当前位置：文档之家 › 计量经济学上机实验报告

计量经济学上机实验报告

  • 格式：doc
  • 大小：1.97 MB
  • 文档页数：23

(此文档为word格式，下载后您可任意编辑修改！) 计量经济学上机实验报告一、实验目的、意义和内容：实验目的：认识Eviews及掌握Eviews操作方法，运用Eviews软件处理数据，对数据进行简单线性回归分析、制作多元线性回归模型，进行识别与解决多重共线性和异方差等案例分析。

实验意义：掌握了Eviews软件的基本操作，并能利用该软件进行模型的相关分析和制作，从技术的角度加深了对计量经济学的认识，促进了该学科的学习和运用。

实验内容：Eviews软件介绍及基本操作。

简单现行回归模型和多元现行回归模型。

多重共线性的识别及解决。

异方差的识别及解决。

二、课后作业题第三章：3.3Dependent Variable: YMethod: Least SquaresDate: 120713 Time: 14:23Sample: 1 18Included observations: 18Variable Coefficient Std. Error t-Statistic Prob.C -50.01638 49.46026 -1.011244 0.3279X 0.086450 0.029363 2.944186 0.0101T 52.37031 5.202167 10.06702 0.0000 R-squared 0.951235 Mean dependent var 755.1222 Adjusted R-squared 0.944732 S.D. dependent var 258.7206 S.E. of regression 60.82273 Akaike info criterion 11.20482 Sum squared resid 55491.07 Schwarz criterion 11.35321 Log likelihood -97.84334 Hannan-Quinn criter. 11.22528 F-statistic 146.2974 Durbin-Watson stat 2.605783 Prob(F-statistic) 0.000000（1）建立家庭数看消费的计量经济模型：其中：y为家庭书刊年消费支出、x为家庭月平均收入、T为户主受教育年数（2）模型估计如上图(3) 检验户主受教育年数对家庭书刊消费是否有显著影响:由估计检验结果, 户主受教育年数参数对应的t 统计量为10.06702, 明显大于t的临界值，同时户主受教育年数参数所对应的P值为0.0000，明显小于，可判断户主受教育年数对家庭书刊消费支出确实有显著影响。

（4）本模型说明家庭月平均收入和户主受教育年数对家庭书刊消费支出有显著影响，家庭月平均收入增加1元，家庭书刊年消费支出将增加0.086元，户主受教育年数增加1年，家庭书刊年消费支出将增加52.37元。

3.4(1)模型估计如上图结果显示，失业率和预期通胀率对世纪通货膨胀率影响显著。

且失业率每上升一个百分点，实际通胀率下降1.393115，预期通胀率每上升一个百分点，实际通胀率上升1.480676个点。

(2)统计检验如上图(3)可决系数为0.8473113.5结果显示，该地区人均年可支配收入的参数的t检验值为10.54786，其绝对值大于临界值；而且对应的P值为0.0000，也明显小于。

说明人均年可支配收入对该地区城镇居民人均全年耐用消费品支出确实有显著影响。

但是，该地区耐用消费品价格指数的参数的t检验值为-0.921316，其绝对值小于临界值；而且对应的P 值为0.3838，也明显大于。

这说明该地区耐用消费品价格指数对城镇居民人均全年耐用消费品支出并没有显著影响。

3.6 4060801001201401601802005060708090100110YX1X2Dependent Variable: Y Method: Least Squares Date: 112113 Time: 14:22 Sample: 1960 1982 Included observations: 23VariableCoefficient Std. Error t-Statistic Prob.C 28.25506 1.421488 19.87709 0.0000 X1 0.980849 0.019454 50.41900 0.0000 X2 -0.2584260.015282-16.910310.0000R-squared0.993890 Mean dependent var 84.34348 Adjusted R-squared 0.993279 S.D. dependent var 17.50999 S.E. of regression 1.435479 Akaike info criterion 3.681982 Sum squared resid 41.21199 Schwarz criterion 3.830090 Log likelihood-39.34279 F-statistic1626.707Durbin-Watson stat 0.977840 Prob(F-statistic) 0.000000 3.7（1）预期符号：正、正、负、负、负。

（2）不符，x4、x5的符号与预期相反（3）几个变量的t检验统计量大于0.05，说明影响不显著或模型估计错误。

第四章4.3（1）模型参数(2)居民消费价格指数的回归系数的符号不能进行合理的经济意义解释，且CPI与进口之间的简单相关系数呈现正向变动。

可能数据中有多重共线性。

4.6(1)建立对数线性多元回归模型，引入全部变量建立对数线性多元回归模型如下: 生成: lny=log(y), 同样方法生成: lnx1,lnx2,lnx3,lnx4,lnx5,lnx6,lnx7.(2)从修正的可决系数和F统计量可以看出，全部变量对数线性多元回归整体对样本拟合很好，各变量联合起来对能源消费影响显著。

