第2章

讲义

讲义第2章 古典线性回归模型

Eviews实操习题

任务1: 教材P32 例2-5

数据文件Table 2_14.xls

  1. 报告 price, age 和bidders的描述性统计量（均值、中位数、标准差、最大/最小值）。

  2. 绘制price的直方图和箱线图，观察price的分布特征。

  3. 绘制price与age的散点图，在散点图上添加回归线。

  4. 绘制price与bidders的散点图，在散点图上添加回归线。

  5. 报告price, age和bidders之间的相关系数矩阵。

  6. 估计price和age之间的回归方程，报告回归结果。

  7. 估计price和bidders之间的回归方程，报告回归结果。

  8. 估计price与age和bidders之间的二元回归方程，并报告回归结果。

  9. 修改第3题和第4题中散点的颜色，回归线的颜色和样式。

任务2: 二手车价格分析

从某二手车交易平台收集了 30 辆同款型号二手车的交易数据，研究行驶里程 (Mileage) 以及 保养记录次数 (Service_Records) 如何影响 二手车售价 (Price)。

样本容量 \(n=30\)

编号 Price (万元) Mileage (万公里) Service_Records (次) 编号 Price (万元) Mileage (万公里) Service_Records (次)
1 18.5 1.2 3 16 12.1 6.8 4
2 17.2 2.5 4 17 11.5 7.2 3
3 16.8 3.1 2 18 10.8 8.5 5
4 15.5 4.0 5 19 10.2 9.1 2
5 14.9 4.8 3 20 9.5 10.5 4
6 14.2 5.2 4 21 18.0 1.5 4
7 13.5 6.0 6 22 16.5 2.8 3
8 12.8 6.5 2 23 15.8 3.5 5
9 11.9 7.8 4 24 14.5 4.5 4
10 10.5 9.2 5 25 13.2 5.8 6
11 9.8 10.1 3 26 12.5 6.2 3
12 8.9 11.5 4 27 11.2 7.5 4
13 8.2 12.2 2 28 10.4 8.8 5
14 7.5 13.5 5 29 9.2 11.0 2
15 6.8 15.0 3 30 8.5 12.5 4
  1. 基础统计
    • 报告 Price, Mileage 和 Service_Records 的均值、中位数、标准差、最小值、最大值等描述性统计量。
    • 报告三个变量之间的相关系数矩阵。
  2. 数据分布观察
    • 绘制 Price 的直方图，观察其分布特征。
  3. 一元线性回归与图形美化
    • 绘制 Price 与 Mileage 的散点图。
    • 自定义要求：将散点设置为你喜欢的颜色，添加回归趋势线，并显示回归方程。
    • 在 EViews 中估计回归方程： \[Price = B_0 + B_1 Mileage + u\]
    • 绘制 Price 与 Service_Records 的散点图。
    • 自定义要求：将散点设置为你喜欢的颜色，添加回归趋势线，并显示回归方程。
    • 在 EViews 中估计回归方程： \[Price = B_0 + B_1 Service\_Records + u\]
  4. 二元回归
    • 估计二元回归模型： \[Price = B_0 + B_1 Mileage + B_2 Service\_Records + u\]
  5. 比较上述三个回归模型，哪个模型最好？

Eviews教学视频

基础操作与数据管理

Eviews 12 主界面

Eviews 12 如何导入Excel文件

Eviews12 如何录入数据

数据可视化

Eviews12 绘制散点图

Eviews12 矩阵散点图和气泡图

Eviews12 如何修改坐标轴字体、添加网格线、设置边框？

模型估计

Eviews12 回归方程的估计

Eviews12 如何在散点图上添加回归线和回归方程？

R教学视频

lm()函数的运用

如何在散点图中添加回归方程

习题答案

点击展开

如果想在新窗口打开 PDF，请点这里： 在新标签页中查看 PDF

数据清洗

点击下载：问卷星原始数据文件 (Excel)

完成下列任务：

  1. 变量重命名：将所有变量名统一修改为简洁的英文。

  2. 将 Q1（性别）的代码（1=男，2=女）分别转换为 “male” 和 “female”。

  3. 将 Q6（用户类型）的四个分类，根据逻辑合并为“performance”与“lite”两类。。

  4. 将Q7品牌偏好的代码1-4转换为有具体含义的品牌类型。

  5. 识别并剔除含有明显逻辑错误（如年龄>100）或极端数值（如收入异常）的样本个案。

提交要求：将清洗后的数据用“问卷星_学号_姓名”命名，提交到雨课堂。

问卷星原始数据清洗：编码转换、小类合并，异常值识别