当前位置：文档之家› 计量经济学论文eviews

计量经济学论文eviews

计量经济学论文e v i e w s Coca-cola standardization office【ZZ5AB-ZZSYT-ZZ2C-ZZ682T-ZZT18】

计量经济学论文

一、问题提出

自改革开放以来，中国经济的高速增长是有目共睹的，1981~2009年的29年来，中国的财政收入也在高速的增长，从2002年中国财政收入不

足2万亿元，到2006年接近4万亿元，再到2007年上半年突破万亿元，

短短5年间中国国家财政收入实现高速增长。中国财政部数据显示，2007

年1至6月累计全国财政收入达到亿元，同比增长％，完成预算的％，增

幅比上年同期提高个百分点，财政收入增收额创近几年同期最高。

2007年上半年我国财政收入达到万亿元，可以说是继2006年财政收入突破4万亿元大关后的又一个惊人数据。在经济高增长的背景下，财政收入的持续高速增长，特别是税收收入增长持续高于同期GDP增长，成为推动财政收入增长的主要原因。目前，我国财政收入的主体是税收收入，2006年税收收入已经占到了全部财政收入的％。目前在我国税收当中，占比重最大的是增值税，由于现阶段我国依然依靠投资来拉动经济，这也带来了目前我国财政收入增长比较快的结果。其实，财政收入增长过快只是表象，而投资增长过快造成的经济过热的体制顽疾才是最需要担心的，因此，面对高速增长的财政收入，人们担心的是经济过热问题还会越来越严重。如果财政收入大幅度增长，远远高于国民收入的增长速度，就会出现一系列问题。

收入是一国政府实现政府职能的基本保障，对国民经济的运行及社会的发展起着非凡的作用。首先，它是一个国家各项收入得以实现的物质保证。一个国家财政收入规模的大小通常是衡量其经济实力的重要标志。其次，财政收入是国家对经济实行宏观调控的重要经济杠杆。财政收入的增长情况关系着一个国家的经济的发展和社会的进步。因此，研究财政收入的增长显得尤为重要。财政收入的主要来源是各项税收收入，此外还有政府其他收入和基金收入等。同时一个国家的财政收入的规模还受到经济规模等诸多因素的影响。本文就建立财政收入影响因素模型，实证分析影响我国财政收入的主要因素，为如何合理有效地制定我国的财政收入计划提供一些政策性

建议。

二、模型设定

研究财政收入的影响因素离不开一些基本的经济变量。回归变量的选择是建立回归模型的一个极为重要的问题。如果遗漏了某些重要变量，回归方程的效果肯定不会好。而考虑过多的变量，不仅计算量增大许多，而且得到的回归方程稳定性也很差，直接影响到回归方程的应用。通过经济理论对财政收入的解释以及对实践的观察，对财政收入影响的因素主要有税收、国内生产总值、全社会固定资产投资等。

（1）税收。税收由于具有征收的强制性、无偿性和固定性特点，可以为政府履行其职能提供充足的资金来源。因此，各国都将其作为政府财政收入的最重要的收入形式和最主要的收入来源。

（2）国内生产总值。常被公认为衡量国家经济状况的最佳指标。GDP会促进国民收入，从而会提高居民个人收入水平直接影响居民储蓄量，并与财政收入的增长保持一定的同向性。

（3）全社会固定资产投资。是建造和购置固定资产的经济活动，即固定资产再生产活动。主要通过投资来促进经济增长，扩大税源，进而拉动财政税收收入整体增长。

（4）模型形式的设计

本文以财政收入Y（亿元）为因变量，税收 X1（亿元）、国内生产总值 X2（亿元）、全社会固定资产投资 X3（亿元）3个经济指标为自变量，建立多元函数，即：lnY= C+ C1lnX1+ C2lnX2+ C3lnX3+ μ

三、数据的收集

本文以《中国统计年鉴》为源，使用了 1981—2009 年税收、国内生产总值、全社会固定资产投资的数据，数据真实可靠。为了消除异方差，对数据做取对数处理，利用E- views 进行回归分析，排除以往模型存在的多重共线性，建立财政收入影响因素更精确模型，分析影响财政收入的主要因素及其影响程度。

1981-2009年财政收入及其影响因素的数据

年份国家财政收入税收国内生产总值全社会固定资产投资额

(亿元)(亿元) (亿元)(亿元) 1981

1982

1983

1984

1985

1986

1987

1988

1989

1990

1991

1992

1993

1994

1995

1996

1997

1998 1999

2000

2001 2002

2003

2004 2005

2006

2007

2008 2009

注：年以前，农业各税包括农业税、牧业税、耕地占用税、农业特产

税、契税和烟叶税；从2006年起，农业各税只包括耕地占用税、契税和烟叶税。

2.企业所得税2001年以前只包括国有及集体企业所得税，从2001年起，企业所得税还包括除国有企业和集体企业外的其他所有制企业所得税，与以前各年不可比。

3.国内增值税不包括进口产品增值税；国内消费税不包括进口产品消费税。

四、模型的估计与调整

1. 参数估计与解释变量问题处理

假定所建模型及其中的随机扰动项μ满足各项古典假定。利用E- views 对上述基本模型进行OLS 参数估计：

lnY= C+ C1lnX1+ C2lnX2+ C3lnX3+ μ

Eviews 的最小二乘法计算结果见表1

表1 回归结果

根据表1中数据，模型估计的结果为

(0.6921)

9855.02=R 9838.02

=R F= =df 25 （1）多重共线性的检验

由此可见，该模型9855.02

=R ，9838.02

=R 可决系数很高，F 检验的值为，说明回归方程明显显着。首先，由于税收是国家政府财政收入最主要的收入来源，很大程度上决定于财政收入的充裕状况；国内生产总值与财政收入的增长保持一定的同向性；全社会固定资产投资通过刺激GDP 增长，间接影响财政税收收入整体增长。所以，财政收入一般和税收、GDP 、全社会固定资产投资呈正相关关系，即 C1至 C3 应该均为正值。而且财政收入中税收应占很大一部分比重，即 C1 的数值应该比较高。上面模型得到的 C1 和 C3 都为正符合经济理论，但 C2 却为负与经济理论相悖。其次，税

