实验二 一元线性回归模型的估计、检验、预测和应用

1、实验过程和结果记录：（1）实验数据（2）人均可支配收入与人均消费性支出散点图（3）数据分析步骤4、（5）最终实验结果2、人均可支配收入为12千元时的人均消费性支出和置信度为95%的预测区间计算步骤： （1）一元线性回归方程为Y=0.72717+0.6741420X（2）将0X =12带入样本回归方程可得0Y 的预测值=0.72717+0.674142*12=8.816874千元（3）0e S =千元 结论：因此，当城镇居民家庭的人均可支配收入为12千元时，人均消费性支出地点预测为8.816874千元；置信度为95%的预测区间为（8.816874-1.96*0.0542千元,8.816874+1.96*0.0542千元） 即（8.71千元,8.92千元）六、实验结果及分析1、实验结果：当城镇居民家庭的人均可支配收入为12千元时，人均消费性支出地点预测为8.816874千元；置信度为95%的预测区间为（8.816874-1.96*0.0542千元,8.816874+1.96*0.0542千元） 即（8.71千元,8.92千元）2、实验分析（1）相关系数：相关系数R 实际上是判定系数的平方根，相关系数R 从另一个角度说明了回归直线的拟合优度。

|R|越接近1，表明回归直线对观测数据的拟合程度就越高。

R=0.999592，接近于1，所以人均可支配收入和人均消费支出相关程度高。

（2）判定系数：该指标测度了回归直线对观测数据的拟合程度。

若所有观测点，落在直线上，残差平方和RSS=0，则R^2=1，拟合是完全的；0≤R^2≦1。

R^2越接近1，表明回归平方和占总平方和的比例越大，回归直线与各观测点越接近，用X 的变化来解释Y 值的部分就越多，回归直线的拟合度就越好；反之，R^2越接近0，回归直线的拟合度就越差。

所以，判定系数R^2=0.999185，表示所观测到的我国城镇居民家庭人均消费支出的值与其均值的偏差平方和中有99.92%可以通过人均可支配收入来解释。

2013－2014第1学期计量经济学实验报告实验（一）：一元线性回归模型实验学号姓名：专业：国际经济与贸易选课班级：实验日期：2013年12月2日实验地点：K306实验名称：一元线性回归模型实验【教学目标】《计量经济学》是实践性很强的学科，各种模型的估计通过借助计算机能很方便地实现，上机实习操作是《计量经济学》教学过程重要环节。

目的是使学生们能够很好地将书本中的理论应用到实践中，提高学生动手能力，掌握专业计量经济学软件EViews的基本操作与应用。

利用Eviews做一元线性回归模型参数的OLS估计、统计检验、点预测和区间预测。

【实验目的】使学生掌握1.Eviews基本操作：（1）数据的输入、编辑与序列生成；（2）散点图分析与描述统计分析；（3）数据文件的存贮、调用与转换。

2. 利用Eviews做一元线性回归模型参数的OLS估计、统计检验、点预测和区间预测【实验内容】1.Eviews基本操作：（1）数据的输入、编辑与序列生成；（2）散点图分析与描述统计分析；（3）数据文件的存贮、调用与转换；2. 利用Eviews做一元线性回归模型参数的OLS估计、统计检验、点预测和区间预测。

实验内容以下面1、2题为例进行操作。

1、为了研究深圳地方预算中财政收入与国内生产总值关系，运用以下数据：(1)建立深圳的预算内财政收入对GDP的回归；(2)估计模型的参数，解释斜率系数的意义；(3)对回归结果进行检验；(4)若2002年的国内生产总值为3600亿元，试确定2002年财政收入的预测值和预α=)。

测区间(0.052、在《华尔街日报1999年年鉴》（The Wall Street Journal Almanac 1999）上，公布有美国各航空公司业绩的统计数据。

航班正点准时到达的正点率和此公司每10万名乘客中投诉1(1)做出上表数据的散点图(2)依据散点图，说明二变量之间存在什么关系？(3)描述投诉率是如何根据航班正点率变化，并求回归方程。

