計量經(jīng)濟(jì)學(xué)實(shí)驗(yàn)報告模版

1、計量經(jīng)濟(jì)學(xué)實(shí)驗(yàn)報告姓名：羅靜 班級：B100906 學(xué)號：B10090605 計量經(jīng)濟(jì)學(xué)課程實(shí)驗(yàn)報告1專業(yè) 國際貿(mào)易 班級 B100906 姓名 羅靜 日期 2012.9.28 一、 實(shí)驗(yàn)?zāi)康? 學(xué)會Eviews工作文件的建立、數(shù)據(jù)輸入、數(shù)據(jù)的編輯和描述；2 掌握用Eviews軟件求解簡單線性回歸模型的方法；3掌握用Eviews軟件輸出結(jié)果對模型進(jìn)行統(tǒng)計檢驗(yàn)；4掌握用Eviews軟件進(jìn)行經(jīng)濟(jì)預(yù)測。二、 實(shí)驗(yàn)內(nèi)容首先根據(jù)實(shí)際分析居民消費(fèi)水平與經(jīng)濟(jì)增長的關(guān)系，并建立回歸模型，然后以最小二乘法利用Eviews軟件估計參數(shù)值，得到估計值后，再根據(jù)估計值來進(jìn)行模型檢驗(yàn)，包括經(jīng)濟(jì)意義檢驗(yàn)、擬合優(yōu)度和統(tǒng)計檢

2、驗(yàn)。最后便可進(jìn)行回歸預(yù)測。三、 實(shí)驗(yàn)數(shù)據(jù) 教材p55頁，表2.5。年份全體居民人均消費(fèi)水平(元)Y人均GDP(元)X年份全體居民人均消費(fèi)水平(元)Y人均GDP(元)X1978184381199313932998197920841919941833404419802384631995235550461981264492199627895846198228852819973002642019833165831998315967961984361695199933467159198544685820003632785819864979632001386986221987565111220024106

3、93981988714136620034411105421989788151920044925123361990833164420055463140531991932189320066138161651992111623112007708118934四、 實(shí)驗(yàn)步驟1. 分析居民人均消費(fèi)水平Y(jié)和人均GDP的關(guān)系2. 模型設(shè)定：Yt=1+2Xt+Ut3. 用Eviews估計參數(shù)。步驟如下： 1，建立工作文件：雙擊Eviews圖標(biāo)，進(jìn)入Eviews主頁。在菜單選項(xiàng)中依次點(diǎn)擊New - Workfile，出現(xiàn)“Work”。在“Work”中選擇數(shù)據(jù)頻率“Annual”，并在“start Date”菜單中

4、輸入“1978”，在“End”菜單中輸入“2007”點(diǎn)擊“OK”出現(xiàn)未命名文件的“Work”工作框。已有對象“c”為截距項(xiàng)，“resid”為剩余項(xiàng)。 2，輸入數(shù)據(jù)：在“Quick”菜單中點(diǎn)擊“Empty Group”，出現(xiàn)數(shù)據(jù)編輯窗口。將第一列命名為“Y”：方法是按上行鍵“”，對應(yīng)“obs”格自動上跳，在對應(yīng)的第二行有邊框的“obs”空格中輸入變量名為“Y”，再按下行鍵“”，變量名一下各格出現(xiàn)“NA”，依次輸入Y的對應(yīng)數(shù)據(jù)。按同樣的方法，可對“X”等其他變量命名，并輸入對應(yīng)數(shù)據(jù) 3，參數(shù)估計：在Eviews主頁面直接點(diǎn)擊“Quick”菜單，點(diǎn)擊“Estimate Equation”，出現(xiàn)“Eq

5、uation specification”對話框，選用OLS估計，然后在該對話框中輸入“Y C X”，點(diǎn)擊“OK”即出現(xiàn)以下結(jié)果 4. 模型檢驗(yàn)： 1，經(jīng)濟(jì)意義檢驗(yàn)：所估計參數(shù)1=224.3149，2=0.38643，說明人均GDP每增加1元，平均來說可導(dǎo)致居民消費(fèi)水平提高0.38643元。這與經(jīng)濟(jì)學(xué)中邊際消費(fèi)傾向的意義相符。 2，擬合優(yōu)度和統(tǒng)計檢驗(yàn)：通過Eviews軟件，估計出可決系數(shù)R2=0.988884，說明所建模型整體上對樣本數(shù)據(jù)擬合較好，即解釋變量“人均GDP”對被解釋變量“居民消費(fèi)水平”的絕大部分差異作出了解釋。 對回歸系數(shù)t的檢驗(yàn)：針對H0：1=0和=0，通過Eviews軟件，估