收、GDP 、全社会固定资产投资的t 统计量值分别为、、。在显着性水平为时，

060.2)429()(025.02/=-=-t k n t α，不仅lnX2和lnX3的系数C2、C3的t 检验不显着，

而且lnX2系数的符号与预期相反，这表明很可能存在严重的多重共线性。

计算各解释变量的相关系数，选择lnX1、lnX2、lnX3数据，得相关系数矩阵如下表2所示：

表2为相关系数矩阵

由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，证实确实存在严重多重共线性。

（2）修正多重共线性

采用逐步回归的办法，去检验和解决多重共线性问题。分别作lny 对lnx1、lnx2、lnx3的一元回归，结果如表3所示

其中，加入lnX1的方程2R 最大，以lnX1为基础，顺次加入其他变量逐步回归。结果如表4所示

经比较，虽然新加入lnX3方程2R =，改进最大，但是各参数（除了税收lnX1）在

05.0=α显着性水平下，t 检验均不显着，说明均要剔除lnX2与lnX3，最终修正严重

多重共线性影响后的回归结果为：

表5 修正后方程的回归结果

9832.02=R 2R = F= DW=

这说明，当税收每增加1%，平均来说财政收入会增加%

2．随机扰动项自相关问题的处理（1）自相关的检验

该回归方程可决系数较高，回归系数均显着，对样本量为29、一个解释变量的模型、在显着水平下，查DW 统计表可知，因为由表5的DW 值=，查表得

483.1,341.1==U L d d ，模型中DW

关，这一点从残差图中也可以看出，图1如下

（2）自相关的修正：使用t e 进行滞后一期的自回归，可得回归方程

表6 回归方程结果

=t e

?1-t e 由式可知7361.0?=ρ

，对原模型进行广义差分，得到广义差分方程：对上式的广义差分方程进行回归，可得方程输出结果

表7 广义差分方程输出结果

由表6可得回归方程为

Se= t= 9292.02=R F= DW= 其中=*ln t Y 1ln 7361.0ln --t t Y Y ，1*ln 7361.0ln ln --=t t t X X X

由于使用广义差分数据，样本容量减少了1个，为28个，查5%显着水平的DW 统计表可知476.1,328.1==U L d d ，模型中4-U d ,>DW=>U d ，说明在5%显着水平下广义差分模型中已无自相关，不必再进行迭代，同时可见，可决系数、t 、F 统计量也均达到理想水平。

由差分方程式有：

?=（）= 由此，得到最终的财政收入模型为

由财政收入模型可知，当年税收第增长1%，平均说来财政收入会增长%

异方差问题的处理（1）异方差的检验

由于各年存在不同的税收收入，因此，每年对税收收入的数量存在不同的变化，这种差异使得模型很容易产生异方差，从而影响模型的估计和运用，为此，必须对该模型是否存在异方差进行检验。

由表5的估计结果，对其进行White 检验，根据White 检验中辅助函数的构造，最后一项为变量的交叉乘积，因为本式为一元函数，帮无交叉项，则辅助函数为

t t t t v X X +++=23212)(ln ,ln ααασ

经估计出现White 检验结果，见表8

表8 White 检验结果

从表8可以看出，2nR =，由White 检验知，在05.0=α下，查2χ分布表，得临界值

9915.52205.0=）（χ，同时lnX 和（lnX ）^2的t 检验值也显着，比较计算的2

χ统计量

与统计值，因为2nR =>9915.522

05.0=）（χ，所以拒绝原假设，不拒绝备择假设，表明模

型存在异方差

五、本文的结论

（1）该模型的经济意义很明显，即财政收入主要取决于税收。lnX1 的系数为财政收入的税收弹性，即当年税收每增长1%，平均说来财政收入会增长%；可见税收变化相当影响财政收入的变化。

（2）税收弹性系数为，与 1 非常接近，说明财政收入的增加基本上来源于税收的增加。

（3）当然，以上不一定只有税收才是影响财政收入的因素，上述模型中不排除在多重共线修正的时候把一些相关的因素给排除掉，例如国内生产总值、就业人数、全社会固定资产投资额对财政收入的影响。

（4）模型的不足：模型样本采用时间序列分析，虽然在最后通过剔出线性解释变量使模型多重线性性质并不显着，但在此基础上的 R2 极高，仅能说明该方程能较好地解释影响财政收入的因素，而拟合率其实并没有实际看到的这么高。

六、政策建议

（1）加强税收征管，提高财政和税收收入。目前，我国的税收已占财政收入的 90%以上，我国的税收已是财政收入的最主要来源。国家运用税收筹集财政收入，通过预算安排用于财政支出，提供公共产品和公共服务，促进了经济的发展。税务部门要大力组织税收，确保国家税收为政府履行公共服务和社会管理职能提供可靠的财力保障。这就要求税务机关要依法治税、依法征税，通过加强各方面管理和服务工作，不断提高税收征收率，保持税收随着经济的发展平稳增长。

（2）加强税费改革、推进税制改革调整各项税收政策。税收作为宏观调控的重要工具，具有内在稳定器的功能，对经济运行产生调节作用。进行税费改革并不意味着把所有的政府收费全部改为征税，而是要将两者之间的比例保持在合理的区域范围内。国家可以根据不同时期的经济形势，制定和实施相应的税收政策来调控经济总量、调整经济结构。税务部门要适应经济形势发展和国家宏观调控的需要，按照“简税制、宽税基、低税率、严征管”的原则及实行有利于增长方式转变、科技进步和能源节约的财税制度的要求，推进税收制度改革。参考文献：

[1]《宏观经济理论与计量方法（修订本）》谢为安中国财政经济出版社 [2]《计量经济学》（第二版）庞皓科学出版社 [3]《西方经济学》李军西南财经大学出版社

[4] 马海涛：中国税制[M]. 中国人民大学出版社，2009. [5] 张晓峒：计量经济分析[M]. 经济科学出版社，2003. [6] 陈共：财政学[M].中国人民大学出版社，2007. [7]中国统计年鉴

