下载文档原格式
计量经济学》实验报告一元线性回归模型-、实验内容（一）eviews基本操作（二）1、利用EViews软件进行如下操作：（1）EViews软件的启动（2）数据的输入、编辑（3）图形分析与描述统计分析（4）数据文件的存贮、调用2、查找2000-2014年涉及主要数据建立中国消费函数模型中国国民收入与居民消费水平:表1年份X(GDP)Y（社会消费品总量）200099776.339105.72001110270.443055.42002121002.048135.92003136564.652516.32004160714.459501.02005185895.868352.62006217656.679145.22007268019.493571.62008316751.7114830.12009345629.2132678.42010408903.0156998.42011484123.5183918.62012534123.0210307.02013588018.8242842.82014635910.0271896.1数据来源：二、实验目的1.掌握eviews的基本操作。
2.掌握一元线性回归模型的基本理论，一元线性回归模型的建立、估计、检验及预测的方法，以及相应的EViews软件操作方法。
三、实验步骤（简要写明实验步骤）1、数据的输入、编辑2、图形分析与描述统计分析3、数据文件的存贮、调用4、一元线性回归的过程点击view中的Graph-scatter-中的第三个获得在上方输入Isycx回车得到下图DependsntVariable:Y Method:LeastSquares□ate:03；27/16Time:20:18 Sample:20002014 Includedobservations:15VariableCoefficientStd.Errort-StatisticProb.C-3J73.7023i820.535-2.1917610.0472X0416716 0.0107S838.73S44 a.ooao R-squared0.991410 Meandependentwar119790.2 AdjustedR.-squared 0.990750 S.D.dependentrar 7692177 S.E.ofregression 7J98.292 Akaike infocriterion20.77945 Sumsquaredresid 7；12E^-08 Scliwarz 匚「爬伽20.37386 Loglikelihood -1&3.3459Hannan-Quinncriter. 20.77845 F-statistic 1I3&0-435 Durbin-Watsonstat0.477498Prob(F-statistic)a.oooooo在上图中view 处点击view-中的actual ,Fitted ,Residual 中的第一 个得到回归残差打开Resid 中的view-descriptivestatistics 得到残差直方图/icw Proc Qtjject PrintN^me FreezeEstimateForecastStatsResids凹Group:UNIIILtD Worktile:UN III LtLJ::Unti1DependentVariablesMethod;LeastSquares□ate:03?27/16Time:20:27Sample(adjusted):20002014Includedobservations:15afteradjustmentsVariable Coefficient Std.Errort-Statistic ProtJ.C-3373.7023^20.535-2.191761 0.0472X0.4167160.01075S38.735440.0000R-squared0.991410 Meandependeniwar1-19790.3 AdjustedR-squa.red0990750S.D.dependentvar 76921.77 SE.ofregre.ssion 7J98.292 Akaike infacriterion20.77945 Sumsquaredresid 7.12&-0S Schwarzcriterion 20.S73S6 Laglikelihood -153.84&9Hannan-Quinncrite匚20.77545 F-statistic1I3&0.435Durbin-Watsonstat 0.477498 ProbCF-statistic) a.ooaooo在回归方程中有Forecast,残差立为yfse,点击ok后自动得到下图roreestYFM J訓YForea空巾取且:20002015 AdjustedSErmpfe:2000231i mskJddd obaerratire:15Roof kter squa red Error理l%2Mean/^oLteError畐惯啟iJean Afe.PereersErro r5.451SSQThenhe鼻BI附GKWCE口.他腐4Prop&niwi□ooooooVactaree Propor^tori0.001^24G M『倚■底Props^lori09®475在上方空白处输入lsycs…之后点击proc中的forcase根据公式Y。
如何用EViews进行计量经济学分析EViews是一个功能强大的计量经济学软件，广泛应用于经济学和金融学领域。
本文将介绍如何使用EViews进行计量经济学分析。
一、EViews的基本功能和特点EViews是一款广泛用于经济学分析的软件，具有以下几个特点：1. 数据管理：EViews可以方便地导入、处理和管理各种类型的数据，包括时间序列数据和截面数据。
2. 统计分析：EViews提供了丰富的统计分析和计量经济学方法，如描述统计、回归分析、时间序列分析等。
3. 模型建立：EViews支持各种经济模型的建立和估计，如线性回归模型、ARMA模型、VAR模型等。
4. 图表展示：EViews具有强大的图表绘制功能，可以帮助用户直观地展示数据和分析结果。
二、使用EViews进行计量经济学分析的步骤下面将以线性回归模型为例，介绍如何使用EViews进行计量经济学分析。
1. 导入数据首先，将需要分析的数据导入EViews。
通过点击"File"菜单，选择"Import"，然后选择合适的数据文件类型进行导入。
2. 创建工作文件在导入数据后，可以创建一个新的工作文件，以便进行后续的分析和建模操作。
点击"File"菜单，选择"New"，然后选择"Workfile"创建一个新的工作文件。
3. 创建方程在工作文件中，可以创建一个回归模型方程。
点击"Quick"菜单，选择"Estimate Equation"，然后在弹出的对话框中输入回归方程的表达式和变量。
4. 估计模型在创建回归方程后，可以进行模型的估计。
点击"EViews"菜单，选择"Estimate Equation"，然后选择适当的估计方法和设置。
5. 解释结果估计模型后，EViews将显示回归结果的详细报告。
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。