一元线性回归分析摘要：一元线性回归分析是一种常用的预测和建模技术，广泛应用于各个领域，如经济学、统计学、金融学等。

本文将详细介绍一元线性回归分析的基本概念、模型建立、参数估计和模型检验等方面内容，并通过一个具体的案例来说明如何应用一元线性回归分析进行数据分析和预测。

1. 引言1.1 背景一元线性回归分析是通过建立一个线性模型，来描述自变量和因变量之间的关系。

通过分析模型的拟合程度和参数估计值，我们可以了解自变量对因变量的影响，并进行预测和决策。

1.2 目的本文的目的是介绍一元线性回归分析的基本原理、建模过程和应用方法，帮助读者了解和应用这一常用的数据分析技术。

2. 一元线性回归模型2.1 模型表达式一元线性回归模型的基本形式为：Y = β0 + β1X + ε其中，Y是因变量，X是自变量，β0和β1是回归系数，ε是误差项。

2.2 模型假设一元线性回归模型的基本假设包括：- 线性关系假设：自变量X与因变量Y之间存在线性关系。

- 独立性假设：每个观测值之间相互独立。

- 正态性假设：误差项ε服从正态分布。

- 同方差性假设：每个自变量取值下的误差项具有相同的方差。

3. 一元线性回归分析步骤3.1 数据收集和整理在进行一元线性回归分析之前，需要收集相关的自变量和因变量数据，并对数据进行整理和清洗，以保证数据的准确性和可用性。

3.2 模型建立通过将数据代入一元线性回归模型的表达式，可以得到回归方程的具体形式。

根据实际需求和数据特点，选择适当的变量和函数形式，建立最优的回归模型。

3.3 参数估计利用最小二乘法或最大似然法等统计方法，估计回归模型中的参数。

通过最小化观测值与回归模型预测值之间的差异，找到最优的参数估计值。

3.4 模型检验通过对回归模型的拟合程度进行检验，评估模型的准确性和可靠性。

常用的检验方法包括：残差分析、显著性检验、回归系数的显著性检验等。

4. 一元线性回归分析实例为了更好地理解一元线性回归分析的应用，我们以房价和房屋面积之间的关系为例进行分析。

竭诚为您提供优质文档/双击可除一元回归及检验实验报告篇一：一元线性回归模型的参数估计实验报告山西大学实验报告实验报告题目：计量经济学实验报告学院：专业：课程名称：计量经济学学号：学生姓名：教师名称：崔海燕上课时间：一、实验目的：掌握一元线性回归模型的参数估计方法以及对模型的检验和预测的方法。

二、实验原理：1、运用普通最小二乘法进行参数估计；2、对模型进行拟合优度的检验；3、对变量进行显著性检验；4、通过模型对数据进行预测。

三、实验步骤：（一）建立模型1、新建工作文件并保存打开eviews软件，在主菜单栏点击File\new\workfile，输入startdate1978和enddate20XX并点击确认，点击save 键，输入文件名进行保存。

2输入并编辑数据在主菜单栏点击Quick键，选择empty\group新建空数据栏，先输入被解释变量名称y，表示中国居民总量消费，后输入解释变量x，表示可支配收入，最后对应各年分别输入数据。

点击name键进行命名，选择默认名称group01,保存文件。

得到中国居民总量消费支出与收入资料：xY年份19786678.83806.719797551.64273.219807944.24605.5198 184385063.919829235.25482.4198310074.65983.21984115 656745.7198511601.77729.2198613036.58210.9198714627 .788401988157949560.5198915035.59085.5199016525.994 50.9199118939.610375.8199222056.511815.3199325897.3 13004.7199428783.413944.2199531175.415467.919963385 3.717092.5199735956.218080.6199838140.919364.119994 027720989.3200042964.622863.920XX20XX20XX20XX20XX20XX46385.45127457408.164623.17 4580.485623.124370.126243.22803530306.233214.436811 .2注：y表示中国居民总量消费x表示可支配收入3、画散点图，判断被解释变量与解释变量之间是否为线性关系在主菜单栏点击Quick\graph出现对话框，输入“xy”，点击确定。

§5.2 一元线性回归中的假设检验和预测一元线性回归中的假设检验（1）假设检验的必要性①上一节推导出的回归系数的最小二乘估计（5.1-8）式，对Y x ,的任何一组数据),21(),(n ,,i y ,x i i =均适用，即使Y x ,之间毫无关系。

