当前位置：文档之家 › EViews计量经济学实验报告-多重共线性的诊断与修正

EViews计量经济学实验报告-多重共线性的诊断与修正

  • 格式：pdf
  • 大小：762.81 KB
  • 文档页数：11

时间 地点

实验题目 多重共线性的诊断与修正

一、实验目的与要求：

要求目的：1、对多元线性回归模型的多重共线性的诊断； 2、对多元线性回归模型的多重共线性的修正。

二、实验内容

根据书上第四章引子“农业的发展反而会减少财政收入”，1978－2007年的财政收入，农业增加值，工业增加值，建筑

业增加值等数据，运用EV软件，做回归分析，判断是否存在多重共线性，以及修正。

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）

（一）模型设定及其估计

经分析，影响财政收入的主要因素，除了农业增加值，工业增加值，建筑业增加值以外，还可能与总人口等因素有关。

研究“农业的发展反而会减少财政收入”这个问题。

设定如下形式的计量经济模型：iY=1+22X+33X+44X+55X+66X+77X+i

其中，iY为财政收入CS/亿元；2X为农业增加值NZ/亿元；3X为工业增加值GZ/亿元；4X为建筑业增加值JZZ/亿元；

5X为总人口TPOP/万人；6X为最终消费CUM/亿元；7X为受灾面积SZM/千公顷。

图1： 1978～2007年财政收入及其影响因素数据

年份 财政收入

CS/亿元 农业增

加值

NZ/亿元 工业增加

值GZ/亿

元 建筑业

增加值

JZZ/亿元 总人口

TPOP/万

人 最终消费

CUM/亿元 受灾面

积SZM/

千公顷

1978 1132.3 1027.5 1607 138.2 96259 2239.1 50790

1979 1146.4 1270.2 1769.7 143.8 97542 2633.7 39370

1980 1159.9 1371.6 1996.5 195.5 98705 3007.9 44526

1981 1175.8 1559.5 2048.4 207.1 100072 3361.5 39790 1982 1212.3 1777.4 2162.3 220.7 101654 3714.8 33130

1983 1367 1978.4 2375.6 270.6 103008 4126.4 34710

1984 1642.9 2316.1 2789 316.7 104357 4846.3 31890

1985 2004.8 2564.4 3448.7 417.9 105851 5986.3 44365

1986 2122 2788.7 3967 525.7 107507 6821.8 47140 1987 2199.4 3233 4585.8 665.8 109300 7804.6 42090

1988 2357.2 3865.4 5777.2 810 111026 9839.5 50870

1989 2664.9 4265.9 6484 794 112704 11164.2 46991

1990 2937.1 5062 6858 859.4 114333 12090.5 38474

1991 3149.48 5342.2 8087.1 1015.1 115823 14091.9 55472 1992 3483.37 5866.6 10284.5 1415 117171 17203.3 51333

1993 4348.95 6963.8 14188 2266.5 118517 21899.9 48829

1994 5218.1 9572.7 19480.7 2964.7 119850 29242.2 55043 1995 6242.2 12135.8 24950.6 3728.8 121121 36748.2 45821 1996 7407.99 14015.4 29447.6 4387.4 122389 43919.5 46989

1997 8651.14 14441.9 32921.4 4621.6 123626 48140.6 53429

1998 9875.95 14817.6 34018.4 4985.8 124761 51588.2 50145

1999 11444.08 14770 35861.5 5172.1 125786 55636.9 49981

2000 13395.23 14944.7 40036 5522.3 126743 61516 54688 2001 16386.04 15781.3 43580.6 5931.7 127627 66878.3 52215

2002 18903.64 16537 47431.3 6465.5 128453 71691.2 47119

2003 21715.25 17381.7 54945.5 7490.8 129227 77449.5 54506

2004 26396.47 21412.7 65210 8694.3 129988 87032.9 37106

2005 31649.29 22420 76912.9 10133.8 130756 96918.1 38818 2006 38760.2 24040 91310.9 11851.1 131448 110595.3 41091

2007 51321.78 28095 107367.2 14014.1 132129 128444.6 48992

利用EV软件，生成iY、2X、3X、4X、5X、6X、7X等数据，采用这些数据对模型进行OLS回归。

（二）诊断多重共线性

1、双击“Eviews”，进入主页。输入数据：点击主菜单中的File/Open /EV Workfile—Excel—多重共线性的数据.xls ；

2、在EV主页界面的窗口，输入“ls y c x2 x3 x4 x5 x6 x7”，按“Enter”.出现OLS回归结果,图2：

图2： OLS 回归结果 Dependent Variable: Y

Method: Least Squares

Date: 10/12/10 Time: 17:07

Sample: 1978 2007

Included observations: 30 Variable Coefficient Std. Error t-Statistic Prob. C -6646.694 6454.156 -1.029832 0.3138

