一元线性回归模型案例分析

1、1一元线性回归模型案例居民消费支出 2一、研究的目的要求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。3 二、模型设定研究的目的是各地区城市居民消费的差异，应选择同一时期各地区城市居民的消费支出来建立模型。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”。“城市居民每人每年可支配收入”作为解释变量X。 4二、模型设定作城市居民家庭平均每人每年消费支出(Y)和

2、城市居民人均年可支配收入(X)的散点图： 5二、模型设定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： 6三、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。1、建立工作文件 2、输入数据3、估计参数 73、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。方法二：在E

3、Views命令框中直接键入“LS Y C X”，按回车，即出现回归结果。893、估计参数参数估计的结果为： Se （287.2649） (0.036928)t (0.982520) (20.54026) F=421.9023 df=2910若要显示回归结果的图形，在“Equation”框中，点击“Resids”，即出现剩余项（Residual）、实际值（Actual）、拟合值（Fitted）的图形，如图所示。 11 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。122、拟合优度和

4、统计检验本例中可决系数为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。13五、回归预测 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”，将“sampl”窗口中的“1 31”改

5、为“1 33”，点“OK”，将样本区也改为133。为了输入Xf1=8270，Xf2=12405在EViews命令框键入data x /回车, 在X数据表中的“32”位置输入“8270”，在“33”的位置输入“12405”，将数据表最小化。 14点预测然后在“Equation”框中，点击“Forecast”，得对话框。在对话框中的“Forecast name”(预测值序列名)键入“Yf”， 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“Yf”，在“Yf”数据表中的“32”位置出现预测值Yf1 =6555.132，在“33”位置出现Yf2 =9691.577。这是当Xf1=8270和Xf2=12405时人均消费支出的点预测值。15区间预测为了作区间预测，在X和Y的数据表中，点击“View”选“Descriptive StatsCommon Sample”，则得到X和Y的描述统计结果，