如果这样，求得的回归直线方程就没有任何意义。

因此，求得回归直线后还需要检验Y x ,之间是否真的有统计线性相关关系——一元线性回归的模型检验。

②回归系数10β,β的最小二乘估计∧∧10β,β只是由Y x ,的n 对观测值),21(),(n ,,i y ,x i i =求得的，此估计值到底在什么程度上适于Y x ,之间的真正关系？因此，需对参数是否取为其估计值作假设检验——一元线性回归的参数检验。

（2）一元线性回归的模型检验为对Y x ,之间满足一元正态线性回归模型：⎩⎨⎧++=)(~210ζ0,N εx ββY ε )315(-.这一假设的合理性进行严格的检验，需要检验三点:①在x 的各取值点处，Y 都服从正态分布，期望值依赖于x ，且方差都相同；②在x 的各取值点处，Y 的期望是x 的线性函数；③在x 的各取值点处，相应的Y 是相互独立的。

可见，进行完全的严格检验并不容易。

而引起线性回归不显著的原因主要有以下三点：①除变量x 外，还有其它重要变量影响Y 的取值，故当x 取定时，Y 不能服从正态分布；②Y x ,之间不是线性相关关系，而是某种非线性相关关系；③Y 的取值根本与x 的取值无关。

在上述情况之一出现时，若对Y x ,配以线性回归模型，均会有0β1=，即ε+=0βY . 因此，对线性回归模型显著性的检验可以简化处理为对 0β:H 10=是否成立的检验。

方法如下：①作假设0β:H 0β:H 1110≠↔= ②检验统计量及其分布由定理 5.1.3知：)2(~--∧∧n t L ζββxx *11 ，故当 0H 成立时有)2(0-=∧∧n t ~L ζβT H xx *1以此为检验统计量，且由Y x ,的一组观测值),21(),(n ,,i y ,x i i =可以求得T的观测值。

一元线性回归分析研究实验报告一元线性回归分析研究实验报告一、引言一元线性回归分析是一种基本的统计学方法，用于研究一个因变量和一个自变量之间的线性关系。

本实验旨在通过一元线性回归模型，探讨两个变量之间的关系，并对所得数据进行统计分析和解读。

二、实验目的本实验的主要目的是：1.学习和掌握一元线性回归分析的基本原理和方法；2.分析两个变量之间的线性关系；3.对所得数据进行统计推断，为后续研究提供参考。

三、实验原理一元线性回归分析是一种基于最小二乘法的统计方法，通过拟合一条直线来描述两个变量之间的线性关系。

该直线通过使实际数据点和拟合直线之间的残差平方和最小化来获得。

在数学模型中，假设因变量y和自变量x之间的关系可以用一条直线表示，即y = β0 + β1x + ε。

其中，β0和β1是模型的参数，ε是误差项。

四、实验步骤1.数据收集：收集包含两个变量的数据集，确保数据的准确性和可靠性；2.数据预处理：对数据进行清洗、整理和标准化；3.绘制散点图：通过散点图观察两个变量之间的趋势和关系；4.模型建立：使用最小二乘法拟合一元线性回归模型，计算模型的参数；5.模型评估：通过统计指标（如R2、p值等）对模型进行评估；6.误差分析：分析误差项ε，了解模型的可靠性和预测能力；7.结果解释：根据统计指标和误差分析结果，对所得数据进行解释和解读。

五、实验结果假设我们收集到的数据集如下：经过数据预处理和散点图绘制，我们发现因变量y和自变量x之间存在明显的线性关系。

以下是使用最小二乘法拟合的回归模型：y = 1.2 + 0.8x模型的R2值为0.91，说明该模型能够解释因变量y的91%的变异。

此外，p 值小于0.05，说明我们可以在95%的置信水平下认为该模型是显著的。

误差项ε的方差为0.4，说明模型的预测误差为0.4。

这表明模型具有一定的可靠性和预测能力。

六、实验总结通过本实验，我们掌握了一元线性回归分析的基本原理和方法，并对两个变量之间的关系进行了探讨。

目录一、加载工作文件 (7)二、选择方程 (7)1.作散点图 (7)2.进行因果关系检验 (9)三、一元线性回归 (10)四、经济检验 (12)五、统计检验 (13)六、回归结果的报告 (15)七、得到解释变量的值 (15)八、预测应变量的值 (17)实验二一元线形回归模型的估计、检验和预测实验目的：掌握一元线性回归模型的估计、检验和预测方法。

