当前位置：文档之家 › 自相关性的检验和处理实验报告

自相关性的检验和处理实验报告

  • 格式：pdf
  • 大小：406.86 KB
  • 文档页数：9

下载文档原格式

  / 9

合集下载

实验四--自相关性的检验及修正

实验四--自相关性的检验及修正

实验四 -- 自相关性的检验及修正实验四自相关性的检验及修正一、实验目的掌握自相关性的检验与处理方法。

二、实验学时： 2三、实验内容及操作步骤建立我国城乡居民储蓄存款模型，并检验模型的自相关性。

1.回归模型的筛选2.自相关的检验3.自相关的调整四、实验要求利用表 5-1 资料，试建立我国城乡居民储蓄存款模型，并检验模型的自相关性。

我国城乡居民储蓄存款与GDP统计资料（ 1978 年＝ 100）存款GDP 年份存款余额Y GDP指数X年份余额指数Y X19919241.6 199211759.4 199315203.5 199421518.8 199529662.3 199638520.8 199746279.8 199853407.5 199959621.8 200064332.4308.2200286910.6888.5 351.52003103617.7981.6 399.62004119555.41084.5 452.020051410511201.7 494.22006161587.31361.2 544.520071725341560.5 596.920082178851717.8 640.620092607721861.1 691.520103033022050.0 750.62011343635.92228.9 811.12410.3200173762.43995512012【实验步骤】（一）回归模型的筛选⒈相关图分析SCAT X Y相关图表明， GDP指数与居民储蓄存款二者的曲线相关关系较为明显。

现将函数初步设定为线性、双对数、对数、指数、二次多项式等不同形式，进而加以比较分析。

⒉估计模型，利用LS命令分别建立以下模型⑴线性模型： LS Y C Xy?62251.79175.4516 xt (-9.5629) (33.3308)R2＝ 0.9823 F＝1110.940S.E＝15601.32⑵双对数模型： GENR LNY=LOG(Y)GENR LNX=LOG(X)LS LNY C LNX?0.59996 1.7452 ln xln yt(-1.6069) (31.8572)R2＝ 0.9807 F＝ 1014.878 S.E＝0.1567⑶对数模型： LS YCLNX?y1035947170915.4 ln xt(-10.2355)(11.5094)R2＝0.8688 F ＝132.4672 S.E ＝42490.60⑷指数模型： LS LNY C Xln y? 9.5657 0.001581xt (55.0657) (11.2557)2R ＝ 0.8637 F＝126.6908 S.E＝0.4163LS Y CXX2?16271.5477.8476x0.0378x2yt(-2.4325)(6.1317) (7.8569)R2＝ 0.9958F＝2274.040 S.E＝ 7765.275⒊选择模型比较以上模型，可见各模型回归系数的符号及数值较为合理。

自相关的检验与修正

自相关的检验与修正

实验2自相关的检验与修正一、实验目的：
掌握自相关模型的检验方法与处理方法.。

二、实验内容及要求：
表1列出了1985－2007年中国农村居民人均纯收入与人均消费性支出的统计数据。

（1）利用OLS法建立中国农村居民人均消费性支出与人均纯收入的线性模型。

（2）检验模型是否存在自相关。

（3）如果存在自相关，试采用适当的方法加以消除。

实验如下：
首先对数据进行调整，将全年人均纯收入和全年人均消费性支出相应调整为全年实际人均纯收入和全年实际人均消费性支出。

图1
1、用OLS估计法估计参数
图2
图3
图形分析：
图4
从图4中可以看出，中国农村居民人均消费性支出与人均纯收入存在着显着的正相关关系。

估计回归方程：。

从图8中可以得出此时的D.W.=1.324681，在取显着水平为5%，n=23，k=2，d L=1.26, d U=1.44，模型中d L<DW<d U，此时不能确定是否存在自相关。

在广义差分法无法完成修正的情况下，现建立对对数模型：
图9
对双对数模型进行调整：
图10
图11
从图11中可以得出此时的D.W.=1.985950，在取显着水平为5%，n=23，k=2，d L=1.26,
d U=1.44，模型中d U<DW<4-d U，此时不存在自相关。

