eviews图像及结果分析

F检验的假设、对F值的判断、对F值的概率值的判断。

T检验的假设、对t值的判断、对t值的概率值的判断。

1、Y：社会消费总额X2：国民生产总值X3：城乡储蓄X4：农民人均收入Dependent Variable: YMethod: Least SquaresDate: 12/15/10 Time: 21:33Sample: 1994 2005Included observations: 12Variable Coefficient Std. Error t-Statistic Prob.C -231.7988 1139.887 -0.203353 0.8439X2 0.217218 0.053746 4.041582 0.0037X3 -0.023855 0.148371 -0.160777 0.8763X4 5.774893 3.066526 1.883203 0.0964R-squared 0.998370 Mean dependent var 10516.91 Adjusted R-squared 0.997759 S.D. dependent var 6729.635 S.E. of regression 318.5755 Akaike info criterion 14.62680 Sum squared resid 811922.8 Schwarz criterion 14.78843 Log likelihood -83.76079 F-statistic 1633.508 Durbin-Watson stat 1.823503 Prob(F-statistic) 0.000000（1）、根据T检验，分析哪些解释变量X对被解释变量Y有影响；在t检验中，我们设立原假设0:0iHβ= ()1i k≤≤和对立假设1:0iHβ≠。

根据上面的EVIEWS输出结果，可以看出：1、常数项C、X3、X4的t值较小，且其概率值P>0.05，因此，我们接受原假设0:0iHβ=，即认为常数项C、X3的系数、X4的系数为0，即常数项、城乡储蓄、农民人均收入对被解释变量Y（社会消费总额）无显著影响。

Eviews回归分析输出结果指标解释Variable 变量Coefficient系数Std. Error系数标准差t-StatisticT统计量Prob.双侧概率（P值）C 363.6891 62.45529 5.823191 0.0002回归结果的理解参数解释：1、回归系数（coefficient）注意回归系数的正负要符合理论和实际。

截距项的回归系数无论是否通过T检验都没有实际的经济意义。

2、回归系数的标准误差（Std.Error）标准误差越大，回归系数的估计值越不可靠，这可以通过T值的计算公式可知3、T检验值（t-Statistic）T值检验回归系数是否等于某一特定值，在回归方程中这一特定值为0，因此T值=回归系数/回归系数的标准误差，因此T值的正负应该与回归系数的正负一致，回归系数的标准误差越大，T值越小，回归系数的估计值越不可靠，越接近于0。

另外，回归系数的绝对值越大，T值的绝对值越大。

4、P值（Prob）P值为理论T值超越样本T值的概率，应该联系显著性水平α相比，α表示原假设成立的前提下，理论T值超过样本T值的概率，当P值<α值，说明这种结果实际出现的概率的概率比在原假设成立的前提下这种结果出现的可能性还小但它偏偏出现了，因此拒绝接受原假设。

5、可决系数（R-squared）都知道可决系数表示解释变量对被解释变量的解释贡献，其实质就是看（y尖-y均）与（y=y 均）的一致程度。

y尖为y的估计值，y均为y的总体均值。

6、调整后的可决系数（Adjusted R-squared)即经自由度修正后的可决系数，从计算公式可知调整后的可决系数小于可决系数，并且可决系数可能为负，此时说明模型极不可靠。

7、回归残差的标准误差（S.E.of regression）残差的经自由度修正后的标准差，OLS的实质其实就是使得均方差最小化，而均方差与此的区别就是没有经过自由度修正。