6、計的回歸系數(shù)1的估計值的標(biāo)準(zhǔn)誤差和t值分別為： 55.64114和4.031457；2估計值的標(biāo)準(zhǔn)誤差和t值分別為0.007743和49.90815.若取=0.05，查t0.025（28）=2.048.因?yàn)?和2的估計值的t值都大于t0.025（28），所以拒絕H0，即表明，人均GDP對居民消費(fèi)水平確有影響。五、 實(shí)驗(yàn)結(jié)論通過Eviews估計樣本模型如下：Ýt=224.3149+0.38643Xt （55.64114）（0.007743）T=（4.031457）（49.90815）R2=0.98884 F=2490.823 n=301，實(shí)驗(yàn)從科學(xué)的角度解釋了人均GDP與居民消費(fèi)之間的

7、關(guān)2，建立正確的回歸預(yù)測模型是很關(guān)鍵的一步3，簡單隨機(jī)模型是在一下假定的：零均值假定、同方差假定、無自相關(guān)假定、隨機(jī)擾動與解釋變量不相關(guān)假定、正態(tài)假定4，普通最小二乘法估計參數(shù)的基本思想是基于隨機(jī)誤差值最小的計量經(jīng)濟(jì)學(xué)課程實(shí)驗(yàn)報告2專業(yè) 國際貿(mào)易 班級 B100906 姓名 羅靜 日期 2012.11.9 一、 實(shí)驗(yàn)?zāi)康? 掌握用Eviews軟件求解多元線性回歸模型的方法；2掌握用Eviews軟件輸出結(jié)果檢驗(yàn)是否存在多重共線性；3掌握用Eviews軟件模型中的糾正多重共線性。二、 實(shí)驗(yàn)內(nèi)容首先分析解釋變量和被解釋變量之間的關(guān)系，然后建立相應(yīng)的回歸模型，利用Eviews軟件最小二乘法進(jìn)行參數(shù)估計

8、，用經(jīng)濟(jì)意義檢驗(yàn)，擬合優(yōu)度檢驗(yàn)和統(tǒng)計檢驗(yàn)來判定是否存在多重共線性，若存在，用Eviews軟件進(jìn)行修正，最后的出修正的結(jié)果。三、 實(shí)驗(yàn)數(shù)據(jù) 教材p119頁，表4.3。年份國內(nèi)旅游收入Y（億元）國內(nèi)旅游人數(shù)X2（萬人次）城鎮(zhèn)居民人均旅游花費(fèi)X3（元）農(nóng)村居民人均旅游花費(fèi)X4 （元）公路里程 X5（萬公里）鐵路里程X6（萬公里）19941023.552400414.754.9111.785.919951375.76290046461.5115.75.9719961638.463900534.170.5118.586.4919972112.764400599.8145.7122.646.6199823

9、91.269450607197127.856.6419992831.971900614.8249.5135.176.7420003175.574400678.6226.6140.276.8720013522.478400708.3212.7169.87.0120023878.487800739.7209.1176.527.1920033442.387000684.9200180.987.320044710.7110200731.8210.2187.077.4420055285.9121200737.1227.6193.057.5420066229.74139400766.4221.9345.7

10、7.7120077770.62161000906.9222.5358.377.8四、 實(shí)驗(yàn)步驟1， 分析國內(nèi)旅游收入、國內(nèi)旅游人數(shù)、城鎮(zhèn)居民人均旅游花費(fèi)、農(nóng)村居民人均旅游花費(fèi)、公路里程、鐵路里程之間的關(guān)系2， 建立模型：Yt=0+1X1+2X2+3X3+4X4+5X5+6X6+7X7+Ut3， 用Eviews估計參數(shù)。步驟如下（其他步驟參見實(shí)驗(yàn)一）：首先建立數(shù)據(jù)文件Y和X2、X3、X4、X5、X6，其次輸入各年對應(yīng)數(shù)據(jù)，然后進(jìn)行參數(shù)估計得到如下所示回歸結(jié)果Dependent Variable: YMethod: Least SquaresDate: 11/17/12 Time: 20:48Sa

11、mple: 1994 2007Included observations: 14CoefficientStd. Errort-StatisticProb.  C-1472.6441137.041-1.2951540.2314X20.0425060.0046149.2131570.0000X34.4321481.0633034.1682820.0031X42.9221531.0935702.6721230.0283X51.4278531.4177281.0071420.3434X6-354.8261244.8543-1.4491320.1853R-squared0.99731

