计量经济学实验报告模版Word格式文档下载.docx

计量经济学实验报告模版Word格式文档下载.docx

《计量经济学实验报告模版Word格式文档下载.docx》由会员分享，可在线阅读，更多相关《计量经济学实验报告模版Word格式文档下载.docx（22页珍藏版）》请在冰点文库上搜索。

3002

6420

1983

316

583

1998

3159

6796

1984

361

695

1999

3346

7159

1985

446

858

2000

3632

7858

1986

497

963

2001

3869

8622

1987

565

1112

2002

4106

9398

1988

714

1366

2003

4411

10542

1989

788

1519

2004

4925

12336

1990

833

1644

2005

5463

14053

1991

932

1893

2006

6138

16165

1992

1116

2311

2007

7081

18934

四、实验步骤

1.分析居民人均消费水平Y和人均GDP的关系

2.模型设定：

Yt=β1+β2Xt+Ut

3.用Eviews估计参数。

步骤如下：

1，建立工作文件：

双击Eviews图标，进入Eviews主页。

在菜单选项中依次点击New---Workfile，出现“WorkfileRange”。

在“WorkfileFrequency”中选择数据频率“Annual”，并在“startDate”菜单中输入“1978”，在“End”菜单中输入“2007”点击“OK”出现未命名文件的“WorkfileUNTITLED”工作框。

已有对象“c”为截距项，“resid”为剩余项。

2，输入数据：

在“Quick”菜单中点击“EmptyGroup”，出现数据编辑窗口。

将第一列命名为“Y”：

方法是按上行键“↑”，对应“obs”格自动上跳，，在对应的第二行有边框的“obs”空格中输入变量名为“Y”，再按下行键“↓”，变量名一下各格出现“NA”，依次输入Y的对应数据。

按同样的方法，可对“X”等其他变量命名，并输入对应数据

3，参数估计：

在Eviews主页面直接点击“Quick”菜单，点击“EstimateEquation”，出现“Equationspecification”对话框，选用OLS估计，然后在该对话框中输入“YCX”，点击“OK”即出现以下结果

4.模型检验：

1，经济意义检验：

所估计参数β1=224.3149，β2=0.38643，说明人均GDP每增加1元，平均来说可导致居民消费水平提高0.38643元。

这与经济学中边际消费倾向的意义相符。

2，拟合优度和统计检验：

通过Eviews软件，估计出可决系数R^2=0.988884，说明所建模型整体上对样本数据拟合较好，即解释变量“人均GDP”对被解释变量“居民消费水平”的绝大部分差异作出了解释。

对回归系数t的检验：

针对H0：

β1=0和β=0，通过Eviews软件，估计的回归系数β1的估计值的标准误差和t值分别为：

55.64114和4.031457；

β2估计值的标准误差和t值分别为0.007743和49.90815.若取α=0.05，查t0.025（28）=2.048.因为β1和β2的估计值的t值都大于t0.025（28），所以拒绝H0，即表明，人均GDP对居民消费水平确有影响。

五、实验结论

通过Eviews估计样本模型如下：

Ý

t=224.3149+0.38643Xt

（55.64114）（0.007743）

T=（4.031457）（49.90815）

R^2=0.98884F=2490.823n=30

1，实验从科学的角度解释了人均GDP与居民消费之间的关

2，建立正确的回归预测模型是很关键的一步

3，简单随机模型是在一下假定的：

零均值假定、同方差假定、无自相关假定、随机扰动与解释变量不相关假定、正态假定

4，普通最小二乘法估计参数的基本思想是基于随机误差值最小的

《计量经济学》课程实验报告2

专业国际贸易班级B100906姓名罗静日期2012.11.9

3．掌握用Eviews软件求解多元线性回归模型的方法；

2．掌握用Eviews软件输出结果检验是否存在多重共线性；

3．掌握用Eviews软件模型中的纠正多重共线性。

首先分析解释变量和被解释变量之间的关系，然后建立相应的回归模型，利用Eviews软件最小二乘法进行参数估计，用经济意义检验，拟合优度检验和统计检验来判定是否存在多重共线性，若存在，用Eviews软件进行修正，最后的出修正的结果。

