应用回归分析实验2 多元回归分析

实验二：多元线性回归分析

【实验目的】

掌握建立多元回归模型和比较、筛选模型的方法。 【实验内容】

建立我国国有独立核算工业企业生产函数。根据生产函数理论，生产函数的基本形式为：Y?f?t,L,K,??。其中，L、K分别为生产过程中投入的劳动与资金，时间变量t反映技术进步的影响。表3-1列出了我国1978-1994年期间国有独立核算工业企业的有关统计资料；其中产出Y为工业总产值（可比价），L、K分别为年末职工人数和固定资产净值（可比价）。

表3-1 我国国有独立核算工业企业统计资料 年份 1978 1979 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 时间t 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 工业总产值 Y（亿元） 3289.18 3581.26 3782.17 3877.86 4151.25 4541.05 4946.11 5586.14 5931.36 6601.60 7434.06 7721.01 7949.55 8634.80 9705.52 10261.65 10928.66 职工人数 L（万人） 3139 3208 3334 3488 3582 3632 3669 3815 3955 4086 4229 4273 4364 4472 4521 4498 4545 固定资产 K（亿元） 2225.70 2376.34 2522.81 2700.90 2902.19 3141.76 3350.95 3835.79 4302.25 4786.05 5251.90 5808.71 6365.79 7071.35 7757.25 8628.77 9374.34 资料来源：根据《中国统计年鉴－1995》和《中国工业经济年鉴-1995》计算整理

【实验步骤】

一、建立多元线性回归模型

㈠建立包括时间变量的三元线性回归模型； 在命令窗口依次键入以下命令即可： ⒈建立工作文件： CREATE A 78 94 ⒉输入统计资料： DATA Y L K

⒊生成时间变量t： GENR T=@TREND(77) ⒋建立回归模型： LS Y C T L K 则生产函数的估计结果及有关信息如图3-1所示。

图3-1 我国国有独立核算工业企业生产函数的估计结果 因此，我国国有独立工业企业的生产函数为：

???675.32?77.6789（模型1） yt?0.6667L?0.7764K

t＝(-0.252) (0.672) (0.781) (7.433)

8551R2?0.9958 R2?0.994 8 F?101.

模型的计算结果表明，我国国有独立核算工业企业的劳动力边际产出为0.6667，资金的边际产出为0.7764，技术进步的影响使工业总产值平均每年递增77.68亿元。回归系数的符号和数值是较为合理的。R2?0.9958，说明模型有很高的拟合优度，F检验也是高度显著的，说明职工人数L、资金K和时间变量t对工业总产值的总影响是显著的。从图3-1看出，解释变量资金K的t统计量值为7.433，表明资金对企业产出的影响是显著的。但是，模型中其他变量（包括常数项）的t统计量值都较小，未通过检验。因此，需要对以上三元线性回归模型做适当的调整，按照统计检验程序，一般应先剔除t统计量最小的变量（即时间变量）而重新建立模型。

㈡建立剔除时间变量的二元线性回归模型； 命令：LS Y C L K

则生产函数的估计结果及有关信息如图3-2所示。

图3-2 剔除时间变量后的估计结果

因此，我国国有独立工业企业的生产函数为：

???2387 y.27?1.2085L?0.8345K （模型2）

t＝(-2.922) (4.427) (14.533)

R2?0.9956 R2?0.995 0 F?1589.953

从图3-2的结果看出，回归系数的符号和数值也是合理的。劳动力边际产出为1.2085，资金的边际产出为0.8345，表明这段时期劳动力投入的增加对我国国有独立核算工业企业的产出的影响最为明显。模型2的拟合优度较模型1并无多大变化，F检验也是高度显著的。这里，解释变量、常数项的t检验值都比较大，显著性概率都小于0.05，因此模型2较模型1更为合理。

㈢建立非线性回归模型——C-D生产函数。

C-D生产函数为：Y?AL?K?e?，对于此类非线性函数，可以采用以下两种方式建立模型。

方式1：转化成线性模型进行估计； 在模型两端同时取对数，得：

lny?lnA??lnL??lnK??

在EViews软件的命令窗口中依次键入以下命令：

GENR LNY=log（Y） GENR LNL=log（L） GENR LNK=log（K） LS LNY C LNL LNK 则估计结果如图3-3所示。

图3-3 线性变换后的C-D生产函数估计结果

即可得到C-D生产函数的估计式为：

???1.9513?0.6045lnL?0.6737lnK （模型3）lny

t＝ (-1.172) (2.217) (9.310)

R2?0.9958 R2?0.995 1 F?1641.407

??0.1424L0.6045K0.6737 即：y从模型3中看出，资本与劳动的产出弹性都是在0到1之间，模型的经济意义合理，而且拟合优度较模型2还略有提高，解释变量都通过了显著性检验。

方式2：迭代估计非线性模型，迭代过程中可以作如下控制： ⑴在工作文件窗口中双击序列C，输入参数的初始值； ⑵在方程描述框中点击Options，输入精度控制值。 控制过程：

①参数初值：0，0，0；迭代精度：10－3； 则生产函数的估计结果如图3-4所示。

图3-4 生产函数估计结果

此时，函数表达式为：