eviews计量经济学实验报告EViews计量经济学实验报告引言计量经济学是经济学领域中的一个重要分支，它运用数学、统计学和计量学的方法来分析经济现象。
EViews是一个常用的计量经济学软件，它提供了丰富的数据分析和模型建立工具，被广泛应用于学术研究和实际经济分析中。
本实验报告将利用EViews软件进行计量经济学实验，以探讨经济现象并得出相关结论。
实验目的本实验旨在利用EViews软件对某一经济现象进行实证分析，通过建立相应的计量经济模型，对经济现象进行量化分析，并得出相关结论。
实验步骤1. 数据收集：首先，我们需要收集与所研究经济现象相关的数据，包括时间序列数据和横截面数据等。
这些数据可以来自于官方统计机构、学术研究机构或者自行收集整理。
2. 数据预处理：接下来，我们需要对收集到的数据进行预处理，包括数据清洗、缺失值处理、异常值处理等，以确保数据的质量和完整性。
3. 模型建立：在数据预处理完成后，我们可以利用EViews软件建立计量经济模型，包括回归分析、时间序列分析、面板数据分析等，以探讨经济现象的内在规律和影响因素。
4. 模型估计：建立模型后，我们需要对模型进行参数估计，得到模型的具体参数估计值，并进行显著性检验和模型拟合度检验，以验证模型的可靠性和有效性。
5. 结果分析：最后，我们将对模型估计结果进行分析，得出与经济现象相关的结论，并对实证分析结果进行解释和讨论。
实验结论通过以上实验步骤，我们得出了关于某一经济现象的实证分析结果，并得出了相关的结论。
这些结论对于理解经济现象的内在规律和制定经济政策具有重要的参考价值。
总结EViews计量经济学实验报告通过利用EViews软件进行实证分析，对经济现象进行了深入探讨，并得出了相关结论。
这些结论对于经济学研究和实际经济分析具有重要的理论和实践意义，为我们深入理解经济现象和推动经济发展提供了重要的参考依据。
EViews软件的应用为我们提供了一个强大的工具，帮助我们更好地理解和分析经济现象，为经济学领域的研究和实践提供了重要的支持和帮助。
计量经济学eviews报告在经济学研究中，计量经济学是一个重要的分支领域，它利用数理统计和经济理论方法，对经济现象进行定量分析和预测。
而在进行计量经济学研究时，经济学家们通常会使用eviews软件来进行数据处理和分析。
本报告将对eviews软件在计量经济学研究中的应用进行介绍和分析。
首先，eviews软件作为一款专业的计量经济学软件，具有强大的数据处理和分析功能。
它可以对各种类型的经济数据进行处理，包括时间序列数据、截面数据和面板数据等。
同时，eviews还提供了丰富的统计分析工具，如回归分析、时间序列分析、方差分析等，可以帮助经济学家们快速准确地进行数据分析和模型建立。
其次，eviews软件在计量经济学研究中的应用非常广泛。
在实证研究中，经济学家们通常会使用eviews来进行数据的导入和清洗，然后进行相关的计量分析。
例如，他们可以利用eviews进行回归分析，来探讨不同经济变量之间的关系；也可以利用eviews进行时间序列分析，来预测未来的经济走势。
总之，eviews为经济学家们提供了一个强大的工具，帮助他们更好地进行计量经济学研究。
另外，eviews软件还具有友好的用户界面和丰富的图表展示功能，使得经济学家们可以直观地呈现研究结果。
他们可以通过eviews生成各种统计图表，如散点图、折线图、柱状图等，直观地展示数据之间的关系和变化趋势。
这些图表不仅可以帮助经济学家们更好地理解数据，还可以用于学术论文和研究报告的展示。
总之，eviews软件在计量经济学研究中发挥着重要的作用，它为经济学家们提供了强大的数据处理和分析工具，帮助他们更好地进行实证研究。
未来，随着计量经济学研究的深入发展，相信eviews软件将会继续发挥重要作用，为经济学研究提供更多的便利和支持。
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。
计量经济学eviews实验报告计量经济学Eviews实验报告引言：计量经济学是经济学中的一个重要分支，它通过运用统计学和数学方法来分析经济现象，并建立经济模型来预测和解释经济变量之间的关系。
Eviews是一种流行的计量经济学软件，它提供了丰富的数据分析和模型建立工具，被广泛应用于经济学研究和实证分析。
一、数据收集与处理在进行计量经济学实验之前，首先需要收集相关的经济数据。
这些数据可以来自于各种来源，如经济统计局、金融机构或者自行收集。
然后，我们需要对数据进行处理，包括数据清洗、转换和整理，以便于后续的分析和建模。
二、描述性统计分析描述性统计分析是计量经济学中的第一步，它通过计算数据的均值、方差、相关系数等统计量来描述数据的基本特征。
在Eviews中，我们可以使用各种命令和函数来进行描述性统计分析，比如mean、var、cor等。
通过描述性统计分析，我们可以对数据的分布和变化情况有一个初步的了解。
三、回归分析回归分析是计量经济学中最常用的方法之一，它用于研究一个或多个自变量对一个因变量的影响。
在Eviews中，我们可以使用OLS（Ordinary Least Squares）命令来进行回归分析。
首先，我们需要选择一个合适的回归模型，然后通过最小二乘法估计模型的参数。
通过回归分析，我们可以得到模型的拟合优度、参数估计值和统计显著性等信息，从而判断变量之间的关系和影响程度。
四、模型诊断与改进在进行回归分析之后，我们需要对模型进行诊断和改进。
模型诊断主要包括残差分析、异方差性检验和多重共线性检验等。
在Eviews中，我们可以使用DW （Durbin-Watson）统计量来检验残差的自相关性，使用Breusch-Godfrey检验来检验异方差性，使用VIF（Variance Inflation Factor）来检验多重共线性。
如果模型存在问题，我们可以通过引入其他变量、转换变量或者使用其他的回归方法来改进模型。
计量经济学论文(eviews分析)计量经济作业计量经济学论文(EViews分析)导言计量经济学是一门研究经济现象及其相互关系的学科，通过运用统计学方法和经济学理论，对经济数据进行分析和解释。
在本篇论文中，我们将运用EViews软件进行计量经济分析，以探讨某一经济问题的核心要素和关系。
第一部分：数据收集与描述性统计在这一部分中，我们将介绍数据的来源和收集方法，并进行描述性统计分析，以便了解数据的基本特征。
数据来源和收集方法我们收集了关于某国家的宏观经济数据，包括国内生产总值(GDP)、物价指数、失业率、人口数量等。
这些数据可以通过政府统计局、国际组织或经济学研究机构的报告来获取。
描述性统计分析在这一部分，我们将计算各个变量的平均值、标准差、最小值、最大值和偏度等统计指标，并绘制相应的直方图和散点图，以便对数据的分布和相关关系有更直观的了解。
第二部分：计量经济模型的建立与估计在这一部分中，我们将构建计量经济模型，并通过使用EViews软件进行参数估计，以分析各个变量之间的关系。
模型的建立根据我们对经济问题的研究目标和数据的特点，我们选择了某一计量经济模型，以解释变量Y与自变量X1、X2之间的关系。
在模型中，我们还考虑了可能的误差项。
参数估计使用EViews软件，我们可以通过最小二乘法对模型进行参数估计。
这将帮助我们确定各个变量的系数估计值，并评估其统计显著性。