教材p119页，表4.3。

国内旅游收入Y（亿元）

国内旅游人数X2（万人次）

城镇居民人均旅游花费X3（元）

农村居民人均旅游花费X4（元）

公路里程X5（万公里）

铁路里程X6（万公里）

1023.5

52400

414.7

54.9

111.78

5.9

1375.7

62900

464

61.5

115.7

5.97

1638.4

63900

534.1

70.5

118.58

6.49

2112.7

64400

599.8

145.7

122.64

6.6

2391.2

69450

607

197

127.85

6.64

2831.9

71900

614.8

249.5

135.17

6.74

3175.5

74400

678.6

226.6

140.27

6.87

3522.4

78400

708.3

212.7

169.8

7.01

3878.4

87800

739.7

209.1

176.52

7.19

3442.3

87000

684.9

200

180.98

7.3

4710.7

110200

731.8

210.2

187.07

7.44

5285.9

121200

737.1

227.6

193.05

7.54

6229.74

139400

766.4

221.9

345.7

7.71

7770.62

161000

906.9

222.5

358.37

7.8

1，分析国内旅游收入、国内旅游人数、城镇居民人均旅游花费、农村居民人均旅游花费、公路里程、铁路里程之间的关系

2，建立模型：

Yt=β0+β1X1+β2X2+β3X3+β4X4+β5X5+β6X6+β7X7+Ut

3，用Eviews估计参数。

步骤如下（其他步骤参见实验一）：

首先建立数据文件Y和X2、X3、X4、X5、X6，其次输入各年对应数据，然后进行参数估计得到如下所示回归结果

DependentVariable:

Y

Method:

LeastSquares

Date:

11/17/12Time:

20:

48

Sample:

19942007

Includedobservations:

14

Coefficient

Std.Error

t-Statistic

Prob. 

C

-1472.644

1137.041

-1.295154

0.2314

X2

0.042506

0.004614

9.213157

0.0000

X3

4.432148

1.063303

4.168282

0.0031

X4

2.922153

1.093570

2.672123

0.0283

X5

1.427853

1.417728

1.007142

0.3434

X6

-354.8261

244.8543

-1.449132

0.1853

R-squared

0.997311

Meandependentvar

3527.783

AdjustedR-squared

0.995631

S.D.dependentvar

1927.495

S.E.ofregression

127.4045

Akaikeinfocriterion

12.83014

Sumsquaredresid

129855.2

Schwarzcriterion

13.10402

Loglikelihood

-83.81097

Hannan-Quinncriter.

12.80479

F-statistic

593.5006

Durbin-Watsonstat

1.558287

Prob（F-statistic）

0.000000

4，模型检验：

1，经济意义检验：

所估计参数β6=-354.8261，说明公路里程每增加一个单位，国内旅游收入就减少-354.8261个单位，这与实际不相符合。

2，拟合优度和t统计检验：

通过Eviews模型估计的可决系数R^2=0.997311，说明所建模型整体上对样本数据拟合较好，对国内旅游收入、国内旅游人数、城镇居民人均旅游花费、农村居民人均旅游花费、公路里程、铁路里程说明的大部分差异作出解释。

