计量经济学实验报告2

《计量经济学》实验报告
一，数据
某年中国部分省市城镇居民家庭人均年可支配收入（X）与消费性支出（Y）统计数据
二，理论
模型的设
计
解释变量：
可支配收入
X
被解释变量：
消费性支出
Y
软件操作：（1）X与Y散点图
从散点图可以粗略的看出，随着可支配收入的增加，消费性支出也在增加，大致呈线性关系。

因此，建立一元线性回归模型：
（2）对模型做OLS估计
OLS估计结果为
三，模型检验
从回归估计结果看，模型拟合较好，可决系数为，表明家庭人均年可消费性支出变化的%可由支
配性收入的变化来解释。

t检验:在5%的显着性水平下
1
β不显着为0，表明可支配收入增加1个单位，消费性支出平均增加单位。

1，预测
现已知2018年人均年可支配收入为20000元，预测消费支出预测值为
0272.36350.75512000015374.3635
Y=+⨯=
E(X)=，Var(X)=
则在95%的置信度下，E(
Y)的预测区间为（,）
2，异方差性检验
对于经济发达地区和经济落后地区，消费支出的决定因素不一定相同甚至差异很大。

如经济越落后储蓄率越高，可能出现异方差性问题。

G-Q检验
对样本进行处理，X按从大到小排序，去掉中间4个，分为两组数据，
128
n n ==
分别回归
于是的F 统计量：
在5%的想着想水平下，0.050.05(6,6) 4.28,(6,6)F F F =>，即拒绝无异方差性假设，说明模型存在异方差性。

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。

1.背景经济增加是指一个国家生产商品和劳务能力扩大。

在实际核实中, 常以一国生产商品和劳务总量增加来表示, 即以国民生产总值（GDP ）和中国生产总值增加来计算。

古典经济增加理论以社会财富增加为中心, 指出生产劳动是财富增加源泉。

现代经济增加理论认为知识、 人力资本、 技术进步是经济增加关键原因。

从古典增加理论到新增加理论, 都重视物质资本和劳动贡献。

物质资本是指经济系统运行中实际投入资本数量.然而, 因为资本服务流量难以测度, 在这里我们用全社会固定资产投资总额（亿元）来衡量物质资本。

中国拥有十三亿人口, 为经济增加提供了丰富劳动力资源。

所以本文用总就业人数（万人）来衡量劳动力。

居民消费需求也是经济增加关键原因。

经济增加问题既受各国政府和居民关注,也是经济学理论研究一个关键方面。

在1978—31年中,中国经济年均增加率高达9.6%,综合国力大大增强,居民收入水平与生活水平不停提升,居民消费需求数量和质量有了很大提升。

不过,中国现在仍然面临消费需求不足问题。

本文将以中国经济增加作为研究对象, 选择时间序列数据计量经济学模型方法, 将中国中国生产总值与和其相关经济变量联络起来, 建立多元线性回归模型, 研究中国中国经济增加变动趋势, 以及关键影响原因, 并依据所得结论提出相关提议与意见。

用计量经济学方法进行数据分析将得到愈加含有说服力和愈加具体指标, 能够愈加好帮助我们进行估计与决议。

所以, 对中国经济增加计量经济学研究是有意义同时也是很必需。

2.模型建立 2.1 假设模型为了具体分析各要素对中国经济增加影响大小, 我们能够用中国生产总值（Y ）这个经济指标作为研究对象; 用总就业人员数（1X ）衡量劳动力; 用固定资产投资总额(2X )衡量资本投入: 用价格指数（3X ）去代表消费需求。

利用这些数据进行回归分析。

这里被解释变量是, Y: 中国生产总值,与Y-中国生产总值亲密相关经济原因作为模型可能解释变量, 累计3个, 它们分别为:1X 代表社会就业人数, 2X 代表固定资产投资,3X 代表消费价格指数,μ代表干扰项。

计量经济学实验报告二标准化工作室编码[XX968T-XX89628-XJ668-XT689N]学生实验报告学院：经济学院课程名称：计量经济学专业班级： 11经济学1班姓名：魏丹丹学号： 0112102学生实验报告（经管类专业用）一、实验目的及要求：1、目的利用Eviews软件，使学生在实验过程中全面了解和熟悉计量经济学。

2、内容及要求熟悉Eviews软件的操作与应用二、仪器用具：三、实验方法与步骤:1 经研究发现，家庭书刊消费受家庭收入几户主受教育年数的影响，表中为对某地区部分家庭抽样调查得到样本数据：（2）利用样本数据估计模型的参数；（3）检验户主受教育年数对家庭书刊消费是否有显着影响；（4）分析所估计模型的经济意义和作用答：（1）家庭书刊消费的计量经济学模型是：Dependent Variable: YMethod: Least SquaresDate: 11/27/12 Time: 14:36Sample: 1 18Included observations: 18Variable Coefficient Std. Errort-Statistic Prob.CXTR-squared Mean dependent var Adjusted R-squared. dependent var. of regression Akaike info criterionSum squared resid Schwarz criterion Log likelihood F-statisticDurbin-Watson stat Prob(F-statistic)=^Y ++ 标准误 t 值 p 值 R 2= =2R总体显着性的F 统计值为，F 统计量的p 值： （2）样本数据估计的模型参数为β1＝，β2＝（3）由回归结果得：户主受教育年限的p 值为，小于，则拒绝原假设。

说明户主受教育年数对家庭书刊消费具有显着影响。

计量经济学实验报告书实验二、实验开设对象本实验的开设对象为《计量经济学》课程的学习者，实验为必修内容、实验目的实验二、掌握计量经济学多元模型的建立，模型形式的设定，模型拟合度、t检验和F 检验判断过程；三、实验环境微型计算机（要求必须能够连接In ternet,且安装有Eviews6.0软件。