计量经济学eviews详解

作业： 2．自己设计一个一元线性回归模型，并查阅2012年统计年鉴，用1985-2011年数据完成下列要求：（1）作散点图；（2）拟合样本回归函数；（3）对所建立的模型进行经济意义检验；（4）对所建立的模型进行统计检验，并详细解释检验结果；（5）作历史模拟图，并计算平均绝对百分比误差： % 100?11?-=∑=n i i i i Y Y Y n MAPE （6）用2011年数据对模型作外推检验；（7）预测2012年、2013年被解释变量的值，并给出总体均值的95%预测区间。（注：用Eviews 完成）

解：由经济理论分析可知，经济发展水平与居民消费水平有密切关系。因此，我们设定居民消费水平i Y （绝对数（元））与国内生产总值i X （亿元）的关系为： 011,1,2,...,27 i i Y X i ββμ=++= 数据来源：中国统计年鉴2012 (1) 散点图：在Eviews 中，通过Quick →Gragh →Scatter Diagram ，得到如下散点图：

(2)拟合样本回归函数：通过Quick estimation equation，在如下窗口中输入：得到：

由此可得样本回归函数： ^ =665.6063+0.02534i i Y X ，（7.398）（50.495） 2 R =0.9903 (3) 其中^ 1β=0.02534是回归方程的斜率，它表示1985-2011年期间，GDP 每增加1亿元，居民消费水平平均增加0.02534元；^ 0β=665.6065是回归方程的截距,她表示不受GDP 影响的居民消费水平的起始值。 ^ 1β，^ 0β的符号大小均符合经济理论及实际情况。 (4) 统计检验。2R =0.9903，说明总离差平方和的99.03%被样本回归直线所解释，只有0.97%未被解释，因此样本回归对样本点的拟合优度很高。给出显著性水平，α=0.05，查自由度n-2=25的t 分布表，得临界值0.05(25) 2.060t =，^ t β=7.398 > 0.05(25) 2.060t =， ^ 1 t β=50.495 > 0.05(25) 2.060t =，拒绝回归系数为零的原假设，说明X 变量显著地影响Y 变量。 (5)作历史模拟图，并计算平均绝对百分比误差：

计量经济学论文(eviews分析)计量经济作业.(精选)

我国旅游收入的计量分析一、经济理论陈述在研读了大量统计和计量资料的基础上，选择了三个大方面进行研究，既包括旅游人数，人均旅游花费和基本交通建设。其中，在旅游人数这个解释变量的划分上，我们考虑到随着全球经济一体化的发展，越来越多的外国游客来中国旅游消费。中国旅游的国际市场是个有发展潜力的新兴市场，尽管外国游客前来旅游的方式包罗万象而且消费能力也不尽相同，但从国际服务贸易的角度出发，我们在做变量选择时，运用国际营销的知识进行市场细分，划分了国际和国内两个市场。这样，在旅游人数这个解释变量的最终确定上，我们选择了2X国内旅游人数，3X入境旅游人数。这点选择除了理论支持外，在现实旅游业发展中我们也看到很多景区包括成都的近郊也有不少外国游客的身影。所以，我们选取这两个解释变量等待下一步进行模型设计和检验。另外，对于人均旅游花费，我们在进行市场细分时，没有延续前两个变量的选择模式，有几个原因。首先，外国游客前来旅游的形式和消费方式各异且很难统计。我们在花大力气收集数据后，仍然没有比较权威的统计数据资料。其次，随着国家对农业的不断重视和扶持，我国农业有了长足发展。农村居民纯收入增加，用于旅游的花费也有所上升。而且鉴于农村人口较多，前面的市场细分也不够细化，在这个解释变量的确定上，我们选择农村人均旅游花费，既是从我国基本国情出发，也是对第一步研究分析的补充。所以我们确定了4X城镇居民人均旅游花费和5X农村居民人均旅游花费。旅游发展除了对消费者市场的划分研究，还应考虑到该产业的基础硬件设施。

在众多可选择对象中我们经分析研究结合大量文献资料决定从交通建设着手。在我国，交通一般分布为公路，铁路，航班，航船等。由于考虑到我国一般大众的旅游交通方式集中在公路和铁路上，为了避免解释变量的过多过繁以及可能带来的多重共线形等问题，我们只选取了前二者。即确定了6X公路长度和7X铁路长度这两个解释变量。其中，考虑到我国旅游业不断发展过程中，高速公路的修建也不断增多，在6X的确定过程中，我们已经将其拟合，尽量保证解释变量的完整和真实。二、相关数据三、计量经济模型的建立Ｙ＝ｃ（１）＋ｃ（２）＊Ｘ２＋ｃ（３）＊Ｘ３＋ｃ（４）＊Ｘ４＋ｃ（５）＊Ｘ５＋ｃ（６）＊Ｘ６＋Ｕ我们建立了下述的一般模型：

计量经济学Eviews多重共线性实验报告

计量经济学E v i e w s多重共线性实验报告 Company Document number：WUUT-WUUY-WBBGB-BWYTT-1982GT

实验报告课程名称计量经济学实验项目名称多重共线性班级与班级代码专业任课教师学号：姓名：实验日期： 2014 年 05 月 11日广东商学院教务处制姓名实验报告成绩评语：指导教师（签名）年月日说明：指导教师评分后，实验报告交院（系）办公室保存。计量经济学实验报告一、实验目的：掌握多元线性回归模型的估计方法、掌握多重共线性模型的识别和修正。二、实验要求：应用教材第127页案例做多元线性回归模型，并识别和修正多重共线性。三、实验原理：普通最小二乘法、简单相关系数检验法、综合判断法、逐步回归法。

四、预备知识：最小二乘法估计的原理、t检验、F检验、2R值。五、实验步骤 1、选择数据理论上认为影响能源消费需求总量的因素主要有经济发展水平、收入水平、产业发展、人民生活水平提高、能源转换技术等因素。为此，收集了中国能源消费标准煤总量、国民总收入、国内生产总值GDP、工业增加值、建筑业增加值、交通运输邮电业增加值、人均生活电力消费、能源加工转换效率等1985——2007年的统计数据。本题旨在通过建立这些经济变量的线性模型来说明影响能源消费需求总量的原因。主要数据如下： 1985~2007年统计数据

