异方差实验报告

附件二：实验报告格式（首页）

山东轻工业学院实验报告成绩

课程名称计量经济学指导教师实验日期 2013.5.18 院（系）商学院会计系专业班级会计实验地点实验楼二机房

学生姓名学号同组人无

实验项目名称异方差的检验

一、实验目的和要求

1、理解异方差的含义后果、

2、学会异方差的检验与加权最小二乘法要求熟悉基本操作步骤，读懂各项上机榆出结果

的含义并进行分析

3、掌握异方差性问题出现的来源、后果、检验及修正的原理，以及相关的Eviews操

作方法

4、练习检查和克服模型的异方差的操作方法。

5、掌握异方差性的检验及处理方法

6、用图示法、斯皮尔曼法、戈德菲尔德、white验证法，验证该模型是否存在异方差

二、实验原理

1、异方差的检验出消除方法

2、运用EVIEWS软件及普通最小二乘法进行模型估计

3、检验模型的异方差性并对其进行调整

三、主要仪器设备、试剂或材料

Eviews软件、课本教材、电脑

四、实验方法与步骤

一、准备工作。建立工作文件，并输入数据，用普通最小二乘法估计方程（操作步骤

与方法同前），得到残差序列。

1、CREATE U 1 31 回车

2、DATA Y X 回车

输入数据

obs Y X

1 264 8777

2 105 9210

3 90 9954

4 131 10508

5 122 10979

6 10

7 11912

7 406 12747

8 503 13499

9 431 14269

10 588 15522

11 898 16730

12 950 17663

13 779 18575

14 819 19635

15 1222 21163

16 1702 22880

17 1578 24127

18 1654 25604

19 1400 26500

20 1829 26760

21 2200 28300

22 2017 27430

23 2105 29560

24 1600 28150

25 2250 32100

26 2420 32500

27 2570 35250

28 1720 33500

29 1900 36000

30 2100 36200

31 2800 38200

3、LS Y C X 回车

用最小二乘法进行估计出现

Dependent Variable: Y

Method: Least Squares

Date: 05/18/13 Time: 11:19

Sample: 1 31

Included observations: 31

Variable Coefficient Std. Error t-Statistic Prob.

C -700.411 116.6679 -6.00346 0

X 0.087831 0.004827 18.19575

R-squared 0.919464 Mean dependent var 1266.452 Adjusted R-squared

0.916686 S.D. dependent var 846.757 S.E. of regression 244.4088 Akaike info criterion 13.8979 Sum squared resid 1732334 Schwarz criterion 13.99042 Log likelihood -213.418 F-statistic 331.0852

Durbin-Watson stat 1.089829 Prob(F-statistic)

用普通最小二乘法进行估计，估计结果如下

i

Y ?=﹣700.41+0.087831X i R 2=0.92 2R =0.92 F=335.82 t=(-6.0) (18.2) 括号内为t 统计量。

β1=0.087431说明在其他因素不变的情况下，可支配收入每增长1元，个人储蓄平均增长0.087431元。2

R =0.92 , 拟合程度较好。在给定 =0.05时，t=18.2 > )29(025.0t =2.055 ，

拒绝原假设，说明销售收入对销售利润有显著性影响。F=335.82 > )9,21(F 05.0= 4.18 ,表明方程整体显著。

(一).图示检验法

分别绘制X 、Y 坐标系散点图，命令如下： Scat x y

Genr e2=resid^2 Scat x e2 出现

0500100015002000250030000

10000

2000030000

40000

X

Y

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。

（二）斯皮尔曼等级相关系数检验 命令

scat x e2 sort x

data x dd1（输入1-31） ls y c x 出现

Dependent Variable: Y

Method: Least Squares Date: 05/18/13 Time: 11:25 Sample: 1 31

Included observations: 31

Variable

Coefficien

t

Std. Error t-Statistic Prob.

C -700.4110 116.6679 -6.003458 0.0000 X

0.087831

0.004827 18.19575

0.0000

R-squared

0.919464 Mean dependent var 1266.452 Adjusted R-squared 0.916686 S.D. dependent var 846.7570 S.E. of regression 244.4088 Akaike info criterion 13.89790 Sum squared resid 1732334. Schwarz criterion 13.99042 Log likelihood -213.4175 F-statistic 331.0852 Durbin-Watson stat 1.943262 Prob(F-statistic)

0.000000

sort x data x dd1 ls y c x

genr e1=abs(resid) sort e1 data e1 dd2

genr r=1-6*@sum((dd2-dd1)^2)/(31^3-31)) genr z=r*@sqrt(30) 出现3.326

即等级相关数是显著的，说明储蓄计量模型的随机误差项存在异方差性。

R=0.607258 z=3.326089 给定显著性水平α=0.05，查正态分布表，得

96

.12

αZ ,因为Z=3.33＞1.96，所以拒绝H 0,接受H 1,即等级相关系数是显著的，说明储蓄

计量模型的随机误差项存在异方差性。

(三)、Goldfeld-Quant 检验

命令 sort x smpl 1 11 ls y c x

Dependent Variable: Y Method: Least Squares Date: 05/18/13 Time: 11:36 Sample: 1 11

Included observations: 11

Variable Coefficien

t Std. Error t-Statistic Prob.

C -744.6351 195.4108 -3.810614 0.0041

X 0.088258 0.015705 5.619619 0.0003

R-squared 0.778216 Mean dependent var 331.3636 Adjusted R-squared 0.753574 S.D. dependent var 260.8157 S.E. of regression 129.4724 Akaike info criterion 12.72778 Sum squared resid 150867.9 Schwarz criterion 12.80012 Log likelihood -68.00278 F-statistic 31.58011 Durbin-Watson stat 1.142088 Prob(F-statistic) 0.000326

smpl 21 31

ls y c x

Dependent Variable: Y

Method: Least Squares

Date: 05/18/13 Time: 11:39

Sample: 21 31

Included observations: 11

Variable Coefficien

t Std. Error t-Statistic Prob.