）四、实验成果根据所给定的范例数据和要求，利用Eviews6.0软件对其进行分析和处理,并撰写实验报告。

Workflle U*mTLEDViaw | Prc-c d Oku"^1 | P-ranl N HIWH rra«x«DW BL *▼ | I Sia-r^ Tranap-aiiB E-drlI3T ■3MB ■工：xi 沁4b3-¥ XtX2IP 阴rn 丁也电niSb0.6534101985175 479724.11729 0.057131inn. IH ^I I :史Nfl 昭却* n 1*寻 1SB7 壬 g B2S£I7-2-4.13-112 ” D 日皿N 10BS2J.17 3J9 0.74200<5 I 總HP 71. 1 HURT口 TTiflHR?23：7j2S3：21.7S-103 D.7487B6-IB9-I £55 5541 2a.344*ie 0.7300821R>Ri77nn )npeii in 口 口 丁7■口sji-4 鬧 13 S1437 D.76B2&71^94 3&3 E7&& 17-93 17^ 0 61320BTRiR ■刍Hon R,Df»ri in ：1：7口□ 口 riAHH433 03：2H 1占:&也斗出-IBBT 4眄 44&Z is.33333 0.9171051DEII1SiD 1 HUA ia CHI 孑pp □ 071斗口 Tis.ess«e 1.006117ZDDD &丁口 48TS 1庁方"5昌 1.069^627DD1 & 1 U 74+4 13 U7Q3Q 1 了曰□斗12002 67& 4-3^2 Ifi 12>D€2 1.^845072QQ3 T33 0&54is1.5301963DD4"iiI 葩 I Grc-up: LflN RJ I LE J D WcdJil*: (JNTTTLE&rLinfcrtiaKT'. J |optic-rii Jupdata Ad-dTri^L ・・l <oraph: UMTTT L ED Wnrkfii ■:: <jNTin"LED::Urrtrt:l«d i,i PtCTc|obj«ct j|^!Print|HMnBCarjpK Opliion-Si—Grap*! typ«-OetalwiSrapH dat-a:Fit Ihnesi!Axi^i tKJV iJdrr :1^1^ ■|~s l li^«■C^K£i[U¥|X1O[k&*朗X21333137?D146 |23 -IBD-IS ft fii 122-41^3-4 1S6.773324 OB&^D0 *£^41Qi^as175.470724 317230EW134fosei laa.teaa24 2D&&1 C €441251537 206.SJ9724 13-112 G1>QS8226.273224 1734&G.742<XM1339 231 aes?22 3G7B40 73511-321>E190237.2836S1.751D30.74^76619912S5.!ifiJ12D 3G4-SB0.73OTB21992286.390613 9DB3D0 7707171393 32i 90531E 519BT0 TBAZUj?363.27C517.BB174 O.S132tlS1995390.SO9S-IE 32DDE.0W7M11995433.932515.BZ244Q WB Mfi19S7ilGgjdiSS15.233BE0/9171Miggg50 1.385 J15.DG7B90 97H4A1199953J.9-392 1 CMW1172000 575.-337915.3E55412001 fiig n7ddldi B7-D59 1 2W4152002 570.J12215.12953 1 ML4W72003 733.CJC5d!15.424BD% si^iggzog 4in* _ b回Groupi UrrrnLED Worwila UNrTTTLEDiiUrt4iecr>. . 5 X[vfcaw] [ Ptlnt] M«n・]rriMM_| [ifWi. F J [ WDrt[Tkiam口■■[lE曰5M(I IL'L；. Grnun： UNTril l O Warlcf ik< UNTITI. ri? IJnfcrilwiA,「召斫i凶。

计量经济学实验报告影响财政收入的主要因素学生姓名·······学号 6011211324所属学院经济与管理学院专业农林经济管理班级 15-3班指导教师······塔里木大学教务处制影响财政收入的主要因素(基于多重共线性、异方差后的自相关、协整检验)一、研究的目的要求:财政收入,就是政府为履行其职能、实施公共政策与提供公共物品与服务需要而筹集的一切资金的总与。

财政收入表现为政府部门在一定时期内(一般为一个财政年度)所取得的货币收入。

财政收入就是衡量一国政府财力的重要指标,政府在社会经济活动中提供公共物品与服务的范围与数量,在很大程度上决定于财政收入的充裕状况。

财政就是同国家的产生与存在相联系,国家为了维持自身的存在与发挥职能,必须消耗一定的社会产品。

但就是,国家本身通常不直接从事生产活动,因而必须凭借自身拥有的政治权力,强制性地征收一部分社会产品,以满足各方面支出的需要。

这种国家的收入与支出就就是财政,它就是国家凭借政治权力而进行的社会产品的分配。

2013年中国政府已成为全球第二富裕的政府,所以来研究财政的影响因素就是很有必要的,为更好的掌握我国的财政收入具有重要的作用,更好地服务社会,促进人类文明的进步。

二、模型的设定及其估计:经分析,影响财政收入的因素很多,主要的因素有国民总收入(X1)、税收收入(X2)、能源消费总量(X3)、预算外财政收入(X4),因此,可设定如下的计量经济模型:Y t=β0+β1X1+β2X2+β3X3+β4X4+ t其中Yt为第t年财政收入(亿元),X1表示国民总收入(亿元),X2表示税收收入(亿元),X3表示能源消费总量(亿元),X4表示预算外财政收入(亿元)。

