E v i e w s序列相关性实
验报告
WTD standardization office【WTD 5AB- WTDK 08- WTD 2C】
实验二序列相关性【实验目的】
掌握序列相关性问题出现的来源、后果、检验及修正的原理，以及相关的Eviews 操作方法。
【实验内容】
经济理论指出，商品进口主要由进口国的经济发展水平，以及商品进口价格指数与国内价格指数对比因素决定的。由于无法取得价格指数数据，我们主要研究中国商品进口与国内生产总值的关系。
以1978-2001年中国商品进口额与国内生产总值数据为例，练习检查和克服模型的序列相关性的操作方法。
【实验步骤】
一、 建立线性回归模型 利用表中数据建立M 关于GDP 的散点图（SCAT GDP M ）。
可以看到M 与GDP 呈现接近线性的正相关关系。
建立一个线性回归模型（LS M C GDP ）。
即得到的回归式为：
9461.02=R .=0.63 F=405
二、 进行序列相关性检验
1、 观察残差图
做出残差项与时间以及与滞后一期的残差项的折线图，可以看出随机项存在正序列相关性。
2、 用.检验判断
由回归结果输出.=。若给定05.0=α，已知n=24，k=2，查.检验上下界表可得，45.1,27.1==U L d d 。由于.=<=L d ，故存在正自相关。
3、 用LM 检验判断
在估计窗口中选择Serial Correlation LM Test ，设定滞后期Lag=1，得到LM 检验结果。
由于P 值为，可以拒绝原假设，表明存在自相关。 4、 用回归检验法判断
对初始估计结果得到的残差序列定义为E1，首先做一阶自回归（LS E1 E1(-
1)）。
采用LM 检验其自相关性，结果表明仍然存在自相关。
用残差项的二阶自回归形式重新建立模型（LS E1 E1(-1) E1(-2)）。
再次用LM 检验，此时P 值达到，落在接受域，认为误差项不存在自相关。
可以得到残差的二阶回归式为： 83.90..,66.02==e s R
三、 克服自相关
用广义最小二乘法估计回归参数。根据残差二阶回归式的系数，对变量GDP 和M 作二阶广义差分，生成新变量序列：
GENR GDGDP=*GDP(-1)+*GDP(-2)
GENR GDM=*M(-1)+*M(-2)
以GDGDP 、GDM 为样本再次回归（LS GDM C GDGDP ），得到结果输出为：
LM 检验结果如下，已经很好地克服了自相关性。
残差图为：
广义最小二乘回归结果为：
88.1..,32.90..,948.02===W D e s R
由于
得到 故原模型的广义最小二乘估计为
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
实验四虚拟变量 【实验目的】 掌握虚拟变量的基本原理，对虚拟变量的设定和模型的估计与检验，以及相关的Eviews操作方法。 【实验内容】 试根据1998年我国城镇居民人均收入与彩电每百户拥有量的统计资料建立 【实验步骤】 1、相关图分析 根据表中数据建立人均收入X与彩电拥有量Y的相关图（SCAT X Y）。从相关图可以看出，前3个样本点（即低收入家庭）与后5个样本点（中、高收入）的拥有量存在较大差异，
因此，为了反映“收入层次”这一定性因素的影响，设置虚拟变量如下： ?? ?=低收入家庭 中、高收入家庭 1D 2、构造虚拟变量 构造虚拟变量 1D （DATA D1），并生成新变量序列： GENR XD=X*D1 3、估计虚拟变量模型 LS Y C X D1 XD 得到估计结果：
我国城镇居民彩电需求函数的估计结果为： XD D X Y 009.0873.31012.0611.571-++=∧ (16.25) (9.03) (8.32) (-6.59) 366,066.1..,9937.02===F e s R 再由t 检验值判断虚拟变量的引入方式，并写出各类家庭的需求函数。 虚拟变量的回归系数的t 检验都是显著的，且模型的拟合优度很高，说明我国城镇居民低收入家庭与中高收入家庭对彩电的消费需求，在截距和斜率上都存在着明显差异，所以以加法和乘法方式引入虚拟变量是合理的。 低收入家庭与中高收入家庭各自的需求函数为： 低收入家庭： X Y 012.0611.57+=∧ 中高收入家庭： X X Y 003.0484.89)009.0012.0()873.31611.57(+=-++=∧ 由此可见我国城镇居民家庭现阶段彩电消费需求的特点： 对于人均年收入在3300元以下的低收入家庭，需求量随着收入水平的提高而快速上升，人均年收入每增加1000元，百户拥有量将平均增加12台；对于人均年收入在4100元以上的中高收入家庭，虽然需求量随着收入水平的提高也在增加，但增速趋缓，人均年收入每增加1000元，百户拥有量只增加3台。
