下载文档原格式
一元线性回归检验个人的收入与消费是密不可分的，为了考察城镇居民可支配收入和其人均消费支出的关系，利用计量经济学的方法进行回归。
1990-2011年城镇居民可支配收录和人均消费支出数据如表1.1所示表1.1 城镇居民可支配收录和人均消费支出图2-1数据来源：《中国民政统计年鉴2012》作城镇居民可支配收录（X）和人均消费支出（Y）的散点图图2. 2从散点图可以看出居民家庭平均每人每年消费支出(Y)和城市居民人均年可支配收入(X)大体呈现为线性关系，所以建立的计量经济模型为如下线性模型：12i i i Y X u ββ=++三、估计参数假定所建模型及随机扰动项i u 满足古典假定，可以用OLS 法估计其参数。
运用计算机软件EViews 作计量经济分析十分方便。
利用EViews 作简单线性回归分析的步骤如下：1、建立工作文件首先，双击EViews 图标，进入EViews 主页。
在菜单一次点击File\New\Workfile图2-3选择数据类型和起止日期。
时间序列提供起止日期（年、季度、月度、周、日），非时间序列提供最大观察个数。
本例中在Start Data 里输入1990，在End data 里输入2011，见图2-3。
单击OK 后屏幕出现Workfile 工作框，如图2-4所示。
图2-4二、输入和编辑数据建立或调入工作文件以后，可以输入和编辑数据。
在主菜单上单击Quick→Empty Group（见图2-5）图2-5再用方向键将光标移到每一列的顶部之后，输入各个变量名，回车后输入数据（见图2-7）。
另外数据还可以从Excel中直接复制到空组。
然后为每个时间序列取序列名。
单击数据表中的SER01，在数据组对话框中的命令窗口输入该序列名称，如本例中输入X，回车后Yes。
采用同样的步骤修改序列名Y（见图2-8）。
数据输入操作完成。
图2-8数据输入完毕，单击工作文件窗口工具条的Save或单击菜单兰的File→Save将数据存入磁盘。
计量经济学案例：基于Eviews的二元回归计量经济模型分析来源:中华人民共和国国家统计局一、背景连锁经营模式10年前开始在中国餐饮业,在近几年大规模应扩张，发展势头强劲。
在东部地区和大城市仍然是集中区,但是向西部地区和中型城市渗透的速度在加快。
连锁经营是企业提高效率、降低成本的经营方式，更重要的是能够帮助企业突破发展中的管理瓶颈。
它具有极强的竞争能力，成为中国餐饮业经营模式的主要发展方向.利用计量经济学软件Eveiws分析中国2008年连锁餐饮企业情况显得有其重要性。
二、模型建立与参数估计1.录入数据，建立包括31个地区连锁餐饮企业营业额Y与门店总数X1、商品购进总额X2的工作表文件。
点击查看散点图如下所示:2。
根据散点图,建立回归模型:Y=a+b ln X1+clnX2+u，利用Eveiws 软件对该模型进行估计.三、模型检验与预测1. 经济意义检验参数估计量的符号和数值范围都正确，可进行下一步。
2。
统计意义检验给定5％的显著性水平，查表得临界值F0。
05（2，24）=3。
4<64。
77T0。
025（24）=2.064，所以总体上看，lnX1和lnX2对lnY的线性关系是显著成立的。
调整后的可决系数=0。
83065表明:连锁餐饮企业营业额对数值的83.1％的变化可以由门店总数对数与商品购进总额对数的变化来解释.0.2573表明:商品购进总额不变时，门店总数每增加1％，企业营业额将增加0.2573%. 0。
6982表明:门店总数不变时，商品购进总额每增加1%，企业营业额将增加0。
6982%。
3。
计量经济学检验(1）一般经验告诉我们，对于采取截面数据做样本的计量经济学问题，由于在不同的样本点上解释变量以外的其他因素的差异较大，所以往往存在异方差性。
在本问题中利用White检验异方差性。
显然，根据给出的概率进行判断：0.005417<0。
05，因而拒接原假设，认为模型存在异方差性。
（2）接着，采用加权最小二乘法对模型进行估计。
美股行情对A股的影响性分析——标普500与沪深300相关性分析摘要：本文主要通过分析标准普尔500指数与沪深300指数的相关性，以标普500指数为解释变量，以沪深300指数为被解释变量，利用Eviews软件，使用其中的最小二乘法对其进行线性回归分析，最终得出方程。
并对其进行显著性检验（F，t）、异方差检验、自相关性检验来验证方程的可靠性。
然后解释方程的经济意义，并利用软件对未来指数变动进行预测。
最后在未来几天比较预测结果与实际两个指数的变化情况，验证实际应用情况。
关键词：标普500、沪深300、Eviews、显著性检验、异方差检验、自相关性检验。
一、研究背景1.全球化大环境在经济全球化不断深入发展的今天，全球资本市场，尤其是中美两个超级大国之间的资本流通，早已彼此嵌入，密不可分。
全世界早有不少学者对中美资本流通做了深入研究。
但美国股市发展早于中国十几年，其内部的资金也远远超过中国股市，美国股市的资本流动势必会对中国股市产生一定影响，这种影响不仅体现在情绪面，更反映在指数变动方向上。
2.对外开放资本市场的QFII政策Qualified Foreign Institutional Investor，作为一种过渡性制度安排，QFII制度是在资本项目尚未完全开放的国家和地区，实现有序、稳妥开放证券市场的特殊通道。
外资对中国股市的影响早已不可忽视，而美国市场的变动也一定程度会影响在中国股市外资的操作行为。
所以研究两个指数的变动是很有意义的。
二、数据1.数据选择沪深两个市场各自均有独立的综合指数和成份指数，这些指数不能用来反映沪深两市的整体情况，而沪深300指数则同时考虑了两市的交易情况，是中国A股市场的“晴雨表”。
标准普尔500指数英文简写为S&P 500 Index，是记录美国500家上市公司的一个股票指数。
与道琼斯指数等其他指数相比，标准普尔500指数包含的公司更多，因此风险更为分散，能够反映更广泛的市场变化。
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摘要：本文收集了1999年至2009年共11年的相关数据，选取餐饮企业数量、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。
利用Eviews软件对模型进行参数估计和检验，并加以修正，最后根据模型的最终结果进行经济意义分析，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不断增加。
