多元线性回归eviews操作

本例中我们假设拟建立如下多元回归模型：

二.估计参数

1.建立工作文件

首先，进入Eviews主页，在菜单中依次点击File\\New\\Workfile，出现对话框Work Create。

截面数据Unstructured/undated只需输入样本数就可以。时间序列数据Dated-regular frequency在Date specification 中选择数据频率：

Annual （年度）     Weekly （周数据）      Quarterly (季度) 

Daily（5 day week）每周5天日数据  Daily（7 day week）每周7天日数据 

Monthly （月度）  integer date（未注明日期或者不规则的） Semi Annual（半年度）

其次，点击OK，出现未命名文件的Workfile UNTITLED工作框。其中c为截距项，resid为残差项。若要将文件存盘，点击save，在save as对话框中选择存盘路径，并输入文件名。如多元线性回归案例

2.输入数据

方法一：Quick\\Empty Group等

方法二：data Y X1 X2,得到如下表;

3.估计参数

方法一：Quick\\Estimate Equation

方法二: LS Y C X1 X2

三、解释表里参数 

标准差=0.075308，回归标准差=被解释变量标准差=回归模型标准差：=385.9169,残差平方和：=4170093被解释变量的标准差：=2388.459

AIC和SC准则：这两个准则要求仅当所增加的解释变量能减少AIC值或SC值时才在原模型中增加该解释变量。与调整的可决系数相似。多元小于一元，可以将前期人均居民消费作为解释变量包括在模型中。

四、模型检验

1.经济意义检验

估计的参数值都为正数，经济意义合理。

所估计的参数，说明在2006年可支配收入不变的情况下，2005年消费支出每增加1元，平均来说，可导致2006年消费支出提高0.250085元。

2.拟合优度和统计检验

  本例中拟合优度等于0.975634，即解释变量对被解释变量2006年消费支出的绝大部分差异做出了解释，说明模型对样本的拟合很好。

  F检验：给定显著性水平，在F分布表中查出自由度k-1=2（其中k为估计参数个数）n-k=28的临界值，由表中得F=560.5650。应拒绝原假设，说明回归方程显著，即2006年可支配收入、2005年消费支出联合起来对2006年消费支出有显著影响。

  t检验：，查t分布表得自由度n-k=28的临界值=2.048，由表中看出都拒绝原假设，从P值中也可以看出。也就是说，在其他解释变量不变的情况下，解释变量分别对被解释变量有显著性影响。