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EVIEWS5.1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.?? C691.0225113.3920 6.0941040.0000 AVGDP0.3527700.00490871.880540.0000 R-squared0.996528????Mean dependent var7351.300 Adjusted R-squared0.996335????S.D. dependent var4828.765 S.E. of regression292.3118????Akaike info criterion14.28816 Sum squared resid1538032.????Schwarz criterion14.38773 Log likelihood -140.881 6 ????Hannan-Quinn criter.14.30760 F-statistic5166.811????Durbin-Watson stat0.403709 Prob(F-statistic)0.000000 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:
EVIEWS实验报告 专业:金融学 班级：10907 学号：1090723 姓名：侯文隽
一、选题 自1949年新中国成立以后，我国国债发行基本分为两个阶段：20世纪50年代是第一阶段，为了支援人民解放战争，恢复和发展经济，我国先后发行过人民胜利折实公债和国家经济建设公债。80年代以来是第二阶段，进入20世纪80年代以后，随着改革开放的不断深入，我国国民收入分配格局发生了变化，国债的发行量也逐年扩大。本次实验出发点是根据1980-2005年的国债规模和可能的相关因素进行分析，同时达到掌握使用EVIEWS进行经济问题分析的目的。二、建立模型 影响国债规模的因素是多方面的、多层次的，我们暂且不去考虑微观上国债的管理水平与结构、筹资成本、期限安排、偿还方式等因素，因为这些因素的影响是个别的，并且难以计量。所以从宏观经济角度出发，引入财政赤字、国内生产总值（GDP）、年还本付息支出等指标，并建立多元线性回归模型。以国债发行量作为被解释变量Y，财政赤字、GDP、还本付息支出作为解释变量分别用X1、X2、X3表示。建立模型如下: Y=b0+b1*X1+b2*X2+b3*X3 三、数据来源 下表列出了1980-2005年间历年国债发行规模及各相关因素的具体数据表1 单位：亿元
（来源于中国统计年鉴2006，1980-2005年数据） 四、实验结果 通过普通最小二乘法对变量进行回归估计，得到结果如下： Dependent Variable: Y Method: Least Squares Date: 10/02/11 Time: 13:09 Sample: 1980 2005 Included observations: 26 Variable Coefficient Std. Error t-Statistic Prob. C -82.30505 63.20978 X1 0.816282 0.075733 X2 0.671558 0.414988 X3 0.980645 0.160403 R-squared 0.994963 Mean dependent var 2015.208 Adjusted R-squared 0.994276 S.D. dependent var 2355.453 S.E. of regression 178.2087 Akaike info criterion 13.34443 Sum squared resid 698683.5 Schwarz criterion 13.53798 Log likelihood -169.4775 F-statistic Durbin-Watson stat 1.141533 Prob(F-statistic) Y=-82.3051+0.8163X1+0.6716X2+0.9806X3 五、模型检验 1、从回归估计的结果看，可决系数R2=0.9949，模型拟合较好。方程的显著性检 验中F的伴随概率等于0，小于0.05，说明所有的待估参数不全为零，方程总体上的线性关系是显著成立的。在变量的显著性检验中，X1和X3的t检
江西农业大学经济贸易学院学生实验报告 课程名称：计量经济学 专业班级：经济1201班 姓名： 学号： 指导教师：徐冬梅 职称：讲师 实验日期： 2014.12.11
学生实验报告 一、实验目的及要求 1、目的 会使用EVIEWS对计量经济模型进行分析 2、内容及要求 （1）对经典线形回归模型进行参数估计、参数的检验与区间估计，对模型总体进行显著性检验； （2）异方差的检验及其处理； （3）自相关的检验及其处理； （4）多重共线性检验及其处理； 二、仪器用具 三、实验方法与步骤 (一)数据的输入、描述及其图形处理； (二)方程的估计； (三)参数的检验、违背经典假定的检验； (四)模型的处理与预测