实验要求：选择方程进行一元线性回归，进行经济、拟合优度、参数显著性和方程显著性等检验，预测解释变量和应变量。

实验原理：普通最小二乘法，拟合优度的判定系数R2检验和参数显著性t检验等，计量经济学预测原理。

实验步骤：已知广东省宏观经济部分数据如表2-1所示，要根据这些数据研究和分析广东省宏观经济，建立宏观计量经济模型，从而进行经济预测、经济分析和政策评价。

实验二~实验十二主要都是用这些数据来完成一系列工作。

表2-1 广东省宏观经济数据续上表续上表一、加载工作文件广东省宏观经济数据已经制成工作文件存在盘中，命名为GD01.WF1，进入EViews后选择File/Open打开GD01.WF1。

二、选择方程根据广东数据（GD01.WF1）选择收入法国国内生产总值（GDPS）、财政收入（CS）、财政支出（CZ）和社会消费品零售额（SLC），分别把①CS作为应变量，GDPS作为解释变量；②CZ作为应变量，CS作为解释变量；③SLC作为应变量，GDPS作为解释变量进行一元线性回归分析。

1.作散点图从三个散点图（图2-1~图2~3）可以看出，三对变量都呈现线性关系。

图2-1 图2-2图2-3 2.进行因果关系检验从三个因果关系检验可以看出，GDPS是CS的因；CS不是CZ 的因；GDPS不是SLC的因。

但根据理论CS是CZ的因，GDPS是SLC的因，可能是由于指标设置问题。

所以还是把CS作为应变量，GDPS作为解释变量；CZ作为应变量，CS作为解释变量；SLC作为应变量，GDPD作为解释变量进行一元线性回归分析。

实验二一元线性回归模型2.1 实验目的掌握一元线性回归模型的基本理论，一元线性回归模型的建立、估计、检验及预测的方法，以及相应的EViews软件操作方法。

2.2 实验内容建立中国消费函数模型。

以表2.1中国的收入与消费的总量数据为基础，建立中国消费函数的一元线性回归模型。

表2.1数据来源：2004年中国统计年鉴，中国统计出版社2.3 实验步骤2.3.1 散点相关图分析将表1.1的GDP设为变量X，总消费设为Y，建立变量X和Y的相关图，如图2.1所示。

可以看X和Y之间呈现良好的线性关系。

可以建立一元线性回归模型。

2.3.2 估计线性回归模型在数组窗口中点击Proc\Make Equation ，如果不需要重新确定方程中的变量或调整样本区间，可以直接点击OK 进行估计。

也可以在EViews 主窗口中点击Quick\Estimate Equation ，在弹出的方程设定框（见图2.2）内输入模型：Y C X 或 Y = C (1) + C (2) * X图2.2图2.3还可以通过在EViews 命令窗口中键入LS 命令来估计模型，其命令格式为：LS 被解释变量 C 解释变量系统将弹出一个窗口来显示有关估计结果（如图2.3 所示）。

因此，我国消费函数的估计式为：ˆY2329.4010.547*X =+St 1191.923 0.014899t 1.95 36.71R 2=0.99 s.e.=2091s.e .是回归函数的标准误差，即σˆ=)216(ˆ2-∑t u。

R 2是可决系数。

R 2 = 0.99,说明上式的拟合情况好，y t 变差的99%由变量x t 解释。

因为t = 36.71> t 0.05 (15) = 2.13，所以检验结果是拒绝原假设β1 = 0，即总消费和GDP 之间存在线性回归关系。

上述模型的经济解释是，GDP 每增长1 亿元，我国消费将总额将增加0.547亿元。

图2.42.3.3 残差图在估计方程的窗口选择View\ Actual, Fitted,Residual\Actual, Fitted,Residual Table，得到相应的残差图2.4。

