计量经济学实验三.docx
《计量经济学实验三.docx》由会员分享，可在线阅读，更多相关《计量经济学实验三.docx（18页珍藏版）》请在冰点文库上搜索。
计量经济学实验三
实验三：
多元回归模型与非线性回归模型
【实验目的】掌握多元回归模型参数估计，特别是非线性回归模型的转化、参数估计及检验方法。
【实验内容】一、多元回归模型参数估计；
二、生成序列以及可线性化模型的参数估计；
三、不可线性化模型的迭代估计法的Eviews软件的实现方式。
【实验数据】建立我国国有独立核算工业企业生产函数。
根据生产函数理论，生产函数的基本形式为：
。
其中，L、K分别为生产过程中投入的劳动与资金，时间变量
反映技术进步的影响。
表3-1列出了我国1978-1994年期间国有独立核算工业企业的有关统计资料；其中产出Y为工业总产值（可比价），L、K分别为年末职工人数和固定资产净值（可比价）。
表3-1我国国有独立核算工业企业统计资料
年份
时间
工业总产值
Y（亿元）
职工人数
L（万人）
固定资产
K（亿元）
1978
1
3289.18
3139
2225.70
1979
2
3581.26
3208
2376.34
1980
3
3782.17
3334
2522.81
1981
4
3877.86
3488
2700.90
1982
5
4151.25
3582
2902.19
1983
6
4541.05
3632
3141.76
1984
7
4946.11
3669
3350.95
1985
8
5586.14
3815
3835.79
1986
9
5931.36
3955
4302.25
1987
10
6601.60
4086
4786.05
1988
11
7434.06
4229
5251.90
1989
12
7721.01
4273
5808.71
1990
13
7949.55
4364
6365.79
1991
14
8634.80
4472
7071.35
1992
15
9705.52
4521
7757.25
1993
16
10261.65
4498
8628.77
1994
17
10928.66
4545
9374.34
资料来源：
根据《中国统计年鉴－1995》和《中国工业经济年鉴-1995》计算整理
【实验步骤】Y=AK
一、建立多元线性回归模型
㈠建立包括时间变量的三元线性回归模型；
在命令窗口依次键入以下命令即可：
⒈建立工作文件：
CREATEA7894
⒉输入统计资料：
DATAYLK
⒊生成时间变量
：
GENRT=@TREND（77）
⒋建立回归模型：
LSYCTLK
则生产函数的估计结果及有关信息如图3-1所示。
图3-1我国国有独立核算工业企业生产函数的估计结果
因此，我国国有独立工业企业的生产函数为：
（模型1）
＝（-0.252）（0.672）（0.781）（7.433）
模型的计算结果表明，我国国有独立核算工业企业的劳动力边际产出为0.6667，资金的边际产出为0.7764，技术进步的影响使工业总产值平均每年递增77.68亿元。
回归系数的符号和数值是较为合理的。
，说明模型有很高的拟合优度，F检验也是高度显著的，说明职工人数L、资金K和时间变量
对工业总产值的总影响是显著的。
从图3-1看出，解释变量资金K的
统计量值为7.433，表明资金对企业产出的影响是显著的。
但是，模型中其他变量（包括常数项）的
统计量值都较小，未通过检验。
因此，需要对以上三元线性回归模型做适当的调整，按照统计检验程序，一般应先剔除
统计量最小的变量（即时间变量）而重新建立模型。
㈡建立剔除时间变量的二元线性回归模型；
命令：
LSYCLK
则生产函数的估计结果及有关信息如图3-2所示。
图3-2剔除时间变量后的估计结果
因此，我国国有独立工业企业的生产函数为：
（模型2）
＝（-2.922）（4.427）（14.533）
从图3-2的结果看出，回归系数的符号和数值也是合理的。
劳动力边际产出为1.2085，资金的边际产出为0.8345，表明这段时期劳动力投入的增加对我国国有独立核算工业企业的产出的影响最为明显。
