实验二多元线性回归模型的估计与检验
【实验目的】
1、学会Eviews的安装和基本操作方法，并能将其应用于多元线性回归模型中。
2、熟练运用Eviews软件进行计量经济分析，掌握多元线性回归模型的设定、普通最小二乘法求解及其检验方法等。
【实验环境】
Windows XP或Windows 7的操作系统下，基于Eviews 6版本，来进行实验。
【实验内容】
1、数据来源与变量设定
2、对变量样本序列进行统计描述
3、设定线性回归模型的具体形式，预计回归系数的符号
4、用普通最小二乘法求解模型
5、对模型的解进行经济理论检验和统计检验（拟合优度检验、t检验、F检验等）
6、对模型进行预测分析
【实验过程】
居民消费水平指数对国内生产总值有着显著的影响，但这并不是唯一的影响因素，比如还有资本形成总额，进出口总额等很多因素。
我国从2008-2017年我国居民消费水平，资本形成总额，进出口总额的统计资料来源于国家统计局。如下所示：
（1）做散点图
Y 关于X1的散点图：
可以看出Y 和X1成线性相关关系。
Y 关于X2的散点图：
300,000
400,000
500,000
600,000
700,000
800,000
900,000
X1
Y
也可以看出Y 和X2成线性相关关系
Y 关于X3的散点图：
也可以看出Y 和X3近似成线性相关关系。
（2）利用Eviews 进行多元回归，得到结果如下：
Dependent Variable: Y Method: Least Squares Date: 11/13/18 Time: 11:39 Sample: 2008 2017 Included observations: 10
300,000
400,000
500,000
600,000
700,000
800,000
900,000
X2
Y
300,000
400,000
500,000
600,000
700,000
800,000
900,000
X3
Y
Variable Coefficient Std. Error t-Statistic Prob.
C -4116.680 17898.19 -0.230005 0.8257
X1 28.94194 3.993649 7.246992 0.0004
X2 0.255722 0.327130 0.781715 0.4641
X3 0.218573 0.179274 1.219212 0.2685
R-squared 0.998764 Mean dependent var 559222.4
Adjusted R-squared 0.998146 S.D. dependent var 168879.8
S.E. of regression 7272.153 Akaike info criterion 20.91067
Sum squared resid 3.17E+08 Schwarz criterion 21.03170
Log likelihood -100.5533 Hannan-Quinn criter. 20.77789
F-statistic 1615.897 Durbin-Watson stat 1.873984
Prob(F-statistic) 0.000000
模型估计的结果为：
Yi=-4116.680 + 28.94194X1+0.255722X2 + 0.218573X3
t=（-0.2300）(7.246992) (0.781715) (0.2685)
R2=0.9987
F=1615.897
（3）模型检验
1. 经济意义检验
模型估计结果说明，在假定其他变量不变的情况下，当居民消费水平每增长1元时，国内生产总值将增加28.94194亿元；在假定其他变量不变的情况下，当资本形成总额每增加1亿元时，国内生产总值将增加0.255722亿元；在假定其他变量不变的情况下，当进出口总额每增加1亿元时，国内生产总值将增加0.218573亿元。
2. F检验
针对H0: β2 =β3=β4=0,给定的显著性水平α=0.05，在F分布表中查出自由度为K-1=3和n-k=5的临界值Fα（3，5）=5.41由Eviews得到F=1615.897>5.41，应拒绝原假设H0,说明回归方程显著，即“居民消费水平”、“资本形成总额”、“进出口总额”联合起来确实对“国内生产总值”有显著影响。
3. T检验
分别针对H：βj=0（j=1，2，3），给定的显著水平α=0.20，查t分布表得自由度为n-k=5
临界值tα/2（n-k）=0.920由eviews数据可得，与β1、β2、β3对应的t统计量分别为7.246992，0.781715，1.219212，其中，β2的绝对值小于0.920。这说明除了X2，其他分别都应当拒绝H0，这说明分别都应当拒绝H0，也就是说，当其他解释变量不变的情况下，解释变量“居民消费水平”、“进出口总额”对被解释变量“国内生产总值”有显著影响，而解释变量“资本形成总额”对被解释变量“国内生产总值”影响不显著。
剔除X2，重新进行回归，得到的结果如下：
Dependent Variable: Y
Method: Least Squares
Date: 11/13/18 Time: 12:12
Sample: 2008 2017
Included observations: 10
Variable Coefficient Std. Error t-Statistic Prob.
