- 1、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
计量实验报告.
科技与艺术学院经管系
实验报告
实验名称 : Eviews软件应用
实验地点: 4号机房
实验时间: 2015-2016(1)
系 (部) 经管系
专 业 经济学
班 级 13经济(2)班
学生姓名 沈佳
学 号 X
指导老师 牧云志
实验报告
实验一:Eviews软件基本操作
实验目的:
? 掌握EViews软件的安装、数据编辑、文件存贮等基本操作。
实验内容:
一、EViews软件的安装;?
二、数据查找;?
三、数据输入、编辑与序列生成;?
四、图形分析与描述统计分析;
五、数据文件的存贮、调用。
实验练习:
EViews软件的安装
数据查找
数据输入、编辑与序列生成
四、图形分析、描述统计分析
五、数据文件的存贮、调用。
实验二:简单线性回归模型
实验目的:
掌握简单线性回归模型的建立。
实验内容:
一、作出散点图;
二、相关分析(计算相关系数);
三、回归模型建立;
四、模型检验与分析。
实验练习:
1、首先画出建筑面积(万平方米)X和建造单位成本(元/平方米)Y的散点图。
从散点图可以看出建筑面积X和建造单位成本Y大体上呈线性关系,所以建立建筑面积X和建造单位成本Y的线性回归方程:
2、利用1-12号建筑地的数据估计其参数,结果见表1及(2.1)式。
表1:回归结果
Dependent Variable: Y
Method: Least Squares
Date: 11/05/15 Time: 18:43
Sample: 1 12
Included observations: 12
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
1845.475
19.26446
95.79688
0.0000
X
-64.18400
4.809828
-13.34434
0.0000
R-squared
0.946829
Mean dependent var
1619.333
Adjusted R-squared
0.941512
S.D. dependent var
131.2252
S.E. of regression
31.73600
Akaike info criterion
9.903792
Sum squared resid
10071.74
Schwarz criterion
9.984610
Log likelihood
-57.42275
F-statistic
178.0715
Durbin-Watson stat
1.172407
Prob(F-statistic)
0.000000
(2.1)
由表1知,可决系数R2=0.9468,说明所建模型整体上对样本数据拟合较好,即解释变量建筑面积对被解释变量建造单位成本的绝大部分差异做出了解释。
对回归系数的t检验:取,,拒绝原假设;,拒绝原假设。说明建筑面积对建造单位成本有显著影响,建筑面积增加1万平方米,平均说来建造单位成本将每平方米减少64.184元。 实验三:多元线性回归以及多重共线性的检验与处理
实验目的:
掌握多元线性回归模型的估计方法、
重共线性问题的检验与处理方法。
实验内容:
一、多元回归模型建立、模型检验与分析;
二、诊断多重共线性(简单相关系数法、方差膨胀因子法);
三、降低多重共线性(逐步回归法等)。
实验练习:
一、多元回归模型建立、模型检验与分析
1、
可以看出,我国钢材供应量及各影响因素的差异明显,其变动的方向基本相同,相互间可能具有一定的相关性,探索将模型设定为线性回归模型形式:
2、利用1978年-1997年的数据估计其参数,结果见表1及(2.1)式。
Dependent Variable: Y
Method: Least Squares
Date: 11/08/15 Time: 20:12
Sample: 1978 1997
Included observations: 20
Variable
Coefficie
文档评论(0)