居民消费的多元线性回归分析Word文档格式.doc
《居民消费的多元线性回归分析Word文档格式.doc》由会员分享，可在线阅读，更多相关《居民消费的多元线性回归分析Word文档格式.doc（7页珍藏版）》请在冰点文库上搜索。
58.45
2
1991
932
122.52
219.51
61.7
3
1992
1116
121.97
264.57
69.47
4
1993
1393
123.25
312.18
76
5
1994
1833
122.57
353.39
77.7
6
1995
2355
124.54
394.74
79.15
7
1996
2789
129.22
403.42
83.15
8
1997
3002
130.68
416.02
88.57
9
1998
3159
129.61
431.5
93.05
10
1999
3346
129.6329277
457.0854223
99.12292247
11
2000
3632
129.0940842
472.8169834
101.7704897
12
2001
3887
130.9135511
519.7467469
119.2234933
13
2002
4144
131.4279913
566.2293033
142.4290066
14
2003
4475
131.6359826
669.1098261
172.5675256
15
2004
5032
135.6963305
745.9569625
218.2819733
16
2005
5573
139.1041788
819.8446752
270.9475961
17
2006
6263
140.9327852
943.360742
319.7117512
18
2007
7255
141.3766755
1032.846189
371.2675992
19
2008
8349
143.758639
1074.662686
379.7649199
20
2009
9098
142.3257072
1234.792321
429.7663327
数据来源：
《中国统计年鉴》（2011）
利用上表中的数据，运用eview3.1软件，采用最小二乘法，对表中的数据进行线性回归，对所建模型进行估计，估计结果见下图。
从估计结果可得模型：
2．样本回归模型
根据观测和借助excel，变量和变量Y之间的相关关系为线性相关，有线性回归的趋势，因此可以用建立样本回归模型。
图一：
图二:
图三：
DependentVariable:
Y
Method:
LeastSquares
Date:
11/15/12Time:
22:
00
Sample:
19902009
Includedobservations:
20
Variable
Coefficient
Std.Error
t-Statistic
Prob.
X1
67.88937
35.73108
1.900009
0.0756
X2
8.544899
1.637322
5.218825
0.0001
X3
-5.808616
3.155908
-1.840553
0.0843
C
-8935.774
4177.987
-2.138775
0.0482
R-squared
0.986876
Meandependentvar
3923.300
AdjustedR-squared
0.984415
S.D.dependentvar
2406.042
S.E.ofregression
300.3722
Akaikeinfocriterion
14.42478
Sumsquaredresid
1443576.
Schwarzcriterion
14.62392
Loglikelihood
-140.2478
F-statistic
401.0343
Durbin-Watsonstat
0.766524
Prob（F-statistic）
0.000000
三.模型检验
1.经济意义检验
从参数模型估计结果说明，在假定其他变量不变的情况下，当原油消耗每增加1时，居民消费数就会增加67.88937；
在假定其他变量不变的情况下，当水泥的消耗量每增长1，居民消费数就增加8.544899；
在假定其他变量不变的情况下，当粗钢的消耗量每增长1时，居民消费价格指数就会减少5.801616。
综上可知，该模型符合经济意义，经济意义检验通过。
2.统计检验
（1）拟合优度检验
由于，
所以=0.986876，=0.984415
可见模型在整体上拟合得非常好。
（2）F检验
由于，其中，计算得出ESS=108551547
所以==401.046834
在5%的显著性水平下，查F分布表，得到临界值=3.24,可见F=401.046834>
3.06，表示回归方程的总体线性显著成立，即居民消费指数与原油消耗量，水泥的消耗量，粗钢的消耗量关系显著，模型通过F检验。
（3）t检验
由于90223.5
4177.98735.731081.637322
=3.155908
可得参数估计量的t检验值分别为
=--2.138775,
1.90009,
5.218825,
--1.840553,
当（i=1,2,3,4）
在是，=2.120，可见回归系数的检验值的绝对值大于2.120，所以在95%的置信区间下拒绝原假设，说明对Y影响显著。
在是，=2.120，可见回归系数的检验值的绝对值小于2.120，所以在95%的置信区间下接受原假设，说明对Y影响不显著。
综上所述，模型通过各种检验，符合要求。
（5）方差分析（解释变量的选取）
只引入一个解释变量X1;
X2;
X3;
引入两个解释变量X1,X2;
X1,X3;
X2,X3;
;
引入三个解释变量X1,X2,X3,ESS,RSS,R^2结果如下
表二：
引用不同解释变量时的ESS,RSS,R^2
引入解释变量
回归平方和ESS
残差平方和RSS
判定系数
10939674528
6317969
0.939
106313097
3679130
0.978
101548462
8443774
0.919
X1，X2
108243863
1749220
0.982
X1，X3
106089330
3900914
0.96
X2，X3
108219897
1769286
X1，X2，X3
108551547
1443576
0.984
从表二中的回归平方和残差平方和计算出只引入一个解释变量X1，X2，X3，的F统计量的值分别为
=407.667=401.047
由于，，，都大于临界值（1,18）=4.41，所以单独引入X1，X2，X3作解释变量都显著。
最后确定相应的样本回归方程为：
四．模型预测
如果2011年的X1原油的消耗量143.587809，X2表示是水泥的消耗量1324.089436，X3粗钢的消耗量为445.453741，得到2011年的居民消费价格指数预测值的点估计值：
=
=9539.052663
五．模型总结
模型分析了影响居民消费因素有原油的消耗量，粗钢的消耗量和水泥的消耗量。
且他们对居民消费价影响都很显著，可以看出居民消费随着原油的消耗量，是你的消耗量的数的增加而增加，随着粗钢的消耗量的增加而减少。
升级会员 