由此完成对自相关的修正。

实验四--自相关性的检验及修正

实验四--自相关性的检验及修正

实验四--自相关性的检验及修正
自相关性的检验是研究经济数据中自身序列的行为特征，它可用于识别趋势、判断虚
假反应、探究影响力以及衡量规律的发展变化，以及有助于指导未来政策的制定。

因此，自相关性检验是一项重要的经济学技术，它可以为序列分析获取相关信息，让研究者对特
定事件影响有更深刻的认识。

自相关性检验大概分为两个步骤：也就是统计学检验和模型修正。

统计学检验流程大
致包括参数估计、假设检验和结论。

其中，假设检验可以让研究者判断序列是否有自相关性，而参数估计则可以得到自相关性的大小和方向。

从模型修正的角度来说，研究的目的
是建立一个能够自相关数据的特性并形式化处理的模型，这个模型必须注意记录自相关数
据的自身行为特征。

研究者也可以尝试采用其他方法进行模型修正，比如添加外生变量、增加时间序列滞后期、建立自回归模型和分析突变点等。

自相关性检验和模型修正在实践中都带有一定的挑战，例如原始数据的质量，可能存
在噪声；外生变量的准确性和凝聚力；记录的常数和参数的可靠性；动态变化趋势的准确
性等。

因此，研究者在进行自相关性检验和模型修正时要注意仔细进行检测和修正，以确
保研究结果的可靠性和有效性。

实验报告(自相关性)

实验报告(自相关性)

实验6.美国股票价格指数与经济增长的关系——自相关性的判定和修正一、实验内容：研究美国股票价格指数与经济增长的关系。

1、实验目的:练习并熟练线性回归方程的建立和基本的经济检验和统计检验；学会判别自相关的存在，并能够熟练使用学过的方法对模型进行修正。

2、实验要求：（1）分析数据，建立适当的计量经济学模型（2）对所建立的模型进行自相关分析（3）对存在自相关性的模型进行调整与修正二、实验报告1、问题提出通过对全球经济形势的观察，我们发现在经济发达的国家，其证券市场通常也发展的较好，因此我们会自然地产生以下问题，即股票价格指数与经济增长是否具有相关关系？GDP是一国经济成就的根本反映。

从长期看，在上市公司的行业结构与国家产业结构基本一致的情况下，股票平均价格的变动跟GDP的变化趋势是吻合的，但不能简单地认为GDP增长，股票价格就随之上涨，实际走势有时恰恰相反。

必须将GDP与经济形势结合起来考虑。

在持续、稳定、高速的GDP增长下，社会总需求与总供给协调增长，上市公司利润持续上升，股息不断增加，老百姓收入增加，投资需求膨胀，闲散资金得到充分利用，股票的内在含金量增加，促使股票价格上涨，股市走牛。

本次试验研究的1970-1987年的美国正处在经济持续高速发展的状态下，据此笔者利用这一时期美国SPI与GDP的数据建立计量经济学模型，并对其进行分析。

2、指标选择：指标数据为美国1970—1987年美国股票价格指数与美国GDP数据。

3、数据来源：实验数据来自《总统经济报告》（1989年），如表1所示：表14、数据处理将两组数据利用Eviews绘图，如图1、2所示：图1 GDP数据简图图2 SPI数据简图经过直观的图形检验，在1970-1987年间，美国的GDP 保持持续平稳上升，SPI 虽然有些波动，但波动程度不大，和现实经济相符，从图形上我们并没有发现有异常数据的存在。

所以可以保证数据的质量是可以满足此次实验的要求。

计量经济学自相关性检验实验报告

计量经济学自相关性检验实验报告

计量经济学自相关性检验实验报告计量经济学自相关性检验实验报告实验内容：自相关性检验商品进口主要由GDP决定。

为了考察GDP对商品进口的影响，可使用如下模型：；其中，X表示GDP，Y表示商品进口。

下表列出了中国1981--2000商品进口和国内生产总值的统计数据。

资料来源：《中国统计年鉴》一、估计回归方程OLS法的估计结果如下：Y=-8352.304+50.28935X （-2.838588）（17.36553）R2=0.943673，R2=0.940544，SE=7263.295，D.W.=0.870122。