四、实验结果与数据处理 实验一：中国城镇居民人均消费支出模型 数据散点图： 通过Eviews 估计参数方程 回归方程： Dependent Variable: Y Method: Least Squares Date: 11/27/14 Time: 15:02 Sample: 1 31 Included observations: 31 Variable Coefficien t Std. Error t-Statistic Prob. X 1.359477 0.043302 31.39525 0.0000 C -57.90655 377.7595 -0.153289 0.8792 R-squared 0.971419 Mean dependent var 11363.69 Adjusted R-squared 0.970433 S.D. dependent var 3294.469 S.E. of regression 566.4812 Akaike info criterion 15.57911 Sum squared resid 9306127. Schwarz criterion 15.67162 Log likelihood -239.4761 F-statistic 985.6616 Durbin-Watson stat 1.294974 Prob(F-statistic) 0.000000 5000 10000 15000 20000 25000 6000 800010000120001400016000 X Y
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。 R值。 四、预备知识：最小二乘法估计的原理、t检验、F检验、2 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 （2.1） 2.1录入数据，得到图。
大连海事大学 实验报告Array 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EVIEWS5.1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 Coefficient Std. Error t-Statistic Prob. C 691.0225 113.3920 6.094104 0.0000 AVGDP 0.352770 0.004908 71.88054 0.0000 R-squared 0.996528 Mean dependent var 7351.300 Adjusted R-squared 0.996335 S.D. dependent var 4828.765 S.E. of regression 292.3118 Akaike info criterion 14.28816 Sum squared resid 1538032. Schwarz criterion 14.38773 Log likelihood -140.8816 Hannan-Quinn criter. 14.30760 F-statistic 5166.811 Durbin-Watson stat 0.403709 Prob(F-statistic) 0.000000 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）） Y = 691.0225+0.352770* X 其中斜率0.352770表示国内生产总值每增加一元,人均消费水平增长0.35277元。 检验结果R2=0.996528，说明99.6528%的样本可以被模型解释，只有0.3472%的样本未被解释，因此样本回归直线对样本点的拟合优度很高。 （2）对所建立的回归方程进行检验： （5%显著性水平下，t（18）=2.101） 对于参数c假设: H 0: c=0. 对立假设:H 1 : c≠0 对于参数GDP假设: H 0: GDP=0. 对立假设:H 1 : GDP≠0 由上表知: 对于c,t=6.094104>t(n-2)=t(18)=2.101 因此拒绝H 0: c=0,接受对立假设:H 1 : c≠0 对于GDP, t=71.88054﹥t(n-2)=t(18)=2.101
实验报告 一、实验数据：1994至2009年天津市城镇居民人均全年可支配收入数据 1994至2009年天津市城镇居民人均全年消费性支出数据 1994至2009年天津市居民消费价格总指数 二、实验内容：对搜集的数据进行回归，研究天津市城镇居民人均消费和人均可支配收入的关系。 三、实验步骤： 1、百度进入“中华人民共和国国家统计局”中的“统计数据”，找到相关数据并输入Excel，统计结果如下表1： 表1 1994年--2009年天津市城镇居民消费支出与人均可支配收 入数据
