計(jì)量經(jīng)濟(jì)學(xué)綜合實(shí)驗(yàn)報(bào)告74p

1、計(jì)量經(jīng)濟(jì)學(xué)綜合實(shí)驗(yàn)報(bào)告實(shí)驗(yàn)一截面數(shù)據(jù)一元線性回歸模型（經(jīng)典估計(jì)）【實(shí)驗(yàn)?zāi)康暮鸵蟆?、熟練運(yùn)用計(jì)算機(jī)和Eviews軟件進(jìn)行計(jì)量經(jīng)濟(jì)分析，掌握一元線性回歸模型的設(shè)定、普通最小二乘法求解及其檢驗(yàn)方法；2、學(xué)習(xí)絕對(duì)收入假說消費(fèi)理論的驗(yàn)證方法；3、在老師的指導(dǎo)下獨(dú)立完成實(shí)驗(yàn)，并得到正確結(jié)果?！緦?shí)驗(yàn)內(nèi)容】1、對(duì)變量樣本序列進(jìn)行統(tǒng)計(jì)描述；2、設(shè)定一元線性回歸模型的具體形式，預(yù)計(jì)回歸系數(shù)的符號(hào)；3、用普通最小二乘法求解模型；4、對(duì)模型的解進(jìn)行經(jīng)濟(jì)理論檢驗(yàn)和統(tǒng)計(jì)檢驗(yàn)；5、對(duì)模型進(jìn)行結(jié)構(gòu)分析；6用模型進(jìn)行預(yù)測(cè)分析?！緦?shí)驗(yàn)數(shù)據(jù)】1、附表5,2011年河南省18個(gè)省轄市城市居民消費(fèi)支出CE與可支配收入DI數(shù)據(jù)。2、

2、附表5,2011年河南省18個(gè)省轄市農(nóng)村居民生活消費(fèi)支出LE與純收入NI數(shù)據(jù)?！緦?shí)驗(yàn)步驟】城市居民：1、打開Eviews工作文件，建立新的文件夾，在命令框中輸入“datacedi”回車，從數(shù)據(jù)表中粘貼數(shù)據(jù)到Eviews數(shù)據(jù)表中即可。2、對(duì)變量ce、di進(jìn)行統(tǒng)計(jì)描述在ce、di組對(duì)象窗口選擇下拉菜單view-descriptivestatistics-commonsamples，即輸出組對(duì)象中各序列數(shù)據(jù)公共樣本的統(tǒng)計(jì)描述，如下圖：統(tǒng)計(jì)描述1:commonsamples選擇下拉菜單view-descriptivestatistics-ndividualsamples，即輸出組對(duì)象中各序列數(shù)據(jù)的統(tǒng)計(jì)

3、描述，各序列包含的觀察值數(shù)量可以不同。統(tǒng)計(jì)描述2：individualsamples在組對(duì)象窗口中選擇下拉菜單view-covarianeeanalysisbalaneedsample即可出現(xiàn)以下圖表。統(tǒng)計(jì)描述3：covarianee3、建立由被解釋變量ce和解釋變量di組成的組對(duì)象，在一個(gè)坐標(biāo)軸上顯示兩變量的序列線圖，觀察是否接近直線，做兩變量的散點(diǎn)圖，觀察是否線性相關(guān)。兩變量序列的線圖：由上圖可知，兩變量的曲線，都不接近直線。兩變量的散點(diǎn)圖：由上圖可知兩變量基本呈正相關(guān)關(guān)系，存在一定的線性相關(guān)性。但相關(guān)程度不大。4、結(jié)合凱恩斯絕對(duì)收入假說的消費(fèi)理論和圖形分析，設(shè)定以ce為被解釋變量，di為

4、解釋變量的一元線性城市居民消費(fèi)總體回歸模型，預(yù)計(jì)回歸系數(shù)的符號(hào)；模型：CEi=沏+B2Dli+ui因支出一般隨收入的增加而增多，回歸系數(shù)應(yīng)為正數(shù)。5、用OLS法估計(jì)以ce為被解釋變量，di為解釋變量的城市居民消費(fèi)回歸模型；回歸估計(jì)結(jié)果如下：DependentVariable:CEMethod:LeastSquaresDate:06/23/08Time:14:45Sample:118Includedobservations:18CoefficientStd.Errort-StatisticProb.?C3510.4722058.0701.7057110.1074DI0.5013520.11731

5、74.2734770.0006R-squared0.533019?Meandependentvar12265.06AdjustedR-squared0.503832?S.D.dependentvar1188.676S.E.ofregression837.2934?Akaikeinfocriterion16.40267Sumsquaredresid?Schwarzcriterion16.50160Loglikelihood-145.6240?Hannan-Quinncriter.16.41631F-statistic18.26260?Durbin-Watsonstat1.415144Prob(F

6、-statistic)0.000582即CEi=3510.472+0.50135DI(2058.070)(0.117317)t=(1.705711)(4.273477)R2=0.533019F=18.26260n=186、對(duì)ce為被解釋變量，di為解釋變量模型輸出結(jié)果進(jìn)行經(jīng)濟(jì)理論檢驗(yàn)，擬合優(yōu)度檢驗(yàn)和t檢驗(yàn)。(1) 經(jīng)濟(jì)意義檢驗(yàn)：所估計(jì)參數(shù)B仁3510.472,B2=0.501352,說明可支配收入增加1元，平均說來可導(dǎo)致城市居民消費(fèi)支出增加0.501352元。(2) 擬合優(yōu)度檢驗(yàn)：通過以上的回歸數(shù)據(jù)可知，可決系數(shù)為0.533019，說明所建模型整體上對(duì)樣本數(shù)據(jù)擬合度不是太好。(3) t檢驗(yàn)：針

7、對(duì)H1:B仁0和H2B2=0,由上回歸結(jié)果可以看出，估計(jì)的回歸系數(shù)B1的標(biāo)準(zhǔn)誤差和t值分別為：SE(B1)=2058.070，t(B1)=1.705711:B2的標(biāo)準(zhǔn)誤差和t值分別為SE(B2)=0.117317t(B2)=4.273477.取a=0,05，查t分布表得自由度為n-2=18-2=16的臨界值為10.025=2.119,t(B1)=1.7057V10.025=2.119，不拒絕H1,t(B2)=4.1735>10.025=2.119,拒絕H2.這表明，城市居民可支配收入對(duì)其消費(fèi)水平有很大影響。7、當(dāng)城市居民可支配收入在14500元時(shí)，支出的均值為10780.076元。在95

