eviews如何分析线性回归(一)
用eviews进行一元线性回归分析
天津外国语大学国际商学院 本科生课程论文（设计）
题 目： 姓 名： 学 号： 专 业： 年 级： 班 级： 任课教师：
一元回归分析居民收入和支出的关系
2014 年 4 月
内容摘要
随着本文中的收集数据参考了中国统计年鉴以及书本《计量经济学》中的相关统计结果，对我国各地区城镇居民家庭人均全年可支配收入与人均全年消费性支出进行分析。利用EVIEWS软件对计量模型进行参数评估和检验，最终得出相关结论。
关键词：居民消费；居民收入；EVIEWS；一元回归分析
目 录
一、引言 ............................................................................................ 1
（一）研究背景 ........................................................................................... 1
（二）研究意义 ........................................................................................... 1
二、研究综述 .................................................................................... 2
（一）模型设定 ........................................................................................... 2
1.定义变量 ............................................................................................. 2 2.数据来源 ............................................................................................. 2 （二）作散点图 ........................................................................................... 3
三、估计参数 .................................................................................... 4
（一）操作步骤 ........................................................................................... 4
（二）回归结果 ........................................................................................... 4
四、模型检验 .................................................................................... 5
（一）经济意义检验 ................................................................................... 5
（二）拟合优度和统计检验 ....................................................................... 5 （三）回归预测 ........................................................................................... 5
五、结论 ............................................................................................ 5 参考文献： ........................................................................................ 6
