(整理)一元线性回归模型的置信区间与预测.

精品文档

Dependent Variable: LED Method: Least Squares Date: 09/21/02 Time: 16:21 Sample: 1991 1997 Included observations: 7

Variable C LFI R-squared

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient -1.522329 1.005563 Std. Error 0.383141 0.044764 t-Statistic -3.973290 22.46341 Prob. 0.0106 0.0000 7.077084 0.382958 -3.288701 -3.304156 504.6048 0.000003 0.990188 Mean dependent var 0.988226 S.D. dependent var 0.041554 Akaike info criterion 0.008634 Schwarz criterion 13.51045 F-statistic 1.930000 Prob(F-statistic) 精品文档

精品文档

多元线性回归模型的参数估计实例

例2.3.1 建立中国消费模型。根据消费模型的一般形式，选择消费总额为被解释变量，国内生产总值和前一年的消费总额为解释变量，变量之间关系为简单线性关系，选取1981年至1996年统计数据为样本观测值。样本观测值列于表2.3.1中。

表2.3.1 中国消费数据表

年份 1981 1982 1983 1984 1985 1986 1987 1988 消费总额 3309 3638 4021 4694 5773 6542 7451 9360 国内生产总值 4901 5489 6076 7164 8792 10133 11784 14704 前一年消费额 2976 3309 3638 4021 4694 5773 6542 7451 年份 1989 1990 1991 1992 1993 1994 1995 1996 消费总额 10556 11362 13146 15952 20182 27216 34529 40172 国内生产总值 16466 1832 21280 25864 34501 47111 59405 68498 前一年消费额 9360 10556 11362 13146 15952 20182 27216 34529 以y代表消费总额，x1代表国内生产总值，x2代表前一年消费总额，应用计量经济分析软件包TSP6.5中普通最小二乘法估计模型，得到下列结果： ^（6.83） （32.36） （5.70）

yi?540.5286?0.4809x1?0.1985x2 （2.3.13）

23R2?0.9997 F?28.682 D.W.?1.4501 ?ei?43861

^2s?79.08s^?0.0149s^?0.0348???33739.5 ?^0?1 ?2

式中各项都是评价估计结果优劣的重要标准，后面将逐一介绍。这里仅讨论参数估计值。两个解释变量前的参数估计值分别为0.4809和0.1985，都为正数，且都处于0与1之间，常数项的估计值也为正，这些参数估计值的经济含义是合理的。随机误差项的方差的估计值为33739.5。

精品文档