8、%勺置信度下，預(yù)測(cè)某省轄市城市居民可支配收入在17500元時(shí)的消費(fèi)支出的均值區(qū)間。計(jì)算后區(qū)間為(10976.747113591.4469)模型預(yù)測(cè)農(nóng)村居民：1、打開Eviews工作文件，建立新的文件夾，在命令框中輸入“dataleni”回車，從數(shù)據(jù)表中粘貼數(shù)據(jù)到Eviews數(shù)據(jù)表中即可。4、對(duì)變量le、ni進(jìn)行統(tǒng)計(jì)描述在le、ni組對(duì)象窗口選擇下拉菜單view-descriptivestatistics-commonsamples，即輸出組對(duì)象中各序列數(shù)據(jù)公共樣本的統(tǒng)計(jì)描述，如下圖：選擇下拉菜單view-descriptivestatistics-ndividualsamples，即輸出組對(duì)象

9、中各序列數(shù)據(jù)的統(tǒng)計(jì)描述，各序列包含的觀察值數(shù)量可以不同，如下表：在組對(duì)象窗口中選擇下拉菜單view-covarianeeanalysisbalaneedsample即可出現(xiàn)以下圖表：3、建立由被解釋變量ce和解釋變量di組成的組對(duì)象，在一個(gè)坐標(biāo)軸上顯示兩變量的序列線圖，觀察是否接近直線，做兩變量的散點(diǎn)圖，觀察是否線性相關(guān)。兩變量序列的線圖：由上圖可知，兩變量的曲線，都不接近直線。兩變量的散點(diǎn)圖：由上圖可知兩變量基本呈正相關(guān)關(guān)系，存在一定的線性相關(guān)性。但相關(guān)程度不大。4、結(jié)合凱恩斯絕對(duì)收入假說的消費(fèi)理論和圖形分析，設(shè)定以le為被解釋變量，ni為解釋變量的一元線性城市居民消費(fèi)總體回歸模型，預(yù)計(jì)回歸

10、系數(shù)的符號(hào)；模型：LEi=B1+B2Nli+ui因支出一般隨收入的增加而增加，預(yù)測(cè)回歸系數(shù)B1、B2的符號(hào)都是正號(hào)。5、用OLSI估計(jì)以ce為被解釋變量，di為解釋變量的城市居民消費(fèi)回歸模型；模型回歸估計(jì)結(jié)果即LEi=275.9194+0.606027Nli(623.4453)(0.08359)T=(0.442572)(7.25000)R2=0.766636F=52.5625n=186、對(duì)le為被解釋變量，ni為解釋變量模型輸出結(jié)果進(jìn)行經(jīng)濟(jì)理論檢驗(yàn)，擬合優(yōu)度檢驗(yàn)和t檢驗(yàn)。(1) 經(jīng)濟(jì)意義檢驗(yàn)：所估計(jì)參數(shù)B1=275.9194，B2=0.606027,說明可支配收入增加1元，平均說來可導(dǎo)致鄉(xiāng)村居

11、民消費(fèi)支出增加0.606027元。(2) 擬合優(yōu)度檢驗(yàn)：通過以上的回歸數(shù)據(jù)可知，可決系數(shù)為0.766636，說明所建模型整體上對(duì)樣本數(shù)據(jù)擬合度較好；(3) 對(duì)回歸系數(shù)的t檢驗(yàn)：針對(duì)H1:B1=0和H2:B2=0，由上回歸結(jié)果可以看出，估計(jì)的回歸系數(shù)B1的標(biāo)準(zhǔn)誤差和t值分別為：SE(B1)=623.4453，t(B1)=0.442572;B2的標(biāo)準(zhǔn)誤差和t值分別為SE(B2)=0.083590t(B2)=7.250000，取a=0,05，查t分布表得自由度為n-2=18-2=16的臨界值為10.025=2.119,t(t(B1)=0.442572v10.025=2.119，不拒絕H1,t(B2)

12、=7.250000>10.025=2.119，拒絕H2.這表明，農(nóng)村居民可支配收入對(duì)其消費(fèi)水平有很大影響。模型預(yù)測(cè)【實(shí)驗(yàn)總結(jié)】本次試驗(yàn)，我們主要是根據(jù)數(shù)據(jù)，利用Eviews軟件進(jìn)行分析，如果兩變量基本符合線性關(guān)系就可建立一元線性計(jì)量模型，用普通最小二乘法進(jìn)行模型求解，再對(duì)求解出的模型進(jìn)行經(jīng)濟(jì)意義檢驗(yàn)，擬合優(yōu)度檢驗(yàn)和t檢驗(yàn)。從可決系數(shù)R2的大小可以判斷模型的擬合效果，可決系數(shù)越大擬合程度越高。還可以把城市與農(nóng)村的消費(fèi)總體回歸模型進(jìn)行比較，都可發(fā)現(xiàn)收入提高消費(fèi)也隨之增加，只不過城市與農(nóng)村居民的收入增加的部分用于消費(fèi)的比例不同，城市的該比例小于農(nóng)村的。但兩者的之一比例均大于0.5，可見用凱恩斯

13、的絕對(duì)收入假說解釋現(xiàn)階段河南省居民消費(fèi)規(guī)律是合理的。實(shí)驗(yàn)二截面數(shù)據(jù)一元線性回歸模型(異方差性)【實(shí)驗(yàn)?zāi)康暮鸵蟆?、掌握一元線性回歸估計(jì)方程的異方差性檢驗(yàn)方法；2、掌握一元線性回歸估計(jì)方程的異方差性糾正方法；3、在老師的指導(dǎo)下獨(dú)立完成實(shí)驗(yàn)，并得到正確結(jié)果。【實(shí)驗(yàn)內(nèi)容】1、估計(jì)河南省城市居民消費(fèi)支出CE依可支配收入DI的一元線性回歸模型和農(nóng)村居民生活消費(fèi)支出LE與純收入NI的一元線性回歸模型；2、用圖形法判斷是否存在異方差性；3、用goldfield-quandt法檢驗(yàn)是否存在異方差性；4、用white法檢驗(yàn)是否存在異方差性；5、用ARCHfe等檢驗(yàn)是否存在異方差性；6用加權(quán)最小二乘法消除異方差

