第二讲 eviews 一元线性回归模型分析
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。
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。
李子奈计量经济学课件 Eviews使用介绍 第二章 回归分析基本方法
2、回归分析的基本概念
回归分析(regression analysis)是研究一个变量关于另一个 回归分析 是研究一个变量关于另一个 变量的具体依赖关系的计算方法和理论。 （些）变量的具体依赖关系的计算方法和理论 其用意：在于通过后者的已知或设定值，去估计和（或）预 其用意：在于通过后者的已知或设定值，去估计和（ 测前者的（总体）均值。 测前者的（总体）均值 这里：前一个变量被称为被解释变量（Explained Variable） 被解释变量（ 被解释变量 ） 或应变量（Dependent Variable）， 应变量（ ），后一个（些）变量被称为解 应变量 ）， 解 Variable） 自变量 自变量（ 释变量（ 释变量（Explanatory Variable）或自变量（Independent Variable）。 ） 回归分析构成计量经济学的方法论基础，其主要内容包括： 回归分析构成计量经济学的方法论基础，其主要内容包括： （1）根据样本观察值对经济计量模型参数进行估计，求得回 回 归方程； 归方程； （2）对回归方程、参数估计值进行显著性检验； ） （3）利用回归方程进行分析、评价及预测。
总体回归模型n个随机方程的矩阵表达式为 总体回归模型 个随机方程的矩阵表达式为 个随机方程的矩阵表达式
Y = X β+ μ
其中
1 1 X = M 1 X 11 X 12 M X 1n X 21 X 22 M X 2n L L L X k1 X k2 M X kn n × ( k +1 )
二、一元总体回归函数
回归分析关心的是根据解释变量的已知或 回归分析关心的是根据解释变量的已知或 给定值，考察被解释变量的总体均值，即当解 给定值，考察被解释变量的总体均值 释变量取某个确定值时，与之统计相关的被解 释变量所有可能出现的对应值的平均值。
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 。
第二章：一元线性回归模型理论与方法(第二部分)
最小二乘法的数学原理
• 纵向距离是Y的实际值与拟合值之差，差异 大拟合不好，差异小拟合好，所以又称为 拟合误差或残差。 • 将所有纵向距离平方后相加，即得误差平 方和，“最好”直线就是使误差平方和最 小的直线。 • 于是可以运用求极值的原理，将求最好拟 合直线问题转换为求误差平方和最小。
普通最小二乘法（OLS）
这三个准则也称作估计量的小样本性质。
拥有这类性质的估计量称为最佳线性无偏估计 量（best liner unbiased estimator, BLUE）。
高斯—马尔可夫定理(Gauss-Markov theorem)
在给定经典线性回归的假定下，最小二乘估计 量是具有最小方差的线性无偏估计量。
ˆ , ˆ 的均 2、无偏性，即以X的所有样本值为条件，估计量 0 1 0与1 。 值（期望）等于总体回归参数真值
ˆ X i2 Yi X i Yi X i 0 nX i2 (X i ) 2 ˆ nYi X i Yi X i 1 2 2 n X ( X ) i i
对数似然函 数极大化的 一阶条件
结构参数的 ML估计量
最大似然法与普通最小二乘法讨论
已知一组样本观测值（Yi，Xi）(i=1,2, …,n)， 要求样本回归函数尽可能好地拟合这组值，即 样本回归线上的点Y ˆi 与真实观测点Yi的“总体” 误差尽可能地小。在技术处理上我们一般采用 “最小二乘法”。
最小二乘原则：由于估计值和实测值之差可正 可负，简单求和可能将很大的误差抵消掉，因 此，只有平方和才能反映二者在总体上的接近 程度。
n 1
证残差与 Yˆ 的样本协方差为0，即证： i
eiYˆ i
0
ห้องสมุดไป่ตู้
《计量经济学》eviews实验报告一元线性回归模型
《计量经济学》实验报告一元线性回归模型
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ls y c x回车得到下图
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-descriptive statistics得到残差直方图
打开工作文件第二个中的structure将workfiels选中第一个,将右边改为16个
之后打开工作文件xy右键双击,open-as grope
在回归方程中有Forecast,残差立为yfse,点击ok后自动得到下图
在上方空白处输入ls y c s---之后点击proc 中的forcase 根据
公式)|(0^
0X Y Y E 得到2015估计量
四、实验结果及分析(将本问题的回归模型写出,并作出经济意义检。
实验课eviews基本操作与一元线性回归.ppt
1. 变量的转换
做一个对数模型
ln(chukou) ln(gdp)
需要对chukou和gdp的数据进行对数化处理 Quick/Generate Series… 在弹出的对话框中输入命令: chukoul = log(chukou) gdpl = log(gdp)