模型诊断在参数估计后，我们将进行模型的诊断检验，以评估模型的拟合优度和误差项的符合性。
通过观察残差图和假设检验等方法，我们可以确定模型是否符合计量经济学的基本假设。
第三部分：计量经济模型的解释与预测在这一部分中，我们将解释计量经济模型的估计结果，并利用该模型进行未来情景的预测。
模型解释通过对模型中各个变量的系数估计进行解释，我们可以理解自变量与因变量之间的经济关系，并得出相应的经济学解释。
模型预测利用模型的参数估计结果和最新的经济数据，我们可以进行未来情景的预测。
计量经济学论文(eviews分析)计量经济作业计量经济学论文分析的重要性不言而喁。
在经济学领域中，计量经济学是一门研究经济现象的学科，通过数学模型和统计分析对经济数据进行量化分析，以揭示经济规律和探寻经济发展规律。
eviews是一个专门用于时间序列分析和计量经济学建模的软件工具，广泛应用于经济学研究和金融领域。
在进行计量经济学论文分析时，首先需要明确研究问题和假设，然后收集相关数据。
随后，利用eviews软件对数据进行清洗和整理，进行描述性统计分析，绘制图表，进行回归分析等。
通过计量经济学方法，可以验证假设、识别变量之间的关系、预测未来趋势等。
举例来说，假设我们要研究某国家的经济增长与通货膨胀之间的关系。
首先，我们收集相关数据，包括国内生产总值（GDP）、通货膨胀率等。
然后，利用eviews软件导入数据，进行描述性统计分析，观察数据的分布特征。
接下来，可以进行回归分析，建立经济增长与通货膨胀之间的模型，分析它们之间的关系及影响因素。
在计量经济学论文中，需要注重数据的准确性和分析的科学性。
同时，也需要注意论文的结构和组织，合理安排内容，确保表达清晰，逻辑严谨。
最后，对研究结果进行讨论和总结，提出建议和展望，为相关研究和政策制定提供参考。
综上所述，计量经济学论文分析是一项复杂而重要的研究工作，需要研究者具备扎实的理论基础和专业的技能。
利用eviews软件进行数据分析和建模，可以帮助研究者更好地理解经济现象、揭示规律、做出预测，为经济学研究和实践提供理论支持和决策依据。
愿更多的学者和研究人员投身于计量经济学领域，不断推动学科进步和实践应用，为经济发展和社会进步做出贡献。
计量经济学eviews实验报告精编版本次实验使用eviews软件对美国经济数据进行了分析，并得出了一些有意义的结果。
1. 数据描述本次实验使用的数据为美国1980年至2019年的季度数据，共157个观测值，包括GDP、消费支出、投资支出等各项经济指标。
其中，GDP为本次实验的因变量。
2. 模型构建首先进行ADF单位根检验，结果表明GDP序列是平稳的。
接下来采用OLS回归模型，将GDP作为因变量，其他各项经济指标作为自变量进行拟合。
经过模型诊断，发现模型的残差序列是平稳的，符合模型假设条件。
拟合结果如下所示：$$GDP_t=0.231+ 0.719CON_t+0.182INV_t+0.056NX_t$$其中，$CON_t$代表消费支出，$INV_t$代表投资支出，$NX_t$代表净出口额。
3. 模型分析经过t检验和F检验，发现所有自变量的系数均显著不为0，说明消费支出、投资支出和净出口额都对GDP有显著的影响。
同时，模型的拟合结果$R^2$值为0.976，说明该模型的拟合效果很好。
从系数估计结果可以看出，消费支出对GDP的影响最大，其次是投资支出，净出口额的影响较小。
这与我们平常的经验也是相符的，因为消费支出是经济活动中最重要的部分，对GDP的拉动作用最大。
为了更直观地观察各项经济指标对GDP的影响，我们计算了它们的弹性系数，如下表所示：| 变量 | 系数 | 弹性系数 || ---- | ---- | -------- || CON | 0.719 | 0.871 || INV | 0.182 | 0.220 || NX | 0.056 | 0.068 |通过计算得出，每当消费支出增加1%，GDP就会增加0.871%。
而投资支出和净出口额的影响要小得多，每当它们增加1%，GDP仅会分别增加0.220%和0.068%。
4. 模型预测通过上述模型，我们可以预测未来几年的GDP走势。
假设未来两年的消费支出、投资支出和净出口额与历史数据相同，根据模型可以得出未来两年的GDP预测值如下所示：结合实际情况，我们可以根据预测结果进一步进行经济政策调整，达到更好的经济效益。
实验一计量经济学软件EViews一、计量经济学软件EViews的使用实验目的：熟悉EViews软件的基本使用功能。
实验要求：快速熟悉描述统计和线性回归分析。
实验原理：软件使用。
实验数据：1978-2005年广东省消费和国内生产总值统计数据。
实验步骤：（一）启动EViews软件进入Windows以后，双击桌面EViews6图标启动EViews，进入EViews窗口。
EViews的四种工作方式：（1）鼠标图形导向方式；（2）简单命令方式；（3）命令参数方式（1与2相结合）；（4）程序（采用EViews命令编制程序）运行方式。
（二）创建工作文件假定我们要研究广东省消费水平与国内生产总值（支出法）之间的关系，收集了1978—2005年28年的样本资料（表1-1），消费额记作XF（亿元），国内生产总值记作GDP（亿元）。
根据资料建立消费函数。
进入EViews后的第一件工作，通常应由创建工作文件开始。
只有建立（新建或调入原有）工作文件，EViews才允许用户输入，开始进行数据处理。
建立工作文件的方法是点击File/New/Workfile。
选择新建对象的类型为工作文件。
选择数据类型和起止日期，并在对话框中提供必要的信息：适当的时间频率（年、季度、月度、周、日）；最早日期和最晚日期。
开始日期是项目中计划的最早的日期；结束日期是项目计划的最晚日期，以后还可以对这些设置进行修改。
非时间序列提供最大观察个数。
建立工作文件对话框如图1-2所示，按OK确认，得新建工作文件窗口（图1-3）。
表1-1图1-2工作文件窗口是EViews的子窗口。
它也有标题栏、控制栏、控制按钮。
标题栏指明窗口的类型是Workfile、工作文件名和存储路径。
标题栏下是工作文件窗口的工具条。
工具条上是一些按钮。
图1-3View —观察按钮；Proc —过程按钮；Save —保存工作文件；Show —显示序列数据；Fetch —读取序列；Store —存储序列；Delete —删除对象；Genr —生成新的序列；Sample —设置观察值的样本区间。
时间地点实验题目简单线性回归模型分析一、实验目的与要求：目的：影响财政收入的因素可能有很多，比如国内生产总值，经济增长，零售物价指数，居民收入，消费等。
为研究国内生产总值对财政收入是否有影响，二者有何关系。
要求：为研究国内生产总值变动与财政收入关系，需要做具体分析。
二、实验内容根据1978－1997年中国国内生产总值X和财政收入Y数据，运用EV软件，做简单线性回归分析，包括模型设定，估计参数，模型检验，模型应用，得出回归结果。
三、实验过程：（实践过程、实践所有参数与指标、理论依据说明等）简单线性回归分析，包括模型设定，估计参数，模型检验，模型应用。