12、1    Mean dependent var3527.783Adjusted R-squared0.995631    S.D. dependent var1927.495S.E. of regression127.4045    Akaike info criterion12.83014Sum squared resid129855.2    Schwarz criterion13.10402Log likelihood-83.81

13、097    Hannan-Quinn criter.12.80479F-statistic593.5006    Durbin-Watson stat1.558287Prob(F-statistic)0.0000004，模型檢驗(yàn)：1， 經(jīng)濟(jì)意義檢驗(yàn)：所估計參數(shù)6=-354.8261，說明公路里程每增加一個單位，國內(nèi)旅游收入就減少-354.8261個單位，這與實(shí)際不相符合。2， 擬合優(yōu)度和t 統(tǒng)計檢驗(yàn)：通過Eviews模型估計的可決系數(shù)R2=0.997311，說明所建模型整體上對樣本數(shù)據(jù)擬合較好，對國內(nèi)旅游收入、國

14、內(nèi)旅游人數(shù)、城鎮(zhèn)居民人均旅游花費(fèi)、農(nóng)村居民人均旅游花費(fèi)、公路里程、鐵路里程說明的大部分差異作出解釋。對回歸系數(shù)t的檢驗(yàn)：若取=0.05，t0.025（8）=2.31，很顯然x5、x6t檢驗(yàn)部顯著 3，由1,2可以表明，很可能存在嚴(yán)重的多重共線性。5，修正多重共線性： 1，分別作y對先、x2、x3、x4、x5、x6的一元回歸，結(jié)果如下 變量x2x3x4x5x6參數(shù)估計值0.05882614.0224519.6122.5963025.062t統(tǒng)計量18.248839.3093.2718.7099.14R20.9652190.87840.47140.86340.8744修正的R20.9623210.

15、86820.42730.8520.864其中，加入x2的方程修正的R2最大，x2為基礎(chǔ)，順次加入其他變量逐步回歸，結(jié)果如下變量x2x3x4x5x6修正的R2x2、x30.041（15.2635）5.1427（7.666）0.993519x2、x40.0523（5.3186）5.48299（5.3186）0.988491x2、x50.0587（5.6749）0.0534（0.0127）0.958896x2、x60.0434（8.2145）935.01（3.2754）0.979191經(jīng)比較，新加入x3的方程擬合優(yōu)度即修正的R2=0.993519比較高，改進(jìn)最大,而且各參數(shù)的t檢驗(yàn)最顯著，選擇保留x

16、3，再加入其他的新變量逐步回歸，結(jié)果如下變量x2x3x4x5x6修正的R2x2、x3、x40.0452（16.042）3.666（3.8314）2.1786（1.9744）0.99487x2、x3、x50.0379（7.5527）5.188（7.5314）1.2361（0.7216）0.993224x2、x3、x60.0418（13.702）5.75597（4.8365）-178.7471（-0.6325）0.993145當(dāng)加入x4時，修正的R2有所改進(jìn)，保留x4，再加入其他變量逐步回歸，結(jié)果如下x2x3x4x5x6修正的R20.0394（9.11）3.5794（3.8152）2.4036（2

17、.1957）1.78799（1.2092）0.9950970.0461（15.6285）4.6031（4.3817）2.8112（2.5817）-398.054（-1.64993）0.995624當(dāng)加入x4時，修正的R2有所增加，但其t檢驗(yàn)不顯著。加入x6后，修正R2有所增加，但t檢驗(yàn)部顯著，且參數(shù)為負(fù)，與實(shí)際不相符合。從相關(guān)關(guān)系可知，x5、x6與其他變量高度相關(guān)，這說明主要是x5、x6引起了多重共線性，應(yīng)當(dāng)剔除。五、 實(shí)驗(yàn)結(jié)論最后修正多重共線性影響后的回歸結(jié)果為 Ýt=-3136.713+0.00458X2t+3.66603X3t+2.17858X4t （295.9214）（0.0

18、027）（90.9568）（1.12342） T=(9-10.5998）(16.0418)(3.83139)(1.974398)R2=0.996054 修正的R2=0.99487 F=841.4324 DW=1.176321，在生活中的很多模型是存在多重共線性，利用Eviews軟件，然后進(jìn)行各種檢驗(yàn)可基本判別哪些解釋變量存在多重共線性2，多重共線性的修正步驟比較多，但思路是比較清晰的，尤其是逐步回歸法3，逐步回歸的結(jié)果雖然減輕多重共線性的目的，但某些解釋變量被剔除，可能會給模型帶來設(shè)定偏誤，這是需要我們注意的計量經(jīng)濟(jì)學(xué)課程實(shí)驗(yàn)報告3專業(yè) 國際貿(mào)易 班級 B100906 姓名 羅靜 日期 201