C 666.3811 911.2585 0.731276 0.4832

X 0.045779 0.027898 1.640971 0.1352

R-squared 0.230295 Mean dependent var 2152.909

Adjusted R-squared 0.144772 S.D. dependent var 354.4462

S.E. of regression 327.7867 Akaike info criterion 14.58557

Sum squared resid 966997.0 Schwarz criterion 14.65791

Log likelihood -78.22063 F-statistic 2.692786

Durbin-Watson stat 2.743586 Prob(F-statistic) 0.135222

计算F=rss2\rss1=0.2960>F0.05(9,9)=3.18，说明储蓄计量模型的随机误差项存在异方差.

记下第一个残差平方和：150867.9 记下第二个残差平方和：966997.0。计算F=6.41，给定显著性水平α=0.05，查F分布表V1=V2=11-2=9,F0.05(9,9)=3.18,因为F=6.41＞3.18，所以接受备择假设，即储蓄计量模型的随机误差项存在异方差性。

(四).White检验

命令

smpl 21 31

ls y c x

smpl 1 31

ls y c x

出现

Dependent Variable: Y Method: Least Squares Date: 05/18/13 Time: 11:43 Sample: 1 31

Included observations: 31

Variable Coefficien

t Std. Error t-Statistic Prob.

C -700.4110 116.6679 -6.003458 0.0000

X 0.087831 0.004827 18.19575 0.0000

R-squared 0.919464 Mean dependent var 1266.452 Adjusted R-squared 0.916686 S.D. dependent var 846.7570 S.E. of regression 244.4088 Akaike info criterion 13.89790 Sum squared resid 1732334. Schwarz criterion 13.99042 Log likelihood -213.4175 F-statistic 331.0852 Durbin-Watson stat 1.943262 Prob(F-statistic) 0.000000

White Heteroskedasticity Test:

F-statistic 5.819690 Probability 0.007699 Obs*R-squared 9.102584 Probability 0.010554

Test Equation:

smpl 1 31

ls y c x

Dependent Variable: RESID^2

Method: Least Squares

Date: 05/18/13 Time: 11:46

Sample: 1 31

Included observations: 31

Variable

Coefficien

t

Std. Error t-Statistic Prob.

C 19975.98 82774.93 0.241329 0.8111 X -2.198632 8.094419 -0.271623 0.7879 X^2

0.000146

0.000176

0.830046

0.4135

R-squared

0.293632 Mean dependent var 55881.73 Adjusted R-squared 0.243177 S.D. dependent var 77875.67 S.E. of regression 67748.39 Akaike info criterion 25.17675 Sum squared resid 1.29E+11 Schwarz criterion 25.31553 Log likelihood -387.2397 F-statistic 5.819690 Durbin-Watson stat

2.580140 Prob(F-statistic)

0.007699

Obs*R-squared=9.102584>X2(0.05)=6.0，所以结论是该回归模型中存在异方差.

因为TR 2

=31×0.2936=9.1﹥

.6)2(205.0=χ，所以结论是该回归模型中存在异方差.其中

obs*R-squared 等于9.102584表示的就是统计量TR 2的值。

(五)克服异方差 命令 smpl 1 31 ls y c x

Dependent Variable: Y Method: Least Squares Date: 05/18/13 Time: 11:52 Sample: 1 31

Included observations: 31

Variable

Coefficien

t

Std. Error t-Statistic Prob.

C -700.4110 116.6679 -6.003458 0.0000 X

0.087831

0.004827 18.19575

0.0000

R-squared

0.919464 Mean dependent var 1266.452 Adjusted R-squared 0.916686 S.D. dependent var 846.7570 S.E. of regression 244.4088 Akaike info criterion 13.89790 Sum squared resid 1732334. Schwarz criterion 13.99042 Log likelihood -213.4175 F-statistic 331.0852 Durbin-Watson stat

1.943262 Prob(F-statistic)

0.000000

genr ww=1/abs(resid)

ls (w=1/x) y c x

Dependent Variable: Y Method: Least Squares Date: 05/18/13 Time: 12:03 Sample: 1 31

Included observations: 31

Variable Coefficien

t Std. Error t-Statistic Prob.

C -700.4110 116.6679 -6.003458 0.0000

X 0.087831 0.004827 18.19575 0.0000

R-squared 0.919464 Mean dependent var 1266.452

Adjusted R-squared 0.916686 S.D. dependent var 846.7570

S.E. of regression 244.4088 Akaike info criterion 13.89790

Sum squared resid 1732334. Schwarz criterion 13.99042

Log likelihood -213.4175 F-statistic 331.0852

Durbin-Watson stat 1.943262 Prob(F-statistic) 0.000000

TR2=31*0.1923=5.96

六、讨论、心得

1、通过这次试验,我学会了用软件识别异方差以及克服异方差的方法,相信在以后的工作中,我也能更好的利用计算机来处理问题

2、.学会了如何利用Eiews软件对线性回归模型进行异方差的检验，修正，对以后的工

作学习会大有用处。

3、在实验之前，我对Eviews软件了解甚少。通过这次试验，让我有机会接触并亲身实践。通过利用Eviews软件将所学到的计量经济学知识进行实践，让我加深了对理论知识的额理解，更体会到了单方程计量经济学模型的精髓之所在。其中涉及的大量公式，以及大量的运算，曾令我觉得很吃力。通过软件应用，免除了大量的繁琐计算，使分析更加方便快捷，同时也给了我更多的对于所掌握知识的启示。

附件三：实验报告附页

山东轻工业学院实验报告（附页）

-----WORD格式--可编辑--专业资料----- --完整版学习资料分享----

spss实验报告---方差分析

实验报告 ——（方差分析） 一、实验目的 熟练使用SPSS软件进行方差分析。学会通过方差分析分析不同水平的控制变量是否对结果产生显著影响。 二、实验内容 1、某职业病防治院对31名石棉矿工中的石棉肺患者、可疑患者及非患者进行了用力肺活量（L）测定，问三组石棉矿工的用力肺活量有无差别?（自建数据集） 石棉肺患者可疑患者非患者 1.8 2.3 2.9 1.4 2.1 3.2 1.5 2.1 2.7 2.1 2.1 2.8 1.9 2.6 2.7 1.7 2.5 3.0 1.8 2.3 3.4 1.9 2.4 3.0 1.8 2.4 3.4 1.8 3.3 2.0 3.5 SPSS计算结果： 在建立数据集时定义group1为石棉肺患者，group2为可疑患者，group3为非患者。 零假设：各水平下总体方差没有显著差异。 相伴概率为0.075，大于0.05，可以认为各个组的方差是相等的，可以进行方差检验。