8、残差平方和（Sum Squared Resid）见上79、对数似然估计函数值（Log likelihood）首先，理解极大似然估计法。

Eviews数据统计与分析教程 - 第 四章：图形和统计量分析
目录
• 引言 • 图形分析 • 统计量分析 • Eviews操作实践 • 案例分析 • 总结与展望
01 引言
课程目标
掌握Eviews软件中常用的图形绘制方 法，如折线图、柱状图、饼图等。
理解图形和统计量分析在数据分析和 预测中的应用。
02
深入了解各种统计模型和方法，以便更好地应用 Eviews进行数据分析。
03
学习如何将Eviews与其他数据分析工具（如Excel、 Python等）进行集成，以提高工作效率。
THANKS FOR WATCHING
感谢您的观看
适用场景
注意事项
当你想了解数据分布的形状时，可以使用 偏度和峰度。
偏度和峰度可以帮助你识别异常值和识别 分布的形状特征。
04 Ev量之间的关 系，通过观察散点的分布和 趋势，可以初步判断变量之 间的相关性。
折线图
用于展示时间序列数据的变 化趋势，通过观察折线的走 势，可以了解数据随时间的 变化情况。
03 统计量分析
平均值
01
02
03
平均值
表示数据集的集中趋势， 计算所有数值的和除以数 值的数量。
适用场景
当你想了解数据的中心趋 势时，可以使用平均值。
注意事项
平均值对异常值敏感，异 常值会显著影响平均值的 计算结果。
中位数
中位数
将数据集从小到大排序后，位于中间位置的数 值。
适用场景
当你想了解数据的中等水平时，可以使用中位 数。
柱状图
总结词
比较不同类别数据的大小
详细描述
柱状图通过不同高度的柱子来比较不同类别数据的大小。每个柱子代表一个类别，高度代表该类别的数值。柱状 图可以清晰地展示不同类别之间的数值差异，便于我们进行数据的直观比较。

Eviews实验报告
本次实验使用Eviews对数据进行了分析和建模，主要分为以下几个部分：
一、数据预处理
1. 数据清洗：对数据进行了初步的检查和清洗，处理了数据中的缺失值和异常值；
2. 数据变换：对原始数据进行了对数化处理，使其符合正态分布。

二、数据分析
1. 描述性统计：通过统计均值、标准差、相关系数等指标，对数据进行了分析和描述；
2. 单因素分析：使用单因素方差分析对不同自变量与因变量之间的关系进行了检验。

三、建模分析
1. 模型选择：根据变量相关性和变量显著性等因素，最终选择了一组自变量，建立了多元线性回归模型；
2. 模型检验：对建立的模型进行了残差分析，验证了模型的可靠性和稳定性；
3. 预测分析：利用建立的模型对新数据进行了预测，并进行了模型预测精度的评估。

四、实验结论
通过Eviews的分析和建模，得出了以下结论：
1. 数据清洗和变换可以提高数据分析的准确性和可靠性；
2. 描述性统计和单因素分析可以为建模提供有用的参考和决策依据；
3. 多元线性回归模型可以较好地解释自变量与因变量之间的关系，并可进行预测和决策分析。

综上所述，本次实验通过Eviews软件对数据进行了分析和建模，得出了有关数据的一些重要结论，为后续数据分析和决策提供了基础和支持。

40、人类法律，事物有规律，这是不 容忽视 的❖ 丰富你的人生
71、既然我已经踏上这条道路，那么，任何东西都不应妨碍我沿着这条路走下去。——康德 72、家庭成为快乐的种子在外也不致成为障碍物但在旅行之际却是夜间的伴侣。——西塞罗 73、坚持意志伟大的事业需要始终不渝的精神。——伏尔泰 74、路漫漫其修道远，吾将上下而求索。——屈原 75、内外相应，言行相称。——韩非
详细的EVIEWS面板数据分析操作
36、如果我们国家的法律中只有某种 神灵， 而不是 殚精竭 虑将神 灵揉进 宪法， 总体上 来说， 法律就 会更好 。—— 马克·吐 温 37、纲纪废弃之日，便是暴政兴起之 时。— —威·皮 物特
38、若是没有公众舆论的支持，法律 是丝毫 没有力 量的。 ——菲 力普斯 39、一个判例造出另一个判例，它们 迅速累 聚，进 而变成 法律。 ——朱 尼厄斯