2、先定义不变价格（1994=1）的人均消费性支出（Yt）和人均可支配收入（Xt） 令：Yt=consum/price Xt=income/price 得出Yt与Xt的散点图，如图1.很明显，Yt和Xt服从线性相关。
图1 Yt和Xt散点图 3、应用统计软件EViews完成线性回归 解：根据经济理论和对实际情况的分析也都可以知道，城镇居民人均全年耐用消费品支出Yt依赖于人均全年可支配收入Xt的变化，因此设定回归模型为 Yt=β0+β?Xt﹢μt （1）打开EViews软件，首先建立工作文件，File new Workfile ,然后通过Object建立Y、X系列，并得到相应数据。 （2）在工作文件窗口输入命令：ls y c x,按Enter键，回归结果如表2 ： 表2 回归结果
根据输出结果，得到如下回归方程： Yt=977.908+0.670Xt s=(172.3797) (0.0122) t=(5.673) (54.950) R2=0.995385 Adjusted R2=0.995055 F-statistic=3019.551 残差平方和Sum squared resid =1254108 回归标准差S.E.of regression=299.2978 （3）根据回归方程进行统计检验： ?拟合优度检验 由上表2中的得知，样本可决系数与修 正样本可决系数分别为0.995385和0.995055，计算结果表明，估计
实验一异方差性 【实验目的】 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。 【实验内容】 以《计量经济学学习指南与练习》补充习题4-16为数据，练习检查和克服模型的异方差的操作方法。 【4-16】表4-1给出了美国18个行业1988年研究开发（R&D）费用支出Y与销售收入X的数据。请用帕克（Park）检验、戈里瑟（Gleiser）检验、G-Q检验与怀特（White）检验来检验Y关于X的回归模型是否存在异方差性？若存在 【实验步骤】 一检查模型是否存在异方差性 1、图形分析检验 （1）散点相关图分析 做出销售收入X与研究开发费用Y的散点相关图（SCAT X Y）。观察相关图可以看出，随着销售收入的增加，研究开发费用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。
（2）残差图分析 首先对数据按照解释变量X 由小至大进行排序（SORT X ），然后建立一元线性回归方程（LS Y C X ）。 因此，模型估计式为： X Y *032.0507.187+=∧ ----------（*） (0.17) (2.88) R 2=0.31 s.e.=2850 F=0.011 建立残差关于X 的散点图，可以发现随着X 增加，残差呈现明显的扩大趋势，表明存在递增的异方差。
2、Park检验 建立回归模型（LS Y C X），结果如（*）式。 生成新变量序列：GENR LNE2 = LOG(RESID^2) GENR LNX = LOG(X) 生成新残差序列对解释变量的回归模型（LS LNE2 C LNX）。从下图所示的回归结果中可以看出，LNX的系数估计值不为0且能通过显著性检验，即随机误差项的方差与解释变量存在较强的相关关系，即认为存在异方差性。
农业大学经济贸易学院学生实验报告 课程名称：计量经济学 专业班级：经济1201班 姓名： 学号： 指导教师：徐冬梅 职称：讲师 实验日期： 2014.12.11
学生实验报告 一、实验目的及要求 1、目的 会使用EVIEWS对计量经济模型进行分析 2、容及要求 （1）对经典线形回归模型进行参数估计、参数的检验与区间估计，对模型总体进行显著性检验； （2）异方差的检验及其处理； （3）自相关的检验及其处理； （4）多重共线性检验及其处理； 二、仪器用具 三、实验方法与步骤 (一)数据的输入、描述及其图形处理；
(二)方程的估计； (三)参数的检验、违背经典假定的检验； (四)模型的处理与预测 四、实验结果与数据处理 实验一：中国城镇居民人均消费支出模型 数据散点图： 通过Eviews 估计参数方程 回归方程： Dependent Variable: Y Method: Least Squares Date: 11/27/14 Time: 15:02 Sample: 1 31 Included observations: 31 Variable Coefficien t Std. Error t-Statistic Prob. X 1.359477 0.043302 31.39525 0.0000 5000 10000 15000 20000 25000 6000 800010000120001400016000 X Y
