一元回归案例数据.doc

10. 案例: 用回归模型预测木材剩余物( file:b 1 c3) 伊春林区位于黑龙江省东北部。全区有森林面积 万公顷,木材蓄积量为 2. 324602 亿m 3 。森林覆盖率为 62. 5% ,是我国主要的木材工业基地之一。 1999 年伊春林区木材采伐量为 532 万m 3 。按此速度 44 年之后, 1999 年的蓄积量将被采伐一空。所以目前亟待调整木材采伐规划与方式, 保护森林生态环境。为缓解森林资源危机, 并解决部分职工就业问题,除了做好木材的深加工外,还要充分利用木材剩余物生产林业产品,如纸浆、纸袋、纸板等。因此预测林区的年木材剩余物是安排木材剩余物加工生产的一个关键环节。下面, 利用一元线性回归模型预测林区每年的木材剩余物。显然引起木材剩余物变化的关键因素是年木材采伐量。给出伊春林区 16 个林业局 1999 年木材剩余物和年木材采伐量数据如表 。散点图见图 2. 14 。观测点近似服从线性关系。建立一元线性回归模型如下: y t= ? 0+ ? 1x t+u t表 y t和年木材采伐量 x t数据林业局名年木材剩余物 y t(万 m 3)年木材采伐量 x t(万 m 3) 乌伊岭 东风 新青 红星 五营 上甘岭 友好 翠峦 乌马河 美溪 大丰 南岔 带岭 朗乡 桃山 双丰 合计 图 2. 14年剩余物 y t和年木材采伐量 x t散点图图 5EV iews 输出结果 EV iews 估计结果见图 5 。建立 EV iews 数据文件的方法见附录 1 。在已建立 Eview s 数据文件的基础上, 进行 OLS 估计的操作步骤如下: 打开工作文件, 从主菜单上点击 Quic k 键,选 Estimate Equation 功能。在出现的对话框中输入 ycx。点击 Ok 键。立即会得到如图 5 所示的结果。下面分析 EV iews 输出结果。先看图 的最上部分。被解释变量是 y t。估计方法是最小二乘法。本次估计用了 16 对样本观测值。输出格式的中间部分给出 5 列。第 1 列给出截距项(C) 和解释变量 x t。第2 列给出第 1 列相应项的回归参数估计值(0??和1??)。第3列给出相应回归参数估计值的样本标准差( s(0??), s(1??)) 。第 4 列给出相应 t 值。第 5 列给出 t 统计量取值大于用样本计算的t值( 绝对值) 的概率值。以t= 6 为例, 相应概率 0 表示统计量 t 取值( 绝对值) 大于 的概率是一个比万分之一还小的数。换句话说, 若给定检验水平为 0. 05, 则临界值为 t (14)= 。t= > 落在了 H 0 的拒绝域, 所以结论是? 1 不为零。输出格式的最下部分给出了评价估计的回