模型选择对分析结果影响
模型适用性
根据研究目的和数据特征选择合 适的面板数据模型，如固定效应 模型、随机效应模型等。
模型假设
确保所选模型满足基本假设，如 线性关系、误差项独立同分布等 ，否则可能导致结果不准确。
模型比较与选择
通过比较不同模型的拟合优度、 参数显著性等指标，选择最优模 型进行分析。
操作规范性与结果可靠性保障措施
操作步骤规范
结果验证与解读
对分析结果进行验证，确保结果的合理性和准确性 ；同时，正确解读分析结果，避免误导读者。
严格按照EVIEWS软件的操作步骤进行分析 ，避免操作失误或遗漏关键步骤。
数据分析报告
编写详细的数据分析报告，包括数据来源、 处理方法、模型选择、分析结果及解读等， 以便读者全面了解分析过程。
方和来估计模型参数。
广义最小二乘法（GLS）
02
当存在异方差性或自相关性时，采用广义最小二乘法进行参数
估计，以提高估计效率。
最大似然法（ML）
03
适用于随机效应模型等复杂面板数据模型，通过最大化似然函
数来估计模型参数。
模型诊断与检验
残差分析
检查残差是否满足独立同分布等假设条件， 以评估模型的拟合效果。
07 EVIEWS面板数 据分析操作注意 事项
数据质量对分析结果影响
数据来源
确保数据来自可靠、权威的来源，避免使用不准确或存在偏见的数 据。
数据完整性
检查数据是否存在缺失值、异常值或重复值，这些问题可能导致分 析结果失真。
数据处理
对数据进行适当的预处理，如清洗、转换和标准化，以提高数据质量 和一致性。
增强了解决实际问题的能力
通过实例解析和操作演示，学员们学会了如何运用所学知识解决实际问题，提高了分析 问题和解决问题的能力。

23、一切节省，归根到底都归结为时间的节省。——马克思 24、意志命运往往背道而驰，决心到最后会全部推倒。——莎士比亚
25、学习是劳动，是充满思想的劳动。——乌申斯基
谢谢！
详细EVIEWS面板数据分析操作
31、园日涉以成趣，门虽设而常关。 32、鼓腹无所思。朝起暮归眠。 33、倾壶绝余沥，窥灶不见烟。
34、春秋满四泽，夏云多奇峰，秋月 扬明辉 ，冬岭 秀孤松 。 35、丈夫志四海，我愿不知老。
Hale Waihona Puke 21、要知道对好事的称颂过于夸大，也会招来人们的反感轻蔑和嫉妒。——培根 22、业精于勤，荒于嬉；行成于思，毁于随。——韩愈

eviews实验报告‎总结eviews实‎验报告总结‎篇一：‎Evies‎实验报告实验报告‎一、实验数据：‎1994至2‎01X年天津市城镇居‎民人均全年可支配收入‎数据 1994至20‎1X年天津市城镇居民‎人均全年消费性支出数‎据 1994至201‎X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Ex‎c el，统计结果如下‎表1：表1‎1994年--20‎1X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=c‎n sum/price‎Xt=ine/pr‎i ce 得出Yt与X‎t的散点图，如图‎1.很明显，Yt和‎X t服从线性相关。

‎图1 Yt和Xt散点‎图3、应用统‎计软件EVies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‎E Vies软件，首先‎建立工作文件， Fi‎l e rkfile ‎,然后通过bject‎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：‎l s y c x,按‎E nter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：‎Y t=977.‎908+0.670X‎t s=(17‎2.3797) (0‎.0122) t=(‎5.673) ‎(54.95‎0) R2=0.99‎5385 Adjus‎t ed R2=0.9‎95055 F-st‎a tistic=30‎19.551 ‎残差平方和Sum s‎q uared res‎i d =125410‎8回归标准差S.E‎.f regress‎i n=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中的数分别为0.‎995385和0.9‎95055，计算结果‎表明，估计的样本回归‎方程较好地拟合了样本‎观测值。

eviews图像及结果分析(同名23076)EViews图像及结果分析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。

如果第4章图形和统计量分析• 43 •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。

• 44 •第4章图形和统计量分析图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。

Eviews回归分析输出结果指标解释Variable Coefficie Std。

Error t-Statistic Prob.X2。

0288730。

10155819。

977490。

0000回归结果的理解参数解释：1、回归系数（coefficient）注意回归系数的正负要符合理论和实际。

截距项的回归系数无论是否通过T检验都没有实际的经济意义。

2、回归系数的标准误差(Std。

Error）标准误差越大，回归系数的估计值越不可靠,这可以通过T值的计算公式可知3、T检验值（t-Statistic)T值检验回归系数是否等于某一特定值，在回归方程中这一特定值为0，因此T值=回归系数/回归系数的标准误差,因此T值的正负应该与回归系数的正负一致,回归系数的标准误差越大，T值越小，回归系数的估计值越不可靠，越接近于0。

另外，回归系数的绝对值越大,T值的绝对值越大。

4、P值（Prob）P值为理论T值超越样本T值的概率，应该联系显著性水平α相比，α表示原假设成立的前提下，理论T值超过样本T值的概率，当P值<α值，说明这种结果实际出现的概率的概率比在原假设成立的前提下这种结果出现的可能性还小但它偏偏出现了,因此拒绝接受原假设。