C -57.90655 377.7595 -0.153289 0.8792 R-squared 0.971419 Mean dependent var 11363.69 Adjusted R-squared 0.970433 S.D. dependent var 3294.469 S.E. of regression 566.4812 Akaike info criterion 15.57911 Sum squared resid 9306127. Schwarz criterion 15.67162 Log likelihood -239.4761 F-statistic 985.6616 Durbin-Watson stat 1.294974 Prob(F-statistic) 0.000000 得出估计方程为：Y = 1.35947661442*X - 57.9065479515 异方差检验 1、图示检验法 图形呈现离散趋势，大致判断存在异方差性。 2、Park 检验 Dependent Variable: LOG(E2) Method: Least Squares Date: 11/27/14 Time: 16:16 Sample: 1 31 Included observations: 31 Variable Coefficien t Std. Error t-Statistic Prob. 0500000 10000001500000 6000 800010000120001400016000 X E 2
E v i e w s序列相关性实验报 告 Prepared on 22 November 2020
实验二序列相关性 【实验目的】 掌握序列相关性问题出现的来源、后果、检验及修正的原理，以及相关的Eviews操作方法。 【实验内容】 经济理论指出，商品进口主要由进口国的经济发展水平，以及商品进口价格指数与国内价格指数对比因素决定的。由于无法取得价格指数数据，我们主要研究中国商品进口与国内生产总值的关系。 以1978-2001年中国商品进口额与国内生产总值数据为例，练习检查和克服模型的序列相关性的操作方法。
1999 2000 2001 【实验步骤】 一、建立线性回归模型 利用表中数据建立M关于GDP的散点图（SCAT GDP M）。 可以看到M与GDP呈现接近线性的正相关关系。 建立一个线性回归模型（LS M C GDP）。
即得到的回归式为： GDP M 0204.09058.152+= 9461.02=R .=0.63 F=405 二、 进行序列相关性检验 1、 观察残差图 做出残差项与时间以及与滞后一期的残差项的折线图，可以看出随机项存在正序列相关性。
2、 用.检验判断 由回归结果输出.=。若给定05.0=α，已知n=24，k=2，查.检验上下界表可得，45.1,27.1==U L d d 。由于.=<=L d ，故存在正自相关。 3、 用LM 检验判断
在估计窗口中选择Serial Correlation LM Test，设定滞后期Lag=1，得到LM检验结果。 由于P值为，可以拒绝原假设，表明存在自相关。 4、用回归检验法判断 对初始估计结果得到的残差序列定义为E1，首先做一阶自回归（LS E1 E1(-1)）。
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e v i e w s实 验报告 标准化管理处编码[BBX968T-XBB8968-NNJ668-MM9N]
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- Statistic 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）） Y = +* X 其中斜率表示国内生产总值每增加一元,人均消费水平增长元。
《计量经济学》实验报告多元线性回归模型 一、实验内容 建立2000-2014年北京市民用汽车拥有量模型。 调查北京市民用汽车拥有量数据见表1。观测变量分别是民用汽车拥有量y t（万辆），北京市年末人口数x it （万人）和城镇人均可支配收入x2t （千元）。 表1 某城市拥有量样本数据 t y t（拥有量）X1t（年末人数）X2t （人均收入） 2000 104.12 1113.53 10349.7 2001 114.47 1127.89 11577.8 2002 133.93 1142.83 12463.9 2003 163.07 1154.06 13882.6 2003 182.42 1167.76 15637.8 2005 182.42 1184.14 17653 2006 239.12 1199.96 19977.5 2007 273.36 1216.25 21988.5 2008 313.68 1232.28 24724.9 2009 368.11 1247.52 26738.5 2010 449.72 1258 29072.9 2011 470.53 1277.92 32903 2012 493.56 1297.46 36468.8 2013 517.11 1316.34 40321
2014 530.83 1333.4 43910
