给人做的一个回归分析(EVIEWS).doc

4.1数据的处理（1）数据的处理，由于本文的数据都比较大属于数据的范畴了，为了减少数据的波动对结果造成的影响，我们采取的是进行正态化检验，以确定数据可以进行回归分析。表 1： 变量说明与数据来源变量变量解释数据来源单位DE需求自己注明数据局来源EX出口自己注明数据局来源IM进口自己注明数据局来源BEN纯苯自己注明数据局来源PINDEX价格自己注明数据局来源STOCK库存指数自己注明数据局来源PPIPPI自己注明数据局来源PRICE消费价格指数自己注明数据局来源4.2描述性统计表2：数据的描述性统计PRICEEXIMBENSTOCKPPIPINDEX Mean15829.7115321.2121054.197251.95848.19792101.108314303.51 Median1580514728.519589.57612.548.05101.69513840 Maximum2174827309393131060153.1107.5433669 Minimum1117069337374305343.491.89317.6 Std. Dev.2009.7014584.0978273.0621689.9992.3580095.2454354018.636 Skewness0.2058970.3754840.388384-0.54697-0.00674-0.3207252.308279 Kurtosis4.5177132.4490132.3818693.2842732.2563541.66709412.26862 Observations48484848484848表2为各变量的描述性统计分析，显示出各变量的最小值、最大值、平均值和标准差。4.3 回归关系回归分析的目的是通过对大量的样本数据进行分析，以寻找变量之间的相互作用关系，并确定变量之间的数学关系式。同时对所确定的数学关系式的可信程序进行各种统计检验，以区分出对某一特定变量影响较为显著的变量和影响不显著的变量；利用所确定的数学关系式，根据一个或几个变量的值来预测另一个特定变量的取值，并给出这种预测或控制的精确度。4.3.1 以价格为因变量，以需求、出口、进口、纯苯、库存指数、PPI、消费价格指数为自变量进行回归分析。表3 回归模型检验VariableCoefficientStd. Errort-StatisticProb. EX0.1154890.0519012.2251830.0316 IM0.0308880.0253041.2206540.2292 BEN1.101970.1651796.6713730.0000 STOCK-230.208792.73772-2.4823630.0172 PPI-89.8253141.23348-2.1784560.0352 PINDEX-0.0761940.062419-1.2206820.2292 C26686.034323.3946.1724720.0000 表4：模型各项指标R-squared0.72422 Mean dependent var15829.71Adjusted R-squared0.683862 S.D. dependent var2009.701S.E. of regression1129.977 Akaike info criterion17.03182Sum squared resid52350755 Schwarz criterion17.3047Log likelihood-401.7637 Hannan-Quinn criter.17.13494F-statistic17.9449 Durbin-Watson stat0.958825Prob(F-statistic)0.0000 从图中可以看到IM、PINDEX对应的P值大于0.05，不具有显著的统计学意义，因此删除IM、PINDEX重新进行回归。 4.3.2 以价格为因变量，以出口、纯苯、库存指数、PPI为自变量进行回归分析。 表5 回归分析结果VariableCoefficientStd. Errort-StatisticProb. EX0.1266230.0510672.4795720.0172 BEN0.9326120.1466186.3608380.0000 STOCK-282.445692.10314-3.0666230.0037 PPI-53.5118336.49817-1.4661510.1499 C26150.24418.6015.9182090.0000 表6：模型各项指标R-squared0.693428 Mean dependent var15829.71Adjusted R-squared0.664909 S.D. dependent var2009.701S.E. of regression1163.356 Akaike info criterion17.05434Sum squared resid58196036 Schwarz criterion17.24925Log likelihood-404.3041 Hannan-Quinn criter.17.128F-statistic24.31515 Durbin-Watson stat0.798828从图中可以看到PPI对应的P值大于0.05，不具有显著的统计学意义，因此删除PPI重新进行回归。 4.3.3 以价格为因变量，以出口、纯苯、库存指数为自变量进行回归分析。 