复制成功
  • 图案背景
  • 纯色背景

笔记

  • 2019-11-16
    为大人带来形象的羊生肖故事来历 为孩子带去快乐的生肖图画故事阅读
    谈谈怎样学好数学_苏步青-中学生文库

长沙理工大学计量经济学上机报告

下载积分:2500

内容提示: 实验任务一 1. 根据数据 1 构建截面数据一元线性模型。 建立模型 Y=-57.907+1.36X+u t=(0.153) (31.395) R 2 =0.971 2. 对模型进行检验。 Dependent Variable: Y Method: Least Squares Date: 12/03/14 Time: 20:41 Sample: 1 31 Included observations: 31 Coefficient Std. Error t-Statistic Prob. C -57.90655 377.7595 -0.153289 0.8792 X 1.359477 0.043302 31.39525 0.0000 R-squared 0.971419 Mean dependent var 11363.69 Adjusted R-squared 0.970433 S.D. dependent var 3...

文档格式:DOC| 浏览次数:15| 上传日期:2017-05-28 14:36:39| 文档星级:
实验任务一 1. 根据数据 1 构建截面数据一元线性模型。 建立模型 Y=-57.907+1.36X+u t=(0.153) (31.395) R 2 =0.971 2. 对模型进行检验。 Dependent Variable: Y Method: Least Squares Date: 12/03/14 Time: 20:41 Sample: 1 31 Included observations: 31 Coefficient Std. Error t-Statistic Prob. C -57.90655 377.7595 -0.153289 0.8792 X 1.359477 0.043302 31.39525 0.0000 R-squared 0.971419 Mean dependent var 11363.69 Adjusted R-squared 0.970433 S.D. dependent var 3294.469 S.E. of regression 566.4812 Akaike info criterion 15.57911 Sum squared resid 9306127. Schwarz criterion 15.67162 Log likelihood -239.4761 Hannan-Quinn criter. 15.60926 F-statistic 985.6616 Durbin-Watson stat 1.294974 Prob(F-statistic) 0.000000 1)、经济意义检验 模型估计结果说明,在实际可支配收入为 0 时,实际消费支出为-57.907,这与实际不符。即使可支配收入为 0 ,也总是会有一些必要支出的。实际可支配收入每增加一元,实际消费支出会增加 1.360元。这与理论分析和经验判断一致。 2)、统计检验 (1)拟合优度:由实验结果可以得到 0.9714192= R ,修这说明模型对样本的拟合很好。 (2)t 检验:由实验结果可以得到 t1=31.39535,t 检验值的伴随概率小于 0.01,在 t 分布表中查出自由度为 n-2=29 的临界值为 t=2.756,t1>t,在 1%的显著性水平下通过了显著性检验,t0=-0.153289,t0<t,没有通过显著性检验。 3. 若 若 2006 年某地区人均可支配收入为 4100 元,那么该地区消费支出是多少?元,那么该地区消费支出是多少? 该模型未通过经济意义检验,所以经济预测失效。 实验任务二 1. 根据数据 2 构建时间数据一元线性模型。 构建一元线性模型 Y=2091.295+0.438X+u t=(6.243) (47.06) R 2 =0.988 2. 对模型进行检验。 Dependent Variable: Y Method: Least Squares Date: 12/03/14 Time: 20:49 Sample: 1978 2006 Included observations: 29 Coefficient Std. Error t-Statistic Prob. C 2091.295 334.9869 6.242914 0.0000 X 0.437527 0.009297 47.05950 0.0000 R-squared 0.987955 Mean dependent var 14855.72 Adjusted R-squared 0.987509 S.D. dependent var 9472.076 S.E. of regression 1058.633 Akaike info criterion 16.83382 Sum squared resid 30259014 Schwarz criterion 16.92811 Log likelihood -242.0903 Hannan-Quinn criter. 16.86335 F-statistic 2214.596 Durbin-Watson stat 0.277155 Prob(F-statistic) 0.000000 ( 1)、经济意义检验 模型估计结果说明,在实际可支配收入为 0 时,实际消费支出为2091.295,实际可支配收入每增加一元,实际消费支出会增加 1.36 元。这与理论分析和经验判断一致。 (2)统计检验 a)拟合优度:由实验结果可以得到 0.9879552= R ,即实际可支配收入的变化可解释 85%实际消费支出的变化,这说明模型对样本的拟合很好。 b)t 检验:由实验结果得 t0= 6.242914, t1=47.05950,伴随概率均小于0.1,在 t 分布表中查出自由度为 n-2=27 的临界值为 t=2.771,t0、t1>t,均在 1%的显著水平下通过了显著性检验。 3. 若 若 2007 年我国可支配总收入为 54180 亿元,那么该相应的总消费是多少?亿元,那么该相应的总消费是多少? 