从上表可以看出3个组之间的相伴概率都小于显著性水平0.05，拒绝零假设，说明3个组之间都存在显著差别。 2、某汽车经销商在不同城市进行调查汽车的销售量数据分析工作，每个城市分别处于不同的区域：东部、西部和中部，而且汽车经销商在不同城市投放不同类型的广告，调查数据放置于附件中数据文件“汽车销量调查.sav”。 （1）试分析不同区域与不同广告类型是否对汽车的销量产生显著性的影响？（2）如果考虑到不同城市人均收入具有差异度时，再思考不同区域和不同广告类型对汽车销量产生的影响差异是否改变，这说明什么问题？ SPSS计算结果： （1）此为多因素方差分析 相伴概率为0.054大于0.05，可以认为各个组总体方差相等可以进行方差检验。

计量经济学异方差的检验与修正实验报告

计量经济学实验报告关于异方差性的检验与修正 2012/11/18 学院：国际教育学院 专业：国际经济与贸易 班级：10级一班 姓名：苗子凯 学号：1014102025

一．异方差检验 运行Eviews,依次单击file→new→work file→unstructed→observation 20。命令栏中输入“data y x”，打开“y x”表，接下来将数据输入其中。 然后开始进行LS回归，命令栏中输入“ls y c x”回车，即得到回归结果如下 回归方程为：：Y = 272.3635389 + 0.7551249391*X

二．开始检验异方差 White 检验法: 依次单击View →Residual Tests →Heteroskedasticity test →Whit 经估计出现white 检验结果，如下图： 所以拒绝原假设，表明模型存在异方差 Goldfeld-Quanadt 检验法： 在命令栏中直接输入：ls y c x →sort 1 20(进行排序) →smpl 1 8 →ls y c x →enter 得到如下结果： 99 .5%565.122置信水平下的卡方值>=nR

继续取样本，在命令栏中直接输入： smpl 13 20 →ls y c x→enter 得到如下结果：

计算F统计量：F=RSS2/RSS1=615472.0/126528.3=4.864；F=4.864> F0.05（6,6）=4.28，拒绝原假设，表明模型确实存在异方差性。 帕克检验 重新打开eviews，依次键入以下步骤：file→new→work file→unstructed→observation 20。命令栏中输入“data y x”，打开“y x”表，接下来将数据输入其中。然后键入：genr lne2=log(resid^2)→genr lnx=log(x) → ls lne2 c lnx 得到结果如下： 可得到α=3.47，且t=2.89，说明显著性明显，而α的显著性不为零意味着存在显著性。 异方差的修正： 输入： Genr w1 = 1/x^1/2 Ls(w=w1) y c x

2020年(财务知识)计量经济学实验教学案例实验四异方差

（财务知识）计量经济学实验教学案例实验四异方差

实验四异方差性 【实验目的】 掌握异方差性的检验及处理方法 【实验内容】 建立且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和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年销售利润和销售收入情况

一、检验异方差性 ⒈图形分析检验 ⑴观察销售利润（Y）和销售收入（X）的关联图(图1)：SCATXY 图1我国制造工业销售利润和销售收入关联图 从图中能够见出，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于递增的异方差性。 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。于方程窗口中点击Resids按钮就能够得到模型的残差分布图（或建立方程后于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，即表明存于异方差性。 ⒉Goldfeld-Quant检验 ⑴将样本安解释变量排序（SORTX）且分成俩部分（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。 SMPL110 LSYCX 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。 SMPL1928 LSYCX 图4样本2回归结果 ⑷计算F统计量：＝63769.67/2579.59=24.72，分别是模型1和模型2的残差平方和。 取时，查F分布表得，而，所以存于异方差性 ⒊White检验 ⑴建立回归模型：LSYCX，回归结果如图5。 图5我国制造业销售利润回归模型 ⑵于方程窗口上点击View\Residual\Test\WhiteHeteroskedastcity,检验结果如图6。 图6White检验结果 其中F值为辅助回归模型的F统计量值。取显著水平，由于,所以存于异方差性。实际应用中能够直接观察相伴概率p值的大小，若p值较小，则认为存于异方差性。反之，则认为不存于异方差性。 ⒋Park检验 ⑴建立回归模型（结果同图5所示）。 ⑵生成新变量序列：GENRLNE2=log(RESID^2) GENRLNX=log ⑶建立新残差序列对解释变量的回归模型：LSLNE2CLNX，回归结果如图7所示。 图7Park检验回归模型 从图7所示的回归结果中能够见出，LNX的系数估计值不为0且能通过显著性检验，即随即误差项的方差和解释变量存于较强的关联关系，即认为存于异方差性。

异方差实验报告

附件二：实验报告格式（首页） 山东轻工业学院实验报告成绩 课程名称计量经济学指导教师实验日期 2013.5.18 院（系）商学院会计系专业班级会计实验地点实验楼二机房 学生姓名学号同组人无 实验项目名称异方差的检验 一、实验目的和要求 1、理解异方差的含义后果、 2、学会异方差的检验与加权最小二乘法要求熟悉基本操作步骤，读懂各项上机榆出结果 的含义并进行分析 3、掌握异方差性问题出现的来源、后果、检验及修正的原理，以及相关的Eviews操 作方法 4、练习检查和克服模型的异方差的操作方法。 5、掌握异方差性的检验及处理方法 6、用图示法、斯皮尔曼法、戈德菲尔德、white验证法，验证该模型是否存在异方差 二、实验原理 1、异方差的检验出消除方法 2、运用EVIEWS软件及普通最小二乘法进行模型估计 3、检验模型的异方差性并对其进行调整 三、主要仪器设备、试剂或材料 Eviews软件、课本教材、电脑 四、实验方法与步骤 一、准备工作。建立工作文件，并输入数据，用普通最小二乘法估计方程（操作步骤 与方法同前），得到残差序列。 1、CREATE U 1 31 回车 2、DATA Y X 回车 输入数据

