下载文档原格式
实验三异方差性实验目的：在理解异方差性概念和异方差对OLS回归结果影响的基础上,掌握进行异方差检验和处理的方法;熟练掌握和运用Eviews软件的图示检验、G-Q检验、怀特White 检验等异方差检验方法和处理异方差的方法——加权最小二乘法;实验内容：书P116例4.1.4：中国农村居民人均消费函数中国农村居民民人均消费支出主要由人均纯收入来决定;农村人均纯收入除从事农业经营的收入外,还包括从事其他产业的经营性收入以及工资性收入、财产收入和转移支付收入等;为了考察从事农业经营的收入和其他收入对中国农村居民消费支出增长的影响,建立双对数模型：其中,Y表示农村家庭人均消费支出,X1表示从事农业经营的纯收入,X2表示其他来源的纯收入;表4.1.1列出了中国内地2006年各地区农村居民家庭人均纯收入及消费支出的相关数据;表4.1.1 中国2006年各地区农村居民家庭人均纯收入与消费支出单位：元注：从事农业经营的纯收入由从事第一产业的经营总收入与从事第一产业的经营支出之差计算,其他来源的纯收入由总纯收入减去从事农业经营的纯收入后得到;资料来源：中国农村住户调查年鉴2007、中国统计年鉴2007;实验步骤：一、创建文件1.建立工作文件CREATE U 1 31 其中的“U”表示非时序数据2.录入与编辑数据Data Y X1 X2 意思是：同时录入Y、X1和X2的数据3.保存文件单击主菜单栏中File→Save或Save as→输入文件名、路径→保存;二、数据分析1.散点图①Scat X1 Y从散点图可看出,农民农业经营的纯收入与农民人均消费支出呈现一定程度的正相关;②Scat X2 Y从散点图可看出,农民其他来源纯收入与农民人均消费支出呈现较高程度的正相关;2.数据取对数处理Genr LY=LOG YGenr LX1=LOG X1Genr LX2=LOG X2三、模型OLS 参数估计与统计检验 LS LY C LX1 LX2得到模型OLS 参数估计和统计检验结果：Dependent Variable: LY Method: Least Squares Sample: 1 31Variable CoefficientStd. Errort-StatisticProb.C LX1 R-squaredMean dependent var Adjusted R-squared . dependent var . of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic 注意：在学术文献中一般以这种形式给出回归方程的输出结果,而不是把上面的软件输出结果直接粘贴到文章中可决系数,调整可决系数,显示模型拟合程度较高;同时,F 检验统计量,在5%的显着性水平下通过方程总体显着性检验;可认为农民农业经营的收入和其他收入整体与农村居民消费支出的线性关系显着成立;变量X2和截距项均在5%的显着性水平下通过变量显着性检验,但X1在10%的显着水平下仍不能通过检验;四、异方差检验对于双对数模型,由于12(0.150214)(0.477453)ββ=<=二者均为弹性系数,可认为其他来源的纯收入而不是从事农业经营的纯收入的增长,对农户人均消费的增长更有刺激作用;也就是说,不同地区农村人均消费支出的差别主要来源于非农经营收入及工资收入、财产收入等其他来源收入的差别,因此,如果模型存在异方差性,则可能是X2引起的;1.图示检验法观察残差的平方与LX2的散点图;①残差resid残差resid变量数据是模型参数估计命令完成后由Eviews软件自动生成在Workfile 框里可找到,无需人工操作获得;注意,resid保留的是最近一次估计模型的残差数据;②残差的平方与LX2的散点图Scat LX2 resid^2从上图可大体判断出模型存在递增型异方差性;2．G-Q法检验异方差补充：先定义一个变量T,取值为1、2、…、31分别代表各省市,用于在做完G-Q检验之后,再按T排序,使数据顺序还原;Data T 提示：输入1、2、…、31①将所有原始数据按照X2升序排列;Sort X2Show Y X1 X2 LY LX1 LX2显示各个变量数据的目的是查看一下,所有变量数据是否按X2升序排列好了;②将31对样本数据,去掉中间的7对,形成两个容量均为12的子样本,即1-12和20-31;③对1-12的子样本做普通最小二乘估计,并记录残差平方和RSS;1Smpl 1 12 意思是：将样本区间由1-31,改为1-12Ls LY C LX1 LX2Dependent Variable: LYMethod: Least Squares Sample: 1 12C LX1 LX2R-squaredMean dependent var Adjusted R-squared . dependent var . of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson statProbF-statistic子样本1：12ln 3.1412080.398385ln 0.234751ln Y X X e =+++1RSS =④对20-31的子样本做普通最小二乘估计,并记录残差平方和2RSS ; Smpl 20 31 意思是：将样本区间由1-12,改为20-31 Ls LY C LX1 LX2Dependent Variable: LY Method: Least Squares Sample: 20 31Included observations: 12C LX1 R-squaredMean dependent var Adjusted R-squared . dependent var . of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson statProbF-statistic子样本2：12ln 3.9936440.113766ln 0.6201681ln Y X X e =-++2RSS =⑤异方差检验在5%与10%的显着性水平下,自由度为9,9的F分布临界值分别为0.05(9,9) 3.18F=与0.10(9,9) 2.44F=;因此5%显着性水平下不能拒绝同方差假设,但在10%的显着性水平下拒绝;补充：怀特检验软件操作：在原始模型的OLS方程对象窗口中,选择view/Residual test/White Heteroskedasticity;Eviews提供了包含交叉项的怀特检验“White Heteroskedasticitycross terms”和没有交叉项的怀特检验“White Heteroskedasticityno cross terms”这样两个选择;问题：如果是刚做完上面的G-Q检验,如何得到原始模型答案：先恢复成全样本,再按T排序,然后做OLS回归;SMPL 1 31 意思是：将样本区间恢复到1-31补充：将样本数据按T升序排列,使数据顺序还原;Sort T 意思是：将数据顺序还原Ls LY C LX1 LX2下面是在原始模型的OLS方程对象窗口中,选择view/Residual test/White Heteroskedasticity,然后进行包含交叉项的怀特检验“White Heteroskedasticitycross terms”所得到的输出结果最上方显示了两个检验统计量：F统计量和White统计量nR2；下方显示的是以OLS的残差平方为被解释变量的辅助回归方程的回归结果：F-statistic ProbabilityTest Equation:Dependent Variable: RESID^2Method: Least SquaresDate: 05/03/11 Time: 17:21Sample: 1 31C LNX1 LNX1^2 LNX1LNX2 LNX2 R-squaredMean dependent var Adjusted R-squared . dependent var . of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic 可见,怀特统计量nR 2==31×,大于自由度也即辅助回归方程中解释变量的个数为5的2分布临界值07.115205.0=）（χ,因此,在5%的显着性水平下拒绝同方差的原假设; 五、采用加权最小二乘法处理异方差以下内容和教材P118-120不一样,但是我们必须掌握的重点——以原始模型的OLS 回归残差的绝对值的倒数为权数,手工完成加权最小二乘估计LS LY C LX1 LX2Genr E=resid 意思是：记录双对数模型OLS 估计的残差 用残差的绝对值的倒数对LY 、LX1、LX2做加权： Genr LYE=LY/abs E Genr LX1E=LX1/abs E Genr LX2E=LX2/abs E Genr CE=1/abs E LS LYE CE LX1E LX2EDependent Variable: LYE Method: Least Squares Sample: 1 31CELX1ER-squared Mean dependent varAdjusted R-squared . dependent var. of regression Akaike info criterionSum squared resid Schwarz criterionLog likelihood Durbin-Watson stat可以看出,lnX1参数的t统计量有了显着改进,这表明在1%显着性水平下,都不能拒绝从事农业生产带来的纯收入对农户人均消费支出有着显着影响的假设;六、检验加权的回归模型是否还存在异方差1.