资料来源：《中国统计年鉴》，中国统计出版社2000、2008年版。为分析Y 与X1、X2、X3、X4、X5、X6、X7之间的关系，做如下折线图：能源消费Y 在1986到1996年间缓慢增长，在96至98年有短暂的下跌，但是98至02年开始缓慢回升，02年到06年开始快速增长。国民总收入X1和国内生产总值X2以相同的趋势逐年缓慢增长。工业增加值X3在1985年-1999年期间一直是缓慢增长，但在2000年出现了急剧下降的现象，2001年又急剧增长，达到下降前的水平，2001年以后开始缓慢增长。建筑业增长值x4、交通运输邮电业增加值x5、人均生活电力消费x6、能源加工转换效率x7数值较低，但都以较平缓的方式增长。 2、设定并估计多元线性回归模型 t t t t t t t u X X X X X Y ++++++=66554433221ββββββ （）录入数据，得到图。 2.2.1）采用OLS 估计参数在主界面命令框栏中输入 ls y c x1 x2 x3 x4 x5 x6 x7回车，即可得到参数的估计结果。由此可见，该模型的可决系数为，修正的可决系数为，模型拟和很好，F 统计量为，回归方程整体上显着。可是其中的lnX3、lnX4、lnX6对lnY 影响不显着,不仅如此，lnX2、lnX5的参数为负值，在经济意义上不合理。所以这样的回归结果并不理想。 3、多重共线性模型的识别

计量经济学Eviews操作攻略

计量经济学Ｅvｉews操作攻略考试重点：绪论——第六章(第七~十章了解即可）考试形式:开卷考试题型:１、问答题（资料整理ing）２、计算题(要体现5大步骤,预测之后要进行异方差与自相关检验） 3、分析题（资料整理iｎg）说明:由于前三章操作简单，在此不做赘述.从第四章开始结合课后题写下软件操作步骤。本操作攻略就是文字型得,大家瞧不懂得地方尽管问，我可以在线演示。文字数据及操作纯手工打上去得,难免有纰漏，希望大家在复习中发现错误及时联系我，方便我及时改正并给大家纠错，谢谢,么么哒! 题4、1 建立工作文件创建一个范围在1９90—１９9８年得时间序列工作文件.接下来创建变量序列t与Y,并输入数据。对变量进行代换菜单栏【Ｑuick】——【Genｅratｅｓeｒies】输入“y1=loｇ(y)”,生成一个新变量y1。建立模型用y1对x进行回归.得出结果如图４、３所示. 将模型方程还原根据现有得方程将原有得方程形式表示出来。进行预测操作方法同一元与多元。题5、2

创建工作文件创建一个序号在1-29得工作文件，创建变量，并输入数据。图示法检验绘制x－y图:【Ｑuick】—【Graph】-输入“x y”—下拉菜单选择Ｓcattｅr Diａgrａm —点击OK即可。绘制x－e图：【Quiｃk】-【Graph】-输入“ｘreｓiｄ”-下拉菜单选择Scatter Diａｇｒam—点击OK即可。 G—Q检验将X得样本观测值按升序排序,Ｙ与原先得Ｘ对应:按住Ｃｔｒl双选x与y,【Ｐｒocs】—【Sort serieｓ】—输入“x”—点击OK即可。对第一个子样估计模型:主窗口菜单【Quick】—【EstimatｅEｑuatｉｏn】—输入“y c ｘ"—在Samｐｌe输入框输入“１１1”(第二个字样模型此处输入“１929”）-点击OK即可。

计量经济学论文(eviews分析)-房价的计量经济分析

房价的计量经济分析引言：近改革开放20多年来，从来没有哪一个行业像房地产业这样盛产亿万富翁，各种富豪排行榜上，房地产富豪连年占据半壁江山；“中国十大暴利行业”中，房地产业每年都是“第一名”。是什么造就了这样的状况。房地产的问题，在开发商，政府，购房者三者来看，就是一场完完全全的博弈。而这场博弈的焦点则是房价问题。如果说开发商与政府之间的博弈是围绕“土地”这个关键词，那么整个房地产市场则在价格上开展了新一轮的对峙。先是开发商与购房者在房价涨跌上僵持不下；再有开发商与政府之间的土地成本论；最后则是关于房地产是否归为暴利行业的争执，“价格”成了市场关注的焦点。而对于房价的构成因素，至今仍然是不透明的。公布房价成本成为另政府极为头疼的一件事。房价成本是一个非常复杂的集合体，并且项目间差异性较大，同时还有软资产、品牌等组成部分，特别是现在的商品房，追求品质、功能完善以及个性化成本构成越来越难衡量。写作目的：通过对一系列影响房价的基本因素的分析，了解对其主要因素和次要因素。并对这些因素进行统计推断和经济意义上的检验。选择拟和效果最好的最为结论。在一定层面上分析房地产如此暴利的因素。当然笔者的能力有限，并不能全面的分析这一问题。仅仅就几个因素进行分析。写作方法：理论分析及计量分析方法，将会用到Eviews软件进行帮助分析。关键词：房价成本计量假设检验最小二乘法拟合优度现在我们以2003年的数据，选取30个省市的数据为例进行分析。在Eviews软件中选择建立截面数据。现在我们以2003年的数据，选取31个省市的数据为例进行分析。令Y=各地区建筑业总产值。（万元）X1=各地区房屋竣工面积。（万平方米）X2=各地区建筑业企业从业人员。（人）X3=各地区建筑业劳动生产率。（元/人）X4=各地区人均住宅面积。（平方米）X5=各地区人均可支配收入。（元）数据如下： Y X1 X3 X2 X4 X5 12698521 4254.800 569767.0 129961.0 24.77140 13882.62 5208402. 1465.800 238957.0 147063.0 23.09570 10312.91 7799313. 4748.300 989317.0 70048.00 23.16710 7239.060 5401279. 1313.300 591276.0 89151.00 22.99680 7005.030 2576575. 1450.700 265953.0 61074.00 20.05310 7012.900 10170794 3957.100 966790.0 82496.00 20.23510 7240.580 3469281. 1626.800 303837.0 77486.00 20.70590 7005.170 4401878. 2181.300 441518.0 68033.00 20.49200 6678.900 11958034 3609.200 505185.0 153910.0 29.34530 14867.49