第一题一、实验目的（1）将数据输入并建立工作文件 （2）估计参数 （3）进行假设检验（4）进行点预测和区间预测 （5）对简单的问题进行分析二、实验要求（1） 掌握一元线性回归模型的估计方法 （2） 掌握一元线性回归模型的检验方法 （3） 掌握一元线性回归模型的预测方法三、实验原理普通最小二乘法四、实验内容1．A problem of interest to health officials (and others) is to determine the effects of smoking during pregnancy on infant health. One measure of infant health is birth weight; a birth rate that is too low can put an infant at risk for contracting various illnesses. Since factors other than cigarette smoking that affect birth weight are likely to be correlated with smoking, we should take those factors into account. For example, higher income generally results in access to better prenatal care, as well as better nutrition for the mother. An equation that recognizes this is012bwght cigs faminc βββμ=+++(i) What is the most likely sign for2β?(ii) Do you think cigs and faminc are likely to be correlated? Explain why the correlation might be positive or negative.(iii) Now estimate the equation with and without faminc, using the data in BWGHT.RAW. Report the results in equation form, including the sample size and R-squared. Discuss your results, focusing on whether adding faminc substantially changes the estimatedeffect of cigs on bwght.(i)估计2 的值为正数。

⼀元线性回归模型实验报告⼭东轻⼯业学院实验报告成绩课程名称：计量经济学指导教师：刘海鹰实验⽇期： 2012年4⽉9⽇院（系）：商学院专业班级⾦融10-1 实验地点：机电楼B座5楼学⽣姓名：张⽂奇学号： 201008021029 同组⼈⽆实验项⽬名称：⼀元线性回归⽅程的预测⼀、实验⽬的和要求掌握利⽤ EViews 建⽴⼀元线性回归模型的⽅法，并且进⾏参数估计，对其结果进⾏相关分析以及未来形势的预测。

⼆、实验原理⼀元线性回归模型的建⽴与参数估计及点预测、EViews 软件三、主要仪器设备、试剂或材料计算机、EViews 软件四、实验⽅法与步骤1、启动Eviews5软件，建⽴新的workfile.在主菜单中选择【File】--【New】--【Workfile】,弹出Workfile Create对话框，在Workfile structure type中选择Dated-regular frequency，然后在Frequency 中选择annual，Start date中输⼊1980，End date中输⼊1998，点击OK按钮。

2、在主菜单上依次单击Quick→Empty Group。

3、建⽴⼀个空组，输⼊数据。

4、为每个时间序列取序列名。

单击数据表中的SER01，在数据组对话框中的命令窗⼝输⼊该序列名称Y，回车后Yes。

采⽤同样的步骤修改序列名X。

数据输⼊操作完成。

5、数据输⼊完毕，单击⼯作⽂件窗⼝⼯具条的Save或单击菜单兰的File Save将数据存⼊磁盘,⽂件名为张⽂奇。

6、在主菜单上选Quick菜单，单击Estimate Equation项，屏幕出现Equation Specification估计对话框，在Estimation Settings 中选OLS估计，即Least Squares，输⼊：Y C X（其中C为Eviews固定的截距项系数）。