下面就是在中国统计年鉴上收集到的数据,经整理后得到1978-2011年的统计数据,如下所示:1978-2011年中国财政收入及其相关数据年份财政收入(Y)/亿元国民总收入(X1)/亿元税收收入(X2)/亿元能源消费总量(X3)/亿元预算外财政收入(X4)/亿元1978 1132、260 3645、2 519、2800 57144、00 347、1100 1979 1146、400 4062、6 537、8200 58588、00 452、8500 1980 1159、930 4545、6 571、7000 60275、00 557、4000 1981 1175、800 4889、5 629、8900 59447、00 601、7000 1982 1212、300 5330、5 700、0200 62067、00 802、7400 1983 1367、000 5985、6 775、5900 66040、00 967、6800 1984 1642、900 7243、8 947、3500 70904、00 1188、480 1985 2004、820 9040、7 2040、790 76682、00 1530、030 1986 2122、000 10274、4 2090、730 80850、00 1737、310 1987 2199、400 12050、6 2140、360 86632、00 2028、800 1988 2357、200 15036、8 2390、470 92997、00 2360、770 1989 2664、900 17000、9 2727、400 96934、00 2658、830 1990 2937、100 18718、3 2821、860 98703、00 2708、640 1991 3149、480 21826、2 2990、170 103783、0 3243、300 1992 3483、370 26937、3 3296、910 109170、0 3854、920 1993 4348、950 35260、0 4255、300 115993、0 1432、540 1994 5218、100 48108、5 5126、880 122737、0 1862、530 1995 6242、200 59810、5 6038、040 131176、0 2406、500 1996 7407、990 70142、5 6909、820 138948、0 3893、340 1997 8651、140 78060、9 8234、040 137798、0 2826、000 1998 9875、950 83024、3 9262、800 132214、0 3082、290 1999 11444、08 88479、2 10682、58 133831、0 3385、170 2000 13395、23 98000、5 12581、51 138553、0 3826、430 2001 16386、04 108068、2 15301、38 143199、0 4300、000 2002 18903、64 119095、7 17636、45 151797、0 4479、000 2003 21715、25 134977、0 20017、31 174990、0 4566、800 2004 26396、47 159453、6 24165、68 203227、0 4699、180 2005 31649、29 183617、4 28778、54 224682、0 5544、160 2006 38760、20 215904、4 34804、35 246270、0 6407、880 2007 51321、78 266422、0 45621、97 265583、0 6820、320 2008 61330、35 316030、3 54219、62 285000、0 6617、25 2009 68518、30 340320、0 59521、59 306647、0 6414、65 2010 83101、51 399759、5 73210、79 324939、0 5794、422011 103874、43 472115、0 89738、39 348002、0 6725、26 根据以上数据,我们作出了Y、X1、X2、X3、X4之间的线性图,如图所示:从图中可以瞧出有两条线交汇了,它们就是国民总收入(X1)与能源消费总量(X3),这说明我国能源消费总量逐年增长速度大于国民总收入的增长速度,在过去的经济增长中就是以高能耗获取经济的增长,未来应该逐步改变这种经济发展模式。

计量经济学课程实验报告实验序号2实验名称Eviews的异方差检验与校正实验组别12模拟角色实验地点2教602指导老师刘冬萍实验日期11月29日实验时间16:05——17:45一、实验目的及要求学会使用计量学分析^p 软件Eviews的异方差检验与校正功能。

