下载文档原格式
计量经济学实验报告1. 引言计量经济学是应用数学和统计学方法来研究经济现象的一门学科。
实验是计量经济学研究中常用的方法之一，通过设计和实施实验，可以帮助我们理解经济现象背后的因果关系。
本文将对一项计量经济学实验进行详细描述和分析，以展示实验的设计、数据分析和结论。
2. 实验设计2.1 实验目的本次实验的目的是研究市场供需关系对商品价格的影响。
具体而言，我们希望通过改变商品的市场供给量，观察商品价格如何变化，并分析供给弹性的大小。
2.2 实验假设在实验设计阶段，我们需要制定实验假设来指导实验的进行。
在本次实验中，我们假设市场供给量的变动会对商品价格产生影响，而且供给弹性的大小会决定价格的变动幅度。
2.3 实验步骤本次实验包括以下几个步骤：1.设定实验组和对照组：我们将随机选择一些参与者，并将其分为两组，一组作为实验组，一组作为对照组。
实验组将面临市场供给量变动的情况，而对照组则不受干扰。
2.确定商品和市场：我们选择一个特定的商品，并确定一个特定的市场来进行实验。
这样可以使实验更加具体和可控。
3.设定实验条件：在实验组中，我们逐步调整市场供给量，并记录下不同供给量下的商品价格。
对照组则保持市场供给量不变。
4.数据收集：在每次实验条件设定完毕后，我们将记录实验组和对照组的商品价格，并对数据进行整理和存储。
2.4 实验风险和伦理考虑在设计实验时，我们需要考虑实验可能存在的风险，并确保实验过程符合伦理要求。
具体而言，我们需要确保参与者的权益得到保护，并在可能对参与者造成负面影响的情况下停止实验。
3. 数据分析在实验进行完毕后，我们对数据进行分析，以验证实验假设并得出结论。
3.1 数据整理首先，我们将实验组和对照组的数据整理成表格形式，方便后续分析。
由于文档要求不能包含表格，这里无法展示具体的数据。
3.2 数据分析方法我们采用的数据分析方法主要包括描述统计分析和回归分析。
描述统计分析用于描述数据的基本特征，包括平均值、标准差、最小值和最大值等。
计量经济学实验报告实验报告实验课程名称：计量经济学实验案例1：近年来，中国旅游业⼀直保持⾼速发展，旅游业作为国民经济新的增长点，在整个社会经济发展中的作⽤⽇益显现。
中国的旅游业分为国内旅游和⼊境旅游两⼤市场，⼊境旅游外汇收⼊年均增长22.6%，与此同时国内旅游也迅速增长。
改⾰开放20多年来，特别是进⼊90年代后，中国的国内旅游收⼊年均增长14.4%，远⾼于同期GDP 9.76%的增长率。
为了规划中国未来旅游产业的发展，需要定量地分析影响中国旅游市场发展的主要因素。
解题过程：⾸先，通过Eviews，得出回归模型：Y=-274.377+0.013X2+5.438X3+3.272X4+12.986X5-563.108X6tc=-0.208 t2=1.031 t3=3.940 t4=3.465 t5=3.108 t6=-1.753R^2=0.995 F=173.354 DW=2.311从估计结果来看，模型可能存在多重共线性。
因为在OLS下，R^2^2与F值较⼤，⽽各参数估计量的t检验值较⼩，说明各解释变量对Y的联合线性作⽤显著，但各个解释变量存在共线性从⽽使得它们对Y的独⽴作⽤不能分辨，故t检验不显著。
应⽤Eviews，写下命令：cor X2 X3 X4 X5 X6。
得到相关系数矩阵。
可以从中看出五个经济变量之间两两简单相关系数⼤都在0.80以上，甚⾄有的在0.96以上。
表明模型存在着严重的多重共线性。
从⽽为了消除多重共线性，这⾥采⽤逐步回归法。
第⼀步，⽤每个解释变量分别对被解释变量做简单回归。
得：Y=-3462+0.0842X2 t=8.666 R^2=0.903 F=75Y=-2934+9.052X3 t=13 R^2=0.956 F=173Y=640+11.667X4 t=5.196 R^2=0.771 F=27Y=-2265+34.332X5 t=6.46 R^2=0.839 F=42Y=-10897+2014X6 t=8.749 R^2=0.905 F=77根据R^2统计量的⼤⼩排序，可见重要程度依次为X3, X6, X2, X5, X4。
第1篇一、实验目的本次实验旨在通过多元线性回归模型，分析多个自变量与因变量之间的关系，掌握多元线性回归模型的基本原理、建模方法、参数估计以及模型检验等技能，提高运用计量经济学方法解决实际问题的能力。
二、实验背景随着经济的发展和社会的进步，影响一个变量的因素越来越多。
在经济学、管理学等领域，多元线性回归模型被广泛应用于分析多个变量之间的关系。
本实验以某地区居民消费支出为例，探讨影响居民消费支出的因素。