然后OK，出现⽅程窗⼝。

Eviews的估计结果。

一元线性回归分析实验报告.doc一、实验目的本实验旨在通过一元线性回归模型，探讨两个变量之间的关系，即一个变量是否随着另一个变量的变化而呈现线性变化。

通过实际数据进行分析，理解一元线性回归模型的应用及其局限性。

二、实验原理一元线性回归是一种基本的回归分析方法，用于研究两个连续变量之间的关系。

其基本假设是：因变量与自变量之间存在一种线性关系，即因变量的变化可以由自变量的变化来解释。

一元线性回归的数学模型可以表示为：Y = aX + b，其中Y是因变量，X是自变量，a是回归系数，b是截距。

三、实验步骤1.数据收集：收集包含两个变量的数据集，用于建立一元线性回归模型。

2.数据预处理：对数据进行清洗、整理和标准化，确保数据的质量和准确性。

3.绘制散点图：通过散点图观察因变量和自变量之间的关系，初步判断是否为线性关系。

4.建立模型：使用最小二乘法估计回归系数和截距，建立一元线性回归模型。

5.模型评估：通过统计指标（如R²、p值等）对模型进行评估，判断模型的拟合程度和显著性。

6.模型应用：根据实际问题和数据特征，对模型进行解释和应用。

四、实验结果与分析1.数据收集与预处理：我们收集了一个关于工资与工作经验的数据集，其中工资为因变量Y，工作经验为自变量X。

经过数据清洗和标准化处理，得到了50个样本点。

2.散点图绘制：绘制了工资与工作经验的散点图，发现样本点大致呈线性分布，说明工资随着工作经验的变化呈现出一种线性趋势。

3.模型建立：使用最小二乘法估计回归系数和截距，得到一元线性回归模型：Y = 50X + 2000。

其中，a=50表示工作经验每增加1年，工资平均增加50元；b=2000表示当工作经验为0时，工资为2000元。

4.模型评估：通过计算R²值和p值，对模型进行评估。

在本例中，R²值为0.85，说明模型对数据的拟合程度较高；p值为0.01，说明自变量对因变量的影响是显著的。

《经济计量学》实验报告实验二一元回归分析过程实验实验日期：11.14 实验地点：F楼实验室一、实验目的掌握一元线性和非线性回归模型的估计方法。

二、实验内容根据案例，建立一元回归模型。

三、实验步骤与结果分析案例一：下面是1980~1995年我国财政收入与GDP的统计资料。

单位：亿元（1）做出散点图，建立财政收入随GDP变化的一元线性回归模型（2）对建立的回归模型进行检验。

（3）1996年的GDP为6900亿元，计算1996年财政收入的预测值。

（一）创建工作文件（菜单方式）在主菜单依次点击File-New—Wrokfile，选择数据类型和起止日期。

本例中在Start Data里输入1980，在End Data里输入1995，单击OK后屏幕出现Workfile工作框，见下图。

（二）输入和编辑数据建立或调入工作文件以后，可以编辑或输入数据。

在主菜单点击Object-New object，在New object对话框里，选择Group并在Name forobject上定义变量名，单击OK，屏幕出现数据编辑框。

见下图。

数据输入完毕单击工作文件窗口工具条的save将数据存入磁盘。

（三）图形分析在数组窗口工具条上View的下拉菜单中选择Graph。

下图为我国财政收入与GDP的趋势图。

（四）OLS估计参数在主菜单上选Quick菜单，单击Estimate Equation选项，屏幕出现Equation Specification估计对话框，在Estimation Setting中选OLS估计，即Least Squares，输入：Y C X。

然后OK，出现方程窗口。

见下图。

得到该例的回归结果：参数估计结果和统计检验值。

Dependent Variable: YMethod: Least SquaresDate: 11/17/13 Time: 21:06Sample: 1980 1995Included observations: 16Variable Coefficient Std. Error t-Statistic Prob.C 971.2436 71.10956 13.65841 0.0000X 0.093286 0.002946 31.66481 0.0000R-squared 0.986229 Mean dependent var 2705.336 Adjusted R-squared 0.985246 S.D. dependent var 1493.720S.E. of regression 181.4374 Akaike info criterion 13.35617Sum squared resid 460873.4 Schwarz criterion 13.45274Log likelihood -104.8493 Hannan-Quinn criter. 13.36111F-statistic 1002.660 Durbin-Watson stat 0.510360Prob(F-statistic) 0.000000单击Equation窗口中的Resid按钮，将显示模型的拟合图和残差图。

一元线性回归模型的参数估计实验报告一、实验目的通过实验了解一元线性回归模型，理解线性回归模型的原理，掌握回归系数的计算方法和用途，并运用Excel对一组数据进行一元线性回归分析，并解释拟合结果。

二、实验原理1.一元线性回归模型一元线性回归模型是指只有一个自变量和一个因变量之间存在线性关系，数学为：`Y = β0 + β1X + ε`其中，Y表示因变量的数值，X表示自变量的数值，β0和β1分别是系数，ε表示误差项。

系数是待求的，误差项是不可观测和无法准确计算的。

2.回归系数的计算方法回归系数通常使用最小二乘法进行计算，最小二乘法是一种通过最小化误差平方和来拟合数据的方法。

具体计算方法如下：（1）计算X的平均值和Y的平均值；（2）计算X和Y的样本标准差；（3）计算X和Y的协方差以及相关系数；（4）计算回归系数β1和截距β0；三、实验步骤1.导入实验数据将实验数据导入Excel，并进行清理。

