目录
实验一 (1)
实验二 (2)
实验三 (6)
实验四 (9)
实验五 (15)
实验六 (18)
实验七 (22)
实验八 (23)
实验一
1.实验目的
（1）熟悉Eviews 的基本操作；
（2）学会Eviews工作文件的建立、数据输入、数据的编辑和描述。
2.实验内容
（1）Eviews软件的安装；
（2）建立workfile（命名、数据时间范围及样本区间范围的调整、选路径存盘）；（3）对象的创建和操作（对象的类型、命名、创建、打开、数据输入方法、修改数据）
（4）组对象的建立和作图；
（5）利用已有序列生成新序列（Quick/generate series,如z=x^2）；
3.实验过程记录
（1）下载并安装Eviews软件；
（2）打开Eviews软件，点击“File-New-Workfile”，新建一个workfile文件并保存。（3）点击“Object-NewObject”,对象类型选择“Series”,创建一个新的对象，进入数据编辑窗口，点击Edit+/-打开数据编辑状态，将上海城市居民1981－1998 年期间消费相关数据输入，对数据进行修改。
（4）点击“Object-NewObject”,对象类型选择”group”，创建一个组对象。在组对象窗口中点击View-graph，选择图形类型作图。散点图如下所示：
4.实验中存在的问题及解决方法
（1）存在的问题：在实验中由于对软件的操作不是很熟悉，所以导致实验过程不是很流畅。
（2）解决方法：在实验之前提前熟悉软件的操作，在试验之后再多加练习，保证实验过程中对软件的操作没有或者尽量少的疑问。
5.实验体会
（1）由上图可知，上海市居民1981-1998年间居民消费状况与居民收入呈正相关关系。Eviews软件可通过图形以及其他方式对结果做出准确的分析。
（2）Eviews软件在计量经济学的回归、预测以及各种相关关系的检验当中能够准确做出分析，有助于我们更好地作出判断。
通过这次实验，我明白了eviews的使用方法，运用Eviews对数据进行分析，快速建立回归模型，通过对实验结果的分析可清晰地了解各项统计检验结果。图形分析与各项指标相结合更清楚的了解数据的特性。比如散点图与可决系数相比较，可知道回归模型对数据的拟合程度。通过这次试验，我进一步了解了计量经济学非线性回归模型的线性化和最小二乘估计问题，理论与实践结合。
实验二
1.实验目的
全过程体验计量经济学中线性回归模型的估计方法
2.实验项目与内容
（1）确定所要研究的问题，作出理论或假说的陈述；
（2）进行理论数学模型的设定；
（3）散点图观察；
（4）参数估计；
（5）决定系数计算与分析、拟合优度检验；
（6）对参数进行显著性检验与经济检验；
（7）对估计效果进行分析（实际值、拟合值及残差分析）；
（8）列写估计式；
（9）进行预测。
3.实验过程记录
（1）确定所要研究的问题为1988-1998的城镇居民人均全年耐用消费品支出、人均全年可支配收入以及耐用消费品价格指数之间的关系。需要建立城镇居民人均全年耐用消费品支出y 关于人均全年可支配收入x1和耐用消费品价格指数x2的回归模型，并进行回归分析。
（2）对问题进行理论数学的设定。根据经济理论和对实际情况的分析我们可以知道，城镇居民全年耐用消费品支出y 依赖于人均全年可支配收入x1和耐用消费品价格指数x2的变化，因此我们设定回归模型为
i i 22i 110i u X X Y +++=βββ
应用Eviews 的最小二乘法程序，输出结果如下表所示。 则估计的回归方程为
i 2i 1i X 9117.0-X 0494.05398.158Y +=
残差平方和为：Sum squared resid=3270.001
（4）用最小二乘法对理论模型进行参数估计。结果如下所示：
Variable
Coefficient Std. Error t-Statistic Prob.
C 158.5398 121.8071 1.301564 0.2293 X1 0.049404 0.004684 10.54786 0.0000 X2 -0.911684 0.989546
-0.921316
0.3838
R-squared
0.947989
Mean dependent var
190.4827
Adjusted R-squared 0.934986 S.D. dependent var 79.29127
S.E. of regression 20.21757 Akaike info criterion 9.077982
Sum squared resid 3270.001 Schwarz criterion 9.186499
Log likelihood -46.92890 Hannan-Quinn criter. 9.009577
F-statistic 72.90647 Durbin-Watson stat 1.035840
Prob(F-statistic) 0.000007
（5）由上表可知，样本可决系数R-squared=0.947989，修正样本可决系数为Adjusted-squared=0.934986。计算结果表明，估计的样本回归方程较好地拟合了样本观测值。关于这一点，预测值、真实值和拟合值的线性关系图也可说明，如下图所示：
（6）显著性检验与经济检验：F-statistic=72.90647，对于给定的显著性水平0.05，F的值大于临界值，总体回归方程是显著的，所以说明我国城镇居民人均全年耐用消费品支出与人均全年可支配收入和耐用消费品价格指数之间存在显著的线性关系。
x1的回归系数为0.0494，表明镇居民人均全年耐用消费品支出随着可支配收入的增长而增加，并且介于0和1之间，因此该回归系数的符号、大小都与经济理论和人们的经验期望值相符合；x2的回归系数为-0.9117，表示城镇居民全年耐用消费品支出随着耐用消费品价格指数的降低而增加，虽然我国在1988-1998年的短短几年间，耐用消费品价格指数经历了由高到低，又由低到高，再由高到低的剧烈变化，但总的走势是成下降态势，所以该回归系数的符号和大小也
与经济理论和人们的经验期望值相一致。
（7）预测。对我国城镇居民人均全年耐用消费品支出作出预测，先将数据范围进行修改（改为1988-2000），将x1=5800，x2=135分别输入2000年的数值，然后在模型输出结果窗口对2000年的耐用消费品支出水平进行预测。
通过以上预测得出2000年的城镇居民全年耐用消费品支出yf=322.0045，而其真实值y=321.9803.表明估计值与真实值非常接近。
预测结果如下图所示：
4. 实验中存在的问题及解决方法
（1）存在的问题：一元线性回归模型假定我们所研究的经济变量只受一个原因变量影响，然而，在实际经济问题中一个经济变量往往要受到多个因素的影响，
这造成了我们对经济变量解释的不准确性。
（2）解决方法：引入含有两个或两个以上解释变量的多元线性回归模型。
5.实验体会
（1）结论：通过以上检验和预测，我们可得出结论为我国城镇居民人均全年耐用消费品支出与人均全年可支配收入和耐用消费品价格指数之间存在显著的线性关系。估计的样本回归方程较好地拟合了样本观测值。并且该回归系数的检验与经济理论和人们的经验期望值相一致。
（2）感想：在计量经济学当中线性回归模型可以较好地对模型的参数以及各变量之间的关系进行检验，并且对相关变量进行预测
同时，对2000年的城镇居民全年耐用消费品支出的预测值与真实值非常接近，说明以上建立的线性回归模型无论是结构分析、统计检验，还是预测效果，都是比较好的。
实验三
1.实验目的
掌握非线性回归模型的线性化估计方法
2.实验内容
（1）做可线性化的非线性模型估计；
（2）用函数和已有序列生成新数据；
（3）学会用线性化方法估计非线性模型并写出最终表达式。
3.实验过程记录
（1）Object—New Object，对象类型选择Equation，输入回归对象，回归结果如下表所示：
Variable Coefficient Std. Error t-Statistic Prob.
C -109.7979 36.89048 -2.976322 0.0100
K 0.339567 0.003536 96.02689 0.0000
L 0.134772 0.086442 1.559107 0.1413
R-squared 0.999536 Mean dependent var 357.5412
Adjusted R-squared 0.999470 S.D. dependent var 298.0947
S.E. of regression 6.864228 Akaike info criterion 6.849309
Sum squared resid 659.6468 Schwarz criterion 6.996347
Log likelihood -55.21913 Hannan-Quinn criter. 6.863925
F-statistic 15080.43 Durbin-Watson stat 1.394817
Prob(F-statistic) 0.000000
（2）用函数和已有序列生成新数据，具体操作为“Quick-Generate Series”，再对生成的新序列数据进行回归，结果如下：
Variable Coefficient Std. Error t-Statistic Prob.
