计量经济学eviews实验报告
- 格式：doc
- 大小：232.00 KB
- 文档页数：19
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EVIEWS5.1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；
利用eviews软件输出结果报告如下：
Dependent Variable: CONSUMPTION
Method: Least Squares
Date: 06/11/16 Time: 19:02
Sample: 1995 2014
Included observations: 20
Variable Coefficient Std. Error t-Statistic Prob.
C 691.0225 113.3920 6.094104 0.0000
AVGDP 0.352770 0.004908 71.88054 0.0000
R-squared 0.996528 Mean dependent
var 7351.300
Adjusted R-squared 0.996335 S.D. dependent
var 4828.765
S.E. of regression 292.3118 Akaike info
criterion 14.28816
Sum squared resid 1538032. Schwarz criterion 14.38773
Log likelihood -140.8816 Hannan-Quinn
criter. 14.30760
F-statistic 5166.811 Durbin-Watson
stat 0.403709
Prob(F-statistic) 0.000000
由上表可知财政收入随国内生产总值变化的一元线性回归方程为:
（令Y=CONSUMPTION,X=AVGDP（此处代表人均GDP））
Y = 691.0225+0.352770* X
其中斜率0.352770表示国内生产总值每增加一元,人均消费水平增长0.35277元。
检验结果R2=0.996528，说明99.6528%的样本可以被模型解释，只有0.3472%的样本未被解释，因此样本回归直线对样本点的拟合优度很高。
（2）对所建立的回归方程进行检验：
（5%显著性水平下，t（18）=2.101）
对于参数c假设: H0: c=0. 对立假设:H1: c≠0
对于参数GDP假设: H0: GDP=0. 对立假设:H1: GDP≠0
由上表知:
对于c,t=6.094104>t(n-2)=t(18)=2.101
因此拒绝H0: c=0,接受对立假设:H1: c≠0
对于GDP, t=71.88054﹥t(n-2)=t(18)=2.101
因此拒绝H0: GDP=0,接受对立假设: H1: GDP≠0
此外F统计量为5166.811，数值很大，可以判定，人均国内生产总值对居民消费水平在5%的显著性水平下有显著性影响。
所以，回归系数显著不为零，常数项不为零，回归模型中应包括常数项。
综上，整体上看此模型是比较好的。
(3)序列相关问题
由上图可知，DW统计量0.403709，经查表，当k=1，n=20时，dl=1.2，因此可判断此模型存在序列相关，且为序列正相关。
修正：广义差分法
因为DW=0.403709，ρ=1-DW/2=0.7981455
令X1=X-0.7981455*X(-1)
Y1=Y-0.7981455*Y(-1)
修正结果如下：
Dependent Variable: Y1
Method: Least Squares
Date: 06/11/16 Time: 19:56
Sample(adjusted): 1996 2014
Included observations: 19 after adjustments
Coefficient Std. Error t-Statistic Prob.
X1 -1.14E+08 7970597. -14.33887 0.0000
C -8.26E+10 5.45E+10 -1.516402 0.1478
R-squared 0.923631 Mean dependent
var -7.34E+11
Adjusted R-squared 0.919139 S.D. dependent
var 4.61E+11
S.E. of regression 1.31E+11 Akaike info
criterion 54.13516
Sum squared resid 2.92E+23 Schwarz criterion 54.23457
Log likelihood -512.2840 Hannan-Quinn
criter. 54.15198
F-statistic 205.6031 Durbin-Watson
stat 0.953595
Prob(F-statistic) 0.000000
经修正后，DW=0.953595
（4）根据2015年中国国民经济与社会发展统计公报，2015年人均国民生产总值为49351元，对该年的居民消费水平进行预测。
点预测：Y = 691.0225+0.352770* X=18100.5748
区间预测：计算出var^（Y0）=S2（2t0n1XXX）（）=1468.207，t0.25（n-2）=2.10，因此E（Y0）的预测区间为Y^0±t0.25(n-2)√var^（Y0）=49351±80.4661。
利用Eviews输出预测结果如下：
案例2：
下面给出了我国1995-2014年的居民消费水平（Y）和人均国内生产总值（X1）以及城镇居民人均可支配收入（X2）数据，对它们三者之间的关系进行研究。具体数据如表2所示。
表2：1995年到2014年的统计资料 单位：元
指标 居民消费水平（元） 人均国内生产总值（元） 城镇居民人均可支配收入（元）
1995年 2330 5074 4283
1996年 2765 5878 4838.9
1997年 2978 6457 5160.3
1998年 3126 6835 5425.1
1999年 3346 7199 5854
2000年 3721 7902 6280
2001年 3987 8670 6859.6
2002年 4301 9450 7702.8
2003年 4606 10600 8472.2
2004年 5138 12400 9421.6
2005年 5771 14259 10493
2006年 6416 16602 11759.5
2007年 7572 20337 13785.8
2008年 8707 23912 15780.8
2009年 9514 25963 17174.7
2010年 10919 30567 19109.4
2011年 13134 36018 21809.8
2012年 14699 39544 24564.7
2013年 16190 43320 26467
2014年 17806 46612 28843.85
（1）试建立二元线性回归方程
利用Eviews软件输出结果报告如下：
Dependent Variable: CONSUMPTION
Method: Least Squares
Date: 09/11/16 Time: 16:23
Sample(adjusted): 1995 2014
Included observations: 20
Coefficient Std. Error t-Statistic Prob.
AVGDP 0.160612 0.060350 2.661335 0.0164
SAVING 0.018166 0.005693 3.191061 0.0053
C 1040.987 143.3240 7.263178 0.0000
R-squared 0.997829 Mean dependent
var 7351.300
Adjusted R-squared 0.997573 S.D. dependent
var 4828.765
S.E. of regression 237.8674 Akaike info 13.91879