三、实验数据本实验数据来源于某地区统计局，包括以下变量：1. 消费支出（Y）：表示居民年消费支出，单位为元；2. 家庭收入（X1）：表示居民家庭年收入，单位为元；3. 房产价值（X2）：表示居民家庭房产价值，单位为万元；4. 教育水平（X3）：表示居民受教育程度，分为小学、初中、高中、大专及以上四个等级；5. 通货膨胀率（X4）：表示居民消费价格指数，单位为百分比。
四、实验步骤1. 数据预处理：对数据进行清洗、缺失值处理和异常值处理，确保数据质量。
2. 模型设定：根据理论知识和实际情况，建立多元线性回归模型：Y = β0 + β1X1 + β2X2 + β3X3 + β4X4 + ε其中，Y为因变量，X1、X2、X3、X4为自变量，β0为截距项，β1、β2、β3、β4为回归系数，ε为误差项。
3. 模型估计：利用统计软件（如SPSS、R等）对模型进行参数估计，得到回归系数的估计值。
4. 模型检验：对估计得到的模型进行检验，包括以下内容：（1）拟合优度检验：通过计算R²、F统计量等指标，判断模型的整体拟合效果；（2）t检验：对回归系数进行显著性检验，判断各变量对因变量的影响是否显著；（3）方差膨胀因子（VIF）检验：检验模型是否存在多重共线性问题。
5. 结果分析：根据模型检验结果，分析各变量对因变量的影响程度和显著性，得出结论。
五、实验结果与分析1. 拟合优度检验：根据计算结果，R²为0.812，F统计量为30.456，P值为0.000，说明模型整体拟合效果较好。
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。
计量经济学实验报告1计量经济学实验报告1引言：计量经济学是经济学中的一个重要分支，通过运用统计学和数学方法来研究经济现象。
实验是计量经济学中常用的研究方法之一，通过对实际数据的收集和分析，可以验证经济理论的有效性和预测能力。
本实验报告旨在介绍我所进行的计量经济学实验，并对实验结果进行分析和讨论。
实验目的：本次实验的目的是研究某地区居民消费支出与个人收入之间的关系。
通过收集一定数量的样本数据，建立经济模型，以探究消费支出与个人收入之间的相关性，并验证是否存在所谓的“边际消费倾向”。
实验设计：为了收集样本数据，我设计了一份问卷调查，涵盖了个人收入、家庭人口、教育水平、职业等多个方面的信息。
通过随机抽样的方式，我在某地区抽取了300个样本，并对这些样本进行了调查。
在调查过程中，我还请教了一些经济学专家，以确保问卷设计的合理性和可靠性。
实验结果：通过对样本数据的分析，我得出了以下几个重要的实验结果：1. 个人收入与消费支出呈正相关关系：根据统计分析，我发现个人收入与消费支出之间存在显著的正相关关系。
也就是说，个人收入越高，消费支出也越高。
这与经济学理论中的边际消费倾向相一致，即收入增加一单位时，消费支出增加的单位。
2. 家庭人口对消费支出的影响：我发现，家庭人口对消费支出有一定的影响。
在其他条件相同的情况下，家庭人口较多的家庭，其消费支出较高。
这可能是因为家庭人口较多，生活成本较高，因此需要更多的消费支出。
3. 教育水平与消费支出的关系：通过数据分析，我发现教育水平与消费支出之间存在一定的正相关关系。
受过高等教育的人群，其消费支出相对较高。
这可能是因为受过高等教育的人更有可能获得较高的收入，从而有更多的消费能力。
实验讨论：通过本次实验，我得出了一些对于经济学理论的验证和解释。
首先，个人收入与消费支出之间的正相关关系，说明了边际消费倾向的存在。
这对于经济学理论的解释和政策制定具有重要意义。
其次，家庭人口和教育水平对消费支出的影响，也提醒我们在研究经济现象时，需要考虑到个体背景和环境因素的影响。
篇一：计量经济学实验报告 (1)计量经济学实验基于eviews的中国能源消费影响因素分析学院：班级：学号：姓名：基于e views的中国能源消费影响因素分析一、背景资料能源消费是指生产和生活所消耗的能源。
能源消费按人平均的占有量是衡量一个国家经济发展和人民生活水平的重要标志。
能源是支持经济增长的重要物质基础和生产要素。
能源消费量的不断增长，是现代化建设的重要条件。
我国能源工业的迅速发展和改革开放政策的实施，促使能源产品特别是石油作为一种国际性的特殊商品进入世界能源市场。
随着国民经济的发展和人口的增长，我国能源的供需矛盾日益紧张。
同时，煤炭、石油等常规能源的大量使用和核能的发展，又会造成环境的污染和生态平衡的破坏。
可以看出，它不仅是一个重大的技术、经济问题，而且以成为一个严重的政治问题。
在20世纪的最后二十年里，中国国内生产总值（gdp）翻了两番，但是能源消费仅翻了一番，平均的能源消费弹性仅为0.5左右。