C -10218.12 15652.81 -0.652798 0.5347
X1 31.97876 0.899883 35.53660 0.0000
X3 0.327047 0.110308 2.964859 0.0210
R-squared 0.998638 Mean dependent var 559222.4
Adjusted R-squared 0.998249 S.D. dependent var 168879.8
S.E. of regression 7067.245 Akaike info criterion 20.80765
Sum squared resid 3.50E+08 Schwarz criterion 20.89843
Log likelihood -101.0383 Hannan-Quinn criter. 20.70807
F-statistic 2566.114 Durbin-Watson stat 1.991568
Prob(F-statistic) 0.000000
1. 经济意义检验
模型估计结果说明，在假定其他变量不变的情况下，当居民消费水平每增长1元时，国内生产总值将增加31.97876亿元在假定其他变量不变的情况下，当进出口总额每增加1亿元时，国内生产总值将增加0.327047亿元。
2. F检验
针对H0: β2 =β3=0,给定的显著性水平α=0.05，在F分布表中查出自由度为K-1=2和n-k=6的临界值Fα（2，6）=5.14由Eviews得到F=2566.14>5.14，应拒绝原假设H0,说明回归方程显著，即“居民消费水平”、“进出口总额”联合起来确实对“国内生产总值”有显著影响。
3. T检验
分别针对H：βj=0（j=1，3），给定的显著水平α=0.05，查t分布表得自由度为n-k=6临界值tα/2（n-k）=2.45由eviews数据可得，与β1、β3对应的t统计量分别为35.53660，2.964859 其中，绝对值均大于2.45。这说明分别都应当拒绝H0，这说明分别都应当拒绝H0，也就是说，当其他解释变量不变的情况下，解释变量“居民消费水平”、“进出口总额”对被解释变量“国内生产总值”有显著影响。
（4）结论
从上述结果中可以看出，解释变量“资本形成总额”对被解释变量“国内生产总值”影响不显著，其他解释变量“居民消费水平”、“进出口总额”对被解释变量“国内生产总值”有显著影响。
我认为可以理解为居民消费水平对国内生产总值影响较大，进出口总额对国内生产总值有着促进的作用，有着比较重要的影响。而资本形成总额对于国内生产总值的影响很低，说明需要克服单投资规模增加，转变经济结构。综合起来，就造成了资本形成总额对国内生产总值影响不显著。
统计分析报告 基于eviews软件的湖北省人均GDP时间序列模型构建与预测 姓名：刘金玉 学院：经济管理学院 学号：20121002942 指导教师：李奇明 日期：2014年12月14日
基于eviews软件的湖北省人均GDP时间序列 模型构建与预测 1、选题背景 改革开放以来,中国的经济得到飞速发展。1978年至今,中国GDP年均增长超过9%。中国的经济实力明显增强。2001年GDP超过1.1万亿美元,排名升到世界第六位。外汇储备已达2500亿美元。市场在资源配置中已经明显地发挥基础性作用。公有、私有、外资等多种所有制经济共同发展的格局基本形成。宏观调控体系初步建立。我国社会生产力、综合国力、地区发展、产业升级、所有制结构、商品供求等指标均反映出我国经济运行质量良好,为实现第三步战略。在全国的经济飞速发展的大环境下，各省GDP的增长也是最能反映其经济发展状况的指标。而人均 GDP 是最能体现一个省的经济实力、发展水平和生活水准的综合性指标，它不仅考虑了经济总量的大小，而且结合了人口多少的因素，在国际上被广泛用于评价和比较一个地区经济发展水平。尤其是我们这样的人口大国，用这一指标反映经济增长和发展情况更加准确、深刻和富有现实意义。深入分析这一指标对于反映我国经济发展历程、探讨增长规律、研究波动状况，制定相应的宏观调控政策有着十分重要的意义。 本文是以湖北省人均GDP作为研究对象。湖北省人均GDP的增长速度在上世纪90年代增长率有下滑的趋势（见表1）。进入21世纪，继东部沿海地区先发展起来，并涌现出环渤海、长三角、珠三角等城市群，以及中共中央提出“西部大开发”的战略后，中部地区成了“被遗忘的区域”，中部地区经济发展严重滞后于东部沿海地区，为此，中共中央提出了“中部崛起”的重大战略决策。自2004年提出“中部崛起”的重要战略构思后，山西、河南、安徽、湖北、湖南、江西六个省都依托自己的资源和地理优势来扩大地区竞争力，湖北省尤为突出。那么，研究湖北省人均GDP的统计规律性和变动趋势，对于了解湖北省的经济增长规律以及地方政策的制定有特别重要的意义。因此本文试图以湖北省1978-2013年人均GDP 历史数据为样本，通过ARMA 模型对样本进行统计分析，以揭示湖北省人均GDP变化的内在规律性，建立计量经济模型，并在此基础上进行短期外推预测，作为湖北未来几年经济发展的重要参考依据。
计量经济学E v i e w s多重共线性实验报告 Company Document number：WUUT-WUUY-WBBGB-BWYTT-1982GT
实验报告课程名称计量经济学 实验项目名称多重共线性 班级与班级代码 专业 任课教师 学号： 姓名： 实验日期： 2014 年 05 月 11日 广东商学院教务处制 姓名实验报告成绩 评语： 指导教师（签名） 年月日 说明：指导教师评分后，实验报告交院（系）办公室保存。 计量经济学实验报告 一、实验目的：掌握多元线性回归模型的估计方法、掌握多重共线性模型的识别和修正。 二、实验要求：应用教材第127页案例做多元线性回归模型，并识别和修正多重共线性。 三、实验原理：普通最小二乘法、简单相关系数检验法、综合判断法、逐步回归法。
四、预备知识：最小二乘法估计的原理、t检验、F检验、2R值。 五、实验步骤 1、选择数据 理论上认为影响能源消费需求总量的因素主要有经济发展水平、收入水平、产业发展、人民生活水平提高、能源转换技术等因素。为此，收集了中国能源消费标准煤总量、国民总收入、国内生产总值GDP、工业增加值、建筑业增加值、交通运输邮电业增加值、人均生活电力消费、能源加工转换效率等1985——2007年的统计数据。本题旨在通过建立这些经济变量的线性模型来说明影响能源消费需求总量的原因。主要数据如下： 1985~2007年统计数据
