当前位置：文档之家 › 计量经济实验(1)

计量经济实验(1)

  • 格式：doc
  • 大小：2.76 MB
  • 文档页数：29

实验二一元线性回归模型实验目的与要求掌握一元线性，非线性回归模型建模、求解方法，并进行经济分析。

一、建立模型（一）建立工作文件采用命令方式，在EViews 软件的命令窗口中直接键入CREA TE命令，建立工作文件。

CREA TE A 1990 2009（二）输入数据采用命令方式，在EViews 软件的命令窗口键入DA TA命令，DA TA Y X依然采用命令方式（1）趋势图在命令窗口中键入以下命令：PLOT Y X则同时可以观察变量Y、X的变化趋势（如图2.2所示）。

图2.2（2）相关图在命令窗口中键入：SCA T X Y则可以初步观察变量之间的相关程度与相关类型（如图2.3所示）。

图2.3（四）模型建立从以上分析可以看出，税收收入与国内生产总值近似为线性相关关系，因此我们建立税收收入对国内生产总值的一元线性回归模型：Y =β+ βX +μ我们需要使用样本数据进行分析，所以写出样本回归模型：Y =β+ βX二、线性回归模型参数估计采用命令方式，在EViews 命令窗口中键入LS 命令来估计模型，LS Y C X系统将弹出一个窗口来显示有关估计结果（如图2.4所示）。

图2.4三、模型检验统计检验本题一元线性回归模型中R-squared为0.990123，拟合程度很好。

变量显著性检验，就是要判断解释变量X是否对被解释变量Y具有显著的线性性影响，通过t检验来进行。

本题一元线性回归模型中X对应的t统计量的P值为（（Prob.））0.0000,所以X对Y具有显著的线性性影响。

四、预测1、实际值、拟合值和残差在Equation 窗口点击View/Actual, fitted, Residual/Table 就可以得到回归结果的实际值、拟合值和残差表（如图2.5所示）图2.52.运用趋势分析预测，在工作文件框单击Proc\Structure,将1990——2009年扩展为1990——2010年，输入编辑数据。

图2.8五、实验结论：（1）建立我国税收收入与国民生产总值的线性回归方程为：Y =-3927.732+0.181608X （2）调查我国2010年国民生产总值为403260.0，税收收入为73210.79，利用上述模型预测我国2010年的税收收入为69307.36。

实验三多元线性回归模型实验目的与要求：掌握多元线性回归模型参数的最小二乘估计及模型的统计检验，对多元线性回归模型的比较与调整，并能应用多元回归模型进行经济预测。

一、建立模型（一）建立工作文件采用命令方式，在EViews 软件的命令窗口中直接键入CREA TE命令，CREA TE A 1990 2008。

（二）输入数据采用命令方式，在EViews 软件的命令窗口键入DA TA命令，DA TA Y X1 X2 X3。

（三）图形分析在数组窗口单击View/Multiple Graph/Scatter/First series against all ,就可以分别显示变量Y和X1、X2、X3之间的相关散点图（如图3.2所示）。

图3.2二、参数估计在Eviews 主窗口中点击Objects/New Object,对象类型选择Equation,会弹出的方程设定框（如图3.3所示）。

在上部的Equation Specification 选择中输入模型方程：Y C X1 X2 X3最后点击OK键，EViews 将生成方程（Equation）对象，即给出估计结果（如图3.4所示）。

图3.4回归结果为：Yi=-143.1541+0.028650X1i+1.511604X2i-0.352156X3i三、模型检验统计检验本题多元线性回归模型中R-squared为0.993356，拟合程度很好。

本题多元线性回归模型中X1对应的t统计量的P值为（（Prob.））0.0000,所以X1对Y 具有显著的线性性影响。

X2对应的t统计量的P值为（（Prob.））0.0731,所以X2对Y不具有显著的线性性影响。

X3对应的t统计量的P值为（（Prob.））0.0002,所以X3对Y具有显著的线性性影响。

四、预测1、实际值、拟合值和残差在Equation 窗口点击View/Actual, fitted, Residual/Table 就可以得到回归结果的实际值、拟合值和残差表（如图3.5所示）图3.5在方程对象框中单击Procs\Forecast, EViews自动计算出预测值。