然而自2002年进入新一轮的高速增长周期后，中国能源强度却不断上升，经济发展开始频频受到能源瓶颈问题的困扰。
鉴于此，研究能源问题不仅具有必要性和紧迫性，更具有很大的现实意义。
由于我国目前面临的所谓“能源危机”，主要是由于需求过大引起的，而我国作为世界上最大的发展中国家，人口众多，所需能源不可能完全依赖进口，所以，研究能源的需求显得更加重要。
二、影响因素设定根据西方经济学消费需求理论可知，影响消费需求的因素有：商品的价格、消费者收入水平、相关商品的价格、商品供给、消费者偏好以及消费者对商品价格的预期等。
对于相关商品价格的替代效应，我们认为其只存在能源品种内部之间，而消费者偏好及消费者对商品价格的预期数据差别较大，不容易进行搜集整理在此暂不涉及。
另外，发展经济学认为，来自知识、人力资本的积累水平所体现的技术进步不仅可以带动劳动产出的增长，而且会通过外部效应可以提高劳动力、自然资源、物质资本与生产要素的生产效率，消除其中收益递减的内在联系，带来递增的规模收益。
一、实验背景随着经济全球化和信息技术的发展，计量经济学作为一门重要的应用经济学分支，在各个领域都得到了广泛的应用。
本实验旨在通过综合运用计量经济学方法，对某一经济问题进行实证分析，从而加深对计量经济学理论和方法的理解，提高实际操作能力。
二、实验目的1. 掌握计量经济学的基本理论和方法；2. 学会使用计量经济学软件（如EViews）进行数据处理和模型分析；3. 培养分析实际经济问题的能力；4. 提高论文写作和报告表达能力。
三、实验内容1. 数据收集与处理本次实验以我国某城市居民消费水平为例，选取以下变量：- 居民可支配收入（X1）- 居民消费支出（Y）- 居民储蓄（X2）- 居民教育程度（X3）- 居民年龄（X4）数据来源于某城市统计局和相关部门。
在收集数据后，对数据进行整理和清洗，确保数据质量和准确性。
2. 模型设定根据实际情况和理论依据，选择以下模型：Y = β0 + β1X1 + β2X2 + β3X3 + β4X4 + ε其中，Y为居民消费支出，X1为居民可支配收入，X2为居民储蓄，X3为居民教育程度，X4为居民年龄，β0为常数项，β1、β2、β3、β4分别为各变量的系数，ε为误差项。
3. 模型估计使用EViews软件对模型进行估计，得到以下结果：Y = 5.23 + 0.83X1 - 0.16X2 + 0.15X3 - 0.02X4 + ε4. 模型检验（1）残差分析：对残差进行检验，发现残差基本服从正态分布，不存在明显的异方差。
（2）自相关检验：对残差进行自相关检验，发现残差不存在自相关。
（3）拟合优度检验：计算R²值，得到R² = 0.89，说明模型拟合效果较好。
5. 模型解释根据模型结果，可以得出以下结论：（1）居民可支配收入对消费支出有显著的正向影响，即收入越高，消费支出越高。
（2）居民储蓄对消费支出有显著的负向影响，即储蓄越高，消费支出越低。
（3）居民教育程度对消费支出有显著的正向影响，即教育程度越高，消费支出越高。
计量经济学实验报告学院：班级姓名：学号：一、经济学理论概述1、需求是指消费者家庭在某一特定时期内,在每一价格水平时愿意而且能够购买的某种商品量;需求是购买欲望与购买能力的统一;2、需求定理是说明商品本身价格与其需求量之间关系的理论;其基本内容是：在其他条件不变的情况下,一种商品的需求量与其本身价格之间成反方向变动,即需求量随着商品本身价格的上升而减少,随商品本身价格的下降而增加;3、需求量的变动是指其他条件不变的情况下,商品本身价格变动所引起的需求量的变动;需求量的变动表现为同一条需求曲线上的移动;二、经济学理论的验证方法在此次试验中,我运用了Eviews和Excel软件对相关数据进行处理和分析;1、拟合优度检验——可决系数R2统计量回归平方和反应了总离差平方和中可由样本回归线解释的部分,它越大,参差平方和越小,表明样本回归线与样本观测值的拟合程度越高;2、方程总体线性的显着性检验——F检验1方程总体线性的显着性检验,旨在对模型中被解释变量与解释变量之间的线性关系在总体上是否显着成立作出判断;2给定显着性水平α,查表得到临界值Fαk,n-k-1,根据样本求出F统计量的数值后,可通过F＞Fαk,n-k-1 或F≤Fαk,n-k-1来拒绝或接受原假设H0,以判定原方程总体上的线性关系是否显着成立;3、变量的显着性检验——t检验4、异方差性的检验——怀特检验怀特检验不需要排序,对任何形式的异方差都适用;5、序列相关性的检验——图示法和回归检验法6、多重共线性的检验——逐步回归法以Y为被解释变量,逐个引入解释变量,构成回归模型,进行模型估计;三、验证步骤1、确定变量1被解释变量“货币流通量”在模型中用“Y”表示;2解释变量①“货币贷款额”在模型中用“X”表示;1②“居民消费价格指数”在模型中用“X”表示；2③把由于各种原因未考虑到和无法度量的因素归入随机误差项,在模型中用“ ”;2、建立计量经济学模型根据各相关变量之间的关系,假定：Y=0β+1βX 1+2βX 2+μ3、数据描述和处理中国货币流通量、贷款额和居民消费价格指数历史数据年度 货币流量Y 亿元居民消费价格指数P1990年=100贷款额X 亿元 1978 212 1850 1979 1980 1981 1982 1983 54 1984 1985 1986 1987 1988 2134 1989 2344 97 1990 100 1991 1992 4336 110 1993 1994 39976 1995 1996 8802 1997 1998 1999 2000 2001 2002 17278 2003 19746 2004 2005 2006 2007资料来源：中国统计年鉴2008、中国统计资料50年汇编 4、多元线性计量经济学模型的初步估计与分析用Eviews 软件检测分析：Dependent Variable: Y Method: Least Squares Date: 12/30/11 Time: 14:03 Sample: 1978 2007 Included observations: 30Variable CoefficientStd. Error t-StatisticProb.X1 X2 CR-squaredM ean dependent var Adjusted R-squared . dependent var . of regression A kaike info criterionSum squared resid 7049108. S chwarz criterionLog likelihood H annan-Quinn criter. F-statistic D urbin-Watson statProbF-statistic普通最小二乘法估计结果如下：Y ∧= －+++μ－=R2=R 20.996769 F=回归结果表明,在1978——2007年间,Y 变化的%可由其他两 个变量的变化来解释;根据表上F 统计量对应的P 值可以看出,每个 P 值都小于5%,拒绝原假设,表明模型的线性关系在95%的置信水平下显着成立;5、异方差检验从普通最小二乘回归得到的残差平方项与X1的散点图看,图二上的点总体上呈单调递增趋势,存在异方差性;再进一步地统计检验,采用怀特white检验;记2~ie为对原始模型进行普通最小二乘回归得到的残差平方项,将其与X1、X2及其平方项与交叉项进行辅助回归,得：Heteroskedasticity Test: WhiteF-statistic P rob. F5,24ObsR-squared P rob. Chi-Square5Scaled explained SS P rob. Chi-Square5Test Equation:Dependent Variable: RESID^2Method: Least SquaresDate: 12/30/11 Time: 14:19Sample: 1978 2007Included observations: 30Variable Coefficient Std. Error t-Statistic Prob.C-1221567.X2X2^2X2X1X1X1^2R-squaredM ean dependent var Adjusted R-squared . dependent var . of regression A kaike info criterion Sum squared resid +12 S chwarz criterionLog likelihood H annan-Quinn criter. F-statistic D urbin-Watson statProbF-statistic“X12”表示“X 12”；“X22”表示“X 22”；“X 3”表示“X 1×X 2”2~ie =+++=R2怀特统计量nR 2=30×=,该值大于5%显着水平下、自由度为5的2χ分布的相应临界值05.02χ=,因此,拒绝同方差的原假设,存在异方差性;6、序列相关检验建立残差项与~i e 与~1-i e 图一以及时间t 图二的关系图,图一显示随机误差项存在一阶正序列相关性;图一 图二再用回归检验法对该模型进行序列相关性检验,以~ie 