资料来源：《中国统计年鉴》，中国统计出版社2000、2008年版。 为分析Y 与X1、X2、X3、X4、X5、X6、X7之间的关系，做如下折线图： 能源消费Y 在1986到1996年间缓慢增长，在96至98年有短暂的下跌，但是98至02年开始缓慢回升，02年到06年开始快速增长。 国民总收入X1和国内生产总值X2以相同的趋势逐年缓慢增长。 工业增加值X3在1985年-1999年期间一直是缓慢增长，但在2000年出现了急剧下降的现象，2001年又急剧增长，达到下降前的水平，2001年以后开始缓慢增长。建筑业增长值x4、交通运输邮电业增加值x5、人均生活电力消费x6、能源加工转换效率x7数值较低，但都以较平缓的方式增长。 2、设定并估计多元线性回归模型 t t t t t t t u X X X X X Y ++++++=66554433221ββββββ （） 录入数据，得到图。 2.2.1）采用OLS 估计参数 在主界面命令框栏中输入 ls y c x1 x2 x3 x4 x5 x6 x7回车，即可得到参数的估计结果。 由此可见，该模型的可决系数为，修正的可决系数为，模型拟和很好，F 统计量为，回归方程整体上显着。 可是其中的lnX3、lnX4、lnX6对lnY 影响不显着,不仅如此，lnX2、lnX5的参数为负值，在经济意义上不合理。所以这样的回归结果并不理想。 3、多重共线性模型的识别
大连海事大学 实验报告 实验名称：计量经济学软件应用 专业班级：财务管理2013-1 姓名：安妮 指导教师：赵冰茹 交通运输管理学院 二○一六年十一月 一、实验目标 学会常用经济计量软件的基本功能，并将其应用在一元线性回归模型的分析中。具体包括：Eview的安装，样本数据基本统计量计算，一元线性回归模型的建立、检验及结果输出与分析，多元回归模型的建立与分析，异方差、序列相关模型的检验与处理等。二、实验环境 WINDOWSXP或2000操作系统下，基于EVIEWS5.1平台。 三、实验模型建立与分析 案例1：
我国1995-2014年的人均国民生产总值和居民消费支出的统计资料（此资料来自中华人民共和国统计局网站）如表1所示，做回归分析。 表1我国1995-2014年人均国民生产总值与居民消费水平情况
（1）做出散点图，建立居民消费水平随人均国内生产总值变化的一元线性回归方程，并解释斜率的经济意义； 利用eviews软件输出结果报告如下： Dependent Variable: CONSUMPTION Method: Least Squares Date: 06/11/16 Time: 19:02 Sample: 1995 2014 Included observations: 20
Variable Coeffici ent Std. Error t-Statisti c Prob.?? C691.0225113.3920 6.0941040.0000 AVGDP0.3527700.00490871.880540.0000 R-squared0.996528????Mean dependent var7351.300 Adjusted R-squared0.996335????S.D. dependent var4828.765 S.E. of regression292.3118????Akaike info criterion14.28816 Sum squared resid1538032.????Schwarz criterion14.38773 Log likelihood -140.881 6 ????Hannan-Quinn criter.14.30760 F-statistic5166.811????Durbin-Watson stat0.403709 Prob(F-statistic)0.000000 由上表可知财政收入随国内生产总值变化的一元线性回归方程为:
第4章图形和统计量分析 EViews软件提供了序列(Series)和序列组(Group)等对象的各种视图、统计分析方法和过程。当序列对象中输入数据后，就可对序列对象中输入的数据进行统计分析，并且可以通过图、表等形式进行描述。本章将介绍序列和序列组对象图形的生成和描述性统计量及其检验。 4.1 图形对象 图形(Graph)对象可以形成序列和序列组等对象的各种视图，如线图(Line)、散点图(Scatter)以及饼图(Pie)等。通过图形可以进一步观察和分析数据的变化趋势和规律。下面介绍图形对象的基本操作。 4.1.1 图形(Graph)对象的生成 图形对象也是工作文件中的基本对象之一。要生成图形对象需首先打开序列对象窗口或序列组对象窗口，选择对象窗口工具栏中的“View”|“Graph”选项。选择的对象类型不同，将弹出不同的窗口。如果在序列对象窗口下选择“View”|“Graph”选项，将弹出如图4-1所示的界面。
. . 图4-1 序列窗口下图形对象的生成 此时“Graph”弹出的菜单中有6种图形可供选择。“Line”表示生成的是折线图，如图4-2所示，其横轴表示时间或序列的顺序，纵轴表示序列对象观测值的大小。“Area”表示生成面积图，其图形的形状与“Line”(折线图)相同，不同的是“Area”(面积图)曲线下方是被填满的，而“Line”(折线图)下方是空白。 图4-2 “Line”折线图 “Bar”表示为条形图，用条状的高度表示观测值的大小。“Spike”表示尖峰图，由竖线组成，每根竖线的高度代表观测值的大小。“Seasonal Stacked Line”表示生成的是季节性堆叠图，“Seasonal Split Line”表示生成的是季节性分割线。 如果在序列组(群)对象窗口下选择“View”|“Graph”选项，将弹出如图4-3所示的界面。这里有9种图形可供选择。其前4种与上面讲述的相同。 图4-3 序列组(群)窗口下图对象的生成