模型2的拟合优度较模型1并无多大变化，F检验也是高度显著的。
这里，解释变量、常数项的
检验值都比较大，显著性概率都小于0.05，因此模型2较模型1更为合理。
㈢建立非线性回归模型——C-D生产函数。
C-D生产函数为：
，对于此类非线性函数，可以采用以下两种方式建立模型。
方式1：
转化成线性模型进行估计；
在模型两端同时取对数，得：
在EViews软件的命令窗口中依次键入以下命令：
GENRLNY=log（Y）
GENRLNL=log（L）
GENRLNK=log（K）
LSLNYCLNLLNK
则估计结果如图3-3所示。
图3-3线性变换后的C-D生产函数估计结果
即可得到C-D生产函数的估计式为：
（模型3）
＝（-1.172）（2.217）（9.310）
即：
从模型3中看出，资本与劳动的产出弹性都是在0到1之间，模型的经济意义合理，而且拟合优度较模型2还略有提高，解释变量都通过了显著性检验。
方式2：
迭代估计非线性模型，迭代过程中可以作如下控制：
对不可线性化的非线性回归模型，适用于使用迭代估计法直接进行估计,例如，对于非线性CD生产函数回归模型：
，估计命令为：
【命令方式】格式:
NLS变量＝表达式
NLSY＝C
（1）*L^C
（2）*K^C（3）
其中，C
（1），C
（2），C（3）分别表示待估计的回归系数；
【菜单方式】
在主菜单上点击Quick\EstimateEquation，并在弹出的方程描述对话框中直接输入方程的数学形式：
Y＝C
（1）*L^C
（2）*K^C（3）
点击OK,系统将采用迭代估计法求解参数估计值。
说明：
1．利用迭代法估计非线性回归模型时，需要事先确定待估参数的初始值。
可以用PARAM命令直接设定，也可以在工作文件窗口中双击序列C，然后在序列窗口中依次输入C
（1）、C
（2）、C（3）等参数的初始值。
2．迭代估计是一种近似估计，并且估计结果还会受到参数初始值和误差精度设定的影响。
因此，对于可线性化的非线性模型，最好还是将其转化成线性模型进行估计。
3．在方程描述窗口中是点击按纽Options，可以设置迭代估计的最大迭代次数（MaxIterations）和误差精度（Convergence），以便控制迭代估计的收敛过程（如图所示）。
操作：
⑴在工作文件窗口中双击序列C，输入参数的初始值；
⑵在方程描述框中点击Options，输入精度控制值。
控制过程：
①参数初值：
0，0，0；迭代精度：
10－3；
则生产函数的估计结果如图3-4所示。
图3-4生产函数估计结果
此时，函数表达式为：
（模型4）
＝（0.313）（－2.023）（8.647）
可以看出，模型4中劳动力弹性
＝-1.01161，资金的产出弹性
＝1.0317，很显然模型的经济意义不合理，因此，该模型不能用来描述经济变量间的关系。
而且模型的拟合优度也有所下降，解释变量L的显著性检验也未通过，所以应舍弃该模型。
②参数初值：
0，0，0；迭代精度：
10－5；
图3-5生产函数估计结果
从图3-5看出，将收敛的误差精度改为10－5后，迭代100次后仍报告不收敛，说明在使用迭代估计法时参数的初始值与误差精度或迭代次数设置不当，会直接影响模型的估计结果。
③参数初值：
0，0，0；迭代精度：
10－5，迭代次数1000；
图3-6生产函数估计结果
此时，迭代953次后收敛，函数表达式为：
（模型5）
＝（0.581）（2.267）（10.486）
从模型5中看出，资本与劳动的产出弹性都是在0到1之间，模型的经济意义合理，
，具有很高的拟合优度，解释变量都通过了显著性检验。
将模型5与通过方式1所估计的模型3比较，可见两者是相当接近的。
④参数初值：
1，1，1；迭代精度：
10－5，迭代次数100；
图3-7生产函数估计结果
此时，迭代14次后收敛，估计结果与模型5相同。
比较方式2的不同控制过程可见，迭代估计过程的收敛性及收敛速度与参数初始值的选取密切相关。
若选取的初始值与参数真值比较接近，则收敛速度快；反之，则收敛速度慢甚至发散。
因此，估计模型时最好依据参数的经济意义和有关先验信息，设定好参数的初始值。
二、比较、选择最佳模型
