【文章內容簡介】 性回歸模型為： 三、估計參數(shù) 利用EViews估計模型的參數(shù)，方法是：建立工作文件：啟動EViews，點擊File\New\Workfile，在對話框“Workfile Range”。在“Workfile frequency”中選擇“Annual” (年度)，并在“Start date”中輸入開始時間“1978”，在“end date”中輸入最后時間“2002”，點擊“ok”，出現(xiàn)“Workfile UNTITLED”工作框。其中已有變量：“c”—截距項 “resid”—剩余項。在“Objects”菜單中點擊“New Objects”，在“New Objects”對話框中選“Group”，并在“Name for Objects”上定義文件名，點擊“OK”出現(xiàn)數(shù)據(jù)編輯窗口。輸入數(shù)據(jù)：點擊“Quik”下拉菜單中的“Empty Group”，出現(xiàn)“Group”窗口數(shù)據(jù)編輯框，點第一列與“obs”對應的格，在命令欄輸入“Y”，點下行鍵“↓”，即將該序列命名為Y，并依此輸入Y的數(shù)據(jù)。用同樣方法在對應的列命名XXX4，并輸入相應的數(shù)據(jù)。或者在EViews命令框直接鍵入“data Y X3 X4 … ”，回車出現(xiàn)“Group”窗口數(shù)據(jù)編輯框，在對應的Y、XXX4下輸入響應的數(shù)據(jù)。估計參數(shù)：點擊“Procs“下拉菜單中的“Make Equation”，在出現(xiàn)的對話框的“Equation Specification”欄中鍵入“Y C X2 X3 X4”，在“Estimation Settings”欄中選擇“Least Sqares”(最小二乘法)，點“ok”，即出現(xiàn)回歸結果： ，模型估計的結果為： () () () () t= () () () () F= df=21 四、模型檢驗經(jīng)濟意義檢驗模型估計結果說明，在假定其它變量不變的情況下，當年GDP每增長1億元，；在假定其它變量不變的情況下，當年財政支出每增長1億元，；在假定其它變量不變的情況下，當年零售商品物價指數(shù)上漲一個百分點。這與理論分析和經(jīng)驗判斷相一致。統(tǒng)計檢驗（1）擬合優(yōu)度：： ，修正的可決系數(shù)為，這說明模型對樣本的擬合很好。（2）F檢驗：針對，給定顯著性水平，在F分布表中查出自由度為k1=3和nk=21的臨界值。=，由于F=，應拒絕原假設，說明回歸方程顯著，即“國內生產(chǎn)總值”、“財政支出”、“商品零售物價指數(shù)”等變量聯(lián)合起來確實對“稅收收入”有顯著影響。（3）t 檢驗：分別針對：，給定顯著性水平，查t分布表得自由度為nk=21臨界值。，與、、其絕對值均大于，這說明分別都應當拒絕：，也就是說，當在其它解釋變量不變的情況下，解釋變量“國內生產(chǎn)總值”（）、“財政支出”（）、“商品零售物價指數(shù)”（）分別對被解釋變量“稅收收入”Y都有顯著的影響。案例分析五 中國A股新股抑價率多因素回歸分析新股的抑價發(fā)行IPO抑價是指發(fā)行定價存在著低估現(xiàn)象，即新股發(fā)行定價低于新股的市場價值，表現(xiàn)為新股發(fā)行價格明顯低于新股上市首日收盤價格，上市首日就能獲得顯著的超額回報。市場化的發(fā)行制度下，新股發(fā)行的定價過程是發(fā)行企業(yè)、承銷商和投資者之間多次談判的結果。一個有效的IPO 市場是不應該存在超常收益率的。但國外許多學者研究發(fā)現(xiàn)，在一些發(fā)行市場化的市場中，盡管承銷商通過努力平衡對發(fā)行股票的供給和需求來得到最佳發(fā)行價格。但首日收益率(即新股上市首日收盤價相對于發(fā)行價的收益率) 仍然顯著為正，即存在著顯著的新股發(fā)行抑價現(xiàn)象。發(fā)行是證券市場運行的基礎，而首次公開發(fā)行（Initial Public Offering縮寫為IPO）是股份公司由少數(shù)人持股向公眾持股轉變的重要步驟。發(fā)行定價是發(fā)行業(yè)務中的核心環(huán)節(jié)，定價是否合理不僅關系到發(fā)行人、投資者以及承銷商的切身利益，而且關系到發(fā)行市場的監(jiān)管乃至證券市場資源配置功能的發(fā)揮。