实验12:多元线性回归模型.ppt_第1页
实验12:多元线性回归模型.ppt_第2页
实验12:多元线性回归模型.ppt_第3页
实验12:多元线性回归模型.ppt_第4页
实验12:多元线性回归模型.ppt_第5页
已阅读5页,还剩19页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

实验1.2多元线性回归模型,主讲:胡毅,实验目的熟练应用EViews5进行多元线性回归模型研究实例研究:分析影响中国税收收入增长的主要原因,预测中国税收未来的增长趋势,模型设定研究数据1:各种因素对中国税收增长的具体影响,变量设定:Y:税收收入X2:国内生产总值X3:财政支出X4:商品零售价格指数,国家税收的增长经济整体增长水平公共财政的需求物价水平,回归模型:其中,Y为被解释变量,X2、X3、X4为解释变量。,实验命令汇总1,1、建立工作文件:file/new/workfile,并设定数据类型。2、数据输入(NewObject):object/newobject/在Typeofobject中选择Group,并命名为shiyanyi(注:命名中不能包括汉字),在“Group:SHIYANYIWorkfile”中按上行键“”即方向键“”至最上端,使之出现”obs”,输入“XY”;或者在EViews命令栏中直接输入:“dataXY”/回车。,实验命令汇总2,3、参数估计:方法1:quick/estimateeqution/specification中输入YCX2x3x4,method选择LS;方法2:在EViews命令栏中直接输入:“LSYCX2x3x4”/回车。4.Chow检验:打开“Equation”对话框,view/stabilitytests/chowbreakpointtest,在chowtest对话框中输入分段估计点。5.残差正态性检验:view/ResidualTests/HistogramNormalityTests.,数据选择我们研究目的是各种因素对中国税收增长的具体影响,但是在19841985年间的税制改革使得1985年税收徒增215.42,故我们在建立19782002年间的时间序列模型后,要进行回归模型的结构稳定性检验:Chow检验。数据来源:中国统计年鉴详细数据:计量经济学实验课课件数据,参数估计,1.建立Workfile(工作文件)NewObject,Annual:年度,NewObjectGroupshiyaner,2.估计参数方法一:QuickEstimateEquation,方法二:在命令框中输入“lsYCX2X3X4”,3.回归结果,解释变量折线图,由折线图可知,变量Y的变动形态在1985年发生较大变动,所以在1985年处进行CHOW检验。,4.Chow检验,19781984,19852002,原假设:,“1985”将时间序列分为19781984年和19852002年两个区间,此时,F值为15.25,P值为0.0000180.01,则拒绝原假设,接受:,5.确定数据区间,重新估计,6.回归结果,1.统计检验,模型检验,t检验,H0:j0(j1,2,3,4)0.05,t=0.047652,4.046572,37.42461,0.6449.3t/2(n-k)=2.145,拒绝H2,H3,X2、X3对Y有显著影响10,40,GDP每增长1亿元财政支出每增长1亿元,税收收入增长0.013743亿元税收收入增长0.713785亿元,在假定其他变量不变的情况下,2.经济意义检验,3.残差检验,(1)残差的正态性检验view/ResidualTests/HistogramNormalityTests.,通过正态性检验结果可知,JB=0.692检验的p值为0.7075,所以通过正态性检验。,实验报告实例,

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论