C -10.46386 1.287010 -8.130363 0.0000
X1 1.021124 0.029404 34.72712 0.0000
X2 1.471943 0.239290 6.151284 0.0000
R-squared 0.998608 Mean dependent var 5.600196
Adjusted R-squared 0.998409 S.D. dependent var 0.749974
S.E. of regression 0.029918 Akaike info criterion -4.021929
Sum squared resid 0.012531 Schwarz criterion -3.874891
Log likelihood 37.18639 Hannan-Quinn criter. -4.007313
F-statistic 5020.103 Durbin-Watson stat 1.568312
Prob(F-statistic) 0.000000
同时，做出上述模型残差值、真实值和拟合值的线形图如下：
回归结果当中R2=0.9886，表明Y中的变异性能被估计的回归方程解释的
部分多，估计的回归方程对样本观测值具较高的拟合性。
同时，残差值、真实值和拟合值的线形图也表明其具有较高的拟合性。
（3）根据上表可得估计的回归方程为
Y=?10.4639+1.0211X1i+1.4719X2i
R2 =0.9986 F=5020.103 DW=1.5683
4.实验中存在的问题及解决方法
（1）存在的问题：
a.常用的三种非线性估计方法当中，直接搜索法要求模型只有一个或两个未知参数，否则计算量就很大.
b.直接优化法的方程组是一个非线性方程组，计算上困难很大；
c.迭代线性化法有比较高的计算效率，只需要几次迭代就可以得到满意的结果，并且每一次迭代都是一次线性回归，可以同时进行各种统计检验，是一种比较优良的方法。但是，在实验过程中不能只根据每种方法的独立的性质来决定采用那种方法，三种方法的选择也要依赖于具体的模型而定。
（2）解决方法：先确定模型的具体类型，然后确定采用哪种方法最适合该模型并且可以得到满意的结果，再选择具体方法。必要的时候可以将其中的两种方法结合起来使用。
5.实验体会
（1）结论：由上表的回归分析结果，估计的回归方程为：
Y=?10.4639+1.0211X1i+1.4719X2i
并且R2 =0.9986 F=5020.103 DW=1.5683
经济意义检验：根据回归结果，参数β1的估计量为1.0211，说明在其他变量不变的条件下，每多投入1亿元，GDP就会增加1.0211亿元；参数β2的估计量为1.4719，说明在其他变量不变的条件下，每多增加一万名就业人员，GDP 增加1.4719亿元。
（2）评价、感想：计量经济学是一门以经济理论为前提，借助数学、统计学方法，以经济计量软件为工具，根据实际观测资料来研究经济现象、分析经济过程，通过建立经济计量模型来探讨经济规律的学科。而Eviews软件能够对实际观测资料对经济现象做出准确的预测和分析。
实验四
1.实验目的
掌握异方差性的检验与处理方法
2.实验内容
（1）以X-Y 的散点图进行判断异方差的存在性；
（2）以残差与解释变量之间的变化趋势观察异方差的存在性；
（3）以戈德菲尔德－夸特检验法检验异方差性；
（4）以White 检验法检验异方差性；
（5）以戈里瑟检验法检验异方差性；
（6）设法消除异方差性（WLS）；
（7）写出最终表达式。
3.实验过程记录
根据经济理论建立计量模型：
Y i=β0+β1X i+u i
用普通最小二乘法（OLS）估计，估计结果如下：
Y i=?700.75+0.09X i
R2=0.92调整的R2=0.92F=335.82
从Eviews 估计结果里直接获得残差ei，（i＝1，2，…，31）。观察ei 的取值，好像随Xi 的变化而变化，怀疑模型存在异方差性，下面分别用几种方法检验随机误差项的异方差性。
（1）图示法检验：
分别绘制收入（X）与储蓄（Y），收入（X）与残差平方的散点图，
图1：X－Y 散点图图2：X－ei2散点图
从图1 可以看出，随着可支配收入X 的增加，储蓄Y 的离散程度增加，表明随机误差项ui存在异方差性；从图2 也可以看出，残差平方项呈现离散变化，表示随机误差项存在异方差。
模拟图与残差图：
（2）戈德菲尔德－夸特检验：
A ．对解释变量进行排序；按X 排序后，被解释变量Y 的排列顺序将自动进行调整，保证与X 的对应关系不变。
B ．略去中心9 个样本观测值，将剩下的22 个样本观测值分成容量相等的两个子样本，每个子样本的容量个数均为11。
C ．对两组数据分别进行回归分析，求出各个组的残差平方和ESS=Σe i 2。 对两组样本分别进行OLS 估计，结果如下：
用第一个子样本估计模型，得：Y i1=?744.64+0.09income i1，Σe i12
=150867.9 用第二个子样本估计模型，得：Y i2=?414.98+0.005income i2，Σe i22=958109.4
D ．提出假设：H 0：σi 2=σj 2 ，即原模型不存在异方差 H 1：σi 2≠σj 2 ，即原模型存在异方差。
E ．计算
F 统计量：
给定显著性平α=0.05，查F 分布表，F 0.05（9,9）=3.18。
因为F=6.35> F 0.05（9,9）=3.18，所以应拒绝原假设，即原模型的随机误差项存在递增的异方差。 （3）怀特检验：
A ．在估计方程窗口， 点击 View/residual test —heteroskedasticity test —test type:white ，回车。
B．T est 直接给出了相关的统计量（F-statistic 和Obs*R-squared），原假设是序列无异方差，如果统计量的值很小，相应的p 值大于5%，则接受原假设。
Heteroskedasticity Test: White
F-statistic 5.665138 Prob. F(2,28) 0.0086
Obs*R-squared 8.930489 Prob. Chi-Square(2) 0.0115
Scaled explained SS 7.459120 Prob. Chi-Square(2) 0.0240
注：Obs*R-squared=nR2
由估计结果知，nR2=Obs*R-squared=8.930489>χ2（2）=5.991（或者其Prob. Chi-Square(2)=0.0115），统计显著，所以存在异方差。
（4）戈里瑟检验：
对各个不同方程van数的显著性分别进行检验（t检验）
经试验，发现残差绝对值与X 的线性关系较强，见下图：
用OLS 回归以后，得到如下回归方程，结果如下：
e t =–7.954263+0.008854X i
R2=0.345374 调整的R2=0.322802
由于t 统计量较大，且通过了检验（a=0.05），说明收入X 对参差绝对值有显著的线性影响。
以上几种方法的检验，从各自不同的角度，均说明该模型随机误差项存在异方差。
（5）消除异方差性：
方法一：由上面戈里瑟检验的结果可知，异方差与解释变量存在显著的相关关系。用解释变量的倒数1/x 作为权重，对原模型进行加权处理，模型变化如下：
Y t X t =
β0
X t
+β1+
u t
X t
再进一步变化，得：Y
X
=β0
X
+β1+v
对上述非标准的线性回归模型进行线性化，然后运用OLS 法估计，得到参数估计结果。
方法二：直接运用加权最小二乘法回归，权重W=1/x
估计结果如下：
Variable Coefficient Std. Error t-Statistic Prob.