X2 -0.970688 0.330409 -2.937841 0.0074

X3 1.084654 0.228521 4.746397 0.0001

X4 -2.763928 2.076994 -1.330735 0.1963 X5 0.077613 0.067974 1.141808 0.2653

X6 -0.047119 0.081509 -0.578084 0.5688

X7 0.007580 0.035039 0.216329 0.8306 R-squared 0.994565 Mean dependent var 10049.04

Adjusted R-squared 0.993147 S.D. dependent var 12585.51 S.E. of regression 1041.849 Akaike info criterion 16.93634

Sum squared resid 24965329 Schwarz criterion 17.26329

Log likelihood -247.0452 F-statistic 701.4747

Durbin-Watson stat 2.167410 Prob(F-statistic) 0.000000 由此可见，该模型的可决系数为0.995，修正的可决系数为0.993，模型拟和很好，F统计量为701.47，模型拟和很好，

回归方程整体上显著。

但是当=0.05时，)(2/knt=)23(025.0t=2.069，不仅X4、X5、X6、X7的系数t检验不显著，而且X2、X4、X6系

数的符号与预期相反，这表明很可能存在严重的多重共线性。（即除了农业增加值2X、工业增加值3X外，其他因素对

财政收入的影响都不显著，且农业增加值2X、建筑业增加值4X、最终消费6X的回归系数还是负数，这说明很可能

存在严重的多重共线性。） 3、计算各解释变量的相关系数：

在Workfile窗口，选择X2、X3、X4、X5、X6、X7数据，点击“Quick”—Group Statistics—Correlations—OK,出

现相关系数矩阵，如图3：

图3： 相关系数矩阵

X2 X3 X4 X5 X6 X7

X2 1 0.9729806145

6147 0.9826606234

99789 0.9279784294

06745 0.9889626197

24667 0.2261999658

72465

X3 0.9729806145

6147 1 0.9985218083

93188 0.8439002065

68758 0.9926412367

11784 0.1294437103

36215

X4 0.982660623499789 0.998521808393188 1 0.864152135928051 0.996056843441596 0.154645718404353

X5 0.9279784294

06745 0.8439002065

68758 0.8641521359

28051 1 0.8888480555

46979 0.3877672648

08787

X6 0.9889626197

24667 0.9926412367

11784 0.9960568434

41596 0.8888480555

46979 1 0.1851728808

51582

X7 0.2261999658

72465 0.1294437103

36215 0.1546457184

04353 0.3877672648

08787 0.1851728808

51582 1

由相关系数矩阵可以看出，各解释变量相互之间的相关系数较高，特别是农业增加值2X、工业增加值3X、建筑业增

加值4X、最终消费之间6X，相关系数都在0.8以上。

这表明模型存在着多重共线性。

（三）修正多重共线性

1、采用逐步回归法，去检验和解决多重共线性问题。分别作Y对X2、X3、X4、X5、X6、X7的一元回归，结果如下图

4：在EV主页界面的窗口，输入“ls y c x2”，“回车键”。

Dependent Variable: Y

Method: Least Squares Date: 10/12/10 Time: 17:49

Sample: 1978 2007

Included observations: 30 Variable Coefficient Std. Error t-Statistic Prob. C -4086.544 1463.091 -2.793090 0.0093 X2 1.454186 0.117235 12.40398 0.0000

合集下载

计量经济学eviews实验报告

计量经济学eviews实验报告

大连海事大学

实 验 报 告

实验名称： 计量经济学软件应用

专业班级： 财务管理2013-1

姓 名： 安妮

指导教师： 赵冰茹

交通运输管理学院

二○一六年十一月 一、 实验目标

学会常用经济计量软件的基本功能，并将其应用在一元线性回归模型的分析中。具体包括：Eview的安装，样本数据基本统计量计算，一元线性回归模型的建立、检验及结果输出与分析，多元回归模型的建立与分析，异方差、序列相关模型的检验与处理等。

