Scatter，在Fit lines中选择Regression Line，在Multiple中选择Multiple graphs-First vs.All,设定完毕后点击确定按钮，则出现Y对N、P、I的三张散点图，点击鼠标右键，选择Copy，将散点图复制到Word文档中，如图4-1所示。
2、Y对N、P、I的线性回归模型为
Yi??0??1Ni??2P（4.15） i??3Ii??i
一般来说，人口越多，餐馆的毛销售额越大；人们的收入水平越高，餐馆的毛销售额越大；竞争者的数量越多，餐馆的毛销售额越低。即P和I对Y有正的影响，N对Y有负的影响，从而?2,?3的预期符号为正，?1的预期符号为负。图4-1散点图中回归线的斜率与理论的预期是一致的。
3、在文件窗口点击object/new object,在出现的对象类型中选择equation,在对象名中填写eq1,点击OK，出现对话框图4.2
图4.2 回归方程的设定
在估计方法中选择最小二乘法，样本范围填写1到30。设定完毕后点击确定。出现图4.3
图4.3 方程估计的输出
根据图4.3，报告估计结果如下
Y = 102192.4 - 9074.67*N + 0.35*P + 1.29*I （2052.67） （0.073） （0.54）
t= -4.42 4.87 2.37 R=0.58
4、从估计输出结果可知，回归系数的符号方向（正、负）和大小均与理论分析一致，t统计量的值显示也在0.05的显著性水平下显著（这一点也可以从边际概率值观察到），F统计量的值为15.64（相应的概率值为0.000003），表明三个解释变量对被解释变量联合显著。
多元回归系数的含义为，当其他变量（控制变量）不变时，该变量对因变量的边际影响。对于本例各系数的含义为，收入增加一个单位会使餐馆的销售收入增加1.29个单位；人口增加一个单位会使餐馆的销售收入增加0.35个单位；竞争者的数量增加一个单位将使餐馆的销售数量减少9074.67个单位。 [案例2] 经济形势和实际工资对人们工作意愿的影响
在以下操作中，假设包含clfpr、 ahe82和cunr三个序列的Eviews工作文件clfpr.wfl已经存在。
1、打开Eviews工作文件clfpr.wfl，建立包括序列ahe82和clfpr的组对象，点击组对象窗口工具栏的View按钮，选择Graph，在Specifi选项中选择Scatter，在Fit lines中选择Regression Line，设定完毕后点击确定按钮，出现图4.4。
2
图4.4 clfpr对ahe82的散点图
由散点图可见，clfpr与ahe82之间存在非常弱的线性关系，回归线斜率为负，且接近于水平线。
2、建立一元线性回归模型如下：
clfpr 82t??t （4.16）t??0??1ahe用1980-2002年的数据估计上述模型，估计结果如图4.5所示
图4.5 clfpr对ahe82回归的估计结果
从图4.5的t统计量和概率值均可知，实际工资对劳动参与率没有显著影响，拟合优度（0.024118）很低，调整的拟合优度更是为负值，F统计量和概率值也显示方程常数项和解释变量（ahe82）对因变量（clfpr）的联合影响不显著。回归的结果与理论分析相悖。
3、同时考虑经济形势与实际工资对人们工作意愿的影响，建立二元线性回归模型如下
clfpr（4.17） 82t??2cunrt??0??1ahet??t 利用1980-2002年的数据估计模型，估计结果如图4.6所示
图4.6 clfpr对ahe82和cunr回归的估计结果
由图4.6中间部分的t统计量和概率值可知，解释变量ahe82和cunr均在0.05的水平上对clfpr有显著影响；调整的拟合优度为0.750205，拟合度较高；
F统计量的值为34.03611，相应的概率值为0.000000，表明ahe82和cunr对clfpr的联合影响显著。
解释变量ahe82和cunr的回归系数分别为-1.41和-0.67，它们的经济含义为，在cunr保持不变的条件下，实际小时工资增加1美元，劳动参与率降低1.41个百分点，表明实际工资对劳动供给影响的收入效应占优，即收入效应大于替代效应；在ahe82保持不变的条件下，失业率上升1个百分点，劳动参与率降低0.67个百分点，表明在剔除了实际工资对劳动供给的影响之后，失业率对劳动供给的影响依然是受挫效应占优。
4、在（2）的一元回归模型中，估计的结果表明，ahe82对劳动参与率没有显著的影响，但在引入的解释变量cunr后，即在（3）中的二元回归模型中，ahe82对劳动参与率的影响在0.05的水平下却是显著的，为什么会出现这种差别呢？
为了解释一元回归估计结果与多元回归结果的差别，现来观察clfpr、ahe82与cunr的相关系数矩阵(显示组对象相关系数矩阵的Eviews操作见第二章)，如图4.7所示。
图4.7 clfpr、ahe82与cunr的相关系数矩阵
由图4.7可知，cunr和ahe82与clfpr的相关系数分别为-0.155299和-0.843967，均为负相关。在（2）中的一元回归模型中，ahe82的回归系数-0.884518中包含了cunr通过ahe82对clfpr的间接影响，这种间接的影响是正方向的，使得ahe82对clfpr的影响被高估；而在（3）中的多元回归模型中，因为剔除了这种正方向的间接影响，使得ahe82对clfpr的直接影响增加为-1.41，并且影响由不显著到显著。
另外，也可注意到在（3）中的多元回归模型中，cunr的回归系数-0.671631与clfpr对cunr的一元回归系数（见第三章案例[1]）-0.646948的变化，同样是因为clfpr对cunr的一元回归系数-0.646948中包含了ahe82通过cunr对clfpr的间接影响，同样间接的影响也是正方向的，（3）中的多元回归模型中，cunr的回归系数-0.671631是剔除了这种间接影响之后，cunr对clfpr的直接影响。
5、显然，模型（Ⅲ）最好。首先，模型（Ⅲ）包含了模型（Ⅰ）和模型（Ⅱ）；其次，也是最重要的，模型（Ⅲ）更符合经济学的相关理论，计量分析必须建立
在相关的理论基础之上；最后，模型（Ⅲ）的一些统计指标最好，比如，模型（Ⅲ）调整的拟合优度为0.75，是最高的。 六、作业