C -740.0860 71.49267 -10.35191 0.0000
X 0.089519 0.004320 20.72375 0.0000
R2=0.79 t=31 还原变量，得：Y t=?742.47+0.09X t
（6）作进一步的White检验：
对加权最小二乘法的估计结果再进行White 检验，看变换后的模型是否还存在异方差。检验结果如下：
Heteroskedasticity Test: White
F-statistic 3.291231 Prob. F(2,28) 0.0520
Obs*R-squared 5.900573 Prob. Chi-Square(2) 0.0523
Scaled explained SS 4.395405 Prob. Chi-Square(2) 0.1111
4.实验过程中存在的问题及解决方法
（1）存在的问题：
a.在异方差的检验过程当中，White检验使用与检验递增或递减型异方差，在其他类型的异方差检验中效果不显著。
b.戈德菲尔德-夸特检验适用于检验递增型异方差，但是不能确定异方差的具体形式。
c.戈里瑟检验不存在上述两种方法的缺陷，但是确定异方差的具体形式比较困难，并且可能会进行多次试算。
（2）解决方法：在不同的模型检验中使用不同的方法，多种方法综合使用，是模型的检验结果达到最优。
5.实验体会
（1）结论：根据这五种方法的检验，该经济模型存在异方差性。
异方差的存在使得变量的显著性检验和模型的预测失效，而通过加权最小二乘法可以有效地消除异方差，使得模型的预测更为准确。
（2）评价、感想：通过本次实验，让我们进一步了解到EViews的操作程序，一般化经济模型方面向前迈进，使计量经济模型适合更大范围的数据生产过程，异方差在经济数据中广泛存在；了解到异方差的来源及其后果；五种检验方法的使用步骤与理论。
实验五
1.实验目的
掌握自相关的检验与修正方法
2.实验内容
（1）通过残差图初步观察自相关；
（2）DW检验；
（3）LM检验；
（4）回归检验法；
（5）克服自相关的方法；
（6）写出最终表达式。
3.实验过程记录
建立回归模型：
Y t=β0+β1X t+u t
回归方程为：
Y t=β0+β1X t+e t
（1）图示法观察自相关：
做（t—e t；e t-1—e t）的残差图初步观察自相关，作图如下：
图1 Resid与其滞后一期散点图
由残差Resid 与其滞后一期散点图如图1 所示，由图1 可以看出，模型
的随机误差项表现为明显的正自相关特征。 （2）DW 检验：
对模型进行回归得结果如下：
Variable Coefficient Std. Error t-Statistic Prob.
C -1147.452 396.1565 -2.896461 0.0093 X 0.170053
0.011451
14.85017
0.0000
R-squared
0.920677 Mean dependent var 3080.390 Adjusted R-squared 0.916502 S.D. dependent var 4368.710 S.E. of regression 1262.381 Akaike info criterion 17.20978 Sum squared resid 30278494 Schwarz criterion 17.30926 Log likelihood -178.7027 Hannan-Quinn criter. 17.23137 F-statistic 220.5277 Durbin-Watson stat 0.688644
Prob(F-statistic)
0.000000
Durbin-Watson stat=0.688644。 查DW 检验临界值表，α=0.05，k=1，T=21，得D L =1.22；D U =1.42。故存在自相关。 （3）LM 检验：
点击方程窗口中，点击View —Residual Tests —Serial Correlation LM Test —在lags to include 框中输入滞后阶数—ok 检验结果如下：
TR 2=9.591053>Χ2（1）=3.84，故证明存在序列相关性。 （4）回归检验法：
残差项e t 与其滞后一期e t-1回归模型：t t t
v e e +=-1ρ
用普通最小二乘法进行参数估计，得到：1718118.0-=t t e e
所以回归式的参数具有显著性（不为零），所以说明误差项存在该种形式的自相关。
（5）用广义差分法消除自相关：
根据原模型的估计结果，DW=0.688644，求ρ：
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 15.13189 Prob. F(1,18) 0.0011 Obs*R-squared
9.591053 Prob. Chi-Square(1)
0.0020
ρ= 1?
DW 2
= 1?
0.688644
2
= 0.655678
对原数据进行差分变换：
GDY t =Y t ?0.65567Y t?1 GDX t =X t ?0.65567X t?1
以GDY t ，GDX t ，t ＝2，3，…，20，为样本再次回归。回归结果如下：
DW=1.345619，查DW 检验临界值表，α=0.05，k=1，T=20，得D L =1.20；D U =1.41，因为D L 所以用LM 方法进行检验，检验结果如下： LM 检验结果表明不存在自相关，所以回归结果比存在自相关模型的回归结果更可信。 4. 实验过程中存在的问题及解决方法 （1）存在的问题： a.在以上检验方法中，DW 检验有一个无法确定的区域，一旦DW 值落在这个区域内就无法判断。 b.DW 检验不适合于随机项具有高阶序列相关及其他形式的检验；对于滞后变量作为解释变量的模型，DW 检验失效。 Variable Coefficient Std. Error t-Statistic Prob. C -585.2663 334.0490 -1.752037 0.0968 GDX 0.192832 0.021786 8.851161 0.0000 R-squared 0.813168 Mean dependent var 1606.313 Adjusted R-squared 0.802788 S.D. dependent var 2258.142 S.E. of regression 1002.808 Akaike info criterion 16.75364 Sum squared resid 18101233 Schwarz criterion 16.85321 Log likelihood -165.5364 Hannan-Quinn criter. 16.77307 F-statistic 78.34305 Durbin-Watson stat 1.345619 Prob(F-statistic) 0.000000 Breusch-Godfrey Serial Correlation LM Test: F-statistic 1.319443 Prob. F(1,17) 0.2666 Obs*R-squared 1.440484 Prob. Chi-Square(1) 0.2301 c.不适用于联立方程组中各单一方程随机项序列相关的检验。 （2）解决方法：寻求其他检验方法，如LM检验、回归检验法等。 5.实验体会 （1）结论：根据这四种方法的检验，该经济模型存在自相关。 计量经济学一旦出现序列相关性，将会使得模型的统计检验失效，F统计量和T统计量的值虚增。使区间估计和预测区间的精度降低，预测置信区间虚假缩小，夸大了预测精度。而通过广义差分法可以有效地消除自相关，保持模型预测和检验的准确性。 （2）评价、感想：通过此次试验，是我们认识到了计量经济模型分析中存在的又一影响模型准确性的因素——自相关，以及能够有效解决这些问题的方法、理论和步骤。这使得计量经济模型能够在更广泛的范围内使用。 实验六 1.实验目的 掌握多重共线性的检验与修正方法 2.实验内容 （1）通过统计结果检验多重共线性； （2）通过x1、x2、x3、x4间的散点图观察多重共线性； （3）建立辅助回归模型检验多重共线性； （4）用逐步回归法（修正Frisch）。 3.