检验是否由LX1E引起异方差Sort LX1E 意思是：将原始数据按LX1E升序排列①子样本1的回归：Smpl 1 12LS LYE CE LX1E LX2EDependent Variable: LYEMethod: Least SquaresSample: 1 12Variable Coefficient Std. Error t-Statistic Prob.CELX1ER-squared Mean dependent varAdjusted R-squared . dependent var. of regression Akaike info criterionSum squared resid Schwarz criterionLog likelihood Durbin-Watson stat子样本1：RSS=1②子样本2的回归：Smpl 20 31LS LYE CE LX1E LX2EDependent Variable: LYE Method: Least Squares Date: 05/01/11 Time: 23:23 Sample: 20 31Variable CoefficientStd. Errort-StatisticProb.CE LX1E R-squaredMean dependent var Adjusted R-squared . dependent var . of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihoodDurbin-Watson stat子样本2：2RSS =③异方差检验 注意做题的步骤提出假设 22012:H σσ= 22112:H σσ≠ 计算检验统计量：在5%的显着性水平下,自由度为9,9的F 分布临界值分别为0.05(9,9) 3.18F =;因此5%显着性水平下不能拒绝同方差假设;2.检验是否由LX2E 引起异方差Smpl 1 31 意思是：将样本区间复原Sort lx2e 意思是：将原始数据按LX2E 升序排列 ①子样本1的回归： Smpl 1 12LS LYE CE LX1E LX2EDependent Variable: LYE Method: Least Squares Sample: 1 12CE LX1E R-squaredMean dependent var Adjusted R-squared . dependent var . of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihoodDurbin-Watson stat子样本1：1RSS = ②子样本2的回归： Smpl 20 31LS LYE CE LX1E LX2EDependent Variable: LYE Method: Least Squares Sample: 20 31Included observations: 12CE LX1E R-squaredMean dependent var Adjusted R-squared . dependent var . of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihoodDurbin-Watson stat子样本2：2RSS =③异方差检验 注意做题的步骤提出假设 22012:H σσ= 22112:H σσ≠ 计算检验统计量：在5%的显着性水平下,自由度为9,9的F 分布临界值分别为0.05(9,9) 3.18F =;因此5%显着性水平下不能拒绝同方差假设;结论：用OLS 估计的残差绝对值的倒数作为权数,对存在异方差的模型加权,然后采用OLS估计,则一定会消除异方差;最终通过异方差检验的估计方程为：实验四序列相关性实验目的：在理解序列相关性的基本概念、序列相关的严重后果的基础上,掌握进行序列相关检验和处理的方法;熟练掌握Eviews软件的图示检验、DW检验、拉格朗日乘数LM检验等序列相关性检验方法和处理序列相关性的方法——广义差分法;实验内容：书P132例4.2.1：中国居民总量消费函数建立总量消费函数是进行宏观经济管理的重要手段;为了从总体上考察中国居民收入与消费的关系,P56表2.6.3给出了中国名义支出法国内生产总值GDP、名义居民总消费CONS以及表示宏观税负的税收总额TAX、表示价格变化的居民消费价格指数CPI1990=100,并由这些数据整理出实际支出法国内生产总值GDPC=GDP/CPI、居民实际消费总支出Y=CONS/CPI,以及实际可支配收入X=GDP-TAX/CPI;表2.6.3 中国居民总量消费支出与收入资料单位：亿元年份GDP CONS CPI TAX GDPC X Y19781979198019811982198319841985198619871988198919901991199219931994199519961997199819992000200120022003200420052006资料来源：根据中国统计年鉴2001,2007整理;实验步骤：一、创建文件1.