5、可决系数（R—squared）都知道可决系数表示解释变量对被解释变量的解释贡献，其实质就是看（y尖-y均）与(y=y均）的一致程度。

y尖为y的估计值，y均为y的总体均值。

6、调整后的可决系数(Adjusted R—squared）即经自由度修正后的可决系数，从计算公式可知调整后的可决系数小于可决系数，并且可决系数可能为负，此时说明模型极不可靠。

7、回归残差的标准误差（S。

E。

of regression）残差的经自由度修正后的标准差，OLS的实质其实就是使得均方差最小化，而均方差与此的区别就是没有经过自由度修正.8、残差平方和（Sum Squared Resid)见上79、对数似然估计函数值（Log likelihood）首先,理解极大似然估计法。

5、关闭 Eviews
关闭 Eviews 的方法很多：选择主菜单上的“File”→“Close”;按 ALT-F4 键；单击 Eviews 窗口右上角的关闭按钮；双击 Eviews 窗口左上角等。 Eviews 关闭总是警告和给予机会将那些还没有保存的工作保存到磁盘文件中。
第二部分
案例：
单方程计量经济模型 Eviews 操作
1、Eviews 是什么
Eviews 是美国 QMS 公司研制的在 Windows 下专门从事数据分析、回归分析和预测的工 具。使用 Eviews 可以迅速地从数据中寻找出统计关系，并用得到的关系去预测数据的未来 值。Eviews 的应用范围包括：科学实验数据分析与评估、金融分析、宏观经济预测、仿真、 销售预测和成本分析等。 Eviews 是专门为大型机开发的、用以处理时间序列数据的时间序列软件包的新版本。 Eviews 的前身是 1981 年第 1 版的 Micro TSP。目前最新的版本是 Eviews4.0。我们以 Eviews3.1 版本为例，介绍经济计量学软件包使用的基本方法和技巧。虽然 Eviews 是经济 学家开发的，而且主要用于经济学领域，但是从软件包的设计来看，Eviews 的运用领域并 不局限于处理经济时间序列。即使是跨部门的大型项目，也可以采用 Eviews 进行处理。 Eviews 处理的基本数据对象是时间序列，每个序列有一个名称，只要提及序列的名称 就可以对序列中所有的观察值进行操作，Eviews 允许用户以简便的可视化的方式从键盘或 磁盘文件中输入数据， 根据已有的序列生成新的序列， 在屏幕上显示序列或打印机上打印输 出序列，对序列之间存在的关系进行统计分析。Eviews 具有操作简便且可视化的操作风格， 体现在从键盘或从键盘输入数据序列、 依据已有序列生成新序列、 显示和打印序列以及对序 列之间存在的关系进行统计分析等方面。 Eviews 具有现代 Windows 软件可视化操作的优良性。可以使用鼠标对标准的 Windows 菜单和对话框进行操作。 操作结果出现在窗口中并能采用标准的 Windows 技术对操作结果进 行处理。此外，Eviews 还拥有强大的命令功能和批处理语言功能。在 Eviews 的命令行中输 入、编辑和执行命令。在程序文件中建立和存储命令，以便在后续的研究项目中使用这些程 序。

第二章案例分析一、研究的目的要求居民消费在社会经济的持续发展中有着重要的作用。

居民合理的消费模式和居民适度的消费规模有利于经济持续健康的增长，而且这也是人民生活水平的具体体现。

改革开放以来随着中国经济的快速发展，人民生活水平不断提高，居民的消费水平也不断增长。

但是在看到这个整体趋势的同时，还应看到全国各地区经济发展速度不同，居民消费水平也有明显差异。

例如，2002年全国城市居民家庭平均每人每年消费支出为6029.88元, 最低的黑龙江省仅为人均4462.08元，最高的上海市达人均10464元，上海是黑龙江的2.35倍。