实验过程记录 建立回归模型： 根据理论分析，服装消费量受其四个因素的影响，建立回归模型： Y i=β0+β1X1i+β2X2i+β3X3i+β4X4i+u i 用OLS 进行估计，得： Variable Coefficient Std. Error t-Statistic Prob. C -13.53352 7.513155 -1.801310 0.1315 X1 0.096954 0.026488 3.660278 0.0146 X2 0.015081 0.049393 0.305330 0.7724 所以 Y i =?13.53+0.097X 1i +0.015X 2i ?0.199X 3i +0.34X 4i R 2=0.998， 调整的R 2=0.996， F ＝626.45， DW ＝3.38 （1）根据回归结果检验多重共线性： 根据上面的估计结果，样本可决系数 R 2 接近于 1，说明拟合优度非常好。给定显著性水平α=0.05，查F 分布表，得临界值为： F 0.05(4,5)=5.19， 因为检验结果得 F= 626.45>5.19 ， 所以回归方程显著。 但根据 t 分布表，得临界值为：t 0.025=2.57。 因此上面的 t 值仅有一个通过检验，其他均不显著。怀疑自变量之间存在多重共线性。 X3 -0.199134 0.090160 -2.208675 0.0782 X4 0.340140 0.149749 2.271407 0.0723 R-squared 0.998009 Mean dependent var 14.00000 Adjusted R-squared 0.996416 S.D. dependent var 4.301163 S.E. of regression 0.257511 Akaike info criterion 0.431347 Sum squared resid 0.331561 Schwarz criterion 0.582640 Log likelihood 2.843264 Hannan-Quinn criter. 0.265380 F-statistic 626.4634 Durbin-Watson stat 3.382618 Prob(F-statistic) 0.000001 实 验 三： 多元回归模型与非线性回归模型 【实验目的】掌握多元回归模型参数估计，特别是非线性回归模型的转化、参数估计及检验方法。 【实验内容】一、多元回归模型参数估计； 二、生成序列以及可线性化模型的参数估计； 三、不可线性化模型的迭代估计法的Eviews 软件的实现方式。 【实验数据】建立我国国有独立核算工业企业生产函数。根据生产函数理论，生产函数的基本形式为：()ε,,,K L t f Y =。其中，L 、K 分别为生产过程中投入的劳动与资金，时间变量t 反映技术进步的影响。表3-1列出了我国1978-1994年期间国有独立核算工业企业的有关统计资料；其中产出Y 为工业总产值（可比价），L 、K 分别为年末职工人数和固定资产净值（可比价）。 资料来源：根据《中国统计年鉴－1995》和《中国工业经济年鉴-1995》计算整理 【实验步骤】Y=AK 一、建立多元线性回归模型 ㈠建立包括时间变量的三元线性回归模型； μββββ++++=L K T Y 3210 在命令窗口依次键入以下命令即可： ⒈建立工作文件： CREATE A 78 94 ⒉输入统计资料： DATA Y L K ⒊生成时间变量t ： GENR T=@TREND(77) ⒋建立回归模型： LS Y C T L K 则生产函数的估计结果及有关信息如图3-1所示。 图3-1 我国国有独立核算工业企业生产函数的估计结果 因此，我国国有独立工业企业的生产函数为： K L t y 7764.06667.06789.7732.675?+++-= （模型1） t ＝(-0.252) (0.672) (0.781) (7.433) 9958.02=R 9948 .02=R 551.1018=F 模型的计算结果表明，我国国有独立核算工业企业的劳动力边际产出为0.6667，资金的边际产出为0.7764，技术进步的影响使工业总产值平均每年递增77.68亿元。回归系数的符号和数值是较为合理的。9958.02=R ，说明模型有很高的拟合优度，F 检验也是高度显著的，说明职工人数L 、资金K 和时间变量t 对工业总产值的总影响是显著的。从图3-1看出，解释变量资金K 的t 统计量值为7.433，表明资金对企业产出的影响是显著的。但是，模型中其他变量（包括常数项）的t 统计量值都较小，未通过检验。因此，需要对以上三元线性回归模型做适当的调整，按照统计检验程序，一般应先剔除t 统计量最小的变量（即时间变量）而重新建立模型。 ㈡建立剔除时间变量的二元线性回归模型； 命令：LS Y C L K 则生产函数的估计结果及有关信息如图3-2所示。 一元线性回归模型 一、实验内容：利用一元线性回归模型研究我国经济水平对消费的影响 1、实验目的：掌握一元线性回归方程的建立和基本的经济检验和统计检验 2、实验要求： （1）对原始指标变量数据作价格因子的剔除处理； （2）对回归模型做出经济上的解释； （3）独立完成实验建模和实验报告 二、实验报告 ----中国1978-2006年人均消费与经济水平之间的关系 1、问题的提出 居民的消费在社会经济发展中具有重要的作用，合理适度的消费可以有利的促进经济的平稳健康的增长。要充分发挥消费对经济的拉动作用，关键问题是如何保证居民的消费水平。根据宏观经济学理论，一国的GDP扣除掉折旧和税收就是居民的可支配的收入了，而居民的收入主要用于两个方面：一是储蓄，二是消费。如果人均GDP增加，那么居民的可支配收入也会增加，这样居民用于消费的应该也会增加。本次实验通过运用中国1978-2006年人均消费与经济水平（用人均GDP这个指标来表示）数据，建立模型研究人均消费和经济水平之间的关系。 2、指标选择 3、、数据来源 我们从中国统计局网站上取得中国1978-2006年的人均消费、人均GDP和各年的CPI。见表2.1： 表2.1 人均GDP与人均消费的原始数据（现价）单位：元 4、数据处理 为了保证我们各个时期数据的可性，我们必须剔除价格的因素对人均消费和人均GDP的影响。在这里我们用1990年的CPI作为基期来调整数据。关于调整方法我们可以用Excell也可以用Eviews软件进行，在这里我们介绍一下用Eviews软件调整数据的步骤。 利用命令行输入： “Genr averageconsume1=100/cpibase1990*averageconsume Genr averagegdp1=100/cpibase1990*averagegdp” 其中averageconsume1、averagegdp1表示调整过后的人均消费和人均GDP；cpibase1990表示以1990年为基期的CPI。 调整过后的人均消费和人均GDP如表2.2 表2.2 人均GDP与人均消费的可比价数据（单位：元） 1.背景 经济增长是指一个国家生产商品和劳务能力的扩大。在实际核算中，常以一国生产的商品和劳务总量的增加来表示，即以国民生产总值（GDP）和国内生产总值的的增长来计算。 古典经济增长理论以社会财富的增长为中心，指出生产劳动是财富增长的源泉。现代经济增长理论认为知识、人力资本、技术进步是经济增长的主要因素。 从古典增长理论到新增长理论，都重视物质资本和劳动的贡献。物质资本是指经济系统运行中实际投入的资本数量.然而，由于资本服务流量难以测度，在这里我们用全社会固定资产投资总额（亿元）来衡量物质资本。中国拥有十三亿人口，为经济增长提供了丰富的劳动力资源。因此本文用总就业人数（万人）来衡量劳动力。居民消费需求也是经济增长的主要因素。 经济增长问题既受各国政府和居民的关注,也是经济学理论研究的一个重要方面。在1978—2008年的31年中,我国经济年均增长率高达9.6%,综合国力大大增强,居民收入水平与生活水平不断提高,居民的消费需求的数量和质量有了很大的提高。但是,我国目前仍然面临消费需求不足问题。 本文将以中国经济增长作为研究对象，选择时间序列数据的计量经济学模型方法，将中国国内生产总值与和其相关的经济变量联系起来，建立多元线性回归模型，研究我国中国经济增长变动趋势，以及重要的影响因素，并根据所得的结论提出相关的建议与意见。用计量经济学的方法进行数据的分析将得到更加具有说服力和更加具体的指标，可以更好的帮助我们进行预测与决策。因此，对我国经济增长的计量经济学研究是有意义同时也是很必要的。 2.模型的建立 2.1 假设模型 为了具体分析各要素对我国经济增长影响的大小，我们可以用国内生产总值（Y ）这个经济指标作为研究对象；用总就业人员数（1X ）衡量劳动力；用固定资产投资总额(2X )衡量资本投入：用价格指数（3X ）去代表消费需求。运用这些数据进行回归分析。 这里的被解释变量是，Y ：国内生产总值， 与Y-国内生产总值密切相关的经济因素作为模型可能的解释变量，共计3个，它们分别为： 1X 代表社会就业人数， 2X 代表固定资产投资， 3X 代表消费价格指数， μ代表随机干扰项。 模型的建立大致分为理论模型设置、参数估计、模型检验、模型修正几个步骤。