互联网营销与大数据分析大数据营销，依托大数据技术的基础大数据营销是基于多平台的大量数据行大数据营销衍 生于互联网上，应用于互联网广告行业的营销方式。依托多平台的大数据采集，以及大数据技业，又作用于互联网行业。给品牌企业带来更能够使广告更加精准有效，术的分析与预测能力，高的投资回报率。大数据营销的核心在于让网络广告在合适的时间，通过合适的载体，以合适的方式，投给合适的人。 大数据营销是指通过互联网采集大量的行为数据，首先帮助广告主找出目标受众，以此对广告投放的内容、时间、形式等进行预判与调配，并最终完成广告投放的营销过程。 大数据营销，随着数字生活空间的普及，全球的信息总量正呈现爆炸式增长。基于这个趋势之上的，是大数据、云计算等新概念和新范式的广泛兴起，它们无疑正引领着新一轮的互联网风潮。 多平台化数据采集：大数据的数据来源通常是多样化的，多平台化的数据采集能使对网民行为的刻画更加全面而准确。多平台采集可包含互联网、移动互联网、广电网、智能电视未来还有户外智能屏等[1]?。数据 [2]?：在网络时代，网民的消费行为和购买方式极易时效性强调在短的时间内发生变化。在网民需求点最高时及时进行营销非常重对此提出了时间营销策略，AdTime要。全球领先的大数据营销企业 它可通过技术手段充分了解网民的需求，并及时响应每一个网民当前
的需求，让他在决定购买的“黄金时间”内及时接收到商品广告。 个性化营销：在网络时代，广告主的营销理念已从“媒体导向”向“受众导向”转变。以往的营销活动须以媒体为导向，选择知名度高、浏览量大的媒体进行投放。如今，广告主完全以受众为导向进行广告营销，因为大数据技术可让他们知晓目标受众身处何方，关注着什么位置的什么屏幕。大数据技术可以做到当不同用户关注同一媒体的相同界面时，广告内容有所不同，大数据营销实现了对网民的个性化营销。性价比高：和传统广告“一半的广告费被浪费掉”相比，大数据营销在最大程度上，让广告主的投放做到有的放矢，并可根据实时性的效果反馈，及时对投放策略进行调整。 关联性：大数据营销的一个重要特点在于网民关注的广告与广告之间的关联性，由于大数据在采集过程中可快速得知目标受众关注的内容，以及可知晓网民身在何处，这些有价信息可让广告的投放过程产生前所未有的关联性。即网民所看到的上一条广告可与下一条广告进行深度互动。 大数据营销的实现过程： [3]?大数据营销并非是一个停留在概念上的名词，而是一个通过大量运算基础上的技术实现过程。虽然围绕着大数据进行的话题层出不穷，且在大多数人对大数据营销的过程不甚清晰。事实上，国内的全球领先的大很多以技术为驱动力的企业也在大数据领域深耕不辍。． 率先推出了大数据广告运营平台——云图。据AdTime数据营销平台 介绍，云图的云代表云计算，图代表可视化。云图的含义是将云计算
我国限额以上餐饮企业营业额的 影响因素分析 班级： 姓名： 学号： 指导老师：
我国限额以上餐饮企业营业额的影响因素分析 摘要：本文收集了1999—2009共11年的相关数据，选取餐饮企业的数量、城镇居民人均年消费性支出、全国城镇人口数以及公路里程数作为解释变量构建模型，对我国限额以上餐饮企业营业额的影响因素进行分析。并利用Eviews软件对模型进行参数估计和检验，且加以修正，最后根据模型的最终结果进行经济意义分析，然后提出自己的看法。 关键词：餐饮企业营业额、影响因素、计量分析 一、研究背景 近十年来，投资者进入餐饮企业的数量一直持递增趋势。在他们进入一个行业之前，势必要对该行业的营业额、营业利润等进行估计，当这些因素的估计值能够达到他们的预期的时候，他们才会对其进行投资。由于餐饮企业的营业额是影响投资者是否进入餐饮业的一个重要因素，那么对于我国餐饮企业的营业额问题的深入研究就相当的有必要，这有助于投资者作出合理的决策。下面即进行了对我国限额以上餐饮企业营业额的计量模型研究。 二、变量的选取 影响餐饮企业营业额的因素有很多，包括餐饮企业的数量、营业面积、从业人员、城镇居民人均年消费性支出、全国城镇人口数、餐饮企业的平均价格水平及公路里程数（表示交通状况），但综合考虑后，选取了其中的一部分变量（企业数、城镇居民人均年消费性支出、全国城镇人口数、公路里程数）进行研究，并对各个变量对餐饮企业营业额的影响进行预测。 1.企业数
本文认为餐饮企业营业额与餐饮企业的数量有关，并预测两者之间呈正相关2. 城镇居民人均年消费性支出 本文认为餐饮企业营业额与城镇居民人均年消费性支出有关，并预测两者之间呈正相关 3. 全国城镇人口数 本文认为餐饮企业营业额与全国城镇人口数有关，并预测两者之间呈正相关4. 公路里程数 本文认为餐饮企业营业额与公路里程数有关，并预测两者之间呈正相关三、相关数据：其中营业额（单位：亿元），企业数（单位：个），人均年消费性 支出（单位：元），全国城镇人口数（单位：万人），公路里程数（单位：万公里） 年度 营业额 （Y）企业数（x1） 人均年消费性 支出(x2) 全国城镇人口 数（x3） 公路里程 数（x4） 1999351955932664615.9143748135.2 200040524453508499845906140.3 2001489894341325309.0148064169.8 2002624247150216029.8850212176.5 2003747000059356510.9452376181 200411605000100677182.154283187.1 20051260200099227942.8856212334.5
实验四虚拟变量 【实验目的】 掌握虚拟变量的基本原理，对虚拟变量的设定和模型的估计与检验，以及相关的Eviews操作方法。 【实验内容】 试根据1998年我国城镇居民人均收入与彩电每百户拥有量的统计资料建立 我国城镇居民彩电需求函数。 【实验步骤】 1、相关图分析 根据表中数据建立人均收入X与彩电拥有量Y的相关图（SCAT X Y）。从相关图可以看出，前3个样本点（即低收入家庭）与后5个样本点（中、高收入）的拥有量存在较大差异，
因此，为了反映“收入层次”这一定性因素的影响，设置虚拟变量如下： ?? ?=低收入家庭 中、高收入家庭 1D 2、构造虚拟变量 构造虚拟变量 1D （DATA D1），并生成新变量序列： GENR XD=X*D1 3、估计虚拟变量模型 LS Y C X D1 XD 得到估计结果： 我国城镇居民彩电需求函数的估计结果为： XD D X Y 009.0873.31012.0611.571-++=∧ (16.25) (9.03) (8.32) (-6.59) 366,066.1..,9937.02===F e s R 再由t 检验值判断虚拟变量的引入方式，并写出各类家庭的需求函数。 虚拟变量的回归系数的t 检验都是显著的，且模型的拟合优度很高，说明我国城镇居民低收入家庭与中高收入家庭对彩电的消费需求，在截距和斜率上都存在着明显差异，所以以加法和乘法方式引入虚拟变量是合理的。
