資源描述：
《計量經濟學實驗教學案例實驗三_多元回歸模型》由會員上傳分享，免費在線閱讀，更多相關內容在工程資料-天天文庫。
1、實驗三多元回歸模型【實驗目的】掌握建立多元回歸模型和比較、篩選模型的方法?！緦嶒瀮热荨拷⑽覈鴩鴥营毩⒑怂愎I(yè)企業(yè)生產函數。根據生產函數理論，生產函數的基本形式為：Y=f（r,L,K?。其中，L、K分別為生產過程中投入的勞動與資金,吋間變量r反映技術進步的影響。表3-1列出了我國1978-1994年期間國有獨立核算工業(yè)企業(yè)的有關統計資料；其中產出Y為工業(yè)總產值（可比價），L、K分別為年末職工人數和固定資產凈值（可比價）。表3-1我國國有獨立核算工業(yè)企業(yè)統計資料年份時間r工業(yè)總產值Y（億元）職工人數L（萬人）固定資產K（億元）197813289.1831392225.70197923
2、581.2632082376.34198033782.1733342522.81198143877.8634882700.90198254151.2535822902.19198364541.0536323141.76198474946.1136693350.95198585586.1438153835.79198695931.3639554302.251987106601.6040864786.051988117434.0642295251.901989127721.014273580&711990137949.5543646365.791991148634.8044727071
3、.351992159705.5245217757.2519931610261.6544988628.7719941710928.6645459374.34資料來源：根據《中國統計年鑒—1995》和《中國工業(yè)經濟年鑒-1995》計算整理一、建立多元線性回歸模型㈠建立包描時間變量的三元線性冋歸模型；在命令窗口依次鍵入以下命令即可：1?建立工作文件：CREATEA78942?輸入統計資料：DATAYLK3?生成時間變量f:GENRT二?TREND（77）%表示生成1977年后的時間變量t4?建立回歸模型：LSYCTLK則生產函數的估計結果及冇關信息如圖3-1所示。VariableCoef
4、ficientStd.Errort-StatisticProb.C-675.32082682.060-0.2517920.8051T77.67893115.67310.6715380.5136L0.6666650.8536260.7809800.4488K0.7764170.1044597.4327450.0000R-squared0.995764Meandependentvar6407.249AdjustedR-squared0.994786S?D.dependentvar2486.742SE.ofregression179.5630Akaikeinfocriterion13.4
5、2125Sumsquaredresid419157.5Schwarzcriterion13.61730Loglikelihood-110.0807F-statistic1018.551Durbin-Watsonstat1.510903Prob(F-statistic)0.000000圖3-1我國國有獨立核算工業(yè)企業(yè)生產函數的估計結果（模型1）因此，我國國有獨立工業(yè)企業(yè)的生產函數為:y=-675.32+77.6789/+0.6667L+0.7764Kt=(-0.252)(0.672)(0.781)(7.433)R2=0.9958F=0.9948F=1018.551模型的計算結果表明，
6、我國國有獨立核算工業(yè)企業(yè)的勞動力邊際產出為0.6667,資金的邊際產出為0.7764,技術進步的影響使工業(yè)總產值平均毎年遞增77.68億元?；貧w系數的符號和數值是較為合理的。/=09958,說明模型有很高的擬合優(yōu)度，F檢驗也是高度顯著的，說明職工人數L、資金K和時間變量！對工業(yè)總產值的總影響是顯著的。從圖3-1看出，解釋變量資金K的/統計量值為7.433,表明資金對金業(yè)產出的影響是顯著的。但是，模型屮其他變量（包描常數項）的/統計量值都較小，未通過檢驗。因此，需要對以上三元線性冋歸模型做適當的調整，按照統計檢驗程序，一般應先剔除f統計量最小的變量（即時間變量）而重新建立模型。㈡建立
7、剔除時間變量的二元線性冋歸模型；命令：LSYCLK則生產函數的估計結果及有關信息如圖3-2所示。VariableCoefficientStd.Errort-StatisticProb.C?2387.269816.8895-2.9223900.0111L1.2085320.2730204.4265280.0006K0.8344960.05742114.532870.0000R-squared0.995617Meandependentvar6407.249Adjusted