可是其中的lnX3、lnX4、lnX6对lnY影响不显著,而且lnX2、lnX5的参数为负值，在经济意义上不合理。

所以这样的回归结果并不理想。

预料此回归模型会遇到多重共线性问题, 因为国民总收入与GDP本来就是一对关联指标；而工业增加值、建筑业增加值、交通运输邮电业增加值则是GDP的组成部分。

这两组指标必定存在高度相关。

(3)解释变量国民总收入(亿元)X1(代表收入水平)、国内生产总值(亿元)X2(代表经济发展水平)、工业增加值(亿元)X3、建筑业增加值(亿元)X4、交通运输邮电业增加值(亿元)X5(代表产业发展水平及产业结构)、人均生活电力消费 (千瓦小时)X6(代表人民生活水平提高)、能源加工转换效率(%)X7(代表能源转换技术)等很可能线性相关,计算相关系数如下:可以看出lnx1与lnx2、lnx3、lnx4、lnx5、lnx6之间高度相关，许多相关系数高于0.900以上。

如果决定用表中全部变量作为解释变量，很可能会出现严重多重共线性问题。

（3）因为存在多重共线性，解决方法如下：采用逐步回归法，分别作lnY对lnx1 lnx2、lnx3、lnx4、lnx5、lnx6、lnx7的一元回归，结果如下:一元回归结果：其中加入lnX6的方程调整的可决系数最大, 以lnX6为基础, 顺次加入其他变量逐步回归。

结果如下表:经比较，新加入lnX5的方程调整可决系数改进最大, 各参数的t检验也都显著，但是lnX5参数的符号与经济意义不符合。

若再加入其他变量后的逐步回归,若剔除不显著的变量和无经济意义的变量后, 仍为第一步所建只包含lnX6的一元回归模型。

4.7由此可见，该模型R^2可决系数很高，F检验值366.6799,明显显著。

NZ系数的符号与预期的相反，这表明很可能存在严重的多重共线性。

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，证实确实存在严重多重共线性。

（2）解决方案：采用逐步回归的方式,分别作Y对X2、X3、X4、X5、X6、X7的一元回归，结果如下：变量X2X3 X4 X5 X6 X7参数估计值1.454186 0.41762 3.186851 0.829780.3322920.1115308 9t 统计量12.4039820.1977922.677336.20602516.38246 0.3203380.8460340.9357730.9483640.5790410.9055280.003651按的大小排序为：X4、X3、X6、X2、X5、X7。

以X4为基础，顺次加入其他变量逐步回归。

最终所得结果，当取， X3、X4、X5系数的t 检验都显著，这是最后消除多重共线性的结果。

这说明，在其他因素不变的情况下，当工业增加值、建筑业增加值、总人口分别增长1单位时，财政收入有所增长。

第五章：5.2Dependent Variable: Y Method: Least Squares Date: 120513 Time: 15:16 Sample: 1 60Included observations: 60Variable Coefficient Std. Error t-Statistic Prob.C -13.36448 52.42651 -0.254918 0.7997X 0.864472 0.286783 3.014380 0.0038 R-squared 0.135444 Mean dependent var 136.3333 Adjusted R-squared 0.120538 S.D. dependent var 138.7790 S.E. of regression 130.1464 Akaike info criterion 12.60796 Sum squared resid 982409.5 Schwarz criterion 12.67777 Log likelihood -376.2389 Hannan-Quinn criter. 12.63527 F-statistic 9.086488 Durbin-Watson stat 2.006596 Prob(F-statistic) 0.003815（1）该模型样本回归估计式的书写形式为（2）首先，用Goldfeld-Quandt法进行检验。