二、进行序列相关性检验（1）图示检验法通过残差与残差滞后一期的散点图可以判断，随机干扰项存在不存在序列相关性。

（2）回归检验法一阶回归检验et=0.583346et-1+εt二阶回归检验et=1.444793et-1－1.172908et-2+εt可见：该模型存在二阶序列相关。

（3）杜宾-瓦森（D.W）检验法由OLS法的估计结果知：D.W.=0.870122。

本例中，在5%的显著性水平下，解释变量个数为2，样本容量为20，查表得dl=1.284，du=1.567,而D.W.=0.870122，小于下限dl=1.284，所以存在自相关性。

（4）拉格朗日乘数（LM）检验法由上表可知：含二阶滞后残差项的辅助回归为：et=668.0079-1.592283X+1.502666et-1－1.145731et-2(0.357417)(-0.822879) (5.825633) (-4.289558)R2=0.679813于是，LM=18×0.679813=12.236634，该值大于显著性水平为5%，自由度为2的χ序列相关性。

2的临界值Χ20.05，由此判断原模型存在2阶三、序列相关的补救（1）广义差分法估计模型由D.W.=0.870122，得到一阶自相关系数的估计值ρ=1-DW/2=0.564939则DY=Y-0.564939*Y(-1)， DX=X-0.564939*X(-1)；以DY为因变量，DX为解释变量，用OLS法做回归模型，这样就生成了经过广义差分后的模型。

异方差与自相关实验报告

异方差与自相关实验报告

实验报告三实验名称：异方差性与自相关性的检验与处理一、实验预习报告内容（一）实验目的与任务实验目的：掌握异方差性与自相关性的检验方法与处理方法；实验任务：建立并估计我国北方地区农业产出线性模型；建立合适的北京市城镇居民家庭简单消费函数。

（二）实验内容及要求1、异方差性的检验与处理方法（1）异方差性的图形法检验、Goldfeld-Quandt检验法；White检验法；（2）使用加权最小二乘法（WLS）对异方差性进行修正；2、自相关性的检验与处理方法（1）自相关性的图形法检验；杜宾-沃特森（D-W）检验（2）利用广义差分法、科克伦-奥克特（Cochrane-Orcutt）迭代法对自相关性进行修正；（三）实验设备与数据（1）计算机与Eviews3.1软件包（2）使用数据：异方差性实验数据：（见表3.1）自相关性实验数据：（见表3.2）二、实验操作原始数据任务一：表3.1给出的是1998年我国中药制造业销售收入与销售利润数据，试完成：（1）求销售收入与销售利润的样本回归函数，并对模型进行经济意义检验和统计检验；（2）分别用图形法、White检验法检验模型是否存在异方差；（3）如果模型存在异方差，选用一定方法对异方差进行修正。

任务二：表3.2是北京市城镇居民家庭人均收入与消费支出数据。

试完成：（1）运用OLS方法建立该市城镇居民家庭的消费函数。

（2）选用适当的方法检验是否存在序列相关（自相关）问题。

（3）如果存在自相关，选用适当估计方法加以修正。

表3.2 北京市城镇居民家庭人均收入和消费支出数据来源：各年《中国统计年鉴》三、实验报告内容（参见课程上机指导文件（PDF格式））（一）实验的主要步骤，内容及其结果分析异方差性检验和处理设原假设H0：模型中不存在异方差；备择假设H1：模型中存在异方差1.样本回归在Eviews软件中对序列X和序列Y进行操作，得到X和Y的简单散点图如下，可以看出X与Y是带有截距的近似线性关系。