二、实验环境2教602,经管学院电脑实验室三、实验内容与步骤 ?DATA Y _SORT _1.生成相关图SCAT _ Y根据相关图随着_的增大Y的取值范围不断增大,所以方程存在异方差.2.方程的异方差检验（1）WHITE 检验建立回归模型 LS Y C _ Dependent Variable: Y Method: Least SquaresDate: 11/22/12 Time: 17:06 Sle: 1 20Included observations: 20 VariableCoefficientStd.Errort-StatisticProb.C0.8594690.7090571.2121300.2411_0.0363400.0096333.7723930.0014R-squared0.441531Mean dependent var3.100000Adjusted R-squared0.410504S.D.dependent var2.255986S.E.of regression1.732115Akaike info criterion4.031203Sum squared resid54.09Schwarz criterion4.130776Log likelihood-38.31203F-statistic14.23095Durbin-Watson stat2.111232Prob(F-statistic)0.001395进行WHITE 检验White Heteroskedasticity Test: F-statistic6.172459Probability0.009656Obs_R-squared8.413667Probability0.014893Test Equation:Dependent Variable: RESID^2 Method: Least SquaresDate: 11/22/12 Time: 17:07 Sle: 1 20Included observations: 20 VariableCoefficientStd.Errort-StatisticProb.C-0.8401623.268547-0.2570450.8002_0.0346910.0966160.3590620.7240_^20.0002590.4703750.6441R-squared0.420683Mean dependent var 2.70020__Adjusted R-squared 0.352528S.D.dependent var5.061699S.E.of regression4.072927Akaike info criterion 5.784082Sum squared resid 282.0085Schwarz criterion5.933442Log likelihood-54.84082F-statistic6.172459Durbin-Watson stat 2.196613Prob(F-statistic)Nr^2=8.413677 因为检验的P=0.014893小于0.05,所以存在异方差.(2) PARK检验LS Y C _Dependent Variable: YMethod: Least SquaresDate: 11/22/12 Time: 17:13Sle: 1 20Included observations: 20VariableCoefficientStd.Errort-StatisticProb.C0.8594690.7090571.2121300.2411_0.0363400.0096333.7723930.0014R-squared0.441531Mean dependent varAdjusted R-squared0.410504S.D.dependent var2.255986S.E.of regression1.732115Akaike info criterion 4.031203Sum squared resid54.09Schwarz criterion4.130776Log likelihood-38.31203F-statistic14.23095Durbin-Watson stat2.111232Prob(F-statistic)0.001395GENR E2=LOG(RESID2) GENR LN_=LOG(_)LS LNE2 C LN_ Dependent Variable: LNE2 Method: Least SquaresDate: 11/22/12 Time: 17:16 Sle: 1 20Included observations: 20 VariableCoefficientStd.Errort-StatisticProb.C-7.6927982.272023-3.3858810.0033LN_1.8393580.5713163.2195140.0048R-squared0.365421Mean dependent var-0.465580Adjusted R-squared0.330167S.D.dependent var1.915506S.E.of regression1.567714Akaike info criterion3.831754Sum squared resid44.23911Schwarz criterion3.931327Log likelihood-36.31754F-statistic10.36527Durbin-Watson stat1.937606Prob(F-statistic)0.004754由上图可看出P分别为0.0033 ,0.0048,0.004754都是小概率事件,所以方程是显著的,表明随机误差项的方差随着解释变量的取值不同而不断变化,即存在异方差性.（3）GLEISER检验LS Y C _GENR E=ABS(RESID)eq \o\ac(○,1)GENR _1=_^0.5LS E C _1Dependent Variable: E1Method: Least SquaresDate: 11/28/12 Time: 13:14Sle: 1 20Included observations: 20 VariableCoefficientStd.Errort-StatisticProb.C-1.2504440.637839-1.9604370.0656_10.3265340.0812324.0197750.0008R-squared0.473046Mean dependent var1.192860Adjusted R-squared0.443771S.D.dependent var1.159531S.E.of regression0.864787Akaike info criterion2.641972Sum squared resid13.46141Schwarz criterion2.741545Log likelihood-24.41972F-statistic16.15859Durbin-Watson stat2.047999Prob(F-statistic)0.000804|e1|=-1.250444+0.326534_1^0.5 R^2=0.473046 F=16.15859 P= eq \o\ac(○,2)GENR _2=_^-2LS E C _2Dependent Variable: E Method: Least SquaresDate: 11/28/12 Time: 13:27 Sle: 1 20Included observations: 20 VariableCoefficientStd.t-StatisticProb.C1.6651230.3427744.8577860.0001_2-657.9505338.0359-1.9463920.0674R-squared0.173874Mean dependent var 1.192860Adjusted R-squared 0.127978S.D.dependent var1.159531S.E.of regression1.082794Akaike info criterion 3.091607Sum squared residSchwarz criterion3.191180Log likelihood-28.91607F-statistic3.788442Durbin-Watson stat1.454864Prob(F-statistic)0.067388|e2|=1.665123-657.9505_^-2R^2=0.173874 F=3.788442 P= eq \o\ac(○,3)GENR _3=_^2LS E C _3Dependent Variable: E Method: Least SquaresDate: 11/28/12 Time: 13:32 Sle: 1 20Included observations: 20 VariableCoefficientStd.Errort-StatisticProb.C0.5805350.2376322.4430010.0251_30.0001132.67E-054.2339310.0005R-squared0.498972Mean dependent var 1.192860Adjusted R-squared 0.471138S.D.dependent var1.159531S.E.of regression0.843245Akaike info criterion 2.591520Sum squared resid 12.79911Schwarz criterion2.691093Log likelihood-23.91520F-statistic17.92617Durbin-Watson stat2.064289Prob(F-statistic)0.000499|e3|=0.580535+0.000113_4^2R^2=0.498972 F=17.92617 P=0.000499 eq \o\ac(○,4)GENR _4=_^-0,5LS E C _4Dependent Variable: EMethod: Least SquaresDate: 11/28/12 Time: 13:36Sle: 1 20Included observations: 20VariableCoefficientStd.Errort-StatisticProb.C3.4730600.7618054.5589870.0002_4-15.53960-3.1195030.0059R-squared0.350914Mean dependent var 1.192860Adjusted R-squared 0.314854S.D.dependent var1.159531S.E.of regression0.959785Akaike info criterion 2.850424Sum squared resid 16.58137Schwarz criterion2.949998Log likelihood-26.50424F-statistic9.731299Durbin-Watson stat 1.759756Prob(F-statistic)|e4|=3.473060-15.53960 _^-0.5 R^2=0.350914 F=9.731299 P= eq \o\ac(○,5)GENR _5=_^-1LS E C _5Dependent Variable: E Method: Least SquaresDate: 11/28/12 Time: 13:45 Sle: 1 20Included observations: 20 VariableCoefficientStd.Errort-StatisticProb.C2.2657780.4628754.8950140.0001_5-45.8762517.27699-2.6553390.0161R-squared0.281461Mean dependent var1.192860Adjusted R-squared0.241542S.D.dependent var1.159531S.E.of regression1.009829Akaike info