obs Y X 1 264 8777 2 105 9210 3 90 9954 4 131 10508 5 122 10979 6 10 7 11912 7 406 12747 8 503 13499 9 431 14269 10 588 15522 11 898 16730 12 950 17663 13 779 18575 14 819 19635 15 1222 21163 16 1702 22880 17 1578 24127 18 1654 25604 19 1400 26500 20 1829 26760 21 2200 28300 22 2017 27430 23 2105 29560 24 1600 28150 25 2250 32100 26 2420 32500 27 2570 35250 28 1720 33500 29 1900 36000 30 2100 36200 31 2800 38200 3、LS Y C X 回车 用最小二乘法进行估计出现 Dependent Variable: Y Method: Least Squares Date: 05/18/13 Time: 11:19 Sample: 1 31 Included observations: 31 Variable Coefficien t Std. Error t-Statistic Prob.

方差分析实验报告

非参数检验 实验报告 方差分析 学院: 参赛队员: 参赛队员: 参赛队员: 指导老师:

目录 一、实验目的 (1) 1.了解方差分析的基本内容； (1) 2.了解单因素方差分析； (1) 3.了解多因素方差分析； (1) 4.学会运用spss软件求解问题； (1) 5.加深理论与实践相结合的能力。 (1) 二、实验环境 (1) 三、实验方法 (1) 1. 单因素方差分析； (1) 2. 多因素方差分析。 (1) 四、实验过程 (1) 问题一： (1) 1.1实验过程 (1) 1.1.1输入数据，数据处理； (1) 1.1.2单因素方差分析 (1) 1.2输出结果 (3) 1.3结果分析 (3) 1.3.1描述 (3) 1.3.2方差性检验 (4) 1.3.3单因素方差分析 (4) 问题二： (4) 2.1实验步骤 (5) 2.1.1命名变量 (5) 2.1.2导入数据 (5) 2.1.3单因素方差分析 (5) 2.1.4输出结果 (7) 2.2结果分析 (7) 2.2.1描述 (7) 2.2.2方差性检验 (8)

2.2.3单因素方差分析 (8) 问题三： (8) 3.1提出假设 (8) 3.2实验步骤 (8) 3.2.1数据分组编号 (8) 3.2.2多因素方差分析 (9) 3.2.3输出结果 (13) 3.3结果分析 (14) 五、实验总结 (14)

方差分析 一、实验目的 1.了解方差分析的基本内容； 2.了解单因素方差分析； 3.了解多因素方差分析； 4.学会运用spss软件求解问题； 5.加深理论与实践相结合的能力。 二、实验环境 Spss、office 三、实验方法 1.单因素方差分析； 2.多因素方差分析。 四、实验过程 问题一： 1.1.1输入数据，数据处理； 1.1.2单因素方差分析 选择：分析→比较均值→单因素AVONA；

异方差实验报告

《计量经济学》实训报告 实训项目名称异方差的检验及修正 实训时间 2011年12月13日 实训地点 班级 学号 姓名 实训(实践) 报告

实训名称异方差的检验及修正 一、实训目的 深刻理解异方差性的实质、异方差出现的原因、异方差的出现对模型的不良影响（即异方差的后果），掌握估计和检验异方差性的基本思想和修正异方差的若干方法；能够运用所学的知识处理模型中的出现的异方差问题，并要求初步掌握用EViews处理异方差的基本操作方法。 二、实训要求 使用教材第五章的数据做异方差的图形法检验、Goldfeld-Quanadt检验与White检验，使用WLS法对异方差进行修正。 三、实训内容 1、用图示法、戈德菲尔德、white验证法，验证该模型是否存在异方差。 2、用加权最小二乘法消除异方差。 四、实训步骤 练习题5.8数据1998年我国重要制造业销售收入和销售利润的数据 Y—销售利润，x—销售收入 1. 用OLS方法估计参数，建立回归模型：ls y c x

回归结果如下： Y=12.036+0.1044x; S = (19.5178) (0.00844) T= (0.6167) (12.3667) R^2=0.8547 S.E.=56.9037 2.检验是否存在异方差 (1) 图形检验：残差图形scat x e2 结果表明：

残差平方e2对解释变量的x的散点图主要分布在图形的下方，大致看出残差平方随X 的变动呈增大的趋势，因此，模型很可能出现异方差。 (2)戈德菲尔德-夸特检验 首先，对变量进行排序，在这个题目中，我选择递增型排序，这是y与x将以x按递增型排序。 然后构造子样本区间，建立回归模型。在本题目中，n=28,删除中间的1/4,的观测值，即大约8个观测值，剩余部分平分得两个样本区间：1—10和19-28，他们的样本个数均为10。 用OLS方法得到前10个数的样本结果(ls y c x)： 用OLS方法得到后10个数的样本结果（ls y c x）：

实验报告 单因素方差分析

5.1、实验步骤： 1．建立数据文件。 定义2个变量：PWK和DCGJSL，分别表示排污口和大肠杆菌数量。 2. 选择菜单“分析→比较均值→单因素”,弹出“单因素方差分析”对话框。在对话 框左侧的变量列表中，选择变量“DCGJSL”进入“因变量”列表框，选择变量“PWK”进入“因子”列表框。

3．单击“确定”按钮，得到输出结果。 结果解读： 由以上结果可以看到，观测变量大肠杆菌数量的总离差平方和为460.438；如果仅考虑“排污口”单个因素的影响，则大肠杆菌数量总变差中，排污口可解释的变差为308.188，抽样误差引起的变差为152.250，它们的方差（平均变差）分别为102.729和12.688，相除所得的F统计量的观测值为8.097，对应的概率P值为0.003。在显著性水平α为0.05的情况下。由于概率P值小于显著性水平α，则应拒绝零假设，认为不同的排污口对大肠杆菌数量产生了显著影响，它对大肠杆菌数量的影响效应不全为0。 因此，可判断各个排污口的大肠杆菌数量是有差别的。 5.2、实验步骤： 1．建立数据文件。 定义2个变量：Branch和Turnover，分别表示分店和日营业额。将Branch的值定义为1=第一分店，2=第二分店，3=第三分店，4=第四分店，5=第五分店。 2. 选择菜单“分析→比较均值→单因素”,弹出“单因素方差分析”对话框。在对话 框左侧的变量列表中，选择变量“Turnover”进入“因变量”列表框，选择变量“Branch”进入“因子”列表框。