图3.6图3.7图3.8图3.9图3.10若我们从非线性回归模型参数估计来看，如下：用对数模型图3.11表中可见，LOG(X1)、LOG(X2)、LOG(X3)的回归系数均为正，且PROB(F-statistic)为0.00000，所以，非线性模型更适用于这道题。

实验四异方差性实验目的与要求使学生掌握异方差性的检验及处理方法。

实验内容这是一个横截面序列回归。

一、建立模型（一）建立工作文件1．菜单方式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（如图4.1所示），选择时间频率为UNSTRUCTURED/UNDATED，OBSERVATIONS 30。

然后点击OK按钮。

图4.1(二)输入数据操作与实验二类似。

（三）图形分析类似实验三的操作，我们可以得到Y与X的散点图（如图4.2所示）。

图4.2（四）建立模型综合以上分析，我们建立多元线性回归模型：Yi=β0+β1X1i+β2X2i+μi, 对应的样本回归模型：Yi=β0+β1X1i+β2X2i。

二、参数估计1、菜单方式在EV iews 主窗口中点击Objects/New Object , 对象类型选择Equation , 或者点击Quick\Estimate Equation , 会弹出的方程设定框。

输入模型方程：Y C X最后点击OK键，Eviews 将生成方程（Equation）对象，即给出估计结果（如图4.3所示）。

回归结果为：Yi=-56.89072+0.058069X1i图4.3三、异方差检验（一）图形分析在Eviews 主窗口中点击Quick/Graph/Scatter,然后在图形对话框中键入X RESID^2(如图4.4所示)，可得残差平方与X的散点图（如图4.5所示）。

图4.4图4.5由残差平方与X的散点图可知，模型存在异方差。

（二）G-Q(Goldfeld-Quandt)检验1、在工作文件窗口点击PROCS/SORT CURRENT PAGE,出现排序对话框（如图4.6所示），键入X，点击OK.图4.62.样本数据N=30，C=N/4，从中间去掉8个数据。

在方程对象框中单击Estimate会弹出方程设定窗口（如图4.7所示）。

图4.7在底部的Sample 选择框中改变样本范围1 11 ，再点击OK键，得到结果（如图4.8所示），可以得到RSS1(Sum squared resid) 为5089.783.图4.8同样操作，在方程设定窗口的Sample 选择框中改变样本范围20 30，再点击OK键，得到结果（如图4.9所示），可以得到RSS2(Sum squared resid)为61085.99.图4.93.进一步计算出F=61085.99/5089.783=12.00,所以模型存在异方差。

（三）怀特（White）检验在方程窗口单击View/Residual Diagnostics/Heteroskedasticity Tests /White.我们进行去掉交叉项的怀特检验你，Eviews给出检验结果（如图4.10所示）。

图4.10从结果中可以得到R2=0.438430，即怀特检验的统计量为nR2=13.1529, 对应的概率为0.0014小于要求的显著性水平α=0.05，所以模型存在异方差。

（四）帕克（Park）检验与戈里瑟（Gleiser）检验生成新变量序列：GENR E=ABS(RESID) 分别建立新残差序列（E）对各解释变量的各种可能回归方程，判断方程是否显著成立。

若有方程显著成立，则原模型存在异方差。

例如我们选择残差序列(E)直接对X的回归方程，显示结果（如图4.11所示）。

可以看出X 对E的影响显著为0，所以原模型不存在异方差。

图4.11四、异方差的修正（一）加权最小二乘法在方程窗口单击Estimate，弹出方程设置窗口，再点击Options 按钮，选择Weighted ,并在权数对话框中输入1/(X2)^(1/2)( 如图4.12所示) ，点击OK键输出加权最小二乘法估计结果（如图4.13所示）。