criterion2.952079Sum squared resid18.35560Schwarz criterion3.051653Log likelihood-27.52079F-statistic7.050824Durbin-Watson stat1.627325Prob(F-statistic)0.016106|e5|=2.265778-45.87625_^-1R^2=0.281461 F=7.050824 P=0.016106由以上的五个方程表明，利润函数存在异方差性（只要取显著水平a大于0.067388）3.WLS方法估计利润函数(1)利用最小二乘法估计模型LS Y C _Dependent Variable: Y Method: Least SquaresDate: 11/28/12 Time: 12:40 Sle: 1 20Included observations: 20 VariableCoefficientStd.Errort-StatisticProb.C0.8594690.7090571.2121300.2411_0.0363400.0096333.7723930.0014R-squared0.441531Mean dependent var3.100000Adjusted R-squared0.410504S.D.dependent var2.255986S.E.of regression1.732115Akaike info criterion4.031203Sum squared resid54.09Schwarz criterion4.130776Log likelihood-38.31203F-statistic14.23095Durbin-Watson stat2.111232Prob(F-statistic)0.001395得到:y^=0.859469+0.036340_ R^2=0.441531 (0.0014)T=(1.212130) (3.772393 )(2)生成权数变量：根据帕克检验得到：Ls y c _Genr lne2=log(resid^2)Genr ln_=log(_)Ls lne2 c ln_Dependent Variable: LNE2 Method: Least SquaresDate: 11/28/12 Time: 12:56 Sle: 1 20Included observations: 20 VariableCoefficientStd.Errort-StatisticProb.C-7.6927982.272023-3.3858810.0033LN_1.8393580.5713163.2195140.0048R-squared0.365421Mean dependent var-0.465580Adjusted R-squared0.330167S.D.dependent var1.915506S.E.of regression1.567714Akaike info criterion3.831754Sum squared resid44.23911Schwarz criterion3.931327Log likelihood-36.31754F-statistic10.36527Durbin-Watson stat1.937606Prob(F-statistic)0.004754LNEi^2=--7.692798+1.839358LN_ R^2=0.365421 进行戈里瑟检验LS Y C _GENR E=ABS(RESID)eq \o\ac(○,1)GENR _1=_^0.5LS E C _1Dependent Variable: E1 Method: Least SquaresDate: 11/28/12 Time: 13:14 Sle: 1 20Included observations: 20 VariableCoefficientStd.Errort-StatisticProb.C-1.2504440.637839-1.9604370.0656_10.3265340.0812324.0197750.0008R-squared0.473046Mean dependent var1.192860Adjusted R-squared0.443771S.D.dependent var1.159531S.E.of regression0.864787Akaike info criterion2.641972Sum squared resid13.46141Schwarz criterion2.741545Log likelihood-24.41972F-statistic16.15859Durbin-Watson stat2.047999Prob(F-statistic)0.000804|e1|=-1.250444+0.326534_1^0.5 R^2=0.473046 F=16.15859 P= eq \o\ac(○,2)GENR _2=_^-2LS E C _2Dependent Variable: E Method: Least SquaresDate: 11/28/12 Time: 13:27 Sle: 1 20Included observations: 20Variable CoefficientStd.Errort-StatisticProb.C1.6651230.3427744.8577860.0001_2-657.9505338.0359-1.9463920.0674R-squared0.173874Mean dependent var 1.192860Adjusted R-squared 0.127978S.D.dependent var1.159531S.E.of regression1.082794Akaike info criterion3.091607Sum squared resid21.18Schwarz criterion3.191180Log likelihood-28.91607F-statistic3.788442Durbin-Watson stat1.454864Prob(F-statistic)0.067388|e2|=1.665123-657.9505_^-2R^2=0.173874 F=3.788442 P= eq \o\ac(○,3)GENR _3=_^2LS E C _3Dependent Variable: E Method: Least SquaresDate: 11/28/12 Time: 13:32 Sle: 1 20Included observations: 20 VariableCoefficientStd.Errort-StatisticProb.C0.5805350.2376322.4430010.0251_30.0001132.67E-054.2339310.0005R-squared0.498972Mean dependent var 1.192860Adjusted R-squared 0.471138S.D.dependent var1.159531S.E.of regression0.843245Akaike info criterion 2.591520Sum squared resid 12.79911Schwarz criterionLog likelihood-23.91520F-statistic17.92617Durbin-Watson stat2.064289Prob(F-statistic)0.000499|e3|=0.580535+0.000113_4^2R^2=0.498972 F=17.92617 P=0.000499 eq \o\ac(○,4)GENR _4=_^-0,5LS E C _4Dependent Variable: EMethod: Least SquaresDate: 11/28/12 Time: 13:36Sle: 1 20Included observations: 20VariableCoefficientStd.Errort-StatisticProb.C3.4730600.7618054.558987_4-15.539604.981434-3.1195030.0059R-squared0.350914Mean dependent var 1.192860Adjusted R-squared 0.314854S.D.dependent var1.159531S.E.of regression0.959785Akaike info criterion 2.850424Sum squared resid 16.58137Schwarz criterion2.949998Log likelihood-26.50424F-statistic9.731299Durbin-Watson stat1.759756Prob(F-statistic)0.005921|e4|=3.473060-15.53960 _^-0.5 R^2=0.350914 F=9.731299 P= eq \o\ac(○,5)GENR _5=_^-1LS E C _5Dependent Variable: E Method: Least SquaresDate: 11/28/12 Time: 13:45 Sle: 1 20Included observations: 20 VariableCoefficientStd.Errort-StatisticProb.C2.2657780.4628754.8950140.0001_5-45.8762517.27699-2.6553390.0161R-squared0.281461Mean dependent var1.192860Adjusted R-squared0.241542S.D.dependent var1.159531S.E.of regression1.009829Akaike info criterion2.952079Sum squared resid18.35560Schwarz criterion3.051653Log likelihood-27.52079F-statistic7.050824Durbin-Watson stat1.627325Prob(F-statistic)0.016106|e5|=2.265778-45.87625_^-1R^2=0.281461 F=7.050824 P=由上可得在戈里瑟检验里最显著的是：|e3|=0.580535+0.000113_4^2 R^2=0.498972 F=17.92617 P=所以取权数变量为 : GENR W1=1/_^1.839358GENR W2=_^2另外取：GENR W3=1/ABS(RESID)GENR W4=1/RESID^2（3）利用最小二乘法估计模型：模型一LS(W=W1) Y C _Dependent Variable: YMethod: Least SquaresDate: 11/28/12 Time: 14:00Sle: 1 20Included observations: 20Weighting series: W1VariableCoefficientStd.Errort-StatisticProb.C-0.6259810.318225-1.9671030.0648_0.0116496.1001610.0000Weighted Statistics R-squared0.573253Mean dependent var 1.734420Adjusted R-squared 0.549545S.D.dependent var0.940124S.E.of regression0.630973Akaike info criterion 2.011533Sum squared resid7.166292Schwarz criterion2.06Log likelihood-18.11533F-statistic24.17958Durbin-Watson statProb(F-statistic)0.000111Unweighted StatisticsR-squared-0.050320Mean dependent var3.100000Adjusted