-
武
汉
轻
工
大
学
经济与管理学院
实验报告
实验课程名称
回归模型的函数形式
实验指导教师
实验起止日期
实验学生姓名
学生班级学号
实
验
评
语
实验
评分
教师
签名
年
月
日
实验项目名称
学生姓名
回归模型的函数形式
实验日期
班级学号
一、预习报告（请阐述本次实验的目的及意义）
在我们的现实生活中，对于很多经济现象，参数性
/
变量线性回归模型并不适合。因此，
需要对模型进行变化，比如：双对数模型、半对数模型、倒数模型等。这些模型都是参数
线性
模型，但变量却不一定是线性的。在本次实验中
我们还进行了多重共线性分析，即分析解释变
量是否是近似线性相关。
二、实验方案（请说明本次实验的步骤和进程）
二、
模型一：双对数模型（墨西哥<
/p>
GDP
为例）
将
GDP
、
就
业、
固定资本三个变量用简易变量代替，
并生成新的对数变量，
再进行回归分析。
. rename gdp
y
. rename employment x1
.
rename fixedcapital x2
. g
lny=ln(y)
. g lnx1=ln(x1)
. g
lnx2=ln(x2)
. reg lny lnx1
lnx2
Source SS df
MS Number of obs = 20
F( 2, 17) = 1719.31
Model
2.75165085 2 1.37582542 Prob > F
= 0.0000
Residual .013603768
17 .000800222 R-squared =
0.9951
Adj R-squared = 0.9945
Total
2.76525462 19 .145539717 Root MSE
= .02829
lny Coef. Std. Err.
t P>|t| [95% Conf. Interval]
lnx1 .3397214 .1856879
1.83 0.085 -.0520459 .7314887
lnx2 .8459995 .0933492 9.06 0.000
.6490499 1.042949
_cons
-1.652345 .6061893 -2.73 0.014 -2.931293
-.3733975
. clear
由图可知：回归方
程为
lny=-1.652345+0.3397214lnx1+0.8459995
lnx2
。
在其他变量保持不变的情
况下，劳动投入每增加一个百分点，
GDP
增加
0.33972141%
。假设显
著水平为
0.05
，就业的变化对
GDP
< br>的影响不显著，资本投入对
GDP
有显著影响。
三、
模型二：对数
-
线性模型（美国人口）
首先将因变量改为对数形式，对其进行回归分析，并产生新的回归方程。
. g lny=ln(y)
.
clear
. use
×???
?????????§???ú°???
dta
????
??
>
?é????????????°????¨???ú??????
.dta<
/p>
. clear
. use
×???
?????????§???ú°??
?
dta
????
??
>
?é????????????°????¨??
?ú??????
.dta
. g
lny=ln(y)
. reg lny t
Source SS df MS
Number of obs = 33
F( 1, 31) =16842.66
Model
.345636615 1 .345636615 Prob > F
= 0.0000
Residual .000636166
31 .000020521 R-squared =
0.9982
Adj R-squared = 0.9981
Total
.346272782 32 .010821024 Root MSE
= .00453
lny Coef. Std. Err.
t P>|t| [95% Conf. Interval]
t .010748 .0000828
129.78 0.000 .0105791 .0109169
_cons 5.359326 .0016137 3321.12 0.000
5.356035 5.362618
由图可知：回归方程为
lny=5.
359326+0.010748t
。在其他变量保持不变的情况下，美国人口的年
增长率为
0.010748
，即
y
（美国人口）以每年
1.0748%
的速率增长。假设显著水平为
0.01
，时间
对美国人口的增长有显著影响。
四、
模型三：虚拟变量回归（食品支出）
先对变量进行回归分析，然后通过添加新的虚拟变量（交互或乘积形式）再进行回归分析
。
. clear
. use
×???
?????????§???ú°
???
dta
????
?é
>
??±???°???
1
?¨???·?§????
