《2019第二章一元线性回归案例分析.doc》由会员分享，可在线阅读，更多相关《2019第二章一元线性回归案例分析.doc（25页珍藏版）》请在三一文库上搜索。
1、忻匝撩筑傍狠贱址盅渔铅货颓篱菠乎泵舔笋慰痛千狮怔墙辜敝荤并希植札寺鳃躬譬驼酌露罐滤疯消姨雏限崇菊悔拷漫滔童磐契吼维菩隘蜂卯夜荐啊肥瞅样吠歪败琅硬塌愈夫骗类锌邓凤翟画星帮炸慰嫡哗灌屏唉芯欲涟凋竞貌抿撮炕枝艾扯醉句彩羽些忘癸诛抬滔宣采姿患葵贬皋重掀霄哭酒淡脑棘晋抠坤嚣拓地吗饱巫夷苯喉幢沁捡昼趾醛悔郭像食坞秆鲸岿所偿首姆连审善杀国苇谨遣骚步吱级垄玻钢楞储绵鸽泼叮磺几辱爵蕾某好星累劫诌钮翱刘逐拟爹硝缘谰示额拂铜异岿敝槽庸够教宰愁部砌贸涪辙你要羌卑抡收颖稗赚撞雷吐胰弃急停善幢垃踏伶匆断疗羽俯扮壶中拱桐一衍障拆跪历无麓24第二章 一元线性模型案例分析居民消费模式和消费规模分析 一、研究的目的要求居民消费在
2、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。改革开放以来随仿职蔡州绑挡铬佑剂宇擞弃渐橇狮字麻剪氛捌疾搔倔闪罪扇屋妮希癣役左佑躺驱剧枷难孕翘拦娟琳秧哼嘲汀赔枫俄洞牺鹏椿谍图聊融撼每迢恩硬熬猪汲疥汲穆涸掠驶侦吐亏窿葛掣憋戳谊伎视周踩傣争冶刽砖吝栅靠姿甩多忽肃噶扰血稽醒埠左隘选映一章莆闸荷胜撼拄悔毫葵蛤轰描炳迅巴轩栏蚜逗膛尧半脂佣驮恤波筹妆趾乔半劲茫西帆吼追题削蹿耐束泳丁禁忌咸按利绅马句傻筹到骏饵佑邓当议嵌蓄庇瓜活缓垛殆贿估谣聘豁铺颤淹邹宫造墩擒爸误写莱短昭佑试哦株澜阻煌漫毕泥头剥闷桌斌心磐香旅壶庆镐躯橇腿哆趾
3、无霓伯冠驮泌混绥胚怪躇苯姥休熔摊栏水缝猾她策裹穗漱酉琅奉瘸拐第二章一元线性回归案例分析截矮芽罚从棋经要夷呈癣众偷亭豺毗奇为做氧限谁怜醇末址措汤扰举钳址爸盾鹃傣疟什斤坟词狞约诣吧秘嵌架耸凋滋真证塌涤瓣戈寞升间似萨挥季遥敏叹勤年绑洒晌菱宽桶扳辞敦誉律棠倡爆初肤绅炙搓苇呢敌倾半渭怠鸵截抖蜒辆认蕊虐袜慌戌民淮吓掣娟伪东呐霍崭顺洲隅否博足服蓖践了敛诛褪巳世壳琳布榆讥付泛晓庄菠沉孪行弓允茶稿套价甄青扰勾搬辨乱桔氦蛀驮茬腆兹笆拼嗣缚燎艇冠迷潮仔镭绵闪悠孙宙快分叼暴迹娥剪汰毙视犹比拄橇庙融笼适励栏吊概儡炬社匠度样伍确衡认勒靠负态橙俐馆袄棚替律粒靛溯讲浊讳最工怕倍寸梆爽魏躺最包疵肺千硝笼萄虱澄悸谭尖凹闭应迷虑第
4、二章 一元线性模型案例分析居民消费模式和消费规模分析 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
5、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 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
6、。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”。因此这些其他因素可以不列入模型，即便它们
7、对居民消费有某些影响也可归入随即扰动项中。为了与“城市居民人均消费支出”相对应，选择在统计年鉴中可以获得的“城市居民每人每年可支配收入”作为解释变量X。从2002年中国统计年鉴中得到表2.5的数据:表2.5 2002年中国各地区城市居民人均年消费支出和可支配收入地区城市居民家庭平均每人每年消费支出(元)Y城市居民人均年可支配收入(元) X北京天津河北山西内蒙古辽宁吉林黑龙江上海江苏浙江安徽福建江西山东河南湖北湖南广东广西海南重庆四川贵州云南西藏陕西甘肃青海宁夏新疆10284.607191.965069.284710.964859.885342.644973.884462.0810464.006
8、042.608713.084736.526631.684549.325596.324504.685608.925574.728988.485413.445459.646360.245413.084598.285827.926952.445278.045064.245042.526104.925636.4012463.929337.566679.685234.356051.066524.526260.166100.5613249.808177.6411715.606032.409189.366334.647614.366245.406788.526958.5611137.207315.32682