低收入家庭与中高收入家庭各自的需求函数为： 低收入家庭： ∧ . 57+ = 611 X Y012 .0 中高收入家庭： ∧ 611 . 873 31 . 57 (+ + + - = = 012 .0 484 ) X X . Y003 .0( .0 009 ) 89 由此可见我国城镇居民家庭现阶段彩电消费需求的特点： 对于人均年收入在3300元以下的低收入家庭，需求量随着收入水平的提高而快速上升，人均年收入每增加1000元，百户拥有量将平均增加12台；对于人均年收入在4100元以上的中高收入家庭，虽然需求量随着收入水平的提高也在增加，但增速趋缓，人均年收入每增加1000元，百户拥有量只增加3台。 事实上，现阶段我国城镇居民中国收入家庭的彩电普及率已达到百分之百，所以对彩电的消费需求处于更新换代阶段。
e v i e w s统计分析报告 IMB standardization office【IMB 5AB- IMBK 08- IMB 2C】
统计分析报告 基于eviews软件的湖北省人均GDP时间序 列模型构建与预测 姓名：刘金玉 学院：经济管理学院 学号： 指导教师：李奇明 日期：2014年12月14日
基于eviews软件的湖北省人均GDP时间序列 模型构建与预测 1、选题背景 改革开放以来,中国的经济得到飞速发展。1978年至今,中国GDP年均增长超过9%。中国的经济实力明显增强。2001年GDP超过万亿美元,排名升到世界第六位。外汇储备已达2500亿美元。市场在资源配置中已经明显地发挥基础性作用。公有、私有、外资等多种所有制经济共同发展的格局基本形成。宏观调控体系初步建立。我国社会生产力、综合国力、地区发展、产业升级、所有制结构、商品供求等指标均反映出我国经济运行质量良好,为实现第三步战略。在全国的经济飞速发展的大环境下，各省GDP的增长也是最能反映其经济发展状况的指标。而人均GDP是最能体现一个省的经济实力、发展水平和生活水准的综合性指标，它不仅考虑了经济总量的大小，而且结合了人口多少的因素，在国际上被广泛用于评价和比较一个地区经济发展水平。尤其是我们这样的人口大国，用这一指标反映经济增长和发展情况更加准确、深刻和富有现实意义。深入分析这一指标对于反映我国经济发展历程、探讨增长规律、研究波动状况，制定相应的宏观调控政策有着十分重要的意义。 本文是以湖北省人均GDP作为研究对象。湖北省人均GDP的增长速度在上世纪90年代增长率有下滑的趋势（见表1）。进入21世纪，继东部沿海地区先发展起来，并涌现出环渤海、长三角、珠三角等城市群，以及中共中央提出“西部大开发”的战略后，中部地区成了“被遗忘的区域”，中部地区经济发展严重滞后于东部沿海地区，为此，中共中央提出了“中部崛起”的重大战略决策。自2004年提出“中部崛起”的重要战略构思后，山西、河南、安徽、湖北、湖南、江西六个省都依托自己的资源和地理优势来扩大地区竞争力，湖北省尤为突出。那么，研究湖北省人均GDP的统计
互联网营销与大数据分析 大数据营销 大数据营销是基于多平台的大量数据，依托大数据技术的基础上，应用于互联网广告行业的营销方式。大数据营销衍生于互联网行业，又作用于互联网行业。依托多平台的大数据采集，以及大数据技术的分析与预测能力，能够使广告更加精准有效，给品牌企业带来更高的投资回报率。 大数据营销的核心在于让网络广告在合适的时间，通过合适的载体，以合适的方式，投给合适的人。 大数据营销是指通过互联网采集大量的行为数据，首先帮助广告主找出目标受众，以此对广告投放的内容、时间、形式等进行预判与调配，并最终完成广告投放的营销过程。 大数据营销，随着数字生活空间的普及，全球的信息总量正呈现爆炸式增长。基于这个趋势之上的，是大数据、云计算等新概念和新范式的广泛兴起，它们无疑正引领着新一轮的互联网风潮。 多平台化数据采集：大数据的数据来源通常是多样化的，多平台化的数据采集能使对网民行为的刻画更加全面而准确。多平台采集可包含互联网、移动互联网、广电网、智能电视未来还有户外智能屏等数据[1]。 强调时效性[2]：在网络时代，网民的消费行为和购买方式极易在短的时间内发生变化。在网民需求点最高时及时进行营销非常重要。全球领先的大数据营销企业AdTime对此提出了时间营销策略，
它可通过技术手段充分了解网民的需求，并及时响应每一个网民当前的需求，让他在决定购买的“黄金时间”内及时接收到商品广告。 个性化营销：在网络时代，广告主的营销理念已从“媒体导向”向“受众导向”转变。以往的营销活动须以媒体为导向，选择知名度高、浏览量大的媒体进行投放。如今，广告主完全以受众为导向进行广告营销，因为大数据技术可让他们知晓目标受众身处何方，关注着什么位置的什么屏幕。大数据技术可以做到当不同用户关注同一媒体的相同界面时，广告内容有所不同，大数据营销实现了对网民的个性化营销。 性价比高：和传统广告“一半的广告费被浪费掉”相比，大数据营销在最大程度上，让广告主的投放做到有的放矢，并可根据实时性的效果反馈，及时对投放策略进行调整。 关联性：大数据营销的一个重要特点在于网民关注的广告与广告之间的关联性，由于大数据在采集过程中可快速得知目标受众关注的内容，以及可知晓网民身在何处，这些有价信息可让广告的投放过程产生前所未有的关联性。即网民所看到的上一条广告可与下一条广告进行深度互动。 大数据营销的实现过程： 大数据营销[3]并非是一个停留在概念上的名词，而是一个通过大量运算基础上的技术实现过程。虽然围绕着大数据进行的话题层出不穷，且在大多数人对大数据营销的过程不甚清晰。事实上，国内的很多以技术为驱动力的企业也在大数据领域深耕不辍。全球领先的大