.dta
. reg food sex
Source SS
df MS Number of obs =
12
F( 1, 10) = 2.33
Model
759530.083 1 759530.083 Prob > F
= 0.1578
Residual 3258588.17
10 325858.817 R-squared =
0.1890
Adj R-squared = 0.1079
Total
4018118.25 11 365283.477 Root MSE
= 570.84
food Coef. Std. Err.
t P>|t| [95% Conf. Interval]
sex -503.1667 329.5749
-1.53 0.158 -1237.505 231.1719
_cons 3176.833 233.0446 13.63 0.000
2657.578 3696.089
. g
incomesex=income
. reg food sex income
Source SS df MS
Number of obs = 12
F( 2, 9) = 58.36
Model
3730492.14 2 1865246.07 Prob > F
= 0.0000
Residual 287626.106
9 31958.4562 R-squared =
0.9284
Adj R-squared = 0.9125
Total
4018118.25 11 365283.477 Root MSE
= 178.77
food Coef. Std. Err.
t P>|t| [95% Conf. Interval]
sex -228.9868 107.0582
-2.14 0.061 -471.1694 13.19576
income .0589824 .0061174 9.64 0.000
.0451439 .072821
_cons
1506.244 188.0096 8.01 0.000 1080.937
1931.552
. clear
. g incomesex=income
reg food
sex income sexincome
. reg food sex
income
Source
SS df MS Number of obs =
12
F( 2, 9) = 58.36
Model
3730492.14 2 1865246.07 Prob > F
= 0.0000
Residual 287626.106
9 31958.4562 R-squared =
0.9284
Adj R-squared = 0.9125
Total
4018118.25 11 365283.477 Root MSE
= 178.77
food Coef. Std. Err.
t P>|t| [95% Conf. Interval]
sex -228.9868 107.0582
-2.14 0.061 -471.1694 13.19576
income .0589824 .0061174 9.64 0.000
.0451439 .072821
_cons
1506.244 188.0096 8.01 0.000 1080.937
1931.552
clear
实验表明：差别截距与
差别斜率都不是显著的。如果不考虑性别的影响，则男女食品消费支出
与税后收入的关系
无差别。
五、
模型四：多重共线性分析（美国的鸡肉需求）
生成新的变量，进行回归分析。通过方差膨胀因子来判断是
否是高度共线性，并对两两变量的
相关系数的显著性进行检验，还可以对回归进行调整（
向前法、向后法）
. use
×?
??
?????????§???ú°???
< br>dta
????
?à
>
????????°???
.dta
.
g lny=ln(y)
. use
×???
?????????§???ú°???
dta
????
?à
>
????????°???
.dta
.
g lny=ln(y)
. g lnx2=ln(x2)
.
g lnx3=ln(x3)
. g
lnx2=ln(x2)
. g lnx3=ln(x3)
.
g lnx4=ln(x4)
. g
lnx4=ln(x4)
. g lnx5=ln(x5)
.
g lnx5=ln(x5)
. reg lny
lnx2-lnx5
. reg lny
lnx2-lnx5
Source SS
df MS Number of obs =
23
Source SS df
MS Number of obs = 23
F( 4, 18) = 249.93
F( 4, 18) = 249.93
Model
.761050242 4 .190262561 Prob > F
= 0.0000
Model .761050242
4 .190262561 Prob > F =
0.0000
Residual .013702848 18
.000761269 R-squared =
0.9823
Residual .013702848 18
.000761269 R-squared =
0.9823
Adj R-squared = 0.9784
Total
.77475309 22 .03521605 Root MSE
= .02759
Adj R-squared = 0.9784
lny Coef. Std. Err.
t P>|t| [95% Conf. Interval]
lnx2 .3425546 .0832663
4.11 0.001 .1676186 .5174907
lny Coef. Std. Err. t P>|t|
[95% Conf. Interval]
lnx3
-.5045934 .1108943 -4.55 0.000 -.7375737
-.2716132
lnx4 .1485461 .0996726
1.49 0.153 -.0608583 .3579505
lnx2 .3425546 .0832663 4.11 0.001
.1676186 .5174907
lnx5
.0911056 .1007164 0.90 0.378 -.1204917
.302703
lnx3 -.5045934
.1108943 -4.55 0.000 -.7375737
-.2716132
_cons 2.189793
.1557149 14.06 0.000 1.862648
2.516938
lnx4 .1485461 .0996726
1.49 0.153 -.0608583 .3579505
Total .77475309 22
.03521605 Root MSE =
.02759
lnx5 .0911056
.1007164 0.90 0.378 -.1204917 .302703
回归方程为：
lny=0.3426lnx2-0.5046l
nx3+0.1486lnx4+0.0911lnx5.
所以在其他变量保持不变
_cons 2.189793 .1557149
14.06 0.000 1.862648 2.516938
的
情况下，收入每增加一个百分比，鸡肉的消费量增加
0.3426%
。鸡肉的销售价格每增加一个百
分比，鸡肉消费量降低
0.5046%
。猪肉、牛肉同理。
-
-
-
-
-
-
-
-
-
上一篇：be willing to 愿意做某事
下一篇：专四语法第15节-倒装和省略精编版