下载文档原格式
计量经济学试验(完整版)——李子奈目录实验一一元线性回归.......................................................................................................................................一实验目的......................................................二实验要求......................................................三实验原理......................................................四预备知识......................................................五实验内容......................................................六实验步骤......................................................1.建立工作文件并录入数据.....................................2.数据的描述性统计和图形统计：...............................3.设定模型，用最小二乘法估计参数：...........................4.模型检验：.................................................5.应用：回归预测：........................................... 实验二可化为线性的非线性回归模型估计、受约束回归检验及参数稳定性检验......................一实验目的：....................................................二实验要求......................................................三实验原理......................................................四预备知识......................................................五实验内容......................................................六实验步骤...................................................... 实验三多元线性回归 .........................................................................................................................................一实验目的......................................................三实验原理......................................................四预备知识......................................................五实验内容......................................................六实验步骤......................................................6.1 建立工作文件并录入全部数据...............................6.2 建立二元线性回归模型.....................................6.3 结果的分析与检验.........................................6.4 参数的置信区间...........................................6.5 回归预测.................................................6.6 置信区间的预测........................................... 实验四异方差性 ..................................................................................................................................................一实验目的......................................................二实验要求......................................................三实验原理......................................................四预备知识......................................................五实验内容......................................................六实验步骤......................................................6.1 建立对象：...............................................6.2 用普通最小二乘法建立线性模型.............................6.3 检验模型的异方差性.......................................6.4 异方差性的修正........................................... 实验五自相关性 ..................................................................................................................................................二实验要求......................................................三实验原理......................................................四预备知识......................................................