Upper-left data cell指明数据的范围
手动输入数据
Quick/Empty Group
将数据绘图
View/Graph/Line Quick/Graph 利用数组绘图
在数据组窗口中，
View/Multiple Graphs
描述性统计
打开数据组 View/Descriptive Stats
当工作文件中包含大量对象时，很难查找到指定的对 象。可以使用工作文件中的显示限制来解决这一问题。在 工作文件窗口中选择View/Display Filter，或者双击工作文 件窗口中的Filter。将显示一个对话框，这个对话框有两部 分组成。在编辑区域内，可以放置一个或几个名字的描述， 可以包括通配符“*”（与任何字符相匹配）和“？”（与 任何单个字符相匹配）。在编辑区域的下面是一系列复选 框，对应于不同类型的EViews对象。EViews将仅仅显示与 编辑区域中名字相匹配的指定类型的对象。
在标题栏的正下方是菜单和工具条，利用菜单和工具条 可以方便地实现很多操作。工具条中的按扭仅仅是一种快捷 方式，可以方便地处理EViews的主菜单中的一些操作。如 菜单“View/Name Display”可以实现大小写转换。默认是小 写。
工作文件的范围、样本和显示限制
在工具条的下面是两行信息栏，在这里EViews显示工作文 件的范围（结构）、工作文件的当前样本（被用于计算和统计 操作的观测值的范围）和显示限制（在工作文件窗口中显示对 象子集的规则）。双击这些标签并在对话框中输入相关的信息， 可以改变工作文件的范围、样本和显示限制。
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
实验二 一元回归模型
实验二一元回归模型【实验目的】掌握一元线性、非线性回归模型的建模方法【实验内容】建立我国税收预测模型【实验步骤】【例1】建立我国税收预测模型。
表1列出了我国1985－1998年间税收收入Y和国内生产总值（GDP）x的时间序列数据，请利用统计软件Eviews建立一元线性回归模型。
一、建立工作文件⒈菜单方式在录入和分析数据之前，应先创建一个工作文件（Workfile）。
启动Eviews软件之后，在主菜单上依次点击File\New\Workfile（菜单选择方式如图1所示），将弹出一个对话框（如图2所示）。
用户可以选择数据的时间频率（Frequency）、起始期和终止期。
图1 Eviews菜单方式创建工作文件示意图图2 工作文件定义对话框本例中选择时间频率为Annual（年度数据），在起始栏和终止栏分别输入相应的日期85和98。
然后点击OK，在Eviews软件的主显示窗口将显示相应的工作文件窗口（如图3所示）。
图3 Eviews工作文件窗口一个新建的工作文件窗口内只有2个对象(Object）,分别为c（系数向量）和resid（残差）。
它们当前的取值分别是0和NA（空值）。
可以通过鼠标左键双击对象名打开该对象查看其数据，也可以用相同的方法查看工作文件窗口中其它对象的数值。
⒉命令方式还可以用输入命令的方式建立工作文件。
在Eviews软件的命令窗口中直接键入CREATE命令，其格式为：CREATE 时间频率类型起始期终止期本例应为：CREATE A 85 98二、输入数据在Eviews软件的命令窗口中键入数据输入/编辑命令：DA TA Y X此时将显示一个数组窗口（如图4所示），即可以输入每个变量的数值图4 Eviews数组窗口三、图形分析借助图形分析可以直观地观察经济变量的变动规律和相关关系，以便合理地确定模型的数学形式。
⒈趋势图分析命令格式：PLOT 变量1 变量2 ……变量K作用：⑴分析经济变量的发展变化趋势⑵观察是否存在异常值本例为：PLOT Y X⒉相关图分析命令格式：SCAT 变量1 变量2作用：⑴观察变量之间的相关程度⑵观察变量之间的相关类型，即为线性相关还是曲线相关，曲线相关时大致是哪种类型的曲线说明：⑴SCAT命令中，第一个变量为横轴变量，一般取为解释变量；第二个变量为纵轴变量，一般取为被解释变量⑵SCAT命令每次只能显示两个变量之间的相关图，若模型中含有多个解释变量，可以逐个进行分析⑶通过改变图形的类型，可以将趋势图转变为相关图本例为：SCA T Y X图5 税收与GDP趋势图图5、图6分别是我国税收与GDP时间序列趋势图和相关图分析结果。
eviews课件02-一元线性回归
模型预测4
在方程窗口点 forecast，给预测 的被解 释变量以 及其标准差命名， 对预测样本的范围 起止进行设定
模型预测5
预测的基本图形结果
区间估计 预测评价
模型预测6
预测完成后，对象保存区会多出预测的点估计和标 准差的序列图标，可将其打开查看数据。
本课程结束 谢谢！
模型预测1
改变工作文件数据范围 双击信息栏中的range，改动起止范围
模型预测2
改动样本数据范围，与工作文件数据范围一致 双击信息栏中的sample 或点击主窗口quick / sample
模型预测3
双击打开解释变量序列，给新增变量赋值 若单元格被锁定，ቤተ መጻሕፍቲ ባይዱ点击edit +/-解锁再输入
第2讲 一元线性回归
教师：董梅 dongmeixz@
画出散点图
主窗口中点quick / group / scatter，弹出窗口中输入要 做图的序列名，解释变量在 前，被解释变量在后，用空 格隔开，点ok。 若想对graph窗口保存，可 点击name，对象保存区即 显示。