如果模型符合实际经济理论并且通过各级检验，那么模型就可以作为最终模型，可以进行结构分析和经济预测。 国内生产总值 经济活动人口 全社会固定资产投资 居民消费价格指数 1992年 26,923.48 66,782.00 8,080.10 106.4 1993年 35,333.92 67,468.00 13,072.30 114.7 1994年 48,197.86 68,135.00 17,042.10 124.1 1995年 60,793.73 68,855.00 20,019.30 117.1 1996年 71,176.59 69,765.00 22,913.50 108.3 1997年 78,973.03 70,800.00 24,941.10 102.8 1998年 84,402.28 72,087.00 28,406.20 99.2 1999年 89,677.05 72,791.00 29,854.70 98.6 2000年 99,214.55 73,992.00 32,917.70 100.4 2001年 109,655.17 73,884.00 37,213.50 100.7 2002年 120,332.69 74,492.00 43,499.90 99.2 2003年 135,822.76 74,911.00 55,566.61 101.2 2004年 159,878.34 75,290.00 70,477.43 103.9 2005年 184,937.37 76,120.00 88,773.61 101.8 2006年 216,314.43 76,315.00 109,998.16 101.5 《计量经济学》综合实验一系金融系专业经融工程姓名程若宸 学号20141206031035 实验地点：B楼305 实验日期：216.9.30 实验题目：研究中国汽车市场未来发展趋势 实验类型：基本操作训练。 实验目的：掌握简单线性回归模型的Eviews操作 实验内容：第三章的“引子”中分析了，经济增长、公共服务、市场价格、交通状况、社会环境、政策因素，都会影响中国汽车拥有量。为了研究一些主要因素与家用汽车拥有量的数量关系，选择“百户拥有家用汽车量”、“人均地区生产总值”、“城镇人口比重”、“交通工具消费价格指数”等变量，2011年全国各省市区的有关数据见附件：1）建立百户拥有家用汽车量计量经济模型? 2）估计参数并写出回归分析结果报告? 3) 对模型进行经济意义上的检验，统计意义上的检验? 评分标准：操作步骤正确，回归结果正确，结果分析准确到位，符合实际。 实验步骤： Dependent Variable: Y Method: Least Squares Date: 09/30/16 Time: 11:27 Sample: 1 31 Included observations: 31 Variable Coefficient Std. Error t-Statistic Prob. C 246.8540 51.97500 4.749476 0.0001 X2 5.996865 1.406058 4.265020 0.0002 X3 -0.524027 0.179280 -2.922950 0.0069 X4 -2.265680 0.518837 -4.366842 0.0002 R-squared 0.666062 Mean dependent var 16.77355 Adjusted R-squared 0.628957 S.D. dependent var 8.252535 S.E. of regression 5.026889 Akaike info criterion 6.187394 Sum squared resid 682.2795 Schwarz criterion 6.372424 Log likelihood -91.90460 Hannan-Quinn criter. 6.247709 F-statistic 17.95108 Durbin-Watson stat 1.206953 Prob(F-statistic) 0.000001 (51.98) (1.41) (0.18) (0.52) t= (4.75) (4.27) (-2.92) (-4.37) F=17.951 n=31 模型检验 1.经济意义检验 模型估计结果的数据说明理论分析与经验判断相一致 2.统计检验 (1)拟合优度：修正的可决系数为说明模型对样本拟和 计量经济学实验报告 Document number：NOCG-YUNOO-BUYTT-UU986-1986UT 计量经济学实验 基于EViews的 中国能源消费影响因素分析 学院： 班级： 学号： 姓名： 基于EViews的中国能源消费影响因素分析 一、背景资料 能用消费是引是指生产和生活所消耗的能源。能源消费按人平均的占有量是衡量一个国家经济发展和人民生活水平的重要标志。能源是支持经济增长的重要物质基础和生产要素。能源消费量的不断增长，是现代化建设的重要条件。我国能源工业的迅速发展和改革开放政策的实施，促使能源产品特别是石油作为一种国际性的特殊商品进入世界能源市场。随着国民经济的发展和人口的增长，我国能源的供需矛盾日益紧张。同时，煤炭、石油等常规能源的大量使用和核能的发展，又会造成环境的污染和生态平衡的破坏。可以看出，它不仅是一个重大的技术、经济问题，而且以成为一个严重的政治问题。 在20世纪的最后二十年里，中国国内生产总值（GDP）翻了两番，但是能源消费仅翻了一番，平均的能源消费弹性仅为左右。然而自2002年进入新一轮的高速增长周期后，中国能源强度却不断上升，经济发展开始频频受到能源瓶颈问题的困扰。鉴于此，研究能源问题不仅具有必要性和紧迫性，更具有很大的现实意义。由于我国目前面临的所谓“能源危机”，主要是由于需求过大引起的，而我国作为世界上最大的发展中国家，人口众多，所需能源不可能完全依赖进口，所以，研究能源的需求显得更加重要。 二、影响因素设定 根据西方经济学消费需求理论可知，影响消费需求的因素有：商品的价格、消费者收入水平、相关商品的价格、商品供给、消费者偏好以及消费者对商品价格的预期等。对于相关商品价格的替代效应，我们认为其只存在能源品种内部之间，而消费者偏好及消费者对商品价格的预期数据差别较大，不容易进行搜集整理在此暂不涉及。另外，发展经济学认为，来自知识、人力资本的积累水平所体现的技术进步不仅可以带动劳动产出的增长， 《计量经济学》实验报告一，数据 二，理论模型的设计 解释变量：可支配收入X 被解释变量：消费性支出Y 软件操作： （1）X与Y散点图 从散点图可以粗略的看出，随着可支配收入的增加，消费性支出也在增加，大致呈线性关系。因此，建立一元线性回归模型： 01i i i Y X ββμ=++ （2）对模型做OLS 估计 OLS 估计结果为 272.36350.7551Y X ∧ =+ 011.705732.3869t t == 20.9831.. 1.30171048.912R DW F === 三，模型检验 从回归估计结果看，模型拟合较好，可决系数为0.98，表明家庭人均年可消费性支出变化的98.31%可由支配性收入的变化来解释。 t 检验:在5%的显著性水平下1β不显著为0，表明可支配收入增加1个单位，消费性支出平均增加0.7551单位。 1，预测 现已知2018年人均年可支配收入为20000元，预测消费支出预测值为 0272.36350.75512000015374.3635Y =+?= E(X)=6222.209，Var(X)=1994.033 则在95%的置信度下，E( Y)的预测区间为（874.28,16041.68） 2，异方差性检验 对于经济发达地区和经济落后地区，消费支出的决定因素不一定相同甚至差异很大。如经济越落后储蓄率越高，可能出现异方差性问题。 G-Q检验 对样本进行处理，X按从大到小排序，去掉中间4个，分为两组数据， 128 n n ==分别回归 1615472.0RSS = 2126528. 3R S S = 于是的F 统计量： ()() 12811 4.86811RSS F RSS --==-- 在5%的想著想水平下，0.050.05(6,6) 4.28,(6,6)F F F =>，即拒绝无异方差性假设，说明模型存在异方差性。 实验二一元回归模型 【实验目的】 掌握一元线性、非线性回归模型的建模方法 【实验内容】 建立我国税收预测模型 【实验步骤】 【例1】建立我国税收预测模型。表1列出了我国1985－1998年间税收收入Y和国内生产总值（GDP）x的时间序列数据，请利用统计软件Eviews建立一元线性回归模型。 一、建立工作文件 ⒈菜单方式 在录入和分析数据之前，应先创建一个工作文件（Workfile）。启动Eviews软件之后，在主菜单上依次点击File\New\Workfile（菜单选择方式如图1所示），将弹出一个对话框（如图2所示）。