五实验内容......................................................六实验步骤......................................................6.1 建立Workfile和对象......................................6.2 参数估计、检验模型的自相关性.............................6.3 使用广义最小二乘法估计模型...............................6.4 采用差分形式作为新数据，估计模型并检验相关性............. 实验六多元线性回归和多重共线性..............................................................................................................一实验目的......................................................二实验要求......................................................三实验原理......................................................四预备知识......................................................五实验内容......................................................六实验步骤......................................................6.1 建立工作文件并录入数据...................................6.2 用OLS估计模型...........................................6.3 多重共线性模型的识别.....................................6.4 多重共线性模型的修正..................................... 实验七分布滞后模型与自回归模型及格兰杰因果关系检验................................................................一实验目的......................................................二实验要求......................................................三实验原理......................................................四预备知识......................................................五实验内容......................................................六实验步骤......................................................6.1 建立工作文件并录入数据...................................6.2 使用4期滞后2次多项式估计模型...........................6.3 格兰杰因果关系检验....................................... 实验八联立方程计量经济学模型 ..................................................................................................................一实验目的......................................................二实验要求......................................................三实验原理......................................................四预备知识......................................................五实验内容......................................................六实验步骤......................................................6.1 分析联立方程模型。
实验三_多元线性回归模型及⾮线性回归（1）实验三多元线性回归模型及⾮线性回归⼀、多元线性回归模型例题3.2.2 建⽴2006年中国城镇居民⼈均消费⽀出的多元线性回归模型。
数据：地区 2006年消费⽀出Y 2006年可⽀配收⼊X12005年消费⽀出X2北京 14825.41 19977.52 13244.2 天津 10548.05 14283.09 9653.3 河北 7343.49 10304.56 6699.7 ⼭西 7170.94 10027.70 6342.6 内蒙古 7666.61 10357.99 6928.6 辽宁 7987.49 10369.61 7369.3 吉林 7352.64 9775.07 6794.7 ⿊龙江 6655.43 9182.31 6178.0 上海 14761.75 20667.91 13773.4 江苏 9628.59 14084.26 8621.8 浙江 13348.51 18265.10 12253.7 安徽7294.73 9771.05 6367.7 福建 9807.71 13753.28 8794.4 江西 6645.54 9551.12 6109.4 ⼭东 8468.40 12192.24 7457.3 河南6685.18 9810.26 6038.0 湖北 7397.32 9802.65 6736.6 湖南 8169.30 10504.67 7505.0 ⼴东 12432.22 16105.58 11809.9 ⼴西 6791.95 9898.75 7032.8 海南 7126.78 9395.13 5928.8 重庆 9398.69 11569.74 8623.3 四川 7524.81 9350.11 6891.3 贵州6848.39 9116.61 6159.3 云南 7379.81 10069.89 6996.9 西藏 6192.57 8941.08 8617.1 陕西 7553.28 9267.70 6656.5 ⽢肃6974.21 8920.59 6529.2 青海 6530.11 9000.35 6245.3 宁夏 7205.57 9177.26 6404.3 新疆 6730.018871.276207.51、建⽴模型01122Y X X βββµ=+++2、估计模型（1）录⼊数据打开EViews6，点“File ”→“New ”→“Workfile ”选择“Unstructured/Undated”，在Observations 后输⼊31，如下所⽰：点“ok”。