（一）模型设定为研究中国国内生产总值对财政收入是否有影响，根据1978－1997年中国国内生产总值X 和财政收入Y，如图1：1978－1997年中国国内生产总值和财政收入（单位：亿元）根据以上数据，作财政收入Y 和国内生产总值X 的散点图，如图2：从散点图可以看出，财政收入Y 和国内生产总值X 大体呈现为线性关系，所以建立的计量经济模型为以下线性模型：01i i i Y X u ββ=++（二）估计参数1、双击“Eviews ”，进入主页。
输入数据：点击主菜单中的File/Open /EV Workfile —Excel —GDP.xls;2、在EV 主页界面点击“Quick ”菜单，点击“Estimate Equation ”,出现“Equation Specification ”对话框，选择OLS 估计，输入“y c x ”,点击“OK ”。
即出现回归结果图3：图3. 回归结果Dependent Variable: Y Method: Least Squares Date: 10/10/10 Time: 02:02 Sample: 1978 1997 Included observations: 20Variable Coefficient Std. Error t-Statistic Prob. C 857.8375 67.12578 12.77955 0.0000 X0.1000360.00217246.049100.0000R-squared 0.991583 Mean dependent var 3081.158 Adjusted R-squared 0.991115 S.D. dependent var 2212.591 S.E. of regression 208.5553 Akaike info criterion 13.61293 Sum squared resid 782915.7 Schwarz criterion 13.71250 Log likelihood -134.1293 F-statistic 2120.520 Durbin-Watson stat0.864032 Prob(F-statistic)0.000000参数估计结果为：i Y = 857.8375 + 0.100036i X（67.12578） （0.002172）t =（12.77955） （46.04910）2r =0.991583 F=2120.520 S.E.=208.5553 DW=0.8640323、在“Equation ”框中，点击“Resids ”,出现回归结果的图形（图4）:剩余值（Residual ）、实际值（Actual ）、拟合值（Fitted ）.（三）模型检验1、 经济意义检验回归模型为：Y = 857.8375 + 0.100036*X （其中Y 为财政收入，i X 为国内生产总值；）所估计的参数2ˆ =0.100036，说明国内生产总值每增加1亿元，财政收入平均增加0.100036亿元。
eviews计量经济学实验报告EViews计量经济学实验报告引言：计量经济学是经济学的一个重要分支，它运用数学和统计学方法对经济现象进行定量分析和预测。
EViews是一种强大的计量经济学软件，它提供了丰富的数据处理、统计分析和模型建立功能，被广泛应用于学术研究和实际经济分析中。
本实验报告旨在通过使用EViews软件，对某一经济现象进行实证研究，从而展示EViews在计量经济学中的应用和价值。
数据收集与预处理：本实验选择了中国GDP和CPI数据作为研究对象，数据来源于国家统计局。
首先，我们从国家统计局的官方网站上下载了相应的数据集，并导入到EViews中。
然后，我们对数据进行了初步的预处理，包括缺失值处理、异常值处理和数据平滑等。
通过这些步骤，我们得到了一份完整、可靠的数据集，为后续的分析和建模打下了基础。
描述性统计与数据可视化：在进行进一步的分析之前，我们首先对数据进行了描述性统计和数据可视化。
通过EViews的统计功能，我们计算了GDP和CPI的均值、标准差、最大值和最小值等统计指标，以及相关系数和协方差等相关指标。
同时，我们还使用EViews的绘图功能，绘制了GDP和CPI的时间序列图、散点图和直方图等。
这些统计和图表可以直观地展示数据的分布和变化趋势，为后续的模型分析提供参考。
时间序列分析：在进行时间序列分析时，我们首先对GDP和CPI数据进行平稳性检验。
通过EViews的单位根检验和ADF检验，我们发现GDP和CPI序列都是非平稳的，即存在单位根。
为了消除非平稳性，我们对数据进行了差分处理。
通过一阶差分，我们得到了平稳的GDP和CPI序列。
接下来，我们对平稳序列进行了自相关和偏自相关分析，以确定合适的ARIMA模型。
通过EViews的自相关函数和偏自相关函数图，我们发现GDP序列可以拟合为ARIMA(1,1,0)模型，而CPI序列可以拟合为ARIMA(0,1,1)模型。
回归分析与模型评估：在进行回归分析时，我们选择了GDP作为因变量，CPI作为自变量，建立了线性回归模型。
计量经济学论文e v i e w s 分析计量经济作业The document was prepared on January 2, 2021我国旅游收入的计量分析一、经济理论陈述在研读了大量统计和计量资料的基础上,选择了三个大方面进行研究,既包括旅游人数,人均旅游花费和基本交通建设.其中,在旅游人数这个解释变量的划分上,我们考虑到随着全球经济一体化的发展,越来越多的外国游客来中国旅游消费.中国旅游的国际市场是个有发展潜力的新兴市场,尽管外国游客前来旅游的方式包罗万象而且消费能力也不尽相同,但从国际服务贸易的角度出发,我们在做变量选择时,运用国际营销的知识进行市场细分,划分了国际和国内两个市场.这样,在旅游人数这个解释变量的最终确定上,我们选择了2X国内旅游人数,3X入境旅游人数.这点选择除了理论支持外,在现实旅游业发展中我们也看到很多景区包括成都的近郊也有不少外国游客的身影.所以,我们选取这两个解释变量等待下一步进行模型设计和检验.另外,对于人均旅游花费,我们在进行市场细分时,没有延续前两个变量的选择模式,有几个原因.首先,外国游客前来旅游的形式和消费方式各异且很难统计.我们在花大力气收集数据后,仍然没有比较权威的统计数据资料.其次,随着国家对农业的不断重视和扶持,我国农业有了长足发展.农村居民纯收入增加,用于旅游的花费也有所上升.而且鉴于农村人口较多,前面的市场细分也不够细化,在这个解释变量的确定上,我们选择农村人均旅游花费,既是从我国基本国情出发,也是对第一步研究分析的补充.所以我们确定了4X城镇居民人均旅游花费和5X农村居民人均旅游花费.旅游发展除了对消费者市场的划分研究,还应考虑到该产业的基础硬件设施.在众多可选择对象中我们经分析研究结合大量文献资料决定从交通建设着手.在我国,交通一般分布为公路,铁路,航班,航船等.由于考虑到我国一般大众的旅游交通方式集中在公路和铁路上,为了避免解释变量的过多过繁以及可能带来的多重共线形等问题,我们只选取了前二者.即确定了6X公路长度和7X铁路长度这两个解释变量.其中,考虑到我国旅游业不断发展过程中,高速公路的修建也不断增多,在6X的确定过程中,我们已经将其拟合,尽量保证解释变量的完整和真实.