IPO抑價率是衡量新股發(fā)行定價是否合理的重要指標。如果IPO抑價率小于0，即新股上市首日就跌破發(fā)行價，說明定價過高；如果IPO抑價率顯著大于0，即上市首日就獲得顯著的超額收益，就說明新股存在定價過低的現(xiàn)象。從各國的發(fā)行實踐看，新股發(fā)行定價適度低于二級市場上市價格是普遍存在的，這是由于股票市場IPO發(fā)行中特有的信息不對稱和信息不確定性等多種因素造成的。中國IPO抑價率多因素模型分析（1） 多變量回歸分析含義多變量回歸分析是指因變量依賴兩個或者更多個解釋變量或回歸元的模型的分析。最為簡單的多元回歸模型，是含有一個因變量和兩個解釋變量的三變量回歸模型。 （1）在方程（1）中，是截距項，它代表了2和3均為零時的Y的均值，給出了所有未被包含到模型中來的變量對Y的影響。系數(shù)和被稱為偏回歸系數(shù)，度量著2的單位變化對Y均值的直接或者凈影響， 度量著3的單位變化對Y均值的直接或者凈影響。（2）中國IPO抑價率多因素回歸模型 在股票發(fā)行初級市場中，針對IPO的超額收益率，設定新股抑價率為AR=PtP0/P0，構建多因素回歸模型，跟前文相對應，我們先設定兩個回歸元的回歸模型，假定AR跟股票的發(fā)行規(guī)模有關，在本例中我們用其發(fā)行規(guī)模的對數(shù)值來替代設定為LGIPO，除此之外還有股票的中簽率有關，則設定一個簡單的三變量回歸模型為 （2）在本例中我們用的數(shù)據(jù)主要是1999年1月～2002年6月120只上海證券交易所上市的新股數(shù)據(jù)。則在eviews中回歸得到下面數(shù)據(jù)：VariableCoefficientStd。 ErrortStatisticProb。 CLOGIPORATRsquared Mean dependent varAdjusted Rsquared . dependent var. of regression Akaike info criterionSum squared resid Schwarz criterionLog likelihood FstatisticDurbinWatson stat Prob(Fstatistic)因為新股超額收益不僅只是跟上述兩個因素有關，僅以此來說明多因素回歸模型中結果的分析。在本例中，R或者調整的R比較小的原因是模型因素缺少，后面會有比較全面的多因素回歸模型。從結果中可以看到超額收益率和股本的發(fā)行規(guī)模有負的相關關系，和中簽率有負的相關關系。t值均大于2，F(xiàn)值也比較顯著。進一步，我們來看一個比較復雜的多因素回歸模型如下： (3)其中，LOGIPO為IPO發(fā)行額的對數(shù)值。RAT為中簽率的100倍，E為收益率，PE為IPO發(fā)行市盈率，T為公司發(fā)布上市時間，P2是IPO的上市價格，I1 是發(fā)行時的市場指數(shù)，I2是上市是的市場指數(shù)，P1是發(fā)行價格。模型回歸結果如下：VariableCoefficientStd。 ErrortStatisticProb。 CP1P2I1I2PELOGIPORATTERsquared Mean dependent varAdjusted Rsquared . dependent var. of regression Akaike info criterionSum squared resid Schwarz criterionLog likelihood FstatisticDurbinWatson stat Prob(Fstatistic)從上面的回歸分析可以看到，截距項不為零，超額收益和p1，p2，logipo三個因素顯著相關，其余因素的影響不是很顯著的。當然新股超額收益和很多的因素是相關的，我們在此僅說明多變量分析模型的應用。進一步思考問題此例中變量之間是否具有共線性？以及自相關性？如果變量之間具有多重共線性以及自相關性問題，應該怎么做？ 案例分析六 影響中國旅游市場發(fā)展的主要因素——多重共線性問題一、研究的目的要求近年來，中國旅游業(yè)一直保持高速發(fā)展，旅游業(yè)作為國民經(jīng)濟新的增長點，在整個社會經(jīng)濟發(fā)展中的作用日益顯現(xiàn)。中國的旅游業(yè)分為國內旅游和入境旅游兩大市場，%，與此同時國內旅游也迅速增長。