图4.12图4.13对该结果进行怀特检验结果（如图4.14所示），怀特检验统计量对应的概率为0.0010，异方差消除。

图4.14（二）模型变换法对原变量进行对数变换，得到的模型异方差性会有较大减弱。

GENRlnx=log(x),GENRlny=log(y)生成序列，由lny对lnx进行回归分析，显示结果（如图4.15所示）。

对该结果进行怀特检验，显示结果(如图4.16所示)，模型异方差性得到消除。

图4.15图4.16实验五序列相关性实验目的与要求使学生掌握序列相关性的检验及处理方法实验内容建立并检验计量经济学模型建立我国税收收入与国民生产总值的线性回归模型，并进行序列相关性分析。

一、建立模型（一）建立工作文件（二）输入数据（三）图形分析（四）建立模型综合以上分析，我们建立我国税收收入与国民生产总值的线性回归模型及对应的样本回归模二、参数估计1.菜单方式在Eviews 主窗口中点击Objects/New Object ,对象类型选择Equation ,会弹出的方程设定框。

输入模型方程：Y C X最后点击OK键，Eviews 将生成方程对象，即给出估计结果（如图5.1所示）。

回归结果为：Yt=-3680.162+0.178660Xt图5.1三、序列相关性检验（一）图形分析在Eviews 主窗口中点击Quick /Graph, 然后在图形对话框中键入RESID RESID(-1)(如图5.2,5.3所示) ，可得残差项自相关的散点图（如图5.4所示）。

图5.2图5.4由残差平项自相关的散点图可知，模型存在自相关，而且应该是对正自相关。

（二）偏相关系数检验在方程窗口中点击View/ Residual Diagnostics/ Correlogram-Q-statistics, 并输入滞后期为10.则会得到残差et与et-1，……，et-10的各期相关系数和偏相关系数（如图5.5所示）。

图5.5从图中可以看出，只有第一期偏相关系数的直方块超过了虚线部分，表明原模型仅存在一阶自相关。

（三）DW(Durbin-Waston)检验1.该模型满足DW检验的假定条件，因此可以使用DW检验来判断其是否存在序列相关性。

合集下载

计量经济学实验一 一元回归模型

计量经济学实验一 一元回归模型

实验二一元回归模型【实验目的】掌握一元线性、非线性回归模型的建模方法【实验内容】建立我国税收预测模型【实验步骤】【例1】建立我国税收预测模型。

表1列出了我国1985－1998年间税收收入Y和国内生产总值（GDP）x的时间序列数据，请利用统计软件Eviews建立一元线性回归模型。

一、建立工作文件⒈菜单方式在录入和分析数据之前，应先创建一个工作文件（Workfile）。

启动Eviews软件之后，在主菜单上依次点击File\New\Workfile（菜单选择方式如图1所示），将弹出一个对话框（如图2所示）。

用户可以选择数据的时间频率（Frequency）、起始期和终止期。

图1 Eviews菜单方式创建工作文件示意图图2 工作文件定义对话框本例中选择时间频率为Annual（年度数据），在起始栏和终止栏分别输入相应的日期85和98。

然后点击OK，在Eviews软件的主显示窗口将显示相应的工作文件窗口（如图3所示）。

图3 Eviews工作文件窗口一个新建的工作文件窗口内只有2个对象(Object）,分别为c（系数向量）和resid（残差）。

它们当前的取值分别是0和NA（空值）。

可以通过鼠标左键双击对象名打开该对象查看其数据，也可以用相同的方法查看工作文件窗口中其它对象的数值。

⒉命令方式还可以用输入命令的方式建立工作文件。

在Eviews软件的命令窗口中直接键入CREATE命令，其格式为：CREATE 时间频率类型起始期终止期本例应为：CREATE A 85 98二、输入数据在Eviews软件的命令窗口中键入数据输入/编辑命令：DA TA Y X此时将显示一个数组窗口（如图4所示），即可以输入每个变量的数值图4 Eviews数组窗口三、图形分析借助图形分析可以直观地观察经济变量的变动规律和相关关系，以便合理地确定模型的数学形式。