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时，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，对于我国餐饮企业的营业额问题的深入研究就显得尤为必要，这有助于投资者作出合理的决策。
因此，本文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，本文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、相关数据本文收集了1999年至2009年共11年的相关数据，包括营业额（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）以及公路里程数（单位：万公里）。
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：三、模型估计用Eviews 软件进行回归分析，得到如下结果：Dependent Variable: Y Method: Least SquaresDate: 13/12/11 Time: 19:31 Sample: 1 53C 0.664556 0.644854 1.030553 0.3078 LNK 0.478131 0.171585 2.786560 0.0076 LNL 0.367855 0.174496 2.108104 0.0402 R-squared0.740558 Mean dependent var6.280427Adjusted R-squared 0.724674 S.D. dependent var 0.440805 S.E. of regression 0.231297 Akaike info criterion -0.017755Sum squared resid 2.621421 Schwarz criterion 0.130946 Log likelihood4.470508 F-statistic 46.62236从表可以看出，回归方程为：TL K Y ln 140542.0ln 367855.0ln 478131.0664556.0ln +++=T= (1.030553) (2.786560) (2.109104) (1.520604)740558.02=R 724674.02=R（1） 经济意义检验从回归结果可以看出，模型估计的γβα,,的参数值都为正、且小于1，与生产函数理论中γβα,,各数值的意义相符。
中国储蓄存款总额（Y,亿元）与GDP （元）数据如下表。
表1-1数据来源：《中国统计年鉴》年图1-1解:、估计一元线性回归模型由经济理论知，储蓄存款总额受GDP影响，当GDFP增加时，储蓄存款总额也随着增加，他们之间具有正向的同步变动趋势。
储蓄存款总额除受GDP影响之外, 还受到其他一些变量的影响及随机因素的影响，将其他变量及随机因素的影响均并到随机变量U中，根据X与丫的样本数据，作X与丫之间的散点图可以看出，他们的变化趋势是线性的，由此建立中国储蓄存款总额丫与GDF之间的一员线性回归模型。
由表1-1中样本观测数据，样本回归模型为用Eviews软件估计结果:Dependent Variable: 丫Method: Least SquaresDate: 12/14/14 Time: 10:41Sample: 1978 2012Included observations: 35R-squared 0.995724 Mean dependent var 78882.56Adjusted R-squared 0.995595 S.D. dependent var 108096.8S.E. of regression 7174.769 Akaike info criterion 20.64997Sum squared resid 1.70E+09 Schwarz criterion 20.73885Log likelihood -359.3745 Hannan-Quinn criter. 20.68065F-statistic 7684.717 Durbin-Watson stat 1.224720Prob(F-statistic) 0.000000即样本回归方程为:-4.678592 87.66252二、对估计结果做结构分析(1)对回归方程的结构分析0.762529是样本回归方程的斜率，他表示GDP勺边际增长率，说明GDP每增加1元，将有0.762529用于储蓄；-7304.294是样本回归方程的截距，他表示不受GDP影响的自发性储蓄增长。
基于EVIEWS软件的计量经济学建模检验案例解读计量经济学是经济学领域的一个重要分支，它运用数理统计方法对经济学模型进行定量分析和预测。
而EVIEWS软件则是计量经济学常用的数据分析与建模工具。
本文将通过一个实例案例，解读基于EVIEWS软件的计量经济学建模检验的方法和过程。
首先，我们需要了解案例的背景和研究问题。
假设我们想研究某国家的经济增长与就业率之间的关系。
我们提出了一个假设：经济增长对就业率有积极的影响。
第一步是数据收集和准备。
我们需要收集与经济增长和就业率相关的数据。
以中国为例，我们可以从国家统计局等官方机构获取国内生产总值（GDP）和就业率的数据。
这些数据应该是时间序列数据，通常包括一定的时间跨度和频率（例如月度或年度数据）。
第二步是数据预处理。
我们需要对收集到的数据进行清洗和处理，以确保数据的质量。
具体来说，我们需要检查数据是否存在缺失值、异常值等，确保数据的连续性和一致性。
第三步是建立计量经济学模型。
在本案例中，我们使用一个简单的线性回归模型来研究经济增长对就业率的影响。
假设就业率（Y）是经济增长（X）的线性函数，即Y = β0 +β1X + ε，其中β0和β1是回归系数，ε是误差项。
第四步是模型检验。
在EVIEWS软件中，我们可以利用OLS（Ordinary Least Squares）方法进行模型的估计和检验。
OLS方法是最小二乘法的一种形式，用于估计回归系数的值。
此外，我们还可以通过检验模型的显著性和拟合优度来评估模型的质量。
具体来说，我们可以通过检验回归系数的t值和p值来判断是否存在统计显著性。
如果t值的绝对值较大且p值小于设定的显著性水平（通常是0.05），则可以认为回归系数是显著的，即具有统计意义。