14、性?！緦?shí)驗(yàn)數(shù)據(jù)】1、附表5,2011年河南省18個(gè)省轄市城市居民消費(fèi)支出CE與可支配收入DI數(shù)據(jù)。2、附表5,2011年河南省18個(gè)省轄市農(nóng)村居民生活消費(fèi)支出LE與純收入NI數(shù)據(jù)。【實(shí)驗(yàn)步驟】城市居民：1、用Eviews創(chuàng)建變量CEDI，輸入樣本數(shù)據(jù)，、打開Eviews工作文件，建立新的文件夾，在命令框中輸入“datacedi”回車，從數(shù)據(jù)表中粘貼數(shù)據(jù)到Eviews數(shù)據(jù)表中即可。2、估計(jì)河南省城市居民消費(fèi)支出CE依可支配收入DI的一元回歸模型下圖就是河南省城市居民消費(fèi)支出CE和可支配收入DI的一元線性回歸結(jié)果：即CEi=3510.472+0.50135DI(2058.070)(0.117317

15、)t=(1.705711)(4.273477)2R=0.533019F=18.26260n=183、觀察模型是否存在一階序列相關(guān)原序列自相關(guān)圖一階序列相關(guān)圖由以上圖可以看出模型不存在一階序列相關(guān)。4、觀察變量ce與di的散點(diǎn)圖，生成ols法估計(jì)模型的殘差變量序列，觀察殘差序列線圖，殘差平方與di的散點(diǎn)圖，判斷是否存在異方差性。殘差序列線圖殘差平方與di的散點(diǎn)圖根據(jù)上圖看到，殘差平方e2對(duì)解釋變量DI的散點(diǎn)圖主要分布在圖形下方，大致可以看出e2隨著解釋變量DI的變動(dòng)呈現(xiàn)增大的趨勢(shì)，因此，模型型很可能存在異方差。5、goldfield-quandt檢驗(yàn)：用sort命令di排序序列，首先排序的為1-

16、8的個(gè)體子樣的城市居民消費(fèi)回歸模型如下圖：再求排序?yàn)?0-18的個(gè)子字樣的城市居民消費(fèi)回歸模型如下圖：由以上兩圖得到sumsquaredresid的值即得到殘差平方和仁6808945.殘差平方和2=2433402,根據(jù)goldfeld-quanadt檢驗(yàn)，F(xiàn)統(tǒng)計(jì)量為兩個(gè)殘差平方和相除，得到數(shù)據(jù)為F=2.7981，取a=0.05，分子分母自由度分別為8和9,查F表臨界值F0.05(6,7)=3.87,F=2.7981vF0.05(6,7)=3.87,所以不拒絕原假設(shè)，所以模型不存在異方差性。6ce、di的White檢驗(yàn)結(jié)果從上圖可以看出：nR2=8.9519,又White檢驗(yàn)知，在a=0.05.

17、查x2分布表，得x2。.。尹5.9915,同時(shí)DI和DI2的t檢驗(yàn)也顯著。比較計(jì)算X2統(tǒng)計(jì)量與臨界值，因?yàn)閚R2=8.9519.>x2。.。尹5.9915,所以拒絕原假設(shè)，表明模型存在異方差性。7、CEDI模型的ARCH檢驗(yàn)：回歸結(jié)果后點(diǎn)擊view-residualtests-serialcorrelationLMtests給定顯著性水平a=0.05，查x2分布表臨界值x2o.of5.9915,自由度p為17,(n-p)R2=1.3636vX2d.o尸5.9915，所以模型中不存在異方差性。8、用w=1/di作為權(quán)數(shù)，用加權(quán)最小二乘法消除異法差性：權(quán)數(shù)W1檢驗(yàn)結(jié)果用white法檢驗(yàn)加權(quán)回

18、歸結(jié)果用ARCH法檢驗(yàn)加權(quán)回歸結(jié)果用w=1/diA2作為權(quán)數(shù)，用加權(quán)最小二乘法消除異法差性W2檢驗(yàn)結(jié)果用white法檢驗(yàn)加權(quán)回歸結(jié)果用ARC!法檢驗(yàn)加權(quán)回歸結(jié)果用w=1/sqr（di）作為權(quán)數(shù)，用加權(quán)最小二乘法消除異法差性W3回歸結(jié)果用white法檢驗(yàn)加權(quán)回歸結(jié)果用ARCHfe檢驗(yàn)加權(quán)回歸結(jié)果從以上的估計(jì)檢驗(yàn)發(fā)現(xiàn)用權(quán)數(shù)w2的效果最好，則以w2的檢驗(yàn)結(jié)果為模型的估計(jì)結(jié)果即CE=3552.339+0.498947DI（2218.312）（0.130952）T=（1.60137）（3.810155R2=0.53301DW=1.41251可以看出利用加權(quán)最小二乘法消除了異方差后，參數(shù)的t檢驗(yàn)均顯著可決

19、系數(shù)也有所提高，這一模型更接近真實(shí)情況。農(nóng)村居民：1、用Eviews創(chuàng)建變量LE、NI，輸入樣本數(shù)據(jù)，、打開Eviews工作文件，建立新的文件夾，在命令框中輸入“dataleni”回車，從數(shù)據(jù)表中粘貼數(shù)據(jù)到Eviews數(shù)據(jù)表中即可。2、估計(jì)河南省農(nóng)村居民消費(fèi)支出LE依可支配收入NI的一元回歸模型下圖就是河南省農(nóng)村居民消費(fèi)支出LE和可支配收入NI的一元線性回歸結(jié)果：即LEi=275.9194+0.606027Nli（623.4453）（0.08359）T=（0.442572）（7.25000）R2=0.766636F=52.5625n=183、觀察模型是否存在一階序列相關(guān)一階序列相關(guān)圖由上表知模