为被解释变量,以1~-i e 、2~-i e 为解释变量,建立如下方程：~i e =ρ1~-i e +i ε ………………①~i e =1ρ1~-i e +2ρ~2-i e +i ε………………② 对上面的模型,用普通最小二乘法进行参数估计,得: ①：Breusch-Godfrey Serial Correlation LM Test:F-statistic P rob. F1,26 ObsR-squaredP rob. Chi-Square1Test Equation:Dependent Variable: RESID Method: Least Squares Date: 12/30/11 Time: 14:33 Sample: 1978 2007 Included observations: 30Presample missing value lagged residuals set to zero.Variable CoefficientStd. Error t-StatisticProb.X2 X1 C RESID-1R-squaredM ean dependent var Adjusted R-squared . dependent var . of regression A kaike info criterionSum squared resid5180974. S chwarz criterionLog likelihood H annan-Quinn criter. F-statistic D urbin-Watson statProbF-statistic~i e =1~-i e +=R2=R 20.232707 F=由分析结果可以看出,该模型拟合优度不高;在5%的显着性水平下t >2αt 28,所以变量通过显着性检验;~i e 与1~-i e 相关,存在序列相关性; ②式：Breusch-Godfrey Serial Correlation LM Test:F-statistic P rob. F2,25 ObsR-squaredP rob. Chi-Square2Test Equation:Dependent Variable: RESID Method: Least Squares Date: 12/30/11 Time: 14:39 Sample: 1978 2007 Included observations: 30Presample missing value lagged residuals set to zero.VariableCoefficientStd. Error t-StatisticProb.X2 X1 C RESID-1 RESID-2R-squaredM ean dependent var Adjusted R-squared . dependent var . of regression A kaike info criterionSum squared resid 3418872. S chwarz criterionLog likelihood H annan-Quinn criter. F-statistic D urbin-Watson statProbF-statistic~i e =1~-i e ~2-i e =R2=R 20.491329 F=由分析结果可以看出,该模型的拟合优度不高;在5%的显着性水平下1t >2αt 27,2t >2αt 27,变量1~-i e ,~2-i e 通过显着性检验,所以~i e 与1~-i e 相关,存在序列相关性,而~i e 与~2-i e 相关,存在序列相关性; 7、多重共线性检验由于r=接近1;因此1X 与2X 间存在较高的相关性; 再用逐步回归法寻找最优方程;首先找出最简单的回归形式,分别作y 与x1、x2间的回归,得：1Y ∧=+R 2= .= 2Y ∧=－+ －R 2= .=可见,货币流量受贷款额的影响较大,因此选1作为初始的回归模型;再将X 2导入初始的回归模型,得：C X1 X2. Y=fX1t 值Y=fX1,X2t 值Y ∧= －+++μ－=R2=R 20.996769 F=初始模型导入X2后,模型的拟合优度提高,且参数的符号合理,变量也通过了t 