建立工作文件CREATE A 1978 2006 其中的“A”表示年度数据2.录入与编辑数据Data X Y3.保存文件单击主菜单栏中File→Save或Save as→输入文件名、路径→保存;二、数据分析:趋势图Plot X Y 意思是：同时画出Y和X的趋势图从X和Y的趋势图中可看出它们存在共同变动趋势;三、OLS参数估计与统计检验LS Y C XDependent Variable: YMethod: Least Squares Sample: 1978 2006C R-squaredMean dependent var Adjusted R-squared . dependent var . of regression Akaike info criterion Sum squared residSchwarz criterion Log likelihood F-statistic Durbin-Watson statProbF-statistic从OLS 估计的结果看,模型拟合较好：可决系数20.9880R =,截距项和斜率项的t 检验值均大于5%显着性水平下自由度为n-2=27的临界值0.025(27) 2.05t =;而且,斜率项符合经济理论中边际消费倾向在0与1之间的绝对收入假说;斜率项表明,在1978—2006年间,以1990年价计算的中国居民可支配总收入每增加1亿元,居民消费支出平均增加亿元;四、序列相关性检验 1.图示检验法①残差与时间t 的关系图趋势图 Plot resid②相邻两期残差之间的关系图 Scat resid-1 resid从两个关系图看出,随机误差项呈正序列相关性;.检验值为,表明在5%显着性水平下,n=29,k=2包括常数项,查表得1.34L d =, 1.48U d =,由于.= 1.34L d <=,故存在正序列相关;五、处理序列相关1.修正模型设定偏误剔除虚假序列相关首先面临的问题是,模型的序列相关是纯序列相关,还是由于模型设定有偏误而导致的虚假序列相关;从X 和Y 的趋势图中看到它们表现出共同的变动趋势,因此有理由怀疑较高的2R =部分地是由这一共同的变化趋势带来的;为了排除时间序列模型中这种随时间变动而具有的共同变化趋势的影响,一种解决方案是在模型中引入时间趋势项,将这种影响分离出来;由于本例中可支配收入X 与消费支出Y 均呈非线性变化态势,因此引入的时间变量TT=1,2,……,29以平方的形式出现,回归模型变化为：①编辑变量T data T在数据表中输入1-29; ②做如下的回归 Ls Y C X T^2Dependent Variable: Y Method: Least Squares Sample: 1978 2006 Included observations: 29C X T ^2R-squaredMean dependent var Adjusted R-squared . dependent var . of regression Akaike info criterionSum squared resid 6054792. Schwarz criterionLog likelihood F-statistic 得到如下的修正模型：可见,T 2的t 统计量显着;但是,修正的模型.值仍然较低,没有通过5%显着性水平下的.检验n=29,k=3时,27.1=L D ,56.1=U D ,因此该模型仍存在正序列相关性;补充：序列相关性的拉格朗日乘数检验LM检验在EViews软件中,如果在上面的OLS回归方程界面直接做残差序列的LM检验,那么得到的是如下结果,和书上P133结果不一致：原因：EViews在做LM检验时,为了不损失样本,把滞后残差序列的“前样本”缺失值设定为0Presample missing value lagged residuals set to zero.;这样,它的样本容量仍然是n,而不是n-p;回归结果和书上也有不同;解决办法：要使软件的LM检验结果和教材P133结果一致,办法是进行OLS估计之后,先把残差序列resid用genr生成另一序列e,再做辅助回归,即：genr e=resid先做含1阶滞后残差的辅助回归：ls e c x t^2 e-1Dependent Variable: EMethod: Least SquaresDate: 04/26/13 Time: 07:08Sample adjusted: 1979 2006Included observations: 28 after adjustmentsVariable Coefficient Std. Error