计量经济学案例分析汇总

计量经济学案例分析1 一、研究的目的要求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，而且这也是人民生活水平的具体体现。改革开放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，2002年全国城市居民家庭平均每人每年消费支出为元, 最低的黑龙江省仅为人均元，最高的上海市达人均10464元，上海是黑龙江的倍。为了研究全国居民消费水平及其变动的原因，需要作具体的分析。影响各地区居民消费支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、模型设定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”。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2002年截面数据模型。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入模型，即便它们对居民消费有某些影响也可归入随即扰动项中。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。从2002年《中国统计年鉴》中得到表的数据: 表 2002年中国各地区城市居民人均年消费支出和可支配收入

计量经济学Eviews操作攻略

计量经济学Eviews操作攻略考试重点：绪论——第六章（第七~十章了解即可）考试形式：开卷考试题型：1、问答题（资料整理ing） 2、计算题（要体现5大步骤，预测之后要进行异方差和自相关检验） 3、分析题（资料整理ing）说明：由于前三章操作简单，在此不做赘述。从第四章开始结合课后题写下软件操作步骤。本操作攻略是文字型的，大家看不懂的地方尽管问，我可以在线演示。文字数据及操作纯手工打上去的，难免有纰漏，希望大家在复习中发现错误及时联系我，方便我及时改正并给大家纠错，谢谢，么么哒！题4.1 建立工作文件创建一个范围在1990—1998年的时间序列工作文件。接下来创建变量序列t和Y，并输入数据。对变量进行代换菜单栏【Quick】——【Generate series】输入“y1=log(y)”，生成一个新变量y1。建立模型用y1对x进行回归。得出结果如图4.3所示。将模型方程还原根据现有的方程将原有的方程形式表示出来。进行预测操作方法同一元和多元。

题5.2 创建工作文件创建一个序号在1—29的工作文件，创建变量，并输入数据。图示法检验绘制x-y图：【Quick】—【Graph】—输入“x y”—下拉菜单选择Scatter Diagram—点击OK即可。绘制x-e图：【Quick】—【Graph】—输入“x resid”—下拉菜单选择Scatter Diagram—点击OK即可。 G-Q检验将X的样本观测值按升序排序，Y与原先的X对应：按住Ctrl双选x和y，【Procs】—【Sort series】—输入“x”—点击OK即可。

对第一个子样估计模型：主窗口菜单【Quick】—【Estimate Equation】—输入“y c x”—在Sample输入框输入“1 11”（第二个字样模型此处输入“19 29”）—点击OK即可。 White检验在回归报告窗口下，【View】—【Residual Tests】—【White Heteroskedasticity】(no cross terms即是否选择交叉项)。克服异方差在进行过White检验的工作窗口中点击【Procs】—【Specify/Estimate】—【Option】，再在Option对话框中在【Weighted LS/TSLS】前打√，在Weight框中填入适当的权重，如图所示。然后点击OK即可。确定以后，退回到方程对话框中，点击【OK】，得到结果，如图所示。

计量经济学论文(eviews分析)

我国限额以上餐饮企业营业额的影响因素分析班级：姓名：学号：指导老师：

我国限额以上餐饮企业营业额的影响因素分析摘要：本文收集了1999—2009共11年的相关数据，选取餐饮企业的数量、城镇居民人均年消费性支出、全国城镇人口数以及公路里程数作为解释变量构建模型，对我国限额以上餐饮企业营业额的影响因素进行分析。并利用Eviews软件对模型进行参数估计和检验，且加以修正，最后根据模型的最终结果进行经济意义分析，然后提出自己的看法。关键词：餐饮企业营业额、影响因素、计量分析一、研究背景近十年来，投资者进入餐饮企业的数量一直持递增趋势。在他们进入一个行业之前，势必要对该行业的营业额、营业利润等进行估计，当这些因素的估计值能够达到他们的预期的时候，他们才会对其进行投资。由于餐饮企业的营业额是影响投资者是否进入餐饮业的一个重要因素，那么对于我国餐饮企业的营业额问题的深入研究就相当的有必要，这有助于投资者作出合理的决策。下面即进行了对我国限额以上餐饮企业营业额的计量模型研究。二、变量的选取影响餐饮企业营业额的因素有很多，包括餐饮企业的数量、营业面积、从业人员、城镇居民人均年消费性支出、全国城镇人口数、餐饮企业的平均价格水平及公路里程数（表示交通状况），但综合考虑后，选取了其中的一部分变量（企业数、城镇居民人均年消费性支出、全国城镇人口数、公路里程数）进行研究，并对各个变量对餐饮企业营业额的影响进行预测。 1.企业数

本文认为餐饮企业营业额与餐饮企业的数量有关，并预测两者之间呈正相关2. 城镇居民人均年消费性支出本文认为餐饮企业营业额与城镇居民人均年消费性支出有关，并预测两者之间呈正相关 3. 全国城镇人口数本文认为餐饮企业营业额与全国城镇人口数有关，并预测两者之间呈正相关4. 公路里程数本文认为餐饮企业营业额与公路里程数有关，并预测两者之间呈正相关三、相关数据：其中营业额（单位：亿元），企业数（单位：个），人均年消费性支出（单位：元），全国城镇人口数（单位：万人），公路里程数（单位：万公里）年度营业额（Y）企业数（x1）人均年消费性支出(x2) 全国城镇人口数（x3）公路里程数（x4） 1999351955932664615.9143748135.2 200040524453508499845906140.3 2001489894341325309.0148064169.8 2002624247150216029.8850212176.5 2003747000059356510.9452376181 200411605000100677182.154283187.1 20051260200099227942.8856212334.5

计量经济学eviews实验报告

大连海事大学实验报告实验名称：计量经济学软件应用专业班级：财务管理2013-1 姓名：安妮指导教师：赵冰茹交通运输管理学院二○一六年十一月一、实验目标学会常用经济计量软件的基本功能，并将其应用在一元线性回归模型的分析中。具体包括：Eview的安装，样本数据基本统计量计算，一元线性回归模型的建立、检验及结果输出与分析，多元回归模型的建立与分析，异方差、序列相关模型的检验与处理等。二、实验环境 WINDOWSXP或2000操作系统下，基于平台。三、实验模型建立与分析案例1：

我国1995-2014年的人均国民生产总值和居民消费支出的统计资料（此资料来自中华人民共和国统计局网站）如表1所示，做回归分析。表1我国1995-2014年人均国民生产总值与居民消费水平情况