一元回归分析居民收入与支出的关系
一、引言
（一）研究背景
随着近年来我国成为世界第二大经济体，居民的高生活水平也日益显著。我国人口正在高速城镇化，2011年中国大陆城镇人口为69079万人，城镇人口占总人口比重达到51.27％。因此城镇居民作为消费主体，研究城镇居民人均可支配收入以及人均可支配消费性支出之间的关系，可以有效的了解到我国各地区的人民生活水平以及经济状况，因此能更好的的带动我国GDP的飙升，改善居民的生活水平。 （二）研究意义
居民消费在社会经济的持续发展中有着重要的作用。居民合理的消费模式和居民适度的消费规模有利于经济持续健康的增长，而且这要是人民生活水平的具体体现。改革开饭以来随着中国经济的快速发展，人民生活水平不断提高，居民的消费水平也不断增长。但是在看到这个整体趋势的同时，还应看到全国各地区经济发展速度不同，居民消费水平也有明显差异。例如，2007年的城市居民家庭平均每人每年消费支出，最高的是上海市达人均20667.91元，最低的则是新疆，人均只有8871.27元，上海是新疆的2.33倍。为了研究全国居民消费水平及其变动的原因，需要做具体的分析。影响各地区居民消费指出有明显差异的因素可能很多，例如，居民的收入水平、就业状况、零售业物价指数、利率、居民财产、购物环境等等都可能对居民消费有影响。为了分析什么是影响各地区居民消费支出有明显差异的最主要因素，并分析影响因素与消费水平的数量关系，可以建立相应的计量经济模型去研究。
二、研究综述
（一）模型设定 1.定义变量
金融我们研究的对象是各地区居民消费的差异。居民消费可分为城市居民消费和农村居民消费，由于各地区的城市与农村人口比例及经济结构有较大差异，最具有直接对比可比性的是城市居民消费。而且，由于各地区人口和经济总量不同，只能用“ 城市居民每人每年的平均消费支出”来比较，而这正是可从统计年鉴中获得数据的变量。所以模型的被解释变量Y选定为“城市居民每人每年的平均消费支出”。
影响各地区城市居民人均消费支出有明显差异的因素有多种，但从理论和经验分析，最主要的影响因素应是居民收入，其他因素虽然对居民消费也有影响，但是有的不易取得数据，如“居民财产”和“购物环境”；有的与居民收入可能高度相关，如“就业状况”、“居民财产”；还有的因素在运用截面数据时在地区间的差异并不大，如“零售物价指数”、“利率”。因此这些其他因素可以不列为模型，即便他们对居民消费有某些影响也可归为随机扰动项中。为了与“城市居民人均消费支出”相对应，选择在统计年鉴中可以获得的“城市居民每人每年可支配收入”作为解释变量X。 2.数据来源
因为研究的目的是各地区城市居民消费的差异，并不是城市居民消费在不同时间的变动，所以应选择同一时期各地区城市居民的消费支出来建立模型。因此建立的是2007年截面数据模型。
表1 中国各地区城镇居民家庭人均全年可支配收入与人均全年消费性支出（元）
eviews如何分析线性回归(二)
eviews多元线性回归案例分析
中国税收增长的分析 一、研究的目的要求 改革开放以来，随着经济体制的改革深化和经济的快速增长，中国的财政收支状况发生了很大的变化，中央和地方的税收收入1978年为519.28亿元到2002年已增长到17636.45亿元25年间增长了33倍。为了研究中国税收收入增长的主要原因，分析中央和地方税收收入的增长规律，预测中国税收未来的增长趋势，需要建立计量经济学模型。 影响中国税收收入增长的因素很多，但据分析主要的因素可能有：（1）从宏观经济看，经济整体增长是税收增长的基本源泉。（2）公共财政的需求，税收收入是财政的主体，社会经济的发展和社会保障的完善等都对公共财政提出要求，因此对预算指出所表现的公共财政的需求对当年的税收收入可能有一定的影响。（3）物价水平。我国的税制结构以流转税为主，以现行价格计算的DGP等指标和和经营者收入水平都与物价水平有关。（4）税收政策因素。我国自1978年以来经历了两次大的税制改革，一次是1984—1985年的国有企业利改税，另一次是1994年的全国范围内的新税制改革。税制改革对税收会产生影响，特别是1985年税收陡增215.42%。但是第二次税制改革对税收的增长速度的影响不是非常大。因此可以从以上几个方面，分析各种因素对中国税收增长的具体影响。 二、模型设定