《应用回归分析》自相关性的诊断及处理实验报告

《应用回归分析》自相关性的诊断及处理实验报告
二、实验步骤：（只需关键步骤）
1、分析→回归→线性→保存→残差
2、转换→计算变量；分析→回归→线性。

3、转换→计算变量；分析→回归→线性
三、实验结果分析：（提供关键结果截图和分析）
1.用普通最小二乘法建立y与x1和x2的回归方程，用残差图和DW检验诊断序列的自相关性；
由图可知y与x1和x2的回归方程为：
Y=574062+191.098x1+2.045x2
从输出结果中可以看到DW=0.283，查DW表，n=23，k=2，显著性水平由DW<1.26，也说明残差序列存在正的自相关。

自相关系数，也说明误差存在高度的自相关。

分析：从输出结果中可以看到DW=0.745，查DW表，n=52，k=3，显著性水平 =0.05，dL=1.47，dU=1.64.由DW<1.47，也说明残差序列存在正的自相关。

α
625.0745.02
1121-1ˆ=⨯-=≈DW ρ 也说明误差项存在较高度的自相关。

2.用迭代法处理序列相关，并建立回归方程；
回归方程为：y=-178.775+211.110x1+1.436x2
从结果中看到新回归残差的DW=1.716，
查DW 表，n=52，k=3，显著性水平0.5 由此可知DW 落入无自相关性区
域，说明残差序列无自相关
3.用一阶差分法处理序列相关，并建立回归方程；
从结果中看到回归残差的DW=2.042，根据P 104表4-4的DW 的取值范围来诊断 ，误差项。

计量经济学实验报告自相关

实验报告五一、实验名称：自相关的识别与补救 二、实验地点：教E509三、实验时间：2012年11月9日（星期五）一二节课 四、实验内容：为研究工资与生产力的关系，提供模型如下：12i i i Y X u ββ=++ 其中i Y 为企业部门实际每小时工酬 i X 为每小时产值指数采用美国年度数据（1960—1991）如下表：根据所给的模型与数据，利用计量经济学软件对模型参数进行估计，分析回归结果并完成以下问题：（1） 根据DW 值判断是否存在自相关，并根据上述回归残差，画出残差与时间的关系图进行验证； （2） 画出t e 与1t e -的散点图，判断自相关类型（3） 分别用d 统计量、Cochrane-Orcutt 法与Durbin 两步法估计ρ，并对回归进行修正， 比较修正结果，说明哪一种估计ρ的方法好。

五、实验目的：1. 掌握自相关的识别方法2. 能针对具体问题提出解决自相关问题的措施3. 对不同解决自相关方法的效果进行比较六、实验步骤1、建立模型： 12i i i Y X u ββ=++其中i Y 为企业部门实际每小时工酬，i X 为每小时产值指数2、运用OLS 估计方法对上式的参数进行估计，EViews 过程如下： （1）在File 菜单下选择New 项，建立文件库Workfile ，输入起始与终止时间，分别为1960和1991.（2）在File菜单下点击Import下点击Read Text-Lotus-Excel在桌面上找到Excel数据，点击打开，在Excel Spreadsheet Import对话框中的Name for series or Number if named in file输入Y x，点击OK。

（3）点击Quick菜单下的Estimate Equation,在新对话框中输入Y C x，点击确定。

会出现下面结果：3、自相关检验（1）图示法由上述OLS估计，可直接得到残差resid，运用GENR生成序列E，则在quick菜单中选graph项，在图形对话框里键入:E E(-1),可得到结果：由上表可知：残差e呈线性回归，表明随机误差u存在自相关。

