下载文档原格式
计量经济学教学案例案例一 简单线性回归模型一、主题与背景用真实数据进行简单线性回归分析，应用Eviews6.0分析软件进行操作，与课本内容相对应，分析模型的截距、斜率以及可决系数，引导学生熟悉Eviews6.0的基本操作，能够解读分析报告，并尝试进行被解释变量的预测，体会变量测度单位的改变和函数形式变化给OLS 估计结果和统计特征的影响。
二、情景描述对于由CEO 构成的总体，令y 代表年薪(salary)，单位为千美元。
令x 表示某个CEO 所在公司在过去三年的平均股本回报率(roe ，股本回报率定义为净收入占普通股价的百分比)。
为研究该公司业绩指标和CEO 薪水之间的关系，可以定义以下模型：Salary=0β+1βroe + u . 斜率参数1β衡量当股本回报率增长一个单位（一个百分点）时CEO 年薪的变化量，由于更高的股本回报率预示更高的CEO 年薪，所以，1β＞0。
三、教学过程设计（一）数据说明数据集CEOSAL1.RAW 包含1990年209位CEO 的相关信息，该数据来自《商业周刊》(5/6/91)，该样本中CEO 年薪的平均值为$1,281,120，最低值和最高值分别为$223,000和$14,822,000，1988、1989和1990年的平均股本回报率是17.18%。
（二）操作建议1：在 eviews6.0命令输入窗口定义变量：data salary roe2、用 edit+/- 编辑数据3、描述统计分析过程：view---descriptive stats---common sample4、画散点图:Scat roe salary5、在eviews6.0命令输入窗口运行简单线性回归 Ls salary c roe6、用resids 观测残差7、产生新序列:S eries lsalary =log(salary)8、改变函数形式：Ls lsalary c lsales9、改变变量测度单位：Ls salary*1000 c roe四、教学研究（一）案例结论1、回归结果估计出的回归线为：salˆary = 963.191 + 18.501 roe(1)截距和斜率保留了3位小数，回归结果显示，如果股本回报率为0，年薪的预测值为截距963.191千美元,可以把年薪的预测变化看做股本回报率变化的函数：∆salˆary = 18.501 (∆roe)，这意味着当股本回报率增加1个百分点，即∆roe =1,则年薪的预测变化就是18.5千美元,在线性方程中，估计的变化与初始年薪无关。
山东轻工业学院实验报告成绩课程名称：计量经济学指导教师：刘海鹰实验日期： 2012年4月23日院（系）：商学院专业班级金融10- 1 实验地点：机电楼B座5楼学生姓名：学号： 201008021029 同组人无实验项目名称：线性回归模型自相关的检验及修正一、实验目的和要求通过Eviews软件估计线性回归模型并计算残差，检验误差项是否存在自相关及自相关的修正，用广义最小二乘法估计回归参数。
二、实验原理图示法检验、DW检验、LM检验、科克伦-奥克特迭代法、广义差分法、最小二乘法。
三、主要仪器设备、试剂或材料计算机，EViews软件四、实验方法与步骤1、启动Eviews5软件，建立新的workfile. 命令：create a 1978 2000 （以下的所有命令均需单击回车键）；2、在命令窗口输入命令：DATA CO I P，开始输入数据。
；3、输入数据后，命令：GENR Y=CO/P和GENR X=I/P ；4、用OLS估计方程。
在命令窗口输入命令：LS Y C X （Eviews输出结果如图一）。
一）图示法检验1、命令：GENR E=RESID LINE E SCAT E SCAT E E(-1) 结果为图二至图四。
2、在图一窗口下，单击resids功能键，得到残差图，如图五。
二）LM检验1、在图一窗口下，点击功能键VIEW，选RESIDUAL TEST/SRRIAL CORRELATION LM TEST…,2、在随后弹出的滞后期对话框中给出最大滞后期1。
点击OK键，即可得到LM自相关检验的结果，如图六。
三）自相关的修正，即广义差分法和科克伦-奥克特迭代法1、命令：LS E E(-1) 得到结果图七；2、命令：GENR GDY=Y-0.70*Y(-1)，GENR GDX=X-0.70X(-1)，LS GDY C GDX,广义差分方程输出结果如图八。