为了反映中国税收增长的全貌，选择包括中央和地方税收的‘国家财政收入’中的“各项税收”（简称“税收收入”）作为被解释变量，以放映国家税收的增长；选择“国内生产总值（GDP）”作为经济整体增长水平的代表；选择中央和地方“财政支出”作为公共财政需求的代表；选择“商品零售物价指数”作为物价水平的代表。由于税制改革难以量化，而且1985年以后财税体制改革对税收增长影响不是很大，可暂不考虑。所以解释变量设定为可观测“国内生产总值（GDP）”、“财政支出”、“商品零售物价指数” 从《中国统计年鉴》收集到以下数据
财政收入（亿元） 国内生产总值(亿元） 财政支出（亿元） 商品零售价格指数（%)
年份 1978 1979 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996
Y
X2 X3 X4
519.28 537.82 571.7 629.89 700.02 775.59 947.35 2040.79 2090.73 2140.36 2390.47 2727.4 2821.86 2990.17 3296.91 4255.3 5126.88 6038.04 6909.82 3624.1 4038.2 4517.8 4862.4 5294.7 5934.5 7171 8964.4 10202.2 11962.5 14928.3 16909.2 18547.9 21617.8 26638.1 34636.4 46759.4 58478.1 67884.6 1122.09 1281.79 1228.83 1138.41 1229.98 1409.52 1701.02 2004.25 2204.91 2262.18 2491.21 2823.78 3083.59 3386.62 3742.2 4642.3 5792.62 6823.72 7937.55 100.7 102 106 102.4 101.9 101.5 102.8 108.8 106 107.3 118.5 117.8 102.1 102.9 105.4 113.2 121.7 114.8 106.1
1997 1998 1999 2000 2001 2002 8234.04 9262.8 10682.58 12581.51 15301.38 17636.45
设定线性回归模型为：
74462.6 78345.2 82067.5 89468.1 97314.8 104790.6 9233.56 10798.18 13187.67 15886.5 18902.58 22053.15 100.8 97.4 97 98.5 99.2 98.7
Yi=β0+β2X2+β3X3+β4X4+μ三、参数估计
利用eviews软件可以得到 Y关于X2的散点图：
可以看出Y和X2成线性相关关系
Y关于X3的散点图：
可以看出Y和X3成线性相关关系
Y关于X1的散点图：
Dependent Variable: Y Method: Least Squares Date: 12/01/09 Time: 13:16 Sample: 1978 2002 Included observations: 25
Variable C X2 X3 X4
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat【eviews如何分析线性回归】
Coefficient -2582.755 0.022067 0.702104 23.98506
Std. Error 940.6119 0.005577 0.033236 8.738296
t-Statistic -2.745825 3.956633 21.12474 2.744821
Prob. 0.0121 0.0007 0.0000 0.0121 4848.366 4870.971 14.13511 14.33013 2717.254 0.000000
0.997430 Mean dependent var 0.997063 S.D. dependent var 263.9591 Akaike info criterion 1463163. Schwarz criterion -172.6889 F-statistic 0.948521 Prob(F-statistic)
