X3 1.287923 0.543294 2.370584 0.0246 R-squared 0.618154 Mean dependent var 125634.6 Adjusted R-squared 0.578653 S.D.dependent var 22404.09 S.E.of regression 14542.78 Akaike info criterion 22.12079 Sum squared resid 6.13E+09 Schwarz criterion 22.30218 Log likelihood -360.9930 F-statistic 15.64894 Durbin-Watson stat 1.758193 Prob(F-statistic) 0.000003 X1的偏回归系数的t统计值为一4.420904，显然不同于(2)和(3)中计算的t统计值。这 是因为前者同时控制了X2和X3的影响（它的t统计值应该和【123的t统计值相等），而后 者只控制了X2的影响，即在不同的前提条件下测算得到的统计关系，通常有不一样的结果。 (6)复相关系数是指所有变量X1、X2、X3的线性组合和Y的相关程度，样本复相关系 数即为Y和Y的样本简单相关系数。计算此例中所有变量X1、X2、X3的线性组 合和Y的复相关系数。 先计算被解释变量的估计值序列 Series yhat=eq02.@coefs(1)+eq02.@coefs(2)*x1+eq02.@coefs(3)*x2+eq02.@coefs(4)*x3 再计算被解释变量估计值序列和被解释变量实际观测值序列之间的样本简单相关系数，即为 样本复相关系数。 Scalar yhaty=@cor(yhat,y) 计算结果为0.7862，其平方值为0.618154 (7)写出(5)中方程的拟合优度。比较该拟和优度和(6)中的复相关系数的平方，你 有什么发现？ (5)中方程的拟合优度为0.618154，它与(6)中的复相关系数的平方相等。这是因为这两 个统计量具有同样的统计含义，同样度量了一个变量（被解释变量）和多个变量（解释变量） 之间线性相关的程度。 题三 当两个模型的因变量不同时，不能直接比较这两个模型的拟合优度。但是按下列过程仍然可 以进行比较。以下述两个线性模型为例，根据文件名为data.xs文件提供的数据完成以下练 习： In y:Bo Bt+ur (1) y:=Bo+Bt+u (2) (1)对上述两个回归模型进行回归分析，写出回归结果和各自的拟合优度 回归模型(1)的估计结果，保存并命名为eq01 1n()=12.00708286+0.09463885275-1R2=0.9824214 X3 1.287923 0.543294 2.370584 0.0246 R-squared 0.618154 Mean dependent var 125634.6 Adjusted R-squared 0.578653 S.D. dependent var 22404.09 S.E. of regression 14542.78 Akaike info criterion 22.12079 Sum squared resid 6.13E+09 Schwarz criterion 22.30218 Log likelihood -360.9930 F-statistic 15.64894 Durbin-Watson stat 1.758193 Prob(F-statistic) 0.000003 X1 的偏回归系数的 t 统计值为－4.420904，显然不同于（2）和（3）中计算的 t 统计值。这 是因为前者同时控制了 X2 和 X3 的影响（它的 t 统计值应该和 y1.23 r 的 t 统计值相等），而后 者只控制了 X2 的影响，即在不同的前提条件下测算得到的统计关系，通常有不一样的结果。 （6） 复相关系数是指所有变量 X1、X2、X3 的线性组合和 Y 的相关程度，样本复相关系 数即为 Y 和Yˆ 的样本简单相关系数。计算此例中所有变量 X1、X2、X3 的线性组 合和 Y 的复相关系数。 先计算被解释变量的估计值序列 Series yhat=eq02.@coefs(1)+ eq02.@coefs(2)*x1+ eq02.@coefs(3)*x2+ eq02.@coefs(4)*x3 再计算被解释变量估计值序列和被解释变量实际观测值序列之间的样本简单相关系数，即为 样本复相关系数。 Scalar yhaty=@cor(yhat,y) 计算结果为 0.7862，其平方值为 0.618154 （7） 写出（5）中方程的拟合优度。比较该拟和优度和（6）中的复相关系数的平方，你 有什么发现？ （5）中方程的拟合优度为 0.618154，它与（6）中的复相关系数的平方相等。这是因为这两 个统计量具有同样的统计含义，同样度量了一个变量（被解释变量）和多个变量（解释变量） 之间线性相关的程度。 题三 当两个模型的因变量不同时，不能直接比较这两个模型的拟合优度。但是按下列过程仍然可 以进行比较。以下述两个线性模型为例，根据文件名为 data.xls 文件提供的数据完成以下练 习： t ut ln y = β 0 + β1t + （1） t ut y = β 0 + β1t + （2） （1） 对上述两个回归模型进行回归分析，写出回归结果和各自的拟合优度 回归模型（1）的估计结果，保存并命名为 eq01 ln 12.00708286 + 0.09463885275 n( ) Y t t = ⋅ 2 R = 0.982421