将样本X按递增顺序排序，去掉中间14的样本，再分为两个部分的样本，即。

分别对两个部分的样本求最小二乘估计，得到两个部分的残差平方和，即求F统计量为给定，查F分布表，得临界值为。

比较临界值与F统计量值，有=4.1390>，说明该模型的随机误差项存在异方差。

其次，用White法进行检验。

合集下载

计量经济学上机实验

计量经济学上机实验

计量经济学上机实验上机实验一：一元线性回归模型实验目的：EViews软件的基本操作实验内容：对线性回归模型进行参数估计并进行检验上机步骤：中国内地2011年中国各地区城镇居民每百户计算机拥有量和人均总收入一．建立工作文件：1.在主菜单上点击File\New\Workfile；2.选择时间频率，A3.键入起始期和终止期，然后点击OK；二．输入数据:1.键入命令：DATA Y X2.输入每个变量的统计数据；3.关闭数组窗口（回答Yes）;三．图形分析：1.趋势图：键入命令PLOT Y X2.相关图：键入命令 SCAT Y X 散点图：趋势图：上机结果：Yˆ11.958+0.003X=s (βˆ) 5.6228 0.0002t (βˆ) 2.1267 11.9826prob 0.0421 0.00002=0.831 R2=0.826 FR=143.584 prob(F)=0.0000上机实验二：多元线性回归模型实验目的：多元回归模型的建立、比较与筛选，掌握基本的操作要求并能根据理论对分析结果进行解释实验内容：对线性回归模型进行参数估计并进行检验上机步骤：商品的需求量与商品价格和消费者平均收入趋势图：散点图：上机结果:i Yˆ=132.5802-8.878007X1-0.038888X2s (βˆ) 57.118 4.291 0.419t (βˆ) 2.321 -2.069 -0.093prob 0.0533 0.0773 0.9286 R2=0.79 R2=0.73 F =13.14 prob(F)=0.00427三：非线性回归模型实验目的：EViews软件的基本操作实验内容：对线性回归模型进行参上机步骤：我国国有独立核算工业企业统计资料一．建立工作文件：1.在主菜单上点击File\New\Workfile；2.选择时间频率，A3.键入起始期和终止期，然后点击OK；二．输入数据:1.键入命令：DATA Y L K2.输入每个变量的统计数据；3.关闭数组窗口（回答Yes）;三．图形分析：1.趋势图：键入命令PLOT Y K L2.相关图：键入命令 SCAT Y K L四．估计回归模型：键入命令LS Y C K L上机结果：Y =4047.866K1.262204L-1.227157s (βˆ) 17694.18 0232593 0.759696t (βˆ) 0.228768 5.426669 -1.615325prob 0.8242 0.0004 0.1407R2=0.989758 R2=0.987482 F=434.8689 prob(F)=0.0000上机实验四：异方差实验目的：：掌握异方差的检验与调整方法的上机实现实验内容：我国制造工业利润函数行业销售销售行业销售销售实验步骤：一．检验异方差性1．图形分析检验：1) 观察Y、X相关图：SCAT Y X2) 残差分析:观察回归方程的残差图LS Y C X在方程窗口上点击Residual按钮；2． Goldfeld-Quant检验：SORT XSMPL 1 10LS Y C X（计算第一组残差平方和）SMPL 19 28LS Y C X（计算第二组残差平方和）计算F统计量，判断异方差性3．White检验：SMPL 1 28LS Y C X在方程窗口上点击：View\Residual\Test\White Heteroskedastcity 由概率值判断异方差性。

计量经济学上机报告

计量经济学上机报告

计量经济学上机报告计量经济学上机报告一、实验目的练习多元回归模型建模过程；了解回归系数经济学含义；了解三大统计检验过程及进行简单判断；进行非线性估计二、实验内容第三章 3.3 3.5 3.6三、实验结果（注意：回归结果请按报告形式书写，数字保留4位小数）3.3（1）因此，家庭书刊消费对家庭月平均收入和户主受教育年数的多元线性回归函数为： Y=-50.0164+0.0865X+52.3703Tt=(-0.0112) (2.9442) (10.0670)9512.02=R 9448.02=R 2974.146=F经济意义：在其他变量不变的情况下，家庭月收入每增加一元，家庭书刊消费增加0.0865元；同样，户主受教育年数每增加一年，家庭书刊消费增加53.3703元。

作用：显示出各解释变量在其他解释变量不变的情况下，对被解释变量的影响情况。

（2）(3)残差E1对残差E2的无截距项的回归由上图可得模型的估计结果为：E1 = -6.3351 + 0.0864*E2估计参数：0865.02=α(4)2β是表示家庭月平均收入X 对家庭书刊消费Y 的影响参数，2α则是残差1E 与2E 的无截距项的回归参数。