3．单击“确定”按钮，得到输出结果。

结果解读： 由以上结果可以看到，观测变量日营业额的总离差平方和为1187668.733；如果仅考虑“分店”单个因素的影响，则日营业额总变差中，分店可解释的变差为366120.900，抽样误差引起的变差为821547.833，它们的方差（平均变差）分别为91530.225和14937.233，相除所得的F统计量的观测值为6.128，对应的概率P值近似为0。在显著性水平α为0.05的情况下，由于概率P值小于显著性水平α，则应拒绝零假设，认为不同的分店对日营业额产生了显著影响，它对日营业额的影响效应不全为0。 因此，在α＝0.05的显著性水平下，“这五个分店的日营业额相同”这一假设不成立。 5.3、实验步骤： 1．建立数据文件。 定义3个变量：weight和method，分别表示幼苗干重（mg）和处理方式。将method 的值定义为1=HCI，2=丙酸，3=丁酸，4=对照。 2. 选择菜单“分析→比较均值→单因素”,弹出“单因素方差分析”对话框。在对话 框左侧的变量列表中，选择变量“，method”进入“因变量”列表框，选择变量“weight”进入“因子”列表框。在“两两比较”选项中选择LSD、Bonferroni 和Scheffe方法。

实验四异方差性的检验与处理

实验四异方差性的检验 与处理 集团标准化工作小组 [Q8QX9QT-X8QQB8Q8-NQ8QJ8-M8QMN]

实验四 异方差性的检验及处理（2学时） 一、实验目的 （1）、掌握异方差检验的基本方法； （2）、掌握异方差的处理方法。 二、实验学时：2学时 三、实验要求 （1）掌握用MATLAB 软件实现异方差的检验和处理； （2）掌握异方差的检验和处理的基本步骤。 四、实验原理 1、异方差检验的常用方法 (1) 用X-Y 的散点图进行判断 (2). 22 ?(,)(,)e x e y 或的图形 ,),x )i i y i i （(e 或(e 的图形） (3) 等级相关系数法（又称Spearman 检验） 是一种应用较广的方法，既可以用于大样本，也可与小样本。 检验的三个步骤 ① ?t t y y =-i e ② |i x i i 将e 取绝对值，并把|e 和按递增或递减次序排序， 计算Spearman 系数rs ,其中：2 1n i i d =∑s 2 6r =1-n(n -1) ③ 做等级相关系数的显着性检验。n>8时， /2(2),t t n α>-反之，若||i i e x 说明与之间存在系统关系， 异方差问题存在。 (4) 帕克(Park)检验 帕克检验常用的函数形式： 若在统计上是显着的，表明存在异方差性。 2、异方差性的处理方法: 加权最小二乘法 如果在检验过程中已经知道：222 ()()()i i i ji u Var u E u f x σσ=== 则将原模型变形为：

121( i i p pi i y x x u f x βββ =+?++?+ 在该模型中： 即满足同方差性。于是可以用OLS估计其参数，得到关于参数12 ,,, p βββ 的无偏、有效估计量。 五、实验举例 例1 01 i i i y x u =++ 若用线性模型，研究不同收入家庭的消费情况，试问原数据有无异方差性如果存在异方差性，应如何处理 解：（一）编写程序如下： （1）等级相关系数法（详见文件） %%%%%%%%%%%%%%% 用等级相关系数法来检验异方差性 %%%%%%%% [data,head]=xlsread(''); x=data(:,1); %提取第一列数据，即可支配收入x y=data(:,2); %提取第二列数据，即居民消费支出y plot(x,y,'k.'); % 画x和y的散点图 xlabel('可支配收入x（千元）') % 对x轴加标签 ylabel('居民消费支出y(千元)') % 对y轴加标签 %%%%%%%% 调用regres函数进行一元线性回归 %%%%%%%%%%%% xdata=[ones(size(x,1),1),x]; %在x矩阵最左边加一列1，为线性回归做准备 [b,bint,r,rint,s]=regress(y,xdata); yhat=xdata*b; %计算估计值y % 定义元胞数组，以元胞数组形式显示系数的估计值和估计值的95%置信区间 head1={'系数的估计值','估计值的95%置信下限','估计值的95%置信上限'};

计量经济学异方差实验报告材料二

实验报告2 实验目的：掌握异方差的检验及处理方法。 实验容：检验家庭人均纯收入与家庭生活消费支出可能存在的异方差性。有关数据如下：其中，收入为X，家庭生活消费支出为Y。 地区家庭人均 纯收入 家庭生活 消费支出地区 家庭人均 纯收入 家庭生活 消费支出 北京9439.63 6399.27 湖北3997.48 3090 天津7010.06 3538.31 湖南3904.2 3377.38 河北4293.43 2786.77 广东5624.04 4202.32 山西3665.66 2682.57 广西3224.05 2747.47 3953.1 3256.15 海南3791.37 2556.56 辽宁4773.43 3368.16 重庆3509.29 2526.7 吉林4191.34 3065.44 四川3546.69 2747.27 4132.29 3117.44 贵州2373.99 1913.71 上海10144.62 8844.88 云南2634.09 2637.18 江苏6561.01 4786.15 西藏2788.2 2217.62 浙江8265.15 6801.6 陕西2644.69 2559.59 安徽3556.27 2754.04 甘肃2328.92 2017.21 福建5467.08 4053.47 青海2683.78 2446.5 江西4044.7 2994.49 宁夏3180.84 2528.76 山东4985.34 3621.57 新疆3182.97 2350.58 河南3851.6 2676.41 实验步骤如下： 一、建立有关模型分析异方差检验如下。 方法一、图示法。（两种） （一）、x y 相关分析 从图中可以看出，随着收入的增加，家庭生活消费支出不断的提高，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。 建立模型： 1、从图中可以看出，x y不是简单的线性关系。建立线性回归方程如下， LS Y C X