R-squared-0.108671S.D.dependent var2.255986S.E.of regression2.375406Sum squared resid.5659Durbin-Watson stat1.104724怀特检验的结果是White Heteroskedasticity Test: F-statistic0.986667Probability0.393Obs_R-squared2.080114Probability0.353435Test Equation:Dependent Variable: STD_RESID^2 Method: Least SquaresDate: 11/28/12 Time: 14:36 Sle: 1 20Included observations: 20 VariableCoefficientStd.Errort-StatisticProb.C0.8994860.4380022.0536110.0557_-0.0146130.012947-1.1286980.2747_^26.64E-057.37E-050.9011740.3801R-squared0.104006Mean dependent var0.358315Adjusted R-squared-0.001405S.D.dependent var0.545410S.E.of regression0.545793Akaike info criterion1.764328Sum squared resid5.064137Schwarz criterion1.913688Log likelihood-14.64328F-statistic0.986667Durbin-Watson stat2.743143Prob(F-statistic)0.393得到估计结果Y^=-0.625981+0.071060_(0.318225) (6.100161)R^2=0.573253 NR^2=2.080114 P=0.393 模型二LS(W=W2) Y C _Dependent Variable: YMethod: Least SquaresDate: 11/28/12 Time: 14:12Sle: 1 20Included observations: 20Weighting series: W2VariableCoefficientStd.Errort-StatisticProb.C4.3789433.2559741.3448950.1954_0.0060140.0227010.2649070.7941Weighted StatisticsR-squared0.702288Mean dependent var 4.737844Adjusted R-squared 0.685748S.D.dependent var8.767922S.E.of regression4.915135Akaike info criterion 6.117155Sum squared resid 434.8540Schwarz criterion6.216728Log likelihood-59.17155F-statistic42.46109Durbin-Watson stat 2.705915Prob(F-statistic)0.000004Unweighted Statistics R-squared-0.428848Mean dependent var3.100000Adjusted R-squared-0.508229S.D.dependent var2.255986S.E.of regression2.770576Sum squared resid138.1696Durbin-Watson stat0.87进行怀特检验的结果是White Heteroskedasticity Test: F-statistic46.95441Probability0.000000Obs_R-squared16.93442Probability0.000210Test Equation:Dependent Variable: STD_RESID^2 Method: Least SquaresDate: 11/28/12 Time: 14:39 Sle: 1 20Included observations: 20 VariableCoefficientStd.Errort-StatisticProb.C36.1706519.848121.8223720.0860_-1.6942460.586696-2.8877740.0102_^20.0166170.0033394.9760240.0001R-squared0.846721Mean dependent var21.74270Adjusted R-squared0.828688S.D.dependent var59.75546S.E.of regression24.73269Akaike info criterion9.391610Sum squared resid19.00Schwarz criterion9.540970Log likelihood-90.91610F-statistic46.95441Durbin-Watson stat2.837461Prob(F-statistic)0.000000得到结果是：Y^=4.378943+0.006014_(3.255974) (0.022701)R^2=0.702288 NR^2=16.93442 P=0.00000 模型三LS(W=W3) Y C _Dependent Variable: YMethod: Least SquaresDate: 11/28/12 Time: 14:19Sle: 1 20Included observations: 20 Weighting series: W3 VariableCoefficientStd.Errort-StatisticProb.C0.7076590.2082663.3978670.0032_0.0387920.0053887.20__1690.0000Weighted StatisticsR-squared0.945796Mean dependent var2.344549Adjusted R-squared0.942785S.D.dependent var2.209824S.E.of regression0.528582Akaike info criterion 1.657402Sum squared resid5.029181Schwarz criterion1.756975Log likelihood-14.57402F-statistic314.0812Durbin-Watson stat 1.849162Prob(F-statistic)0.000000Unweighted Statistics R-squared0.439521Mean dependent var 3.100000Adjusted R-squared 0.408383S.D.dependent var2.255986S.E.of regression1.735229Sum squared resid54.19836Durbin-Watson stat2.097049进行怀特检验得White Heteroskedasticity Test: F-statistic0.494755Probability0.618232Obs_R-squared1.100097Probability0.576922Test Equation:Dependent Variable: STD_RESID^2 Method: Least SquaresDate: 11/28/12 Time: 14:40 Sle: 1 20Included observations: 20 VariableCoefficientStd.Errort-StatisticProb.C0.1819650.0821532.2149610.0407_0.0050.0024280.7558340.4601_^2-8.06E-061.38E-05-0.5831500.5674R-squared0.055005Mean dependent var 0.251459Adjusted R-squared-0.056171S.D.dependent var0.099611S.E.of regression0.102370Akaike info criterion-1.582959Sum squared resid0.178155Schwarz criterion-1.433599Log likelihood18.82959F-statistic0.494755Durbin-Watson stat2.096222Prob(F-statistic)0.618232Y^=0.707659+0.038792_(0.208266) (0.005388)R^2=0.945796 NR^2=1.100097 P=0.618232 模型四 LS(W=W4) Y C _Dependent Variable: YMethod: Least SquaresDate: 11/28/12 Time: 14:24Sle: 1 20Included observations: 20Weighting series: W4VariableCoefficientStd.Errort-StatisticProb.C0.5918930.1283534.6114400.0002_0.0429390.00409310.490560.0000Weighted Statistics R-squared0.994979Mean dependent var 2.087552Adjusted R-squared 0.994700S.D.dependent var4.277070S.E.of regression0.311364Akaike info criterion 0.598931Sum squared resid1.745056Schwarz criterion0.698505Log likelihood-3.989313F-statistic3567.168Durbin-Watson stat 2.173306Prob(F-statistic)0.000000Unweighted Statistics R-squared0.422958Mean dependent var 3.100000Adjusted R-squared 0.390900S.D.dependent var2.255986S.E.of regression1.760681Sum squared resid 55.79997Durbin-Watson stat 2.027424进行怀特检验的结果是White Heteroskedasticity Test: F-statistic0.851707Probability0.444108Obs_R-squared1.821500Probability0.402222Test Equation:Dependent Variable: STD_RESID^2 Method: Least SquaresDate: 11/28/12 Time: 14:42 Sle: 1 20Included observations: 20 VariableCoefficientStd.Errort-StatisticProb.C0.2750730.1762821.5604170.1371_-0.0048390.005211-0.9285840.3661_^22.04E-052.97E-050.6876810.5009R-squared0.091075Mean dependent var 0.087253Adjusted R-squared-0.015857S.D.dependent var0.217943S.E.of regression0.219664Akaike info criterion -0.055951Sum squared resid0.820291Schwarz criterion0.093409Log likelihood3.559512。

