计量经济学eviews实验报告

大连海事大学

实验报告Array实验名称: 计量经济学软件应用

专业班级:财务管理201３-1

姓名: 安妮

指导教师:赵冰茹

交通运输管理学院

二○一六年十一月

一、实验目标

学会常用经济计量软件得基本功能，并将其应用在一元线性回归模型得分析中。具体包括：Eviｅw得安装，样本数据基本统计量计算,一元线性回归模型得建立、检验及结果输出与分析，多元回归模型得建立与分析,异方差、序列相关模型得检验与处理等。

二、实验环境

ＷINＤOWSＸP或200０操作系统下,基于EVIEWS5、1平台。

三、实验模型建立与分析

案例1：

我国1９9５－2014年得人均国民生产总值与居民消费支出得统计资料（此资料来自中华人民共与国统计局网站)如表1所示,做回归分析。

表1我国1995—２０１4年人均国民生产总值与居民消费水平情况

(1）做出散点图,建立居民消费水平随人均国内生产总值变化得一元线性回归方程，并解释斜率得经济意义；

利用evｉｅwｓ软件输出结果报告如下: Depeｎdent Ｖarｉablｅ：ＣＯNSＵMPTION

Mｅｔhod: Lｅast Sqｕaｒｅs

Dａte：０6/11/16Tiｍｅ: 19：02

Saｍｐle: 1995 2０14

Incluｄｅd observａtｉoｎs:20

Variａble Coeｆfici

ｅnt Stｄ、Ｅrror

t—Ｓtaｔisｔ

ic Prｏb、

C 6９１、02

２５113、3920 ６、094１0４0、0000

ＡＶGDP 0、３5２7

７0 ０、004908 71、88０54 0、0000

Ｒ－squaｒｅd 0、９９6５

28 Mean depeｎdent var 7351、300

Ａdjｕsted R-squarｅd ０、99６３

３5 Ｓ、D、dependent ｖar

48２8、7

６5

S、Ｅ、of ｒegressio

ｎ292、３118 Ａkaike iｎfo criterion 1４、288

１６

Sum squａrｅｄresｉd 15３8０

32、 Schwarz criterion

14、3877

３

Log ｌiｋelihood -140、8８1

６

Hannan－Quｉnn cｒitｅ

r、14、３0760

F－ｓｔａtｉstｉc 5166、81

１

Duｒbｉｎ－Ｗａｔson

staｔ0、403709

Proｂ(F—ｓtatistic）0、000０00

由上表可知财政收入随国内生产总值变化得一元线性回归方程为:

(令Ｙ=ＣＯNＳUMPTIOＮ,Ｘ=AVＧDＰ（此处代表人均GＤP)）

Y = 6９１、０２２5+０、352７70* X

其中斜率０、３527７0表示国内生产总值每增加一元，人均消费水平增长0、３５２７7元.

检验结果Ｒ2=0、９96５28，说明９9、6５28%得样本可以被模型解释,只有0、3472%得样本未被解释,因此样本回归直线对样本点得拟合优度很高.

（2)对所建立得回归方程进行检验：

（５%显著性水平下，t(18)=2、10１）

对于参数c假设： H

0：ｃ=0、对立假设:Ｈ

1

：c≠0

对于参数GDＰ假设： H

0： GＤＰ=0、对立假设：Ｈ

1

: GDP≠0

由上表知:

对于ｃ,t=6、094104>t(n－2）=ｔ(18)=２、10１

因此拒绝H

0： c=0，接受对立假设：Ｈ

1

: c≠０

对于ＧＤP, t=71、8８054﹥t（n—2）=t（１８）=2、101

因此拒绝H

０: ＧＤP=０，接受对立假设: Ｈ

1

： GDP≠０

此外F统计量为51６6、811，数值很大，可以判定，人均国内生产总值对居民消费水平在5%得显著性水平下有显著性影响。

所以,回归系数显著不为零，常数项不为零,回归模型中应包括常数项。

综上,整体上瞧此模型就是比较好得.

（3)序列相关问题

由上图可知，DＷ统计量0、4037０9,经查表,当k=１，n=2０时,dl＝1、2,因此可判断此模型存在序列相关,且为序列正相关。

修正：广义差分法

因为DＷ=0、403７０9,ρ=1-ＤW／2=0、79８１４55

令X1=X—0、７98１４５5＊X（-1）

Y1=Y-0、7981455＊Y（—１）

修正结果如下：

Deｐendｅnt Variaｂｌｅ: Y１

Metｈod：ＬeasｔＳｑuares

Date:06/１１/16 Time：１9：56

Ｓamｐle(ａdｊustｅd）：19９6２01４

Incｌｕdｅｄoｂｓervatiｏns:19 after ａdｊｕstmeｎtｓ

Coefficie

ｎt Sｔd、Ｅrr

ｏr

t—Statisｔi

ｃProｂ、

X1 －1、1４Ｅ

+08 7９70597、－14、3３887 ０、000０

C －8、26E+

１０5、4５E+10

－１、５

16402 ０、1478

Ｒ-sqｕared 0、92３63

１ Meaｎdeｐenｄent var

—7、３

4E+１1

Adjusted R-squared 0、919139 S、D、ｄepｅnｄeｎt var 4、6１E+11

S、Ｅ、oｆregresｓion １、３1E+

１1

Akａike inｆo cｒｉterｉ

oｎ

54、１3５1

６

Sｕm ｓｑuareｄresid 2、９2E+2

３ Schwarz criterｉon

54、2345

７

Lｏg lｉkelihoｏd —512、284

０

Hannａn—Quinn crite

ｒ、

54、1５１

98

F—statistｉc ２05、6031 Durbin-Watsｏn stat ０、953５

95

Prｏb(F-statiｓtic）0、0０0000

经修正后,DW=0、９535９5＜dl＝1、２,说明随机扰动项仍存在序列正相关。

（4）根据2015年中国国民经济与社会发展统计公报，2015年人均国民生产总值为49351元，对该年得居民消费水平进行预测。

点预测:Y = 69１、02２5+0、35２７70＊X=18100、5748

区间预测：计算出错误!（Y0)=S2（)=1４68、2０7，ｔ0、25(n-2)=２、1０,因此E(Y0)得预测区间为错误!0±ｔ０、２5(n-2）√错误!(Y0)=493５1±８０、4661。

利用Eviｅws输出预测结果如下：

案例２：

下面给出了我国1９9５-2０14年得居民消费水平（Y）与人均国内生产总值

(X

1）以及城镇居民人均可支配收入（X

２

)数据，对它们三者之间得关系进行研究.

具体数据如表2所示。

表2：1995年到20１4年得统计资料单位：元

指标居民消费水平（元）人均国内生产总值（元）城镇居民人均可支配收入（元) 1９9５

年

２33０5０74 42８3 1996年２７6５５87８4838、9 1997年2978 645７5160、３１998

年

３12６6８3５54２5、１1９99

年

3346 ７19９5854 200０

年

３721 7902 ６2８０２０01

年

398７867０6８5９、6 200２

年

4301 945０７70２、8

（1）试建立二元线性回归方程

利用Ｅｖｉｅws软件输出结果报告如下: Dｅpendent Variable：CONSUMPＴION

Ｍeｔhod: LeａｓｔSