一元回歸分析實驗報告

實驗報告實驗?zāi)康模簶?gòu)建一元及多元回歸模型，并作出估計熟練掌握假設(shè)檢驗對構(gòu)建的模型進行回歸預(yù)測實驗內(nèi)容：對1970――1982年某國實際通貨膨脹率、失業(yè)率和預(yù)期通貨膨脹率進行分析,根據(jù)下表（表一）提供的數(shù)據(jù)進行模型設(shè)定，假設(shè)檢驗及回歸預(yù)測。年份Y X2 X319705.924.904.7819714.305.903.8419723.305.603.3119736.234.903.44197410.975.606.8419759.148.509.4719765.777.706.5119776.457.105.9219787.606.106.08197911.475.808.09198013.467.1010.01198110.247.6010.8119825.999.708.00實驗步驟：1.模型設(shè)定：為分析實際通貨膨脹率（丫）分別和失業(yè)率（X2）、預(yù)期通貨膨脹率（X3）之間的關(guān)系，作出如下圖所示的散點圖。圖一141210Y86424 5 6 7 8 9 10X2冬二141210丫86423456789 10 11X3從上示散點圖可以看出實際通貨膨脹率（丫）分別和失業(yè)率（X2）不呈線性關(guān)系，與預(yù)期通貨膨脹率（X3）大體呈現(xiàn)為線性關(guān)系，為分析實際通貨膨脹率（丫）分別和失業(yè)率（X2）、預(yù)期通貨膨脹率（X3）之間的數(shù)量關(guān)系，可以建立單線性回歸模型和多元線性回歸模型：丫=3「2X3K丫二乙2X3 3X2」22?估計參數(shù)在Eviews命令框中輸入 “Isycx2”，按回車，對所給數(shù)據(jù)做簡單的一元線性回歸分析。分析結(jié)果見表二。表二DependentVariable:丫Method:LeastSquaresDate:10/09/11Time:17:23Sample:19701982Ineludedobservations:13VariableCoeffieientStd.Error t-StatistieProb.C1.3238311.626284 0.8140220.4329X30.9601630.228633 4.1995880.0015R-squared0.615875Meandependentvar7.756923AdjustedR-squared0.580955S.D.dependentvar3.041892S.E.ofregression1.969129Akaikeinfoeriterion4.333698Sumsquaredresid42.65216Schwarzeriterion4.420613Loglikelihood-26.16904F-statistie17.63654Durbin-Watsonstat1.282331Prob（F-statistie）0.001487由回歸分析結(jié)果可估計出參數(shù)-1「2A即丫二1.3238310.960163X3（1.626284）（0.228633）t=0.814022 4.1995882R=0.615875 F=17.63654n=13

Residual Actual Fitted剩余項、實際值、擬合值的圖形多元回歸分析結(jié)果表三DependentVariable:YMethod:LeastSquaresDate:10/09/11Time:17:29Sample:19701982Includedobservations:13VariableCoefficientStd.Error t-StatisticProb.C7.1059751.618555 4.3903210.0014X2-1.3931150.310050 -4.4931960.0012X31.4806740.180185 8.2175060.0000R-squared0.872759Meandependentvar7.756923AdjustedR-squared0.847311S.D.dependentvar3.041892S.E.ofregression1.188632Akaikeinfocriterion3.382658Sumsquaredresid14.12846Schwarzcriterion3.513031Loglikelihood-18.98728F-statistic34.29559Durbin-Watsonstat2.254851Prob(F-statistic)0.000033

AAA由回歸結(jié)果可以估計出「，2，3AX3-1.393115加X3-1.393115即1.6185551.6185550.3100500.180185t二4.390321 8.217506 -4.493196R2二0.872759R2=0.847311Residual Residual Actual Fitted剩余項、實際值、擬合值的圖形擬合優(yōu)度的度量：由表二和表三可知，一元回歸分析的可絕系數(shù)為 0.615875，元回歸分析的可絕系數(shù)為0.872759，因為多元回歸模型的可絕系數(shù)大于一元回歸模型的可絕系數(shù)，所以多元回歸模型擬合的比一元回歸模型要好。

3.模型檢驗:1.經(jīng)濟意義檢驗由所估計的參數(shù)知，在其他條件保持不變的情況下，當(dāng)預(yù)期通貨膨脹率每增加1%，平均說來實際通貨膨脹率會增加1.480674%;當(dāng)失業(yè)率每增加1%，平均說來實際通貨膨脹率會減少仁93^5%。2?統(tǒng)計檢驗表三中，可絕系數(shù)(R-squared)為0.872759，可修正的可絕系數(shù)(AdjustedR-squared)為0.847311，說明所建模型整體上對樣本你和較好。F檢驗針對Ho：'2=：3=0，給定顯著性水平：=0.05，在F分布表中查出自由度為k-1=2和n-k=9的臨界值2,9=4.26。由表3中得到F=34.29559。由于F=34.29559＞舄(2,9)=4.26,應(yīng)拒絕原假設(shè)H。：商邛廠。，說明回歸方程顯著，即“失業(yè)率”、“預(yù)期通貨膨脹率”等變量聯(lián)合起來確實對“實際通貨膨脹率”有顯著影響。T檢驗：對回歸系數(shù)的T檢驗：分別針對H°： 2=0，：3=0，又表三可以看出，估AAAP，，P計的回歸系數(shù)1 2 3應(yīng)的t統(tǒng)計量分別為4.390321、-4.493196、8.21750，給定顯著性水平〉=°.°5，在t分布表中查出自由度為n-k=9的臨界值-k=2.2621-k=2.2621' 2' 3其絕對值均大于t.n-k=2.2622 ，這說明在給定顯著性水平〉=°.°5下，分別應(yīng)當(dāng)拒絕H。：：2=°，：3=0，也就是說，當(dāng)在其他解釋變量不變的情況下，解釋變量“失業(yè)率”、“預(yù)期通貨膨脹率”分別對被解釋變量“實際通貨膨脹率”有顯著影響?；貧w預(yù)測Forecast:YFActual:YForecastsample:19701982Ineludedobservations:13RootMeanSquaredError1.042499MeanAbsoluteError0.816128MeanAbs.PercentError11.17705TheilInequalityCoefficient0.063133BiasProportion0.000000V