建立我國1978-2019年最終消費支出與國內生產總值之間的回歸模型，進行參數以及總體的顯著性檢驗，并對經濟模型進行預測。建立我國1978-2019年最終消費支出與國內生產總值之間的1一、統計分析1、圖形分析：在估計模型前，可以借助圖形可以直觀觀察經濟變量的變動規律和相關關系。2、相關性分析3、因果關系分析一、統計分析1、圖形分析：在估計模型前，可以借助圖形可以直觀2二、模型實際操作在Eviews對話框中，點擊Quick菜單中EquationEstimation選項,在Equationspecification對話框中鍵入變量ycx，其中的c是指一個常量。然后在Estimationsettings對話框中method（方法）下選擇LS-LeastSquares(NLSandARMA)，即最小二乘法。sample（樣本）中的19782019表示的是起止年份。lsgdpccons二、模型實際操作在Eviews對話框中，點擊Quick菜單中3簡單線性回歸案例課件4三、輸出結果說明回歸系數（coefficient）：每個系數乘相應的解釋變量就形成了對被解釋變量的最佳預測。系數度量的是它所對應的解釋變量對于預測的貢獻。C的系數序列是回歸中的常數項或截距項，它表示所有其他解釋變量取零時預測的基礎水平。其他參數可以解釋為對應解釋變量和被解釋變量之間的斜率關系。三、輸出結果說明回歸系數（coefficient）：每個系數5標準差（std.error,SE）：主要用于衡量回歸系數的統計可靠性。標準誤差越大，回歸系數估計值越不可靠。根據回歸理論，回歸系數的真值位于系數估計值一個標準差之間的概率大約為2/3，位于兩個標準差之內的概率大約為95%。T統計量（t-Statistic）：這是在假設檢驗中用來檢驗系數是否等于某一特定值的統計量。T統計量檢驗的是某個系數是否為零（即該變量是否不存在于回歸模型中），它等于系數與其標準誤差之比。如果t統計量的值大于1，則該系數的真值至少有2/3的可能性不為零，如果t統計量的值大于2，則該系數的真值至少有95%的可能性不為零。標準差（std.error,SE）：主要用于衡量回歸系數的統6雙側概率（prob)：此列顯示了在t分布中取得前一列的t統計量的概率。通過這一信息可以方便地分辨出是拒絕還是接受系數真值為零的假設。在正常情況下，概率低于0.05即可認為對應系數顯著不為零。可決系數（R-squared）：R2衡量的是在樣本范圍內用回歸來預測被解釋變量的好壞程度。R2=1說明回歸擬合很完美，若R2=0，則回歸擬合程度較差，R2是被解釋變量能夠被解釋變量所解釋的部分。注意，如果回歸沒有截距項或常數項，R2可能是負值。雙側概率（prob)：此列顯示了在t分布中取得前一列的t統計7調整的可決系數（adjustedR-squared）：它與R2相當接近，只是在方差的度量上有微小差異，數值比R2小。回歸標準誤差（SEofregression）：這是一個對預測誤差大小的總體度量。它和被解釋變量的單位相同，是對殘差大小的度量。大約2/3的殘差將落在正負一個標準誤差的范圍內，而95%的殘差將落在正負兩個標準殘差的范圍內。殘差平方和（Sumsquaredresid):它是殘差的平方和，可以用作一些檢驗的輸入值。調整的可決系數（adjustedR-squared）：它與8對數似然估計值（Loglikelihood）：這是在系數估計值的基礎上對對數似然函數的估計值（假定誤差服從正態分布）。可以通過觀察方程的約束式和非約束式的對數似然估計值的差異來進行似然比檢驗。DW統計量（Durbin-Watsonstat）：這是對序列相關性進行檢驗的統計量，如果它比2小很多。則證明這個序列正相關。對數似然估計值（Loglikelihood）：這是在系數估9赤池信息準則（Akaikeinfocriterion）：即AIC，它對方程中的滯后項數選擇提供指導。它是在殘差平方和的基礎上進行的。在特定條件下，可以通過選擇是AIC達到最小的方式來選擇最優滯后分布的長度，AIC的值越小越好。