Question

麻烦各位高手看下！！根据下列Eviews应用软件的运行结果比较分析选择哪个模型较好？？并写出回归方程！！

Answer 1

第一个模型还可以，但是存在自相关（DW检验值也就是Durbin-Watson stat 为0.85，正自相关），需要进行差分处理。估计是一阶自相关。
第二个模型，自变量没有一个显著的，确实需要更改。
看模型是否合适，一是系数显著性检验，一是方程显著性检验。一元回归时，两个检验是一样的，所以第一个模型中，自变量X系数估计值显著（X对应的Prob值为0.000，一般要求小于0.05就算通过），方程也显著（看F-statistic的值），但是一阶自相关最好消除。但是多元回归中，两个检验需要分开看。第二个模型中，方程显著性可能能通过检验，但是自变量系数估计值对应的Prob都大于0.05，所以问题比较大。
几个建议：
1、样本数据来源于1995年到2006年，感觉还是少了些，而且2011年的论文至少最晚应该是截止到2009年。如果条件允许，最好能够更早些数据。有25个以上年份数据，做的模型合适些。
2、第二个模型因为你没有列举具体自变量、因变量名称，不好下结论。那么，一个办法是考虑自变量的选择是不是合理，现有的自变量有没有可以去掉的，或者有没有遗漏更合理的自变量，调整自变量后再回归；如果你认为自变量不需要修改，在增加样本数据情况下，另一个办法是用SPSS软件，里面有“逐步回归”选项，看看能不能得到合理模型。追问第一个模型：一阶自相关怎么样才能消除？
第二个模型：我做的是山东省财政支农资金方面的课题，中国统计年鉴上的相关数据就到2006年，三个自变量的数据也是。三个自变量是必须要固定的，是不是因为数据的原因，但是近几年的数据确实找不到。三个自变量分别是：支援农业生产支出，农林水利气象等部门事业费，农业综合开发支出。因变量是：年均农民纯收入。这四个量都不能变。
我不会计量，eviews也是今天刚学的，spss更不会了。回答继续回答：
1、这里的一阶自相关，可以考虑用差分法试试。也就是自变量、因变量都分别形成新的序列，再做回归（注意：这时的回归估计模型不含常数项）。根据你的样本数据和解释变量数目，在新的回归结果里面，如果Durbin-Watson stat 的数值大致在1.5——2.5，可以认为消除了自相关。最后的估计结果，常数项仍采用现在模型已经估计出的常数项数值，自变量系数则是差分后估计的系数值。
2、财政支农资金数据，我觉得可以考虑查阅《中国财政统计年鉴》，其中的分省财政平衡表中可能会有相关数据。（不过我也不肯定，这两年中国统计年鉴中财政数据的具体项目有调整，你之所以找不到2006年以后数据原因也在于此，财政统计年鉴如果能找到的话，也许能有帮助）
3、第二个模型还可以考虑对数模型试一试，因为取对数后变差缩小，也许数据拟合效果会好些。当然，这时的系数表示的是平均意义的弹性。
4、不会逐步回归也没有关系，反正自变量不多。回归后，看哪个自变量系数估计值没有通过检验（P值大于0.05），P值最大的先去掉，用其他自变量再去拟合。如果新的估计结果不行，再继续去掉不显著的系数。之后可以尝试再引入之前去掉的自变量，回归后看是否显著。最后应该得到自变量系数和整个模型都通过检验的结果，否则是不合适的。
5、“我第二个模型P值是0.004”的说法不正确，你所说的实际是常数项的P值。实际上，一般要求自变量必须通过P检验，常数项倒无所谓。