二、实验环境

WINDOWSXP或2000操作系统下，基于平台。

三、实验模型建立与分析

案例1：

我国1995-2014年的人均国民生产总值和居民消费支出的统计资料（此资料来自中华人民共和国统计局网站）如表1所示，做回归分析。

表1我国1995-2014年人均国民生产总值与居民消费水平情况

指标 人均国内生产总值（元） 居民消费水平（元）

1995年 5074 2330

1996年 5878 2765

1997年 6457 2978

1998年 6835 3126

1999年 7199 3346

2000年 7902 3721

2001年 8670 3987

2002年 9450 4301

2003年 10600 4606

2004年 12400 5138

2005年 14259 5771 2006年 16602 6416

2007年 20337 7572

2008年 23912 8707

2009年 25963 9514

2010年 30567 10919

2011年 36018 13134

2012年 39544 14699

2013年 43320 16190

2014年 46612 17806

（1）做出散点图，建立居民消费水平随人均国内生产总值变化的一元线性回归方程，并解释斜率的经济意义；

计量经济学中多重共线性案例问题研究

计量经济学中多重共线性案例问题研究

计量经济学中多重共线性案例问题研究

摘要：本论文主要通过案例来研究计量经济学中的多重共线性的问题，对案例进行EVIEWS分析,并利用诊断共线性的经验方法及修正共线性的经验方法和通过EVIEWS分析对案例中的多重共线性进行诊断与修正，以能够完成减弱多重共线性的目标。

关键字：多重共线性 诊断共线性的经验方法 修正共线性的经验方法

经典的线性回归模型的假定之一是各解释变量X之间不存在多重共线性。然而，在计量经济学中所说的多重共线性（mnlti-collinearity），不仅包含解释变量之间精确的线性关系，还包含解释变量之间近似的线性关系。下面来通过研究国内生产总值的增加会影响财政收入的增加还是减少的案例对多重共线性进行研究。

一、研究的目的和要求

国内生产总值GDP按照支出法的公式为：国内生产总值=消费+投资+政府购买支出+净出口，而财政收入的主要来源为各项税收收入如增值税等。只有经济持续的增长，才能提供稳定的税收来源。所以，影响财政收入的主要因素是税收收入。但是，税收收入还影响着国内生产总值。因此，为了中国未来经济的发展，需要定量的分析影响中国财政收入的因素。

二、模型设定及其估计

经过研究与分析，影响财政收入的主要因素，除了税收收入以外，还有与一些其他因素有关。为此，考虑的影响因素主要有财政支出CZZC/亿元用X2表示，国内生产总值GDP/亿元用X3表示，税收总额SSZE/亿元用X4表示。各影响变量与财政收入之间呈现正相关。因此设定了如下形式的计量经济模型来研究“国内生产总值的增加会减少财政收入吗”这个问题：

Yt=β1+β2X2t+β3X3t+β4X4t+μt

式中，Yt 为第t年国内财政收入（亿元）；X2为财政支出（亿元）；X3为国内生产总值（亿元）；X4为税收总额（亿元）。各解释变量前的回归系数预期都大于0.

为估计模型参数，1985～2011年阶段财政收入的统计数据，如下表：

EViews计量经济学实验报告

EViews计量经济学实验报告

EViews 计量经济学实验报告

实验一 EViews软件的基本操作

小组成员: 【实验目的】

了解EViews软件的基本操作对象，掌握软件的基本操作。

【实验内容】

数据的输入、编辑与序列生成;

实验内容以表1-1所列出的消费支出和可支配收入的统计资料为例进行操作。

表1-1 中国内地各地区城镇居民家庭人均全年

可支配收入与人均全年消费性支出 单位:元

地区 消费支出Y 可分配收入 X 地区 消费支出 Y 可支配收入 X

北京 19977.52 14825.41 湖北 9802.65 7397.32

天津 14283.09 10548.05 湖南 10504.67 8169.30

河北 10304.56 7343.49 广东 16015.58 12432.22

山西 10027.70 7170.94 广西 9898.75 6791.95 内蒙古 10357.99 7666.61

海南 9395.13 7126.78

辽宁 10369.61 7987.49 重庆 11569.74 9398.69

吉林 9775.07 7352.64 四川 9350.11 7524.81 黑龙江 9182.31 6655.43 贵州 9116.61 6848.39

上海 20667.91 14761.75 云南 10069.89 7379.81

江苏 14084.26 9628.59 西藏 8941.08 6192.57

浙江 18265.10 13348.51 陕西 9267.70 7553.28

安徽 9771.05 7294.73 甘肃 8920.59 6974.21

福建 13753.28 9807.71 青海 9000.35 6530.11 江西 9551.12 6645.54 宁夏 9177.26 7205.57

山东 12192.24 8468.40 新疆 8871.27 6730.01

计量经济学论文(eviews分析)

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

班级：

姓名：

学号：

指导老师：

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—2009共11年的相关数据，选取餐饮企业的数量、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。并利用Eviews软件对模型进行参数估计和检验，且加以修正，最后根据模型的最终结果进行经济意义分析，然后提出自己的看法。

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一直持递增趋势。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的时候，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，那么对于我国餐饮企业的营业额问题的深入研究就相当的有必要，这有助于投资者作出合理的决策。下面即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，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：其中营业额（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），公路里程数（单位：万公里）