模型估计的结果为：
Yi=-2582.755+0.022067X2+0.702104X3+23.98506X4 (940.6119) (0.0056) (0.0332) (8.7383) t={-2.7458} {3.9567} {21.1247} {2.7449} R2=0.997 R2=0.997 F=2717.254 df=21
四、模型检验 1.经济意义检验
模型估计结果说明，在假定其他变量不变的情况下，当年GDP每增长1亿元，税收收入就会增长0.02207亿元；在假定其他变量不变的情况下，当年财政支出每增长1亿元，税收收入就会增长0.7021亿元；在假定其他变量不变的情况下，当零售商品物价指数上涨一个百分点，税收收入就会增长23.985亿元。 2.统计检验
（1）拟合优度：R2=0.997，修正的可决系数为R2=0.997这说明模型对样本拟合的很好。 （2）F检验：针对H0:【eviews如何分析线性回归】
β2 =β3=β4=0,给定的显著性水平α
=0.05，在F分布表中查出
自由度为K-1=3和n-k=21的临界值Fα（3，21）=3.075.由eviews得到F=2717.238>3.075,应拒绝原假设H0,说明回归方程显著，即“国内生产总值（GDP）”“财政支出”“商品零售物价指数”联合起来确实对“税收收入”有显著影响。 （3）T检验：分别针对H：βj=0（j=0，2，3，4），给定的显著水平α=0.05，查t分布表得自由度为n-k=21临界值tα/2（n-k）=2.080。由eviews数据可得，与β0β2β3β4对应的t统计量分别为-2.7458，3.9567，21.1247，2.7449，其绝对值均大于2.080，这说明分别都应当拒绝H0，也就是说，当其他解释变量不变的情况下，解释变量“国内生产总值(亿元）X2”
“财政支出（亿元）X3”“商品零售价格指数（%)X4”分别对被解释变量“税收收入Y”都有显著的影响。
eviews如何分析线性回归(三)
多元线性回归eviews操作
【eviews如何分析线性回归】 一.模型设定
本例中我们假设拟建立如下多元回归模型：
Y01X12X2u
二.估计参数
1.建立工作文件
首先，进入Eviews主页，在菜单中依次点击File\New\Workfile，出现对话框Work Create。
截面数据Unstructured/undated只需输入样本数就可以。时间序列数据Dated-regular frequency在Date specification 中选择数据频率： Annual （年度） Weekly （周数据） Quarterly (季度)
Daily（5 day week）每周5天日数据 Daily（7 day week）每周7天日数据 Monthly （月度） integer date（未注明日期或者不规则的） Semi Annual（半年度）
其次，点击OK，出现未命名文件的Workfile UNTITLED工作框。其中c为截距项，resid为残差项。若要将文件存盘，点击save，在save as对话框中选择存盘路径，并输入文件名。如多元线性回归案例
2.输入数据
方法一：Quick\Empty Group等
方法二：data Y X1 X2,得到如下表;
3.估计参数
方法一：Quick\Estimate Equation
方法二: LS Y C X1 X2
三、解释表里参数
标准差S=0.075308，回归标准差=被解释变量标准差=
回归模型标准差：1
残差平方和：ei2=4170093
被解释变量的标准差：
2=2388.459 AIC和SC准则：这两个准则要求仅当所增加的解释变量能减少AIC值或SC值时才在原模型中增加该解释变量。与调整的可决系数相似。多元小于一元，可以将前期人均居民消费作为解释变量包括在模型中。
四、模型检验
1.经济意义检验
估计的参数值都为正数，经济意义合理。
所估计的参数10.555644,20.250085，说明在2006年可支配收入不变的情况下，2005年消费支出每增加1元，平均来说，可导致2006年消费支出提高0.250085元。
2.拟合优度和统计检验
本例中拟合优度等于0.975634，即解释变量对被解释变量2006年消费支出的绝大部分差异做出了解释，说明模型对样本的拟合很好。