20、型不存在一階序列相關(guān)4、觀察變量le與ni的散點(diǎn)圖，生成ols法估計(jì)模型的殘差變量序列，觀察殘差序列線圖，殘差平方與ni的散點(diǎn)圖，判斷是否存在異方差性。在新建的文件中點(diǎn)擊genr在彈出的窗口中輸入e2=（resid）A2即可生成殘差序列殘差平方序列圖點(diǎn)擊殘差平方序列中viewgraphok殘差平方與ni的散點(diǎn)圖選擇ni與e2回車點(diǎn)擊view-graphscatterok從圖中可以看出，e2隨著解釋變量NI的變動(dòng)呈現(xiàn)增大的趨勢(shì)，所以模型很可能存在異方差性。5、在le與ni的序列中點(diǎn)擊sort-全選ni-ascendingok即可對(duì)ni遞增排序在eview窗口點(diǎn)擊quickestimateequa

21、tion在specification中輸入lecni在sample中輸入18點(diǎn)擊確定即可出現(xiàn)18樣本回歸結(jié)果如下表同理得1018回歸結(jié)果如下表由以上兩圖得到sumsquaredresid的值即得到殘差平方和仁823451.2.殘差平方和2=2352025,根據(jù)goldfeld-quanadt檢驗(yàn)，F(xiàn)統(tǒng)計(jì)量為兩個(gè)殘差平方和相除，得到數(shù)據(jù)為F=0.35，取a=0.05，分子分母自由度分別為8和9,查F表臨界值F0.05（6,7）=3.87,F=0.35vF0.05（6，7）=3.87,所以不拒絕原假設(shè)，所以模型不存在異方差性。6White檢驗(yàn)在模型回歸結(jié)果中點(diǎn)擊viewresidualtests-

22、heteroskedasticityTests在testtype中選擇white點(diǎn)擊ok即可由上表可以看出nR2=1.99465,在給定顯著性水平0.05，查x2分布表得臨界值為28.869因1.99465<28.869，則不拒絕原假設(shè)，表明模型中不存在異方差。7、ARCH檢驗(yàn)結(jié)果給定顯著性水平a=0.05，查W分布表臨界值X2o.of26.296,自由度p為16,(n-p)氏=0.176VX2oo=26.296，所以模型中不存在異方差性。8、在workfile窗口中點(diǎn)擊genr在enterequation中分別輸入w1w2w3在eviews窗口中點(diǎn)擊quick-estimateequa

23、tion在specification中輸入lecni在options中分別選擇w1、w2w3用w=1/ni作為權(quán)數(shù)，用加權(quán)最小二乘法消除異法差性W1檢驗(yàn)結(jié)果White法檢驗(yàn)加權(quán)回歸結(jié)果ARCH法檢驗(yàn)加權(quán)回歸結(jié)果用w=1/niA2作為權(quán)數(shù)，用加權(quán)最小二乘法消除異法差性W2檢驗(yàn)結(jié)果用white法檢驗(yàn)加權(quán)回歸結(jié)果用ARCHfe檢驗(yàn)加權(quán)回歸結(jié)果用w=1/sqr(ni)作為權(quán)數(shù)，用加權(quán)最小二乘法消除異法差W3檢驗(yàn)結(jié)果用white法檢驗(yàn)加權(quán)回歸結(jié)果HeteroskedasticityTest:WhiteF-statisticObs*R-squaredScaledexplainedSS1.1123223.4

24、660332.051SS2Prob.F(3,14)Probjjctil-SquareProc.Crtl-Square0.37700.32520.5617TestDependentVariableWGT_RESIDA2Method:LeastSquaresDate:12J2S/12Time:16.52Sample:11SIncludedobeervationg：1eCoefficientStd.Errort-StatisticProbC1.40E4-091IDE-090.127045D.9O07WGT1.37E+C3-0.1259670.90150.SO36-0.0725400.504407-0

25、.1220370,9046R-squared0.192561Meandependent幀3942325AdjustedR-squared0.019530S.p.dependent433S9359E.ofregression479222.2AkaikeInfo亡riterion2919089Sumsquaredreid3.22E+12Scliwarzcriterion2938875Loglikelihood-258.71«0Hannan-Ouinncriter.29.21817F-statisticV113922Durbin-Watsonstat2177521Prob(F-sUiist

26、ic)0.3770CD用ARCHfe檢驗(yàn)加權(quán)回歸結(jié)果由以上估計(jì)檢驗(yàn)發(fā)現(xiàn)用權(quán)數(shù)w2的效果最好，可以用權(quán)數(shù)w2的結(jié)果作為模型的估計(jì)結(jié)果即LE=583.1494+0.562674NI(682.7615)(0.103596)T=（0.854104）（5.431433）R2=0.762609DW=1.745498從回歸結(jié)果可以看出運(yùn)用加權(quán)最小二乘法消除了異方差性后，參數(shù)的t檢驗(yàn)均顯著，且可決系數(shù)也有所增加，這一估計(jì)結(jié)果更接近真實(shí)情況?！緦?shí)驗(yàn)總結(jié)】該實(shí)驗(yàn)利用Eviews軟件先排除序列的一階相關(guān)，再通過觀察殘差序列線圖，殘差平方與解釋變量的散點(diǎn)圖判斷模型的異方差性，如果殘差隨著解釋變量的變化，不是在一定的范

27、圍內(nèi)變化，那么即認(rèn)為有異方差性。Goldfield檢驗(yàn)法，根據(jù)得出的分段回歸數(shù)據(jù)表，可以得到殘差平方的值，再根據(jù)殘差平方的值，求出F統(tǒng)計(jì)量的值，再根據(jù)自由度的統(tǒng)計(jì)量的值，進(jìn)行比較大小，如果前者大于后者，那么就存在異方差性，反之，則不存在異方差性。White檢驗(yàn)法和ARCH僉驗(yàn)法，分別也進(jìn)行檢驗(yàn)。在消除異方差方面：在運(yùn)用最小二乘法修正過程中，我們分別選取了權(quán)數(shù)w1=1/x,w2=1/xA2,w3=1/xA0.5，權(quán)數(shù)生成的過程，是在相應(yīng)的對(duì)話框中，的ENTEREQUATION,分別輸入選取的權(quán)數(shù)，即可進(jìn)行修正?？梢钥闯鲞\(yùn)用加權(quán)最小二乘法消除異方差性后，參數(shù)的T檢驗(yàn)均顯著，F(xiàn)檢驗(yàn)也同樣顯著。實(shí)驗(yàn)三

