计量经济学eviews实习报告doc.docx
《计量经济学eviews实习报告doc.docx》由会员分享，可在线阅读，更多相关《计量经济学eviews实习报告doc.docx（11页珍藏版）》请在冰点文库上搜索。
计量经济学eviews实习报告doc
计量经济学实验报告
研究问题
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t反映技术进步的影响。
表1列出了我国1994-2009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1我国国有独立核算工业企业统计资料
年份
时间t
工业总产值
职工人数
固定资产
Y（亿元）
L（万人）
K（亿元）
1994
1
2004.82
280.51
2040.79
1995
2
2122.01
156.95
2090.73
1996
3
2199.35
212.38
2140.36
1997
4
2357.24
176.18
2390.47
1998
5
2664.9
179.41
2727.4
1999
6
2937.1
299.53
2821.86
2000
7
3149.48
240.1
2990.17
2001
8
3483.37
265.15
3296.91
2002
9
4348.95
191.04
4255.3
2003
10
5218.1
280.18
5126.88
2004
11
6242.2
396.19
6038.04
2005
12
7407.99
724.66
6909.82
2006
13
8651.14
682.3
8234.04
2007
14
9875.95
833.3
9262.8
2008
15
11444.08
925.43
10682.58
2009
16
13395.23
944.98
12581.51
实验要求
建立我国国有独立核算工业企业生产函数。
实验步骤
一、模型筛选
（一）建立多元线性回归方程
回归结果如下：
图1
因此，我国国有独立工业企业的生产函数为：
（模型1）
t＝（-5.4）（0.862）（3.57）（40.44）
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0.71897，资金的边际产出为1.00998，技术进步的影响使工业总产值平均每年递增9.22674亿元。
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t对工业总产值的总影响是显著的。
从图1看出，解释变量资金K的t统计量值为40.44，表明资金对企业产出的影响是显著的。
但是，模型中时间变量T的t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t统计量较小的变量（即时间变量）而重新建立模型。
（二）建立剔除时间变量的二元线性回归模型
回归结果如下：
图2
因此，我国国有独立工业企业的生产函数为：
（模型2）
t＝（-5.76）（3.5）（62.79）
（三）建立非线性回归模型——C-D生产函数
C-D生产函数为：
。
回归结果如下：
图3
因此，我国国有独立工业企业的生产函数为：
（模型3）
t＝（-2.38）（1.34）（46.37）
由模型1、2、3的比较可以看出，最优模型为模型2。
下面针对模型2进行如下检验：
二、检验多重共线性
（一）相关系数检验
图4解释变量相关系数矩阵
由表中数据可以发现L与K之间存在高度相关性。
（二）利用逐步回归方法处理多重共线性
建立基本的一元回归方程
根据相关系数和理论分析，工业总产值Y与固定资产净值K关联程度最大。
所以，设建立的一元回归方程为：
回归结果如下：
图5
因此，我国国有独立工业企业的生产函数为：
（模型4）
t＝（-4.3）（161.9961）
模型4与模型2相比，只有F值和t检验值有所提高，但
和
均有下降。
故仍选择模型2。
三、自相关性检验
（一）DW检验
因为n=16，k=2，取显著性水平
时，查表得
，
，而
，所以不能确定。
（二）偏相关系数检验
在方程窗口中点击View/ResidualTest/Correlogram-Q-statistics，并输入滞后期为12，则会得到残差与的各期相关系数和偏相关系数，
图6模型的偏相关系数检验
从图6中可以看出，模型2的偏相关系数的直方块未超过虚线部分，不存在自相关。
四、检验异方差性
模型2的估计结果显示，固定资产净值K的增长对工业总产值Y的增长更有刺激作用。
下面对模型2进行异方差检验。
可以认为工业总产值的差别主要来源于固定资产净值K的差别，因此，如果存在异方差性，则可能是K引起的。
模型2的OLS回归得到的残差平方项
与K的散点图表明（图7所示），直线基本水平，所以可能存在同方差或存在单调递减型异方差性。
图7异方差性检验图
再进行进一步的统计检验。
（一）采用怀特检验
在方程窗口上点击View\Residual\Test\WhiteHeteroskedastcity,检验结果如图8。
图8White检验结果
其中F值为辅助回归模型的F统计量值。
取显著水平
，由于
，所以存在异方差性。
实际应用中可以直接观察相伴概率p值的大小，若p值较小，则认为存在异方差性。
反之，则认为不存在异方差性。
（二）调整异方差性
1、确定权数变量
生成：
GENRW1=1/RESID^2
2、利用加权最小二乘法估计模型
在Eviews命令窗口中依次键入命令：
LS（W=W1）YCLK
回归结果图所示:
图9
上述结果显示，解释变量L的t检验未能通过，因此考虑剔除变量L。
剔除后回归结果如下：
图10
因此，我国国有独立工业企业的生产函数为：
（最终模型）
t＝（-132）（8690）
升级会员 