計量經(jīng)濟(jì)學(xué)實驗報告

1、學(xué)生實驗報告（經(jīng)管類專業(yè)用）學(xué)生姓名學(xué)號同組人實驗項目一元線性回歸模型必修 選修 演示性實驗 驗證性實驗 操作性實驗 綜合性實驗實驗地點實驗儀器臺號指導(dǎo)教師實驗日期及節(jié)次一、實驗?zāi)康募耙螅?、目的利用實驗軟件，使學(xué)生在實驗過程中全面了解和熟悉計量經(jīng)濟(jì)學(xué)的基本概念，熟悉一元線性回歸模型估計的基本程序和基本方法。2、內(nèi)容及要求()熟悉實驗軟件的基本操作程序和方法；(2)、掌握一元線性回歸模型基本概念，了解其估計和檢驗原理(3)、提交實驗報告二、儀器用具：儀器名稱規(guī)格/型號數(shù)量備注計算機(jī)1有網(wǎng)絡(luò)環(huán)境多媒體會計模擬實驗室系統(tǒng)1三、實驗結(jié)果與數(shù)據(jù)處理：1 經(jīng)研究發(fā)現(xiàn)，家庭書刊消費受家庭收入幾戶主受教育

2、年數(shù)的影響，表中為對某地區(qū)部分家庭抽樣調(diào)查得到樣本數(shù)據(jù)：(1) 建立家庭書刊消費的計量經(jīng)濟(jì)模型；（2）利用樣本數(shù)據(jù)估計模型的參數(shù)；（3）檢驗戶主受教育年數(shù)對家庭書刊消費是否有顯著影響；（4）分析所估計模型的經(jīng)濟(jì)意義和作用答：（1）建立家庭書刊消費的計量經(jīng)濟(jì)模型： 其中：Y為家庭書刊年消費支出、X為家庭月平均收入、T為戶主受教育年數(shù)（2）估計模型參數(shù)，結(jié)果為Dependent Variable: YMethod: Least SquaresDate: 11/28/12 Time: 14:10Sample: 1 18Included observations: 18VariableCoeffici

3、entStd. Errort-StatisticProb.  C-50.0163849.46026-1.0112440.3279X0.0864500.0293632.9441860.0101T52.370315.20216710.067020.0000R-squared0.951235    Mean dependent var755.1222Adjusted R-squared0.944732    S.D. dependent var258.7206S.E. of regression60.

4、82273    Akaike info criterion11.20482Sum squared resid55491.07    Schwarz criterion11.35321Log likelihood-97.84334    F-statistic146.2974Durbin-Watson stat2.605783    Prob(F-statistic)0.000000即 （49.46026）（0.02936） （5.20

5、217） t= (-1.011244) (2.944186) (10.06702) R2=0.951235 F=146.2974(3) 檢驗戶主受教育年數(shù)對家庭書刊消費是否有顯著影響:由估計檢驗結(jié)果, 戶主受教育年數(shù)參數(shù)對應(yīng)的t 統(tǒng)計量為10.06702, 明顯大于t的臨界值，同時戶主受教育年數(shù)參數(shù)所對應(yīng)的P值為0.0000，明顯小于，均可判斷戶主受教育年數(shù)對家庭書刊消費支出確實有顯著影響。（4）本模型說明家庭月平均收入和戶主受教育年數(shù)對家庭書刊消費支出有顯著影響，家庭月平均收入增加1元，家庭書刊年消費支出將增加0.086元，戶主受教育年數(shù)增加1年，家庭書刊年消費支出將增加52.37元。

6、60;                                                 

7、60;                                                 

8、60;                                                 

9、60;                         2 考慮以下“期望擴(kuò)充菲利普斯曲線（Expectations-augmented Phillips curve）”模型：其中：=實際通貨膨脹率（%）；=失業(yè)率（%）；=預(yù)期的通貨膨脹率（%）下表為某國的有關(guān)數(shù)據(jù)，表1. 1970-1982年某國實際通貨膨脹率Y(%)，失業(yè)率X2(%)和預(yù)期通貨

10、膨脹率X3(%)（1）對此模型作估計,并作出經(jīng)濟(jì)學(xué)和計量經(jīng)濟(jì)學(xué)的說明。 （2）根據(jù)此模型所估計結(jié)果，作計量經(jīng)濟(jì)學(xué)的檢驗。 （3）計算修正的可決系數(shù)（寫出詳細(xì)計算過程）。答：（1）建立線性回歸模型：其中：=實際通貨膨脹率（%）；=失業(yè)率（%）；=預(yù)期的通貨膨脹率（%）。參數(shù)估計：利用Eviews進(jìn)行回歸分析，回歸結(jié)果如下：Dependent Variable: YMethod: Least SquaresDate: 11/28/12 Time: 14:42Sample: 1 13Included observations: 13VariableCoefficientStd. Errort-Sta