28、時(shí)間序列數(shù)據(jù)一元線性回歸模型（自相關(guān)性）【實(shí)驗(yàn)?zāi)康暮鸵蟆?、學(xué)會(huì)回歸模型自相關(guān)性的檢驗(yàn)方法；2、掌握消除回歸模型自相關(guān)性的方法；3、在老師的指導(dǎo)下獨(dú)立完成實(shí)驗(yàn)，并得到正確結(jié)果?！緦?shí)驗(yàn)內(nèi)容】1、估計(jì)河南省城市居民消費(fèi)支出CE依可支配收入DI的一元線性回歸模型和農(nóng)村居民生活消費(fèi)支出LE與純收入NI的一元線性回歸模型；2、用圖形法判斷自相關(guān)性的存在及類型；3、用DW去檢驗(yàn)是否存在一階自相關(guān)性；4、用廣義差分法（科克倫-奧科特迭代）對(duì)自相關(guān)性進(jìn)行補(bǔ)救?！緦?shí)驗(yàn)數(shù)據(jù)】1、附表4，1978年到2011年河南省城市居民消費(fèi)支出與可支配收入。2、附表4，1978年到2011年河南省農(nóng)村居民生活消費(fèi)支出與純收入

29、。【實(shí)驗(yàn)步驟】城市居民1、建立時(shí)間序列工作文件、用Eviews創(chuàng)建變量CEDI，輸入樣本數(shù)據(jù)，、打開Eviews工作文件，建立新的文件夾，在命令框中輸入“datacedi”回車，從數(shù)據(jù)表中粘貼數(shù)據(jù)到Eviews數(shù)據(jù)表中即可。2、建立由被解釋變量CE與解釋變量DI組成的組對(duì)象。時(shí)間序列數(shù)據(jù)一元線性回歸模型ce與di的散點(diǎn)圖從上圖可知，變量CE和DI呈明顯的線性趨勢(shì)，所以存在線性相關(guān)。Ce與di序列的線圖觀察上圖，CE與DI線圖并不是近似直線。Ln（ce）與In（di）序列的線圖觀察log（CE與log（DI）的線圖，近似為直線。3、設(shè)定被解釋變量CE與解釋變量DI的具體形式如下：CE=1+B2D

30、I+y預(yù)測(cè)回歸系數(shù)B1、B2的符號(hào)都是正號(hào)；設(shè)定被解釋變量log(CE與解釋變量log(DI)的具體形式如下：Log(CE=B1+B2(DI)+卩預(yù)測(cè)回歸系數(shù)B1、B2的符號(hào)都是正號(hào)；4、用OLS法估計(jì)以ce或者In(ce)為被解釋變量，di或者In(di)為解釋變量的城市居民消費(fèi)一元線性回歸模型，同時(shí)生成新變量替代新估計(jì)模型的殘差序列ce為被解釋變量di為解釋變量的回歸結(jié)果如下：即CE=271.2100+0.664461DI(44.27741)(0.006520)T=(6.125246)(101.9135)Lnce為被解釋變量lndi為解釋變量的回歸結(jié)果如下：LNCE=0.391159+0.

31、920921LNDI(0,047544)(0.006046)T=(8.227274)(152.3106)5、ce為被解釋變量di為解釋變量的回歸模型(1) 經(jīng)濟(jì)意義檢驗(yàn)：所估計(jì)參數(shù)B1=271.2100,B2=0.664461,說明可支配收入增加1元，平均說來可導(dǎo)致城市居民消費(fèi)支出增加0.664461元。(2) 擬合優(yōu)度和統(tǒng)計(jì)檢驗(yàn)：通過以上的回歸數(shù)據(jù)可知，可決系數(shù)為0.996928，說明所建模型整體上對(duì)樣本數(shù)據(jù)擬合度較好：；(3) 對(duì)回歸系數(shù)的t檢驗(yàn)：針對(duì)H1:B1=0和H2:B2=0，由上回歸結(jié)果可以看出，估計(jì)的回歸系數(shù)B1的標(biāo)準(zhǔn)誤差和t值分別為：SE(B1)=44.27741，t(B1)=

32、6.125246;B2的標(biāo)準(zhǔn)誤差和t值分別為SE(B2)=0.006520t(B2)=101.9135，取a=0,05，查t分布表得自由度為n-2=34-2=32的臨界值為t0.025=2.0329,t(t(B1)=6.125246>t0.025=2.0329，拒絕H1,t(B2)=7.250000>t0.025=2.0369拒絕H2.這表明，城市居民可支配收入對(duì)其消費(fèi)水平有很大影響。經(jīng)以上對(duì)比可以看出非對(duì)數(shù)模型的擬合效果較好。故選擇非對(duì)數(shù)模型&對(duì)所估計(jì)的模型進(jìn)行異方差性和一階自相關(guān)性檢驗(yàn)。異方差性檢驗(yàn)殘差平方與di序列散點(diǎn)圖White檢驗(yàn)結(jié)果從上圖可以看出：nR2=0.3

33、667,又White檢驗(yàn)知，在a=0.05.查X2分布表，得X2O.O5=5.9915，同時(shí)DI和DI2的t檢驗(yàn)也顯著。比較計(jì)算X2統(tǒng)計(jì)量與臨界值，因?yàn)閚R2=0.3667vX2O.O5=5.9915,所以不拒絕原假設(shè)，表明模型不存在異方差性。ARCH僉驗(yàn)結(jié)果從上圖可以看出：nR2=0.7873,又White檢驗(yàn)知，在a=0.05.查X2分布表，得X2O.O5=5.9915，同時(shí)DI和DI2的t檢驗(yàn)也顯著。比較計(jì)算X2統(tǒng)計(jì)量與臨界值，因?yàn)閚R2=0.7873vX2O.O5=5.9915,所以不拒絕原假設(shè)，表明模型不存在異方差性。一階自相關(guān)性檢驗(yàn)原序列的自相關(guān)圖一階相關(guān)圖一階偏自相關(guān)系數(shù)條形超出

34、了隨機(jī)區(qū)間，其他各階都落入了隨機(jī)區(qū)間內(nèi)，表明序列存在一階自相關(guān)。7、用圖示法進(jìn)行一階自相關(guān)性檢驗(yàn)；用DWfe檢驗(yàn)一階自相關(guān)性。8、用廣義差分法和德賓兩步法消除一階自相關(guān)，并比較二者差別。9、用white法檢驗(yàn)消除自相關(guān)后模型是否存在異方差。由上表知nR2=3.53107在給定顯著性水平a=0.05條件下，臨界值大于3.53107則說明不存在異方差性。10、用模型最優(yōu)估計(jì)結(jié)果，進(jìn)行成居民消費(fèi)行為和農(nóng)村居民消費(fèi)行為的比較分析。農(nóng)村居民1、建立工作文件，用Eviews創(chuàng)建變量LE、NI，輸入樣本數(shù)據(jù)。打開Eviews工作文件，建立新的文件夾，在命令框中輸入“dataleni”回車，從數(shù)據(jù)表中粘貼數(shù)據(jù)