1E 是由Y 对户主受教育年数T 的一元回归得到，2E 是由X 对T 的一元回归得到。

两者性质一样，结果一样。

即22αβ=。

3.5（1）由题知：回归模型估计结果的样本容量n=20，ESS 的平方和SS=377067.19，ESS 与RSS 的自由度分别为2和17。

（2）此模型的可决系数4447.019.84796219.3770672≈==TSS ESS R 修正的可决系数()()4139.022********.01111122≈----=----=k n n R R （3）对于原假设：021==ββ，给定显著性水平05.0=α，在F 表中查出临界值: ()59.317,205.0=F构建F 统计量：()59.317,28063.6122000.470895219.377067105.0=>≈--=--=F k n RSS k ESS F 所以拒绝原假设：021==ββ，说明回归方程是显著的即列入模型的解释变量“价格X2”和“消费者收入X3”联合起来对解释变量“某商品的需求量Y ”有显著影响。

计量经济学上机报告

计量经济学上机报告

计量经济学上机报告一、模型设定1.被解释变量：Y●经济含义：医药行业工业总产值。

●指标：选用总量指标，即按当年价格计算的全国各个省市医药行业的工业总产值。

数据来源：《中国工业经济统计年鉴2001》。

●单位：亿元。

2.影响因素根据CD产生函数，影响医药行业工业总产值的主要因素包括从业人员和资产。

在该模型中，从业人员选用总量指标；而资产则选用固定资产，因为对于医药行业而言，固定投入是总资产中最为重要的部分。

因此，模型最终选用如下解释变量●X2：从业人员●X3：固定资产●需要注意的是，固定资产有不同的指标，固定资产原价指按最初购买资产时的价格计算的固定资产值；而固定资产净值则是消除折旧之后的固定资产值。

具体选用的是固定资产净值作为解释变量。

3.数学形式Y=A Xα2Xβ3еεLnY=lnA+αlnX2+βlnX3+ε以下分析结果是将各个解释变量取对数之后的结果。

二、统计分析结果三、经济分析样本回归超平面：lnY=1.394+0.329ln X2+0.706lnX3lnA=1.394，所以A＝4.031。

α=-0.329：即劳动力对工业总产值的弹性为0.329。

β＝0.706：即固定资产净值对工业总产值的弹性为0.706。

所有的参数均通过T检验，而且α+β≈1。

因此，可以认为α和β是显著的，并且两者的关系也基本满足CD生产函数。

附录1.原始数据注：工业总产值按现行价格计算，单位：亿元。

从业人员：指全部从业人员年平均人数，单位：万人。

固定资产原值和净值，单位：亿元。

资料来源：根据《中国工业经济统计年鉴2001》整理2.散点图3.拟合图4.残差图。

计量经济学实验报告(实验项目：时间序列计量经济学模型) (2)

计量经济学实验报告(实验项目：时间序列计量经济学模型) (2)

实验项目：时间序列计量经济学模型一实验目的通过上机实验掌握计量经济学软件EViews，运用EViews软件进行时间序列计量经济学模型的分析，掌握时间序列计量经济学模型，包括建立模型，了解其单整性、平稳性。

二预备知识单位根检验、单整性检验、ADF检验、最小二乘估计原理。

三实验内容下表给出了1978—2006年中国居民消费价格指数CPI.(1990年=100)(1)做出时间序列CPI的样本相关图，并通过图形判断该序列时间序列的平稳性。

(2)对CPI序列进行单位根检验，以进一步明确它们的平稳性。

(3)检验CPI的单整性。

四实验步骤（一）启动软件包Eviews 的启动步骤：双击E views 快捷方式，进入E Views 窗口；或点击开始 /程序/ Eviews 6，进入E Views 窗口。

（二）创建工作文件。

1 建立工作文件并录入数据，如图1所示。

图 12 平稳性检验2.1 平稳性的图示判断给出一个随机时间序列，首先可以通过该序列的事件路径图来粗略地判断它是否是平稳的。

使用语句T=@TREND+1978产生时间点的序列T，画出CPI跟时间T的关系图，即时序图，如图2所示。

图 2由图2，我们可以直观地看到CPI关于时间T有明显递增的趋势，不同时间段的均值不同，有持续上升，即CPI序列不平稳。

当然，这种直观的图示也常长生误导，因此需要进行进一步的判断。

2.2 样本自相关图判断点击主界面Quick\Series Statistics\Correlogram...，在弹出的对话框中输入CPI，点击OK就会弹出Correlogram Specification对话框，选择Level，并输入要输出的阶数(一般为12)，点击OK，即可得到CPI的样本相关函数图,如图3所示。

图 3一个时间序列的样本自相关函数定义为：121()(),1,2,3,...()n kt t k t k ntt XX X X r k XX -+==--==-∑∑易知，随着k 的增加，样本自相关函数下降且趋于零。