要求： （1）试建立二元线性回归销售模型。 （2）考虑北京地区有人口万人，人均年收入为元，试北京市汽车拥有量做出预测。 二、实验目的 掌握多元线性回归模型的原理，多元线性回归模型的建立、估计、检验及预测的方法, 以及相应的EViews软件操作方法。 三、实验步骤（简要写明实验步骤） （1 ）建立二元线性回归销售模型 （2）预测 点击view 中的Graph-scatter- 中的第三个获得
┊┊┊┊┊┊┊┊┊┊┊┊┊┊┊装┊┊┊┊┊订┊┊┊┊┊线┊┊┊┊┊┊┊┊┊┊┊┊┊┊┊ 分析国内生产总值与最终消费的关系 一、研究的目的要求 由于消费是所有经济行为有效实现的最终环节,唯有消费需求的不断上升才有经济增长的持久拉动力.而居民的消费水平在很大程度上又受整体经济状况的影响.国内生产总值是用于衡量一国总收入的一种整体经济指标,经济扩张时期,居民收入稳定,GDP也高,居民用于消费的支出较多,消费水平较高;反之,经济收缩时,收入下降,GDP也低,用于消费的支出较少,消费水平随之下降.改革开放以来,我国的GDP不断增长的同时,人民的物质生活也在不断提高.研究国内生产总值与最终消费的数量关系，对于探寻最终消费增长的规律性，预测最终消费的发展趋势有重大意义。 二、模型设定 为了分析国内生产总值对消费的推动作用，选择中国国民最终消费为被解释变量（用Y表示），选择中国国内生产总值为解释变量（用X表示）。搜集到以下数据。 中国国民收入与最终消费（单位：亿元） 年份 国内 生产总 值（亿 元） 最终消 费 年份 国内生产 总值（亿元） 最终消费 X Y X Y 1978 3624.1 2239.1 1995 58478.1 36748.2 1979 4038.2 2633.7 1996 67884.6 43919.5 1980 4517.8 3007.9 1997 74462.6 48140.6 1981 4862.4 3361.5 1998 78345.2 51588.2 1982 5294.7 3714.8 1999 82067.5 55636.9 1983 5934.5 4126.4 2000 89468.1 61516 1984 7171 4846.3 2001 97314.8 66878.3 1985 8964.4 5986.3 2002 104790.6 71691.2 1986 10202.2 6821.8 2003 135822.8 77449.5 1987 11962.5 7804.6 2004 159878.3 87032.9 1988 14928.3 9839.5 2005 183217.4 97822.7
CPI与M1的关系 (1) 导入数据，建立工作组 （2）生成cpi数据列 对其进行ADF检验，一阶平稳，结果如下： 同样方法生成m1数据列，并对其进行ADF检验，一阶平稳，结果如下： （3）以上实验说明CPI与M1是一阶单整序列，接着对DM1与DCPI进行协整检验，Quick→Group Statistics→Cointegration Test检验结果如下：
说明存在2个协整关系。 （4）对其一阶差分序列进行格兰杰因果检验，Quick→Group Statistics→Granger Causality Test检验结果如下： 说明M1是CPI变动的格兰杰原因，而CPI不是M1变动的格兰杰原因。 综上所述，CPI与M1存在协整关系，且M1的变动引起CPI的变动。 沪深股市收益率波动性分析 一沪深股市收益率的波动性研究 1、描述性统计 图一上证收益率
图二深证收益率 从图一可以发现，样本期内沪市收益率均值为-0.000824，标准差为0.019323，偏度为-0.146983，峰度为5.707683，远高于正态分布的峰度值3，说明收益率r t具有尖峰和厚尾特征。JB正态性检验也证实了这点，统计量为318.9724，说明在极小置信概率下，收益率显著异于正态分布；从图二可以发现，样本期内深市收益率均值为-0.00062，标准差为0.021601，偏度为-0.253026，峰度为4.838825，收益率同样具有尖峰厚尾特征。深市收益率的标准差大于沪市，说明深圳股市的波动更大。 析。 3、均值方程的确定及残差序列自相关检验 图三上证收益率自相关检验
图四 深证收益率自相关检验 从图三和图四可以看出上证收益率和深证收益率都不存在自相关性，因此我们选择以下模型作为波动率模型的均值方程： it it it u r ε+= 2,1=i 其中t r 1表示上证收益率，t r 2表示深证收益率。 对沪深市场收益率分别作如上模型的回归，结果如图五和图六所示：
用Eviews软件建立一元线性回归模型并进行相关检验的实验报告1.数据 表1列出了某年中国部分省市城镇居民每个家庭平均全年可支配收入X与消费性支出Y 的统计数据。