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 7764.06667.06789.7732.675ˆ+++-= （模型1） t ＝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，资金的边际产出为，技术进步的影响使工业总产值平均每年递增亿元。
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。
目录一、选择方程 (1)1.作散点图 (1)2.进行因果关系检验 (2)二、多元线性回归 (3)三、居民消费方程 (5)四、固定投资方程 (8)五、货物和服务净流出方程 (10)六、存货增加方程的估计 (12)实验三多元线性回归模型的估计和检验实验目的：掌握多元线性回归模型的估计和检验方法。
实验要求：选择方程进行多元线性回归。
实验原理：普通最小二乘法。
实验步骤：一、选择方程根据广东数据选择不变价GDP（GDPB）、不变价资本存量（ZC）和从业人员（RY）的数据，把GDPB作为应变量，ZC和RY作为两个解释变量进行二元线性回归分析。
1.作散点图从散点图（图3-1，图3-2）看，变量间不一定呈现线性关系，可以先试着作线性回归。
图3-1图3-22.进行因果关系检验从因果关系检验看，ZC明显影响GDPB、RY不太明显，这是可以理解的，计划经济时期存在着隐性失业，使得劳动力的变化对产出的影响不太明显。
二、多元线性回归得到估计方程GDPB=0.377169694502*ZC+0.353688537498*RY-800.599732335 估计方程的判定系数R2接近1；参数显著性i检验值均大于2；方程显著性F检验显著。
调整的判定系数为0.999085，比下面的一元回归有明显改善。
根据广东数据得到的五个估计方程的前四个，即劳动报酬LB、固定资产折旧ZJ、生产税净额SE和营业盈余YY分别对国内生产总值GDPS 回归的方程，其回归系数其实就是它们四者占GDPS比例的平均数，这个比例数是随着时间的变化而变化的，所以应该进行下面的二元回归：得到估计方程LB=0.36143886124*GDPS+36.781366735*TZJ=0.163625595483*GDPS-2.83149724876*TSE=0.141354057469*GDPS+1.6517682756*T 估计方程的判定系数R2、参数显著性t检验、方程显著性F检验和调整的判定系数有些比一元回归有改进，表明这些确实应该进行二元回归。
《计量地理学》实验报告学院：班级：学号：姓名：指导老师：实验地点：目录一、第一次实验（1）多元线性回归分析··3（2）逐步回归分析··6二、第二次实验（1）主成分回归分析··10（2）方差分析··13三、第三次实验（1）非线性回归分析··17（2）聚类分析··20四、第四次实验趋势面分析··22第一次实验1.实验名称：多元线性回归分析实验目的：通过探讨自变量与因变量之间变动的比例关系，建立模型，揭示地理要素之间的线性相关关系。
实验内容：以《贵州省遵义市海龙坝水源地供水水文地质详查报告》中的数据资料为例，对该地区地下水流量进行预测。
从详查报告可以看出，该区地下水流量的动态变化主要受降雨量及人工开采两个因素的影响，因此主要通过研究区降雨量及人工开采用水资料来预测地下水各观测孔流量的变化，而不考虑其它因素的影响，则模型可简化为：22110x x y ∂+∂+∂=式中，y 为观测孔地下水流量的变化；21,x x 分别为降雨量和人工开采量。
年份 降雨量1x /mm人工开采量2x /3m观测孔流量y/(L/s)1990 954 658.8 51.54 1991 1389.5 723.1 63.71 1992 864 701.9 54.44 1993 1193.2 689.5 56.78 1994 841 734.6 53.45 1995 1378.4 699.2 65.92 19961686.9685.467.581997 1592.1 704.7 64.591998 1956.7 613.7 75.31实验步骤：（1）在DPS系统中对原始数据进行回归分析，将上表中数据编辑、定义成数据块；（2）在“多元分析”菜单下选择“回归分析”中的“线性回归”，系统给出下图界面点击右下角的“返回编辑”，得到以下数据：多元线性回归分析结果：方差来源平方和df 均方F值p值相关系数R=0.962768 决定系数RR=0.926923 调整相关R'=0.950034press=117.3509 剩余标准差sse= 2.4622 预测误差标准差MSPE=4.4225 Durbin-Watson d=2.2597回 归461.39792230.6989 38.0527 0.0004剩 余36.3757 6 6.0626总 的497.77368 62.2217变量 回归系数 标准系数 偏相关 标准误t 值p-值 b0 26.3907 21.6685 1.21790.2627b1 0.0201 0.9914 0.9523 0.0026 7.6450 0.0001 b2 0.01250.05680.17600.02840.43790.6746序号观察值拟合值残差标准残差 学生残差cook 距离成果处理：经过以上分析，由上表可知，该区地下水流量计算模型为：210125.00201.03907.26x x y ++=通过对回归方程进行F 显著性检验，该地下水流量预测模型显著性很好，符合1 51.5400 53.7836 -2.2436 -0.9112 -1.3434 0.7061 2 63.7100 63.3429 0.3671 0.1491 0.1774 0.00443 54.4400 52.5106 1.92940.78360.93320.12144 56.7800 58.9766 -2.1966 -0.8921 -0.9563 0.04545 53.4500 52.4554 0.9946 0.4039 0.5048 0.0477 6 65.9200 62.8219 3.09811.25821.35180.09407 67.5800 68.8541 -1.2741 -0.5175 -0.5965 0.0390 8 64.5900 67.1881 -2.5981 -1.0552 -1.2416 0.1976 975.3100 73.3868 1.92320.78111.48581.9270通径系数分析直接作用 通过x1通过x2 x1 0.9914 -0.0298x20.0568-0.5206剩余通径系数=0.270327该地区的实际情况，因此可以通过该模型对研究区地下水流量进行预测。
