使用eviews做线性回归分析

使用eviews做线性回归分析

ID:13394948

大小:40.00 KB

页数:6页

时间:2018-07-22

使用eviews做线性回归分析_第1页
使用eviews做线性回归分析_第2页
使用eviews做线性回归分析_第3页
使用eviews做线性回归分析_第4页
使用eviews做线性回归分析_第5页
资源描述:

《使用eviews做线性回归分析》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、Glossary:ls(leastsquares)最小二乘法R-sequared样本决定系数(R2):值为0-1,越接近1表示拟合越好,>0.8认为可以接受,但是R2随因变量的增多而增大,解决这个问题使用来调整AdjustR-seqaured()S.Eofregression回归标准误差Loglikelihood对数似然比:残差越小,L值越大,越大说明模型越正确Durbin-Watsonstat:DW统计量,0-4之间Meandependentvar因变量的均值S.D.dependentvar因变量的标准差Akaikeinfocriterion赤池信息量(AIC)(越小说明模型越精确)S

2、chwarzctiterion:施瓦兹信息量(SC)(越小说明模型越精确)Prob(F-statistic)相伴概率fitted(拟合值)线性回归的基本假设:1.自变量之间不相关2.随机误差相互独立,且服从期望为0,标准差为σ的正态分布3.样本个数多于参数个数建模方法:lsycx1x2x3...x1x2x3的选择先做各序列之间的简单相关系数计算,选择同因变量相关系数大而自变量相关系数小的一些变量。模型的实际业务含义也有指导意义,比如m1同gdp肯定是相关的。模型的建立是简单的,复杂的是模型的检验、评价和之后的调整、择优。模型检验:1)方程显著性检验(F检验):模型拟合样本的效果,即选择的

3、所有自变量对因变量的解释力度F大于临界值则说明拒绝0假设。Eviews给出了拒绝0假设(所有系统为0的假设)犯错误(第一类错误或α错误)的概率(收尾概率或相伴概率)p值,若p小于置信度(如0.05)则可以拒绝0假设,即认为方程显著性明显。2)回归系数显著性检验(t检验):检验每一个自变量的合理性

4、t

5、大于临界值表示可拒绝系数为0的假设,即系数合理。t分布的自由度为n-p-1,n为样本数,p为系数位置3)DW检验:检验残差序列的自相关性,检验基本假设2(随机误差相互独立)残差:模型计算值与资料实测值之差为残差0<=dw<=dl残差序列正相关,du

6、4负相关,若不在以上3个区间则检验失败,无法判断demo中的dw=0.141430,dl=1.73369,du=1.7786,所以存在正相关模型评价目的:不同模型中择优1)样本决定系数R-squared及修正的R-squaredR-squared=SSR/SST表示总离差平方和中由回归方程可以解释部分的比例,比例越大说明回归方程可以解释的部分越多。AdjustR-seqaured=1-(n-1)/(n-k)(1-R2)2)对数似然值(LogLikelihood,简记为L)残差越小,L越大3)AIC准则AIC=-2L/n+2k/n,其中L为loglikelihood,n为样本总量,k为参数

7、个数。AIC可认为是反向修正的L,AIC越小说明模型越精确。4)SC准则SC=-2L/n+k*ln(n)/n用法同AIC非常接近预测forecastrootmeansequarederror(RMSE)均方根误差MeanAbsoluteError(MAE)平均绝对误差这两个变量取决于因变量的绝对值,MAPE(MeanAbs.PercentError)平均绝对百分误差,一般的认为MAPE<10则认为预测精度较高TheilInequalityCoefficient(希尔不等系数)值为0-1,越小表示拟合值和真实值差异越小。偏差率(biasProportion),bp,反映预测值和真实值均值间

8、的差异方差率(varianceProportion),vp,反映预测值和真实值标准差的差异协变率(covarianceProportion),cp,反映了剩余的误差以上三项相加等于1。预测比较理想是bp,vp比较小,值集中在cp上。eviews不能直接计算出预测值的置信区间,需要通过置信区间的上下限公式来计算。如何操作?其他1)Chow检验chow'sbreakpoint检验零假设是:两个子样本拟合的方程无显著差异。有差异则说明关系中结构发生改变demo中ChowBreakpointTest:1977Q1F-statistic2.95511837136742Prob.F(3,174)0.

9、0339915698953355Loglikelihoodratio8.94507926849178Prob.Chi-Square(3)0.0300300700620291p值<0.05,可拒绝0假设,即认为各个因素的影响强弱发生了改变。问题是如何才能准确的找到这个或这几个断点?目前的方法是找残差扩大超出边线的那个点,但这是不准确的,在demo中1975Q2的残差超出,但是chow'sbreakpoint检验的两个p值都接近0.2,

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。