EViews如何进行自回归方程参数的最小二乘估计？ 请问用Eviews建立回归方程的步骤是什么？（使用最小二乘法...
EViews\u5982\u4f55\u8fdb\u884c\u81ea\u56de\u5f52\u65b9\u7a0b\u53c2\u6570\u7684\u6700\u5c0f\u4e8c\u4e58\u4f30\u8ba1?\u9996\u5148\u8f93\u5165\u6570\u636e\uff0c\u5efa\u7acb\u5e8f\u5217\uff0c\u7136\u540e\u770b\u5e8f\u5217\u7684\u65f6\u5e8f\u56fe\u770b\u662f\u5426\u80fd\u591f\u5229\u7528\u7ebf\u6027\u6a21\u578b\u62df\u5408\u56de\u5f52\u6a21\u578b\uff0c\u5982\u679c\u5b58\u5728\u6307\u6570\u589e\u957f\u7684\u8d8b\u52bf\uff0c\u5c31\u8981\u5bf9\u6570\u636e\u7ecf\u884c\u5bf9\u6570\u5316\u5904\u7406\uff0c\u597d\u8ba9\u5e8f\u5217\u5b58\u5728\u660e\u663e\u7684\u7ebf\u6027\u8d8b\u52bf\u3002\u7136\u540e\u5728eviews\u4e3b\u7a97\u53e3\u7684\u83dc\u5355\u680f\u4e2d\u9009\u62e9quick-estimate equation\uff0c\u7136\u540e\u5728\u8f93\u5165\u6846\u4e2d\u8f93\u5165\u4f60\u7684\u53d8\u91cf\uff0c\u5728method\u4e0b\u62c9\u9009\u9879\u4e2d\u9009\u62e9LS\u5373\u53ef
ls
\u56e0\u53d8\u91cf
\u81ea\u53d8\u91cf
\u5047\u5982\u542b\u6709\u5e38\u6570\u9879\uff0c\u5219\u52a0\u5165c.
\u6bd4\u5982\u4f60\u65b9\u7a0b\u662f\uff1aY=c+aX+e,
\u5219\u4e3a\uff1als
Y
c
X
\u5e0c\u671b\u6709\u6240\u5e2e\u52a9\uff01
房屋面积115，110，80，135，105
销售价格：24.8 21.6 18.4 29.2 22
①求回归方程，并在散点图中加上回归直线；回归方程 ^y = 1.8166 + 0.1962x
计算过程：
从散点图（题目有给吧）看出x和y呈线性相关，题中给出的一组数据就是相关变量x、y的总体中的一个样本，我们根据这组数据算出回归方程的两个参数，便可以得到样本回归直线，即与散点图上各点最相配合的直线。
下面是运用最小二乘法估计一元线性方程^y = a + bx的参数a和b：
（a为样本回归直线y的截距，它是样本回归直线通过纵轴的点的y坐标；b为样本回归直线的斜率，它表示当x增加一个单位时y的平均增加数量，b又称回归系数）
首先列表求出解题需要的数据
n 1 2 3 4 5 ∑（求和）