F检验：针对H0：0120，给定显著性水平=0.05，在F分布表中查出自由度k-1=2（其中k为估计参数个数）n-k=28的临界值F(2，28)=19.5，由表中得F=560.5650。应拒绝原假设，说明回归方程显著，即2006年可支配收入、2005年消费支出联合起来对2006年消费支出有显著影响。
t检验：分别针对H0：j=0（j=01，,2），给定显著性水平=0.05，查t分布表得自由度n-k=28的临界值t=2.048，由表中看出都拒绝原假设，从P值中n-k）
也可以看出。也就是说，在其他解释变量不变的情况下，解释变量分别对被解释变量有显著性影响。
eviews如何分析线性回归(四)
基于EVIEWS软件下的多元线性回归分析
摘要：多元化的线性回归在现实应用中需要被实现，这一举措需要实际生活实践中的操作数据作为基础，更需要计量经济的专业软件EVIEWS作为使用工具。通过创建多元线性回归的模板和实际的数据显示可以发现，EVIEWS所创建模型是实际有用的，它说明EVIEWS在计量分析中不可或缺。日常生活中的变化因素太多，单纯的人力计算或者简单的操作程序已经不能满足人们的研究需求，需要新的软件来革新创造。EVIEWS软件在操作上弥补了普通软件的不实用性和使用软件的复杂性的漏洞，将目光投向简单易于操作的运行方式上，使得数据的评估预测更加简便可行。 关键词：多元线性回归；模型；EVIEWS；软件；工具
中图分类号：G632 文献标识码：B 文章编号：1002-7661（2014）14-327-02
一、与EVIEWS相关的多元线性回归模型的介绍
在理论学习中，学者们可能会为了操作的便捷而采用理性化的模型，这里理想化的模型是指单纯地将所要求的问题作为中心，忽略了其他任何可能存在的外界因素，纯粹地从理论角度解释问题。而在现实问题中，影响整个大局的因素是多样的，每一个因素都不可忽略。考虑到因变量的因子多样化，就要采用多元线性回归模型，使得整体的关系清晰，便于后期的计算统计。
将多元线性回归模型用数学式表达，则可以表示为：
Yi=β0+β2X2+β3X3+β4X4+•••+ε，
也可以笼统地写为：y=Xβ+ε。
在这个数学式中，X代表的是设计矩阵，由实践中实际测得的X的数值所构成；β代表的是参数变量，不同的待测物所具备的参数不同，因此β由实际操作中所需要估计的对象的参数所构成；ε在式中代表的是向量，表示实际操作中的随机误差。
二、建立EVIEWS相关的多元线性回归模型的过程介绍
1、利用所得数据创建图表
建模过程需要相关的测量数据的参与，为了更好的展现EVIEWS软件在数据操纵上的优越性，本文采用部分居民日常生活消费调查数据作为基础进行回归分析，这一数据内容简单，且数据和实际生活联系巨大，是一个贴合日常数据的操作类型。在得到数据后，根据相关规则进行归纳整理并创建相关的影响因子：针对该商品的花销费用（y），商品所标明的价格（x1），家庭平均月收入（x2）：
部分居民日常生活消费调查
序号 商品所标明的价格x1 家庭平均月收入x2 针对该商品的花销费用y
1 15.26 4500 519.20
2 22.51 7826 566.98
3 30.05 9928 534.88
4 35.73 10680 698.00
5 35.99 12000 653.66
6 38.10 12896 677.35
7 39.46 13453 655.24
8 49.67 16400 799.00
9 55.32 18920 745.66
10 56.85 19804 726.92
2、利用步骤1的数据图表做出散点图
由于本例子中，变量间的关联性密切，因此可以用绘制散点图的方法来表现自变量和因变量的相关因子间是否有显著的线性关系。由于这个缘故，当所有的数据完备后，就可以根据表中的相关数据画出散点图，根据本例子中的和针对该商品的花销费用有关y相关的因子有商品所标明的价格x1和家庭平均月收入x2两种，由此画出的散点图也因此包含两个，具体操作过程为：将序列y和第一个自变量x1组成一个相关联的群，打开这个群的对话联系界面，在界面上进行点击菜单View/Group/Scatter的操作。这个时候可供选择的图表类型很多，主要有三种，即简单的图表（simple scatter）,带回归线的图表（scatter with regression）和带折现的三点图表（scatter with nearest neighbor fit和scatter with kernel fit）。这三种方式得到散点图的过程和方法是不同的，但是最终获得的图像都是相同的，结果如下所示：