2 1978-2011年的数据搜集3 REVIEWS模型建立及检验3.1散点图变化分析3.1.1 GDPP （人均GDP ）和CSH （城市化）的关系3.1.2 GDPP （人均GDP）和JMKZPSR （城镇居民家庭人均可支配收入）的关系3.1.3 GDPP （人均GDP ）和ZFZC （政府支出）的关系3.1.4GDPP(人均GDP)和GMXFSP（城镇居民消费水平）3.2 Ganger检验3.2.1首先，我们研究GDPP和CSH的因果检验。

Pairwise Granger Causality TestsDate: 06/03/12 Time: 10:42Sample: 1978 2009Lags: 1Null Hypothesis: Obs F-Statistic Prob.CSH does not Granger Cause GDPPP 31 0.78247 0.3839GDPPP does not Granger Cause CSH 0.57193 0.4558由表可知，CSH影响GDPP的概率较大，故可以将CSH作为自变量，GDPP为因变量。

3.2.2其次，我们研究GDPP和JMKZPSR的因果检验。

Pairwise Granger Causality TestsDate: 06/03/12 Time: 10:44Sample: 1978 2009Lags: 1Null Hypothesis: Obs F-Statistic Prob.JMKZPSR does not Granger Cause GDPP 31 0.24821 0.6222GDPP does not Granger Cause JMKZPSR 0.19484 0.6623由表可知， JMKZPSR影响GDPP的概率高，故可以将JMKZPSR作为自变量，GDPP 作为因变量。

3.2.3紧接着，我们研究GDPP和ZFZC之间的因果关系。

计量经济学实验报告(二)2015－2016第1学期计量经济学实验报告实验（二）：多元回归模型实验学号：0122432 姓名：李旻专业：会计（ACCA）选课班级：A06 实验日期：11/09 实验地点：0505实验名称：多元回归模型实验【实验目标、要求】使学生掌握用Eviews做1. 多元线性回归模型参数的OLS估计、统计检验、点预测和区间预测；2. 非线性回归模型参数估计；3. 受约束回归检验。

【实验内容】用Eviews完成：1. 多元线性回归模型参数的OLS估计、统计检验、点预测和区间预测；(以第8题的数据为例)2. 非线性回归模型的估计，并给出相应的结果；(以第8题的数据为例)3. 受约束回归检验。

(以第7题的数据为例)实验内容以课后练习：以第三章复习思考题第7题、第8题的数据为例进行操作。

【实验步骤】一）根据中国某年按行业分的全部制造业国有企业及规模以上制造业非国有企业的工业总产值Y，资产合计K及职工人数L进行回归分析。

（二）掌握可化为线性多元非线性回归模型的估计和多元线性回归模型的线性约束条件的检验方法（三）根据实验结果判断中国该年制造业总体的规模报酬状态如何？三、实验步骤（一）收集数据下表列示出来中国某年按行业分的全部制造业国有企业及规模以上制造业非国有企业的工业总产值Y，资产合计K及职工人数L。

序号工业总产值Y（亿元）资产合计K（亿元）职工人数L（万人）序号工业总产值Y（亿元）资产合计K（亿元）职工人数L（万人）1 3722.7 3078.22 113 17 812.7 1118.81 432 1442.52 1684.43 67 18 1899.7 2052.16 613 1752.37 2742.77 84 19 3692.85 6113.11 2404 1451.29 1973.82 27 20 4732.9 9228.25 2225 5149.3 5917.01 327 21 2180.23 2866.65 806 2291.16 1758.77 120 22 2539.76 2545.63 967 1345.17 939.1 58 23 3046.95 4787.9 2228 656.77 694.94 31 24 2192.63 3255.29 1639 370.18 363.48 16 25 5364.83 8129.68 24410 1590.36 2511.99 66 26 4834.68 5260.2 14511 616.71 973.73 58 27 7549.58 7518.79 13812 617.94 516.01 28 28 867.91 984.52 4613 4429.19 3785.91 61 29 4611.39 18626.94 21814 5749.02 8688.03 254 30 170.3 610.91 1915 1781.37 2798.9 83 31 325.53 1523.19 4516 1243.07 1808.44 33表1（二）创建工作文件（Workfile）。

《计量经济学综合实验》实验报告2013-2014学年第一学期班级：姓名：学号：课程编码：0123100320课程类型：综合实训实验时间：第16周至第18周实验地点：实验目的和要求：熟悉eviews软件的基本功能，能运用eviews软件进行一元和多元模型的参数估计、统计检验和预测分析，能运用eviews软件进行异方差、自相关、多重共线性的检验和处理，并最终将操作结果进行分析。

能熟悉运用eviews软件对时间序列进行单位根、协整和格兰杰因果关系检验。

实验所用软件：e views实验内容和结论：见第2页—第39页计量经济学综合实验实验一第二章第6题Dependent Variable: Y Method: Least Squares Date: 12/17/13 Time: 09:13 Sample: 1985 1998 Included observations: 14Variable Coefficient Std. Error t-Statistic Prob. C 12596.27 1244.567 10.12101 0.0000 GDP26.954154.1203006.5417920.0000 R-squared0.781002 Mean dependent var 20168.57 Adjusted R-squared 0.762752 S.D. dependent var 3512.487 S.E. of regression 1710.865 Akaike info criterion 17.85895 Sum squared resid 35124719 Schwarz criterion 17.95024 Log likelihood -123.0126 F-statistic 42.79505 Durbin-Watson stat0.859998 Prob(F-statistic)0.000028（1）t t t e GDP Y ++=95.2627.12596 （10.12） （6.54） 78.02=R（2）95.261=β是样本回归方程的斜率，它表示GDP 每增加1亿元，货物运输量将增加26.95万吨，27.12596ˆ0=β是样本回归方程的截距，表示GDP 不变价时的货物运输量。

