Eviews实验报告Word文件下载.docx
《Eviews实验报告Word文件下载.docx》由会员分享,可在线阅读,更多相关《Eviews实验报告Word文件下载.docx(21页珍藏版)》请在冰点文库上搜索。
计算机
1
无网络环境
Eviews
三、实验方法与步骤
(一)数据的输入、描述及其图形处理;
(二)方程的估计;
(三)参数的检验、违背经典假定的检验;
(四)模型的处理与预测
四、实验结果与数据处理
实验一:
中国城镇居民人均消费支出模型
数据散点图:
25000
20000-】
*
Y15000-忙*
»
10000-八匚
5000-I1111
6000800010000120001400016000
X
通过Eviews估计参数方程
回归方程:
DependentVariable:
Y
Method:
LeastSquares
Date:
11/27/14Time:
15:
02
Sample:
131
Includedobservations:
31
Variable
Coefficien
t
Std.Errort-Statistic
Prob.
1.359477
0.04330231.39525
0.0000
C
-57.90655
377.7595-0.153289
0.8792
R-squared
0.971419
Meandependentvar
11363.69
AdjustedR-squared
0.970433
S.D.dependentvar
3294.469
S.E.ofregression
566.4812
Akaikeinfo
15.57911
criterion
Sumsquaredresid
9306127.
Schwarzcriterion
15.67162
Loglikelihood
-239.4761
F-statistic
985.6616
Durbin-Watsonstat
1.294974
Prob(F-statistic)
0.000000
得出估计方程为:
丫=1.35947661442*X-57.9065479515
异方差检验
1、图示检验法
1500000
1000000
500000
图形呈现离散趋势,大致判断存在异方差性。
2、Park检验
LOG(E2)
16:
16
19.82562
19.853590.998591
0.3263
LOG(X)
-0.956403
2.204080-0.433924
0.6676
0.006451
11.21371
-0.027809
2.894595
2.934568
5.053338
249.7389
5.145854
-76.32674
0.188290
2.456500
0.667555
看到图中L0G(E2冲P值为0.6676>
0.05,所以不存在异方差性
3、G-Q检验
ei检验:
X
41
112
12
4642.028
2014.1832.304671
0.0439
Y
0.231046
0.2158241.070530
0.3095
0.102820
6796.390
0.013102
293.2762
291.3486
14.33793
848840.2
14.41875
-84.02758
1.146034
0.445146
0.309538
e2检验:
42
2031
583.4526
593.43700.983175
0.3487
0.697748
0.04019617.35870
0.967879
10586.89
0.964667
2610.864
490.7655
15.38082
2408507.
15.46164
-90.28493
301.3245
2.748144
第一个图中的残差平方和为848840.2
第二个图中的残差平方和为2408507
所以不存在异方差性
所以F值为2408507/848840.2=2.8374<
2.97
4、White检验
WhiteHeteroskedasticityTest:
TestEquation:
RESIDE
50
Ineludedobservations:
-2135113.
1158576.-1.842876
0.0760
503.7331
242.20782.079756
0.0468
XA2
-0.023609
0.011650-2.026590
0.0523
0.137952
300197.6
0.076378
347663.4
334122.9
28.36817
3.13E+12
28.50694
-436.7067
2.240402
1.871252
0.125152
P值为0.11786>
通过四种不同的检验得知除了图示检验法得出异方差的结论,其他的检验的结论都
是不存在异方差的。
5、WLS(加权最小二乘法)修正
17:
14
Weightingseries:
E3
-85.69426
24.15675-3.547425
0.0013
1.362221
0.002307590.5615
WeightedStatistics
1.000000
13474.53
61353.74
27.93264
9.559810
22626.73
9.652325
-146.1770
348762.9
2.061818
Unweighted
Statistics
0.971413
0.970427
566.5415
9308110.
2.178992
实验二:
中国粮食生产函数
1、回归方程
LOG(Y)
12/11/14Time:
06
19832007
25
LOG(X1)
0.381145
0.050242
7.586182
LOG(X2)
1.222289
0.135179
9.042030
LOG(X3)
-0.081110
0.015304
-5.300024
LOG(X4)
-0.047229
0.044767
-1.054980
0.3047
LOG(X5)
-0.101174
0.057687
-1.753853
0.0956
-4.173174
1.923624
-2.169434
0.0429
0.981597
10.70905
0.976753
0.093396
0.014240
-5.459968
0.003853
-5.167438
74.24960
202.6826
1.791427
得出回归方程为:
LOG(Y)=0.381144581612*LOG(X1)+1.22228859801*LOG(X2)-0.0811098881534*L0G(X3)-0.04722870996*L0G(X4)-0.101173736285*LOG(X5)-4.173********
通过检验结果可知RR较大且接近于1,而且F=202.6826>
Fo.o5(5,19)=2.74,
故认为粮食产量与上述变量之间总体线性关系显著。
但是由于其中X4、X5前的参
数估计值未通过t检验,且符号的经济意义不合理,故认为解释变量之间存在多重共线。
2、相关系数表
LNX1
LNX2
LNX3
LNX4
LNX5
-0.568744
0.451700
0.964357
0.440205
-0.214097
-0.697625
-0.073270
0.398780
0.411279
0.279528
由表可知LnX与LnX2之间存在高度的线性相关性
3、简单的回归形式
LnY与LnX
LNY
15
0.224005
0.0255158.779293
8.902008
0.20603443.20657
0.770175
Meandependentvar
0.760182
0.045737
-3.255189
0.048114
-3.157679
42.68986
77.07599
0.939435
LnY与LnX2
-0.383434
0.509669-0.752321
0.4595
15.15748
5.9129712.563429
0.0174
0.024017
-0.018417
0.094252
-1.809063
0.204321
-1.711553
24.61329
0.565986
0.335219
0.459489
LnY与LnX3
18
0.108067
0.085271
1.267335
0.2177
9.619722
0.859744
11.18905
0.065274
0.024634
0.092239
-1.852255
0.195684
-1.754745
25.15319
1.606139
0.597749
0.217717
LnY与LnX4
0.166976
0.0282745.905670
8.949090
0.29825530.00479
0.602605
0.585327
0.060143
-2.707578
0.083194
-2.610068
35.84472
34.87693
0.625528
0.000005
LnY与Ln%
DependentVariable:
19
0.488731
0.2346062.083199
0.0485
5.600749
2.4522072.283962
0.0319
0.158733
0.122156
0.176118Schwarzcriterion
26.46999F-statistic
0.327932Prob(F-statistic)
比较各个回归方程的R2可知Y与X1的氏最大,即粮食生产受农业化肥施用量最大,与经验相符,因此选为初始的回归方程。
且初始化回归方程为:
LOG(Y)=0.224004867873*LOG(X1)+8.90200821784
4、逐步回归