t-Statistic Prob.CXT^2E-1R-squared Mean dependent varAdjusted R-squared . dependent var. of regression Akaike info criterionSum squared resid 2103016. Schwarz criterionLog likelihood Hannan-Quinn criter.F-statistic Durbin-Watson statProbF-statisticLM检验统计量必须自己算：LM=n-pR2=29-1=由于该值大于显着性水平为5%、自由度为1的2分布临界值84.31205.0=）（χ,由此判断原模型存在1阶序列相关;再做含2阶滞后残差的辅助回归： ls e c x t^2 e-1 e-2Dependent Variable: E Method: Least Squares Date: 04/26/13 Time: 07:32 Sample adjusted: 1980 2006Included observations: 27 after adjustmentsVariable Coefficient Std. Error t-Statistic Prob. C X T^2 E-1 E-2R-squaredMean dependent var Adjusted R-squared . dependent var . of regressionAkaike info criterion Sum squared resid 1806465. Schwarz criterion Log likelihood Hannan-Quinn criter. F-statistic Durbin-Watson statProbF-statisticLM 检验统计量必须自己算：LM=n-pR 2=29-2=由于该值大于显着性水平为5%、自由度为2的2分布临界值99.52205.0=）（χ,由此判断原模型存在序列相关;但2~-t e 的系数未通过5%的显着性检验,表明在5%的显着性水平下不存在2阶序列相关性;所以,结合前面含1阶、2阶滞后残差的辅助回归结果,可以判断在5%的显着性水平下仅存在1阶序列相关性;2.广义差分法处理序列相关①Ls Y C X T^2 AR1Dependent Variable: Y Method: Least Squares Sampleadjusted: 1979 2006Included observations: 28 after adjusting endpoints Variable CoefficientStd. Errort-StatisticProb.C X T^2 AR1R-squaredMean dependent var Adjusted R-squared . dependent var . of regression Akaike info criterionSum squared resid 2164144. Schwarz criterionLog likelihood F-statistic AR1前的参数值即为随机扰动项的1阶序列相关系数,在5%的显着性水平下显着;.= ,在5%显着性水平下,1.18.. 1.65L U d DWd =<<=样本容量为28,无法判断广义差分变换后模型是否已不存在序列相关;②继续引入AR2以下内容和教材P133-134的做法不同,但是我们必须掌握的基本做法Ls Y C X T ^2 AR1 AR2Dependent Variable: Y Method: Least Squares Sampleadjusted: 1980 2006Included observations: 27 after adjusting endpointsC X T^2 AR1 AR2R-squaredMean dependent var Adjusted R-squared. dependent var. of regression Akaike info criterionSum squared resid 1834086. Schwarz criterionLog likelihood F-statisticInverted AR Roots .53 .53+.32iAR2前的参数在10%的显着性水平下显着不为0；且.