多元线性回归模型实验报告实验报告：多元线性回归模型1.实验目的多元线性回归模型是统计学中一种常用的分析方法，通过建立多个自变量和一个因变量之间的模型，来预测和解释因变量的变化。
本实验的目的是利用多元线性回归模型，分析多个自变量对于因变量的影响，并评估模型的准确性和可靠性。
2.实验原理多元线性回归模型的基本假设是自变量与因变量之间存在线性关系，误差项为服从正态分布的随机变量。
多元线性回归模型的表达形式为：Y=b0+b1X1+b2X2+...+bnXn+ε，其中Y表示因变量，X1、X2、..、Xn表示自变量，b0、b1、b2、..、bn表示回归系数，ε表示误差项。
3.实验步骤（1）数据收集：选择一组与研究对象相关的自变量和一个因变量，并收集相应的数据。
（2）数据预处理：对数据进行清洗和转换，排除异常值、缺失值和重复值等。
（3）模型建立：根据收集到的数据，建立多元线性回归模型，选择适当的自变量和回归系数。
（4）模型评估：通过计算回归方程的拟合优度、残差分析和回归系数的显著性等指标，评估模型的准确性和可靠性。
4.实验结果通过实验，我们建立了一个包含多个自变量的多元线性回归模型，并对该模型进行了评估。
通过计算回归方程的拟合优度，我们得到了一个较高的R方值，说明模型能够很好地拟合观测数据。
同时，通过残差分析，我们检查了模型的合理性，验证了模型中误差项的正态分布假设。
此外，我们还对回归系数进行了显著性检验，确保它们是对因变量有显著影响的。
5.实验结论多元线性回归模型可以通过引入多个自变量，来更全面地解释因变量的变化。
在实验中，我们建立了一个多元线性回归模型，并评估了模型的准确性和可靠性。
通过实验结果，我们得出结论：多元线性回归模型能够很好地解释因变量的变化，并且模型的拟合优度较高，可以用于预测和解释因变量的变异情况。
同时，我们还需注意到，多元线性回归模型的准确性和可靠性受到多个因素的影响，如样本大小、自变量的选择等，需要在实际应用中进行进一步的验证和调整。
实验三 多元线性回归模型及非线性回归一、多元线性回归模型例题3.2.2 建立2006年中国城镇居民人均消费支出的多元线性回归模型。
数据： 地区 2006年消费支出Y 2006年可支配收入X12005年消费支出X2北京 14825.41 19977.52 13244.2 天津 10548.05 14283.09 9653.3 河北 7343.49 10304.56 6699.7 山西 7170.94 10027.70 6342.6 内蒙古 7666.61 10357.99 6928.6 辽宁 7987.49 10369.61 7369.3 吉林 7352.64 9775.07 6794.7 黑龙江 6655.43 9182.31 6178.0 上海 14761.75 20667.91 13773.4 江苏 9628.59 14084.26 8621.8 浙江 13348.51 18265.10 12253.7 安徽 7294.73 9771.05 6367.7 福建 9807.71 13753.28 8794.4 江西 6645.54 9551.12 6109.4 山东 8468.40 12192.24 7457.3 河南 6685.18 9810.26 6038.0 湖北 7397.32 9802.65 6736.6 湖南 8169.30 10504.67 7505.0 广东 12432.22 16105.58 11809.9 广西 6791.95 9898.75 7032.8 海南 7126.78 9395.13 5928.8 重庆 9398.69 11569.74 8623.3 四川 7524.81 9350.11 6891.3 贵州 6848.39 9116.61 6159.3 云南 7379.81 10069.89 6996.9 西藏 6192.57 8941.08 8617.1 陕西 7553.28 9267.70 6656.5 甘肃 6974.21 8920.59 6529.2 青海 6530.11 9000.35 6245.3 宁夏 7205.57 9177.26 6404.3 新疆 6730.018871.276207.51、 建立模型01122Y X X βββμ=+++2、估计模型 （1）录入数据打开EViews6，点“File ”→“New ”→“Workfile ”选择“Unstructured/Undated”，在Observations 后输入31，如下所示：点“ok”。
在命令行输入：DATA Y X1 X2，回车将数据复制粘贴到Group中的表格中：（2）估计回归方程在命令行输入命令：LS Y C X1 X2，回车或者在主菜单中点“Quick” “Estimate Equation”，在Specification中输入Y C X1 X2，点“确定”。
得到如下估计结果：对照输出的结果，写出回归报告：ii i X X Y 212434.05593.036.152ˆ⋅+⋅+= （0.5881）（7.4348） （2.1414）9759.02=R 9742.02=R F=566.3870 D.W.=1.8274做经济意义检验和统计检验： ①经济意义检验1β的估计值为0.5593，2β的估计值为0.2434，均在0与1之间，符合经济理论和行为规律（或者说符合合理预期的消费理论， 具体介绍见书P329）。
②统计检验模型的可决系数为0.9759，模型拟合较好。
给定α=0.05，模型的F 统计量为566.3870，相伴概率p=0.0000<α，表明方程的整体线性关系显著。
给定α=0.05，1X 对应的t 统计量为7.4348，，相伴概率为p=0.0000<α，表明变量1X 显著；2X 对应的t 统计量为2.1414，相伴概率为p=0.0411<α，表明变量2X 显著。
③模型的经济意义解释1β的估计值为0.5593，表示在其他条件不变的前提下，中国城镇居民2006年的人均可支配收入每增加1元，人均消费支出增加0.56元；2β的估计值为0.2434，表示在其他条件不变的前提下，中国城镇居民在2005年的人均消费每增加1元，2006年的人均消费支出增加0.24元。
二、非线性回归（1）可化为线性的非线性回归模型 例题3.5.1：①中国城镇居民食品消费需求函数模型。
根据需求理论，居民对食品的消费需求函数大致为： ),,(01P P X f Q =其中，Q 为居民对食品的需求量，X 为消费者的消费支出总额，1P 为食品价格指数，0P 为居民消费价格总指数。
根据恩格尔定律，随着居民消费支出的增加，居民对食品的消费支出也增加，但食品消费支出比例会逐渐下降。
因此，居民对食品的消费支出与居民的总支出间呈幂函数的变化关系。
具体的函数形式设定为：μβββe P P AX Q 32101=经对数变换，转化为对数线性模型：μββββ++++=031210LnP LnP LnX LnQ （0LnA β=） 拟定待估参数的理论期望值： A>01β:食品消费支出对总消费支出的弹性， 0<1β<1；2β:食品消费支出对食品的自价格弹性，因为食品是生活必需品，-1<2β<0；3β:食品消费支出对总价格的弹性，因为食品是生活必需品，总物价上涨，会导致食品消费支出减少，但不会减少很多，因此 -1<3β<0；需求函数具有零阶齐次性，即0321=++βββ。