二、相关数据三、计量经济模型的建立Ｙ＝ｃ１＋ｃ２Ｘ２＋ｃ３Ｘ３＋ｃ４Ｘ４＋ｃ５Ｘ５＋ｃ６Ｘ６＋Ｕ我们建立了下述的一般模型：其中Ｙ——1994-2003年各年全国旅游收入Ｃ１——待定参数X——国内旅游人数万人2X——入境旅游人数万人3X——城镇居民人均旅游花费元4X——农村居民人均旅游花费元5X——公路长度含高速万公里6X——铁路长度万公里7Ｕ——随即扰动项四、模型的求解和检验利用Eviews软件,采用以上数据对该模型进行OLS回归,结果如下：Dependent Variable: YMethod: Least SquaresDate: 12/23/10 Time: 01:56Sample: 1994 2003Included observations: 10Variable Coefficient Std. Error t-Statistic Prob.CX2X3X4X5X6X7R-squared Mean dependent varAdjusted R-squared . dependent var. of regression Akaike info criterionSum squared resid Schwarz criterionLog likelihood F-statisticDurbin-Watson stat ProbF-statistic由此可见,该模型可决系数很高,F检验显着,但是2X、6X、7X的系数t检验不显着,且7X的系数符号不符合经济意义,说明存在严重的多重共线性.所以进行以下修正：〈一〉．计量方法检验及修正多重共线性的检验：首先对Y进行各个解释变量的逐步回归, 由最小二乘法,结合经济意义和统计检验得出拟合效果最好的两个解释变量如下：Dependent Variable: YMethod: Least SquaresDate: 12/23/10 Time: 02:00Sample: 1994 2003Included observations: 10Variable Coefficient Std. Error t-Statistic Prob.CX4X5R-squared Mean dependent varAdjusted R-squared . dependent var. of regression Akaike info criterionSum squared resid Schwarz criterionLog likelihood F-statisticDurbin-Watson stat ProbF-statistic继续采用逐步回归法将其余解释变量代入,得出拟合效果最好的三个解释变量,结果如下：Dependent Variable: YMethod: Least SquaresDate: 12/23/10 Time: 02:01Sample: 1994 2003Included observations: 10Variable Coefficient Std. Error t-Statistic Prob.CX2X4X5R-squared Mean dependent varAdjusted R-squared . dependent var. of regression Akaike info criterionSum squared resid Schwarz criterionLog likelihood F-statisticDurbin-Watson stat ProbF-statistic以上模型估计效果最好,继续逐步回归得到以下结果：Dependent Variable: YMethod: Least SquaresDate: 12/23/10 Time: 02:40Sample: 1994 2003Included observations: 10Variable Coefficient Std. Error t-Statistic Prob.CX2X3X4X5R-squared Mean dependent varAdjusted R-squared . dependent var. of regression Akaike info criterionSum squared resid Schwarz criterionLog likelihood F-statisticDurbin-Watson stat ProbF-statistic各项拟合效果都较好.虽然2X的t检验不是很显着,但考虑到其经济意义在模型中的重要地位,暂时保留.继续引入6X.Dependent Variable: YMethod: Least SquaresDate: 12/23/10 Time: 02:41Sample: 1994 2003Included observations: 10Variable Coefficient Std. Error t-Statistic Prob.CX2X3X4X5X6R-squared Mean dependent varAdjusted R-squared . dependent var. of regression Akaike info criterionSum squared resid Schwarz criterionLog likelihood F-statisticDurbin-Watson stat ProbF-statistic根据以上回归结果可得,6X的引入使得模型中2X、6X的t检验均不显着,再考察二者的相关系数为,说明2X、6X高度相关,模型产生了多重共线性,因此将6X去掉.再将7X代入检验.Dependent Variable: YMethod: Least SquaresDate: 12/23/10 Time: 02:42Sample: 1994 2003Included observations: 10Variable Coefficient Std. Error t-Statistic Prob.CX2X3X4X5X7R-squared Mean dependent varAdjusted R-squared . dependent var. of regression Akaike info criterionSum squared resid Schwarz criterionLog likelihood F-statisticDurbin-Watson stat ProbF-statisticX的系数为负,与经济意义相悖,因此也去掉.由此确定带入模型的解7释变量为2X、3X、4X、5X.异方差性的检验：再对模型的异方差性进行检验：鉴于我们的样本资料是时间序列数据,选用ARCH检验.ARCH Test:F-statistic ProbabilityObsR-squared ProbabilityTest Equation:Dependent Variable: RESID^2Method: Least SquaresDate: 12/23/10 Time: 02:43Sample adjusted: 1995 2003Included observations: 9 after adjustmentsVariable Coefficient Std. Error t-Statistic Prob.CRESID^2-1R-squared Mean dependent varAdjusted R-squared . dependent var. of regression Akaike info criterionSum squared resid +08 Schwarz criterionLog likelihood F-statisticDurbin-Watson stat ProbF-statistic这里ObsR-squared为,P=>所以接受0H,表明模型中随机误差项不存在异方差.