（1）做出散点图，建立居民消费水平随人均国内生产总值变化的一元线性回归方程，并解释斜率的经济意义；利用eviews软件输出结果报告如下： Dependent Variable: CONSUMPTION Method: Least Squares Date: 06/11/16 Time: 19:02 Sample: 1995 2014 Included observations: 20

Variable Coeffici ent Std. Error t-Statisti c Prob.?? C AVGDP R-squared ????Mean dependent var Adjusted R-squared????. dependent var . of regression ????Akaike info criterion Sum squared resid1538032.????Schwarz criterion Log likelihood ????Hannan-Quinn criter. F-statistic ????Durbin-Watson stat Prob(F-statistic) 由上表可知财政收入随国内生产总值变化的一元线性回归方程为: （令Y=CONSUMPTION,X=AVGDP（此处代表人均GDP））

用Eviews分析计量经济学问题

计量经济学案例分析一、问题背景高新区自开始设立至今短短十多年的时间，以其惊人的经济发展速度为世人所关注。随着我国经济发展模式的逐步转变，高新区已经成为我国依靠科技进步和技术创新推动经济社会发展、走中国特色自主创新道路的一面旗帜。“十二五”时期，面对新的机遇和挑战，国家高新区应注重提升五种能力，努力成为加快转变经济发展方式的排头兵。为了探索高新经济发展的内在规律性，本文采用截面数据对高新区的投入产出进行分析，力求能够增进对高新区经济发展的了解，对高新区的进一步发展有所帮助。二、模型设定本文研究的是高新区投入对产出的影响，所以本模型的被解释变量Y 即为高新区的产出。就目前对高新区数据的统计来看，反映高新区产出的主要有“工业总产值”、“工业增加值”、“技工贸总收入”、“利润”和“上缴税额”几个总量指标。按照生产函数理论，产出利用增加值，所以模型中我们将使用“工业增加值”指标数据来估计各高新区的总产出。从高新区的投入来看，对产出有重要影响的因素主要包括以下几个方面：资本K ，劳动力L ，技术投入T ，此外，体制改革，管理模式创新也可以看作是投入的要素，但因其不可量化，因此归入模型的扰动项中。这样，按照科布道格拉斯形式的生产函数，我们设定函数形式为： u T L AK Y γβα= 两边取自然对数得：u T L K A Y ln ln ln ln ln ln ++++=γβα 其中，资本数据K 我们利用的是当年的年末净资产来进行估计，即当年年末资产减去当年年末负债后得到的数据；用当年年末从业人员来估计劳动力L ；用当年技术研发投入来估计技术投入T 。数据选用的是截面数据。从《国家高新技术产业开发区十年发展报告（1991－2000年）》得到1999年全国53个高新区各项指标统计数据：园区工业增加值(千元)Y 净资产（千元）K 年末从业人员（人） L 技术开发费（千元）T 北京 246422 天津 4138312 106970 1004739 石家庄 1428436 8427194 40404 437677 保定 1320169 5564045 35743 78798 太原 1261311 4755833 39469 254922 包头 877062 3798540 19793 56816 沈阳 3835694 21547 525425 大连 2099833 9922822 61713 328710

计量经济学Eviews操作案例集.

案例分析一关于计量经济学方法论的讨论问题：利用计量经济学建模的步骤，根据相关的消费理论，刻画我国改革开放以来的边际消费倾向。第一步：相关经济理论。首先了解经济理论在这一问题上的阐述，宏观经济学中，关于消费函数的理论有以下几种：①凯恩斯的绝对收入理论，认为家庭消费在收入中所占的比例取决于收入的绝对水平。②相对收入理论，是由美国经济学家杜森贝提出的，认为人们的消费具有惯性，前期消费水平高，会影响下一期的消费水平，这告诉我们，除了当期收入外，前期消费也很可能是建立消费函数时应该考虑的因素。关于消费函数的理论还有持久收入理论、生命周期理论，有兴趣的同学可以参考相应的参考书。毋庸置疑，收入和消费之间是正相关的。第二步：数据获得。在这个例子中，被解释变量选择消费，用cs表示；解释变量为实际可支配收入，用inc表示（用GDP减去税收来近似，单位：亿元）；变量均为剔除了价格因素的实际年度数据，样本区间为1978～2002年。第三步：理论数学模型的设定。为了讨论的方便，我们可以建立下面简单的线性模型：第四步：理论计量经济模型的设定。根据第三步数学模型的形式，可得式中：cs=CS/P，inc=(1-t)*GDP/P，其中GDP是当年价格的国内生产总值，CS代表当年价格的居民消费值，P代表1978年为1的价格指数，t=TAX/GDP代表宏观税率，TAX是税收总额。u t表示除收入以外其它影响消费的因素。第五步：计量经济模型的参数估计根据最小二乘法，可得如下的估计结果：常数项为正说明，若inc为0，消费为414.88，也就是自发消费。总收入变量的系数为边际消费倾向，可以解释为城镇居民总收入增加1亿元导致居民消费平均增加0.51亿元。另外，根据相对收入理论，我们可以得到下面的估计结果：

计量经济学eviews软件案例分析

计量经济学课程案例分析论文本小组案例：影响税收收入的因素摘要：我国经济增长与税收增长之间是正相关的，经济增长是税收增长的源泉，而税收又是国家财政收入的主要来源，国家把税收收入用于经济建设，发展科学、教育、文化、卫生等事业，反过来又促进经济的进一步增长。关键字：税收国内生产总值财政支出商品零售价格指数一、引言：改革开放以来，随着经济体制的改革的深化和经济的快速增长，中国的财政收支状况发生很大的变化，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。二、经济理论分析：影响中国税收收入增长的主要因素可能有：【1】从宏观经济上看经济增长是税收增长的基本源泉【2】社会经济的发展和社会保障等对公共财政提出要求，公共财政的需求可能对当年的税收入可能会有一定的影响。【3】物价水平。中国的税制结构以“流转税”为主，以现行价格计算的GDP和经营者的收入水平都与物价水平有关。【4】税收政策因素三、建立模型：以各项税收收入Y作为解释变量以GDP表示经济增长水平以财政支出表示公共财政的需求以商品零售价格指数表示物价水平税收政策因素较难用数量表示，暂时不予考虑模型设定为Y=β1X1+β2X3+β3X3+C 其中：Y—各项税收收入（亿元）