施瓦茨準則（Schwarzcriterion）：與AIC類似，它們具有基本相同的解釋。赤池信息準則（Akaikeinfocriterion）：10F統計量（F-Statistic）：這是對回歸式中的所有系數均為零（除截距項或常數項）的假設檢驗。如果F統計量超過了臨界值，那么至少有一個系數可能不為0。例如，如果有三個解釋變量和100個觀測值，則F統計量大于2.7將表明在至少95%的可能性上這三個變量中的一個或多個不為0。根據F統計量下一行給出的概率也可以方便地進行這項檢驗，如果概率值小于0.05，則說明至少有一個解釋變量的回歸系數不為零。F統計量（F-Statistic）：這是對回歸式中的所有系數11一元線性回歸模型的結果分析樣本回歸方程為：s=(1045.4810.009607)t=(3.60882452.04354)R2=0.989407F=2807.530DW=0.112499SE=4322.578一元線性回歸模型的結果分析12四、模型檢驗1、經濟意義檢驗經濟意義檢驗就是根據經濟理論判斷估計參數的正負號是否合理，大小是否適當。經濟意義檢驗要求具備較為扎實的經濟理論基礎。就本例而言，收入增加會帶動消費增加，邊際消費傾向的取值范圍為0~1，回歸方程中X的系數表示邊際消費傾向，回歸結果為0.49957，符合經濟理論中的絕對收入假說，表示我國國內生產總值每增加100億元，最終消費支出平均增加49.957億元。常數項3772.956表示自發消費，自發消費應該大于零，回歸結果與經濟理論相符。四、模型檢驗1、經濟意義檢驗132、估計標準誤差評價估計標準誤差是根據樣本資料計算的，用來反映被解釋變量的實際值與估計值的平均誤差程度的指標，SE越大，則回歸直線的精度越低；反之，則越高，代表性越好。當SE=0時，表示所有的樣本點都落在回歸直線上，解釋變量之間的表現為函數關系。本例中，SE=4322.578，即估計標準誤差為4322.578億元，它代表我國最終消費支出估計值與實際值之間的平均誤差為4322.578億元。2、估計標準誤差評價143、擬合優度檢驗擬合優度是指樣本回歸直線與樣本觀測數據之間的擬合程度，用樣本決定系數的大小來表示。決定系數用來描述解釋變量對被解釋變量的解釋程度。就本例而言，R2=0.989407，說明本校回歸直線的解釋能力為98.9407％，表示我國最終消費支出Y的總變差中，由解釋變量國內生產總值X解釋的部分占98.9407％，或者說，我國最終消費支出變動的98.9407％可由樣本回歸直線作出解釋，模型的擬合優度較高。3、擬合優度檢驗154、顯著性檢驗顯著性檢驗有兩種方法，第一個方法為T檢驗，第二個方法為P值法。（1）T檢驗對于b0和b1，t統計量分別為3.608824和52.04354。給定α＝0.5，查t分布表，在自由度為n-2＝29下，臨界值tα/2(29)=2.0452。因為，所以、顯著不為零。（2）P值法看圖2.2.20表格中的Prob.列，表示參數估計值T檢驗對應的P值，如果P值小于0.05，說明在顯著水平為0.05時，參數顯著不為0。常數項C對應的P值為0.0011<0.05，所以顯著不為零；解釋變量X對應P值為0.0000<0.05，所以顯著不為零。圖2.2.20最后一行中Prob(F-statistic)是F檢驗對應的P值，0.000000<0.05，說明回歸方程顯著成立。這就說明國內生產總值與最終消費支出之間確實具有顯著的線性關系。4、顯著性檢驗16五、模型預測在估計出的“Equation”框里選“Forecast”項，Eviews將自動計算出樣本估計期內的被解釋變量的擬合值，擬合變量默認為YF。五、模型預測在估計出的“Equation”框里選“Forec17單擊Equation窗口中的“Resids”按鈕，將顯示模型的擬合圖和殘差圖單擊Equation窗口中的“Resids”按鈕，將顯示模型18單擊Equation窗口中的“View”下的“Acutal,Fitted,Residual”項下的“Acutal,Fitted,ResidualTable”按鈕，可以得到擬合值和殘差的有關結果單擊Equation窗口中的“View”下的“Acutal,19若2009年中國國內生產總值為335353億元，下面我們來預測2009年我國最終消費支出。