11、tisticProb.  C7.1059751.6185554.3903210.0014X2-1.3931150.310050-4.4931960.0012X31.4806740.1801858.2175060.0000R-squared0.872759    Mean dependent var7.756923Adjusted R-squared0.847311    S.D. dependent var3.041892S.E. of regression1.188632  

12、;  Akaike info criterion3.385658Sum squared resid14.12846    Schwarz criterion3.513031Log likelihood-18.98728    F-statistic34.29559Durbin-Watson stat2.254851    Prob(F-statistic)0.000033表1 回歸結(jié)果根據(jù)表1中的數(shù)據(jù)，模型估計結(jié)果為= 7.105975 - 1.39311

13、5 + 1.480674 (1.618555) (0.310050) (0.180185)t = (4.390321) (-4.493196) (8.217506)=0.872759 =0.847311 F=34.29559 =10由和可知“失業(yè)率”、“預(yù)期通貨膨脹率”對“實際通貨膨脹率”有顯著影響。根據(jù)回歸方程= 7.105975 - 1.393115 + 1.480674，在假定其他變量不變的情況下，失業(yè)率每增長，實際通貨膨脹率降低；在假定其他變量不變的情況下，預(yù)期通貨膨脹率增長，實際通貨膨脹率增長。因此，失業(yè)率與實際通貨膨脹率負(fù)相關(guān)，預(yù)期的通貨膨脹率與實際通貨膨脹率正相關(guān)。（2）模型檢驗

14、擬合優(yōu)度：由表1中數(shù)據(jù)可知，修正的可決系數(shù)為，這說明模型對樣本的擬合很好。檢驗：大于臨界值，Prob（F-statistic）的值為0.000033小于0.05，根據(jù)經(jīng)驗原則，說明回歸方程顯著，即“失業(yè)率”、“預(yù)期通貨膨脹率”等變量聯(lián)合起來對“實際通貨膨脹率”有顯著影響。從經(jīng)濟(jì)意義上來看，失業(yè)率與預(yù)期通貨膨脹率負(fù)相關(guān)，預(yù)期的通貨膨脹率與實際通貨膨脹率正相關(guān)，與經(jīng)濟(jì)理論一致。檢驗：根據(jù)經(jīng)驗原則，各參數(shù)的T值的絕對值都大于臨界值，從P值也可看出都小于0.05，即當(dāng)在其他解釋變量不變的情況下，,失業(yè)率 ()、預(yù)期通貨膨脹率 ()分別對被解釋變量實際通貨膨脹率都有顯著的影響。計算修正的可決系數(shù)： 3某

15、地區(qū)城鎮(zhèn)居民人均全年耐用消費品支出、人均年可支配收入及耐用消費品價格指數(shù)的統(tǒng)計資料如表所示： 利用表中數(shù)據(jù)，建立該地區(qū)城鎮(zhèn)居民人均全年耐用消費品支出關(guān)于人均年可支配收入和耐用消費品價格指數(shù)的回歸模型，進(jìn)行回歸分析，并檢驗人均年可支配收入及耐用消費品價格指數(shù)對城鎮(zhèn)居民人均全年耐用消費品支出是否有顯著影響。(1) 建立該地區(qū)城鎮(zhèn)居民人均全年耐用消費品支出關(guān)于人均年可支配收入和耐用消費品價格指數(shù)的回歸模型： （2）估計參數(shù)結(jié)果Dependent Variable: YMethod: Least SquaresDate: 01/31/06 Time: 15:14Sample: 1991 2001Inc

16、luded observations: 11VariableCoefficientStd. Errort-StatisticProb.  C158.5398121.80711.3015640.2293X10.0494040.00468410.547860.0000X2-0.9116840.989546-0.9213160.3838R-squared0.947989    Mean dependent var190.4827Adjusted R-squared0.934986    S.D. de

17、pendent var79.29127S.E. of regression20.21757    Akaike info criterion9.077982Sum squared resid3270.001    Schwarz criterion9.186499Log likelihood-46.92890    F-statistic72.90647Durbin-Watson stat1.035840    Prob(F-stati

18、stic)0.000007由估計和檢驗結(jié)果可看出，該地區(qū)人均年可支配收入的參數(shù)的t檢驗值為10.54786，其絕對值大于臨界值；而且對應(yīng)的P值為0.0000，也明顯小于。說明人均年可支配收入對該地區(qū)城鎮(zhèn)居民人均全年耐用消費品支出確實有顯著影響。但是，該地區(qū)耐用消費品價格指數(shù)的參數(shù)的t檢驗值為-0.921316，其絕對值小于臨界值；而且對應(yīng)的P值為0.3838，也明顯大于。這說明該地區(qū)耐用消費品價格指數(shù)對城鎮(zhèn)居民人均全年耐用消費品支出并沒有顯著影響, 這樣的結(jié)論似乎并不合理。為什么會出現(xiàn)這樣的結(jié)果呢? 很值得考慮。說明此模型存在嚴(yán)重的問題（存在嚴(yán)重多重共線性）4下表給出的是19601982年間7