2.绘制散点图在Excel中绘制散点图，判断是否存在线性关系。

3.计算相关系数通过Excel的相关系数函数计算出X和Y的相关系数。

通过Excel的回归分析函数计算出回归方程。

5.分析结果分析回归方程的拟合程度以及回归系数的意义。

四、实验结果1.数据准备通过Excel的回归分析函数，计算出回归系数为β0=1.1145，β1=2.5085，回归方程为`Y=1.1145+2.5085X`，如下图所示：（1）拟合程度：相关系数为0.870492，说明自变量和因变量之间存在一定的线性关系，回归方程的拟合程度较好。

（2）回归系数的意义：截距为1.1145，表示当自变量为0时，因变量的值为1.1145；回归系数为2.5085，表示自变量增加1个单位，因变量会增加2.5085个单位。

经典单方程线性回归模型：一元线性回归模型实验报告——以中国1978~2000年财政收入Y和国内生产总值（GDP）为例实验目的：（1）通过对一元线性回归模型的建立、检验和预测，能对其理论基础有更为深刻和系统的理解；（2）通过具体的实践操作，熟悉eviews的具体功能。

（3）通过对经济实例的计量经济学处理，学习如何用计量经济学的知识分析现实中的经济问题，以及预测未来经济趋势。

实验软件：eviews6.0软件实验步骤：本实验共包括三个步骤：建立模型、模型检验以及运用模型进行经济预测。

第一个步骤是以1978—2000年间的GDP数据为解释变量，财政收入Y为被解释变量建立一个一元线性回归模型；第二个步骤对模型进行检验，包括拟合优度检验和变量的显著性检验；第三个步骤运用2001年GDP的数据，估计Y的预测值及预测区间。

1．建立模型打开Eviews软件，选中File\New\Workfile,创建一个1978年到2000年的时间序列数据的工作文件，Frequency为annual。

在命令栏中输入“data Y GDP”，回车后得到一个未命名的组，向组中输入数据。

如下图。

图1：向组中输入数据选中Quick\Graph，在出现的对话框中输入“GDP Y”，点击OK后在新出现的Graph对话框中，在Graph type中选择Categorical Graph下的scatter，点击OK，出现如下所示散点图。

图2：以GDP为横轴，Y为纵轴的散点图以GDP为解释变量，Y为被解释变量，建立一元线性回归方程：Y i=β0+β1·GDP i选中Quick\Estimate Equation，在出现的对话框中输入“y c gdp”，进行回归分析，得到如下结果。

图3：回归分析结果可得出β^0= 556.65 β^1=0.1198财政收入随国内生产总值变化的一元线性回归方程为： Y ^=556.65+0.1198·GDP(22.52)(22.72)R 2=0.9609斜率的经济意义是：在1978~2000年间，GDP 每增加一单位，财政收入平均增加0.1198单位。

计量经济学实验报告实验一：一元线性回归模型题目：已知某城镇居民年人均可支配收入X，研究它与人均消费性支出Y之间的关系。

实验目的：通过了解19805年~1998年的样本观测值，得到一元线性回归模型、以此得到1999、2000年的人均消费性支出的预测值。

实验时间：10月12日（星期三）实验地点：科技楼3楼实验内容：1，主菜单－File―New－Workfile打开工作文件范围选择框，选择Annual，分别输入1980，20002，主菜单－Quick－Sample在打开的当前的样本区间选择框中分别输入1980，1998。

3，主菜单－Quick－Empty Group打开空白表格数据窗口，分别输入变量Y，X的数据。

4，主菜单－Quick－Estimate Equation打开估计模型对话框，选择Least Squares,输入Y CX。

下面是Eviews的估计结果：得到回归方程为：Y =283.84+0.51X5，主菜单－Quick－Sample在打开的当前样本区间选择框中分别输入1980，20006，主菜单－Quick－Empty Group编辑变量X的数据，输入X1999，X2000年的实际值。

在回归模型估计结果显示窗口的命令行中，单击Forecast命令，预测结果变量名的缺省选择为YF，选择静态预测，点击ok。

得到1999，2000年的城镇居民年人均消费性支出预测值分别为1354.89和1424.05.实验二：二元线性回归方程模型实验目的：通过了解学生用于购买书籍及课外读物的支出与本人受教育年限和其家庭收入水平有关，了解预测当学生的受教育年限为10年，家庭月可支配收入为480元时，该学生全年购买书籍以及课外读物的支出。

