1.一元线性回归分析（Eviews）
研究一个解释变量对一个被解释变量的函数关系 Eviews操作主要是Quick。
例子：分析31个省城镇居民平均每人全年家庭总收入X（元）与2011年底城镇居民家庭平均每百户计算机拥有量Y（台）的关系 地区 Y X 北 京 103.51 天 津 95.4 河 北 74.74 山 西 69.45 内蒙古 60.83 辽 宁 71.66 吉 林 68.04 一、输入数据 1.打开Eviews，依次点击File\\New\\Workfile。
37124.39 29916.04 19591.91 19666.1 210.19 22879.77 19211.71
2.点击”Quick-Empty Group”,输入数据,点击”obs”,按“ ”第一列和第二列分别命名为Y和X，将数据粘贴。
二、作Y与X的相关图（散点图）
在“Workfile”窗口中，选择X和Y的数据表，双击选择“Open Group”。选择“View\\Graph”，在Graph type中选择“Scatter”，在Fit lines选择“Regression Line”。
从散点图中可以看出，X与Y近似于线性关系，可考虑建立简单线性回归模型。
𝑌𝑖=𝛽1+𝛽2𝑋𝑖+𝑢𝑖
三、估计参数（求出𝜷𝟏和𝜷𝟐的值）
假定所建立的模型及其中的随机扰动项𝑢𝑖满足各项古典假定，可以用OLS法估计其参数。 1.方法一：点击“Quick\\Estimate Equation”,在Specification中输入“Y C X”。
方法二：在Eviews主命令框中输入“LS Y C X”,按回车。
结果第一行依次表示：变量，参数，标准误差，t统计量，概率值
̂𝑖=11.95802+0.002873𝑋𝑖 样本回归函数为：𝑌
𝑅2=0.831966,即判定系数表示回归解释平方和与总平方和之比，拟合优度度量值。 2.显示回归结果的图形，在“Equation”框中，点击“Resids”。
四、模型检验 1.经济意义检验
̂1=11.95802，𝛽̂2=0.002873，分别表示城镇居民平均每人全年家庭总收入所估计的参数𝛽
每增加1元，2011年底城镇居民家庭平均每百户计算机拥有量增加0.002873台，与预期的经济意义相符。
2.拟合优度和统计检验
𝑅2=0.831966,即判定系数表示回归解释平方和与总平方和之比，拟合优度度量值，说明所建立的模型拟合效果较好。
̂1)=5.622841,𝑡(𝛽̂1)=对回归系数的𝑡检验，其标准误差和t值分别是，𝑆𝐸(𝛽
̂2)=0.000240,𝑡(𝛽̂2)=11.982。取𝛼=0.05，自由度为𝑛−2=31−2=2.126686; 𝑆𝐸(𝛽
̂1), 𝑡0.025(29)<𝑡(𝛽̂2)。所以29的临界值为𝑡0.025(29)=2.0452。经过对比，𝑡0.025(29)< 𝑡(𝛽
拒绝原假设。对斜率系数的显著性检验表明，城镇居民人均总收入对城镇居民每百户计算机
拥有量的确有显著影响。 五、回归预测 1.点预测
如果𝑋𝑓=25000,𝑌𝑓=11.95802+0.002873𝑋𝑓=83.78302
利用Eviews作回归预测，在“Workfile”窗口点击“Range”,将31改为32. 为了输入𝑋𝑓=25000,点击“x”,输入25000 然后在“Equation”框中，点击“Forecast”，最后打开数据表𝑌𝑓可得到点预测值。
2.区间预测 取𝛼=0.05，𝑌𝑓平均置信度95%的预测区间为：
(𝑋𝑓−𝑋)1̂𝑓∓𝑡𝛼𝜎𝑌̂√+∑2, 𝜎̂=8.027957, 𝑌𝑓=83.7846,𝑡0.025(29)=2.0452,𝑛=31。其它数据
2̅2𝑛
𝑥𝑖
可通过描述性统计分析得出结果。
在“Workfile”窗口中，选择X和Y的数据表，双击选择“Open Group”，点击“View\\Descriptive Stats\\Common Sample”。
根据上图计算：
̅)2=𝜎2𝑋(𝑛−1)=6112.9652×(31−2) ∑𝑥𝑖2=∑(𝑋𝑖−𝑋
̅)2=(25000−22666.97)2 (𝑋𝑓−𝑋
𝑌𝑓个别值的置信度95%的预测区间为：
(𝑋𝑓−𝑋)1̂𝑓∓𝑡𝛼𝜎𝑌̂√1++∑2，带入数据计算。
2̅2𝑛
𝑥𝑖
在“Equation”框中，点击“Forecast”可得预测值及其标准误差的图形。