五、 实验数据记录、处理及结果分析图一用普通最小二乘法求估计的回归方程结果如下ˆ111.440.7118t tY X =+(6.5) (42.1) R 2 =0.9883 s.e=32.8 DW=0.60 T=23回归方程拟合得效果比较好，但是DW 值比较低。
试验四-1 自相关分析
试验目的：通过上机试验，使学生掌握多自相关分析的基本原理，熟悉自相关分
析检验的方法与自相关分析模型修正的方法。
1、下表给出了美国1960-1995年36年间个人实际可支配收入X 和个人实际消费支出Y 的数据。
美国个人实际可支配收入和个人实际消费支出
单位：100亿美元
要求：（1）用普通最小二乘法估计收入—消费模型；
t t u X Y ++=221ββ （2）检验收入—消费模型的自相关状况（5%显著水平）；
（3）用适当的方法消除模型中存在的问题。
2、下表给出了某地区1980-2000年的地区生产总值(Y )与固定资产投资额(X )的数据。
地区生产总值(Y )与固定资产投资额(X ) 单位：亿元
要求：（1）使用对数线性模型 t t t u LnX LnY ++=21ββ 进行回归，并检验回归模型的自相关性；
（2）采用广义差分法处理模型中的自相关问题。
(3) 令1-=t t *t X /X X （固定资产投资指数），1-=t t *
t Y /Y Y （地区生产总值增长指数），使用模型 t *t
*t v LnX LnY ++=21ββ，该模型中是否有自相关？。
第六章自相关实验报告一、研究目的对于广大的中国农村人口而言，其消费总量比重却不高。
农村居民的收入和消费是一个值得研究的问题。
消费模型是研究居民消费行为的常用工具。
通过中国农村居民消费模型的分析可判断农村居民的边际消费倾向，这是宏观经济分析的重要参数。
同时，农村居民消费模型也能用于农村居民消费水平的预测。
二、模型设定影响居民消费的因素很多，但由于受各种条件的限制，通常只引入居民收入一个变量做解释变量，即消费模型设定为：+β1X t+ U tY t=β参数说明：Y——农村居民人均消费支出 (单位：元)tX——农村居民人均纯收入（单位：元）tU t——随机误差项收集到数据如下（见表2-1）表2-1 1985-2011年农村居民人均收入和消费单位：元注：资料来源于《中国统计年鉴》1986-2012。
为了消除价格变动因素对农村居民收入和消费支出的影响，不宜直接采用现价人均收入和现价人均消费支出的数据，而需要用经消费价格进行调整后的1985年可比价格及人均纯收入和人均消费支出的数据做回归分析。
根据表2-1中调整后的1985年可比价格计的人均纯收入和人均消费支出的数据，使用普通最小二乘法估计消费模型得如下结果。
表2-2 最小二乘估计结果Dependent Variable: YMethod: Least SquaresDate: 12/04/13 Time: 20:00Sample: 1985 2011Included observations: 27Coefficient Std. Error t-Statistic Prob.C 45.40225 10.30225 4.407025 0.0002X 0.718526 0.012526 57.36069 0.0000R-squared 0.992459 Mean dependent var 580.5296 Adjusted R-squared 0.992157 S.D. dependent var 256.4506 S.E. of regression 22.71079 Akaike info criterion 9.154744 Sum squared resid 12894.50 Schwarz criterion 9.250732 Log likelihood -121.5890 Hannan-Quinn criter. 9.183287 F-statistic 3290.249 Durbin-Watson stat 0.528075 Prob(F-statistic) 0.000000由以上结果得到以下方程:^Y t=45.4022545+0.718526X t（6.1）（10.30225）（0.012526）t = (4.407025) (57.36069)R2=0.992459--R2=0.992157 F=3290.249 DW=0.528075该回归方程可决系数较高，回归系数均显著。
