回归模型(2)的估计结果，保存并命名为eq02 ,=98084.2381+35288.92857·t,R2=0.936895 (2)根据式(1)求lny,写出相关EViews命令 Series Inyhat=eq01.@coefs(1)+eq01.@coefs(2)*(@trend+1) (3)根据上题得到的lny,求)，，写出相关EViews命令 Series yhat1=exp(Inyhat) (4)根据拟合优度的定义，用(3)得到的)，计算拟合优度，写出相关EViews命令 Scalar eq01r2=@sumsq(yhat1-@mean(yhat1))/@sumsq(y-@mean(y)) 计算结果为0.938159 (5)将(4)中得到的拟合优度与式(2)回归方程得到的拟合优度进行比较，是否相同？ 在(1)中，由于被解释变量不相同，回归模型所解释的对象不同，因此不能直接将拟合优 度进行比较。如果希望评价模型的解释能力，需要在同样的被解释对象的基础上展开，因此 才有了上述几个步骤。比较下来，两个模型的解释能力是不同的，模型(1)的解释能力稍 微高于模型(2)的解释能力。 55 回归模型（2）的估计结果，保存并命名为 eq02 Y . . t t = 98084 2381 + 35288 92857 ⋅ ˆ ， 2 R = 0.936895 （2） 根据式（1）求 t ln yˆ ，写出相关 EViews 命令 Series lnyhat=eq01.@coefs(1)+eq01.@coefs(2)*(@trend+1) （3） 根据上题得到的 t ln yˆ 求 t yˆ ，写出相关 EViews 命令 Series yhat1=exp(lnyhat) （4） 根据拟合优度的定义，用（3）得到的 t yˆ 计算拟合优度，写出相关 EViews 命令 Scalar eq01r2=@sumsq(yhat1-@mean(yhat1))/@sumsq(y-@mean(y)) 计算结果为 0.938159 （5） 将（4）中得到的拟合优度与式（2）回归方程得到的拟合优度进行比较，是否相同？ 在（1）中，由于被解释变量不相同，回归模型所解释的对象不同，因此不能直接将拟合优 度进行比较。如果希望评价模型的解释能力，需要在同样的被解释对象的基础上展开，因此 才有了上述几个步骤。比较下来，两个模型的解释能力是不同的，模型（1）的解释能力稍 微高于模型（2）的解释能力