检验、拟合优度检验、点预测和区间预测。

五实验内容：第2章练习12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(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；(2)对所建立的回归方程进行检验；(3)若2008年某地区国内生产总值为8500亿元，求该地区税收收入的预测值及预测区间。

六实验步骤1.建立工作文件并录入数据：(1)双击桌面快速启动图标，启动Microsoft Office Excel, 如图1，将题目的数据输入到excel表格中并保存。

(2)双击桌面快速启动图标，启动EViews6程序。

(3)点击File/New/ Workfile…，弹出Workfile Create对话框。

在WorkfileCreate对话框左侧Workfile structure type栏中选择Unstructured/Undated 选项，在右侧Data Range中填入样本个数31.在右下方输入Workfile的名称P53.如图2所示。

图 1 图 2(4)下面录入数据，点击File/Import/Read Text-Lotus-Excel...选中第(1)步保存的excel表格，弹出Excel Spreadsheet Import对话框，在Upper-left data cell栏输入数据的起始单元格B2，在Excel 5+sheet name栏中输入数据所在的工作表sheet1，在Names for series or Number if named in file栏中输入变量名Y GDP，如图3所示，点击OK，得到如图4所示界面。

第三产业与GDP的增长关系Eviews回归分析

第三产业与 GDP 的增长关系 Eviews 回归分析一元线性回归模型：LnEX=α+βLnGDP+ μ数据操作步骤：1、建文件录数据：打开eviews 3.1软件，点击“File/new/workfile”,选定数据类型为 Annual，在“start date”输入“1978”，“end date”中输入“2011”确定起止日期，点击“ok”2、在命令窗口输入“data GDP SC”然后回车 enter，定义财政收入和 GDP 这两个解释变量3、从excel中将数据复制导入eviews数据窗口中图一4、对 GDP 与三产做曲线图分析（点击“view/ Multiple Graphs/line”）得到 GDP 和三产的分别的曲线图250000200000150000CS10000050000100000200000300000400000GDP图二Xy line 图中，横坐标表示表示三产，纵坐标表示 GDP 生产总值，从图中曲线的形状分析，SC 与 GDP 的线性关系较强，有继续分析的意义。

5、财政收入描述性统计分析打开对象“SC”，点击“view/Descriptive statistics/Histogram and stats”,可得到 SC 的描述性统计量。

图四均值为（mean）：101654.7中位数(median)：54495.79最大值(maximum)：472881.6最小值(minimum)：3645.217说明数据跨度较大标准差（std.Dev）:125124.3说明离散程度较大打开对象“GDP”，点击“view/Descriptive statistics/Histogram and stats”, 可得到 GDP 的描述性统计量。

图五同上6、估计模型参数财政收入对数项和 GDP 的对数回归分析点击“quick/estimate equation”，选择最小二乘法，在跳出的窗口中输入“LOG(CZ) C LOG(GDP)”，让 CZ 的对数项和 GDP 的对数进行回归。