利用Eviews软件进行最小二乘法回归实例.doc

Eviews 软件在最小二乘法回归实例中的应用 在本篇文档中，我们将使用 Eviews 软件进行最小二乘法回归实例，通过对中国居民人均消费支出与人均 GDP 的数据进行分析，来预测 2001 年人均 GDP。 我们需要打开 Eviews 软件，并创建一个新的工作文件。在主界面中，点击 File 按钮，从下拉菜单中选择 Workfile。在弹出的对话框中，选择固定频率标注日期（Dated – regular frequency），然后在日期标注说明栏中（Date specification）将频率（Frequency）选为年度（Annual），再依次填入起止日期。如果希望给文件命名（可选项），可以在命名栏（Names - optional）的 WF 项填入自己选择的名称，然后点击确定。 接下来，我们需要输入数据。在 Excel 文件（例题 1-2）中选定要粘贴的数据，然后在主界面中点击编辑（Edit）按钮，从下拉菜单中选择粘贴（Paste），数据将被导入 Eviews 软件。将右侧的滚动条拖至最上方，可以在最上方的单元格中给变量命名。 然后，我们需要估计参数。在主界面中点击快捷方式（Quick）按钮，从下拉菜单中选择估计方程（Estimate Equation）在弹出的对话框中设定回归方程的形式。在方程表示式栏（Equation specification）中，按照被解释变量（Consp）、常数项（c）、解释变量（Gdpp）的顺序填入变量名，在估计设置（Estimation settings）栏中选择估计方法（Method）为最小二乘法（LS –Least Squares），样本（Sample）栏中选择全部样本（本例中即为 1978－2000），然后点击确定，即可得到回归结果。 回归结果可以表示为： Consp = 201.119 + 0.3862 * Gdpp 如果我们试图关闭回归方程页面（或 Eviews 主程序），这时将会弹出一个对话框，询问是否删除未命名的回归方程，如下图所示此时如果同意删除，可以点击 Yes，如果想把回归结果保存下来，可以点击命名（Name），这时就会弹出一个对话框，在其中填入为方程取的名字，点击 OK 即可。 在回归结果中，我们可以看到拟合优度（可决系数）为 20.9927，说明模型在整体上拟合得非常好。此外，我们还可以进行显著性检验，首先看截距项和斜率项的 t 统计量取值情况。因为本例中使用的观察值个数为 23，因此这些 t 统计量应该服从自由度为 21 的 t 分布。查书后附录中给出的 t 分布表，可以发现自由度为 21、检验水平为 0.1、0.05、0.01 时相对应的临界值分别为 1.721、2.080、2.831，而本例中的两个 t 统计量的取值分别为 13.51 和 53.47，说明在通常使用的检验水平下，本例中所选择的两个解释变量对被解释变量有很好的解释能力，或者说数据强烈支持将这两个解释变量纳入模型之中。 我们还可以建立置信区间。前面已经介绍过，当置信度为 1 - α 时，置信区间为： t(α, n - 2) * sqrt(((1 - R^2) / (n - 2)) * (1 / (1 - R^2))) 而在本例中，置信度为 95% 的置信区间为： 0.3862 ± 2.080 * 0.007222 = (0.3723, 0.4001) 通过使用 Eviews 软件，我们可以轻松地进行最小二乘法回归实例，预测 2001 年人均 GDP，并对模型的拟合优度、显著性检验和置信区间进行分析。