估计过程中，对每个模型检验以下内容，以便选择出一个最佳模型：
㈠回归系数的符号及数值是否合理；
㈡模型的更改是否提高了拟合优度；
㈢模型中各个解释变量是否显著；
㈣残差分布情况
以上比较模型的㈠、㈡、㈢步在步骤一中已有阐述，现分析步骤一中5个不同模型的残差分布情况。
分别在模型1～模型5的各方程窗口中点击View/Actual,Fitted,Residual/Actual,Fitted,ResidualTable（图3-8），可以得到各个模型相应的残差分布表（图3-9至图3-13）。
可以看出，模型4的残差在前段时期内连续取负值且不断增大，在接下来的一段时期又连续取正值，说明模型设定形式不当，估计过程出现了较大的偏差。
而且，模型4的表达式也说明了模型的经济意义不合理，不能用于描述我国国有工业企业的生产情况，应舍弃此模型。
模型1的各期残差中大多数都落在
的虚线框内，且残差分别不存在明显的规律性。
但是，由步骤一中的分析可知，模型1中除了解释变量K之外，其余变量均为通过变量显著性检验，因此，该模型也应舍弃。
模型2、模型3、模型5都具有合理的经济意义，都通过了
检验和F检验，拟合优度非常接近，理论上讲都可以描述资本、劳动的投入与产出的关系。
但从图3-13看出，模型5的近期误差较大，因此也可以舍弃该模型。
最后将模型2与模型3比较发现，模型3的近期预测误差略小，拟合优度比模型2略有提高，因此可以选择模型2为我国国有工业企业生产函数。
图3-8回归方程的残差分析
图3-9模型1的残差分布
图3-10模型2的残差分布
图3-11模型3的残差分布
图3-12模型4的残差分布
图3-13模型5的残差分布
总结：
以我国生产函数为例
一、建立多元线性回归模型。
1.建立工作文件：
CREATEA19802007
2.输入统计资料：
DATAGDPKL
3.建立回归模型：
LSGDPCKL
二、经过直接代换可线性化的非线性回归模型的参数估计
1．命令方式：
分别建立以下模型：
双对数模型：
LSlog（GDP）Clog（K）
对数模型：
LSGDPClog（K）
指数模型：
LSlog（GDP）CK
二次多项式模型：
LSGDPCKK∧2
2．菜单方式：
在方程窗口点击Estimate按钮，并在弹出的方程描述框内依次输入上述模型。
3．迭代估计：
在方程设定框内依次输入：
GDP=C
（1）*K^C
（2）估计幂函数模型
GDP=C
（1）*EXP（C
（2）*K）估计指数函数模型
GDP=C
（1）+C
（2）*K+C（3）*K^2估计二次多项式模型
估计过程中，可以点击Option按钮设定迭代次数和估计精度。
三、经过适当的模型变换可线性化的非线性回归模型的参数估计
对可以化为线性模型的非线性回归模型，可通过经过变量代换，将模型化为线性模型后再进行估计参数。
下面以C-D生产函数的参数估计为例，说明操作步骤：
1.将C-D生产函数
转化成线性模型，在C-D生产函数两端同时取对数，得：
设Y＝lnGDP，
＝lnA，X1＝lnL，X2＝lnK，则得到多元线性回归模型：
2.生成新序列.在应用计量经济软件Eviews实现上述变换，需要生成新序列，生成新序列命令方式为：
格式GENR变量名=表达式
功能：
将表达式的计算结果赋值给等号左端的变量
如：
GENRY＝log（GDP）生成GDP的自然对数，记为Y
GENRX1＝log（L）生成L的的自然对数，记为X1
GENRX2＝log（K）生成K的自然对数，记为X2
3.最小二乘法估计出各个参数，用最小二乘法估计出各个参数键入的命令序列为：
LSYCX1X2
四、不可线性化的非线性回归模型
对不可线性化的非线性回归模型，适用于使用迭代估计法直接进行估计,例如，对于非线性CES生产函数回归模型：
，估计命令为：
【命令方式】格式:
NLS变量＝表达式
NLSY＝C
（1）*L^C
（2）*K^C（3）
其中，C
（1），C
（2），C（3），C（4）分别表示待估计的回归系数
；
【菜单方式】
在主菜单上点击Quick\EstimateEquation，并在弹出的方程描述对话框中直接输入方程的数学形式：
Y＝C
（1）*L^C
（2）*K^C（3）