改革開放20多年來，特別是進入90年代后，%，遠高于同期GDP %的增長率。為了規(guī)劃中國未來旅游產(chǎn)業(yè)的發(fā)展，需要定量地分析影響中國旅游市場發(fā)展的主要因素。二、模型設定及其估計經(jīng)分析，影響國內旅游市場收入的主要因素，除了國內旅游人數(shù)和旅游支出以外，還可能與相關基礎設施有關。為此，考慮的影響因素主要有國內旅游人數(shù)，城鎮(zhèn)居民人均旅游支出，農(nóng)村居民人均旅游支出，并以公路里程和鐵路里程作為相關基礎設施的代表。為此設定了如下對數(shù)形式的計量經(jīng)濟模型：其中 ：——第t年全國旅游收入——國內旅游人數(shù) （萬人）——城鎮(zhèn)居民人均旅游支出 （元）——農(nóng)村居民人均旅游支出 （元）——公路里程（萬公里）——鐵路里程（萬公里） 為估計模型參數(shù)，收集旅游事業(yè)發(fā)展最快的1994—2003年的統(tǒng)計數(shù)據(jù)，： 1994年—2003年中國旅游收入及相關數(shù)據(jù)年份國內旅游收入Y（億元）國內旅游人數(shù)X2（萬人次）城鎮(zhèn)居民人均旅游支出X3（元）農(nóng)村居民人均旅游支出X4 （元）公路里程 X5（萬公里）鐵路里程X6（萬公里）199452400199562900199663900199764400199869450199971900200074400200178400200287800200387000數(shù)據(jù)來源:《中國統(tǒng)計年鑒2004》利用Eviews軟件，輸入Y、XXXXX6等數(shù)據(jù)，采用這些數(shù)據(jù)對模型進行OLS回歸，： 由此可見，該模型，可決系數(shù)很高，,明顯顯著。但是當時,不僅、系數(shù)的t檢驗不顯著，而且系數(shù)的符號與預期的相反，這表明很可能存在嚴重的多重共線性。計算各解釋變量的相關系數(shù)，選擇XXXXX6數(shù)據(jù)，點”view/correlations”得相關系數(shù)矩陣（）：由相關系數(shù)矩陣可以看出：各解釋變量相互之間的相關系數(shù)較高，證實確實存在嚴重多重共線性。三、消除多重共線性采用逐步回歸的辦法，去檢驗和解決多重共線性問題。分別作Y對XXXXX6的一元回歸，：變量X2X3X4X5X6參數(shù)估計值t 統(tǒng)計量按的大小排序為：XXXXX4。以X3為基礎，順次加入其他變量逐步回歸。首先加入X6回歸結果為： t=() () 當取時，X6參數(shù)的t檢驗不顯著，予以剔除，加入X2回歸得 t=() () X2參數(shù)的t檢驗不顯著，予以剔除，加入X5回歸得t=() () XX5參數(shù)的t檢驗顯著，保留X5，再加入X4回歸得t=() () （） F= DW=當取時，,XXX5系數(shù)的t檢驗都顯著，這是最后消除多重共線性的結果。這說明，在其他因素不變的情況下，當城鎮(zhèn)居民人均旅游支出和農(nóng)村居民人均旅游支出分別增長1元時。在其他因素不變的情況下，作為旅游設施的代表，公路里程每增加1萬公里時, 。 案例分析七 醫(yī)療機構數(shù)與人口數(shù)量的關系——異方差問題一、問題的提出和模型設定根據(jù)本章引子提出的問題，為了給制定醫(yī)療機構的規(guī)劃提供依據(jù)，分析比較醫(yī)療機構與人口數(shù)量的關系，建立衛(wèi)生醫(yī)療機構數(shù)與人口數(shù)的回歸模型。假定醫(yī)療機構數(shù)與人口數(shù)之間滿足線性約束，則理論模型設定為 （）其中表示衛(wèi)生醫(yī)療機構數(shù)，表示人口數(shù)。由2001年《四川統(tǒng)計年鑒》得到如下數(shù)據(jù)。 四川省2000年各地區(qū)醫(yī)療機構數(shù)與人口數(shù)地區(qū)人口數(shù)（萬人）X醫(yī)療機構數(shù)（個）Y地區(qū)人口數(shù)（萬人）X醫(yī)療機構數(shù)（個）Y成都6304眉山827自貢315911宜賓1530攀枝花103934廣安1589瀘州1297達州2403德陽1085雅安866綿陽1616巴中1223廣元1021資陽1361遂寧3711375阿壩536內江1212甘孜594樂山1132涼山1471南充 4064二、參數(shù)估計進入