当 X=54180 时,Y=2091.295+0.438*54180=25822.135 实验任务三 1. 根据数据 3 构建截面数据多元线性模型。 构建多元线性模型 Y=143.327+0.556X1+0.25X2+u t=(0.550) (7.378) (2.200) R 2 =0.976 F=560.565 2. 对模型进行检验。 Dependent Variable: Y Method: Least Squares Date: 12/03/14 Time: 20:55 Sample: 1 31 Included observations: 31 Coefficient Std. Error t-Statistic Prob. X1 0.555644 0.075308 7.378320 0.0000 X2 0.250085 0.113634 2.200791 0.0362 C 143.3265 260.4032 0.550402 0.5864 R-squared 0.975634 Mean dependent var 8401.468 Adjusted R-squared 0.973893 S.D. dependent var 2388.459 S.E. of regression 385.9169 Akaike info criterion 14.84089 Sum squared resid 4170093. Schwarz criterion 14.97966 Log likelihood -227.0337 Hannan-Quinn criter. 14.88612 F-statistic 560.5650 Durbin-Watson stat 1.843488 Prob(F-statistic) 0.000000 (1)经济意义检验 模型估计结果说明,在假定其他情况不变的情况下,2006 年可支配收入每增加 1 元,2006 年消费支出就会增加 0.556 元;在假定其他条件不变的情况下,2005 年消费支出每增加 1 元,2006 年消费支出就会增加 0.25 元。这与理论分析和经验判断相一致。 (2)统计检验 a)拟合优度:由实验结果可以得到 0.9762= R ,修正的可决系数为 0.9738932= R ,这说明模型对样本的拟合程度很高。 b)F 检验:针对:0H 0 0 1 = = β β 给定显著水平 05 . 0 = α ,在 F 分布表中查出自由度为 k=2 和 n-k-1=28 的临界值 ( ) = 28 , 2αF 3.34, 由实验结果得到 F=560.5650,F 远大于 ( ) 28 , 2αF ,所以拒绝原假设0H : 0 0 1 = = β β ,回归方程通过显著性检验,即:2006 年可支配收入和2005年消费支出变量联合起来对2006年消费支出有显著影响。 c)t 检验:由实验结果得知,t1=7.378320,t2=2.200791,X1 在 1%的显著性水平下通过检验,X2 在 5%的显著性水平下通过检验。 实验任务四 1. 根据数据 4 构建时间序列数据多元线性模型。 建立多元线性模型为Q=877.2041+0.210206X+6.680334P0-5.854723P1+u t=(23.650) (17.889) (2.020) (1.998) R 2 =0.983,F=339.408 2. 对模型进行检验。 Dependent Variable: Q Method: Least Squares Date: 12/03/14 Time: 20:57 Sample: 1985 2006 Included observations: 22 Coefficient Std. Error t-Statistic Prob. X 0.210206 0.011751 17.88857 0.0000 P0 6.680334 3.306630 2.020285 0.0585 P1 -5.854723 2.929604 -1.998469 0.0610 C 877.2041 37.09124 23.64990 0.0000 R-squared 0.982629 Mean dependent var 1830.000 Adjusted R-squared 0.979734 S.D. dependent var 365.1392 S.E. of regression 51.98063 Akaike info criterion 10.90258 Sum squared resid 48635.74 Schwarz criterion 11.10096 Log likelihood -115.9284 Hannan-Quinn criter. 10.94932 F-statistic 339.4076 Durbin-Watson stat 0.737832 Prob(F-statistic) 0.000000 (1)经济意义检验 模型估计结果说明,在假定其他情况不变的情况下,收入每增加 1 元,消费量就会增加 0.21;在假定其他条件不变的情况下,商品每增加 1 元,消费量就会减少 5.855,在假定其他条件不变的情况下,替代商品的价格每增加 1 元,消费量就会增加 6.68.这与经验判断相一致。 (2)统计检验 a)拟合优度:由实验结果可以得到 0.9832= R ,修正的可决系数为0.9802= R ,这说明模型对样本的拟合程度很高。 b)F 检验:针对:0H 0 2 0 1 = = = β β β 给定显著水平 05 . 0 = α ,在 F 分布表中查出自由度为 k=3 和 n-k-1=18 的临界值 ( ) 16 . 3 18 3 = ,αF 由实验结果得到 F=339.408,F 远大于 ) , ( 18 3αF ,所以拒绝原假设0H : 0 0 1 = = β β ,回归方程通过显著性检验,即:收入、商品价格、替代商品价格变量联合起来对消费量有显著影响。 c)t 检验:由实验结果得知,t2=17.889,t0=2.02,t1=1.998,t2 在1%的显著水平下通过显著性检验,t0、t1 在 10%的显著水平下通过显著性检验,所以拒绝 0 2 0 1 = = = β β β 的原假设,即各变量都对消费量有显著影响。 实验任务五 1. 估计中国农村居民人均消费函数。 