为了研究全国居民消费水平及其变动的原因，需要作具体的分析。

影响各地区居民消费支出有明显差异的因素可能很多，例如，居民的收入水平、就业状况、零售物价指数、利率、居民财产、购物环境等等都可能对居民消费有影响。

为了分析什么是影响各地区居民消费支出有明显差异的最主要因素，并分析影响因素与消费水平的数量关系，可以建立相应的计量经济模型去研究。

二、模型设定我们研究的对象是各地区居民消费的差异。

居民消费可分为城市居民消费和农村居民消费，由于各地区的城市与农村人口比例及经济结构有较大差异，最具有直接对比可比性的是城市居民消费。

而且，由于各地区人口和经济总量不同，只能用“城市居民每人每年的平均消费支出”来比较，而这正是可从统计年鉴中获得数据的变量。

所以模型的被解释变量Y 选定为“城市居民每人每年的平均消费支出”。

因为研究的目的是各地区城市居民消费的差异，并不是城市居民消费在不同时间的变动，所以应选择同一时期各地区城市居民的消费支出来建立模型。

因此建立的是2002年截面数据模型。

影响各地区城市居民人均消费支出有明显差异的因素有多种，但从理论和经验分析，最主要的影响因素应是居民收入，其他因素虽然对居民消费也有影响，但有的不易取得数据，如“居民财产”和“购物环境”；有的与居民收入可能高度相关，如“就业状况”、“居民财产”；还有的因素在运用截面数据时在地区间的差异并不大，如“零售物价指数”、“利率”。

再检验只含截距项的模型，最后检验二者都不含的模型。并且认为，只有三个模
型的检验结果都不能拒绝原假设时，我们才认为时间序列是非平稳的，而只要其
中有一个模型的检验结果拒绝了零假设，就可认为时间序列是平稳的。
精品
分析数据的平稳性软 件 操 作
在Pool对象，View/Unit Root Test，输入相应的Pool序列名
精品
协整检验 说 明
原：不存在协整
面板数据的协整检验方法可以分为两大类，一类是建立在Engle and Granger二 步法检验基础上的面板协整检验，具体方法主要有Pedroni检验和Kao检验；另 一类是建立在Johansen协整检验基础上的面板协整检验。
1．Pedroni检验 2．Kao检验 3．Johansen面板协整检验
精品
协整检验操作
Pool序列的协整检验 ※在EViews中打开pool对象，选
择Views/ Cointegration Test…， 则显示协整检验的对话框。
图10.6 面板数据的协整检验的对精话品框
Pedroni检验：
原假设：无协 整关系
此栏目下P值 均小于0.05 存在协整关系
此栏目下P值均 两个小于0.05 存在协整关系 一个大于0.05， 不支持协整
精品
思路一：变量之间是非同阶单整 ：序列变换
◎变量之间是非同阶单整的指即面板数据中有些序列平稳而有些序列不平稳，
此时不能进行协整检验与直接对原序列进行回归。
◎对序列进行差分或取对数使之变成同阶序列
若变换序列后均为平稳序列可用变换后的序列直接进行回归
思路二 若变换序列后均为同阶非平稳序列，则请点
精品
方式二（方式是否正确，有待考证）

线性回归分析数据的预处理1.绘制统计图图形表明随时间变化存在上升趋势2.散点图由图看出各序列的相关系数均接近于1，所以各序列相关程度较高。

2.对原序列进行ADF平稳性检验Quick-series ststistics-unit root test ,在弹出的series name 对话框中输入需要检验的序列的名称，在test for unit root in 选择框中选择level,得到原数据序列的ADF 检验结果，其他保持默认设置。

得到序列的ADF 平稳性检验结果，检测值-1.17大于所有临界值，则表明序列不平稳以此方法，对各时间序列以此进行ADF检验，将检验值与临界值比较，发现所有序列的检验值均大于临界值，表明各序列都是非平稳的。

（3）时间序列数据的一阶差分的ADF检验Quick-series statistics-unit root test,在series name 对话框中输入需要检验的序列名称QMG ,在test for unit root in 选择框中选择1 nd difference ,对其一阶差分进行稳定性检验，其他保持默认设置。

得到序列的ADF平稳性检验结果，检测值-3.323并非远小于所有临界值，表明序列一阶差分不平稳。

3.Granger因果检验（1）quick-group statistics-granger causality test ,出现如下对话框，点击OK，得到输入序列之间的单项或双向因果关系。

（2）滞后阶数采用Eviews推荐的滞后阶数（3）得到与序列相关的Granger因果检验结果。

MOB的P值是0.0296<0.05，所以拒绝原假设，即MOB是GNP的Granger原因，而GNP的P值为0.6483>0.05，所以接受MOB是GNP的Granger的原解释，也就是MOB是GNP的Granger 的原解释。