35、到Eviews數(shù)據(jù)表中即可。2、建立由被解釋變量LE與解釋變量NI組成的組對(duì)象。時(shí)間序列數(shù)據(jù)一元線性回歸模型Le、ni散點(diǎn)圖根據(jù)上圖所示，兩變量之間線性相關(guān)。變量LE與NI的線形圖根據(jù)圖形顯示，并不近似為直線。Log(LE)與log(NI)的線性圖根據(jù)圖形顯示，近似為直線。3、(1)設(shè)定被解釋變量LE與解釋變量NI的具體形式如下：LE=B1+B2NI+卩預(yù)測(cè)回歸系數(shù)B1、B2的符號(hào)都是正號(hào)；(2)設(shè)定被解釋變量log(LE)與解釋變量log(NI)的具體形式如下：log(LE)=B1+B2log(NI)+卩預(yù)測(cè)回歸系數(shù)B1、B2的符號(hào)都是正號(hào)；4、用OLS法估計(jì)以LE為解釋變量NI為解釋變量的

36、農(nóng)村居民消費(fèi)回歸模型：即LE=54.51875+0.659904NI(16.91203)(0.006991)T=(3.223668)(94.38890)用OLS法估計(jì)以log(LE)為解釋變量log(NI)為解釋變量的農(nóng)村居民消費(fèi)回歸模型即LOG(LE)=0.096777+0.941206LOG(NI)(0.096818)(0.013852)T=(0.999572)(68.08211)5、LE為解釋變量NI為解釋變量的農(nóng)村居民消費(fèi)回歸模型(1) 經(jīng)濟(jì)意義檢驗(yàn)：所估計(jì)參數(shù)B仁54.51875，B2=0.659904，說明可支配收入增加1元，平均說來可導(dǎo)致城市居民消費(fèi)支出增加0.659904元。(

37、2) 擬合優(yōu)度和統(tǒng)計(jì)檢驗(yàn)：通過以上的回歸數(shù)據(jù)可知，可決系數(shù)為0.996533，說明所建模型整體上對(duì)樣本數(shù)據(jù)擬合度較好：；(3) 對(duì)回歸系數(shù)的t檢驗(yàn)：針對(duì)H1:B1=0和H2:B2=0，由上回歸結(jié)果可以看出，估計(jì)的回歸系數(shù)B1的標(biāo)準(zhǔn)誤差和t值分別為：SE(B1)=16.91203，t(B1)=3.223668;B2的標(biāo)準(zhǔn)誤差和t值分別為SE(B2)=0.006991t(B2)=94.38890，取a=0,05，查t分布表得自由度為n-2=33-2=31的臨界值為t0.025=2.0395,t(t(B1)=3.223668>t0.025=2.0395，拒絕H1,t(B2)=7.250000&

38、gt;t0.025=2.0395,拒絕H2.這表明，城市居民可支配收入對(duì)其消費(fèi)水平有很大影響。從以上比較可以看出非對(duì)數(shù)模型的可決系數(shù)較大擬合程度較好。故選擇非對(duì)數(shù)模型。&對(duì)所估計(jì)的模型進(jìn)行異方差性和一階自相關(guān)性檢驗(yàn)。對(duì)模型進(jìn)行White檢驗(yàn)，檢驗(yàn)?zāi)Ｐ褪欠翊嬖诋惙讲钚裕簭纳蠄D可以看出：nR2=0.7873,又White檢驗(yàn)知，在a=0.05.查X2分布表，得X2O.O5=5.9915，同時(shí)DI和DI2的t檢驗(yàn)也顯著。比較計(jì)算X2統(tǒng)計(jì)量與臨界值，因?yàn)閚R2=0.7873vX2O.O5=5.9915,所以不拒絕原假設(shè)，表明模型不存在異方差性。一階自相關(guān)檢驗(yàn)一階偏自相關(guān)系數(shù)條形超出了隨機(jī)區(qū)間，

39、其他各階都落入了隨機(jī)區(qū)間內(nèi)，表明殘差序列殘?jiān)谝浑A自相關(guān)。7、用圖示法進(jìn)行一階自相關(guān)性檢驗(yàn)；用DW法檢驗(yàn)一階自相關(guān)性。8、用廣義差分法和德賓兩步法消除一階自相關(guān)，并比較二者差別。9、用white法檢驗(yàn)消除自相關(guān)后模型是否存在異方差。由上表知nR2=5.097801,在給定顯著性水平a=0.05條件下查x2分布表知臨界值大于nR2=5.097801，故不拒絕原假設(shè)，表明模型不存在異方差。10、用模型最優(yōu)估計(jì)結(jié)果，進(jìn)行成居民消費(fèi)行為和農(nóng)村居民消費(fèi)行為的比較分析?！緦?shí)驗(yàn)總結(jié)】模型選擇：當(dāng)發(fā)現(xiàn)變量之間有明顯的的線性關(guān)系的時(shí)候，可以采用非對(duì)數(shù)線性模型，如果變量之間線性關(guān)系不太明顯，此時(shí)可以用對(duì)數(shù)模型。也可

40、兩模型作為比較。圖行檢驗(yàn)法：建立工作文件后。圖示法檢驗(yàn)異方差性：根據(jù)數(shù)據(jù)做出兩變量的殘差圖，如果殘差隨著解釋變量的變化，不是在一定的范圍內(nèi)變化，那么即認(rèn)為有異方差性。Goldfield檢驗(yàn)法，根據(jù)得出的分段回歸數(shù)據(jù)表，可以得到殘差平方的值，再根據(jù)殘差平方的值，求出F統(tǒng)計(jì)量的值，再根據(jù)自由度的統(tǒng)計(jì)量的值，進(jìn)行比較大小，如果前者大于后者，那么就存在異方差性，反之，則不存在異方差性。White檢驗(yàn)法和ARCH僉驗(yàn)法，分別也進(jìn)行檢驗(yàn)。廣義差分法消除自相關(guān)：先有模型得到殘差序列et，在EVIEW中，每次回歸的殘差存放在resid序列中，為了對(duì)殘差進(jìn)行回歸分析，需生成命名為e的殘差序列。在主菜單選擇qui