对回归系数t的检验：

若取α=0.05，t0.025（8）=2.31，很显然x5、x6t检验部显著

3，由1,2可以表明，很可能存在严重的多重共线性。

5，修正多重共线性：

1，分别作y对先、x2、x3、x4、x5、x6的一元回归，结果如下

变量

x2

x3

x4

x5

x6

参数估计值

0.058826

14.02245

19.61

22.596

3025.062

t统计量

18.24883

9.309

3.271

8.709

9.14

R^2

0.965219

0.8784

0.4714

0.8634

0.8744

修正的R^2

0.962321

0.8682

0.4273

0.852

0.864

其中，加入x2的方程修正的R^2最大，x2为基础，顺次加入其他变量逐步回归，结果如下

x2、x3

0.041（15.2635）

5.1427（7.666）

0.993519

x2、x4

0.0523（5.3186）

5.48299（5.3186）

0.988491

x2、x5

0.0587（5.6749）

0.0534（0.0127）

0.958896

x2、x6

0.0434（8.2145）

935.01（3.2754）

0.979191

经比较，新加入x3的方程拟合优度即修正的R^2=0.993519比较高，改进最大,而且各参数的t检验最显著，选择保留x3，再加入其他的新变量逐步回归，结果如下

x2、x3、x4

0.0452（16.042）

3.666（3.8314）

2.1786（1.9744）

0.99487

x2、x3、x5

0.0379（7.5527）

5.188（7.5314）

1.2361（0.7216）

0.993224

x2、x3、x6

0.0418（13.702）

5.75597（4.8365）

-178.7471（-0.6325）

0.993145

当加入x4时，修正的R^2有所改进，保留x4，再加入其他变量逐步回归，结果如下

0.0394（9.11）

3.5794（3.8152）

2.4036（2.1957）

1.78799（1.2092）

0.995097

0.0461（15.6285）

4.6031（4.3817）

2.8112（2.5817）

-398.054（-1.64993）

0.995624

当加入x4时，修正的R^2有所增加，但其t检验不显著。

加入x6后，修正R^2有所增加，但t检验部显著，且参数为负，与实际不相符合。

从相关关系可知，x5、x6与其他变量高度相关，这说明主要是x5、x6引起了多重共线性，应当剔除。

最后修正多重共线性影响后的回归结果为

Ý

t=-3136.713+0.00458X2t+3.66603X3t+2.17858X4t

（295.9214）（0.0027）（90.9568）（1.12342）

T=（9-10.5998）（16.0418）（3.83139）（1.974398）

R^2=0.996054修正的R^2=0.99487F=841.4324DW=1.17632

1，在生活中的很多模型是存在多重共线性，利用Eviews软件，然后进行各种检验可基本判别哪些解释变量存在多重共线性

2，多重共线性的修正步骤比较多，但思路是比较清晰的，尤其是逐步回归法

3，逐步回归的结果虽然减轻多重共线性的目的，但某些解释变量被剔除，可能会给模型带来设定偏误，这是需要我们注意的

《计量经济学》课程实验报告3

专业国际贸易班级B100906姓名罗静日期2012.11.14

1．掌握用Eviews软件检验线性回归模型是否存在异方差的图形检验法、Goldfeld-Quanadt检验和White检验的方法；

2．掌握用Eviews软件消除模型中的异方差的方法；

根据实际分析医疗机构数和人口数的关系，建立回归模型，利用Eviews软件进行回归的参数预测，然后通过图形法、Goldfeld-Quanadt检验、White检验来判定模型是否存在异方差性，若存在，则进行模型修正。

最后得出修正结果

教材p142-143页，表5.1。

地区

人口数（万人）

医疗机构数（个）Y

X

成都

1013.3

6304

眉山

339.9

827

自贡

315

911

宜宾

508.5

1530

攀枝花

103

934

广安

438.6

1589

泸州

463.7

1297

达州

620.1

2403

德阳

379.3

1085

雅安

149.8

866

绵阳

518.4

1616

巴中

346.7

1223

广元

302.6

1021

资阳

488.4

1361

遂宁

371

1375

阿坝

82.9

536

内江

419.9

1212

甘孜

88.9

594

乐山

345.9

1132

凉山

402.4

1471

南充

709.2

4064

1，分析医疗机构和人口数的关系

2，模型建立：

Yt=β1+β2X+Ut

首先建立数据文件Y和X1，其次输入各年对应数据，然后进行参数估计得到如下所示回归结果

4，模型的异方差检验：

1，图形法：

1，生成残差平方序列ei^2，记为e2，路径：

Object→GenerateSeries，进入GenerateSeriesbyEquation对话框，在对话框中输入“e2=（resid）^2”，则生成ei^2系列.

2，绘制et^2对Xt的散点图。

选择变量X与e2，进入数据列表，再按路径View→Graph→Scatter，可得散点图，如下

3，判断，由图可知道，残差平方ei2对解释变量X的散点图主要分布在图形中的下三角部分，大致看出残差平方ei2随Xi的变动呈增大的趋势，因此模型很可能存在异方差。

2，Goldfeld-Quanadt检验：

1，对变量取值排序。

在Procs菜单中选SortSeries命令，选Ascending，表示递增型排序，输入X，点击Ok

2，构造子样本区间，建立回归模型。

样本容量n=21，删除中间的4分之1，余下1-8,和14-21，在sample菜单中将区间定义为1-8，然后用OLS方法估计，结果如下

11/25/12Time:

09:

34

18

8

598.2525

119.2922

5.015018

0.0024

1.177650

0.490187

2.402452

0.0531

0.490306

852.6250

0.405357

201.5667

155.4343

13.14264

144958.9

13.16250

-50.57056

13.00869

5.771775

1.656269

0.053117

35

1421

-2940.426

430.7787

-6.825839

0.0005

9.177641

0.693419

13.23534

0.966883

2520.500

0.961363

1781.627

350.2011

14.76721

735844.7

14.78707

-57.06884

14.63326

175.1744

1.815102

0.000011

3，求F统计量。

由以上Σe1i^2=144958.9，Σe2i^2=73588.4，那么

F=Σe1i^2÷

Σe2i^2=73588.4÷

144958.9=5.0762

4，判断，在α=0.05下，以上F统计量的自由度都为6，查F表可得F0.05（6,6）=4.28<

F=5.0762，所以模型确实存在异方差。

3，White检验：

对原始Y和X进行参数估计，然后按路径View→Residual→Whiteheteroskedasticity，进入White检验，选择nocrossterms，估计结果如下

HeteroskedasticityTest:

White

55.61118

Prob.F（2,18）

Obs*R-squared

18.07481

Prob.Chi-Square

（2）

0.0001

ScaledexplainedSS

11.78770

0.0028

TestEquation:

RESID^2

10:

14

121

Includedob