以下是用eviews分析： 中巴传媒2009股票收益率与沪深300 2009年的收益率关系结果：Dependent Variable: GPSYL Method: Least Squares Date: 03/31/12 Time: 12:14 Sample (adjusted): 1/06/2009 12/31/2009 Included observations: 243 after adjustments Variable Coefficient Std. Error t-Statistic Prob. C -0.000700 0.002728 -0.256542 0.7978 HS300SYL 0.822810 0.132004 6.233237 0.0000 R-squared 0.138834 Mean dependent var 0.001647 Adjusted R-squared 0.135261 S.D. dependent var 0.045295 S.E. of regression 0.042121 Akaike info criterion -3.488362 Sum squared resid 0.427569 Schwarz criterion -3.459613 Log likelihood 425.8360 F-statistic 38.85324 Durbin-Watson stat 1.756868 Prob(F-statistic) 0.000000 中巴传媒2010股票收益率与沪深300 2010年的收益率关系结果： : Dependent Variable: GPSYL Method: Least Squares Date: 03/31/12 Time: 14:21 Sample (adjusted): 1/05/2010 12/31/2010 Included observations: 239 after adjustments Variable Coefficient Std. Error t-Statistic Prob. C 0.000275 0.001333 0.206658 0.8365 HS300SYL 0.842420 0.084202 10.00474 0.0000 R-squared 0.296934 Mean dependent var -0.000131 Adjusted R-squared 0.293967 S.D. dependent var 0.024505 S.E. of regression 0.020591 Akaike info criterion -4.919617 Sum squared resid 0.100483 Schwarz criterion -4.890525 Log likelihood 589.8942 F-statistic 100.0947 Durbin-Watson stat 1.790846 Prob(F-statistic) 0.000000
大连海事大学 实验报告Array 实验名称：计量经济学软件应用专业班级：财务管理2013-1 姓名：安妮 指导教师：赵冰茹 交通运输管理学院 二○一六年十一月
一、实验目标 学会常用经济计量软件的基本功能，并将其应用在一元线性回归模型的分析中。具体包括：Eview的安装，样本数据基本统计量计算，一元线性回归模型的建立、检验及结果输出与分析，多元回归模型的建立与分析，异方差、序列相关模型的检验与处理等。 二、实验环境 WINDOWSXP或2000操作系统下，基于EVIEWS5.1平台。 三、实验模型建立与分析 案例1： 我国1995-2014年的人均国民生产总值和居民消费支出的统计资料（此资料来自中华人民共和国统计局网站）如表1所示，做回归分析。 表1我国1995-2014年人均国民生产总值与居民消费水平情况
（1）做出散点图，建立居民消费水平随人均国内生产总值变化的一元线性回归方程，并解释斜率的经济意义； 利用eviews软件输出结果报告如下：
Dependent Variable: CONSUMPTION Method: Least Squares Date: 06/11/16 Time: 19:02 Sample: 1995 2014 Included observations: 20 Variable Coefficient Std. Error t-Statistic Prob. C 691.0225 113.3920 6.094104 0.0000 AVGDP 0.352770 0.004908 71.88054 0.0000 R-squared 0.996528 Mean dependent var 7351.300 Adjusted R-squared 0.996335 S.D. dependent var 4828.765 S.E. of regression 292.3118 Akaike info criterion 14.28816 Sum squared resid 1538032. Schwarz criterion 14.38773 Log likelihood -140.8816 Hannan-Quinn criter. 14.30760 F-statistic 5166.811 Durbin-Watson stat 0.403709 Prob(F-statistic) 0.000000 由上表可知财政收入随国内生产总值变化的一元线性回归方程为: （令Y=CONSUMPTION,X=AVGDP（此处代表人均GDP）） Y = 691.0225+0.352770* X 其中斜率0.352770表示国内生产总值每增加一元,人均消费水平增长0.35277元。 检验结果R2=0.996528，说明99.6528%的样本可以被模型解释，只有0.3472%的样本未被解释，因此样本回归直线对样本点的拟合优度很高。 （2）对所建立的回归方程进行检验： （5%显著性水平下，t（18）=2.101） 对于参数c假设: H 0: c=0. 对立假设:H 1 : c≠0 对于参数GDP假设: H 0: GDP=0. 对立假设:H 1 : GDP≠0 由上表知: 对于c,t=6.094104>t(n-2)=t(18)=2.101 因此拒绝H 0: c=0,接受对立假设:H 1 : c≠0 对于GDP, t=71.88054﹥t(n-2)=t(18)=2.101
小学期作业 影响财政收入的主要因素 学院：经济学院 班级：统计学班 姓名:梁语丝 学号：2011407036