由着两个图表可以看出，商品所标明的价格和该类商品的花销费用是成正比的，商品所标明的价格越高，对于这类商品的花销也就越多；而家庭的月收入水平也对该商品的影响巨大，也是成正比关系，家庭的平均月收入越高，该类商品的花销上就越大。这两个图表说明自变量因子商品所标明的价格x1和家庭平均月收入x2和因变量因子针对该商品的花销费用y成线性关系。
3、在变量间成线性关系的前提下建立模型
当散点图中的各个便利之间有着明显的线性关系时，就可以根据这些数据通过估测参数的方式来建立模型。建立模型的方式是多样的，一般采用的有两种快捷菜单执行的方式：一是在界面的主菜单上点击objects/new objects这一命令，执行后就会弹出新的界面，在这个全新的界面上择定目标equation，同时为其重新取名，最后点击ok按钮即可完成。另一种方式点击的命令和方式一不同，这一方式在界面上点击quick/estimate equation命令，然后根据弹出的窗口进一步进行操作，最后得出结果。两者的操作方式是截然不同的，但是原理都类似，主要结合EVIEWS软件的灵活性和指导性，一步步将数据输入并且得到最后的结果。由于操作的数据是相同的，因此最终的结果也是一样的。
在相关的操作完成后就可以得到和上述的数据有关的参数，尽管为预估形式，其数值仍然可以作为线性关系的指标，在后期的预测中可以将其中的预测结果和实际操作最终的数值再进行比对，得到更加合理的结果，为走向的预测得到更准确的数据。根据这一手段，本数据中的参数如下图所示：根据样本的相关阵可以得出，针对该商品的花销费用与家庭的平均月收入和商品所表明的价格的相关系数十分密切，分别高达0.8967304和0.9377928，这也证明了和上图的散点图中同样的道理，即家庭平均月收入水平、商品所标明的价格和针对该商品的花销费用都是成线性相关的，他们的正比系数十分高。由此，可以考虑在此基础上创建二元线性回归模型。
4、在确定数据的高度线性关系的前提下创建OLS图表
为了得到OLS图表，可以对数据进行估计，一般采用的是普通的最小二乘估计方法，可以得到如下所示的图表：
5、当OLS图表创建成功后，可以通过图表中的数值得到估算方程，根据前面的公式，带入相关数据可以得出：
Y=626.5093-9.790570x1+0.28618x2
(40.13010)(3.197843)(0.05838)
t=(15.611195) （-3.061617）（4.902030）
R＾2=0.902218r＾2=0.874281
6、根据相关数据进行预测
在之前建立多元线性回归模型后，就需要进行观测，而预测相关的趋势和发展也是建立模型的目的之一。所创立的多元线性回归模型是需要判断其优劣程度的，预测的结果的准确与否正是判断模型是否符合标准的方式之一。针对不同的模型，原理仍然是类似的，可以根据创建的模型直接预估各个对象的拟合状况，这一过程仍然可以在界面上得到实现。具体的操作过程是：在界面上点击procs/forecast按键，或者直接在菜单的工具栏一项中选择forecast命令，选择完成后，界面会弹出一个新的对话框，然后可以生成一个名字叫做原自变量名加上f的全新序列形式，如果觉得这类名字不符合要求，操作者也一自行更换名称，方便快捷。除了会生成一个新的序列，在操作过程中，还会产生一个预测图，在预测图中将会和实际操作中的数值进行比较，从而得出该建立的模型的好坏与否。
运用EVIEWS的全部优势都在简单的例子中展现出来，一切数据都由EVIEWS软件操作完成，简便快捷，为繁重的人力计算减轻了压力也提高了准确程度。EVIEWS在实际运用中，避免了繁杂的操作步骤，内容人性化，让初学者在操作中也可以得心应手。它在计量经济中的作用是巨大的，方便了许多学者的操作研究，为学术界的发展做出了贡献。EVIEWS的运用十分广泛，对于经济走势的判断也影响着实际过程中的操作运营，简单的界面展示让一切过程不再枯燥无力，变得形象化而易读化。
参考文献：
[1] 易丹辉.数据分析与EVIEWS应用[M].北京:中国统计出版社,2002.
[2] 宁宝权 甄晓云 占鹤彪.灌木植物在高等级高速公路边坡防护中的重要作用[J].交通建设与管理,2008(10):73-75.
[3] 宁宝权《六盘水师范高等专科学校学报》,2011:3
[4] 陈俊金 陈月娜《中国集体经济》,2009:24