自相关性的检验和处理实验报告


ˆ 1
3.7831 13.9366 1 0.72855
由此，我们得到最终的收入-消费模型为
Yt 13.9366 0.9484 X t
二、根据北京市连续 19 年城镇居民家庭人均收入与人均支出的数据进行相关分析 1、建立居民收入-消费函数 以人均实际收入为 X，人均实际支出为 Y，创建工作文件，输入数据，命令如下： Create a 1 19 Data x y 建立居民收入-消费模型，输入命令 ls y c x，回归结果如下：
ˆ 0.72855 ，对原模型进行广义差分，得到差 ˆ 0.72855et 1 ，由回归方程可知 回归方程为 e
分方程： Yt 0.72855Yt 1 1 (1 0.72855) 2 ( X t 0.72855 X t 1 ) t 对 上 式 广 义 差 分 方 程 进 行 回 归 ， 在 Eviews 命 令 栏 中 输 入 命 令 ： ls Y -0.72855*Y(-1) c X-0.72855*X(-1)，回归结果如下： 由回归结果可得回归方程为：
关进行相关检验。 （二）检验收入—消费模型的自相关情况 1、德宾-沃森检验（DW 检验）法 因为 n=36， k=1， 在 5%的显著水平下查表得 DL 1.411 ， DU 1.525 ， 而 0<0.5234=DW< D L ， 因此此模型存在一阶正自相关。 2、偏相关系数检验法 由于 DW 法只能检验一阶自相关性，我们用偏相关系数检验法来检验是否存在高阶自相关性。 在模型回归结果中选择操作：View/Residual Test/Correlogram-Q-statistics ，默认滞后期为 16，得到偏 相关系数结果如下：
由偏相关系数分布图可知，该模型存在明显一阶自相关性，不存在显著高阶自相关性。 3、BG 检验法 在偏相关系数检验之后，我们运用 BG 检验对前面的检验结果进行进一步验证，选择操作 View/Residual Test/Serial Correlation LM Test ，选择滞后期为 5，得到结果如下：

实验六自相关模型的检验和处理-学生实验报告

【模型3】消费品零售额SLC对收入法GDPS的回归模型
【模型4】财政收入的对数log（cs）对时间T的回归模型
【模型5】收入法GDPS的对数log（GDPS）对时间T的回归模型
数据见“附表：省宏观经济数据（部分）-第六章”
（一）自相关的检验
1.图形法检验
使用图形检验法分别检验上述【模型1-4】是否存在自相关问题。分别作这四个模型的残差散点图（即残差后一项对前一项的散点图： 对 ）和残差趋势图（即残差 对时间 的线图），并判断模型是否存在自相关以及是正的自相关还是负的自相关。
S.E. of regression
0.058174
Akaike info criterion
-2.710105
Sum squared resid
0.074454
Schwarz criterion
实验室：普通配置的计算机，Eviews软件及常用办公软件。
实验训练容（包括实验原理和操作步骤）：
【实验原理】
自相关的检验：图形法检验、D-W检验
自相关的处理：广义差分变换、迭代法
【实验步骤】
本实验中考虑以下模型：
【模型1】财政收入CS对收入法GDPS的回归模型
【模型2】财政支出CZ对财政收入CS的回归模型
（请对得到的图表进行处理，以上在一页）
2.D-W检验
分别计算上述【模型1-3】和【模型5】的D-W统计量的值，判断模型是否存在自相关问题。
【模型1】
CS=12.50360 +0.080296GDPS
(15.58605) (0.001891)
(0.802615) (42.45297)
R^2=0.985232 SE=61.92234 DW=0.942712 F=1802.255
  1. 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