= ,接近于2,认为在10%显着性水平下,已不存在序列相关;但是,在5%的显着性水平下,则没必要引入AR2;注意：教材P133用LM检验的结果是,引入AR1 的回归方程在5%的显着性水平下已不存在序列相关性,因而不需要引入AR2;补充：下面是针对引入AR1的回归方程式的LM检验的命令操作和检验结果：首先,采用上面得到的1阶自回归系数1也即AR1的系数,做如下的1阶广义差分变量的OLS回归注：与式等价：Ls y-1 c x-1 t^t-1^2Dependent Variable: Y-1Method: Least SquaresDate: 06/02/13 Time: 11:07Sample adjusted: 1979 2006Included observations: 28 after adjustmentsVariable Coefficient Std. Error t-Statistic Prob.CX-1T^T-1^2R-squared M ean dependent varAdjusted R-squared . dependent var. of regression A kaike info criterionSum squared resid 2164144. S chwarz criterionLog likelihood H annan-Quinn criter.F-statistic D urbin-Watson statProbF-statistic然后,将上述1阶广义差分方程的残差序列resid 记为e ：genr e=resid 最后,做如下的辅助回归：ls e c x-1 t^t-1^2 e-1Dependent Variable: E Method: Least Squares Date: 06/02/13 Time: 11:16 Sample adjusted: 1980 2006Included observations: 27 after adjustmentsVariable CoefficientStd. Errort-StatisticProb.C X-1 T^T-1^2 E-1R-squaredM ean dependent var Adjusted R-squared . dependent var . of regression A kaike info criterionSum squared resid 1965048. S chwarz criterionLog likelihood H annan-Quinn criter. F-statistic D urbin-Watson statProbF-statistic于是,LM 检验统计量：LM=27=;查表,当显着性水平为5%时,自由度为1的2的临界值）（1205.0χ为;上述LM ＜）（1205.0χ,表明模型的随机误差项已不存在序列相关;。
计量经济学实验教程计量经济学实验是一种研究经济问题的方法，通过实验来检验经济理论的有效性和可靠性。
本篇文章将介绍如何设计和实施计量经济学实验。
一、实验设计1. 研究问题首先需要确定研究问题，例如：市场价格如何影响消费者购买行为？政策变化如何影响企业投资决策？确定研究问题后，需要制定假设并提出实验方案。
2. 实验方案实验方案包括实验对象、实验变量、实验设计等内容。
实验对象可以是个体、企业、市场等，实验变量可以是价格、政策、产品特征等。
实验设计包括实验组和对照组的设置、实验时间、实验场所等。
3. 样本选择样本选择是实验设计中非常重要的一环，需要根据实验对象和实验变量确定样本的大小和分布。
样本选择需要注意样本的代表性和随机性，以确保实验结果的可靠性和有效性。
二、实验实施1. 实验条件实验条件包括实验场所、实验设备、实验人员等。
实验场所需要符合实验要求，实验设备需要保证准确性和稳定性，实验人员需要具备专业知识和技能。
2. 实验过程实验过程需要按照实验方案进行，保证实验组和对照组的实验条件相同。
实验过程需要记录实验数据和实验结果，以便后续分析和研究。
3. 数据分析数据分析是实验的重要环节，需要使用计量经济学方法对实验数据进行分析和研究。
数据分析需要根据实验方案和假设，采用适当的统计方法进行分析和判断。
三、实验结果1. 实验结论实验结论需要根据数据分析得出，需要说明实验结果和假设是否一致，以及实验结果的可靠性和有效性。
实验结论需要用简洁明了的语言表述，以便于理解和应用。
2. 实验意义实验意义需要说明实验结果对经济理论和实践的意义和贡献。
实验意义需要从理论和实践两个方面进行说明，以便于对实验结果进行评价和应用。
总之，计量经济学实验是一种重要的研究经济问题的方法，需要根据实验设计和实验过程进行实施和分析。
实验结果需要用简洁明了的语言表述，以便于理解和应用。
计量经济学指导书1. 引言计量经济学是一门研究经济学中的数据分析和经济理论的关系的学科。
它是经济学中的一支重要的分支，通过运用统计学和数学工具来量化经济理论上的假设和推论。
计量经济学的目的是通过实证研究来提供对经济现象的定量分析和解释。
2. 计量经济学的基本原理计量经济学的基本原理可以总结为以下几点：2.1 经济理论的建模在进行计量经济学分析时，首先需要进行经济理论的建模。
