【正文】 eviews軟件 建立工作文件 ，并觀察散點(diǎn)圖 GDP=+ 1996 2021 對(duì)應(yīng)的數(shù)據(jù)可能存在參數(shù)的結(jié)構(gòu)變化 3. 80 0 0010 0 00 012 0 00 014 0 00 016 0 00 018 0 00 020 0 00 00 50 0 00 10 0 00 0 15 0 00 0G D PX3. 檢驗(yàn)： 在估計(jì)方程窗口 5點(diǎn)擊 view/stability test/chow breakpoint test 輸入 1996 2021 給定 ?=5%， F= PF=0 ?=5%， Fstatistic Probability 0 Log likelihood ratio Probability 0 結(jié)論 ： 拒絕參數(shù)穩(wěn)定的原假設(shè)，表明竄字存在結(jié)構(gòu)變化， 1996與 2021年前后均發(fā)生了顯著變化。 ?結(jié)果分析： ?上述結(jié)果表明， 外國(guó)游客人數(shù)和涉外酒店數(shù)對(duì)中國(guó)旅游外匯收入均有極為顯著的影響，且 外國(guó)游客人數(shù)每增加一百萬(wàn)人，將使中國(guó)旅游外匯收入平均增加 ；涉外酒店數(shù)每增加一千家，將使中國(guó)旅游外匯收入平均增加 元。 ?（ 4）回歸方程總體顯著性檢驗(yàn)。 ＝ ，說(shuō)明回歸方程與各觀察點(diǎn)的平均誤差為 。外國(guó)游客人數(shù)每增加一百萬(wàn)人，將使中國(guó)旅游外匯收入增加 ；涉外酒店數(shù)每增加一千家，將使中國(guó)旅游外匯收入增加 。 ? （ 4）回歸方程總體顯著性檢驗(yàn)。 ＝ ，說(shuō)明回歸方程與各觀察點(diǎn)的平均誤差為 。 ?首先通過(guò)散點(diǎn)圖觀察 ,與的關(guān)系，可發(fā)現(xiàn) y與x x2基本上呈線性關(guān)系。 ? 首先要確定影響中國(guó)旅游外匯收入的 重要因素 。 ?（一）首先通過(guò)散點(diǎn)圖觀察 x1 x2與 y的關(guān)系 建立如下線性回歸模型 uxxy ???? 2 21 10 ???（二）使用 EViews軟件建模 （三）模型檢驗(yàn) ? 綜合以上計(jì)算，得估計(jì)方程為 : ? 21 0 9 1 9 4 9 3 4 5 xxy ??? ?R 9 9 8 ?R參數(shù)的符號(hào)符合經(jīng)濟(jì)意義 表示 x1與 x2兩個(gè)變量聯(lián)合起來(lái)能夠解釋 y總變差中的 ％，說(shuō)明模型的擬合度高，擬合效果好 F＝ ，相應(yīng)的 P值 =，不僅小于 平，也遠(yuǎn)遠(yuǎn)小于 ，這說(shuō)明該方程在統(tǒng)計(jì)意義上是極顯著的。 ? 結(jié)果說(shuō)明： ?由結(jié)果可知，當(dāng)前一期人均居民消費(fèi)額 X2保持不變時(shí)，人均國(guó)內(nèi)生產(chǎn)總值 X1每增加 1千元，人均居民消費(fèi)額 Y平均增加 ；當(dāng)人均國(guó)內(nèi)生產(chǎn)總值 X1保持不變時(shí)，前一期人均居民消費(fèi)額 X2每增加 1千元，人均居民消費(fèi)額 Y平均增加 ?；貧w方程對(duì)于樣本觀測(cè)點(diǎn)擬合的很好。 ? 設(shè)建立的樣本回歸方程為 ? 當(dāng)給定一組解釋變量的值 ? 要估計(jì)所對(duì)應(yīng)的 y0,很自然的想法就是將 x0的值代入方程中。若顯著，討論系數(shù)的大小，以對(duì)其實(shí)際或經(jīng)濟(jì)上的重要性有所認(rèn)識(shí)。 ? 獲取樣本需要成本，企圖通過(guò)樣本容量的確定減輕收集數(shù)據(jù)的困難。 共同特點(diǎn)是每一步只引入或剔除一個(gè)自變量。雖然過(guò)度設(shè)定問(wèn)題不會(huì)影響參數(shù)估計(jì)量的無(wú)偏性， 但卻確對(duì)最小二乘估計(jì)量的方差具有不利的影響。 ? 變量 Y－參與率：指企業(yè)對(duì)一個(gè)工人所貢獻(xiàn)的每一美元而向工人的養(yǎng)老基金貢獻(xiàn)的數(shù)量； ? X1－貢獻(xiàn)率：工人中參與此方案的百分比； ? X3－年齡：工人中參與此方案人員的年齡 ? X4－企業(yè)雇員總數(shù) ?