此外，我们还可以计算回归方程的R-squared值来评估模型的拟合优度，R-squared值越接近1，说明模型的解释能力越强。
最后，我们需要进行模型诊断。
模型诊断用于检验回归模型的假设是否成立，以及模型是否满足统计方法的要求。
案例分析1.问题的提出和模型的设定根据我国1978—1997年的财政收入Y 和国民生产总值X 的数据资料，分析财政收入和国民生产总值的关系建立财政收入和国民生产总值的回归模型。
假定财政收入和国民收入总值之间满足线性约束，则理论模型设定为i i i u X Y ++=21ββ其中i Y 表示财政收入，i X 表示国民生产总值。
表1我国1978—1997年财政收入和国民生产总值2.参数估计进入EViews 软件包，确定时间范围；编辑输入数据；选择估计方程菜单，估计样本回归函数如下表 2obsX Y 19783624.100 1132.260 19794038.200 1146.380 19804517.800 1159.930 19814860.300 1175.790 19825301.800 1212.330 19835957.400 1366.950 19847206.700 1624.860 19858989.100 2004.820 198610201.40 2122.010 198711954.50 2199.350 198814922.30 2357.240 198916917.80 2664.900 199018598.40 2937.100 199121662.50 3149.480 199226651.90 3483.370 199334560.50 4348.950 199446670.00 5218.100 199557494.90 6242.200 199666850.50 7407.990 1997 73452.50 8651.140估计结果为Y=858.3108 + 0.100031X(12.78768) (46.04788)R^2=0.991583 S.E.=208.508 F=2120.408括号内为t统计量值。
3.检验模型的异方差（一）图形法1、EViews软件操作。
第二章案例分析一、研究的目的要求居民消费在社会经济的持续开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表现。
改革开放以来随着中国经济的快速开展，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开展速度不同，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, 最低的某某省仅为人均元，最高的某某市达人均10464元，某某是某某的倍。
为了研究全国居民消费水平与其变动的原因，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与经济结构有较大差异，最具有直接比照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〞来比拟，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〞。
一、研究课题：通过对1984——2003年某国GDP和出口的分析，研究GDP和出口量的相关关系并对参数估计值进行检验。
二、模型及数据来源：GDP为因变量，出口量为自变量。
选择模型是一元线性回归模型y=c0+c1x+u（y代表GDP，x代表出口量，u表示残差项）数据来自《计量经济学软件——eviews的使用》135页表12.1。
提取其进口和国内生产总值两列数据：annual export gdp1984 580.5 71711985 808.9 8964.41986 1082.1 10202.21987 1470 11962.51988 1766.7 14928.31989 1956 16909.21990 2985.8 18547.91991 3827.1 21617.81992 4676.3 26638.11993 5284.8 34634.41994 10421.8 46759.41995 12451.8 58478.11996 12576.4 67884.61997 15160.7 74462.61998 15233.6 78345.21999 16159.8 82067.52000 20634.4 89468.12001 22024.4 97314.82002 26947.4 105172.32003 36287.9 117251.9三、作业1、根据表格得到曲线图、散点图、X-Y曲线图：1200001000008000060000400002000084868890929496980002曲线图05000010000015000010000200003000040000EXPORTG D P散点图20000400006000080000100000120000100002000030000EXPORTG D PX-Y 曲线图2、数据描述统计分析024681001234563、简单的回归估计Dependent Variable: GDP Method: Least Squares Date: 06/14/09 Time: 16:38 Sample: 1984 2003 Variable Coefficient Std. Error t-Statistic Prob. C 11772.77 2862.419 4.112873 0.0007 R-squared0.946953 Mean dependent var 49439.02 Adjusted R-squared 0.944006 S.D. dependent var 36735.19 S.E. of regression 8692.656 Akaike info criterion 21.07298 Sum squared resid1.36E+09 Schwarz criterion21.17256Log likelihood -208.7298 F-statistic 321.3229Durbin-Watson stat 0.604971 Prob(F-statistic) 0.000000y t=-11772.77+3.547790x t R2=0.946953 df=18检验回归系数显著性的原假设和备择假设是（给定α = 0.05）H0：c1= 0；H1：c1≠ 0。
