多元線性回歸模型的計算過程及案例分析計算過程根據(jù)組觀察樣本的原始數(shù)據(jù)，寫出如下矩陣：計算。計算參數(shù)向量的最小二乘法估計。計算應(yīng)變量觀測值向量的擬合值向量。計算殘差平方和及殘差的標準差計算多重決定系數(shù)和修正的多重系數(shù)，作擬合檢驗。（7）計算參數(shù)估計的標準差：其中是矩陣中第行第列位置上的元素。（8）計算檢驗統(tǒng)計量和的值，作回歸參數(shù)及回歸方程的顯著性檢驗。在原假設(shè)下的統(tǒng)計量為在原假設(shè)下的統(tǒng)計量為。（9）若模型未通過檢驗，則重新建立模型并重復(fù)上述步驟；若模型通過檢驗，且滿足模型的古典假設(shè)，則可利用此模型進行結(jié)構(gòu)分析或經(jīng)濟預(yù)測等實際應(yīng)用案例分析某種商品的需求量（，噸）、價格（，元/千克）、和消費者收入（，元）觀測值如表所示：商品的需求量（，噸）、價格（，元/千克）、和消費者收入（，元）觀測值1005100065740075760090513008061200100411007065001103130050830609300要求：（1）建立需求函數(shù)：；（2）估計的置信區(qū)間（置信度為95%）；（3）在5%顯著水平上檢驗?zāi)Ｐ偷挠行浴＞唧w步驟：（1）建立工作文件。啟動EViews;單擊“File”，出現(xiàn)下拉菜單，單擊“New”→“Workfile”，出現(xiàn)“WorkfileRange”對話框；單擊“Workfilefrequency”中的“Undatedorirregular”，在對話框“Startdate”和“Enddate”中分別鍵入1和10，單擊“OK”，出現(xiàn)工作文件窗口。若要將工作文件存盤，則單擊工作文件窗口上方的“Save”，在跳出的“SaveAs”對話框中給定路徑和文件名，然后單擊“OK”，工作文件中的內(nèi)容將被保存。（2）輸入數(shù)據(jù)。單擊“Quick”，出現(xiàn)下拉菜單，單擊“EmptyGoup”出現(xiàn)“Group”窗口。在數(shù)據(jù)的第一列中鍵入y的數(shù)據(jù)，并將該序列取為y;在第二、三列中分別鍵入和的數(shù)據(jù)，并分別取為和。（3）回歸分析。單擊“Procs”，出現(xiàn)下拉菜單，單擊“MakeEquation”，出現(xiàn)回歸方程設(shè)定對話框，在“EquationSpecification”欄中鍵入y,c,,；在EstimationSettings欄中選擇LeastSquares(最小二乘法)；單擊“OK”，顯示結(jié)果：（ⅰ）估計模型結(jié)果如下：（ⅱ）的置信區(qū)間（置信度為95%）；的置信度為95%置信區(qū)間：的置信度為95%置信區(qū)間：（4）檢驗?zāi)Ｐ汀ＤＰ偷慕?jīng)濟意義檢驗：回歸系數(shù)估計值，表明商品需求量與價格反方向變動，當其他條件不變時，商品價格每千克上升1元時，對該商品的需求量將平均減少7.188245噸；回歸系數(shù)估計值表明商品需求量與消費者收入水平同方向變動，當其他條件不變時，消費者收入水平每提高1元時，對該商品的需求量將平均增加0.014297噸。回歸方程的標準誤差的評價：表明回歸方程與各觀測點的平均誤差為7.213258噸。擬合優(yōu)度檢驗：表明回歸方程即上述需求函數(shù)的解釋能力為86.4%，即商品價格和消費者收入水平能對該種商品需求變動的86.4%做出解釋。回歸方程的擬合優(yōu)度較好。回歸模型的總體顯著性檢驗：從全部因素的總體影響看，在5%顯著水平上，說明即商品價格和消費者收入水平對該種商品需求的共同影響是顯著