41、ck/generateseries，在彈出的對(duì)話框中輸入e=resid，點(diǎn)擊ok得到殘差序列et。使用et進(jìn)行滯后一期的自回歸，同時(shí)在命令欄中輸入lsee(-1)可得回歸方程，然后對(duì)原模型進(jìn)行廣義差分，得到廣義差分方程，然后在進(jìn)行回歸，得出結(jié)果。實(shí)驗(yàn)四滯后變量回歸模型【實(shí)驗(yàn)?zāi)康暮鸵蟆?、學(xué)會(huì)滯后變量模型的設(shè)定；2、掌握滯后變量模型的估計(jì)和檢驗(yàn)；3、在老師的指導(dǎo)下獨(dú)立完成實(shí)驗(yàn)，并得到正確結(jié)果。【實(shí)驗(yàn)內(nèi)容】1、建立Eviews時(shí)間序列數(shù)據(jù)工作文件輸入樣本數(shù)據(jù)。2、判斷變量的滯后階數(shù)，建立有限分布滯后模型。3、用OLS法對(duì)模型進(jìn)行估計(jì)和檢驗(yàn)。4、根據(jù)絕對(duì)收入假說建立居民消費(fèi)自回歸模型。5、用OLS

42、法估計(jì)居民消費(fèi)自回歸模型。6檢驗(yàn)自回歸模型的自相關(guān)性。7、用工具變量法消除隨機(jī)解釋變量的影響，用廣義差分法消除自相關(guān)性的影響。8、對(duì)最終模型進(jìn)行結(jié)構(gòu)分析?！緦?shí)驗(yàn)數(shù)據(jù)】1、附表4，1978年到2011年河南省城市居民消費(fèi)支出與可支配收入。2、附表4，1978年到2011年河南省農(nóng)村居民生活消費(fèi)支出與純收入?！緦?shí)驗(yàn)步驟】1、建立Eviews工作文件，分別在命令框中輸入“datacedi”“dataleni”回車，從數(shù)據(jù)表中粘貼數(shù)據(jù)到Eviews數(shù)據(jù)表中即可。2、用交叉相關(guān)圖法判斷變量的滯后階數(shù)，建立城市居民消費(fèi)有限分布滯后期模型和農(nóng)村居民消費(fèi)有限分布滯后模型。分別在命令框中輸入crosscedi并

43、回車得城市居民交叉相關(guān)圖如下：橫條落入虛線內(nèi)表示無交叉相關(guān)，在虛線外表示存在交叉相關(guān)，改圖表明該模型的滯后階數(shù)為6.農(nóng)村居民交叉相關(guān)圖如下橫條落入虛線內(nèi)表示無交叉相關(guān)，在虛線外表示存在交叉相關(guān)，改圖表明該模型的滯后階數(shù)為6.分別建立分布滯后模型為CE=x+B1Dlt+B2Dlt-1+B3Dlt-2+B4Dlt-3+B5Dlt-4+B6Dlt-5+B7Dlt-6LE=a+B1Nlt+B2Nlt-1+B3Nlt-2+B4Nlt-3+B5Nlt-4+B6Nlt-5+B7Nlt-63、用OLS法估計(jì)有限分布滯后模型，對(duì)模型進(jìn)行檢驗(yàn)，并取得模型的點(diǎn)預(yù)測(cè)值序列cef、lef。分別在命令框中輸入Iscecd

44、i(0to-6)Islecni(0to-6)回車得城市居民有限分布滯后模型如下：預(yù)測(cè)值序列如下得農(nóng)村居民有限分布滯后模型如下預(yù)測(cè)值序列如下4、根據(jù)持久收入假說建立城市居民消費(fèi)自回歸模型和農(nóng)村居民消費(fèi)自回歸模型，預(yù)計(jì)各模型中各偏回歸系數(shù)的符號(hào)和數(shù)值范圍。5、OLS法估計(jì)城市居民消費(fèi)自回歸模型和農(nóng)村居民消費(fèi)自回歸模型。城市居民自回歸模型估計(jì)結(jié)果農(nóng)村居民自回歸模型估計(jì)結(jié)果&用賓德-H法或LM法檢驗(yàn)自回歸模型的自相關(guān)性。城市居民LM法農(nóng)村居民LM法7、用cef(-1)作為工具變量替代城市居民消費(fèi)自回歸模型中的ce(-1),用lef(-1)代替作為工具變量替代城市居民消費(fèi)自回歸模型中l(wèi)e(-1)

45、，消除隨機(jī)解釋變量的影響，用廣義差分法消除自相關(guān)的影響。重新估計(jì)城市居民消費(fèi)自回歸模型和農(nóng)村居民消費(fèi)自回歸模型，并檢驗(yàn)?zāi)Ｐ凸烙?jì)結(jié)果。城市居民替代法消除隨機(jī)解釋變量的影響廣義差分法消除自相關(guān)農(nóng)村居民Lef(-1)替代法消除隨機(jī)解釋變量的影響廣義差分法消除自相關(guān)的影響重估城市居民消費(fèi)自回歸模型DependentVariable:CEMethod:LeastSquaresDate:12/28/12Time:11:15Sample(adjusted):19802011Includedobservations:32afteradjustmentsConvergenceachievedafter7iter

46、ationsCoefficientStd.Errort-StatisticProb.?C387.1170184.96512.0929190.0455Dl0.6630090.0782308.4750990.0000CE(-1)-0.0123060.136517-0.0901410.9288AR(1)0.8422160.0985848.5431160.0000R-squared0.999211?Meandependentvar3558.110AdjustedR-squared0.999126?S.D.dependentvar3349.192S.E.ofregression99.00450?Akai

47、keinfocriterion12.14468Sumsquaredresid274452.9?Schwarzcriterion12.32789Loglikelihood-190.3148?Hannan-Quinncriter.12.20541F-statistic11815.93?Durbin-Watsonstat2.127049Prob(F-statistic)0.000000InvertedARRoots?848、對(duì)模型進(jìn)行結(jié)構(gòu)分析，討論持久收入假說是否適合解釋河南省居民消費(fèi)規(guī)律?！緦?shí)驗(yàn)總結(jié)】分別建立有限分布滯后模型和自回歸模型，并通過LM法檢驗(yàn)自回歸模型的自相關(guān)性，分別用變量替代法消除隨