⒈趋势图分析命令格式：PLOT 变量1 变量2 ……变量K作用：⑴分析经济变量的发展变化趋势⑵观察是否存在异常值本例为：PLOT Y X⒉相关图分析命令格式：SCAT 变量1 变量2作用：⑴观察变量之间的相关程度⑵观察变量之间的相关类型，即为线性相关还是曲线相关，曲线相关时大致是哪种类型的曲线说明：⑴SCAT命令中，第一个变量为横轴变量，一般取为解释变量；第二个变量为纵轴变量，一般取为被解释变量⑵SCAT命令每次只能显示两个变量之间的相关图，若模型中含有多个解释变量，可以逐个进行分析⑶通过改变图形的类型，可以将趋势图转变为相关图本例为：SCA T Y X图5 税收与GDP趋势图图5、图6分别是我国税收与GDP时间序列趋势图和相关图分析结果。

计量经济学实验报告

计量经济学实验报告

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。

计量经济实验报告多元(3篇)

计量经济实验报告多元(3篇)

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。

计量经济学实验报告_学习总结_总结汇报_实用文档

计量经济学实验报告_学习总结_总结汇报_实用文档

目录(一) 研究背景 (2)(二) 理论来源 (2)(三) 模型设定 (2)(四) 数据处理 (2)1. 数据来源 (2)2. 解释变量的设置 (3)(五) 先验预期 (3)1.经验预期 (3)2.散点图分析 (3)(六) 参数估计 (4)(七) 显著性检验 (5)(八) 正态性检验 (5)(九) MWD检验 (5)(十) 相关系数 (7)(十一)虚拟变量 (7)(十二)异方差检验、修正 (8)1. 图形检验 (8)2.格莱泽检验 (9)3.帕克检验 (10)4.异方差的修正加权最小二乘法 (10)5.异方差修正后的检验 (11)(十三)自相关检验 (11)1. 图形法 (11)2.德宾-沃森d检验 (12)(十四)最终结果 (12)(一)研究背景中国是一个大国，幅员辽阔，历史上自然地形成了一个极端不平衡发展的格局。

而1978年开始的改革，政府采取了由东向西梯度推进的非均衡发展战略，使已经存在的地区间的差距进一步扩大，不利于整个社会的稳定和发展。

地区发展不平衡问题包括社会发展不平衡，尤其是教育发展的不平衡。

因此关注中国教育发展的地区不平衡性非常迫切。

不仅是因为教育的重要性，还因为当前我国需要进一步推进教育改革的进程，使其朝着更健康的方向发展。

(二)理论来源刘红梅.中国各地区教育发展水平差异的实证分析[J]数理统计与管理.2013.7(三)模型设定⏹Y i=B1+B2X2i+B3X3i+B4X4i+B5X2i 2+B6X4i2+ui⏹Y——地区教育水平，用平均受教育年限表示，（年）⏹X2——学生平均预算内教育经费，（万元/人）⏹X3——人均GDP，（万元/人）⏹X4——平均生师比(四)数据处理1.数据来源：国家统计局官网，选取2014年的数据：1)各省GDP2)各地区总人口3)各地区每十万人拥有的各种受教育程度人口比较数据4)地区在校总学生数5)各地区教育财政投入6)地区每十万总专任教师数2.解释变量的设置：⏹X2=地区预算内教育经费/地区在校总学生数=学生平均预算内教育经费（万元/人）⏹X3=地区总GDP/地区总人口=人均GDP（万元/人）⏹X4=地区每十万人口各级学校平均在校生数的和/地区每十万人口总专任教师数=平均生师比其中：P为各地区每十万人拥有的各种受教育程度人口比较数T为教育年限1，6，9,12,16(五)先验预期1.经验预期：平均受教育年限分别跟学生平均预算内教育经费、人均GDP呈正相关关系，跟平均生师比呈负相关关系。