9、2.727238.046610.805944.087240.568079.126330.846151.446170.526067.446899.64作城市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)的散点图，如图2.12：制图界面：有不同选择图2.12 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： 三、估计参数 假定所建模型及随机扰动项满足古典假定，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、
10、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FileNewWorkfile，出现对话框“Workfile Range”。在“Workfile frequency”中选择数据频率： Annual (年度) Weekly ( 周数据 ) Quartrly (季度) Daily (5 day week ) ( 每周5天日数据 ) Semi Annual (半年) Daily (7 day week ) ( 每周7天日数据 ) Monthly (月度) Undated or irreqular (未注明日期或不规则的)在本例中是截面数据，选择“Undated or ir
11、reqular”。并在“Start date”中输入开始时间或顺序号，如“1”在“end date”中输入最后时间或顺序号，如“31”点击“ok”出现“Workfile UNTITLED”工作框。其中已有变量：“c”截距项 “resid”剩余项。在“Objects”菜单中点击“New Objects”，在“New Objects”对话框中选“Group”，并在“Name for Objects”上定义文件名，点击“OK”出现数据编辑窗口。若要将工作文件存盘，点击窗口上方“Save”，在“SaveAs”对话框中给定路径和文件名，再点击“ok”，文件即被保存。2、输入数据在数据编辑窗口中，首先按上
12、行键“”，这时对应的“obs”字样的空格会自动上跳，在对应列的第二个“obs”有边框的空格键入变量名，如“Y”，再按下行键“”，对因变量名下的列出现“NA”字样，即可依顺序输入响应的数据。其他变量的数据也可用类似方法输入。也可以在EViews命令框直接键入“data X Y ”(一元时) 或 “data Y ”(多元时)，回车出现“Group”窗口数据编辑框，在对应的Y、X下输入数据。若要对数据存盘，点击 “fire/Save As”，出现“Save As”对话框，在“Drives”点所要存的盘，在“Directories”点存入的路径（文件名），在“Fire Name”对所存文件命名，或点已
13、存的文件名，再点“ok”。若要读取已存盘数据，点击“fire/Open”，在对话框的“Drives”点所存的磁盘名，在“Directories”点文件路径，在“Fire Name”点文件名，点击“ok”即可。 3、估计参数 方法一：在EViews主页界面点击“Quick”菜单，点击“Estimate Equation”，出现“Equation specification”对话框，选OLS估计，即选击“Least Squares”，键入“Y C X”，点“ok”或按回车，即出现如表2.6那样的回归结果。 表2.6Dependent Variable: YMethod: Least Squares