[5] 陈祺琪 李君 梁保松.河南农业大学学报ISTIC PKU,2012:46(4)
[6] 毛敏芳 魏晓平.《沿海企业与科技》,2006:03
eviews如何分析线性回归(五)
中国股票市场价值投资研究
【摘 要】在一个理性、成熟的股票市场中，股票价格应该与股票内在价值保持高度的一致性，价格及时反映价值的变化。本文在价值投资相关理论基础上，对近7年来价值股样本进行了相关分析和回归模型分析，结果表明影响价值股股价的主要因素来自于基本面因素，反应了内在价值的决定性作用。 【关键词】价值股；股价；价值投资
价值投资是股票市场中一种极为重要的投资手段和投资理念，在欧美市场兴起和发展，并也在最近数年我国股票市场中逐渐开始张崭露头角，投资者和研究者也越来越重视。笔者拟从价值投资的股票投资理念出发，对价值投资在我国股票市场的实际情况进行实证分析，以期揭示其内在规律和联系，从而为有关投资者和管理部门提供参考性意见。
一、价值投资理论
1.价值投资概念
价值投资理论诞生于1929年的美国股市崩盘及其后证券市场长期萧条的背景之下，以本杰明格雷厄姆和大卫・多德在年出版的经典著作《证券分析》为标志。价值投资，是指对影响证券投资的宏观经济因素、行业景气度、上市公司的经营业绩和财务状况等要素的分析为基础，以上市公司的资产价值、盈利能力价值和成长性价值等作为关注重点，以判定股票的内在投资价值为目的的投资策略。
2.价值投资理论
（1）前提假设
价值投资理论是为了指导投资者更好地进行证券投资而产生的，该理论的成立依据于对金融市场的两点假设：
①金融资产的价格在短期或中期内受经济社会各种复杂多变、影响深远的因素作用，经常偏离于其内在价值，且不同的时间段波动的幅度可能不等。
②金融资产本身存在一个稳定且可测量的内在价值，当上述偏离发生时，市场会出现自我纠正的趋势，所以从长期来看，证券的市场价格与内在价值趋同。
（2）安全边际
价值投资理论认为投资领域既存在收益，又存在风险。所谓风险，就是投资资本损失的大小和可能性。投资者要想降低风险，做到不亏损，只有当证券价格远低于内在价值时才能买入。格雷厄姆认为当股票的价格低于它的内在价值时，股票就存在一个正的安全边际。价格比价值低得越多，安全边际越大。拥有了安全边际，投资者就拥有了一种更容易取胜的优势。
（3）价值评估
Irving Fisher在1930年提出了确定条件下的企业价值评估理论，从理论上讲任何资产的内在价值等于该资产能为其所有者带来的未来现金流的现值。但理论上正确的东西未必能运用于实践，因为未来现金流和折现率具有极大的不确定性，因而极难估计。价值投资理论接受现值的概念，但为了避免现金流折现模型的弊端，提出了新的估值模型。该方法以对公司所处的经济条件的全面把握为基础，将重点放在确定的公司财务信息上，在估值时坚持理性和保守的作风，这种方法就是三要素定价方法：资产价值、盈利能力价值和成长性价值。
二、样本选择及模型设计
1.样本选择
本研究分析的数据均来自中国股票市场研究数据库（CSMAR）。本次研究的样本范围是从2008年到2014年，在沪深两市所有A股上市公司中遵循如下条件筛选各年价值股：①所有年份：P/B≤5；②所有样本：EPS≥0.1元；③样本市盈率选择：P/ E≤30。
2.模型设计
模型设计分为三步：①根据P/E、P/B和EPS值，筛选出历年我国证券市场符合价值投资的价值型股票；②计算价值股的市场价格与反映基本面因素的主要财务指标pearson相关系数；③选取相关性较强的财务指标作为自变量，以股票价格作为因变量，建立多元线性回归模型。
运用Eviews分析软件，通过对历年大量样本数据的回归分析，输出模型中各自变量前的系数和各检验值等。其中检验值代表方程的对于股票价格的解释水平的高低，而各自变量前的系数则代表各个基本面因素对于股票价格的解释能力和影响程度。
三、实证研究结果
1.样本概述
按照研究样本筛选条件，得到样本数为3645个：2008年376个，2009年448个，2010年494个，2011年532个，2012年547个，2013年585个，2014年663个。
从上表1可以看出，样本数量逐年增加，原因在于近年来我国股市从熊市逐渐开始转向牛市的过程，市场投资价值不断增加。
2.Pearson相关系数分析
研究中使用SPSS统计分析软件计算2008-1014年选取样本的所有财务指标与当年年末收盘价格的Pearson相关系数，将至少有一年的|r|≥0.3的指标加入统计表（下表2）