用户可以选择数据的时间频率（Frequency）、起始期和终止期。 图1 Eviews菜单方式创建工作文件示意图 图2 工作文件定义对话框 本例中选择时间频率为Annual（年度数据），在起始栏和终止栏分别输入相应的日期85和98。然后点击OK，在Eviews软件的主显示窗口将显示相应的工作文件窗口（如图3所示）。 图3 Eviews工作文件窗口 一个新建的工作文件窗口内只有2个对象(Object）,分别为c（系数向量）和resid（残差）。它们当前的取值分别是0和NA（空值）。可以通过鼠标左键双击对象名打开该对象查看其数据，也可以用相同的方法查看工作文件窗口中其它对象的数值。 ⒉命令方式 还可以用输入命令的方式建立工作文件。在Eviews软件的命令窗口中直接键入CREATE命令，其格式为： CREATE 时间频率类型起始期终止期 本例应为：CREATE A 85 98 二、输入数据 在Eviews软件的命令窗口中键入数据输入/编辑命令： DA TA Y X 此时将显示一个数组窗口（如图4所示），即可以输入每个变量的数值 实验6.美国股票价格指数与经济增长的关系 ——自相关性的判定和修正 一、实验内容：研究美国股票价格指数与经济增长的关系。 1、实验目的: 练习并熟练线性回归方程的建立和基本的经济检验和统计检验；学会判别自相关的存在，并能够熟练使用学过的方法对模型进行修正。 2、实验要求： （1）分析数据，建立适当的计量经济学模型 （2）对所建立的模型进行自相关分析 （3）对存在自相关性的模型进行调整与修正 二、实验报告 1、问题提出 通过对全球经济形势的观察，我们发现在经济发达的国家，其证券市场通常也发展的较好，因此我们会自然地产生以下问题，即股票价格指数与经济增长是否具有相关关系？ GDP是一国经济成就的根本反映。从长期看，在上市公司的行业结构与国家产业结构基本一致的情况下，股票平均价格的变动跟GDP的变化趋势是吻合的，但不能简单地认为GDP增长，股票价格就随之上涨，实际走势有时恰恰相反。必须将GDP与经济形势结合起来考虑。在持续、稳定、高速的GDP增长下，社会总需求与总供给协调增长，上市公司利润持续上升，股息不断增加，老百姓收入增加，投资需求膨胀，闲散资金得到充分利用，股票的内在含金量增加，促使股票价格上涨，股市走牛。 本次试验研究的1970-1987年的美国正处在经济持续高速发展的状态下，据此笔者利用这一时期美国SPI与GDP的数据建立计量经济学模型，并对其进行分析。 2、指标选择： 指标数据为美国1970—1987年美国股票价格指数与美国GDP数据。 3、数据来源： 实验数据来自《总统经济报告》（1989年），如表1所示： 表1 4、数据处理 将两组数据利用Eviews绘图，如图1、2所示： 图1 GDP数据简图图2 SPI数据简图 1.背景 经济增长是指一个国家生产商品和劳务能力的扩大。在实际核算中，常以一国生产的商品和劳务总量的增加来表示，即以国民生产总值（GDP ）和国内生产总值的的增长来计算。 古典经济增长理论以社会财富的增长为中心，指出生产劳动是财富增长的源泉。现代经济增长理论认为知识、人力资本、技术进步是经济增长的主要因素。 从古典增长理论到新增长理论，都重视物质资本和劳动的贡献。物质资本是指经济系统运行中实际投入的资本数量.然而，由于资本服务流量难以测度，在这里我们用全社会固定资产投资总额（亿元）来衡量物质资本。中国拥有十三亿人口，为经济增长提供了丰富的劳动力资源。因此本文用总就业人数（万人）来衡量劳动力。居民消费需求也是经济增长的主要因素。 经济增长问题既受各国政府和居民的关注,也是经济学理论研究的一个重要方面。在1978—2008年的31年中,我国经济年均增长率高达9.6%,综合国力大大增强,居民收入水平与生活水平不断提高,居民的消费需求的数量和质量有了很大的提高。但是,我国目前仍然面临消费需求不足问题。 本文将以中国经济增长作为研究对象，选择时间序列数据的计量经济学模型方法，将中国国内生产总值与和其相关的经济变量联系起来，建立多元线性回归模型，研究我国中国经济增长变动趋势，以及重要的影响因素，并根据所得的结论提出相关的建议与意见。用计量经济学的方法进行数据的分析将得到更加具有说服力和更加具体的指标，可以更好的帮助我们进行预测与决策。因此，对我国经济增长的计量经济学研究是有意义同时也是很必要的。 2.模型的建立 2.1 假设模型 为了具体分析各要素对我国经济增长影响的大小，我们可以用国内生产总值（Y ）这个经济指标作为研究对象；用总就业人员数（1X ）衡量劳动力；用固定资产投资总额(2X )衡量资本投入：用价格指数（3X ）去代表消费需求。运用这些数据进行回归分析。 这里的被解释变量是，Y ：国内生产总值， 与Y-国内生产总值密切相关的经济因素作为模型可能的解释变量，共计3个，它们分别为： 1X 代表社会就业人数， 2X 代表固定资产投资， 3X 代表消费价格指数， μ代表随机干扰项。 计量经济学实验报告 学院：信管学院 专业：金—1 实验编号：实验二 实验题目：一元线性回归 姓名： 学号： 1 指导老师： 实验二一元线性回归模型 【实验目的】 掌握一元线性、非线性回归模型的建模方法 【实验内容】 建立我国税收预测模型 【实验步骤】 【例1】建立我国税收预测模型。表1列出了我国1990－2011年间税收收入Y和国内生产总值（GDP）x的时间序列数据，请利用统计软件Eviews建立一元线性回归模型。 数据来源：国家统计局→国家统计年鉴2012数据（https://www.doczj.com/doc/376843957.html,/tjsj/ndsj/2012/indexch.htm）→1 、国民经济核算（国内生产X）2、财政（各项税收Y） 一、建立工作文件 ⒈菜单方式 在录入和分析数据之前，应先创建一个工作文件（Workfile）。启动Eviews软件之后，在主菜单上依次点击File\New\Workfile（菜单选择方式如图1所示），将弹出一个对话框（如图2所示）。用户可以选择数据的时间频率（Frequency）、起始期和终止期。 图1 Eviews菜单方式创建工作文件示意图 图2 工作文件定义对话框 本例中选择时间频率为Annual（年度数据），在起始栏和终止栏分别输入相应的日期1990和2011 。然后点击OK，在Eviews软件的主显示窗口将显示相应的工作文件窗口（如图3所示）。 图3 Eviews工作文件窗口 一个新建的工作文件窗口内只有2个对象(Object）,分别为c（系数向量）和resid（残差）。它们当前的取值分别是0和NA（空值）。可以通过鼠标左键双击对象名打开该对象查看其数据，也可以用相同的方法查看工作文件窗口中其它对象的数值。 ⒉命令方式 还可以用输入命令的方式建立工作文件。在Eviews软件的命令窗口中直接键入CREATE命令，其格式为： CREATE 时间频率类型起始期终止期 本例应为：CREATE A 1990 2011 二、输入数据 在Eviews软件的命令窗口中键入数据输入/编辑命令： DA TA Y X 此时将显示一个数组窗口（如图4所示），即可以输入每个变量的数值 计量经济学实验报告 ：马艺菡 学号：4 班级：9141070302 任课教师：静文 实验题目简单线性回归模型分析 一实验目的与要求 目的：影响财政收入的因素可能有很多，比如国生产总值，经济增长，零售物价指数，居民收入，消费等。为研究国生产总值对财政收入是否有影响，二者有何关系。 要求：为研究国生产总值变动与财政收入关系，需要做具体分析。 二实验容 根据1978-1997年中国国生产总值X和财政收入Y数据，运用EV软件，做简单线性回归分析，包括模型设定，模型检验，模型检验，得出回归结果。 三实验过程：（实践过程，实践所有参数与指标，理论依据说明等） 简单线性回归分析，包括模型设定，估计参数，模型检验，模型应用。 （一）模型设定 为研究中国国生产总值对财政收入是否有影响，根据1978-1997年中国国生产总值X和财政收入Y，如图1 1978-1997年中国国生产总值和财政收入（单位：亿元） 1996 66850.5 7407.99 1997 73452.5 8651.14 根据以上数据作财政收入Y 和国生产总值X的散点图，如图2 从散点图可以看出，财政收入Y和国生产总值X大体呈现为线性关系，所以建立的计量经济模型为以下线性模型： （二）估计参数 1、双击“Eviews”，进入主页。输入数据：点击主菜单中的File/Open/EV Workfile—Excel—GDP.xls; 2、在EV主页界面点击“Quick”菜单，点击“Estimate Equation”,出现“Equation Specification”对话框，选择OLS估计，输入““y c x”,点击“OK”。