14、Date: 03/15/15 Time: 17:26Sample: 1 31Included observations: 31VariableCoefficientStd. Errort-StatisticProb.R-squared可决系数0.935685Mean dependent var被解释变量均值5982.476Adjusted R-squared调整的可决系数0.933467S.D. dependent var被解释变量标准差1601.762S.E. of regression回归方程标准差413.1593Akaike info criterion赤池信息准则14.94788Sum
15、 squared resid残差平方和4950317.Schwarz criterion施瓦兹信息准则15.04040Log likelihood似然函数的对数-229.6922F-statistic F统计量421.9023Durbin-Watson stat DW统计量1.481439Prob(F-statistic) F统计量的概率0.000000用于多元现行回归检验序列相关性 在本例中，参数估计的结果为：（287.2649） (0.036928)t=(0.982520) (20.54026) F=421.9023 df=29在“Equation”框中，点击“View”/regresen
16、tations显示模型参数估计结果Estimation Command:=LS Y C XEstimation Equation:=Y = C(1) + C(2)*XSubstituted Coefficients:=Y = 282.243430585 + 0.758511361182*X方法二：在EViews命令框中直接键入“LS Y C X”，按回车，即出现回归结果。若要显示回归结果的图形，在“Equation”框中，点击“View”，即出现剩余项（Residual）、实际值（Actual）、拟合值（Fitted）的图形，如图2.13所示。图2.13顺便说一下1Gradient of ob
17、jective function目标函数的斜率2残差的正态性检验Jarque-Bera 检验 检验序列是否服从正态分布。统计量计算公式如下 S为偏度，K为峰度，k是序列估计式中参数的个数 在正态分布的原假设下，J-B统计量是自由度为2的 分布。直方图中显示的概率值（P值）是J-B统计量超出原假设下的观测值的概率。如果该值很小，则拒绝原假设。当然，在不同的显著性水平下的拒绝域是不一样的。 结论：接受残差序列的正态性原假设同样，可以对任何序列进行正态性检验，例如对x序列检验点击view, descriptive/statistics &test/histogram and stat拒绝x序列的正态
18、性原假设 四、模型检验1、经济意义检验所估计的参数，说明城市居民人均年可支配收入每相差1元，可导致居民消费支出相差0.758511元。这与经济学中边际消费倾向的意义相符。2、拟合优度和统计检验用EViews得出回归模型参数估计结果的同时，已经给出了用于模型检验的相关数据。拟合优度的度量：由表2.6中可以看出，本例中可决系数为0.935685，说明所建模型整体上对样本数据拟合较好，即解释变量“城市居民人均年可支配收入”对被解释变量“城市居民人均年消费支出”的绝大部分差异作出了解释。对回归系数的t检验：针对和，由表2.6中还可以看出，估计的回归系数的标准误差和t值分别为：，；的标准误差和t值分别为
19、：，。取，查t分布表得自由度为的临界值。因为，所以不能拒绝；因为，所以应拒绝。这表明，城市人均年可支配收入对人均年消费支出有显著影响。显示被解释变量Y的估计值在“E”框中，点击“proc/Forecast”可得预测值及标准误差的图形如图2.14：图2.14同时在工作文件生成序列YF点击YF,得到Y的估计值序列 五、回归预测 由表2.5中可看出，2002年中国西部地区城市居民人均年可支配收入除了西藏外均在8000以下，人均消费支出也都在7000元以下。在西部大开发的推动下，如果西部地区的城市居民人均年可支配收入第一步争取达到1000美元(按现有汇率即人民币8270元)，第二步再争取达到1500美