房屋面积 x 115 110 80 135 105 545
销售价格 y 24.8 21.6 18.4 29.2 22 116
x^2（x的平方） 13225 12100 6400 18225 11025 60975
y^2（y的平方） 615.04 466.56 338.56 852.64 484 2756.8
xy 2852 2376 1472 3942 2310 12952
套公式计算参数a和b：
Lxy = ∑xy - 1/n*∑x∑y = 308
Lxx = ∑x^2 - 1/n*(∑x)^2 = 1570
Lyy = ∑y^2 - 1/n*(∑y)^2 = 65.6
x~（x的平均数） = ∑x/n = 109
y~ = ∑y/n = 23.2
b = Lxy/Lxx = 0.196178344
a = y~ - bx~ = 1.81656051
回归方程 ^y = a + bx
代入参数得：^y = 1.8166 + 0.1962x
直线就不画了
该题是最基本的一元线性回归分析题，套公式即可解答。至于公式是怎么推导出来的，请参见应用统计学教科书。。回归分析章节。。
建立序列，然后看序列的时序图看是否能够利用线性模型拟合回归模型，如果存在指数增长的趋势，就要对数据经行对数化处理，好让序列存在明显的线性趋势。
Eviews是Econometrics Views的缩写，直译为计量经济学观察，通常称为计量经济学软件包。它的本意是对社会经济关系与经济活动的数量规律，采用计量经济学方法与技术进行“观察”。另外Eviews也是美国QMS公司研制的在Windows下专门从事数据分析、回归分析和预测的工具。使用Eviews可以迅速地从数据中寻找出统计关系，并用得到的关系去预测数据的未来值。Eviews的应用范围包括：科学实验数据分析与评估、金融分析、宏观经济预测、仿真、销售预测和成本分析等。
可以做的
建议你用stata去做
我经常帮别人做这类的数据分析的
绛旓細LSLOG(Y)CLOG(X)锛屽湪绋嬪簭涓婇潰鐨勪竴琛岀┖鐧藉銆傝繕鏈夊湪涓浜涙楠屼腑锛屾瘮濡傝嚜鐩稿叧銆佸紓鏂瑰樊绛夌浉鍏崇殑妫楠屼腑锛岄兘闇瑕佺煡閬撴畫宸殑缁撴瀯淇℃伅锛岄渶瑕鍋杈呭姪鍥炲綊銆傚湪鑱旂珛鏂圭▼缁勬ā鍨嬩腑锛屼娇鐢ㄥ伐鍏峰彉閲忔硶/3step-ls绛夋柟娉曟椂锛屽叾绗竴闃舵鐨勪及璁′篃鍙互鐪嬩綔鏄仛鐨勮緟鍔╁洖褰掋傚伐鍏/鏉愭枡锛Eviews杞欢锛岀數鑴戞墦寮鐢佃剳锛屾闈㈡壘鍒癊...
绛旓細鍏朵腑R2j涓轰互浣滀负cj鍥犲彉閲,鍏朵綑p-1涓嚜鍙橀噺浣滀负鑷彉閲忓缓绔嬪鍏鍥炲綊妯″瀷鎵寰楃殑鏍锋湰鍐冲畾绯绘暟,鎵浠2j瓒婂ぇ鍒欒鏄庤嚜鍙橀噺涔嬮棿鑷浉鍏虫ц秺澶,姝ゆ椂涔熻秺澶,鍙互璁や负VIFj>10(R2j>0.9)鍒欏瓨鍦ㄥ閲嶅叡绾挎с 杩樺彲浠ヤ娇鐢╒IFj鐨勫钩鍧囨暟浣滀负鍒ゆ柇鏍囧噯,濡傛灉avg(VIFj)杩滃ぇ浜10鍒欒涓哄瓨鍦ㄥ閲嶅叡绾挎с eviews閲屽浣浣跨敤VIF娉?--寤虹珛...
绛旓細鍦EViews涓骞夸箟鑷洖褰鏉′欢寮傛柟宸ā鍨嬬殑鍧囧鏂圭▼tvalue鍙互鐢ㄥ畾涔夌畻鐨勩侲Views鏄疎conometricsViews鐨勭缉鍐欙紝閫氬父绉颁负璁￠噺缁忔祹瀛﹁蒋浠跺寘銆傛槸涓撻棬涓哄ぇ鍨嬫満鏋勫紑鍙戠殑銆佺敤浠ュ鐞嗘椂闂村簭鍒楁暟鎹殑鏃堕棿搴忓垪杞欢鍖呯殑鏂扮増鏈侲Views鏄疎conometricsViews鐨勭缉鍐欙紝鐩磋瘧涓鸿閲忕粡娴庡瑙傚療锛岄氬父绉颁负璁￠噺缁忔祹瀛﹁蒋浠跺寘銆傚畠鐨勬湰鎰忔槸瀵...