X1—国内生产总值（亿元） X2—财政支出（亿元） X3—商品零售价格指数（%）四、数据收集：年份x1 x2 x3 y 1978 3645.20 1122.09 100.70 519.28 1979 4062.60 1281.79 102.00 537.82 1980 4545.60 1228.83 106.00 571.70 1981 4891.60 1138.41 102.40 629.89 1982 5323.40 1229.98 101.90 700.02 1983 5962.70 1409.53 101.50 775.59 1984 7208.10 1701.02 102.80 947.35 1985 9016.00 2004.25 108.80 2040.79 1986 10275.20 2204.91 106.00 2090.73 1987 12058.60 2262.18 107.30 2140.36 1988 15042.80 2491.21 118.50 2390.47 1989 16992.30 2823.78 117.80 2727.40 1990 18667.80 3083.59 102.10 2821.86 1991 21781.50 3386.62 102.90 2990.17 1992 26923.50 3742.20 105.40 3296.91 1993 35333.90 4642.30 113.20 4255.30 1994 48197.90 5792.62 121.70 5126.88 1995 60793.70 6823.72 114.80 6038.04 1996 71176.60 7937.55 106.10 6909.82 1997 78973.00 9233.56 100.80 8234.04 1998 84402.30 10798.18 97.40 9262.80 1999 89677.10 13187.67 97.00 10682.58 2000 99214.60 15886.50 98.50 12581.51 2001 109655.20 18902.58 99.20 15301.38 2002 120332.70 22053.15 99.70 17636.45 2003 135822.80 24649.95 99.90 20017.31 2004 159878.30 28486.89 102.80 24165.68 2005 184937.40 33930.28 100.80 28778.54 2006 216314.40 40422.73 101.00 34809.72 2007 265810.30 49781.35 103.80 45621.97 2008 314045.40 62592.66 105.90 54223.79 2009 340902.80 76299.90 98.80 59521.59 2010 401202.00 89874.16 103.10 73210.79 回归分析：相关分析

(完整word版)计量经济学EVIEWS软件学习

实验一Eviews的基本操作与一元线性回归模型的最小二乘估计实验目的： 1、熟悉Eviews的窗口与界面 2、掌握Eviews的命令与菜单的操作 3、掌握用Eviews估计与检验一元线性回归模型实验内容： 1、启动Eviews 双击Eviews图标，出现Eviews窗口，它由以下部分组成：标题栏“Eviews”、主菜单“File，Edit，…，Help”、命令窗口（空白处）和工作区域。命令窗口工作区域图1-1 2、产生文件 Eviews的操作在工作文件中进行，故首先要有工作文件，然后进行数据输入、分析等等操作。（1）读已存在文件：File→Open→Workfile。（2）新建文件：File→New→Workfile，出现对话框“工作文件范围”，选取或填上数据类型、起止时间。OK后，得到一个无名字的工作文件，其中有：时间范围、当前工作文件样本范围、filter 、默认方程、系数向量C、序列RESID。在主菜单上依次点击File/New/Workfile，即选择新建对象的类型为工作文件，将弹出一个对话框（如图所示），由用户选择数据的时间频率（frequency）、

起始期和终止期。图1-2工作文件对话框其中， Annual——年度 Monthly——月度 Semi-annual——半年 Weekly——周 Quarterly——季度 Daily——日 Undated or irregular——非时序数据选择时间频率为Annual（年度），再分别点击起始期栏（Start date）和终止期栏（End date），输入相应的日前1985和1998。然后点击OK按钮，将在EViews 软件的主显示窗口显示相应的工作文件窗口（如图所示）。图1-3工作文件窗口工作文件窗口是EViews的子窗口，工作文件一开始其中就包含了两个对象，一个是系数向量C（保存估计系数用），另一个是残差序列RESID（实际值与拟合值之差）。（3）命令方式新建文件在EViews软件的命令窗口中直接键入CREATE命令，也可以建立工作文件。

计量经济学EViews操作

计量经济学作业操作过程详解 1.进入Eviews软件 2.主菜单-->File--->Workfile 3.打开工作文件范围选择框，选择Annual,分别输入1985,1998。点击完成。 4.数据输入：方法一：导入excel文件中的数据 1）在excel中先建立数据文件2）点击file/import/read text-lotus-excel选项，在对话框

中选择已建立的excel文件 4）打开后，在新的对话框中输入想要分析的变量名称，然后点击OK即可。此时工作文件中出现变量图标。方法二：手工数据输入主菜单--->Quick----->Empty Group 分别输入变量Y、GDP的数据。点击obs后面的灰色格子中分别输入Y、GDP。

（方法一：一个一个输入方法二：在Excel中输入完再复制粘贴） 5.主菜单---->Quick----->Estimate Equation 打开估计模型对话框，输入Y C GDP ，（如上图所示，注意字母之间要有空格）点击OK键。得出Eviews的估计结果： β（上面还要带个帽子，电脑打不出来），26.95415为1β。其中12596.27为0 第五步可以直接输入LS Y C GDP 等出结果

6.一元线性回归模型的预测 1）在工作文件主窗口点击procs/change workfile range(改变范围)，弹出对话框，在对话框的end date栏中输入预测值的时间或序号，点击OK 2）在工作文件窗口中双击解释变量文件，在变量窗口中点击edit+/-键，进入编辑模式，在变量窗口底端输入新序号的数值，再点击edit+/-键，关闭编辑模式 3）再次进行估计，点击quick/estimate equation，在对话框中输入方程，注意样本范围应不包括新序号，点击OK得到估计结果