即出现回归结果图3； 一、考察Y与X1、X2、X3、X4之间的关系 1、 建立模型 这是一个时间序列数据。我们假设拟建立如下四元回归模型： Y=β0+β1X1+β2X2+β3X3+β4X4+μ 表1给出了采用Eviews软件对上表中的数据进行回归分析的计算结果，表明可建立如下城乡收入比函数： Y^=4.1-0.15X1+0.93X2+3.27X3-11.84 X4 表1：中国城乡收入比Y对X1、X2、X3、X4的回归（1991-2010） 2、 经济意义检验 城乡二元结构系数（X1）: 此系数越大，说明城乡二元结构越严重,即X1与Y成正相关，可从我们建立的模型中得知对X1参数估计为 -0.15 ，不符合经济意义。 人均GDP增长率（X2）：这个比率与城乡收入比成正相关，从建立的模型中看到对X2的参数估计为0.93 ，符合经济意义。 财政支农比率（X3）：此比率反映了政府和社会对农村的支持力度。比率越大，说明政府财政支农比率越大。可见与Y成负相关，可是我们得出的参数估计为3.26 ，不符合经济意义。 产业比（X4）：此比率越大，说明福建省农业产值越高，农民收入水平较高，即与被解释变量成负相关。从列表中得到X4的参数 -11.84，符合经济意义。 二、考察Y与X2、X3、X4之间的关系 1、建立模型 假设拟建立如下三元回归模型： Y=β0+β2X2+β3X3+β4X4+μ 表2给出了采用Eviews软件对上表中的数据进行回归分析的计算结果，表明可建立如下城乡收入比函数： Y=3.21+0.74X2-0.50X3-6.76X4 表2：中国城乡收入比Y对X2、X3、X4的回归（1991-2010） 2、经济意义检验 人均GDP增长率（X2）：这个比率与城乡收入比成正相关，从建立的模型中看到对X2的参数估计为0.74 ，符合经济意义。 中国海洋大学 《计量经济学》实验报告实验项目名称：黄金价格影响因素解析 指导教师：殷克东 姓名：王焜 学号： 年级专业： 14金融 中国海洋大学经济学院 【实验步骤——自己操作】 一、实验数据： 黄金价格、美元指数、通胀率、原油价格、US利率、GDP、标准普尔指数的数据如下：二、实验步骤： （1）建立回归模型 1.建立实验文件 2.输入Y、X的数据 在EViews软件的命令窗口键入DATA命令，命令格式为：： 输入：data Y X1 X2 X3 X4 X5 X6 X7 3.建立回归模型： 建立Y C X1 X2 X3 X4 X5 X6 X7的回归， 其中Y代表黄金价格 X1代表美元指数 X2代表通胀率 X3代表原油价格 X4代表短期US 利率 X5代表长期US利率 X6代表GDP X7代表标准普尔指数 4．回归结果如下： 5、对模型的初步分析 a.对模型拟合度分析：从报告单可以看出，R-squared为，模型拟合度在89%左右。 b.对变量的显着性分析：在t检验中，截距项参数、RS的参数并不显着。可能为0。但要判断是否为0，还要对残差和变量进行检验。 c.对模型显着性分析F检验中，F统计量值为，大于显着水平为5%的临界值，说明模型显着。对多个解释变量的模型，若OLS法估价的R2与F值较大，但t检验值较小，则说明各解释变量对Y的联合线性作用显着，但各解释变量间存在共线性而使得它们对Y的独立作用不能分辨，故t检验不显着。 d、对模型的残差项进行分析 异方差检验：怀特检验 由图知Obs*R-squared统计量为，概率值大于，说明不存在异方差 自相关检验 P(Obs*R-squared)为，大于的显着水平，所以不存在自相关。 e、对变量进行分析 对变量进行多重共线性检验 由相关系数矩阵知： 与RL、RS和SP存在明显的线性相关性。可以看出GDP与利率存在线性负相关，与股票市场存在线性正相关。因为GDP是反映国家经济的一个重要指标，因此，国家为了刺激经济，货币政策往往比较宽松，利率比较低，此时国家经济发展，GDP加速上升，带动股市上扬。 与SP存在明显的线性相关性。由股票理论价格=股票收益/利率知 道利率与股票价格存在负相关。 由于存在多重共线性存在，导致OLS下估计量的非有效、变量显着性检验失效和模型预测失效，因此必须克服模型多重共线性，对模型进行修改。 6、对模型的修正 前面已经大致检测出存在多重共线性的解释变量，分别是短期利率（X4）、长期利率（X5）、标准普尔指数（X7）、GDP（X6）。对这些解释变量进行逐步回归： 短期利率： 长期利率 标准普尔指数 GDP 可以看出在标长期利率的逐步回归中t检验最显着；R检验值为，在四个检验中最好；因 实验二 （一）异方差性 【实验目的】 掌握异方差性的检验及处理方法 【实验内容】 建立并检验我国制造业利润函数模型 【实验步骤】 【例1】表1列出了1998年我国主要制造工业销售收入与销售利润的统计资料，请利用统计软件Eviews建立我国制造业利润函数模型。 表1 我国制造工业1998年销售利润与销售收入情况 一、检验异方差性 ⒈图形分析检验 ⑴观察销售利润（Y）与销售收入（X）的相关图(图1)：SCAT X Y 图1 我国制造工业销售利润与销售收入相关图 从图中可以看出，随着销售收入的增加，销售利润的平均水平不断提高，但离散程度也逐步扩大。这说明变量之间可能存在递增的异方差性。 ⑵残差分析 首先将数据排序（命令格式为：SORT 解释变量），然后建立回归方程。在方程窗口 中点击Resids按钮就可以得到模型的残差分布图（或建立方程后在Eviews工作文件窗口中点击resid对象来观察）。 图2 我国制造业销售利润回归模型残差分布 图2显示回归方程的残差分布有明显的扩大趋势，即表明存在异方差性。 ⒉Goldfeld-Quant检验 ⑴将样本安解释变量排序（SORT X）并分成两部分（分别有1到10共11个样本合19到28共10个样本） ⑵利用样本1建立回归模型1（回归结果如图3），其残差平方和为2579.587。 SMPL 1 10 LS Y C X 图3 样本1回归结果 ⑶利用样本2建立回归模型2（回归结果如图4），其残差平方和为63769.67。 SMPL 19 28 LS Y C X 图4 样本2回归结果 ⑷计算F 统计量：12/RSS RSS F =＝63769.67/2579.59=24.72，21RSS RSS 和分别是模型1和模型2的残差平方和。 取 05 .0=α时，查F 分布表得 44.3)1110,1110(05.0=----F ，而 44.372.2405.0=>=F F ，所以存在异方差性 ⒊White 检验 ⑴建立回归模型：LS Y C X ，回归结果如图5。 3.3 3.3 经调查研究发现，家庭书刊消费受家庭收入及户主受教育年数的影响，表3.6为对某地区部分家庭抽样调查得到的样本数据。 表3.6 家庭书刊消费、家庭收入及户主受教育年数数据 （1）作家庭书刊消费（Y ）对家庭月平均收入（X ）和户主受教育年数（T ）的多元线性回归： 1 2 3 i i i i u Y X T βββ=+++ 利用样本数据估计模型的参数，对模型加以检验，分析所估计模型的经济意义和作用。 步骤： 1.打开EViews6，点“File ”→“New ”→“Workfile ”。选择 “Unstructured/Unda=ted ”在Observations 后输入18，点击ok 。 2. 在命令行输入：DATA Y X T，回车。将数据复制粘贴到Group中的表格中。 3. 建立数据关系图为初步观察数据的关系，在命令行输入命令：sort Y，从而实现数据Y的递增排序。 4. 在数据表“group”中点“view/graph/line”，最后点击确定，出现序列Y、X、T 的线性图。 5. OLS 估计参数,点击主界面菜单Quick\Estimate Equation ，弹出对话框，如下图。在其中输入Y c X T ，点确定即可得到回归结果。 ()()()()()() 2 2 50.01620.0864552.3703 49.46026 0.02936 5.20217 t= 1.011244 2.944186 10.067020.951235 =0.944732 F=146.2974 ?i i i X T Y R R =-++-= 经济意义：家庭月平均收入每增加1元，家庭书刊消费将增加0.08645 元。户主受教育年数每 计量经济学实验报告二标准化工作室编码[XX968T-XX89628-XJ668-XT689N] 学生实验报告 学院：经济学院 课程名称：计量经济学 专业班级： 11经济学1班 姓名：魏丹丹 学号： 0112102 学生实验报告 （经管类专业用） 一、实验目的及要求： 1、目的 利用Eviews软件，使学生在实验过程中全面了解和熟悉计量经济学。 