在workfile窗口上點擊Proc下面的Structure/ResizeCurrentpage。或使用命令expandstartend。在Workfile：Untitled對話框中雙擊X（解釋變量），將第32個x值輸入（本例中數值為335353，有時可能需要點擊“Edit+/-”按鈕）打開Equation對話框，點擊“Forecast”，可以修改預測值保存的名稱（默認Yf），點擊確認即可得到預測值序列Yf。從Workfile對話框中雙擊YF，就可得到Eviews軟件自動計算出預測結果。若2009年中國國內生產總值為335353億元，下面我們來預20謝謝！21謝謝！212222建立我國1978-2019年最終消費支出與國內生產總值之間的回歸模型，進行參數以及總體的顯著性檢驗，并對經濟模型進行預測。建立我國1978-2019年最終消費支出與國內生產總值之間的23一、統計分析1、圖形分析：在估計模型前，可以借助圖形可以直觀觀察經濟變量的變動規律和相關關系。2、相關性分析3、因果關系分析一、統計分析1、圖形分析：在估計模型前，可以借助圖形可以直觀24二、模型實際操作在Eviews對話框中，點擊Quick菜單中EquationEstimation選項,在Equationspecification對話框中鍵入變量ycx，其中的c是指一個常量。然后在Estimationsettings對話框中method（方法）下選擇LS-LeastSquares(NLSandARMA)，即最小二乘法。sample（樣本）中的19782019表示的是起止年份。lsgdpccons二、模型實際操作在Eviews對話框中，點擊Quick菜單中25簡單線性回歸案例課件26三、輸出結果說明回歸系數（coefficient）：每個系數乘相應的解釋變量就形成了對被解釋變量的最佳預測。系數度量的是它所對應的解釋變量對于預測的貢獻。C的系數序列是回歸中的常數項或截距項，它表示所有其他解釋變量取零時預測的基礎水平。其他參數可以解釋為對應解釋變量和被解釋變量之間的斜率關系。三、輸出結果說明回歸系數（coefficient）：每個系數27標準差（std.error,SE）：主要用于衡量回歸系數的統計可靠性。標準誤差越大，回歸系數估計值越不可靠。根據回歸理論，回歸系數的真值位于系數估計值一個標準差之間的概率大約為2/3，位于兩個標準差之內的概率大約為95%。T統計量（t-Statistic）：這是在假設檢驗中用來檢驗系數是否等于某一特定值的統計量。T統計量檢驗的是某個系數是否為零（即該變量是否不存在于回歸模型中），它等于系數與其標準誤差之比。如果t統計量的值大于1，則該系數的真值至少有2/3的可能性不為零，如果t統計量的值大于2，則該系數的真值至少有95%的可能性不為零。標準差（std.error,SE）：主要用于衡量回歸系數的統28雙側概率（prob)：此列顯示了在t分布中取得前一列的t統計量的概率。通過這一信息可以方便地分辨出是拒絕還是接受系數真值為零的假設。在正常情況下，概率低于0.05即可認為對應系數顯著不為零。可決系數（R-squared）：R2衡量的是在樣本范圍內用回歸來預測被解釋變量的好壞程度。R2=1說明回歸擬合很完美，若R2=0，則回歸擬合程度較差，R2是被解釋變量能夠被解釋變量所解釋的部分。注意，如果回歸沒有截距項或常數項，R2可能是負值。雙側概率（prob)：此列顯示了在t分布中取得前一列的t統計29調整的可決系數（adjustedR-squared）：它與R2相當接近，只是在方差的度量上有微小差異，數值比R2小。回歸標準誤差（SEofregression）：這是一個對預測誤差大小的總體度量。它和被解釋變量的單位相同，是對殘差大小的度量。大約2/3的殘差將落在正負一個標準誤差的范圍內，而95%的殘差將落在正負兩個標準殘差的范圍內。