2.建立模型 应用EViews软件，以表1的数据可绘出可支配收入X与消费性支出Y的散点图（图2-1）。从该三点图可以看出，随着可支配收入的增加，消费性支出也在增加，大致程线性关系。据此，我们可以建立一元线性回归模型： Y=β0+β1·X+μ 图2-1 对模型作普通最小二乘法估计，在Eviews软件下，OLS的估计结果如图（2-2）所示。 Dependent Variable: Y Method: Least Squares Date: 12/07/11 Time: 21:00 Sample: 1 20 Included observations: 20
Variable Coefficient Std. Error t-Statistic Prob. X 0.755368 0.023274 32.45486 0.0000 C 271.1197 159.3800 1.701090 0.1061 R-squared 0.983198 Mean dependent var 5199.515 Adjusted R-squared 0.982265 S.D. dependent var 1625.275 S.E. of regression 216.4435 Akaike info criterion 13.68718 Sum squared resid 843260.4 Schwarz criterion 13.78675 Log likelihood -134.8718 Hannan-Quinn criter. 13.70661 F-statistic 1053.318 Durbin-Watson stat 1.302512 Prob(F-statistic) 0.000000 图2-2 OLS估计结果为 ^ Y=271.12+0.76X (1.70) (32.45) R2=0.9832 D.W. =1.3025 F=1053.318 3.模型检验 从回归估计的结果看，模型拟合较好。可绝系数R2=0.983198，表明城镇居民每个家庭平均全年消费性支出变化的98.3198%可由可支配收的变化来解释。从斜率项β1的t检验看，大于5%显著性水平下自由度为n-2=18的临界值t0.025(18)=2.101，且该斜率值满足0<0.755368<1，符合经济理论中边际消费倾向在0与之间的绝对收入假说，表明中国城镇居民平均全年可支配收入每增加1元，消费性支出增加0.755368元。 4.预测 假设我们需要关注2012年平均年可支配收入在20000元这一水平下的中国城镇居民平均年消费支出问题。由上述回归方程可得该类家庭人均消费支出的预测值： ^ Y0=271.1197+0.755368×20000=15378.4797 下面给出该类居民平均年消费支出95%置信度的预测区间。
实验二序列相关性 【实验目的】 掌握序列相关性问题出现的来源、后果、检验及修正的原理，以及相关的Eviews 操作方法。 【实验内容】 经济理论指出，商品进口主要由进口国的经济发展水平，以及商品进口价格指数与国内价格指数对比因素决定的。由于无法取得价格指数数据，我们主要研究中国商品进口与国内生产总值的关系。 以1978-2001年中国商品进口额与国内生产总值数据为例，练习检查和克服模型 一、建立线性回归模型 利用表中数据建立M关于GDP的散点图（SCAT GDP M）。 可以看到M与GDP呈现接近线性的正相关关系。
建立一个线性回归模型（LS M C GDP ）。 即得到的回归式为： 9461.02=R .=0.63 F=405 二、 进行序列相关性检验 1、 观察残差图 做出残差项与时间以及与滞后一期的残差项的折线图，可以看出随机项存在正序列相关性。 2、 用.检验判断 由回归结果输出.=。若给定05.0=α，已知n=24，k=2，查.检验上下界表可得，45.1,27.1==U L d d 。由于.=<=L d ，故存在正自相关。 3、 用LM 检验判断 在估计窗口中选择Serial Correlation LM Test ，设定滞后期Lag=1，得到LM 检验结果。 由于P 值为，可以拒绝原假设，表明存在自相关。 4、 用回归检验法判断 对初始估计结果得到的残差序列定义为E1，首先做一阶自回归（LS E1 E1(-1)）。 采用LM 检验其自相关性，结果表明仍然存在自相关。 用残差项的二阶自回归形式重新建立模型（LS E1 E1(-1) E1(-2)）。 再次用LM 检验，此时P 值达到，落在接受域，认为误差项不存在自相关。 可以得到残差的二阶回归式为： 83.90..,66.02==e s R 三、 克服自相关 用广义最小二乘法估计回归参数。根据残差二阶回归式的系数，对变量GDP 和M 作二阶广义差分，生成新变量序列： GENR GDGDP=*GDP(-1)+*GDP(-2) GENR GDM=*M(-1)+*M(-2) 以GDGDP 、GDM 为样本再次回归（LS GDM C GDGDP ），得到结果输出为： LM 检验结果如下，已经很好地克服了自相关性。 残差图为： 广义最小二乘回归结果为： 88.1..,32.90..,948.02===W D e s R 由于 得到 故原模型的广义最小二乘估计为