方差分析与假设检验实验报告

云南大学滇池学院 方差分析与假设检验实验报告二 学生姓名：方炜学号：20092123080 专业：软件工程 一、实验目的和要求： 1、初步了解SPSS的基本命令； 2、掌握方差分析和假设检验。 二、实验内容： 1、为比较5中品牌的合成木板的耐久性，对每个品牌取4个样本作摩擦试验测量磨损量，得以下数据： （1）它们的耐久性有无明显差异？ （2）有选择的作两品牌的比较，能得出什么结果？

2、将土质基本相同的一块耕地分成5块，每块又分成均等的4小块。在每块地内把4个品 种的小麦分钟在4小块内，每小块的播种量相同，测得收获量如下： 考察地块和品种对小麦的收获量有无显著影响？并在必要时作进一步比较。 3、为了研究合成纤维收缩率和拉伸倍数对纤维弹性的影响进行了一些试验。收缩率取0，4， 8，12四个水平；拉伸倍数取460，520，580，640四个水平，对二者的每个组合重复作两次试验，所得数据如下：

（1）收缩率，拉伸倍数及其交互作用对弹性有无显著影响？ （2）使弹性达到最大的生产条件是什么？ 三、实验结果与分析： 1、运行结果截图： 1、结果分析： （1）、Sig<0.05，耐久性有明显差异 （2）、由样本分析，品牌3分为一类；品牌1，2，5分为一类；品牌4分为一类。而品牌3和品牌4差距最大，品牌3的耐久性最差，品牌4的耐久性最好。 2、运行结果截图：

2、结果分析： （1）、地块（A组）Sig>0.05对小麦的收获量无显著影响，品种（B组）Sig<0.05对小麦的收获量有显著影响。 （2）、由图得，地块4最适合种小麦，地块1最不适合种小麦；而品种2的小麦收获量最大，品种4的小麦收获量最小。 3、运行结果截图：

计量经济学实验教学案例实验四异方差

实验四异方差性 【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年我国要紧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。

行业名称销售利润销售收入行业名称销售利润销售收入 食品加工业187.25 3180.44 医药制造业238.71 1264.1 食品制造业111.42 1119.88 化学纤维制品81.57 779.46 饮料制造业205.42 1489.89 橡胶制品业77.84 692.08 烟草加工业183.87 1328.59 塑料制品业144.34 1345 纺织业316.79 3862.9 非金属矿制品339.26 2866.14 服装制品业157.7 1779.1 黑色金属冶炼367.47 3868.28 皮革羽绒制品81.7 1081.77 有色金属冶炼144.29 1535.16 木材加工业35.67 443.74 金属制品业201.42 1948.12 家具制造业31.06 226.78 一般机械制造354.69 2351.68 造纸及纸品业134.4 1124.94 专用设备制造238.16 1714.73 印刷业90.12 499.83 交通运输设备511.94 4011.53 文教体育用品54.4 504.44 电子机械制造409.83 3286.15 石油加工业194.45 2363.8 电子通讯设备508.15 4499.19 化学原料纸品502.61 4195.22 仪器仪表设备72.46 663.68 一、检验异方差性 ⒈图形分析检验 ⑴观看销售利润（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能够看出，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。这讲明变量之间可能存在

计量经济学多元线性回归、多重共线性、异方差实验报告概要

计量经济学实验报告

多元线性回归、多重共线性、异方差实验报告 一、研究目的和要求： 随着经济的发展，人们生活水平的提高，旅游业已经成为中国社会新的经济增长点。旅游产业是一个关联性很强的综合产业，一次完整的旅游活动包括吃、住、行、游、购、娱六大要素，旅游产业的发展可以直接或者间接推动第三产业、第二产业和第一产业的发展。尤其是假日旅游，有力刺激了居民消费而拉动内需。2012年，我国全年国内旅游人数达到30.0亿人次，同比增长13.6%，国内旅游收入2.3万亿元，同比增长19.1%。旅游业的发展不仅对增加就业和扩大内需起到重要的推动作用，优化产业结构，而且可以增加国家外汇收入，促进国际收支平衡，加强国家、地区间的文化交流。为了研究影响旅游景区收入增长的主要原因，分析旅游收入增长规律，需要建立计量经济模型。 影响旅游业发展的因素很多，但据分析主要因素可能有国内和国际两个方面，因此在进行旅游景区收入分析模型设定时，引入城镇居民可支配收入和旅游外汇收入为解释变量。旅游业很大程度上受其产业本身的发展水平和从业人数影响，固定资产和从业人数体现了旅游产业发展规模的内在影响因素，因此引入旅游景区固定资产和旅游业从业人数作为解释变量。因此选取我国31个省市地区的旅游业相关数据进行定量分析我国旅游业发展的影响因素。 二、模型设定 根据以上的分析，建立以下模型 Y=β 0+β1X 1 +β2X 2 +β 3 X 3 +β 4 X 4 +Ut 参数说明： Y ——旅游景区营业收入/万元 X 1 ——旅游业从业人员/人 X 2 ——旅游景区固定资产/万元 X 3 ——旅游外汇收入/万美元 X 4 ——城镇居民可支配收入/元

方差分析实验报告

实验报告 方差分析 学院: 参赛队员: 参赛队员: 参赛队员: 指导老师:

目录 一、实验目的 (4) 1.了解方差分析的基本内容； (4) 2.了解单因素方差分析； (4) 3.了解多因素方差分析； (4) 4.学会运用spss软件求解问题； (4) 5.加深理论与实践相结合的能力。 (4) 二、实验环境 (4) 三、实验方法 (4) 1. 单因素方差分析； (4) 2. 多因素方差分析。 (4) 四、实验过程 (4) 问题一： (4) 1.1实验过程 (4) 1.1.1输入数据，数据处理； (4) 1.1.2单因素方差分析 (4) 1.2输出结果 (6) 1.3结果分析 (6) 1.3.1描述 (6) 1.3.2方差性检验 (7) 1.3.3单因素方差分析 (7) 问题二： (7) 2.1实验步骤 (8) 2.1.1命名变量 (8) 2.1.2导入数据 (8) 2.1.3单因素方差分析 (8) 2.1.4输出结果 (10) 2.2结果分析 (10) 2.2.1描述 (10) 2.2.2方差性检验 (11) 2.2.3单因素方差分析 (11)