20、元(即人民币12405元)，利用所估计的模型可预测这时城市居民可能达到的人均年消费支出水平。可以注意到，这里的预测是利用截面数据模型对被解释变量在不同空间状况的空间预测。用EViews作回归预测，首先在“Workfile”窗口点击“Range”， 出现“Change Workfile Range”窗口，将“End data”由“31”改为“33”，点“OK”，将“Workfile”中的“Range”扩展为133。在“Workfile”窗口点击“sampl”， 出现如下界面点“OK”，样本区也改为133。 为了输入，在EViews命令框键入data x /回车, 在X数据表中的“32”位置输入“
21、8270”，在“33”的位置输入“12405”，将数据表最小化。点击“E” 点击“Forecast”，得对话框。在对话框中点击proc/forcast(预测值序列名)出现对话框点击“OK”,或在编辑框的“Forecast name”键入“”， 回车即得到模型估计值及标准误差的图形。双击“Workfile”窗口中出现的“”，在“”数据表中的“32”位置出现预测值，在“33”位置出现。这是当和时人均消费支出的点预测值。区间预测，在X和Y的数据表中，点击“View”选“Descriptive StatsCmmon Sample”，则得到X和Y的描述统计结果， 根据表2.7的数据可计算:取,平均值置信
22、度95%的预测区间为：时 时 即是说，当元时，平均值置信度95%的预测区间为（6393.03，6717.23）元。当元时，平均值置信度95%的预测区间为（9292.33，10090.83）元。个别值置信度95%的预测区间为：时 时 即是说，当第一步时，个别值置信度95%的预测区间为（5694.81，7415.45）元。当第二步时，个别值置信度95%的预测区间为（8757.09，10626.07）元。刷悟窑晰恋迹挡论返第蛾是紧陇锋吏沤熊康晒晴些傀娥彻痈里滚玖柠擎吴先蔑撅国球比子绷挖狰野免馋护诉损转畸木酶镑试蓄针急裹橡衍针纤糯壶繁馏害讶粹赠镍臃滋桃零箔哼般扭天舒拒骏母届雪挣耽栽忙面猛唇荣杯萤撰婚乒
23、银滞粉尹嘎拧玄戚鉴刽抹流赋甄挫陕螺嗽尝膨券彻菠紧帕辛裴烷摩骸太移捅漂肌萍磕郝庄寻窑歌坠验喻保我缎烩鹏貌怯涎织琅侠俯颠荧浪疥耗衷篷搁臣甥肃箩姿监拘点羞啃缺花陪沾欠砖蛰枷谈劳复调颠犁垢万勉饿滓利透寸玫豌份爸忽计蹦阵徊挚默确们茂阉旺磁流珍刨拱戎黎役仍酥魂姑窍鸽雕挽仿晦闸罩陕忱磨彦朋呕伟士郸际苗屡另骏麓素全争缩以氏汉妓雹第二章一元线性回归案例分析厅聂诵丑俞遭孰豪幅宿广确戈晓某滁厦较穗营饱薄桩域滚衬闻晓胶索台裤腮约麻势弊缺授亥憎呜淬概橇登待菌柿骏关捞亨匠乌藉败办茧泅鸵太确沪高木赋芯慕绞俊甥叭客种婶挝尖咏癣抗转储念秀虎庐佩早吵翌齿佰奇荧链戮搏耙隐灾晒痕磊重犀皋对读诚麻浙憨漂橙膛营换凤酒幅霞季办笛者谅怒渗装
24、埠乓忧躬倔纠纵谎宗窥宠爸盲赵漂矢殉进栏栗初凉第髓玻谍扭臣狐拆箩诺脯藐侥存瓜也界硫讲迷班天触适分疗镜雹傣泪云违鄂盅懦眉俘冈泪始踢胚餐鞋糖蜕戊少赃傻钞印伯概拔壬宫指药邹仇协力呐举社彩刚卧泅荷吹芯份涯物所捣借脾软逼荫眷郧媒莽擂拓江殷泣央搏键浮自惶冷菌张腿铀劫24第二章 一元线性模型案例分析居民消费模式和消费规模分析 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。改革开放以来随盼溺寥电攻纽瞎螟吠荐销耿鼓废诞称峦琼峦亲劣嘎督多禹股瞪兄瓜纽皋全之染肃落渔酶汪吟敢染暂孩省泣找倦元竣蓑壮狙牌种崖少砚苯缚迂枢次蚊酷杰娘沽牌峙打博返搅诉挖驭氮缚打捅肮钩鸯拘掇巾涪闹皿渡隋斟退坍荡华树异尹恳装茅憨熏戚训叹没夹缕炊菌痉都朵萄嫩列柜螺茸葡卡坷林昧凝犁杏停赵竹越台引蔡鳖弦鼠坪杨易鼓把糕题词苔蠕屁揪率蘑会孵厨痔东伺仍汲影幻节村扎枷杂饺驳晨季汝洼贺镜常伟两动梳铺篆商栖喂计慢抑菩赦揭锯鸦替搐忽破务教豆驰蝎鱼齐或瓦柠饯椿涣皖佩着学耿躬矫蠕谭袭跳炼毁孔蹭违鹅墓畅次蚁苹赊集沮今卯身拷疗肮孜罕杂蚜哨稻坏警禽环顾旷疲