检验;因此最优方程是Y=fX1,X2,拟合结果如下：Y=－+++μ8、计量经济学模型的最终确定经过一系列的检验和分析,最终的模型为：lnY=0β+1βX1+2βX2+μ模型的变量显着性成立,且存在异方差性、存在较高的多重共线性;9、检验结果分析从以上的分析和检验中可得出,贷款额每增加一个单位,货币流通量就增加个单位；居民消费价格指数每增加一个单位,货币流通量增加个单位;进而得出,居民消费价格指数的增加对货币流通量的作用大于贷款额增加对货币流通量的作用;四、结论1由于各种原因,得出的模型仍然存在有诸多问题,比如存在序列共线性,并未对其进行修正,留待以后进行进一步的研究;2从计量经济学角度来看,根据已知的贷款额和居民消费价格指数而建立的货币流通量的模型,其通过了变量的显着性检验、且存在异方差性,也具备较高的多重共线性;3从经济学角度来看,货币流通量受居民消费价格指数的影响大于贷款额的影响,也就是贷款额的增加对货币流通量的提高影响并不是很大,而居民消费价格指数的增加将会提高货币流通量,从而刺激生产的扩大,最终导致国家福利的增加;但若货币流通量过大或是货币流通速度过大,将导致供过于求即通货膨胀,货币贬值、物价上涨,将不利于经济的可持续发展;正如温家宝总理指出：“通货膨胀和腐败的结合将动摇国家的政权稳定;”由此可见,货币流通量的增加对国民经济来讲是一把双刃剑;。
【精品】《计量经济学》实验报告
一、实验目的
通过本实验，了解计量经济学的基本概念，认识计量经济学的应用，以及如何利用统计软件STATA进行计量经济学的研究。
二、实验内容
本次实验利用国外一项有关家庭经济收支的调查资料，分析收入与消费的关系，研究对收入的影响因素。
三、实验方法
（1）调查资料：国外家庭收支资料是由100个家庭的收支情况数据组成，其中包括这100个家庭的收入、消费、家庭编号、家庭购买力等。
（2）计量模型：在该实验中，建立二元线性回归模型：
（3）计量经济学的应用：利用STATA软件进行实证分析，以估计该家庭收入与消费的关系，并进一步研究影响收入的因素。
四、实验结果
（1）估计结果：家庭收入与消费的估计结果如下：
模型结果：Y=0.697+2.154X
线性拟合结果：R2=0.811，p=0.000
（2）影响收入的因素：利用STATA软件回归分析发现，家庭购买力、家庭编号等因素影响家庭收入。
五、实验结论
通过本次实验，我们可以得出以下结论：
（1）计量经济学是一种有效的用来研究家庭收入与消费关系的方法。
（2）家庭收入与消费显著正相关，即家庭收入越高，消费也越高。
（3）家庭购买力以及家庭编号等因素对家庭收入有显著影响。
《计量经济学》实验报告实验一：EViews5.0软件安装及基本操作1.Eviews5.0的安装过程解压安装包，双击“Setup.exe”，选择安装路径进行安装；安装完毕后，复制“eviews5.0破解文件夹”下的“eviews5.reg文件”和“eviews5.exe文件”到安装目录下；双击“Eviews5.reg”进行注册，安装完毕。
2.基本操作（数据来源于李子奈版课后习题P61.12）运行Eviews,依次单击file→new→work file→unstructed→observation 31。
命令栏中输入“data y gdp”，打开“y gdp”表，接下来将数据输入其中。
做出“y gdp”的散点图，依次单击quick→graph→scatter→gdp y。
结果如下：开始进行LS回归：回归方程为：Y = -10.39340931 + 0.0710********GDP对回归方程做检验：斜率项t值9.59大于t在5%显著水平下的检验值2.045，拒绝零假设；截距项t值0.121小于2.045，接受零假设。
可决系数0.76，拟合较好，方程F检验值91.99通过F检验。
下面进行预测：拓展工作空间：打开work file窗口，单击Proc→Structure，将End date的数据31→32；确定预测值的起止日期：打开work file窗口，点击Quick→Sample,填入“1 32”。
打开GDP数据表，在GDP的最下方填，按回车键。
在出现的Equation界面，点击Forecast出现相应界面如下：实验二：回归模型的建立与检验（数据来源于李子奈版课后习题P105.11）运行Eviews,依次单击file→new→work file→unstructed→observation 10。
命令栏中输入“data y x1 x2”，打开“y x1 x2”表，接下来将数据输入其中。
开始进行LS回归：估计方程：依次单击view→representations，得到回归方程为:Y = 626.5092847 - 9.790570097*X1 + 0.028*********X2，参数估计完毕。
直接查看结果计算得到随机干扰项的方差值为2116.847/（10-2-1）=309.55，可决系数为0.902，修正后的可决系数为0.874。