实验6.美国股票价格指数与经济增长的关系——自相关性的判定和修正一、实验内容：研究美国股票价格指数与经济增长的关系。

1、实验目的:练习并熟练线性回归方程的建立和基本的经济检验和统计检验；学会判别自相关的存在，并能够熟练使用学过的方法对模型进行修正。

2、实验要求：（1）分析数据，建立适当的计量经济学模型（2）对所建立的模型进行自相关分析（3）对存在自相关性的模型进行调整与修正二、实验报告1、问题提出通过对全球经济形势的观察，我们发现在经济发达的国家，其证券市场通常也发展的较好，因此我们会自然地产生以下问题，即股票价格指数与经济增长是否具有相关关系？GDP是一国经济成就的根本反映。

从长期看，在上市公司的行业结构与国家产业结构基本一致的情况下，股票平均价格的变动跟GDP的变化趋势是吻合的，但不能简单地认为GDP 增长，股票价格就随之上涨，实际走势有时恰恰相反。

必须将GDP与经济形势结合起来考虑。

在持续、稳定、高速的GDP增长下，社会总需求与总供给协调增长，上市公司利润持续上升，股息不断增加，老百姓收入增加，投资需求膨胀，闲散资金得到充分利用，股票的内在含金量增加，促使股票价格上涨，股市走牛。

本次试验研究的1970-1987年的美国正处在经济持续高速发展的状态下，据此笔者利用这一时期美国SPI与GDP的数据建立计量经济学模型，并对其进行分析。

2、指标选择：指标数据为美国1970—1987年美国股票价格指数与美国GDP数据。

3、数据来源：实验数据来自《总统经济报告》（1989年），如表1所示：表1 4、数据处理将两组数据利用Eviews绘图，如图1、2所示：图1 GDP数据简图图2 SPI数据简图经过直观的图形检验，在1970-1987年间，美国的GDP保持持续平稳上升，SPI虽然有些波动，但波动程度不大，和现实经济相符，从图形上我们并没有发现有异常数据的存在。

所以可以保证数据的质量是可以满足此次实验的要求。

计量经济学实验报告姓名：何璐（交换生）班级：经济91学号：09182250实验报告1.第二章十二题1.1实验目的建立一元计量经济学模型并对方程进行检验和预测1.2实验内容1）做出散点图，建立税收随国内生产总值GDP变化的一元线性回归方程。

并解释斜率的经济意义。

2）对所建立的回归方程进行检验3）若2008某地区国内生产总值为8500亿元，求该地区税收的预测值及区间。

下表是中国2007年内地各地区税收Y和国内生产总值GDP的统计资料1.3实验过程与结论(1)做Y关于GDP 的散点图,按照如下步骤：在Eviews软件中，选择Quick/Graph（图1-1），出现Serise List（图1-2）对话框图1-1图1-2在Graph窗口的Graph Type栏中选择Scatter Diagram，点击OK按钮，即出现如图1-3所示的散点图。

图1-3在Eviews软件下,为了得到税收Y随GDP变化的一元线形回归方程，选择Quick/Estimate Equation（图1-4），得到如下结果：图1-4由此可知，Y随GDP变化的一元线形方程:Ý=-10.63+0.071GDP(-0.12) (9.59)R2=0.7603斜率的经济意义是:2007年,中国内地各省区GDP每增加1亿元时,税收平均增加0.071亿元。

(2)在α=5%的显著水平下，自由度为31-2=29的t分布的临界值位2.045,可由此判断,斜率项显著不为零,截距项显著为零.R2=0.7603,表明税收的76%的变化可以GDP的变化来解释,拟合度较好(3)通过Eviews操作得出Y在GDP=8500下的预测值（图1-5）为593.2667图1-52、第三章十一题2.1实验目的学习对二元回归方程进行估计，并进行F检验和t检验2.2实验内容1）估计回归方程的参数及随机干扰项的方差，计算可决系数和调整的可决系数。

2）对方程进行F检验，对参数进行t检验，并构造参数95%的置信区间。

《计量经济学》上机实验报告二题目：练习题2.2、2.4 实验日期和时间：2015年10月15日星期四班级：学号：姓名：实验室：实验环境：Windows XP ; EViews 3.1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：2.2（1）建立浙江省财政预算收入与全省生产总值的计量经济模型，估计模型的参数，检验模型的显著性并解释所估计参数的经济意义。

（2）利用（1）经济模型作出点预测和区间预测。

（3）建立浙江省财政预算收入对数与全省生产总值对数的计量经济模型，估计模型的参数，检验模型的显著性并解释所估计参数的经济意义。

2.4（1）建立建筑面积与建造单位成本的回归方程。

（2）解释回归系数的经济意义。

（3）估计当建筑面积为4.5万平方米时，对建造平均单位成本作区间预测。

实验步骤：2.3 （1）在命令区间输入LSYCX得到以下结果Dependent Variable: YMethod: Least SquaresDate: 10/15/15 Time: 20:24Sample: 1978 2010Included observations: 33Variable Coefficient Std. Error t-Statistic Prob.C -154.3063 39.08196 -3.948274 0.0004X 0.176124 0.004072 43.25639 0.0000902.5148R-squared 0.983702 Mean dependentvarAdjusted R-squared 0.983177 S.D. dependent var 1351.009S.E. of regression 175.2325 Akaike info criterion 13.22880Sum squared resid 951899.7 Schwarz criterion 13.31949Log likelihood -216.2751 F-statistic 1871.115Durbin-Watson stat 0.100021 Prob(F-statistic) 0.000000方程为Y=-154.3063+0.176124X经济意义：所估计的参数说明浙江省财政预算收入每增加1亿元，全省生产总值增加0.176124亿元。