再考虑P=3的情况：ARCH Test:F-statistic ProbabilityObsR-squared ProbabilityTest Equation:Dependent Variable: RESID^2Method: Least SquaresDate: 12/23/10 Time: 02:46Sample adjusted: 1997 2003Included observations: 7 after adjustmentsVariable Coefficient Std. Error t-Statistic Prob.CRESID^2-1RESID^2-2RESID^2-3R-squared Mean dependent varAdjusted R-squared . dependent var. of regression Akaike info criterionSum squared resid +08 Schwarz criterionLog likelihood F-statisticDurbin-Watson stat ProbF-statistic这里ObsR-squared为,P=>.所以仍然接受0H,表明模型中随机误差项不存在异方差.自相关性的检验：随机扰动项可能存在一阶负自相关.借助残差项和其一阶滞后项的二维坐标图进一步分析：由图示可看出,残差项和其一阶滞后项显然存在负自相关,然后利用对数线形回归修正自相关性,得到相应结果如下：Dependent Variable: LOGYMethod: Least SquaresDate: 12/23/10 Time: 02:52Sample: 1994 2003Included observations: 10Variable Coefficient Std. Error t-Statistic Prob.CLOGX2LOGX3LOGX4LOGX5R-squared Mean dependent varAdjusted R-squared . dependent var. of regression Akaike info criterionSum squared resid Schwarz criterionLog likelihood F-statisticDurbin-Watson stat ProbF-statistic从估计的结果看,DW=,说明修正后有了明显好转,随机扰动项几乎不存在一阶自相关.我们进行了一系列检验和修正后的最终结果如下：2R= 2R= F=五、经济意义解释C3和C3分别衡量我国旅游收入国内和入境旅游人数的弹性,也就是表示当旅游人数每变动百分之一时,平均来说,旅游收入变动的百分比.这里要特别注意,例如1998年国内旅游人数为69450万人,入境旅游人数为万人,则国内旅游人数每增加1%,即增加万人,国内旅游收入增加%,而入境旅游人数每增加1%,即增加万人,国内旅游收入增加%.C4和C5分别衡量我国旅游收入我国城镇居民和农村居民人均旅游花费的弹性,也就表示当人均花费每变动百分之一时,平均来说,旅游收入变动的百分比.城镇居民人均旅游花费每增加1%,国内旅游收入增加%；农村居民人均旅游花费每增加1%,国内旅游收入增加 %.六、政策建议为了促进我国旅游事业的快速发展,我们提出了以下几点建议：1、实施政府主导型旅游发展战略政府主导型旅游发展战略是按照旅游业自身的特点,在以市场为主,合理配置资源的基础上,充分发挥政府的主导作用,促进旅游业更快发展.1建设和完善旅游法制体系,力争旅游法的尽早出台.2提高旅游管理部门的地位,或组织高层次的协调机制,以适应旅游产业大规模和大发展的前景.3中央政府的主导需要相应的资金基础.从1992年起,财政部建立了旅游发展基金,其来源是在出境机场费中加收20元人民币,对旅游业的发展起到了积极的作用.考虑到旅游大发展的需要,多渠道,多形式开辟政府基金来源是必要的.4加大促销投入.长期以来我国促销经费严重缺乏.中央一年所能提供的促销经费不足500万美元,这大大限制了我国对国际旅游市场大面积,深层次的开发,难以产生影响客源流向的招徕效果.从国际上看,为了使自己处在有利的市场竞争地位,每个国家每年都投入相当数量的旅游经费,用于开展旅游对外促销活动.按照世界一般规律,吸引一个国际旅游者平均需要3—5美元的促销经费,而我国尚不足美元,这种状态,显然无法适应国际旅游市场竞争的需要. 因此,在政府主导型战略的实施中加大促销投入是一项重要的工作.2、旅游市场创新旅游经济是特色经济,而特色就需要充分地发扬创新意识,做到人无我有,人有我精,人精我专. 对于旅游市场的开拓,各地旅游开发和建设模式大同小异,无论是山水风景区,历史文化名城,滨海沙滩度假地,还是温泉休养区,大都只是大众旅游市场的共同特征,因此,重复建设的模式正成为旅游开拓市场的通病.随着现代旅游者需求日益成熟,伴随着主题公园等人造景区大规模发展之势,生态旅游由于世界各国重视人和自然共生共存共荣环保概念的强化,以可持续发展为方向的生态旅游正在世界各地呈方兴未艾之势.区域旅游的发展开始以若干不同旅游项目满足相应不同分众市场的开发模式以获得综合整体效益,形成规模经济的发展趋势.3、不同产业匹配发展产业之间相互联系,旅游业的存在不是独立的,在促进旅游业的同时也要加大工业和农业的发展.如我国农业人口占据很大比例,而国内旅游收入的主要来源集中在为数不多的城镇居民上,农村市场还存在很大的空白.可以说,我国的国内旅游市场还没有开发完全,农村市场非常广阔,具有很大潜力,所以发展农业,必然会极大促进我国的旅游事业.。
计量经济学经典eviews数据操作§5.1使用表达式一、表达式的使用Eviews提供了广泛的运算符集和庞大的内建函数库.Eviews不仅提供了标准的数学运算和统计运算,她也提供了很多能够自动处理时间序列中的先行、滞后、差分等操作的特殊函数。
二、运算符Eviews中包含的基本算术运算符分别是 +、-、*、/、^(幂),运算的数可以写为整数形式、十进制形式和科学计数法的形式。
另外 +、-还可以作为符号运算符来使用。
三、序列表达式Eviews的表达式还可以对样本序列的观测值进行操作。
四、序列函数Eviews提供的函数能够对当前样本的序列元素进行运算，Eviews中大多数函数前都有一个 @符号。
五、序列元素使用序列中的一个实际观测值。
Eviews提供的@elem函数可实现次操作，@elem有两个参数,第一个参数是序列名,第二个参数是数据或观测值的标识符。
六、逻辑表达式逻辑表达式使用来计算真假值的.逻辑表达式能作为数学表达式的一部分、样本描述的一部分或在程序中作为if判断的一部分。
注意：Eviews用1表示真，用0表示假。
七、先行指标、滞后指标和差分处理序列中的先行、滞后指标只要在序列名后加一对小括号，括号中写上先行滞后的数字即可。