实验步骤： 一、根据美国 1960~1995 年的个人实际可支配收入 X 和个人实际支出 Y 的数据进行相关分析。 （一）用普通最小二乘法估计收入—消费模型 1、创建工作文件并输入数据，命令如下： CREA TA A 1960 1995 DA TA X Y 2、运用最小二乘法估计收入-消费模型：键入命令 LS Y C X，得出结果如下：
ˆ * 3.7831 0.9484 X * Y t t
Se =（1.8710） （0.0189） t = （-2.022） （50.1682）
R 2 0.9871 F=2516.848 DW=2.0972 其中 Yt* Yt 0.72855Yt 1 ， X t* X t 0.72855 X t 1 。
《计量经济学》上机实验报告二
题目：自相关性的检验和处理
班级： 学号： 实验环境： Windows XP ; EViews 3.1 实验目的： 掌握自相关性的检验与处理方法，利用课后习题数据通过德宾-沃森检验和偏相关系数检验等方 法进行自相关性的检验，运用广义差分法对自相关性进行修正。
实验日期和时间： 2013 年 5 月 16 日
ˆ 50.8745 0.6374 X Y t t
Se = (8.2911) (0.0212) t = (6.1361) (30.0085) R 2 0.9751 F=900.5078 DW=0.3528
2、模型自相关性检验 （1）DW 检验法 查 5%显著性的 DW 统计表可知 DL 1.288 ， DU 1.454 ，DW=0.3528< D L ，说明该模型存在 一阶正自相关。 （2）偏相关系数检验发 在菜单中选择 View/Residual Test/Correlogram-Q-statistics ，默认滞后期为容量减少一个，为 18 个。查 0.05 显著性水平的 DW 统计表可知 DL 1.158 ， DU 1.391 ， DU <DW<4- DU ，说明在 0.05 显著性水平下广义差分模型已无自相关， 相关检验也达到理想水平。
ˆ 1
35.9731 105.0003 1 0.6574
由上图可知，该模型只存在一阶自相关性，高阶自相关性不显著。
（3）修复自相关性 ˆ 0.6574 ，对原模型进行广义差分， ˆt 0.6574et 1 ，可知 对残差项进行回归分析，得到： e 得到广义差分方程： Yt 0.6574Yt 1 1 1 0.6574 2 X t 0.6574 X t 1 t 。对广义差分方 程进行回归，输入命令：ls y-0.6574*y(-1) c x-0.6574*x(-1)，回归结果如下：
由上结果可以得出估计模型如下：
ˆ 9.4287 0.9359 X Y t t
t = (-3.7650) (125.3411)
R 2 0.9978
R 0.9978 F=15710.39 DW=0.5234
2
由上回归结果可知，模型的拟合优度较高，回归效果比较理想，下面将对这个模型是否存在自相
ˆ * 13.9701 0.5351X * Y t t
Se = (4.7889) (0.0748) t = (2.9172) (7.1538) R 2 0.6994 F=51.1772 DW=2.3777 由于使用了广义差分数据，样本容量减少一个，为 24 个，查 5%显著水平的 DW 统计表可知模
ˆ 0.4002 ，对原模型进行广义差分，得到广 ˆt 0.4002et 1 ，可知 对残差项进行回归，得到 e
回归方程为：
ˆ * 1.4771 0.9060 ln X * ln Y t t
Se = (0.2256) (0.0598) t = (6.5465) (15.1595) 2 R 0.9274 F=229.8090 DW=1.4415 其中
回归模型为：
ˆ 2.1710 0.9511ln X ln Y t t
Se = (0.2410) (0.0389) t = (9.0075) (24.4512) R 2 0.9692 F=597.8626 DW=1.1598 n=21，k=1，查 5%显著性水平的 DW 统计表可知模型的 DL 1.221 DU 1.420 ，DW< D L ， 所有该模型存在一阶正自相关。 2、广义差分处理自相关 义差分方程： ln Yt 0.4002 ln Yt 1 1 1 0.4002 2 ln X t 0.4002 ln X t 1 t ，对广义差分 方程进行回归，输入命令 ls lny-0.4002*lny(-1) c lnx-0.4002*lnx(-1)得到回归结果如下：
ˆ 0.72855 ，对原模型进行广义差分，得到差 ˆ 0.72855et 1 ，由回归方程可知 回归方程为 e