当所有商品的价格和消费者货币支出按同一比例变动时，需求量保持不变，这就是所谓的消费者无货币幻觉。
数据： 年份X （当年价） X 1（当年价） GP FP Q P0 P1 1985 673.2 351.4 111.9 116.5 1315.9 28.1 26.7 1986 799.0 418.9 107.0 107.2 1463.3 30.1 28.6 1987 884.4 472.9 108.8 112.0 1475.0 32.8 32.1 1988 1104.0 567.0 120.7 125.2 1412.5 39.5 40.1 1989 1211.0 660.0 116.3 114.4 1437.2 46.0 45.9 1990 1278.9 693.8 101.3 98.8 1529.2 46.6 45.4 1991 1453.8 782.5 105.1 105.4 1636.3 49.0 47.8 1992 1671.7 884.8 108.6 110.7 1671.4 53.2 52.9 1993 2110.8 1058.2 116.1 116.5 1715.9 61.7 61.7 1994 2851.3 1422.5 125.0 134.2 1718.7 77.2 82.8 1995 3537.6 1711.9 116.8 123.6 1732.1 90.1 102.31996 3919.5 1904.7 108.8 107.9 1725.698.1110.4 1997 4185.6 1942.6 103.1 100.1 1758.2 101.1 110.51998 4331.6 1926.9 99.4 96.9 1799.8 100.5 107.11999 4615.9 1932.1 98.7 95.7 1885.799.2 102.52000 4998.0 1971.3 100.8 97.6 1971.3 100.0 100.0 2001 5309.0 2027.9 100.7 100.7 2013.8 100.7 100.7 2002 6029.9 2271.8 99.0 99.9 2258.399.7 100.62003 6510.9 2416.9 100.9 103.4 2323.5 100.6 104.0 2004 7182.1 2709.6 103.3 109.9 2370.2 103.9 114.3 2005 7942.9 2914.4 101.6 103.1 2472.7 105.6117.920068696.63111.9101.5102.62573.4 107.2 120.9②估计模型 （1）录入数据打开EViews6，点“File ”→“New ”→“Workfile ”选择“Dated-regular frequency”，在Frequency 后选择“Annual”，在Start data后输入1985，在End data 后输入2006，点击“ok”。
在命令行输入：DATA X Q P0 P1，回车将数据复制粘贴到Group中的表格中：关闭Group窗口，回到命令行。
做数据的对数变换：在命令行依次输入genr LnQ=log(Q) 回车genr LnX=log(X) 回车genr LnP0=log(P0) 回车genr LnP1=log(P1) 回车在命令行输入：LS LnQ C LnX LnP1 LnP0 回车写出回归报告：1228.0258.0540.053.5ˆLnP LnP LnX Q Ln ⋅-⋅-⋅+= （59.4）（14.78） （-1.45） （-1.41） 9773.02=R 9736.02=R F=258.84 D.W.=0.6962 ③模型的检验经济意义检验：053.5>=eA ，0<0.540<1，-1<-0.258<0，-1<-0.228<0，符合经济理论和行为规律。
006.0228.0258.0540.0321-=--=++βββ，很接近于0，但不为0，需要进一步检验该条件是否成立。
统计检验：9773.02=R ，模型拟合较好。
给定α=0.05，F=258.84，相伴概率P=0.0000<α，表明线性回归模型整体在5%的水平上统计显著。
变量LnX 的t 统计量为14.78，相伴概率P=0.0000<α，变量1LnP 的t 统计量为-1.45，相伴概率P=0.1648>α，变量0LnP 的t 统计量为-1.41，相伴概率P=0.1766>α，表明在5%的显著性水平下，变量LnX 显著，而变量1LnP 和0LnP 不显著。
（2）非线性模型的估计对于模型32101βββP P AX Q =，可以直接进行估计：在主菜单中点“Quick ”→“Estimate Equation ”，在Specification 中输入： Q=C(1)*X^C(2)*P1^C(3)*P0^C(4)点“确定”即可。
根据估计结果，写出回归模型： 系数的对应关系：Q=C(1)*X^C(2)*P1^C(3)*P0^C(4) ———32101βββP P AX Q =C(1)——A C(2)——1βC(3)——2β C(4)——3β 因此回归方程：395.00190.01556.083.261ˆ--=P P X Q（3）约束的检验原假设0H :0321=++βββ 备择假设1H :0321≠++βββ I. 手工检验方法在约束条件成立的条件下，模型μββββ++++=031210LnP LnP LnX LnQ 变为：μβββββ+--+++=0211210)(LnP LnP LnX LnQ ，按系数合并： μβββ+++=)/()/(012010P P Ln P X Ln LnQ记模型 μββββ++++=031210LnP LnP LnX LnQ 为无约束模型（UM ）; 记模型 μβββ+++=)/()/(012010P P Ln P X Ln LnQ 为受约束模型（RM ）; 估计无约束模型：估计受约束模型：LS LnQ C LnX-LnP0 LnP1-LnP0 或者：LS LnQ C Log(X/P0) Log(P1/P0) 回车计算检验的统计量：)1 /()/()(----=UUR UURkn RSSk kRSSRSSF无约束模型的RSS受约束模型的RSSR RSS =0.017787；U RSS =0.017748；U K （无约束模型中解释变量的个数）=3；R K （受约束模型中解释变量的个数）=2； n=22；)1322/(017748.0)23/()017748.0017787.0(----=F =0.0396 给定α=0.05，查表41.4)18,1(05.0=F ，F=0.0396<4.41，接受原假设，即可以认为： 0321=++βββ，消费函数具有零阶齐次性。