滞后的数字用负号表示，先行的用正数表示。
括号中的数也可以不是整数，这时系统会自动把它转换成整数。
如果转换不了系统会警告你。
Eviews也有几个函数可以处理差分或先取对数后作差分。
D函数和DLOG 函数就可以实现此功能。
八、缺失数据在处理数据时可能会遇到一些没有值或某一时段观测值没有用,或者进行了一些非法计算，Eviews使用空值NA表示这些情况。
在=或<>的逻辑运算中使用NA值，则NA值就象其他类型的值一样使用，如果在>、>=、<、<=、<>运算中使用NA值，则会返回NA值，而与序列的观测值无关。
如果逻辑表达式得出的空值使用在数学运算中，这时NA值当作缺失值来考虑，也会得到空值。
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。
解：一、估计一元线性回归模型Y i=0β^+1β^GDP t+e t由经济理论知，储蓄存款总额受GDP影响，当GDP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Y的样本数据，作X与Y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Y与GDP之间的一员线性回归模型。
Y i=β0+β1X1i+u i由表1-1中样本观测数据，样本回归模型为Y i=0β^+1β^GDP t+ℯt用Eviews软件估计结果：Dependent Variable: YMethod: Least SquaresDate: 12/14/14 Time: 10:41Sample: 1978 2012Included observations: 35Coefficient Std. Error t-Statistic Prob.C -7304.294 1561.216 -4.678592 0.0000GDP 0.762529 0.008698 87.66252 0.0000R-squared 0.995724 Mean dependent var 78882.56Adjusted R-squared 0.995595 S.D. dependent var 108096.8 S.E. of regression 7174.769 Akaike info criterion 20.64997 Sum squared resid 1.70E+09 Schwarz criterion 20.73885 Log likelihood -359.3745 Hannan-Quinn criter. 20.68065 F-statistic 7684.717 Durbin-Watson stat 1.224720Prob(F-statistic)0.000000即样本回归方程为：tY ^=−7304.294+0.762529gdp-4.678592 87.66252 r 2=0.995724二、对估计结果做结构分析 （1）对回归方程的结构分析1β^=0.762529是样本回归方程的斜率，他表示GDP 的边际 增长率，说明GDP 每增加1元，将有0.762529用于储蓄；0β^=-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。
0β^和1β^的符号和大小，均符合经济理论及目前国家的实际情况。
（2）统计检验r 2=0.995724，说明总离差平方和的99.6%被样本回归直线解释，仅有0.4%未被解释，因此，样本回归直线对样本点的拟合优度是很高的。
给出显著性水平α=0.05，查自由度v=35-2=33的t 分布表，得临界值t 0.052(33)=2.03，|t 0|=4.678592＞2.03，故回归系数均显著不为零，回归模型中应摆放常数项，GDP 对Y 有显著影响。
从以上的评价可以看出，此模型是比较好的。
三、假设gdp 2013=568845.0，对2013年国民储蓄总额进行预测给出gdp 2013=568845.0，可以得到Y f2013=568845图1-2四、对异方差进行检验用怀特检验法进行异方差检验：Heteroskedasticity Test: WhiteF-statistic 0.081308 Prob. F(3,28) 0.9696 Obs*R-squared 0.276363 Prob. Chi-Square(3) 0.9644 Scaled explained SS 0.882741 Prob. Chi-Square(3) 0.8296Test Equation:Dependent Variable: RESID^2Method: Least SquaresDate: 12/14/14 Time: 14:54Sample: 1981 2012Included observations: 32Coefficient Std. Error t-Statistic Prob.C 38523385 20655638 1.865030 0.0727E(-1)^2 -0.042001 0.172609 -0.243333 0.8095 E(-1)*E(-2) -0.409631 0.859096 -0.476816 0.6372E(-2)^2 0.094082 0.282003 0.333620 0.7412R-squared 0.008636 Mean dependent var 36993700 Adjusted R-squared -0.097581 S.D. dependent var 1.01E+08 S.E. of regression 1.06E+08 Akaike info criterion 39.91526 Sum squared resid 3.16E+17 Schwarz criterion 40.09848 Log likelihood -634.6442 Hannan-Quinn criter. 39.97599 F-statistic 0.081308 Durbin-Watson stat 1.876393 Prob(F-statistic) 0.969643提出假设：H0：αi=0， i=1,2H1：α1，α2中至少有一个不等于零Heteroskedasticity Test: WhiteF-statistic 0.081308 Prob. F(3,28) 0.9696 Obs*R-squared 0.276363 Prob. Chi-Square(3) 0.9644 Scaled explained SS 0.882741 Prob. Chi-Square(3) 0.8296Test Equation:Dependent Variable: RESID^2Method: Least SquaresDate: 12/14/14 Time: 14:54Sample: 1981 2012Included observations: 32Coefficient Std. Error t-Statistic Prob.C 38523385 20655638 1.865030 0.0727E(-1)^2 -0.042001 0.172609 -0.243333 0.8095E(-1)*E(-2) -0.409631 0.859096 -0.476816 0.6372E(-2)^2 0.094082 0.282003 0.333620 0.7412R-squared 0.008636 Mean dependent var 36993700Adjusted R-squared -0.097581 S.D. dependent var 1.01E+08S.E. of regression 1.06E+08 Akaike info criterion 39.91526Sum squared resid 3.16E+17 Schwarz criterion 40.09848Log likelihood -634.6442 Hannan-Quinn criter. 