E(Y/X)=728.14+0.402X1+0.709X2 t=(2.219) (2.439) (16.999) R 2 =0.922,F=165.885 Dependent Variable: Y Method: Least Squares Date: 12/03/14 Time: 21:34 Sample: 1 31 Included observations: 31 Coefficient Std. Error t-Statistic Prob. X1 0.402097 0.164894 2.438514 0.0213 X2 0.709030 0.041710 16.99911 0.0000 C 728.1402 328.1558 2.218886 0.0348 R-squared 0.922173 Mean dependent var 2981.623 Adjusted R-squared 0.916614 S.D. dependent var 1368.763 S.E. of regression 395.2538 Akaike info criterion 14.88870 Sum squared resid 4374316. Schwarz criterion 15.02747 Log likelihood -227.7748 Hannan-Quinn criter. 14.93394 F-statistic 165.8853 Durbin-Watson stat 1.428986 Prob(F-statistic) 0.000000 2. 对模型进行异方差检验。 a) 图示法 0400,000800,0001,200,0001,600,0002,000,000500 1,000 1,500 2,000 2,500 3,000X1E2 0400,000800,0001,200,0001,600,0002,000,0000 2,000 4,000 6,000 8,000 10,000X2E2 由图可知,X1 存在递减异方差,X2 存在递增异方差。 b).BPG 检验 Heteroskedasticity Test: Breusch-Pagan-Godfrey F-statistic 8.048853 Prob. F(2,28) 0.0017 Obs*R-squared 11.31644 Prob. Chi-Square(2) 0.0035 Scaled explained SS 23.78437 Prob. Chi-Square(2) 0.0000 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 01/01/03 Time: 01:01 Sample: 1 31 Included observations: 31 Coefficient Std. Error t-Statistic Prob. C -246960.3 222964.1 -1.107623 0.2774 X1 88.52762 112.0369 0.790165 0.4361 X2 108.5096 28.33955 3.828909 0.0007 R-squared 0.365046 Mean dependent var 141107.0 Adjusted R-squared 0.319692 S.D. dependent var 325595.5 S.E. of regression 268553.6 Akaike info criterion 27.93125 Sum squared resid 2.02E+12 Schwarz criterion 28.07003 Log likelihood -429.9344 Hannan-Quinn criter. 27.97649 F-statistic 8.048853 Durbin-Watson stat 2.178345 Prob(F-statistic) 0.001731 由实验结果得,F=8.049,查 F 分布表得 F0.01(2,28)=3.34,所以在1%的显著水平下通过显著性检验,即拒绝不存在异方差的原假设,方程存在异方差。 c) 怀特检验 Heteroskedasticity Test: White F-statistic 3.898573 Prob. F(5,25) 0.0095 Obs*R-squared 13.58148 Prob. Chi-Square(5) 0.0185 Scaled explained SS 28.54493 Prob. Chi-Square(5) 0.0000 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 01/01/03 Time: 01:18 Sample: 1 31 Included observations: 31 Coefficient Std. Error t-Statistic Prob. C 1062731. 993615.4 1.069559 0.2950 X1 -902.4493 1056.763 -0.853975 0.4012 X1^2 0.185265 0.269249 0.688079 0.4977 X1*X2 0.246797 0.138910 1.776665 0.0878 X2 -522.6261 363.4949 -1.437781 0.1629 X2^2 0.045546 0.029326 1.553115 0.1330 R-squared 0.438112 Mean dependent var 141107.0 Adjusted R-squared 0.325735 S.D. dependent var 325595.5 S.E. of regression 267358.4 Akaike info criterion 28.00255 Sum squared resid 1.79E+12 Schwarz criterion 28.28010 Log likelihood -428.0396 Hannan-Quinn criter. 