【零基础Eviews实例】00了解多元线性回归模型常见检验
使用说明
刚接触计量经济学和Eviews
软件不久,并且本着能用就行的原则,只对软件的操作和模型的结果分析进行说明,并不太在意具体的方法和具体的数学原理。
以下内容大多为在网上学习相关操作,按照自己的理解进行操作和分析,仅仅代现阶段个人看法,并不保证一定正确,如有错误欢迎指正!
以某次多元线性回归为例介绍多元线性回归模型常见的检验方法,其中Farming
为被解释变量,其他的所有变量为解释变量。此处要求进行:多重共线性检验、随机误差项正态分布检验、异方差检验、模型结构稳定性检验。
0. 前期准备
创建工作文件:
【File】 -> 【New】 -> 【WorkFile】
或Ctrl + N
确定起止日期:
以上操作可通过在
Command
输入:wfcreate a 1985 2014
实现
创建数据集:
【Quick】 -> 【Empty Group】
导入数据(也可从
Excel
直接导入):先将Group
上滑再粘贴进入数据集
此时我们完成了所有的数据导入,可以开始进行回归模型分析。
1. 模型和参数检验
定义影响因素组:为便于后续的操作,我们将可能影响的因素都定义为一个
Group
并命名为Factor
对创建的数据组命名
是否成功的检验
创建方程进行估计:
【Quick】 -> 【Esttimate Equation】
- 进行全变量回归:将所有变量(实际上就是
Group Factor
代入回归模型求解)
上述操作也可以通过
Command
中输入ls farming c factor
实现
- 回归模型及参数的检验
通过观察模型的F
和t
统计量以及其实际概率(P
值,与显著性水平对比)可以看出模型和系数是否显著。
在此模型中,由于
Prob(F-statistic)<0.05
故模型显著,变量中Electricity
和Grain
对应的Prob.<0.05
,可认为这两个变量影响显著,其余的变量影响则不显著。
2. 多重共线性检验
多重共线性的检验方法有很多,模型中F
检验能通过,但是t
检验却不能通过是一种较为简洁的判断是否存在多重共线性的方式。上述原始模型满足此条件,大胆估计模型存在多重共线性,使用VIF
值再进行判断。
VIF
检验多重共线性:【View】 -> 【Coefficient Diagnostics】 -> 【Variance Inflation Factors】
观察
VIF
值判断结果:通常以10为界,大于10则认为存在较为严重的多重共线性
此处可以认为模型存在极其严重的多重共线性,需要对模型进行修正(通常需要删除某些变量)
采用逐步回归删除变量进行修正:和
OLS
操作相同,只是模型选择STEPLS
确定逐步回归模型的相关参数,再次进行回归分析
上述的步骤可以通过在
Command
中输入stepls(ftol=0.1, btol=0.1) farming c @ factor
实现
- 按照步骤(1,2)再次检测
VIF
值,判断是否通过多重共线性检验
3. 误差项正态分布检验
误差项是否服从正态分布通常可以通过做图像或通过J-B
检验判断
图像判断:在方程界面点击
Resids
选择图像
图像结果观察:观察残差图像是否有明显的趋势性,若没有,大体上可认为其服从正态分布
J-B
检验:先选中resid
,选则View -> Descriptive Statistics -> Histogram and Stats
进行检验
J-B
检验结果:观察结果,发现P=0.2005 > 0.05
可认为保留原假设,即满足正态分布
4. 异方差检验
异方差的检验方法也有很多,此处通过White
检验进行判断
White
检验方法:View -> Residual Diagnostic -> Heteroskedasticity Test -> Wihte
White
检验结果解读:观察t
统计量及其实际概率,发现不能通过检验,认为存在异方差性
注:这里应该是不存在异方差,因为原假设为同方差,此处不拒绝原假设,故可认为不存在异方差。若存在异方差则按照下列步骤进行修正!