问题三： (11) 3.1提出假设 (11) 3.2实验步骤 (11) 3.2.1数据分组编号 (11) 3.2.2多因素方差分析 (12) 3.2.3输出结果 (16) 3.3结果分析 (17) 五、实验总结 (17) 方差分析

一、实验目的 1.了解方差分析的基本内容； 2.了解单因素方差分析； 3.了解多因素方差分析； 4.学会运用spss软件求解问题； 5.加深理论与实践相结合的能力。 二、实验环境 Spss、office 三、实验方法 1. 单因素方差分析； 2. 多因素方差分析。 四、实验过程 问题一： 1.1.1输入数据，数据处理； 1.1.2单因素方差分析 选择：分析→比较均值→单因素AVONA；

异方差实验报告

山东轻工业学院实验报告成绩 课程名称：计量经济学指导教师：刘海鹰实验日期： 2012年4月16日 院（系）：商学院专业班级金融10-1 实验地点：机电楼B座5楼 学生姓名：张文奇学号： 201008021029 同组人无 实验项目名称：异方差的检验、修正。 一、实验目的和要求 学会利用Eiews软件对线性回归模型进行异方差的检验，修正。 二、实验原理 图示法检验、斯皮尔曼等级相关系数检验、戈德菲尔德-夸特检验、White检验、加权最小二乘法。 三、主要仪器设备、试剂或材料 计算机、EViews 软件 四、实验方法与步骤 1、启动Eviews5软件，建立新的workfile. 命令：create u 1 31 单击回车键； 2、输入数据。在命令窗口输入命令：data Y X 单击回车键； 3、用OLS估计方程。在命令窗口输入命令：LS Y C X 单击回车键。 （Eviews输出结果如图一）。 一）图示法检验 1、在命令窗口输入命令：scat x y 单击回车键，得到X与Y的散点图，如图二。 2、输入命令GENR e2=resid^2和Scat X e2，分别单击回车键，得到 如图三 二）spearman等级相关检验 1、在命令窗口依次输入如下命令（每输入一次命令都要单击回车键） Sort X data X dd1 GENR e1=abs(resid) Sort e1 Data e1 dd2 genr r=1-6*@sum((dd2-dd1)^2)/(31^3-31) genr Z=r*@sqrt(30) 其中dd1 dd2分别为相应变量的等级，即输入1到31. 2、记录实验结果，R值和Z值。 三）G-Q检验 1、在命令窗口依次输入下列命令（每输入一次命令都要单击回车键） 散点图 2 ~ i e X

实验四 异方差

实验四异方差 4.1 实验目的 掌握异方差问题出现的来源、后果、检验及修正的原理，以及相关的EViews 操作方法。 思考： （1）异方差的问题属于计量经济学分析步骤中的哪一步需要考虑的？【模型检验——>计量经济意义检验】 （2）异方差检验的方法有哪些？【图检法、怀特检验、戈里瑟检验、等级相关系数检验、戈德菲尔德-夸特检验】每种方法的检验步骤是什么？【略】 （3）异方差出现时，如何补救？也即其修正方法是什么？【加权最小二乘法】 4.2 实验内容 已知某地区的个人储蓄Y，可支配收入X的截面样本数据，建立它们之间的线性计量经济模型，练习检查和克服模型的异方差的操作方法。【具体数据见教材p125】 4.3 实验步骤 4.3.1 检查模型是否存在异方差性 （1）图示法：利用残差图判断。建立残差关于x的散点图，如图4.1，可以发现随着x增加，残差呈现不断增大的趋势，即存在递增性的异方差。

图4.1 （2）用White方法检验是否存在异方差。 在一元线性回归的基础上，做White检验。在回归式窗口中点击View键选Residual Tests/White Heteroskedasticity功能，如图4.2。 图4.2 检验式存在有无交叉项两种选择，一般选择无交叉项，得到图4.3的结果：通过white检验中的p-值可以判断模型存在异方差。

图4.3 （3）用戈德菲尔德——夸特检验是否存在异方差 按X排序（数据资料已经完成升序排列） Data T Sort x Smpl 1 11 ls y c x Smpl 21 31 ls y c x 去掉中心9组数据，得到第一、二个子样本。其样本容量相等，同为11。 对两个子样本回归，见图4.4和图4.5。得到两组残差平方和。

EViews计量经济学实验报告异方差的诊断及修正

时间 地点 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 1、双击“Eviews ”，进入主页。输入数据：点击主菜单中的File/Open /EV Workfile —Excel —异方差数据2.xls ； 2、在EV 主页界面的窗口，输入“ls y c x ”，按“Enter ”。出现OLS 回归结果,如图2： 估计样本回归函数 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