影响财政收入的主要因素 摘要： 财政收入是一国政府实现政府职能的基本保障，主要有资源配置、收入再分配和宏观经济调控三大职能。财政收入的增长情况关系着一个国家经济的发展和社会的进步。我国财政收入主要受国民经济发展、预算外资金收入、税收收入等因素的影响。本文针对我国财政收入影响因素建立了计量经济模型，并利用Eviews软件对收集到的数据进行相关回归分析，排除简单多元回归模型存在的严重多重共线性等问题，建立财政收入影响因素更精确的模型，分析了影响财政收入主要因素及其影响程度，预测我国财政收入增长趋势。 二、模型设定 研究财政收入的影响因素离不开一些基本的经济变量。大多数相关的研究文献中都把总税收、国内生产总值这两个指标作为影响财政收入的基本因素,还有一些文献中也提出了其他一些变量, 比如其他收入、经济发展水平等。影响财政收入的因素众多复杂, 但是通过研究经济理论对财政收入的解释以及对实践的观察, 对财政收入影响的因素主要是税收收入。下面我们就以税收收入、能源消费总量、和预算外资金收入作为影响财政收入的主要研究因素。 从中国统计局网站上可以查询到1993年至2008年的相关数据，对其进行计算整理可得： 年份财政收入（Y） /亿元 能源消费总量 （X 1 ）/亿元 预算外财政 收入（X 2 ）/亿元 税收收入（X 3 ） /亿元 1978 1132.260 57144.00 347.1100 519.2800 1979 1146.400 58588.00 452.8500 537.8200 1980 1159.930 60275.00 557.4000 571.7000 1981 1175.800 59447.00 601.7000 629.8900 1982 1212.300 62067.00 802.7400 700.0200 1983 1367.000 66040.00 967.6800 775.5900 1984 1642.900 70904.00 1188.480 947.3500 1985 2004.820 76682.00 1530.030 2040.790
一、 描述统计分析与参数假设检验 1、序列的view 功能键 1.1 Histogram and stats Histogram and stats 选项中统计量包括均值（means ）、中位数 （median ）、最大值（maximum ）、最小值（minimum ）、标准差（std.dev.）、偏度（skewness ）、峰度（kurtosis ）以及jarque-bera 统计量与其概率值。｛根据其概率值p 来决定是否拒绝零假设，p 大于检验水平，不能拒绝样本序列服从正态分布的原假设｝ （显示选定序列的直方图以及给出序列的有关统计量） （表格形式显示有关统计量的值） （以表格形式进行分组统计） （以箱式图形式进行分组统计描述）
1.2 stats table（绘制序列统计表） stats table表示以表格的形式显示选定序列有关统计量的值。
1.3 stats by classification （序列分组统计描述） 1.4 one-way tabulation （绘制序列单因素列联表） output选项组供用户选择输出结果的显示项，包括区间内的观测值计数（show count）、是否显示百分比和累计百分比（show percentage）以及是否显示频数和累积频数（show cumulative）。
2、序列组基本统计分析 2.1 序列组的统计描述 使用common sample 选项要求序列组中各个序列在当前样本范围内都有观测值； 描述性统计 统计量齐性检验 多因素制表 相关系数矩阵 协方差矩阵 相关图 交叉相关系数 协整检验 格兰杰因果检验 （标签） 基本统计分 时间序列分析的统计量和统计检验方法 （共同样本） （单个样本）
统计预测与决策论文 摘要:随着市场经济的多元化发展。统计软件被广泛的应用，企业应用统计软件进行对下一期的生产值进行预测。从而能更准确的做出决策。本文利用eviews对某企业的下几期的生产值进行预测，便于企业做出最准确的决策。 关键字：平稳序列，模型识别，模型定阶，模型参数估计，模型检验，模型预测。 下表是某企业近期一百个生产数据值。 1、模型识别 绘制序列时序图
2 从相关图看出，自相关系数迅速衰减为0，说明序列平稳，但最后一列白噪声检验的Q 统计量和相应的伴随概率表明序列存在相关性，因此序列为平稳非白噪声序列。 模型定阶：由图2-5看出，偏自相关系数在k=3后很快趋于0即3阶截尾，尝试拟合AR （3）；自相关系数在k=1处显著不为0，当k=2时在2倍标准差的置信带边缘，可以考虑拟合MA （1）或MA （2）；同时可以考虑ARMA （3，1）模型等。 原序列做描述统计分析见图
（x）=0由伴随概率可知，AR（i）（i=1，2，3）均高度显著，表中最下方给出的是滞后多项式 -1
的倒数根，只有这些值都在单位圆内时，过程才平稳。利用复数知识可知表中的三个根都在单位圆内。AIC 、SC 准则都是选择模型的重要标准，在做比较时，希望这两个指标越小越好。DW 统计量是对残差的自相关检验统计量，在2附近，说明残差不存在一阶自相关。得到的自回归模型见下: t t-1t-2t-3t X 0.394981X -0.298559X -0.186269X ε=-+ （2） 尝试MA （1）模型。得图如下 表中最下方是滞后多项式θ -1 （x ）=0的倒数根，只有这些值都在单位圆内，过程才平稳，可以发现过程是 符合要求的即平稳。 （3）尝试ARMA 模型 由模型定阶发现，p 可能等于3，q 可能等于1。 由参数估计结果看出，各系数均不显著，说明模型并不适合拟合ARMA(3，1) 模型。 经过进一步筛选，逐步剔除不显著的滞后项或移动平均项，最后得到如下ARMA(2，1)模型：