19、2.11.14 一、 實(shí)驗(yàn)?zāi)康?掌握用Eviews軟件檢驗(yàn)線性回歸模型是否存在異方差的圖形檢驗(yàn)法、Goldfeld-Quanadt檢驗(yàn)和White檢驗(yàn)的方法；2掌握用Eviews軟件消除模型中的異方差的方法；二、 實(shí)驗(yàn)內(nèi)容根據(jù)實(shí)際分析醫(yī)療機(jī)構(gòu)數(shù)和人口數(shù)的關(guān)系，建立回歸模型，利用Eviews軟件進(jìn)行回歸的參數(shù)預(yù)測，然后通過圖形法、Goldfeld-Quanadt檢驗(yàn)、White檢驗(yàn)來判定模型是否存在異方差性，若存在，則進(jìn)行模型修正。最后得出修正結(jié)果三、 實(shí)驗(yàn)數(shù)據(jù) 教材p142-143頁，表5.1。地區(qū)人口數(shù)（萬人）醫(yī)療機(jī)構(gòu)數(shù)（個）Y地區(qū)人口數(shù)（萬人）醫(yī)療機(jī)構(gòu)數(shù)（個）YXX成都1013.36304

20、眉山339.9827自貢315911宜賓508.51530攀枝花103934廣安438.61589瀘州463.71297達(dá)州620.12403德陽379.31085雅安149.8866綿陽518.41616巴中346.71223廣元302.61021資陽488.41361遂寧3711375阿壩82.9536內(nèi)江419.91212甘孜88.9594樂山345.91132涼山402.41471南充709.24064四、 實(shí)驗(yàn)步驟1， 分析醫(yī)療機(jī)構(gòu)和人口數(shù)的關(guān)系2， 模型建立：Yt=1+2X+Ut3， 用Eviews估計參數(shù)。步驟如下（其他步驟參見實(shí)驗(yàn)一）：首先建立數(shù)據(jù)文件Y和X1，其次輸入各年對應(yīng)

21、數(shù)據(jù)，然后進(jìn)行參數(shù)估計得到如下所示回歸結(jié)果4，模型的異方差檢驗(yàn)：1，圖形法：1，生成殘差平方序列ei2，記為e2，路徑：ObjectGenerate Series，進(jìn)入Generate Series by Equation對話框，在對話框中輸入“e2=（resid）2”，則生成ei2系列. 2，繪制et2對Xt的散點(diǎn)圖。選擇變量X與e2，進(jìn)入數(shù)據(jù)列表，再按路徑ViewGraphScatter，可得散點(diǎn)圖，如下 3，判斷，由圖可知道，殘差平方ei2對解釋變量X的散點(diǎn)圖主要分布在圖形中的下三角部分，大致看出殘差平方ei2隨Xi的變動呈增大的趨勢，因此模型很可能存在異方差。2，Goldfeld-Qu

22、anadt檢驗(yàn)：1，對變量取值排序。在Procs菜單中選Sort Series命令，選Ascending，表示遞增型排序，輸入X，點(diǎn)擊Ok 2，構(gòu)造子樣本區(qū)間，建立回歸模型。樣本容量n=21，刪除中間的4分之1，余下1-8,和14-21，在sample菜單中將區(qū)間定義為1-8，然后用OLS方法估計，結(jié)果如下Dependent Variable: YMethod: Least SquaresDate: 11/25/12 Time: 09:34Sample: 1 8Included observations: 8CoefficientStd. Errort-StatisticProb. 

23、 C598.2525119.29225.0150180.0024X1.1776500.4901872.4024520.0531R-squared0.490306    Mean dependent var852.6250Adjusted R-squared0.405357    S.D. dependent var201.5667S.E. of regression155.4343    Akaike info criterion13.14264Sum square

24、d resid144958.9    Schwarz criterion13.16250Log likelihood-50.57056    Hannan-Quinn criter.13.00869F-statistic5.771775    Durbin-Watson stat1.656269Prob(F-statistic)0.053117Dependent Variable: YMethod: Least SquaresDate: 11/25/12 Time: 09:3

25、5Sample: 14 21Included observations: 8CoefficientStd. Errort-StatisticProb.  C-2940.426430.7787-6.8258390.0005X9.1776410.69341913.235340.0000R-squared0.966883    Mean dependent var2520.500Adjusted R-squared0.961363    S.D. dependent var1781.627S.E. o