分方程： Yt 0.72855Yt 1 1 (1 0.72855) 2 ( X t 0.72855 X t 1 ) t 对 上 式 广 义 差 分 方 程 进 行 回 归 ， 在 Eviews 命 令 栏 中 输 入 命 令 ： ls Y -0.72855*Y(-1) c X-0.72855*X(-1)，回归结果如下： 由回归结果可得回归方程为：
由偏相关系数分布图可知，该模型存在明显一阶自相关性，不存在显著高阶自相关性。 3、BG 检验法 在偏相关系数检验之后，我们运用 BG 检验对前面的检验结果进行进一步验证，选择操作 View/Residual Test/Serial Correlation LM Test ，选择滞后期为 5，得到结果如下：
由此得到最终收入-消费模型为：
Yt 105.0003 0.6687 X t
3、经济意义分析 由上收入-消费模型可知，北京市居民的边际消费倾向为 0.6687，即人均实际收入每增加 1 元， 人均实际消费支出增加 0.6687 元。 三、根据日本工薪家庭实际消费支出和可支配收入数据进行相关分析 1、建立日本工薪家庭的收入消费函数 根据给出的相关数据，创建工作文件，输入数据，命令如下： Create a 1970 1994 Data y x 建立收入-消费模型，输入命令：ls y c x，回归结果如下图。 收入-消费函数为：
由于使用了广义差分数据，样本容量减少了一个，为 35 个。查 5%显著水平的 DW 统计表可知 模型的 DL 1.402 ， DU 1.519 ， DU <DW<4- DU ，说明在 5%显著性水平下广义差分模型已无自 相关，不用再进行迭代，同时可决系数、t 统计量和 F 统计量也均达到理想水平。
型中的 DL 1.273 ， DU 1.446 ， DU <DW<4- DU ，说明广义差分模型中已无自相关。
ˆ 1
13.9701 93.7591 1 0.8510
由此得到最终收入-消费函数为：
Yt 93.7591 0.5351X t
3、经济意义分析 由上收入-消费模型可知， 日本工薪家庭的边际消费倾向为 0.5351， 即个人实际收入每增加 1*103 3 日元，个人实际消费支出增加 0.5351*10 日元。 四、根据某地区地区生产总值和固定资产投资额进行相关分析 建立工作文件并输入相关数据，命令如下： Create a 1980 2000 Data y x 1、使用对数线性模型 ln Yt 1 2 ln X t t 进行回归，并检验回归模型的自相关性 生成新的对数变量： genr lny=log(y) ， genr lnx=log(x) ， 对对数模型进行回归， 输入命令 ls lny c lnx 得到回归结果如下：
关进行相关检验。 （二）检验收入—消费模型的自相关情况 1、德宾-沃森检验（DW 检验）法 因为 n=36， k=1， 在 5%的显著水平下查表得 DL 1.411 ， DU 1.525 ， 而 0<0.5234=DW< D L ， 因此此模型存在一阶正自相关。 2、偏相关系数检验法 由于 DW 法只能检验一阶自相关性，我们用偏相关系数检验法来检验是否存在高阶自相关性。 在模型回归结果中选择操作：View/Residual Test/Correlogram-Q-statistics ，默认滞后期为 16，得到偏 相关系数结果如下：
姓名： 实验室：实验楼 104
实验内容： 1、根据美国 1960~1995 年的个人实际可支配收入 X 和个人实际支出 Y 的数据进行相关分析。 2、根据北京市 19 年城镇居民家庭人均收入与支出数据进行相关分析。 3、根据日本工薪家庭实际消费支出和可支配收入数据进行相关分析。 4、根据某地区 1980~2000 年地区生产总值 Y 和固定资产投资额 X 的数据进行相关分析。
ˆ * ln Y 0.4002 ln Y ， ln X * ln X 0.4002 ln X ln Y t t t 1 t t t 1
得到回归方程为：
ˆ 35.9731 0.6687 X * Y t t
*
Se =（8.1034） （0.0206） t = （4.4393） （32.3922） R 2 0.9850 F=1049.256 DW=1.8308 其中 Yt Yt 0.6574Yt 1 ， X t X t 0.6574 X t 1 。
收入-消费模型为：
ˆ 79.93 0.6905 X ˆ Y t t
Se =(12.3992) (0.1288) t = (6.4464) (53.6207)
R 2 0.9941 F=2875.178 DW=0.5747
2、检验模型自相关性 （1）DW 检验法 在 0.05 的显著性水平下， DL 1.180 ， DU 1.401 ，DW=0.5747< D L ，由此可见该模型存在 一阶正自相关性。 （2）偏相关系数检验 在菜单中选择 View/Residual Test/Correlogram-Q-statistics ，默认滞后期为 12，结果如下：