19、個OECD國家的能源需求指數(shù)（Y）、實際GDP指數(shù)（X1）、能源價格指數(shù)（X2）的數(shù)據(jù)，所有指數(shù)均以1970年為基準(zhǔn)（1970=100）年份能源需求指數(shù)Y實際GDP指數(shù)X1能源價格指數(shù)X2年份能源需求指數(shù)Y實際GDP指數(shù)X1能源價格指數(shù)X219601961196219631964196519661967196819691970197154.155.458.561.763.666.870.373.578.383.388.991.854.156.459.462.165.969.573.275.779.983.886.289.8111.9112.4111.1110.2109.0108.3105.31

20、05.4104.3101.797.7100.31972197319741975197619771978197919801981198297.2100.097.393.599.1100.9103.9106.9101.298.195.694.3100.0101.4100.5105.3109.9114.4118.3119.6121.1120.698.6100.0120.1131.0129.6137.7133.7144.5179.0189.4190.9(1)建立能源需求與收入和價格之間的對數(shù)需求函數(shù)，解釋各回歸系數(shù)的意義，用P值檢驗所估計回歸系數(shù)是否顯著。(2) 再建立能源需求與收入和價格之間的線性回

21、歸模型 ，解釋各回歸系數(shù)的意義，用P值檢驗所估計回歸系數(shù)是否顯著。(3 )比較所建立的兩個模型，如果兩個模型結(jié)論不同，你將選擇哪個模型，為什么？答：（1）建立能源需求與收入和價格之間的對數(shù)需求函數(shù)Dependent Variable:LNYMethod: Least SquaresDate: 28/11/12 Time: 15:14Sample: 1960 1982Included observations: 23VariableCoefficientStd. Errort-StatisticProb.  C1.5495040.09011317.195080.0000LNX

22、20.9969230.01911052.166340.0000LNX3-1.3313640.024310-13.630860.0000R-squared0.994130    Mean dependent var4.412077Adjusted R-squared0.993543    S.D. dependent var0.224107S.E. of regression0.018008    Akaike info criterion-5.074916Sum square

23、d resid0.006486    Schwarz criterion-4.926808Log likelihood61.36153    F-statistic1693.652Durbin-Watson stat0.807864    Prob(F-statistic)0.000000T=（17.1951）（52.1663）（-13.6309）， ，說明收入GDP指數(shù)增加1%時，平均說來能源需求指數(shù)將增長0.9969%; 價格指數(shù)增加1%時，平均說來能源需求指數(shù)將降低0.

24、3314%由P值小于0.05，可知, 收入和價格對能源需求的影響是顯著的。（2）建立能源需求與收入和價格之間的線性需求函數(shù) Dependent Variable:YMethod: Least SquaresDate: 28/11/12 Time: 15:24Sample: 1960 1982Included observations: 23VariableCoefficientStd. Errort-StatisticProb.  C28.255061.42148819.877090.0000X20.9808490.01945450.419000.0000X3-0.2584

25、260.015282-16.910310.0000R-squared0.993890    Mean dependent var84.34348Adjusted R-squared0.993279    S.D. dependent var17.50999S.E. of regression1.435479    Akaike info criterion3.681982Sum squared resid41.21199    Schw

26、arz criterion3.830090Log likelihood-39.34279    F-statistic1626.707Durbin-Watson stat0.977840    Prob(F-statistic)0.000000T=（19.8771）（50.4190）（-16.9103）， ，說明收入GDP指數(shù)增加1個單位時，平均說來能源需求指數(shù)將增長0.9808個單位; 價格指數(shù)增加1個單位時，平均說來能源需求指數(shù)將降低0.2584個單位由P值可知, 收入和價格對能源需求的影響是顯著的.（3）兩個

27、模型的擬合優(yōu)度分別為：0.9941和0.9939，模型一的擬合優(yōu)度比較大，說明擬合情況比較好，所以選擇模型一。5 表中給出了19701987年期間美國的個人消息支出(PCE)和個人可支配收入(PDI)數(shù)據(jù)，所有數(shù)字的單位都是10億美元(1982年的美元價)。估計下列模型：(1) 解釋這兩個回歸模型的結(jié)果。(2) 短期和長期邊際消費傾向（MPC）是多少？答：（1）先用第一個模型回歸，結(jié)果如下：Dependent Variable: PCEMethod: Least SquaresDate: 11/28/12 Time: 16:28Sample: 1970 1987Included observa

28、tions: 18VariableCoefficientStd. Errort-StatisticProb.  C-31.76530152.0670-0.2088900.8372PDI0.9311660.06992213.317280.0000R-squared0.917249    Mean dependent var1974.494Adjusted R-squared0.912077    S.D. dependent var296.2495S.E. of regression87.8435

29、6    Akaike info criterion11.89343Sum squared resid123463.9    Schwarz criterion11.99236Log likelihood-105.0409    Hannan-Quinn criter11.90707 F-statistic177.3501    Durbin-Watson stat2.273406Prob(F-statistic) 0.000000 t =（133173） （-0.2089） =