多元线性回归模型
一、实验目的
通过上机实验,使学生能够使用Eviews 软件估计可化为线性回归模型的非线性模型，并对线性回归模型的参数线性约束条件进行检验。二、实验内容
（一）根据中国某年按行业分的全部制造业国有企业及规模以上制造业非国有企业的工业总产值Y，资产合计K及职工人数L进行回归分析。（二）掌握可化为线性多元非线性回归模型的估计和多元线性回归模型的线性约束条件的检验方法
（三）根据实验结果判断中国该年制造业总体的规模报酬状态如何？三、实验步骤
（一）收集数据
下表列示出来中国某年按行业分的全部制造业国有企业及规模以上制造业非国有企业的工业总产值Y，资产合计K及职工人数L。
序号工业总产值Y
（亿元）
资产合计K
（亿元）
职工人数L
（万人）序号
工业总产
值Y（亿元）
资产合计K
（亿元）
职工人数L
（万人）
1 3722.7 3078.2
2 11
3 17 812.7 1118.81 43
2 1442.52 1684.4
3 67 18 1899.7 2052.16 61
3 1752.37 2742.77 8
4 19 3692.8
5 6113.11 240
4 1451.29 1973.82 27 20 4732.9 9228.2
5 222
5 5149.3 5917.01 327 21 2180.23 2866.65 80
6 2291.16 1758.7
7 120 22 2539.76 2545.63 96
7 1345.17 939.1 58 23 3046.95 4787.9 222
8 656.77 694.94 31 24 2192.63 3255.29 163
9 370.18 363.48 16 25 5364.83 8129.68 244
10 1590.36 2511.99 66 26 4834.68 5260.2 145
11 616.71 973.73 58 27 7549.58 7518.79 138
12 617.94 516.01 28 28 867.91 984.52 46
13 4429.19 3785.91 61 29 4611.39 18626.94 218
14 5749.02 8688.03 254 30 170.3 610.91 19
15 1781.37 2798.9 83 31 325.53 1523.19 45
16 1243.07 1808.44 33
表1
（二）创建工作文件（Workfile）。
1、启动Eviews5，在主菜单上依次点击File\New\Workfile（如图），按确定。
2、在弹出的对话框中选择数据的时间频率（本实验为序列数据），输入数据数为31（如图1），然后点击OK（如图2）。
（图1）（图2）、
（三）输入数据
1、在Eviews软件的命令窗口中键入数据输入/编辑命令：DATA Y K L ，按Enter，则显示一个数组窗口（如图）。
2、分别在Y 、K 、L 列输入相应的数据并以group01命名保存（如图）：
（四）、回归分析
1、在经济理论指导下，设定如下的理论模型：
μβαe L AK Y =
2、运用OLS 估计模型
经对数转换，式
μ
βαe L AK Y =可变换对数形式如下： μβββ+++=L K Y ln ln ln 210
3、对表1的Y 、K 、L 的数据进行对数转换，得新的数据如表2所示：
序号 Y ln K ln L ln
序号 Y ln K ln L ln
1 8.22220449 8.032106787 4.727387819 17 8.222204 8.032107 4.727388
2 7.27414686
3 7.429182507 4.204692619 18 7.274147 7.429183 4.204693 3 7.468724436 7.916723638 4.430816799 19 7.46872
4 7.916724 4.430817 4 7.28020809
5 7.58772603 3.29583686
6 20 7.280208 7.587726 3.29583
7 5 8.546616062 8.685586533 5.789960171
21 8.546616 8.685587 5.78996
6 7.736813519 7.47236998 4.787491743 22 7.736814
7.47237 4.787492
7 7.204275678
6.84492197 4.060443011
23 7.204276 6.844922 4.060443 8 6.487333881 6.543825511 3.433987204 24 6.487334 6.543826 3.433987 9 5.913989374 5.895724275 2.772588722 25 5.913989 5.895724 2.772589 10 7.371715685 7.828830547 4.189654742 26 7.371716 7.828831 4.189655 11 6.424398897 6.881134058 4.060443011 27 6.424399 6.881134 4.060443 12 6.426391365 6.246126145 3.33220451
28 6.426391 6.246126 3.332205 13 8.395972002
8.23904156 4.110873864
29 8.395972 8.239042 4.110874 14 8.656784684 9.069701495 5.537334267 30 8.656785 9.069701 5.537334 15 7.48513801 7.936981762 4.418840608 31 7.485138 7.936982 4.418841 16
7.125339405 7.500219874 3.496507561
表2