48、機(jī)解釋變量的影響，通過廣義差分法消除自相關(guān)的影響，對(duì)自回歸進(jìn)行檢驗(yàn)的時(shí)候，需要用德賓h檢驗(yàn)1、對(duì)一階自回歸方程直接進(jìn)行最小二乘估計(jì)得到各個(gè)數(shù)值。2、根據(jù)得到數(shù)值，計(jì)算h統(tǒng)計(jì)量的值。3、給定顯著性水平a,查標(biāo)準(zhǔn)正態(tài)分布表得臨界值ha,如果拒絕原假設(shè)，說明存4、在一階自相關(guān)，接受說明不存在一階自相關(guān)。實(shí)驗(yàn)五時(shí)間序列多元線性回歸模型【實(shí)驗(yàn)?zāi)康暮鸵蟆?、熟練運(yùn)用計(jì)算機(jī)和Eviews軟件進(jìn)行計(jì)量經(jīng)濟(jì)分析，掌握多元線性回歸模型的設(shè)定、普通最小二乘法求解及其檢驗(yàn)方法。2、學(xué)會(huì)依據(jù)Eviews回歸結(jié)果診斷是否存在多重共線性的方法。3、在老師的指導(dǎo)下獨(dú)立完成實(shí)驗(yàn)，并得到正確結(jié)果?！緦?shí)驗(yàn)內(nèi)容】1、對(duì)變量樣本序列

49、的關(guān)系進(jìn)行統(tǒng)計(jì)描述。2、設(shè)定多元線性回歸模型的具體形式。3、用普通最小二乘法求解模型。4、對(duì)模型的解進(jìn)行經(jīng)濟(jì)理論檢驗(yàn)和統(tǒng)計(jì)檢驗(yàn)。5、對(duì)模型進(jìn)行多重共線性診斷，并用逐步回歸法消除多重共線性。6對(duì)模型進(jìn)行異方差性檢驗(yàn)和自相關(guān)性檢驗(yàn)。7、對(duì)最終模型進(jìn)行結(jié)構(gòu)分析。8、用最終模型進(jìn)行預(yù)測(cè)分析?！緦?shí)驗(yàn)數(shù)據(jù)】1、附表1，1978年-2011年名義人均生產(chǎn)總值。2、附表2，1978年-2011年可比價(jià)格人均生產(chǎn)總值增長速度。3、附表4，1978年到2011年河南省城市居民消費(fèi)支出與可支配收入。4、附表6，1978年到2011年年末河南省城鄉(xiāng)居民儲(chǔ)蓄存款余額。【實(shí)驗(yàn)步驟】1、加工數(shù)據(jù)，求可比價(jià)人均生產(chǎn)總值序列2

50、、建立序列工作文件，創(chuàng)建變量城市居民消費(fèi)支出CE、城市居民可支配收入DI、可比價(jià)格人均生產(chǎn)總值GDPP、城鄉(xiāng)居民儲(chǔ)蓄存款余額SD，輸入樣本數(shù)據(jù)。3、建立由被解釋變量和解釋變量組成的組對(duì)像，在一個(gè)坐標(biāo)軸上顯示多變量序列的線圖4、結(jié)合理論分析，設(shè)定多元線性回歸模型的具體形式。LNCEt=B1+B2LNDI2t+B2LNSD3t+B3GDPP4t+ut歡迎閱讀5、用OLS法及求解所設(shè)定的多元回歸模型genrlnce=log(ce)genrlndi=log(di)Genrnsd=log(s)DependentVariable:LNCEMethod:LeastSquaresDate:12/28/12Ti

51、me:15:03Sample:19782011Includedobservations:34CoefficientStd.Errort-StatisticProb.?C0.9654760.1133418.5183080.0000LNDI0.7730950.02810827.504320.0000LNSD0.0868080.0162995.3260190.0000R-squared0.999281?Meandependentvar7.536760AdjustedR-squared0.999234?S.D.dependentvar1.192960S.E.ofregression0.033011?A

52、kaikeinfocriterion-3.899859Sumsquaredresid0.033781?Schwarzcriterion-3.765180Loglikelihood69.29760?Hannan-Quinncriter.-3.853929F-statistic21533.17?Durbin-Watsonstat1.379652Prob(F-statistic)0.0000006對(duì)模型輸出結(jié)果進(jìn)行經(jīng)濟(jì)理論檢驗(yàn)、擬合度檢驗(yàn)、F檢驗(yàn)、t檢驗(yàn)。廣義差分法(1)經(jīng)濟(jì)意義檢驗(yàn)：模型估計(jì)結(jié)果說明，在假定其他變量不變的情況下，城市居民可支配收入每增長1%平均說來城市居民消費(fèi)支出會(huì)增長0.7731

53、%;在假定其他變量不變的情況下，城鄉(xiāng)居民儲(chǔ)蓄存款余額每增長1%平均說來城市居民消費(fèi)支出會(huì)增長0.0869%。(2)擬合優(yōu)度檢驗(yàn)：由表可以看出，修正的可決系數(shù)為0.999234，說明所建模型整體上對(duì)樣本數(shù)據(jù)擬合較好。7、用逐步回歸法消除多重共線性的回歸估計(jì)模型分別對(duì)CE與DI、SD、GDPP的一元回歸IIDependentVariable:CEMethod:LeastSquaresDate:12/28/12Time:15:31Sample:19782011Includedobservations:34CoefficienStd.Errort-StatisticProb.?tC271.210044

54、.277416.1252460.0000DI0.6644610.006520101.91350.0000歡迎閱讀R-squared0.996928?Meandependentvar3365.780AdjustedR-squared0.996833?S.D.dependentvar3338.723S.E.ofregression187.9047?Akaikeinfocriterion13.36677Sumsquaredresid1129862.?Schwarzcriterion13.45656Loglikelihood-225.2351?Hannan-Quinncriter.13.39739F-statistic10386.36?Durbin-Watsonstat0.272582Prob(F-statistic)0.000000DependentVariable:CEMethod:LeastSq