39.97599F-statistic 0.081308 Durbin-Watson stat 1.876393Prob(F-statistic) 0.969643WT（g）=T R2=0.276363当H0成立时服从自由度为g的χ2分布，其中g=（k+1）（k+2）-1=22给定显著性水平α，查临界值χα2(g)=5.991WT（g）＜χα2(g)则H0成立，那么原模型不存在不存在异方差。
五、自相关检验检验误差项u t是否存在自相关：已知DW=1.224720，若给定α=0.05，查表，D L==1.40，D u=1.52。
因为DW=1.22＜1.40，依据判别规则，认为误差项u t存在严重的正自相关。
残差序列见图1-3。
图1-3e t=1.187e t−1-0.479e t−2+v tDependent Variable: EMethod: Least SquaresDate: 12/14/14 Time: 14:46Sample (adjusted): 1981 2012Included observations: 32 after adjustmentsCoefficient Std. Error t-Statistic Prob.E(-1) 0.187118 0.182095 1.027581 0.3124E(-2) -0.479147 0.188696 -2.539257 0.0165R-squared 0.181787 Mean dependent var -181.2631 Adjusted R-squared 0.154513 S.D. dependent var 6831.637 S.E. of regression 6281.715 Akaike info criterion 20.38914 Sum squared resid 1.18E+09 Schwarz criterion 20.48074 Log likelihood -324.2262 Hannan-Quinn criter. 20.41950 Durbin-Watson stat 1.385678一阶广义差分：Dependent Variable: GDYMethod: Least SquaresDate: 12/15/14 Time: 22:03Sample (adjusted): 1979 2012Included observations: 34 after adjustmentsCoefficient Std. Error t-Statistic Prob.C -4804.899 1508.843 -3.184493 0.0032GDGDP 0.767232 0.012561 61.07998 0.0000R-squared 0.991496 Mean dependent var 54110.50 Adjusted R-squared 0.991230 S.D. dependent var 72242.89 S.E. of regression 6765.480 Akaike info criterion 20.53408 Sum squared resid 1.46E+09 Schwarz criterion 20.62386 Log likelihood -347.0793 Hannan-Quinn criter. 20.56470 F-statistic 3730.764 Durbin-Watson stat 1.690568 Prob(F-statistic) 0.000000二阶广义差分：e=residls e e(-1) e(-2)Dependent Variable: EMethod: Least SquaresDate: 12/15/14 Time: 22:13Sample (adjusted): 1981 2012Included observations: 32 after adjustmentsCoefficient Std. Error t-Statistic Prob.E(-1) 0.187118 0.182095 1.027581 0.3124E(-2) -0.479147 0.188696 -2.539257 0.0165R-squared 0.181787 Mean dependent var -181.2631 Adjusted R-squared 0.154513 S.D. dependent var 6831.637 S.E. of regression 6281.715 Akaike info criterion 20.38914 Sum squared resid 1.18E+09 Schwarz criterion 20.48074 Log likelihood -324.2262 Hannan-Quinn criter. 20.41950 Durbin-Watson stat 1.385678Dependent Variable: GDYMethod: Least SquaresDate: 12/15/14 Time: 22:23Sample (adjusted): 1980 2012Included observations: 33 after adjustmentsCoefficient Std. Error t-Statistic Prob.C -9855.152 1630.151 -6.045546 0.0000GDGDP 0.763513 0.007365 103.6741 0.0000R-squared 0.997124 Mean dependent var 99555.96 Adjusted R-squared 0.997031 S.D. dependent var 130994.4 S.E. of regression 7137.270 Akaike info criterion 20.64274 Sum squared resid 1.58E+09 Schwarz criterion 20.73344 Log likelihood -338.6052 Hannan-Quinn criter. 20.67326 F-statistic 10748.31 Durbin-Watson stat 0.915423 Prob(F-statistic) 0.000000六、多重共线性由于只有一个解释变量，所以不存在解释变量之间的共线性。
