多元线性回归模型案例(DOC)VIP免费

多元线性回归模型案例分析——中国人口自然增长分析一•研究目的要求中国从1971年开始全面开展了计划生育,使中国总和生育率很快从1970年的5.8降到1980年2.24,接近世代更替水平。此后，人口自然增长率（即人口的生育率）很大程度上与经济的发展等各方面的因素相联系，与经济生活息息相关，为了研究此后影响中国人口自然增长的主要原因，分析全国人口增长规律，与猜测中国未来的增长趋势，需要建立计量经济学模型。影响中国人口自然增长率的因素有很多，但据分析主要因素可能有：（1）从宏观经济上看，经济整体增长是人口自然增长的基本源泉；（2）居民消费水平，它的高低可能会间接影响人口增长率。（3）文化程度，由于教育年限的高低，相应会转变人的传统观念，可能会间接影响人口自然增长率（4）人口分布，非农业与农业人口的比率也会对人口增长率有相应的影响。二•模型设定为了全面反映中国“人口自然增长率”的全貌，选择人口增长率作为被解释变量，以反映中国人口的增长；选择“国名收入”及“人均GDP”作为经济整体增长的代表；选择“居民消费价格指数增长率”作为居民消费水平的代表。暂不考虑文化程度及人口分布的影响。从《中国统计年鉴》收集到以下数据（见表1）：表1中国人口增长率及相关数据人口自然增长率国民总收入居民消费价格指数增长人均GDP年份（%。）（亿元）率（CPI）%（元）198815.731503718.81366198915.0417001181519199014.39187183.11644199112.98218263.41893199211.6269376.42311199311.453526014.72998199411.214810824.14044199510.555981117.15046199610.42701428.35846199710.06780612.8642019989.1483024-0.8679619998.1888479-1.4715920007.58980000.4785820016.951080680.7862220026.45119096-0.8939820036.011351741.21054220045.871595873.91233620055.891840891.81404020065.382131321.516024设定的线性回归模型为：Y二B+BX+PX+PX+ut122t23t34tt三、估计参数利用EViews估计模型的参数，方法是：1、建立工作文件：启动EViews，点击File\New\Workfile,在对话框“WorkfileRange”。在“Workfilefrequency”中选择“Annual”（年度），并在“Startdate”中输入开始时间“1988”，在“enddate”中输入最后时间“2005”，点击“ok”，出现“WorkfileUNTITLED”工作框。其中已有变量：“c”一截距项“resid”一剩余项。在“Objects”菜单中点击“NewObjects”，在“NewObjects”对话框中选“Group”,并在“NameforObjects”上定义文件名，点击“OK”出现数据编辑窗口。R-squaredAdjustedR-squaredSEofregressionSumsquare-dresidLoglikelihoodDurbin-Watsonstat9.9722Z23.2053702.8860203.085882、输入数据：点击“Quik”下拉菜单中的“EmptyGroup”，出现“Group”窗口数据编辑框，点第一列与“obs”对应的格，在命令栏输入“Y”，点下行键“厂”即将该序列命名为Y,并依此输入Y的数据。用同样方法在对应的列命名x2、x3、x4,并输入相应的数据。或者在EViews命令框直接键入“dataYXX3X4・••”，回234车出现“Group”窗口数据编辑框，在对应的Y、X2、X3、X4下输入响应的数据。3、估计参数：点击“Procs“下拉菜单中的“MakeEquation”，在出现的对话框的"EquationSpecification"栏中键入“YCX2X3X4”，在“EstimationSettings”栏中选择“LeastSqares”（最小二乘法）,点“ok”，即出现回归结果：表3.4DependentVariable:YMethod:LeastSquares□ate:10/15/11Time:15:01Sample:198S2006Includedobservations:18VariableCoefficientStd.Errort-StatisticProb.015.608S10.91384217.Q8Q1Q0QQQQX20.0003320.0001342.4S285700263X30.04791S0.0339191.41273101796X4-00051090.001771-2.884953001200.930526Meandependentvar0.915638S.D.dependentvar0.931002Akaikeinfocriterion12.13472Schwarzcriterion-21.^218F-statistic0..57^9642Pr&b(F-Gtatisti£)根据表3.4中数据，模型估计的结果为:Y=15.60851+0.000332X+0.047918X-0.005109Xt234(0・913842)(0.000134)(0・033919)(0・001771)t=(17.08010)(2.482857)(1.412721)(-2.884953)R2=0.930526R2二0.915638F...