估計(jì)方程為： ? y=++ ? ( ) () （－ ） ? 統(tǒng)計(jì)檢驗(yàn)可知在 ，所有系數(shù)都是極顯著的。 廣播廣告支出的回歸系數(shù)的 t統(tǒng)計(jì)量的 p值近似等于 ，小于 ，說(shuō)明在顯著性水平 ，即每月用于廣播的廣告支出同 VCD的銷(xiāo)售額是相關(guān)的。 ? tx3= (137), 故 x3在統(tǒng)計(jì)意義上是極顯著的， x3對(duì) Y的影響是很顯著的； 該系數(shù)表明，若控制 x2與 x3不變，每周多曠課一節(jié)課，預(yù)計(jì)會(huì)使成績(jī)平均降低 ? 【 例 】 某 VCD連鎖店非常想知道在電視臺(tái)做廣告與在廣播電臺(tái)做廣告哪種媒體更有效。 ? 故在對(duì)回歸方程的顯著性檢驗(yàn)后，還應(yīng)對(duì)每個(gè) 進(jìn)行檢驗(yàn)。 一般方程的顯著性檢驗(yàn)可由方差分析表來(lái)完成 方差分析表 來(lái)源 平方和 自由度 均方和 F 回歸 ESS k RSS/k 殘差 RSS nk1 ESS/(nk1) 總和 TSS n1 臨界值 ,)1,(F 時(shí)?? knk?)1/(/F??? knE SSkR SSR2與 F的關(guān)系 ?因此 ,F檢驗(yàn)可看成是對(duì)擬合優(yōu)度的檢驗(yàn) kknRRF 11 22 ?????例題： 孩子出生體重決定因素模型 ? 假設(shè)以下幾種 因素為小孩出生體重（ y)的主要影響因素（定性分析）： ? X1母親懷孕期間平均每天吸煙數(shù)量 ? X2— 小孩在姊妹中的排行 ? X3家庭年收入 ? X4母親受教育年數(shù) ? X5父親受教育年數(shù) ? 建立樣本回歸方程 ? ?=a＋ b1x1+b2x2+b3x3+b4x4+b5x5 ? N=1388 ? 經(jīng)計(jì)算： F＝ P＝ ? (5,1185)= (5,1185)= 2 ?說(shuō)明該方程是極顯著的，也即方程中的變量的確可以解釋 y中的某些 變異。即： ? ?當(dāng)我們拒絕假設(shè)時(shí)，則至少存在一個(gè) ，即至少存在一個(gè) xi與 y之間存在著線性相關(guān)關(guān)系。 調(diào)整方法為：把殘差平方和與總離差平方和之比的分子分母分別除以各自的自 由度 0R,R)2R)1222?此時(shí)可取將會(huì)出現(xiàn)負(fù)值情形時(shí)在計(jì)算一般小于R性質(zhì) : μ的方差 的最小二乘估計(jì) 2u??? ?? 2 ?回歸的標(biāo)準(zhǔn)誤 (standard error of Theregression),是對(duì)影響 y的 不 可觀測(cè)因素的標(biāo)準(zhǔn)誤的 估計(jì) , 反映了把 x的影響排除 以后 y的 標(biāo)準(zhǔn)誤 . 2??可以證明 是無(wú)偏估計(jì)量 . 1?22????kni?? 用來(lái)反映因變量的實(shí)際值與估計(jì)值的平均變異程度的指標(biāo)。 例 大學(xué)平均成績(jī)決定模型 ? y=++ R2= Y大學(xué)學(xué)生平均成績(jī) ? X1高中平均成績(jī) ? X2大學(xué)能力測(cè)驗(yàn)分?jǐn)?shù) X1 X2一起可以解釋這個(gè)大學(xué)生樣本中大學(xué)平均成績(jī)變動(dòng)的 ％，其余有其他因素解釋。 ????nii yyE SS12)?(?? ?? ?? xy????nii yyT SS12)(????niii yyR SS12)?(自由度為 n1,反映了樣本觀測(cè)值總體離差的大小 自由度為 k ,k— 自變量的個(gè)數(shù) ,反映由模型中解釋變量所解釋的那部分離差的大小 ?可以證明 SST = RSS + ESS ? 1. 樣本決定系數(shù) T SSR SST SSE SSR ??? 12意義：Ｒ ２ 越大，自變量對(duì)因變量的解釋程度越高，自變量引起的變動(dòng)占總變動(dòng)的百分比越高。 ? β1 ＝ ，表明二者之間存在局部正相關(guān)： 保持 x2不變，如果 x1提高 1分，則大學(xué)平均成績(jī) y平均會(huì)提高 （注） ? β2 ＝ ，雖然表明二者之間也存在局部正相關(guān)；且保持 x1不變時(shí)，如果 x2提高 1分，大學(xué)平均成績(jī) y平均會(huì)提高 0. 0094分，但由于