1.已知1996—2002年中国东北、华北、华东15个省级地区的居民家庭人均消费（cp，不变价格）和人均收入（ip，不变价格）居民，利用数据（1）建立面板数据（panel data）工作文件；（2）定义序列名并输入数据；（3）估计选择面板模型；（4）面板单位根检验。 年人均消费（consume）和人均收入（income）数据以及消费者价格指数（p）分别见表9.1，9.2和9.3。 表9.1 1996—2002年中国东北、华北、华东15个省级地区的居民家庭人均消费（元）数 据 人均消费1996 1997 1998 1999 2000 2001 2002 CONSUMEAH 3607.4 3 3693.5 5 3777.4 1 3901.8 1 4232.9 8 4517.6 5 4736.5 2 CONSUMEBJ 5729.5 2 6531.8 1 6970.8 3 7498.4 8 8493.4 9 8922.7 2 10284. 6 CONSUMEFJ 4248.4 7 4935.9 5 5181.4 5 5266.6 9 5638.7 4 6015.1 1 6631.6 8 CONSUMEHB 3424.3 5 4003.7 1 3834.4 3 4026.3 4348.4 7 4479.7 5 5069.2 8 CONSUMEHLJ 3110.9 2 3213.4 2 3303.1 5 3481.7 4 3824.4 4 4192.3 6 4462.0 8 CONSUMEJL 3037.3 2 3408.0 3 3449.7 4 3661.6 8 4020.8 7 4337.2 2 4973.8 8 CONSUMEJS 4057.5 4533.5 7 4889.4 3 5010.9 1 5323.1 8 5532.7 4 6042.6 CONSUMEJX 2942.1 1 3199.6 1 3266.8 1 3482.3 3 3623.5 6 3894.5 1 4549.3 2 CONSUMELN 3493.0 2 3719.9 1 3890.7 4 3989.9 3 4356.0 6 4654.4 2 5342.6 4 CONSUMENM G 2767.8 4 3032.3 3105.7 4 3468.9 9 3927.7 5 4195.6 2 4859.8 8 CONSUMESD 3770.9 9 4040.6 3 4143.9 6 4515.0 5 5022 5252.4 1 5596.3 2 CONSUMESH 6763.1 2 6819.9 4 6866.4 1 8247.6 9 8868.1 9 9336.1 10464 CONSUMESX 3035.5 9 3228.7 1 3267.7 3492.9 8 3941.8 7 4123.0 1 4710.9 6 CONSUMETJ 4679.65204.15471.05851.56121.06987.27191.9
实验报告 一、实验数据：1994至2009年天津市城镇居民人均全年可支配收入数据 1994至2009年天津市城镇居民人均全年消费性支出数据 1994至2009年天津市居民消费价格总指数 二、实验内容：对搜集的数据进行回归，研究天津市城镇居民人均消费和人均可支配收入的关系。 三、实验步骤： 1、百度进入“中华人民共和国国家统计局”中的“统计数据”，找到相关数据并输入Excel，统计结果如下表1： 表1 1994年--2009年天津市城镇居民消费支出与人均可支配收 入数据
2、先定义不变价格（1994=1）的人均消费性支出（Yt）和人均可支配收入（Xt） 令：Yt=consum/price Xt=income/price 得出Yt与Xt的散点图，如图1.很明显，Yt和Xt服从线性相关。
图1 Yt和Xt散点图 3、应用统计软件EViews完成线性回归 解：根据经济理论和对实际情况的分析也都可以知道，城镇居民人均全年耐用消费品支出Yt依赖于人均全年可支配收入Xt的变化，因此设定回归模型为 Yt=β0+β?Xt﹢μt （1）打开EViews软件，首先建立工作文件，File new Workfile ,然后通过Object建立Y、X系列，并得到相应数据。 （2）在工作文件窗口输入命令：ls y c x,按Enter键，回归结果如表2 ： 表2 回归结果
根据输出结果，得到如下回归方程： Yt=977.908+0.670Xt s=(172.3797) (0.0122) t=(5.673) (54.950) R2=0.995385 Adjusted R2=0.995055 F-statistic=3019.551 残差平方和Sum squared resid =1254108 回归标准差S.E.of regression=299.2978 （3）根据回归方程进行统计检验： ?拟合优度检验 由上表2中的得知，样本可决系数与修 正样本可决系数分别为0.995385和0.995055，计算结果表明，估计
毕业论文(设计) 题目基于互联网APP行业的用户行为数据分析与挖掘系信息工程系 专业、年级计算机网络12级 学生姓名赵伯韬 指导教师康健职称副教授 论文字数9956 完成日期2015 年 4 月30 日
唐山职业技术学院毕业设计任务书 信息工程系计算机网络专业一班学生姓名：赵伯韬学号：121120101 一、毕业设计（论文）题目：基于互联网APP行业的用户行为数据分析与挖掘 任务进行的日期：2014 年 12 月 10 日起至 2015 年 4 月 30 日 三、任务书的内容：基于互联网APP行业的用户行为数据分析与挖掘 （一）选题的目的和意义： 随着近年来国内互联网APP的强势发展与三网融合的态势进展，互联网APP行业的市场竞争愈发激烈，各运营商基于用户习惯产品的竞争将是服务的竞争。由于互联网APP业务的多样性，国内运营商逐步从“产品独立运营”向以“客户为中心”的融合运营模式转变，新的商业模式和日趋激烈的竞争环境对电信增值业务运营管理提出了新的要求和挑战。 （二）设计内容： 首先探讨了用户行为分析及其方法，深入学习各种数据挖掘的算法与软件的基础上构建用户行为分析与业务匹配模型。然后在对移动互联网的数据分析理解之后进行数据收集，对于获取到的数据，按照ETL （Extraction-Transformation-Loading）对七千万条数据进行清理、整合，构建数据库。通过数据挖掘的相关工具对用户行为分别在热点时间、用户兴趣、匹配业务等角度采用聚类、文本挖掘、关联分析等方法进行知识挖掘，从统计数据中发现现有营销策略的问题，给运营商提供新的思路并为精准营销提供数据支撑。（三）主要参考资料： [1] 王禹媚，田俊维移动互联网产业发展国际论坛会议纪要2013中国国际工业博览会论坛上海2014年11月10日 [2] 宴宗明基于用户行为分析的移动通信增值业务市场策略研究长沙：2013 [3] 杰斌．数据挖掘与OLAP理论与务实．北京：清华大学出版社，20013 （四）时间进度要求： 2013年12月-2014年3月毕业设计调查 2014年4月—2014年8月毕业设计初步设计 2014年9月—2015年1月毕业设计详细设计 2015年2月—2015年5月准备毕业答辩 指导教师签名： 2015年 5月 16 日 教研室主任签名：年月日 学生签名：年月日