F=32.294>5%显著水平下的F值4.74，即方程通过F检验；两个参数的t检验值均通过了5%显著水平下的t检验值2.365。
下面进行预测：拓展工作空间：打开work file窗口，单击Proc→Structure，将End date的数据10→11；确定预测值的起止日期：打开work file窗口，点击Quick→Sample,填入“1 11”。
在x1的最下方填入35，在x2的最下方填入20000，按回车键。
在出现的Equation界面，点击Forecast 出现相应界面如下：实验三：异方差、自相关、多重共线性的检验1.异方差检验（数据来源于李子奈版课后习题P154.8）运行Eviews,依次单击file→new→work file→unstructed→observation 20。
命令栏中输入“data y x”，打开“y x”表，接下来将数据输入其中。
回归方程为：Y = 272.3635389 + 0.7551249391*X开始检验异方差图示法：在工作文件窗口按Genr,在主窗口键入命令e2=resid^2，依次单击Quick→Graph→Scatter可得散点图：显然，散点不在一条水平直线上，即说明存在异方差性。
White检验法:依次单击View→Residual Tests→White Heteroskedasticity因为本题为一元函数，故无交叉乘积项，选no cross terms。
经估计出现white检验结果，如下25%置信水平下的卡方值5.99>12.65=nR所以拒绝原假设，表明模型存在异方差。
Goldfeld-Quanadt检验法：在命令栏中直接输入：sort x，得到按照升序排列的x。
开始取样本，依次单击quick→sample，填入“1 8”，回归模型ls y c x；得到如下结果：Dependent Variable: Y Method: Least Squares Date: 12/11/11 Time: 11:26 Sample: 1 8 Included observations: 8Variable C XR-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson statCoefficient 1277.161 0.554126Std. Error 1540.604 0.311432t-Statistic 0.829000 1.779287Prob. 0.4388 0.1255 4016.814 166.1712 13.00666 13.02652 3.165861 0.1255010.345397 Mean dependent var 0.236296 S.D. dependent var 145.2172 Akaike info criterion 126528.3 Schwarz criterion -50.02663 F-statistic 3.004532 Prob(F-statistic)继续取样本，依次单击quick→sample，填入“13 20”，回归模型ls y c x；得到如下结果：Dependent Variable: Y Method: Least Squares Date: 12/11/11 Time: 11:28 Sample: 13 20 Included observations: 8Variable CCoefficient 212.2118Std. Error 530.8892t-Statistic 0.399729Prob. 0.7032/kouqintangXR-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat0.761893 0.060348 12.62505 0.0000 6760.477 1556.814 14.58858 14.60844 159.3919 0.000015 0.963723 Mean dependent var 0.957676 S.D. dependent var 320.2790 Akaike info criterion 615472.0 Schwarz criterion -56.35432 F-statistic 1.722960 Prob(F-statistic)计算F=4.28，拒绝原假设，表明模型确实存在异方差性。
统计量：F=RSS2/RSS1=615472.0/126528.3=4.864；F=4.864> F0.05（6,6）异方差的修正：在对原模型进行OLS后，单击Quick→Generate Series,在弹出的对话框内输w1=1/e,w2=1/e^2。