2、内容及要求 熟悉Eviews软件的操作与应用 二、仪器用具： 三、实验方法与步骤: 1 经研究发现，家庭书刊消费受家庭收入几户主受教育年数的影响，表中为对某地区部分家庭抽样调查得到样本数据： （2）利用样本数据估计模型的参数； （3）检验户主受教育年数对家庭书刊消费是否有显着影响； （4）分析所估计模型的经济意义和作用 答：（1）家庭书刊消费的计量经济学模型是： Dependent Variable: Y Method: Least Squares Date: 11/27/12 Time: 14:36 Sample: 1 18 Included observations: 18 Variable Coeffici ent Std. Error t- Statistic Prob. C X T R-squared Mean dependent var Adjusted R- squared. dependent var . of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic 姓名学号实验题目异方差的诊断与修正 一、实验目的与要求： 要求目的：1、用图示法初步判断是否存在异方差，再用White检验异方差； 2、用加权最小二乘法修正异方差。 估计结果为： i Y ? = 12.03564 + 0.104393i X （19.51779） (0.008441) t=（0.616650） （12.36670） 2R =0.854696 R =0.849107 S.E.=56.89947 DW=1.212859 F=152.9353 这说明在其他因素不变的情况下，销售收入每增长1元，销售利润平均增长0.104393元。 2R =0.854696 , 拟合程度较好。在给定 =0.0时，t=12.36670 > )26(025.0t =2.056 ，拒 绝原假设，说明销售收入对销售利润有显著性影响。F=152.9353 > )6,21(F 05.0= 4.23 , 表明方程整体显著。 （三） 检验模型的异方差 ※（一）图形法 6、判断 由图3可以看出，被解释变量Y 随着解释变量X 的增大而逐渐分散，离散程度越来越大； 同样，由图4可以看出，残差平方2 i e 对解释变量X 的散点图主要分布在图形中的下三角部分，大致看出残差平方2 i e 随i X 的变动呈增大趋势。因此，模型很可能存在异方差。但是否确实存在异方差还应该通过更近一步的检验。 ※ （二）White 检验 White 检验结果 White Heteroskedasticity Test: F-statistic 3.607218 Probability 0.042036 Obs*R-squared 6.270612 Probability 0.043486 Test Equation: t 界值5.002 χ （2） =5.99147。比较计算的2χ统计量与临界值，因为n 2R = 6.270612 > 5 .002 χ（2）=5.99147 ，所以拒绝原假设，不拒绝备择假设，这表明模型存在异方差。 （四） 异方差的修正 在运用加权最小二乘法估计过程中，分别选用了权数t 1ω=1/t X ，t 2ω=1/2 t X ，t 3ω=1/t X 。 用权数t 1ω的结果 姓名 学号 实验题目 异方差的诊断与修正 一、实验目的与要求： 要求目的：1、用图示法初步判断是否存在异方差，再用White 检验异方差； 2、用加权最小二乘法修正异方差。 二、实验内容 根据1998年我国重要制造业的销售利润与销售收入数据，运用EV 软件，做回归分析，用图示法，White 检验模型是否存在异方差，如果存在异方差，运用加权最小二乘法修正异方差。 三、实验过程：（实践过程、实践所有参数与指标、理论依据说明等） （一） 模型设定 为了研究我国重要制造业的销售利润与销售收入是否有关，假定销售利润与销售收入之间满足线性约束，则理论模型设定为： i Y =1β+2βi X +i μ 其中，i Y 表示销售利润，i X 表示销售收入。由1998年我国重要制造业的销售收入与销售利润的数据，如图1： 1988年我国重要制造业销售收入与销售利润的数据 （单位：亿元） （二） 参数估计 Dependent Variable: Y Method: Least Squares Date: 10/19/05 Time: 15:27 Sample: 1 28 Included observations: 28 Variable Coefficient Std. Error t-Statistic Prob. C 12.03564 19.51779 0.616650 0.5428 X 0.104393 0.008441 12.36670 0.0000 R-squared 0.854696 Mean dependent var 213.4650 Adjusted R-squared 0.849107 S.D. dependent var 146.4895 S.E. of regression 56.90368 Akaike info criterion 10.98935 Sum squared resid 84188.74 Schwarz criterion 11.08450 Log likelihood -151.8508 F-statistic 152.9353 Durbin-Watson stat 1.212795 Prob(F-statistic) 0.000000 估计结果为： i Y ? = 12.03564 + 0.104393i X （19.51779） (0.008441) t=（0.616650） （12.36670） 2R =0.854696 2R =0.849107 S.E.=56.89947 DW=1.212859 F=152.9353 这说明在其他因素不变的情况下，销售收入每增长1元，销售利润平均增长0.104393元。 2R =0.854696 , 拟合程度较好。在给定 =0.0时，t=12.36670 > )26(025.0t =2.056 ，拒 计量经济学实验报告 学院： 班级 姓名： 学号： 一、经济学理论概述 1、需求是指消费者（家庭）在某一特定时期内，在每一价格水平时愿意而且能够购买的某种商品量。需求是购买欲望与购买能力的统一。 2、需求定理是说明商品本身价格与其需求量之间关系的理论。其基本内容是：在其他条件不变的情况下，一种商品的需求量与其本身价格之间成反方向变动，即需求量随着商品本身价格的上升而减少，随商品本身价格的下降而增加。 3、需求量的变动是指其他条件不变的情况下，商品本身价格变动所引起的需求量的变动。需求量的变动表现为同一条需求曲线上的移动。 二、经济学理论的验证方法 在此次试验中，我运用了Eviews和Excel软件对相关数据进行处理和分析。 1、拟合优度检验——可决系数R2统计量 回归平方和反应了总离差平方和中可由样本回归线解释的部分，它越大，参差平方和越小，表明样本回归线与样本观测值的拟合程度越高。 2、方程总体线性的显着性检验——F检验 （1）方程总体线性的显着性检验，旨在对模型中被解释变量与解释变量之间的线性关系在总体上是否显着成立作出判断。 （2）给定显着性水平α，查表得到临界值F α（k ，n-k-1）,根据样本求出F 统计量的数值后，可通过F ＞F α(k ，n-k-1) （或F ≤F α(k ，n-k-1)）来拒绝（或接受）原假设H0，以判定原方程总体上的线性关系是否显着成立。 3、变量的显着性检验——t 检验 4、异方差性的检验——怀特检验 怀特检验不需要排序，对任何形式的异方差都适用。 5、序列相关性的检验——图示法和回归检验法 6、多重共线性的检验——逐步回归法 以Y 为被解释变量，逐个引入解释变量，构成回归模型，进行模型估计。 三、验证步骤 1、确定变量 （1）被解释变量 “货币流通量”在模型中用“Y ”表示。 （2）解释变量 ①“货币贷款额”在模型中用“1X ”表示; ②“居民消费价格指数”在模型中用“2X ”表示； ③把由于各种原因未考虑到和无法度量的因素归入随机误差项，在模型中用“μ”。 2、建立计量经济学模型 根据各相关变量之间的关系，假定： Y=0β+1βX 1+2βX 2+μ 3、数据描述和处理计量经济学实验三
计量经济学实验报告2
计量经济学实验报告 (3)
计量经济学实验一
计量经济学实验报告
计量经济学实验报告
计量经济学实验二 一元回归模型
计量经济学实验报告(自相关性)
计量经济学实验报告54995
计量经济学实验二 一元线性回归 2
计量经济学实验报告
计量经济学实验报告
计量经济学实验报告
计量经济学实验二
最新版计量经济学实验报告
计量经济学实验报告二
EViews计量经济学实验报告异方差的诊断及修正
EViews计量经济学实验报告-异方差的诊断及修正模板
计量经济学实验报告
相关主题
文本预览