实验时间：10月26日（星期三）实验地点：科技楼3楼实验内容：1，主菜单－File―New－Workfile打开工作文件范围选择框，选择Integer date，分别输入1，192，主菜单－Quick－Sample在打开的当前的样本区间选择框中分别输入1，18。

实验一一元线性回归一实验目的：掌握一元线性回归的估计与应用，熟悉EViews的基本操作。

二实验要求：应用教材P61第12题做一元线性回归分析并做预测。

三实验原理：普通最小二乘法。

四预备知识：最小二乘法的原理、t检验、拟合优度检验、点预测和区间预测。

五实验内容：第2章练习12下表是中国2007年各地区税收Y和国内生产总值GDP的统计资料。

单位：亿元(1)作出散点图，建立税收随国内生产总值GDP变化的一元线性回归方程，并解释斜率的经济意义；(2)对所建立的回归方程进行检验；(3)若2008年某地区国内生产总值为8500亿元，求该地区税收收入的预测值及预测区间。

六实验步骤1.建立工作文件并录入数据：(1)双击桌面快速启动图标，启动Microsoft Office Excel, 如图1，将题目的数据输入到excel表格中并保存。

(2)双击桌面快速启动图标，启动EViews6程序。

(3)点击File/New/ Workfile…，弹出Workfile Create对话框。

在WorkfileCreate对话框左侧Workfile structure type栏中选择Unstructured/Undated 选项，在右侧Data Range中填入样本个数31.在右下方输入Workfile的名称P53.如图2所示。

图 1 图 2(4)下面录入数据，点击File/Import/Read Text-Lotus-Excel...选中第(1)步保存的excel表格，弹出Excel Spreadsheet Import对话框，在Upper-left data cell栏输入数据的起始单元格B2，在Excel 5+sheet name栏中输入数据所在的工作表sheet1，在Names for series or Number if named in file栏中输入变量名Y GDP，如图3所示，点击OK，得到如图4所示界面。

实验⼆⼀元线性回归模型的估计、检验、预测和应⽤实验⼆简单线性回归模型的设定、估计、检验和应⽤⼀、实验⽬的：掌握简单相关分析、格兰杰因果关系检验、简单线性回归模型的设定和模型的参数估计、简单线性回归模型的区间估计、假设检验和预测⽅法，并能利⽤所建⽴的模型分析实际问题。

⼆、实验原理：相关分析，格兰杰因果关系检验，普通最⼩⼆乘法(OLS)，拟合优度的判定系数检验和参数显著性t检验等，计量经济学预测原理。

三、实验要求：掌握变量之间的相关分析、因果关系分析，选择⽅程进⾏⼀元线性回归，模型的报告格式，对总体回归系数进⾏区间估计，并对⼀元线性回归模型进⾏经济、拟合优度、参数显著性和⽅程显著性等检验，预测解释变量和因变量，以及模型应⽤。

四、实验步骤：已知⼴东省宏观经济部分数据（参见附表“⼴东省宏观经济数据-第⼆章”），要根据这些数据分别研究和分析⼴东省宏观经济，建⽴宏观计量经济模型。

本实验要求具体验证分析（1）“财政收⼊的变化引起国内⽣产总值变化”，（2）“财政收⼊影响财政⽀出”，（3）“国内⽣产总值对社会消费品零售额的影响模型”。

并根据相应的回归模型进⾏经济预测、经济分析和政策评价。

注：在实验中对应的空⽩处写出实验的结果。

全部完成后，把该⽂档⾃⼰学号为名进⾏命名，提交到教师机上。

（⼀）建⽴⼯作⽂件进⼊Eviews，建⽴⼀⼯作⽂件，并命名为GD，新建4个序列，并对应输⼊⼴东省经济数据表中的数据：收⼊法国内⽣产总值-GDPS，财政收⼊-CS，财政⽀出-CZ，社会消费品零售额-SLC。

（⼆）相关分析1、作散点图分别作上述三组变量之间的散点图（3个散点图），并根据散点图作简单分析，写出各组变量的关系。

散点图：分析：2、计算简单线性相关系数分别作上述三组变量之间的简单线性相关系数，并根据相关系数作简单分析。

（三）回归分析（1）作因果关系检验（辅助“模型设定”）分别对上述三组变量作因果关系检验（3组检验结果），并根据因果关系检验的结果，作简单描述及分析。