28.09303 F-statistic 3.898573 Durbin-Watson stat 2.151382 Prob(F-statistic) 0.009480 由实验结果得 Obs*R-squared=13.581,在 5%的显著水平下通过显著性检验, scaled explained SS=28.545,在 1%的显著性水平下通过显著性检验,因此拒绝不存在异方差的原假设,方程存在异方差。 3. 采用加权最小二乘法估计方程 Dependent Variable: Y Method: Least Squares Date: 01/01/03 Time: 01:15 Sample: 1 31 Included observations: 31 Weighting series: 1/ABS(RESID) Coefficient Std. Error t-Statistic Prob. X1 0.471024 0.035570 13.24221 0.0000 X2 0.691298 0.011628 59.45173 0.0000 C 642.1640 56.79157 11.30738 0.0000 Weighted Statistics R-squared 0.992927 Mean dependent var 2595.506 Adjusted R-squared 0.992422 S.D. dependent var 3551.699 S.E. of regression 67.05808 Akaike info criterion 11.34076 Sum squared resid 125910.0 Schwarz criterion 11.47953 Log likelihood -172.7818 Hannan-Quinn criter. 11.38600 F-statistic 1965.400 Durbin-Watson stat 1.604499 Prob(F-statistic) 0.000000 Unweighted Statistics R-squared 0.920129 Mean dependent var 2981.623 Adjusted R-squared 0.914424 S.D. dependent var 1368.763 S.E. of regression 400.4084 Sum squared resid 4489153. Durbin-Watson stat 1.580905 调整后的估计函数为 Y=642.164+0.471X1+0.691X2 t=(11.307)(13.242)(59.452)R 2 =0.993,F=1965.40 实验任务六 1. 对实验数据 4 各变量取对数,并估计方程0 1ln lnt t tY X β β μ = + + ,判断其是否存在序列相关性。,判断其是否存在序列相关性。 Dependent Variable: LNY Method: Least Squares Date: 12/04/14 Time: 13:51 Sample: 1980 2007 Included observations: 28 Coefficient Std. Error t-Statistic Prob. LNX 0.854415 0.014219 60.09058 0.0000 C 1.588478 0.134220 11.83492 0.0000 R-squared 0.992851 Mean dependent var 9.552256 Adjusted R-squared 0.992576 S.D. dependent var 1.303948 S.E. of regression 0.112351 Akaike info criterion -1.465625 Sum squared resid 0.328192 Schwarz criterion -1.370468 Log likelihood 22.51875 Hannan-Quinn criter. -1.436535 F-statistic 3610.878 Durbin-Watson stat 0.379323 Prob(F-statistic) 0.000000 InY=1.588+0.854InX+u t=(11.835)(60.091) R 2 =0.993,F=3610.878 由实验结果可知,D.W.=0.379,接近于 0,可能存在序列正相关。 2. 对模型进行序列相关性检验。 a) 图示法 -.3-.2-.1.0.1.2-.3 -.2 -.1 .0 .1 .2EE1 由图可知,模型存在序列正相关。 b) D.W. 检验法 Dependent Variable: LNY Method: Least Squares Date: 12/06/14 Time: 15:26 Sample: 1980 2007 Included observations: 28 Coefficient Std. Error t-Statistic Prob. LNX 0.854415 0.014219 60.09058 0.0000 C 1.588478 0.134220 11.83492 0.0000 R-squared 0.992851 Mean dependent var 9.552256 Adjusted R-squared 0.992576 S.D. dependent var 1.303948 S.E. of regression 0.112351 Akaike info criterion -1.465625 Sum squared resid 0.328192 Schwarz criterion -1.370468 Log likelihood 22.51875 Hannan-Quinn criter. -1.436535 F-statistic 3610.878 Durbin-Watson stat 0.379323 Prob(F-statistic) 0.000000 由实验结果可知,D.W=0.379,根据样本容量 n=28 和解释变量数目k=1查D.W.分布表,得到临界值dL= 1.33和dU=.1.48,可知0<D.W.<dL,所以存在序列正相关。 c) 拉格朗日乘数(LM) 检验法 3. 