计量经济学论文(eviews分析)《消费状况的影响因素研究》

计量经济学论文及作业姓名：陈敏捷学号：2011012475

消费状况的影响因素研究摘要：本文选取的是现已充分掌握数据资料的2013年全国31个省市的城镇居民的人均全年可支配收入和人均全年消费支出，以及各地区的失业率。通过建模分析，找出三者之间的量化关系，进一步分析得出现实指导意义。关键词：消费支出可支配收入失业率(%) 具体数据如下：消费支出(元/每人全年) Y 可支配收入 (元/每人全年) X1 失业率 (%) X2 北京11123.84 13882.62 1.4 天津7867.53 10312.91 3.8 河北5439.77 7239.06 3.9 山西5105.38 7005.03 3 内蒙5419.14 7012.9 4.5 辽林6077.92 7240.58 6.5 吉林5492.1 7005.17 4.3 黑龙江5015.19 6678.9 4.2 上海11040.34 14867.49 4.9 江苏6708.58 9262.46 4.1 浙江9712.89 13179.53 4.2 安徽5064.34 6778.03 4.1 福建7356.26 9999.54 4.1 江西4914.55 6901.42 3.6 山东6069.35 8399.91 3.6 河南4941.6 6926.21 3.1 湖北5963.25 7321.98 4.3 湖南6082.62 7674.2 3.8 广东9636.27 12380.43 2.9 广西5763.5 7785.04 3.6 海南5502.43 7259.25 3.4 重庆7118.06 8093.67 4.1 四川5759.21 7041.87 4.4

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

eviews的相关计量经济学操作

E v i e w s运用于计量经济学的三个举证一、异方差检验：首先做出相应的ls模型， White检验：在 HeteroskedasticityTest ：White 中检验p值，如果值小于则表示有异方差，反之没有异方差。 G—Q检验 20对数据中在上方输入 *排序 *选出1~7 *做回归得出Sum squared resid 同样再输入smpl 14 20/ls y c x 得出第二个rss

用rss(1)/rss(2)做f检验其他检验方式中用genr 定义变量进行回归分析确定最大的r2等值来确定其异方差形式 ? 修正方法加权最小2 定义e1为相应的resid (e) 在ls规划时将opion中的weight设为abs(e1) 进行来说规划即可这时会去掉其异方差性二、多重共线性对数据建模ls分析数据看哪个每个解释变量的f值，检验其是否有多重共线性求其相关系数矩阵“Quick\Group Statistics\Correlations”得出后和比较，如果大于说明两者之间有激情。修正方法：逐步回归先对每一个进行ls分析建模然后取出对y影响最大的做为基础然后更具其相关系数大小排序，用做出先关的检验，选择加入的元素如上图就是加入了x3 三、序列相关性同样的ls对其做出分析，如果接近2 则没有一次相关，若出了范围则有相应的相关性

其他次的相关性可以由lm检验得到(小于即有序列相关性)。自相关的检验还有view/residual/con-----Q---- 做出如图所示的表修正方法杜宾两步法：进行如下的ls估计可得：将p 的值带入查分模型如下输入：结果如下：含糊可以用lm检验其是否任然具有相关性。用b(贝塔)0/（1-p）p=之前的或者是第一次的2 最小二乘法输入如下结果如下 Lm检验：可用。差分法直接输入：同样也可知取出了其序列相关性 ----made by .

计量经济学Eviews多重共线性实验报告记录

————————————————————————————————作者：————————————————————————————————日期：

实验报告课程名称计量经济学实验项目名称多重共线性班级与班级代码专业任课教师学号：姓名：实验日期：2014 年05 月11日

广东商学院教务处制姓名实验报告成绩评语：指导教师（签名）年月日

说明：指导教师评分后，实验报告交院（系）办公室保存。计量经济学实验报告一、实验目的：掌握多元线性回归模型的估计方法、掌握多重共线性模型的识别和修正。二、实验要求：应用教材第127页案例做多元线性回归模型，并识别和修正多重共线性。三、实验原理：普通最小二乘法、简单相关系数检验法、综合判断法、逐步回归法。四、预备知识：最小二乘法估计的原理、t检验、F检验、2 R值。五、实验步骤 1、选择数据理论上认为影响能源消费需求总量的因素主要有经济发展水平、收入水平、产业发展、人民生活水平提高、能源转换技术等因素。为此，收集了中国能源消费标准煤总量、国民总收入、国内生产总值GDP、工业增加值、建筑业增加值、交通运输邮电业增加值、人均生活电力消费、能源加工转换效率等1985——2007年的统计数据。本题旨在通过建立这些经济变量的线性模型来说明影响能源消费需求总量的原因。主要数据如下： 1985~2007年统计数据年份能源消费国民总收入国内生产总值工业增加值建筑业增加值交通运输邮电增加值人均生活电力消费能源加工转换效率 y X1 X2 X3 X4 X5 X6 X7 1985766829040.7 9016 3448.7 417.9 406.9 21.3 68.29 198680850 10274.4 10275.2 3967 525.7 475.6 23.2 68.32 198786632 12050.6 12058.6 4585.8 665.8 544.9 26.4 67.48 198892997 15036.8 15042.8 5777.2 810 661 31.2 66.54 198996934 17000.9 16992.3 6484 794 786 35.3 66.51 199098703 18718.3 18667.8 6858 859.4 1147.5 42.4 67.2 1991103783 21826.2 21781.5 8087.1 1015.1 1409.7 46.9 65.9 1992109170 26937.3 26923.5 10284.5 1415 1681.8 54.6 66.00 1993115993 35260 35333.9 14188 2266.5 2205.6 61.2 67.32 1994122737 48108.5 48197.9 19480.7 2964.7 2898.3 72.7 65.2 1995131176 59810.5 60793.7 24950.6 3728.8 3424.1 83.5 71.05 1996138948 70142.5 71176.6 29447.6 4387.4 4068.5 93.1 71.5 1997137798 77653.1 78973 32921.4 4621.6 4593 101.8 69.23 1998132214 83024.3 84402.3 34018.4 4985.8 5178.4 106.6 69.44 1999133831 88189 89677.1 35861.5 5172.1 5821.8 118.2 69.19 2000138553 98000.5 99214.6 40033.6 5522.3 7333.4 132.4 69.04 2001143199 108068.2 109655.2 43580.6 5931.7 8406.1 144.6 69.03 2002151797 119095.7 120332.7 47431.3 6465.5 9393.4 156.3 69.04 2003174990 135174 135822.8 54945.5 7490.8 10098.4 173.7 69.4 2004203227 159586.7 159878.3 65210 8694.3 12147.6 190.2 70.71 2005223319 183956.1 183084.8 76912.9 10133.8 10526.1 216.7 71.08 2006 246270 213131.7 211923.5 91310.9 11851.1 12481.1 249.4 71.24