殘差平方和（Sumsquaredresid):它是殘差的平方和，可以用作一些檢驗的輸入值。調整的可決系數（adjustedR-squared）：它與30對數似然估計值（Loglikelihood）：這是在系數估計值的基礎上對對數似然函數的估計值（假定誤差服從正態分布）。可以通過觀察方程的約束式和非約束式的對數似然估計值的差異來進行似然比檢驗。DW統計量（Durbin-Watsonstat）：這是對序列相關性進行檢驗的統計量，如果它比2小很多。則證明這個序列正相關。對數似然估計值（Loglikelihood）：這是在系數估31赤池信息準則（Akaikeinfocriterion）：即AIC，它對方程中的滯后項數選擇提供指導。它是在殘差平方和的基礎上進行的。在特定條件下，可以通過選擇是AIC達到最小的方式來選擇最優滯后分布的長度，AIC的值越小越好。施瓦茨準則（Schwarzcriterion）：與AIC類似，它們具有基本相同的解釋。赤池信息準則（Akaikeinfocriterion）：32F統計量（F-Statistic）：這是對回歸式中的所有系數均為零（除截距項或常數項）的假設檢驗。如果F統計量超過了臨界值，那么至少有一個系數可能不為0。例如，如果有三個解釋變量和100個觀測值，則F統計量大于2.7將表明在至少95%的可能性上這三個變量中的一個或多個不為0。根據F統計量下一行給出的概率也可以方便地進行這項檢驗，如果概率值小于0.05，則說明至少有一個解釋變量的回歸系數不為零。F統計量（F-Statistic）：這是對回歸式中的所有系數33一元線性回歸模型的結果分析樣本回歸方程為：s=(1045.4810.009607)t=(3.60882452.04354)R2=0.989407F=2807.530DW=0.112499SE=4322.578一元線性回歸模型的結果分析34四、模型檢驗1、經濟意義檢驗經濟意義檢驗就是根據經濟理論判斷估計參數的正負號是否合理，大小是否適當。經濟意義檢驗要求具備較為扎實的經濟理論基礎。就本例而言，收入增加會帶動消費增加，邊際消費傾向的取值范圍為0~1，回歸方程中X的系數表示邊際消費傾向，回歸結果為0.49957，符合經濟理論中的絕對收入假說，表示我國國內生產總值每增加100億元，最終消費支出平均增加49.957億元。常數項3772.956表示自發消費，自發消費應該大于零，回歸結果與經濟理論相符。四、模型檢驗1、經濟意義檢驗352、估計標準誤差評價估計標準誤差是根據樣本資料計算的，用來反映被解釋變量的實際值與估計值的平均誤差程度的指標，SE越大，則回歸直線的精度越低；反之，則越高，代表性越好。當SE=0時，表示所有的樣本點都落在回歸直線上，解釋變量之間的表現為函數關系。本例中，SE=4322.578，即估計標準誤差為4322.578億元，它代表我國最終消費支出估計值與實際值之間的平均誤差為4322.578億元。2、估計標準誤差評價363、擬合優度檢驗擬合優度是指樣本回歸直線與樣本觀測數據之間的擬合程度，用樣本決定系數的大小來表示。決定系數用來描述解釋變量對被解釋變量的解釋程度。就本例而言，R2=0.989407，說明本校回歸直線的解釋能力為98.9407％，表示我國最終消費支出Y的總變差中，由解釋變量國內生產總值X解釋的部分占98.9407％，或者說，我國最終消費支出變動的98.9407％可由樣本回歸直線作出解釋，模型的擬合優度較高。3、擬合優度檢驗374、顯著性檢驗顯著性檢驗有兩種方法，第一個方法為T檢驗，第二個方法為P值法。（1）T檢驗對于b0和b1，t統計量分別為3.608824和52.04354。給定α＝0.5，查t分布表，在自由度為n-2＝29下，臨界值tα/2(29)=2.0452。因為，所以、顯著不為零。（2）P值法看圖2.2.20表格中的Prob.列，表示參數估計值T檢驗對應的P值，如果P值小于0.05，說明在顯著水平為0.05時，參數顯著不為0。常數項C對應的P值為0.0011<0.05，所以顯著不為零；解釋變量X對應P值為0.0000<0