再选择Quick→Estimate Equation,在弹出的对话框中选择Options按钮，在出现的画面中，选中Weight Ls/TLS复选框，在Weight内再检验：单击Quick→Generate Series，分别输入x1=x*w2,y1=y*w2,按住ctrl,依次点击x1,y1，右键选择Open as group，依次单击Quick→Graph可得下图：由该图可知，加权后X和Y的散点图在同一直线上，所以是同方差性。
2.自相关检验（数据来源于李子奈版课后习题P155.9）运行Eviews,依次单击file→new→work file→Annual→strat1980end2007。
命令栏中输入“data y x”，打开“y x”表，接下来将数据输入其中。
开始进行LS回归，命令栏中输入“ls log(y) c log(x)”回车，即得到回归杜宾瓦尔森检验法：由结果得到，D.W值为0.379。
查表得到dl=1.33,dw=1.48,D.W<dl,所以该模型存在序列相关性。
图形检验法：单击work file击窗口Genr,分别输入：e=resid e1=e(-1)；选中e、e1，右击Open as Group,在Group窗口依次单击Quick→Graph→ Scatter，得到此图：由上图可知该模型存在序列相关性。
3.多重共线性检验（数据来源于李子奈版课后习题P155.10）运行Eviews,依次单击file→new→work file→unstructed→observation 10。
命令栏中输入“data y x1 x2”，打开“y x1 x2”表，接下来将数据输入其中。
逐步回归法：以Y为被解释变量，逐个引入解释变量。
首先分别让Y与x1与x2回归：对比可见x1的拟合结果较好，因此选用x1作为初始回归模型加上x2再做回归，相关系数法：在普通最小二乘法下，该模型的可决系数与F值较大，但是两个参数估计值的t检验值较小，说明各解释变量对Y的联合线性作用显著，但各解释变量间存在共线性使得它们对Y 的独立作用不能分辨，故t检验不显著。
实验四：联立方程模型的估计与检验（数据来源于李子奈版课后习题P228.8）运行Eviews,依次单击file→new→work file→unstructed→observation 18。
命令栏中输入“data m2 gdp p cons i”，打开“m2 gdp p cons i”表，接下来将数据输入其中。
建立统计模型：依次单击object→new object→system装入模型：gdp=c(1)+c(2)*m2+c(3)*cons+c(4)*i m2=c(5)+c(6)*gdp+c(7)*p inst cons i p估计模型：估计第一个方程：依次单击quick→estimate equation→method→勾选TSLS。
输入：gdp=c(1)+c(2)*m2+c(3) *cons+c(4)*i cons i p得到下列结果：Dependent Variable: GDP Method: Two-Stage Least Squares Date: 12/11/11 Time: 12:39 Sample: 1 18Included observations: 18GDP=C(1)+C(2)*M2+C(3)*CONS+C(4)*I Instrument list: CONS I PC(1) C(2) C(3) C(4)R-squared Adjusted R-squared S.E. of regression Durbin-Watson statCoefficient -173.5857 -0.049398 1.669297 0.940707Std. Error 913.2787 0.024083 0.068490 0.043700t-Statistic -0.190069 -2.051188 24.37286 21.52645Prob. 0.8520 0.0594 0.0000 0.0000 102871.0 69213.19 138163100.999830 Mean dependent var 0.999794 S.D. dependent var 993.4180 Sum squared resid1.554243第一个方程的估计结果如下：GDP=-173.5856662-0.04939825085*M2+1.669297466*CONS+0.9407073699*I继续估计第二个方程：依次单击quick→estimate equation→method→勾选TSLS。
