5 1変量線形回帰モデルの推定

5.1 古典的線形回帰モデル

古典的線形回帰モデルのOLS推定は以下の手順で実行する．

1. メニューから「モデル」→「通常の最小二乗法」を選択．
2. 「従属変数」を1つ選択．
3. 「説明変数（回帰変数）」を選択．
4. 「OK」をクリック．

結果の画面でメニューから追加的な分析やグラフの表示ができる．

1. 「検定」→「不均一分散」で不均一分散の存在を検定できる（Whiteの検定・Breusch–PaganのLM検定）．
2. 「検定」→「自己相関」で系列相関の存在を検定できる（Breusch–GodfreyのLM検定）．
3. 「グラフ」→「理論値・実績値プロット」→「対」で回帰直線が図示される．
4. 「分析」→「係数の信頼区間」で回帰係数の95％信頼区間が求まる．

5.2 一般化線形回帰モデル

5.2.1 OLS

一般化線形回帰モデルのOLS推定は以下の手順で実行する．

1. メニューから「モデル」→「通常の最小二乗法」を選択．
2. 「従属変数」を1つ選択．
3. 「説明変数（回帰変数）」を選択．
4. 「頑健標準誤差を使用する」をチェック．
5. 「OK」をクリック．

これで頑健（robust）な標準誤差が得られる．

5.2.2 GLS（横断面データ）

条件つき不均一分散をもつ線形回帰モデルのGLS推定は以下の手順で実行する．

1. メニューから「モデル」→「その他の線形モデル」→「不均一分散を修正した推定」を選択．
2. 「従属変数」を1つ選択．
3. 「説明変数（回帰変数）」を選択．
4. 「OK」をクリック．

5.2.3 GLS（時系列データ）

系列相関をもつ線形回帰モデルのGLS推定は以下の手順で実行する．

1. メニューから「モデル」→「Univariate time series」→「自己回帰（AR）モデル（GLS）」→「1階の自己回帰過程（AR(1)）」を選択．
2. 「プレス＝ウィンステン（Prais–Winsten）法」をチェック．
3. 「従属変数」を1つ選択．
4. 「説明変数（回帰変数）」を選択．
5. 「OK」をクリック．