经济理论的建模是指将现实世界中的经济问题抽象为数学模型，并对模型中的变量和关系进行定义和描述。
经济理论的建模可以帮助研究者对经济现象进行深入的思考和分析。
2.2 数据的收集和整理收集和整理数据是进行计量经济学分析的基础。
在收集数据时，需要注意数据的源头和可靠性。
在数据整理过程中，通常需要对数据进行清洗、转换和归类等操作，以便于后续的分析和建模工作。
2.3 统计分析方法的应用统计分析方法是计量经济学的核心工具。
通过运用统计学中的回归分析、方差分析、时间序列分析等方法，可以对数据进行建模和估计，并从中得到有关经济现象的定量结果。
统计分析方法的应用需要结合经济理论和实证数据，以确保分析结果的合理性和可靠性。
2.4 经济政策的评估计量经济学可以用于评估经济政策的效果。
通过实证分析，可以对不同的经济政策进行评估和比较，以确定其对经济发展、社会福利和资源配置等方面的影响。
经济政策的评估可以提供决策者参考和制定更有效的政策措施。
3. 计量经济学的常用方法计量经济学中有许多常用的方法和技术，下面介绍其中几种常见的方法：3.1 回归分析回归分析是计量经济学中最基本的方法之一。
它用来研究两个或多个变量之间的统计关系，并通过建立数学模型来解释变量之间的因果关系。
回归分析可以用于预测和解释变量之间的关系，并对影响因素进行定量评估。
3.2 时间序列分析时间序列分析是对随时间变化的数据进行建模和分析的方法。
它可以用来研究经济数据随时间的演变趋势、周期性和趋势性等特征。
计量经济学试验（完整版）-—李子奈ﻬ目录实验一一元线性回归ﻩ错误!未定义书签。
一实验目得..................................... 错误!未定义书签。
二实验要求.................................... 错误!未定义书签。
三实验原理ﻩ错误!未定义书签。
四预备知识ﻩ错误!未定义书签。
五实验内容ﻩ错误!未定义书签。
六实验步骤..................................... 错误!未定义书签。
1、建立工作文件并录入数据................... 错误!未定义书签。
2、数据得描述性统计与图形统计: .............. 错误!未定义书签。
3、设定模型，用最小二乘法估计参数：ﻩ错误!未定义书签。
４、模型检验: ............................... 错误!未定义书签。
5、应用：回归预测：ﻩ错误!未定义书签。
实验二可化为线性得非线性回归模型估计、受约束回归检验及参数稳定性检验............................... 错误!未定义书签。
一实验目得：ﻩ错误!未定义书签。
二实验要求..................................... 错误!未定义书签。
三实验原理..................................... 错误!未定义书签。
四预备知识.................................... 错误!未定义书签。
五实验内容ﻩ错误!未定义书签。
六实验步骤ﻩ错误!未定义书签。
实验三多元线性回归...................... 错误!未定义书签。
一实验目得..................................... 错误!未定义书签。
三实验原理ﻩ错误!未定义书签。
四预备知识.................................... 错误!未定义书签。
XX实验指导书《计量经济学》编写人：XX实验一 EViews软件的基本操作【实验目的】通过上机试验，了解EViews软件特点、工作窗口的组成、充分掌握EViews软件的基本操作、熟悉数据处理、统计分析（图形分析）【实验内容】EViews是专门用于从事数据分析、回归分析和预测的工具，使用EViews可以迅速从数据中找出统计关系，并用得到的关系去预测数据的未来值。
最小二乘估计是估计变量间线形关系中相互作用与影响的有效方法，在数据分析中有很重要的作用。
本次试验内容包括：进行EViews的一些基本操作来熟悉这个软件。
实验内容以表1-1所列出的税收收入和国内生产总值的统计资料为例进行操作。
表1-1 我国税收与GDP统计资料单位：亿元资料来源：《中国统计年鉴1999》【实验步骤】一、数据的输入、编辑与序列生成㈠创建工作文件⒈菜单方式启动EViews软件之后，进入EViews主窗口。
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，由用户选择数据的时间频率（frequency）、起始期和终止期。
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。