点击OK,系统将采用迭代估计法求解参数估计值。
说明：
1．利用迭代法估计非线性回归模型时，需要事先确定待估参数的初始值。
可以用PARAM命令直接设定，也可以在工作文件窗口中双击序列C，然后在序列窗口中依次输入C
（1）、C
（2）、C（3）等参数的初始值。
2．迭代估计是一种近似估计，并且估计结果还会受到参数初始值和误差精度设定的影响。
因此，对于可线性化的非线性模型，最好还是将其转化成线性模型进行估计。
3．在方程描述窗口中是点击按纽Options，可以设置迭代估计的最大迭代次数（MaxIterations）和误差精度（Convergence），以便控制迭代估计的收敛过程（如图所示）。
迭代过程中可以作如下控制：
（1）在工作文件窗口中双击序列C，输入参数的初始值；
（2）在方程描述框中点击Options，输入精度控制值。
控制过程：
①参数初值：
0，0，0；迭代精度；10-3；
②参数初值：
0，0，0；迭代精度；10-5；
③参数初值：
0，0，0；迭代精度；10-5；迭代次数1000；
④参数初值：
0，0，0；迭代精度；10-5；迭代次数100。
五、模型比较、选择最佳模型
估计过程中，对每个模型检验以下内容，以便选择一个最佳模型
1．回归系数的符号及数值是否合理；
2．模型的更改是否提高了拟合优度；
3．模型中各个解释变量是合显著；
4．模型整体显著性检验；
5．残差图分布情况进行综合分析。
【实验报告】根据输出结果，写成实验报告（word文档），实验报告格式见附表：
实验成果的具体要求：
1.对线性生产函数的估计结果进行检验，特别是对模型整体显著性进行检验，结果写成word文档形式。
2.对直接代换可线性化的非线性回归模型要通过检验从中挑选最佳模型形式；
3.对C-D生产函数的参数估计结果进行检验，特别是要明确指出参数的经济意义；
4.在不可线性化的CES生产函数估计中，注意参数的初始值的设定和精度控制值的控制过程，达到最佳估计效果。
表3-2：
年份
GDP（亿元）
K（亿元）
L（万人）
年份
GDP（亿元）
K（亿元）
L（万人）
1978
3645.21
-9666
40152
1993
35333.92
13072.3
66808
1979
4062.57
-9666
41024
1994
48197.85
17042.1
67455
1980
4545.62
910.85
42361
1995
60793.72
20019.26
68065
1981
4891.56
961.01
43725
1996
71176.59
22913.55
68950
1982
5323.35
1230.4
45295
1997
78973.03
24941.11
69820
1983
5962.65
1430.06
46436
1998
84402.27
28406.17
70637
1984
7208.05
1832.87
48197
1999
89677.05
29854.71
71394
1985
9016.03
2543.19
49873
2000
99214.55
32917.73
72085
1986
10275.17
3120.6
51282
2001
109655.17
37213.49
73025
1987
12058.61
3791.7
52783
2002
120332.68
43499.91
73740
1988
15042.82
4753.8
54334
2003
135822.75
55566.61
74432
1989
16992.31
4410.4
55329
2004
159878.33
70477.42
75200
1990
18667.82
4517
64749
2005
183867.88
88773.61
75825
1991
21781.49
5594.5
65491
2006
210870.99
109998.2
76400
1992
26923.47
8080.1
66152
2007
249529.9
137323.9
76990
（注：
可编辑下载，若有不当之处，请指正，谢谢!
）
升级会员 