计量经济学实验报告
实验目的：利用excel和Eviews软件进行随机抽样、计量分析
理解一元线性回归模型及ols原理
实验内容： y分布规律、随机抽样、参数估计、模型检验、结构分析、销售成本预测
实验步骤：已知总体回归方程为 Y = 171.46 + 0.673 *X，进入EViews主页。在菜单一次点击File\\New\\Workfile选择“Undated or irreqular”，end observation填写50，按如下图示输入数据
按以下步骤估计参数：
得回归结果如下图一，按图示二得y的分布规律柱形图
6Series: Y5Sample 1 50Observations 50Mean Median 3Maximum Minimum Std. Dev. 2Skewness Kurtosis 1Jarque-BeraProbability02000400060008000 2.129516 0.344811 5245.420 5365.500 9035.000 903.0000 2365.206-0.163818 2.0435374 随机抽样：在excel表中，工具→数据分析→抽样，输入区域选定所有观测点，随机样本数10，确定即可。所选10组样本按照总体回归的方法进行操作，所得样本及样本回归方程如：
总体回归方程为 Y = 171.46 + 0.673 *X，将此方程与以上图表中10个样本回归方程的比较可以看出，截距系数平均数为199.44，标准差为124.19。斜率系数平均数为0.671，标准差为0,016。在误差允许范围内，得出结论：
Ols估计具无偏性、一致性；样本回归模型是随机模型，随样本的改变而变动； 利用样本三对总体回归方程进行估计：由首页所示方法，得以下图示
估计的回归方程为
参数估计的结果为：Y = 197.99 + 0.674*X S=(92.72156） (0.)
t=(2. ) (63.26781) R^2=0. F=4002.816 df=8
⒈拟合优度检验：其中R^2=0.,说明样本回归直线的解释能力为99.80％，表示在50家公司销售成本y 变动的99.80％可由此样本回归直线作出解释，模型拟合优度较高
⒉回归模型总体显著性-F检验：F=4002.816，n=10,n-k-1=10-1-1=8,在5％显著水平下，查自由度（1,8）的F分布表，得临界值F0.05（1,8）=5.32，因为F=4002.816＞F0.05（1,8）=5.32，故模型总体是显著的，即方程存在
⒊参数显著性检验：对于斜率系数，t统计量为63.26781。给定=0.05，查t分布表，在自由度n-2=8下，t0.025(8)=2.306,因为t=63.26781＞t0.025(8)=2.306，所以拒绝H0假设，表明销售收入对销售成本有显著性影响。
从以上三种统计检验可以看出，由样本3来估计总体回归模型，具有很大的可靠性。 结构分析： 总体模型两参数的经济意义，Y = 171.46 + 0.673 *X，b0=171.46,表示销售收入为0时销售支出水平，X系数0.673表示销售收入每增加1000元，销售支出要相应提高673元。
销售成本预测：将数据range改为11，将x=13500输入变量x中，操作如下图：
千元，即销售成本的点预测。
在回归结果“Equation对话框”中选“Forecast”,系统自动计算出销售成本估计值为9294.068
x和y描述统计结果
由上图示统计结果课计算如下： 回归方程标准差为113.3747