采用广义差分法估计方程 Dependent Variable: LNY Method: Least Squares Date: 12/06/14 Time: 15:29 Sample (adjusted): 1982 2007 Included observations: 26 after adjustments Convergence achieved after 8 iterations Coefficient Std. Error t-Statistic Prob. LNX 0.865725 0.022741 38.06850 0.0000 C 1.462413 0.220311 6.637939 0.0000 AR(1) 1.153100 0.179489 6.424365 0.0000 AR(2) -0.516672 0.168869 -3.059610 0.0057 R-squared 0.998087 Mean dependent var 9.701508 Adjusted R-squared 0.997826 S.D. dependent var 1.229613 S.E. of regression 0.057334 Akaike info criterion -2.739210 Sum squared resid 0.072318 Schwarz criterion -2.545657 Log likelihood 39.60973 Hannan-Quinn criter. -2.683474 F-statistic 3825.609 Durbin-Watson stat 1.819703 Prob(F-statistic) 0.000000 Inverted AR Roots .58-.43i .58+.43i LnY=1.462+0.866LnX+1.153AR(1)-0.517AR(2)+u t= (6.638)(38.089) (6.424) (-3.059) F=3825.609 D.W.=1.820 R 2 =0.998 4. 采用拉格朗日乘数(LM) 检验法检验广义差分法的估计结果 Breusch-Godfrey Serial Correlation LM Test: F-statistic 0.136597 Prob. F(2,20) 0.8731 Obs*R-squared 0.350367 Prob. Chi-Square(2) 0.8393 Test Equation: Dependent Variable: RESID Method: Least Squares Date: 11/29/14 Time: 13:15 Sample: 1982 2007 Included observations: 26 Presample missing value lagged residuals set to zero. Coefficient Std. Error t-Statistic Prob. LNX -0.004303 0.025183 -0.170883 0.8660 C 0.037726 0.241898 0.155957 0.8776 AR(1) -0.215927 0.455541 -0.474002 0.6406 AR(2) 0.134988 0.321624 0.419709 0.6792 RESID(-1) 0.256930 0.514545 0.499334 0.6230 RESID(-2) 0.154510 0.358655 0.430803 0.6712 R-squared 0.013476 Mean dependent var -8.53E-13 Adjusted R-squared -0.233155 S.D. dependent var 0.053784 S.E. of regression 0.059726 Akaike info criterion -2.598931 Sum squared resid 0.071343 Schwarz criterion -2.308601 Log likelihood 39.78610 Hannan-Quinn criter. -2.515327 F-statistic 0.054639 Durbin-Watson stat 1.880462 Prob(F-statistic) 0.997807 F-statistic=0.137,Obs*R-squared=0.350 伴随概率都大于 0.1 所以没有通过显著性检验,不拒绝原假设,即不存在序列相关性。经广义差分法估计方程正确。 实验任务七 1. 对实验数据 5 各变量取对数,并采用普通最小二乘法估计模型。 Dependent Variable: LNY Method: Least Squares Date: 12/06/14 Time: 16:24 Sample: 1983 2007 Included observations: 25 Coefficient Std. Error t-Statistic Prob. LNX1 0.381145 0.050242 7.586182 0.0000 LNX2 1.222289 0.135179 9.042030 0.0000 LNX3 -0.081110 0.015304 -5.300024 0.0000 LNX4 -0.047229 0.044767 -1.054980 0.3047 LNX5 -0.101174 0.057687 -1.753853 0.0956 C -4.173174 1.923624 -2.169434 0.0429 R-squared 0.981597 Mean dependent var 10.70905 Adjusted R-squared 0.976753 S.D. dependent var 0.093396 S.E. of regression 0.014240 Akaike info criterion -5.459968 Sum squared resid 0.003853 Schwarz criterion -5.167438 Log likelihood 74.24960 Hannan-Quinn criter. -5.378833 F-statistic 202.6826 Durbin-Watson stat 1.791427 Prob(F-statistic) 0.000000 估计模型InY=-4.173+0.381InX1+1.222LnX2-0.081LnX3-0.047LnX4-0.101L nX5+u t=(2.169) (7.586) (9.042) (5.300) (1.055) (1.754) R 2 =0.982,F=202.683,D.W.