绛旓細浣犳妸瀹氭у彉閲忓簭鍒楁寜鐓у父瑙勫彉閲忕殑鏂瑰紡杈撳叆鍦╳orkfile涓紝鐒跺悗鍦ㄨ緭鍏ヤ及璁″弬鏁版椂姝ｅ父璋冪敤灏辫浜嗐傛瘮濡傝嚜鍙橀噺x1 x2 鍥犲彉閲弝,鍦ㄤ及璁℃椂杈撳叆鍙傛暟y c x1 x2寰楀埌缁撴灉銆
绛旓細琛ㄤ腑姣忎竴鍒楀搴擵AR妯″瀷涓竴涓唴鐢熷彉閲忕殑鏂圭▼銆傚璇鏂圭▼Eviews缁欏嚭鏂圭▼鍙崇姣忎釜鍙橀噺鐨勭郴鏁颁及璁″笺佹爣鍑嗗樊锛堬級鍐呭拰T妫楠屽糩]鍐呫備緥濡傚湪LOG(Y)鐨勬柟绋嬩腑LOG(Y(-1)锛夌殑绯绘暟鏄1.05312
绛旓細闈炵嚎鎬ф渶灏忎簩涔樻硶銆佸箍涔夌煩浼拌娉曘丄RCH 妯″瀷浼拌娉曠瓑锛涳紙6锛夊浜屾嫨涓鍐崇瓥妯″瀷杩涜Probit銆乴ogit 鍜孏ompit 浼拌锛涳紙7锛夊鑱旂珛鏂圭▼杩涜绾挎у拰闈炵嚎鎬х殑浼拌锛涳紙8锛変及璁″拰鍒嗘瀽鍚戦噺鑷洖褰绯荤粺锛涳紙9锛夊椤瑰紡鍒嗗竷婊炲悗妯″瀷鐨勪及璁★紱锛10锛鍥炲綊鏂圭▼鐨勯娴嬶紱锛11锛夋ā鍨嬬殑姹傝В鍜屾ā鎷燂紱锛12锛夋暟鎹簱绠＄悊锛...
绛旓細浣犺緭杩涘幓鏁版嵁浠ュ悗 鐐筿uick鈫抏stimate equation寰楀埌涓涓〃鏍 鏈鍚庝竴涓閲岄潰鐨勭鍥涜宸﹁竟鐨剆um squared resid灏辨槸娈嬪樊骞虫柟鍜
绛旓細涓変釜鑷彉閲忓垎鍒槸锛氭敮鎻村啘涓氱敓浜ф敮鍑猴紝鍐滄灄姘村埄姘旇薄绛夐儴闂ㄤ簨涓氳垂锛屽啘涓氱患鍚堝紑鍙戞敮鍑恒傚洜鍙橀噺鏄細骞村潎鍐滄皯绾敹鍏ャ傝繖鍥涗釜閲忛兘涓嶈兘鍙樸傛垜涓嶄細璁￠噺锛eviews涔熸槸浠婂ぉ鍒氬鐨勶紝spss鏇翠笉浼氫簡銆傚洖绛旂户缁洖绛旓細1銆佽繖閲岀殑涓闃惰嚜鐩稿叧锛屽彲浠ヨ冭檻鐢ㄥ樊鍒嗘硶璇曡瘯銆備篃灏辨槸鑷彉閲忋佸洜鍙橀噺閮藉垎鍒舰鎴愭柊鐨勫簭鍒楋紝鍐鍋氬洖褰锛...
绛旓細鍙互鐪嬪嚭鍥炲綊鏂圭▼涓衡淵=45472.22+0.835076X1+0.758406X2鈥濓紱鐒跺悗鐐瑰嚮涓婇潰鐨勩怤ame銆戯紝闅忔満鍛藉悕鍚嶇О锛岀偣鍑汇怬K銆戝氨鍙互浜嗐6銆佷笂闈㈢殑鏂瑰紡灏卞凡缁忓缓绔嬭繖涓ā鍨嬶紝鎵撳紑鍒氬垰鍛藉悕鐨勬枃浠讹紝鐪嬧淒-W鈥濆硷紝鎴戜滑杩欓噷鏄湅杩欎釜寰峰娌冩．缁熻閲忔槸鍚﹀ぇ浜1锛屽ぇ浜1灏辨病鏈夎嚜鐩稿叧锛屽皬浜1灏遍渶瑕杩涜鑷鐩稿叧鐨勪慨姝ｄ簡銆
绛旓細璇村疄璇濓紝鎴戞渶鐥涙仺璁￠噺缁忔祹瀛︿簡锛屼笉杩囨垜涓嶇棝鎭eviews銆傚厛璇存潨瀹句袱姝ユ硶锛氱涓姝ワ紝浼拌妯″瀷 ls chukou c chukou(-1) gdp gdp(-1)锛堣繖姝ワ紝浣犱細寰楀埌涓涓鍥炲綊妯″瀷锛屽洖褰掓ā鍨嬩綘浼氱湅鍚э紵鍋囪浣犲緱鍒扮殑鍥炲綊妯″瀷涓猴細chukou锛漜锛嬑*chukou(-1)锛嬑*gdp锛嬑*gdp(-1)锛宑銆佄便佄层佄兼槸甯告暟锛岀敱鍥炲綊缁撴灉...
