实验一 简单线性回归
一、实验目的：掌握一元线性回归模型的估计与应用，熟悉EViews的基本操作。 二、实验要求：应用教材第54页案例做一元回归并做预测。
三、实验原理：普通最小二乘法
四、预备知识：最小二乘法估计的原理、t检验、拟合优度检验、点预测和区间预测 五、实验步骤
1．建立工作文件并录入数据
（1）双击桌面EViews快速启动图标，启动EViews5.1程序。
（2）点击主界面菜单File\\New\\Worekfile，弹出Workfile Create对话框。在Workfile Create对话框左侧Workfile structure type栏中选择Unstructured/Undated选项，在右侧Date Range中填入样本个数31。在右下可输入Workfile的名称，如P54。如图2.1.1所示。
图2.1.1
点击左下的“OK”就建立了一个名称为P54的Workfile。如图2.1.2所示：
图2.1.2
建立Workfile 后，应当进行数据录入工作。数据录入方法有多种。这里仅介绍常用的两种录入方法。
方法 1：点击主界面（或Workfile界面）的菜单栏Object，再点击New Object…选项，弹出一对话框，选择Group选项，在左侧框中命名，如为yx。如图2.1.3所示。点击OK之后，出现数据录入界面（以表格形式出现），如图2.1.4所示。在图2.1.4中，先将右侧滑块拉上顶端，单击obs右侧灰色小框（空白数据列上端灰框），键入y（对样本数据列进行命
名），回车（这时Workfile中会出现序列Y这个对象），选择Numeric Series选项，点击OK后，再从“1”开始逐个录入相应的数据。这样我们就建立了一个序列Y并录入了数据，然后同样办法建立序列X并录入数据。
图2.1.3 图2.1.4
方法2 ：直接在主界面命令栏键入data y x，回车，则出现图2.1.5画面。在Group表
格相应的位置逐个录入y和x的数据。（不过此时Group没有命名，为Untiled，可点击Group表格上菜单命令Name，在弹出的对话框中命名为yx）
命令栏
图2.1.5
.两种录入方法完成后，最终得到如图2.1.6所示结果。
图2.1.6
为了保存数据，可点击主界面的File，选择Save as 选项，将文件永久存盘保留。 2．数据的描述统计和图形统计
以上建立的序列y和x之后，可对其做描述统计和图形统计以把握该数据的一些统计属性。
（1）描述统计
双击打开组对象yx的表格形式，点View/Descriptive Statistics/Common Sample，得描述统计结果，如图2.1.7所示，其中：Mean为均值，Std.Dev为标准差
图2.1.7
（2）图形统计
双击序列y，打开y的表格形式，点击表格左边View/Graph，可得下图2.1.8：
图2.1.8
可以看到，Graph的下级菜单上列有多种图形形式，如线图、面积图（区域图）、条形图、季节化堆叠式线图等。这里较常用的是线图，点菜单栏View/Graph/Line，可得到下图（图2.1.9）
图2.1.9
同样可以查看序列x的线性图。
很多时候需要把两个序列放到一个图形中来查看两者的相互关系，用线图或者散点图都
可以。例如以下用散点图来查看y和x的关系。
在命令栏键入：scat x y ，回车便得到如下结果（图2.1.10）
图2.1.10
3．设定模型，用普通最小二乘法估计参数
设定模型为 Yi??1??2Xi?ui。以下介绍三种EViews软件估计的操作方法。 方法一：在主界面命令框栏中输入 ls y x c ，然后回车，既可以得到最小二乘法估计的结果，如图2.1.12所示。其中，“ls”是做最小二乘法估计的命令，y 为被解释变量，x为解释变量， c为截距项。需要注意的是，|ls、y、x、c之间要有空格，被解释变量紧接在命令ls 之后。
方法二：按住Ctrl键，同时选中序列y和序列x，点右键，在所出现的右键菜单中，选择Open\\as Equation…后弹出一对话框（如图2.1.11），点击其上的“确定”，即可得到回归结果（图2.1.12）。
方法三：点击主界面菜单Quick\\Estimate Equation，弹出方法二中出现的对话框。不过框中没有设定回归模型，可以自己输入y x c，点确定即可得到回归结果（图2.1.12）。（注意被解释变量y一定要放在最前面，变量间留空格）
图2.1.11
Equation结果界面
图2.1.12
回归结果界面解释如下表2.1.1 表2.1.1
英文名称 Variable Coefficient Sta.Error t-statistic 中文名称 变量 系数 标准差 T检验统计量 常用计算公式
常用相互关系和判断准则 一般是绝对值越小越好 绝对值大于2时可粗略判断系数通过t检验 t??/se(?) Prob T统计量的P值 P值小于给定显著水平时系数通过t检验 R－squared Ajusted R－squared S.E. of regression R2 R2 扰动项标准差 R2?ESS/TSS?1?RSS/TSS R2?1?RSS/(n?k?1) TSS/(n?1)2iR2?1?(1?R2) n?1 n?k?1??Sum squared resid Log likelihood Durbin-Watson stat Mean dependent var S.D. dependent var 残差平方和 似然函数对数值 DW统计量 应变量样本均值 应变量样本标准差 Akaike info criterion Schwarz criterion AIC准则 SC准则 ?eRSS? n?kn?kRSS??ei2 d?2(1??) Y??Yni 21Yi?Y????n?1TSS n?1 一般是越小越好 一般是越小越好