最小二乘估计 方法1
主窗口quick / estimate equation，弹出方程估 计窗口，输入变量名。被解释变量在最前，常数 和解释变量在后，用空格格开，点确定
最小二乘估计 方法2
在主窗口中的命令窗口中输入 例如：ls y c gdp 点回车
可对方程窗 口进行命名
观察残差
在方程窗口中选择 view / actual,fitted,residual 下的菜单，可得到多 种残差数据和图。
用Eviews软件建立一元线性回归模型并进行有关检验的实验报告
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。
2.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。
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；
- 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)。
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
2.5.2 输入和编辑数据
1．data命令方式 命令格式：data <序列名1> <序列名2> … <序列名n> Data 功能：输入新变量的数据，或编辑工作文件中现有变量的数据。 在本例中，可在光标处直接输入：
y
x
2．菜单方式 在主菜单上点击 Objects/New object ，在 New Object 对话框里选 Group 并在 Name for Object 上定义变量名（如变量 x 、 y ），点击 OK ， 屏幕出现数据编辑框。录入结果如表2.5.2所示：
3.拟合优度的测度与相关系数检验
样本回归直线与样本观测数据之间的拟合程度，称为样本回归线的拟 合优度。
4. 回归结果的报告形式与分析
1.回归结果提供的格式
具体见案例。
2．回归结果的分析
结果的分析主要包括以下内容： （1）系数的说明。 （2）拟合情况。 （3）系数的显著性，回归方程的显著性。
国内生产总值(x) 3624.1 4038.2 4517.8 4862.4 5294.7 5934.5 7171.0 8964.4 10202.2 11962.5 14928.3 16909.2
年份 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001
最终消费（y） 11365.2 13145.9 15952.1 20182.1 26796.0 33635.0 40003.9 43579.4 46405.9 49722.7 54616.7 58952.6
国内生产总值(x) 18547.9 21617.8 26638.1 34634.4 46759.4 58478.1 67884.6 74462.6 78345.2 82067.5 89442.2 95933.3
5. 回归预测
点预测
假定总体回归模型和总体回归方程：
2.5 案例分析——我国消费支出模型
年份 1978 1979 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989
最终消费（y） 2239.1 2619.4 2976.1 3309.1 3637.9 4020.5 4694.5 5773.0 6542.0 7451.2 9360.1 10556.5
用最小二乘法得到的参数估计，具有线性、无偏性和有效性（或最
小方差性）三种最重要的统计性质。
一元线性回归模型的假设检验
1. 模型估计式的理论检验
线性回归模型估计式的理论检验，是对模型估计式在理论上 能否成立进行判别。理论检验又称为符号检验，依据模型参数最 小二乘估计值的符号 ( 正号或负号 )及取值的大小，评判其是否符 合经济理论的规定或社会经济实践的常规。
2. 回归参数的显著性检验
假设检验的基本任务是根据样本所提供的信息，对未知总体分 布的某些方面的假设作出合理的判断。
其基本思想是：在某种原假设成立的条件下，利用适当的统计量和给定
的显著性水平，构造—个小概率事件，可以认为小概率事件在一次观察中基 本不会发生，如果该事件竟然发生了，就认为原假设不真，从而拒绝原假设， 接受备择假设。 对于一元线性回归模型而言，通常最关心的问题是解释变量对被解释变量 是否有显著影响。
散点图如图2.5.1所示：
图2.5.1 最终消费支出与国内生产总值散点图
2.5.1 创建工作文件
建立工作文件的方法： 1 ．菜单方式 ：方法是在主菜单上依次点击 File/New/Workfile ，选 择新建对象的类型为工作文件。这时屏幕上出现 Workfile Range 对话 框(图2.5.2)：
值；
（ 5 ）一致性 。即样本容量趋于无穷大时，它是否依概率收敛于总体的真值； （ 6 ）渐近有效性 。即样本容量趋于无穷大时，它在所有的一致估计量中具 有最小的渐近方差。 这里，前三个准则也称作估计量的小样本性质，因为一旦某估计量具有该类 性质，它是不以样本的大小而改变的。拥有这类性质的估计量称为最佳线性无偏 估计量 (BLUE ： best linear unbiased estimators) 。后三个准则称为估计量的 大样本或渐近性质。如果小样本情况下不能满足估计的准则，则应该扩大样本容 量，考察参数估计量的大样本性质。