=1.791 由实验结果得:R 2 =0.982、F=202.683 都较大,方程拟合程度好,但t4=-1.055 t5=-0.101,均较小,未通过显著性检验,即 LnX4、LnX5不显著,可能存在多重共线性。 2.测算模型中各变量的相关系数。 Covariance Analysis: Ordinary Date: 12/07/14 Time: 17:20 Sample: 1983 2007 Included observations: 25 Correlation t-Statistic Probability LNX1 LNX2 LNX3 LNX4 LNX5 LNX1 1.000000 ----- ----- LNX2 -0.568744 1.000000 -3.316174 ----- 0.0030 ----- LNX3 0.451700 -0.214097 1.000000 2.428101 -1.051148 ----- 0.0234 0.3041 ----- LNX4 0.964357 -0.697625 0.398780 1.000000 17.47840 -4.669734 2.085480 ----- 0.0000 0.0001 0.0483 ----- LNX5 0.440205 -0.073270 0.411279 0.279528 1.000000 2.351216 -0.352339 2.163912 1.396228 ----- 0.0277 0.7278 0.0411 0.1760 ----- 各解释变量相互之间的相关系数较高,LNX4 和 LNX1、LNX2 的相关系数达到了 0.964、0.698,证实确实存在严重多重共线性。 3. 分别作被解释变量与各解释变量的回归,找出最简单的回归形式。 Ln X4,Ln X5 存在多重共线性,因此做 Ln X1,Ln X2,Ln X3 回归。 Dependent Variable: LNY Method: Least Squares Date: 12/07/14 Time: 17:40 Sample: 1983 2007 Included observations: 25 Coefficient Std. Error t-Statistic Prob. LNX1 0.323385 0.010861 29.77552 0.0000 LNX2 1.290729 0.096153 13.42365 0.0000 LNX3 -0.086754 0.015155 -5.724484 0.0000 C -5.999638 1.162078 -5.162852 0.0000 R-squared 0.978616 Mean dependent var 10.70905 Adjusted R-squared 0.975561 S.D. dependent var 0.093396 S.E. of regression 0.014601 Akaike info criterion -5.469854 Sum squared resid 0.004477 Schwarz criterion -5.274834 Log likelihood 72.37318 Hannan-Quinn criter. -5.415764 F-statistic 320.3438 Durbin-Watson stat 1.412883 Prob(F-statistic) 0.000000 Ln Y=-6.000+0.323Ln X 1 +1.291LnX 2 -0.087LnX3+u t=(-5.163)(29.776) (13.424) (-5.724) R 2 =0.979 F=320.344 D.W.=1.413 4. 采用逐步回归法估计方程,完成下表。 模型1 模型2 模型3 模型4 模型5 lnX 1 0.224 0.298 0.323 0.322 0.330 8.779 (19.239) (29.776) (8.224) (28.658) lnX 2 1.259 1.291 1.924 1.322 (8.387) (13.424) (9.559) (13.672) lnX 3 -0.087 -0.087 -0.081 (-5.724) (-5.510) (-5.291) lnX 4 0.001 (0.035) lnX 5 -0.064 (-1.398) R 2 0.770 0.945 0.979 0.979 0.981 D.W. 0.939 1.569 1.413 1.413 1.635 先做模型 1,对 LnY 与 LnX1 回归,得到 R 2 =0.770 即 LnX1 具有显著影响。在 LnX1 的基础上顺次加入其他变量逐步回归。 加入解释变量 LnX2,即模型 2 时回归后的 R 2 =0.945,模型拟合程度高,且 t1、t2 较大,通过显著性检验,即 LnX2 对 LnY 有显著影响,应保留。 在模型 2 的基础上加入解释变量 LnX3,构成模型 3,回归后的 R 2 =0.979,模型拟合程度高,且 t1、t2 较大,通过显著性检验,即 LnX3对 LnY 有显著影响,应保留。 在模型 3 的基础上加入解释变量 LnX4,构成模型 4,回归后的 R 2 =0.979,模型拟合程度高,t1、t2 较大,通过显著性检验,但 t3<1,未通过显著性检验,变量对被解释变量影响不显著,应排除。 在模型 4 的基础上加入解释变量 LnX5,构成模型 5,同模型 4, t5=-1.398<2,变量对被解释变量影响不显著,应排除。 由上可知,对 LnY 有显著影响的是 LnX1、LnX2、LnX3,排除多重共线性构成最简单模型: Ln Y=-6.000+0.323Ln X 1 +1.291LnX 2 -0.087LnX3+u t=(-5.163)(29.776) (13.424) (-5.724) R 2 =0.979 F=320.344 D.W.=1.413 指导老师评语: 签字: 年 月 日 成绩等级: 备注:

关注我们

关注微信公众号

您选择了以下内容