除上表中所列7个指标外，利息支付能力、主营业务收入增长率、存货周转率、流动比率、速动比率、资产负债率、存货周转率以及主营业务利润比率的Pearson相关系数绝对值均有年份在.2和0.3之间，但总体看来并不显著。同时由于净资产收益率=每股收益/每股净资产，三者之间有明显的线性相关性，因此为避免模型出现多重共线性，后期建模中将净资产收益率从建模指标体系中予以剔除。
3.线性回归分析
以股价为因变量，流通A股股本、每股净资产、主营利润率、每股收益、经营净现金流、每10股派现金额作为自变量，用views统计软件对样本做回归分析，所得结果经整理如下表所示：
从上表可以看出，2008年到2014年这7年间所有年份线性回归方程的R2值都在0.7以上，而各模型中自变量均通过了t检验，总体上说明该线性模型基本能够有效地解释价值股股价。总的来看，价值股样本6个自变量线性回归模型的结果基本符合我国股票市场的实际情况：价值股股价与流通A股股本存在负相关性，与每股净资产、每股收益及主营业务率存在正相关性。 （1）除少数年份外，流通A股股本对价值股股价具有一定的解释作用，但总体上这个解释作用趋于弱化。随着投资机构和投资者价值投资理念的增强，投资方对股市风险变得更加谨慎，加上市场监管力度的加强，使股票市场趋于理性化，价值股的流通盘大小对股票价格的影响能力得到弱化。
（2）除少数年份外，主营业务利润率对价值股股价亦起到了一定的解释作用，这种解释作用在整体上表现出上升趋势，这说明了市场开始增加对上市公司主营业务竞争力的关注度。上世纪末到本世纪初期，投资机构和投资者相对来说更关心庄家、炒作概念等，而不是关注上市公司本身，但随着投资理念的理性化和成熟化，上市公司产品服务和盈利能力在价值投资选择时得到重视，成为极其重要的参考指标。
（3）每股收益各年均进入回归模型，且对股票价格具有极强的解释能力。这点和价值股市场表现的特点十分吻合，能够在一定程度上体现出进行价值投资的有效性，同时也说明了市场对价值投资理念的认同。价值投资机构和投资者只有在掌握上市公司基本面情况，正确预测每股收益这类价值型指标，才能理性投资，长期有效的规避投资风险，才能获得更高的投资收益。
（4）每股净资产对股票价格的解释作用也非常有效，这也十分符合价值股市场表现的特点，在一定程度上也体现出进行价值投资的有效性。每股净资产各年均进入回归模型，且对股票价格的解释作用仅次于每股收益。当上市公司经营状况处在风险较大时的市场基本价值，是投资者规避风险，减少损失的重要参考依据。
（5）经营净现金流量只有在2012年和2013年进入回归模型，且系数均为负值，表明这两年经营净现金流量对股票价格具有较弱的负面影响，这在理论上来说是不太正常的现象。笔者认为这个指标在我国股票市场没有起到有效正面影响作用的原因主要在于，我国股票市场投资者特别是众多散户缺乏财务管理学方面的相关理论知识，无法对该项指标作出有效解读。同时由于市场的盲目性和我国股民的跟风氛围更是拖累了价值股市场表现。
（6）每10股派现金额除了2010年外，其他年份均未进入模型，说明该指标对股票价格基本没有影响，但从实际情况来看，这个结果属于正常现象。其原因在于，上市公司分红过多时，看起来会受到股东的欢迎，但用于公司投入再生产的资金必然会减少，从长远来看并不利于公司的发展；分红过少时上市公司的投入在生产能力会增强，但会影响股东的短期利益。正因如此，上市公司现金分红为辅，股票股利分红为主。
综上所述，研究结果表明影响价值股股价的主要因素来自于基本面因素，虽然在不同的年份，某些指标在回归模型中存在差异，但整体上来看，各主要变量均在回归模型之中，这说明影响和决定股票价格的关键点是资产价值和盈利价值。
参考文献：
[1]Benjamin Graham & David Todd. Security Analysis[M]. McGrawHill，2008.
[2] Janet Lowe.The Rediscovered Benjamin Graham[M]. Wiley，1999.
[3]徐莉，王静.价值投资：中国股票市场实证分析[J].上海管理科学，2006，06：1-5.
[4]李勇.中国证券市场价值投资的实证研究[D].合肥工业大学，2007.
http://m.zhuodaoren.com/fanwen317682/
推荐访问:eviews做线性回归分析 eviews多元线性回归