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）。
⒉命令方式在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。
命令格式为：CREATE 时间频率类型起始期终止期则以上菜单方式过程可写为：CREATE A 1985 1998㈡输入Y、X的数据⒈DATA命令方式在EViews软件的命令窗口键入DATA命令，命令格式为：DATA <序列名1> <序列名2>…<序列名n>本例中可在命令窗口键入如下命令：DATA Y X将显示一个数组窗口，此时可以按全屏幕编辑方式输入每个变量的统计资料。
实验四多重共线性【实验目的】掌握多重共线性的检验及处理方法【实验内容】根据表6－1的数据，建立子鸡消费的回归模型表6－1 子鸡消费数据【实验步骤】一、输入数据在Eviews命令行中输入create a 1960 1982data q I p p2 p3 ap然后输入表6－1中的数据，或将表中数据拷入。
其中q子鸡消费量，I表示收入，p表示子鸡价格，p2表示猪肉价格，p3表示牛肉价格，ap表示猪肉和牛肉的综合价格。
二、建立回归模型根据经济理论可知，子鸡消费量依赖于收入，子鸡价格和替代品的价格，所以首先考虑子鸡消费对收入、子鸡价格、猪肉价格和牛肉价格的回归。
输入命令ls q c I p p2 p3回归结果如下Dependent Variable: QVariable Coefficient Std. Error t-Statistic Prob.C 37.23398 3.717757 10.01517 0.0000I 0.005015 0.004893 1.024840 0.3190P -0.611156 0.162839 -3.753131 0.0015P2 0.198384 0.063719 3.113441 0.0060P3 0.069467 0.050989 1.362394 0.1899R-squared 0.942585 F-statistic 73.87690Adjusted R-squared 0.929826 Prob(F-statistic) 0.000000 回归结果中，所有变量的回归系数的符号都符合经济含义，但是收入和牛肉价格这两个变量的回归系数在统计上不显著。
回归方程高度显著。
三、侦察多重共线性回归结果方程高度显著，但有个别解释变量系数不显著，提示我们很可能存在多重共线性。
1．检查解释变量两两简单相关系数将变量I、p、p2和p3以数组方式打开，然后在菜单上选择View－Correlations－Common Sample，会出现相关系数矩阵（图6－1）。
《计量经济学》课程实验指导书目录实验一计量经济学古典线性回归模型实验 (1)实验二计量经济学异方差模型实验 (12)实验三计量经济学自相关模型实验 (19)实验四计量经济学多重共线性模型实验 (24)实验五计量经济学虚拟变量模型和滞后变量模型实验 (30)实验六计量经济学单方程模型综合性实验 (38)实验七计量经济学联立方程模型综合性实验 (59)主要参考书1.潘省初著《计量经济学》：中国人民大学出版社，2002年，第1版。
2.袁建文编著《计量经济学实验》：科学出版社，2002年，第1版。
实验一、计量经济学古典线性回归模型实验一、实验目的与要求：使学生掌握古典线性回归模型的设定、估计、检验、预测方法以及至少掌握一种计量经济学软件的使用，提高学生应用计量经济学古典线性回归模型方法解决实际问题的实践动手能力。
要求学生能对简单的实际经济问题正确地选择古典线性回归模型的理论形式，能使用计量经济学软件包Eviews估计模型参数，能进行经济意义、拟合优度、参数显著性和方程显著性等检验，能进行模型经济意义分析以及预测因变量值。
二、实验内容与步骤：1.选择简单的实际经济问题学生从本实验指导书提供的参考选题中或从其它途径选择合适的实际经济问题。
2.古典线性回归模型的理论形式设定学生针对所选的实际经济问题，依据有关的经济理论设定恰当的古典线性回归模型的理论形式。
3.经济意义和统计检验学生应用计量经济学软件包Eviews对已设定的古典线性回归模型进行初步估计并进行经济意义和统计检验。
4.模型经济意义分析及预测因变量值三、实验例题：美国1980-1995年未偿付抵押贷款债务下表提供了以下数据，非农业未偿付抵押贷款(Y，亿美元)，个人收入(X2，亿美元)，新住宅抵押试建立美国非农业未偿付抵押贷款古典线性回归模型，若1997年个人收入为6543亿美元，新住宅抵押贷款费用为8%，试预测1997年未偿付抵押贷款额(亿美元)。
实验步骤及内容如下：1.古典线性回归模型的理论形式设定以非农业未偿付抵押贷款(Y)作为被解释变量，个人收入(X 2)及未偿付抵押贷款(X 3)作为解释变量。