- 异方差的修正:进行赋权
4. 模型稳定性检验
通过Chow
检验判断模型是否存在截断点(拐点)
绘制被解释变量草图:操作同3.1-3.2,可得到原数据,拟合数据,误差项图像,认为06年为可能的拐点
进行
Chow
检验:View -> Stability Diagnostic -> Chow Breakpoint Test
设置断点:设置断点为2006年
观察统计结果:主要看模型的
F
和对应的P
值,发现模型结构不稳定存在断点
模型的修正:对于这类情况,需要设置虚拟变量构造分段函数进行修正
【零基础Eviews实例】00了解多元线性回归模型常见检验相关推荐
- 【零基础Eviews实例】02自相关(序列相关)的检验与修正
使用说明 本文档主要介绍关于线性回归模型的自相关(又叫序列相关)的检验(图像法.辅助回归.DW检验与LM检验)与修正(广义差分最小二乘法,GLS).使用软件为Eviews 9. 关于一些提到的基本操作 ...
- python多元线性回归实例_Python机器学习多元线性回归模型 | kTWO-个人博客
前言 在上一篇文章<机器学习简单线性回归模型>中我们讲解分析了Python机器学习中单输入的线性回归模型,但是在实际生活中,我们遇到的问题都是多个条件决定的问题,在机器学习中我们称之为多元 ...
- Day1。Eviews做简单的多元线性回归模型(自用)
数据录入,然后ls y x1 x3 c,或者直接点击quick-estimate equation,模型拟合结果就出来了. coefficient:系数,表明x与y的数据关系,正数表示正相关,负表示负 ...
- 三、多元线性回归模型(计量经济学学习笔记)
①多元线性回归模型及古典假定 1.1多元线性回归模式 多元线性回归模型是指对各个回归参数而言是线性的,而对于变量既可以是线性的,也可以不是线性的. 一般地,由n个单位构成的总体,包含被解释变量Y和k- ...
- 回归方程的拟合优度检验_计量经济学第四讲(多元线性回归模型:基本假定,参数估计,统计检验)...
第三章.经典单方程计量经济学模型:多元线性回归模型 3.1多元线性回归模型及其基本假定 3.1.1多元回归模型及其表示 解释变量至少有两个的线性回归模型,一般形式为 如果不作说明, 是不包括常数项的解 ...
- Python 实战多元线性回归模型,附带原理+代码
作者 | 萝卜 来源 | 早起Python( ID:zaoqi-python ) 「多元线性回归模型」非常常见,是大多数人入门机器学习的第一个案例,尽管如此,里面还是有许多值得学习和注意的地方.其中多 ...
- python多元线性回归模型_python – 使用Tensorflow的多元线性回归模型
我想通过使用Tensorflow构建一个多元线性回归模型. 一个数据示例:2104,3,399900(前两个是功能,最后一个是房价;我们有47个示例) 代码如下: import numpy as np ...
- python多元线性回归模型案例_Python 实战多元线性回归模型,附带原理+代码
原标题:Python 实战多元线性回归模型,附带原理+代码 作者 | 萝卜 来源 | 早起Python( ID:zaoqi-python ) 「多元线性回归模型」非常常见,是大多数人入门机器学习的第一 ...
- 《计量经济学》学习笔记之多元线性回归模型
导航 上一章:一元线性回归模型 下一章:放宽基本假定的模型 文章目录 导航 3.1多元线性回归模型 一.多元线性回归模型 二.多元线性回归的基本假设 3.2多元线性回归模型的参数估计 四.参数统计量的 ...
最新文章
- 搞开源也会被死亡恐吓!
- Python内置函数大全
- Ubuntu 下 Git 服务器的安装和初级配置
- C#事件-自定义事件
- Python+Opencv实现多种形状的检测
- 牛客题霸 [反转字符串] C++题解/答案
- 基于matlab的pcb焊盘,EDA复习题
- (译)如何优化cocos2d程序的内存使用和程序大小:第二部分(完)
- 救救孩子?强制实名游戏不足四成 青少年视力保护状况堪忧
- mysql解压安装如何登录_如何安装windows解压版MySQL及开启报错
- iOS开发多线程篇---线程间的通信
- 地震时,它可以救你一命!
- 【树叶识别】基于matlab PNN神经网络树叶类别【含Matlab源码 798期】
- 鼠标宏设置到鼠标左键,重置回去!
- Python 微信自动发送消息
- 5.6 深度卷积神经网络(AlexNet)
- 公有云、私有云、私有化_私有云与公共云的评估
- 44个路由器知识要点
- Greenfoot简介与使用入门
- js中exec()函数的使用