分析：MOB对GNP的促进作用比较明显，而GNP对MOB的促进作用很不明显。

一、研究课题：通过对1984——2003年某国GDP和出口的分析，研究GDP和出口量的相关关系并对参数估计值进行检验。

二、模型及数据来源：GDP为因变量，出口量为自变量。

选择模型是一元线性回归模型y=c0+c1x+u（y代表GDP，x代表出口量，u表示残差项）数据来自《计量经济学软件——eviews的使用》135页表12.1。

提取其进口和国内生产总值两列数据：annual export gdp1984 580.5 71711985 808.9 8964.41986 1082.1 10202.21987 1470 11962.51988 1766.7 14928.31989 1956 16909.21990 2985.8 18547.91991 3827.1 21617.81992 4676.3 26638.11993 5284.8 34634.41994 10421.8 46759.41995 12451.8 58478.11996 12576.4 67884.61997 15160.7 74462.61998 15233.6 78345.21999 16159.8 82067.52000 20634.4 89468.12001 22024.4 97314.82002 26947.4 105172.32003 36287.9 117251.9三、作业1、根据表格得到曲线图、散点图、X-Y曲线图：1200001000008000060000400002000084868890929496980002曲线图05000010000015000010000200003000040000EXPORTG D P散点图20000400006000080000100000120000100002000030000EXPORTG D PX-Y 曲线图2、数据描述统计分析024681001234563、简单的回归估计Dependent Variable: GDP Method: Least Squares Date: 06/14/09 Time: 16:38 Sample: 1984 2003 Variable Coefficient Std. Error t-Statistic Prob. C 11772.77 2862.419 4.112873 0.0007 R-squared0.946953 Mean dependent var 49439.02 Adjusted R-squared 0.944006 S.D. dependent var 36735.19 S.E. of regression 8692.656 Akaike info criterion 21.07298 Sum squared resid1.36E+09 Schwarz criterion21.17256Log likelihood -208.7298 F-statistic 321.3229Durbin-Watson stat 0.604971 Prob(F-statistic) 0.000000y t=-11772.77+3.547790x t R2=0.946953 df=18检验回归系数显著性的原假设和备择假设是（给定α = 0.05）H0：c1= 0；H1：c1≠ 0。

作业：2．自己设计一个一元线性回归模型，并查阅2012年统计年鉴，用1985-2011年数据完成下列要求：（1） 作散点图； （2） 拟合样本回归函数；（3） 对所建立的模型进行经济意义检验；（4） 对所建立的模型进行统计检验，并详细解释检验结果； （5） 作历史模拟图，并计算平均绝对百分比误差：%100ˆ11⨯-=∑=ni iii Y Y Y nMAPE（6） 用2011年数据对模型作外推检验；（7） 预测2012年、2013年被解释变量的值，并给出总体均值的95%预测区间。

（注：用Eviews 完成）解：由经济理论分析可知，经济发展水平与居民消费水平有密切关系。

因此，我们设定居民消费水平i Y （绝对数（元））与国内生产总值i X （亿元）的关系为：011,1,2,...,27i i Y X i ββμ=++=数据来源：中国统计年鉴2012 (1) 散点图：在Eviews 中，通过Quick →Gragh →Scatter Diagram ，得到如下散点图：(2)拟合样本回归函数：通过Quick estimation equation，在如下窗口中输入：得到：由此可得样本回归函数：^=665.6063+0.02534i iY X ，（7.398） （50.495）2R=0.9903(3) 其中^1β=0.02534是回归方程的斜率，它表示1985-2011年期间，GDP 每增加1亿元，居民消费水平平均增加0.02534元；^0β=665.6065是回归方程的截距,她表示不受GDP 影响的居民消费水平的起始值。

^1β，^β的符号大小均符合经济理论及实际情况。

(4) 统计检验。

2R =0.9903，说明总离差平方和的99.03%被样本回归直线所解释，只有0.97%未被解释，因此样本回归对样本点的拟合优度很高。

给出显著性水平，α=0.05，查自由度n-2=25的t 分布表，得临界值0.05(25) 2.060t =，^0tβ=7.398 > 0.05(25) 2.060t =，^1tβ=50.495 > 0.05(25) 2.060t =，拒绝回归系数为零的原假设，说明X 变量显著地影响Y 变量。