计量经济学模型实验报告.docx

实验（实训）报告项目名称一元线性回归模型所属课程名称计量经济学项目类型验证性实验实验(实训)日期15年4月日班级学号姓名指导教师李杰浙江财经学院教务处制1一、实验（实训）概述：【目的及要求】目的:掌握用OLSE估计一元线性回归方程并根据方程进行预测，掌握拟合度的分析，掌握t检验与F检验，会做相关系数的显著性检验，会画散点图并通过编辑散点图掌握画回归线、置信区间的计算等。要求:运用软件进行一元线性回归模型的相关计算,按具体的题目要求完成实验报告。并及时上传到给定的FTP！【基本原理】t检验,F检验置信区间等.【实施环境】（使用的材料、设备、软件）R软件二、实验（实训）内容：【项目内容】一元线性模型的估计、回归系数和回归方程的检验、预测、置信区间的计算等。【方案设计】【实验（实训）过程】（步骤、记录、数据、程序等）附后【结论】（结果、分析）附后三、指导教师评语及成绩：评语：成绩：指导教师签名：李杰批阅日期：15年4月2xY8253.52151.010704.05502.04801.09203.013504.53251.56703.012155.0实验题目：一家保险公司十分关心其总公司营业部加班的程度，决定认真调查一下现状。经过10周时间，收集了每周加班工作时间的数据及签发的新保单数目，x为每周签发的新保单数目，y为每周加班工作时间（小时），数据如下：1：画散点图；2：x与y之间是否大致成线性关系；3：用最小二乘法估计回归方程；4：求回归标准误差；5：求回归系数的置信度为95的区间估计；6：计算x与y的决定系数；7：对回归方程做方差分析；8：做回归系数1的显著性检验；9：该公司预测下一周签发新保单x0=1000,需要的加班时间是多少？10：分别给出置信水平为95的均值与个体预测区间；11：请在散点图的基础上画出回归线，均值的预测区间图，个体的预测区间图。分析报告：1：首先，读取spass数据：语言read.spss(d:/huigui.sav)，读取数据$Y$Y13.51.04.02.01.03.05.0$X1825215107055048092013503256701215首先赋值dat-read.spss(d:/huigui.sav),然后输入数据plot(dat$Y,dat$X)画出散点图32：由散点图得，xy成线性关系3：编辑语言lm(dat$Ydat$X)得出以下结果（注：如果做无截距，则程序为lm(dat$Ydat$X-1)）程序如下Call:lm(formula=dat$Ydat$X)Coefficients:(Intercept)dat$X0.1181290.003585Y=0.1181291+0.0035851X(0.3551477)(0.0004214)回归方程2n=10R=0.90054：编辑程序lm.reg|t|)(Intercept)0.11812910.35514770.3330.748dat$X0.00358510.00042148.5092.79e-05*-Signif.codes:0*0.001*0.01*0.05.0.11Residualstandarderror:0.48on8degreesoffreedomMultipleR-squared:0.9005,AdjustedR-squared:0.8881F-statistic:72.4on1and8DF,p-value:2.795e-05由上述数据得：b0=0.1181291，b1=0.003581，sd（b0）=0.3551477，sd（b1）=0.0004214.Residualstandarderror:回归标准误差=0.485：b0置信95的区间估计（-0.701，0.973）b1置信度为95的区间估计（0.0026,0.00456）程序如下confint(lm.reg,level=0.95)2.5%97.5%(Intercept)-0.7008430040.9371011525dat$X0.0026134860.0045567796：决定系数MultipleR-squared:0.9005,，快要接近于1了，这个模型的拟合优度高。7：F-statistic:72.4on1and8DF,p-value:2.795e-05，p0.05,由于方差分析可知检验是显著的。说明y与x的方程高度相关8：t=8.509p=2.79e-05由于P0.05，所以回归系数gamma1的检验是显著的。9：程序如下x-c(825,215,1070,550,480,920,1350,325,670,1215)-c(3.5,1.0,4.0,2.0,1.0,3.0,4.5,1.5,3.0,5.0)lm.reg-lm(formula=yx)point-data.frame(x=1000)lm.pred-predict(lm.reg,point,interval=prediction,level=0.95)lm.pred结果：fitlwrupr13.7032622.519494.887033。结论：加班时间最适合为3.703262。区间为2.51949,4.887033.10：均值预测区间（