上期介绍了数据的输入/导入和简单的描述统计操作,按照一般打怪升级的桥段,第二回也不会出现什么大BOSS级的,所以废话不多,咱先直奔主题。本次和下次的主题都是回归,但楼主打算分两期来做,这一期主要为回归的操作,重点在于能够快速得到回归分析的结果,而下期则侧重于分析和解决回归分析时常会遇到的一些问题,比如异方差,自相关,多重共线性等问题的检验和修正。为了方便,楼主直接用了个一元回归,是的,就是因为一元回归操作简单,跑一次就能大致了解过程,我才不会告诉你是因为我很懒。
在动手之前,我觉得还是有必要再简单介绍一下回归。
私以为:其实大多数的分析都可以以回归分析作为最基础的铺垫分析,虽然它不那么深奥,甚至于有点百搭,但的确能够用最简单的方式了解变量间的相互关系。当你对你手头的数据不知如何下手的时候,不如先来个回归分析吧。当然也并非所有的数据都能做,前期的一些预检验比如面板数据要做协整,截面的可以略过直接看看有没有线性相关之类的还是必要的。
更多的理论知识可以用力戳:【从零开始学统计】9.回归:统计方法的大结合!
好了,前期铺垫唠叨完毕,正式开始本次的操作实践!!
1、回归分析操作步骤——前期检验
首先,咱们将数据导入,楼主的习惯还是将excel之类格式的数据导入,免除输入的麻烦:
那么对于此次数据, 我们也先做个散点图——
接下来我们做一个线性相关分析,在eviews里我们可以通过quick-group statistics-correlatins来实现——
2、回归分析操作步骤——方程估计
通过quick-estimate equation可以到达方程估计的界面——
对于系数,我们还可以做一个理解,那就是每当X变动1个单位时,Y变动0.404280个单位。
在系数检验下方,我们还看到有个指标R-squared和Adjusted R-squarde,这反应的是模型的拟合程度,一般认为0.7以上可以接受,0.8或0.9以上就很好了。
对了还有个指标不能忘了,那就是F-statistic,这是F检验值,可以直接看下方的Prob(F-statistic)即可,在我们的案例中可以看到P值为0,也就意味着模型整体通过了检验(一元的情况下,其实和T检验等价;多元的情况下,意味着多个自变量的系数都显著不为0,是整体,而不是每一个单独的,没看懂的请原谅楼主有限的表达能力)
在我们得到这些结果后,如果我们想要保存结果,可以通过右键来选择保存(save as)
2、回归分析操作步骤——样本预测
做样本外预测,首先要扩充样本:工作表中PROC/STUCTURE下面将DATA range进行了扩充(此处可见将样本扩充到了17)
然后在X中点击edit,输入X第17的样本值20
当啷啷,到目前为止,我们整个回归过程算是圆满完成了!快给楼主撒花奖励啊!
欢迎大家积极回帖,提问也好,提意见也好,楼主一切都欢迎!回帖有奖励哦!