表7 回归分析结果VariableCoefficientStd. Errort-StatisticProb. EX0.1395180.0509572.7379720.0089 BEN0.8807680.1441376.1106440.0000 STOCK-322.530689.09325-3.6201460.0008 C22850.143851.6915.9324960.0000 表8：模型各项指标R-squared0.678102 Mean dependent var15829.71Adjusted R-squared0.656154 S.D. dependent var2009.701S.E. of regression1178.455 Akaike info criterion17.06145Sum squared resid61105294 Schwarz criterion17.21739Log likelihood-405.4748 Hannan-Quinn criter.17.12038F-statistic30.89643 Durbin-Watson stat0.838866Prob(F-statistic)0.0000 从图中可以看到所有对应的P值均小于于0.05，具有显著的统计学意义，因此不需要删除变量重新进行回归。4.3.4共线性诊断若变量间存在共线性问题，进行多因素回归分析，会造成回归系统变化大，回归系数的数值与方向与其它研究不一致，使一些本应对结果有影响的变量被排除在模型外等问题。因此我们对各变量进行共线性诊断，经检验:各变量之间均不存在共线关系，不需要剔除变量进入多元回归分析（见表9）。表9 相关分析PRICEEXBENSTOCKPRICE1.0000 0.6212 0.7428 0.1842 EX0.6212 1.0000 0.6595 0.4902 BEN0.7428 0.6595 1.0000 0.5490 STOCK0.1842 0.4902 0.5490 1.0000 有上表可知：PRICE与EX 、BEN、STOCK的相关系数为0.6212、0.7428、0.1842 对应的P值小于0.05，具有显著性意义。但是自变量之间的相关系数较小，均小于0.8，从相关分析可以看到，变量之间的不可能存在共线性。4.3.5.异方差检验采用White检验。在获得估计结果的情况下，进入White检验。表10： 异方差检验F-statistic1.322891 Prob. F(9,38)0.2578Obs*R-squared11.4513 Prob. Chi-Square(9)0.246Scaled explained SS5.800094 Prob. Chi-Square(9)0.7597采用White检验。在获得估计结果的情况下，利用white检验法，可知，因本例为多元函数，故选择交叉乘积项，可得相应信息。经估计出现White检验结果。从上表中可以看出，nR=11.4513,由White检验知，在下，查X2分布表，得临界值 。比较计算的X2统计量与临界值，因为nR=11.4513 18.6321，所以接受原假设，表明模型不存在异方差。另外,其概率值也大于0.05，表明模型不存在异方差。4.3.6 自相关检验表11：自相关检验F-statistic11.21601Prob. F(2,42)0.0001Obs*R-squared16.7112Prob. Chi-Square(2)0.0002在显著性水平下，得根据DW检验决策规则得到：DW=0.838866，另外模型的LM检验值可知，模型的LM检验的P值小于于0.05，因此误差项u1、u2 un间存在自相关。因此加入AR（1）再次进行回归如下。4.3.7再次进行回归表12：回归分析VariableCoefficientStd. Errort-StatisticProb. EX0.052790.0319091.6543730.1055 BEN0.6368530.2430832.6199060.0122 STOCK-97.333775.06755-1.9966150.0491 C15252.914094.4413.7252720.0006 AR(1)0.7466180.1003937.4369870.0000 表13：回归指标R-squared0.818511 Mean dependent var15927.19Adjusted R-squared0.801227 S.D. dependent var1913.28S.E. of regression853.0169 Akaike info criterion16.43572Sum squared resid30560792 Schwarz criterion16.63255Log likelihood-381.2395 Hannan-Quinn criter.16.50979F-statistic47.35484 Durbin-Watson stat1.48021Prob(F-statistic)0.0000 上表结果显示：模型的决定系数为0.818511，调整后决定系数为0.801227，说明选取的自变量的解释度达到80.1%。同时模型的DW值为1.48021，经检验，说明模型不存在异方差问题，建立的模型不存在序列相关性。当回归方程包含不同的自变量时，F值为47.35484，其显著性概率值为0.000，小于0.01，即拒绝总体回归系数均为0的原假设。因此，认为建立的回归方程方程拟合效果很好。表12是为以价格为因变量，以EX、BEN、STOCK、AR(1)率为自变量的回归分析，由表可知，EX、BEN、STOCK、AR(1)对应的P值均小于0.05，具有显著的统计学意义