26、f regression350.2011    Akaike info criterion14.76721Sum squared resid735844.7    Schwarz criterion14.78707Log likelihood-57.06884    Hannan-Quinn criter.14.63326F-statistic175.1744    Durbin-Watson stat1.815102Prob(F-st

27、atistic)0.000011 3，求F統(tǒng)計量。由以上e1i2=144958.9，e2i2=73588.4，那么 F=e1i2÷e2i2=73588.4÷144958.9=5.0762 4，判斷，在=0.05下，以上F統(tǒng)計量的自由度都為6，查F表可得F0.05（6,6）=4.28<F=5.0762，所以模型確實(shí)存在異方差。3，White檢驗(yàn)：對原始Y和X進(jìn)行參數(shù)估計，然后按路徑ViewResidualWhite heteroskedasticity，進(jìn)入White檢驗(yàn)，選擇no cross terms，估計結(jié)果如下Heteroskedasticity Test: W

28、hiteF-statistic55.61118    Prob. F(2,18)0.0000Obs*R-squared18.07481    Prob. Chi-Square(2)0.0001Scaled explained SS11.78770    Prob. Chi-Square(2)0.0028Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 11/25/12 Time: 10:14S

29、ample: 1 21Included observations: 21CoefficientStd. Errort-StatisticProb.  C823375.5130273.46.3203650.0000X-3605.578553.5894-6.5130910.0000X24.7423870.5323528.9083660.0000R-squared0.860705    Mean dependent var351198.3Adjusted R-squared0.845228    S.

30、D. dependent var454261.0S.E. of regression178711.1    Akaike info criterion27.15649Sum squared resid5.75E+11    Schwarz criterion27.30571Log likelihood-282.1432    Hannan-Quinn criter.27.18888F-statistic55.61118    Durbi

31、n-Watson stat1.687985Prob(F-statistic)0.000000由以上結(jié)果可得到，nR2=18.07481,由White檢驗(yàn)知，在=0.05下，查2 0.05（2）=5.9915，同時X和X2的t檢驗(yàn)值也顯著。因?yàn)閚R2=18.07481>2 .05（2）=5.9915，所以，表明模型存在異方差。5，異方差的修正 運(yùn)用加權(quán)最小二乘法，分別選擇權(quán)數(shù)w1t=/Xt，w2t=1/Xt2，w3t=1/Xt。權(quán)數(shù)的生成過程如下，在Enter equation處，分別輸入w1=1/X，w2=1/X2，w3=1/sqr（X），各種估計如下 Dependent Variabl

32、e: YMethod: Least SquaresDate: 11/25/12 Time: 10:37Sample: 1 21Included observations: 21Weighting series: W1CoefficientStd. Errort-StatisticProb.  C384.612387.904424.3753460.0003X2.7235710.4333896.2843530.0000Weighted StatisticsR-squared0.675175    Mean dependent var110

33、4.228Adjusted R-squared0.658079    S.D. dependent var464.4126S.E. of regression336.2853    Akaike info criterion14.56419Sum squared resid2148668.    Schwarz criterion14.66367Log likelihood-150.9240    Hannan-Quinn criter

34、.14.58578F-statistic39.49310    Durbin-Watson stat0.787378Prob(F-statistic)0.000005Unweighted StatisticsR-squared0.586654    Mean dependent var1588.143Adjusted R-squared0.564899    S.D. dependent var1310.975S.E. of regression864.7480 &

35、#160;  Sum squared residDurbin-Watson stat0.362833Dependent Variable: YMethod: Least SquaresDate: 11/25/12 Time: 10:37Sample: 1 21Included observations: 21Weighting series: W2CoefficientStd. Errort-StatisticProb.  C368.620384.168264.3795640.0003X2.9528370.8226843.5892720.0020Weig

36、hted StatisticsR-squared0.938666    Mean dependent var808.6869Adjusted R-squared0.935438    S.D. dependent var1086.417S.E. of regression276.0477    Akaike info criterion14.16942Sum squared resid1447845.    Schwarz criter

37、ion14.26890Log likelihood-146.7789    Hannan-Quinn criter.14.19101F-statistic12.88288    Durbin-Watson stat1.706018Prob(F-statistic)0.001956Unweighted StatisticsR-squared0.625243    Mean dependent var1588.143Adjusted R-squared0.605519    S.D. dependent var1310.975S.E. of regression823.3933    Sum squared residDurbin-Watson stat0.380812Dependent Variable: YMethod: Le