方差分析实验报告

篇一：spss的方差分析实验报告 实 验 报告 篇二：方差分析实验报告 方差分析实验报告 学生姓名：琚锦涛学号：091230126 一．实验目的 根据方差分析的相关方法，利用excel中的相关工具，将数据收集，整理，从而了解方差分析的特点和性质。 二．实验内容 1.单因素方差分析 利用以下数据进行单因素方差分析,判断不同产地的原材料是否显著影响产品的质量指标； 2.双因素方差分析 利用以下数据进行双因素方差分析，检验因素a与因素b搭配下是否对其有显著差异，交互作用是否显著； 三．实验结果分析 1.单因素方差分析由以上数据可知，p-value=0.2318>0.05，因此可得出：原材料产地的这一质量指标无显著影响。 2.双因素方差分析 样本、列及交互的p-value远小于0.05，由此可得出燃料和推进器两因素对于火箭影响显著。数据来源：《应用统计学》第二版；篇三：单因素方差分析实验报告 天水师范学院数学与统计学院 实验报告 实验项目名称单因素方差分析所属课程名称实验类型设计型实验日期2011.11.22 班级 09统计一班学号 291050146 姓名成绩 【实验目的】 通过测量数据研究各个因素对总体的影响效果，判定因素在总变异中的重要程度 【实验原理】 比较因素a的r个水平的差异归结为比较这r个总体的均值.即检验假设 ho : μ1 = μ2 = … = μr, h1 : μ1, μ2, … , μr 不全相等给定显著水平α，用p 值检验法， 当p值大于α时，接受原假设ho，否则拒绝原假设ho 【实验环境】 r 2.13.1 pentinu(r)dual-core cpu e6700 3.20ghz 3.19ghz,2.00gb的内存【实验方案】 准备数据，查找相关r程序代码并进行编写运行得出结果进行分析总结 【实验过程】（实验步骤、记录、数据、分析） 1.根据四种不同配方下的元件寿命数据 材料使用寿命 a1 1600 1610 1650 1680 1700 1700 1780 a2 1500 1640 1400 1700 1750 a3 1640 1550 1600 1620 1640 1600 1740 1800 a4 1510 1520 1530 1570 1640 1600 2.利用主函数aov()编写该数据的方差分析r程序 3.运行得出结果 df sum sq mean sq f value pr(>f) a3 49212 16404 2.1659 0.1208 residuals 22 166622 7574

多元线性回归实验报告

实验题目：多元线性回归、异方差、多重共线性 实验目的：掌握多元线性回归的最小二乘法，熟练运用Eviews软件的多元线性回归、异方差、多重共线性的操作，并能够对结果进行相应的分析。 实验内容：习题3.2，分析1994-2011年中国的出口货物总额（Y）、工业增加值（X2）、人民币汇率（X3），之间的相关性和差异性，并修正。 实验步骤： 1.建立出口货物总额计量经济模型： 错误！未找到引用源。（3.1） 1.1建立工作文件并录入数据，得到图1 图1 在“workfile"中按住”ctrl"键，点击“Y、X2、X3”，在双击菜单中点“open group”,出现数据 表。点”view/graph/line/ok”,形成线性图2。 图2 1.2对（3.1）采用OLS估计参数 在主界面命令框栏中输入ls y c x2 x3，然后回车，即可得到参数的估计结果，如图3所示。

图 3 根据图3中的数据，得到模型（3.1）的估计结果为 （8638.216）（0.012799）（9.776181） t=(-2.110573) (10.58454) (1.928512) 错误！未找到引用源。错误！未找到引用源。F=522.0976 从上回归结果可以看出，拟合优度很高，整体效果的F检验通过。但当错误！未找到引用源。=0.05时，错误！未找到引用源。=错误！未找到引用源。2.131.有重要变量X3的t检验不显著，可能存在严重的多重共线性。 2．多重共线性模型的识别 2.1计算解释变量x2、x3的简单相关系数矩阵。 点击Eviews主画面的顶部的Quick/Group Statistics/Correlatios弹出对话框在对话框中输入解释变量x2、x3，点击OK，即可得出相关系数矩阵（同图4）。 相关系数矩阵 图4 由图4相关系数矩阵可以看出，各解释变量相互之间的相关系数较高，证实解释变量之间存在多重共线性。 2.2多重共线性模型的修正

用excel进行方差分析的实验报告

实验四：用excel进行方差分析的实验报告 实验目的:学会在计算机上利用excel进行单因素方差分析和有交互的双因素分析以及无交互的双因素分析， 实验背景：方差分析是从观测变量的方差入手，研究诸多控制变量中哪些变量是对观测变量有显著影响的变量。一个复杂的事物，其中往往有许多因素互相制约又互相依存。方差分析的目的是通过数据分析找出对该事物有显著影响的因素，各因素之间的交互作用，以及显著影响因素的最佳水平等。方差分析是在可比较的数组中，把数据间的总的“变差”按各指定的变差来源进行分解的一种技术。对变差的度量，采用离差平方和。 实验内容： 实验（1）：单因素方差分析 条件：单因素方差分析是对成组设计的多个样本均数比较，所以对数据格式有特殊要求，因素的不同水平作为表格的列（或行），在不同水平下的重复次数作为行（或列）。 例1：以下数据来自2009年中国统计年鉴，各地区农村居民家庭平均每人生活消费支出，按不同项目分组的不同地区： 其中，1代表生活消费支出合计，2代表食品，3代表衣着，4代表居住， 5代表家庭设施及服务， 6代表交通和通讯， 7代表文教娱乐用品及服务，8代表医疗保健， 9代表其他商品及服务 各地区农村居民家庭平均每人生活消费支出 (2009年) 单位：元 地区项目 地区生活消 费食品衣着居住 家庭设 备交通和 文教娱 乐 医疗保 健 其他 品支出合 计 及服 务通讯 用品及 服务 及 务 地区 1 2 3 4 5 6 7 8 北京8897.59 2808.92 654.36 1798.88 528 1132.09 960.41 867.87 14天津4273.15 1848.11 324.63 674.67 187.83 481.27 371.85 299.79 8河北3349.74 1195.65 217.82 796.62 170.4 350.92 263.53 289.27 6山西3304.76 1224.6 283.2 584.07 156.27 324.89 416.94 240.94 7内蒙古3968.42 1578.57 271.88 609.29 148.03 466.34 390.85 416.87 8辽宁4254.03 1563.33 335.93 793.91 185.5 416.41 437.79 409.64 11吉林3902.9 1371.12 286.97 737.07 168.36 355.99 376.76 511.5 9黑龙江4241.27 1331.07 345.69 946.84 161.03 427.35 496.42 434.25 9上海9804.37 3639.14 496.14 2102.96 480.62 1212.38 942.76 738.94 19江苏5804.45 2275.28 306.62 969.76 286.37 691.56 818.45 322.99 13浙江7731.7 2812.39 473.11 1488.95 374.31 968.17 843.34 609.07 16安徽3655.02 1494.19 203.37 813.12 229.66 302.23 312.05 227.1 福建5015.72 2304.14 291.72 821.21 260.68 570.24 421.69 219.02 12江西3532.66 1609.2 162.58 725.11 181.91 295.76 254.77 232.78 7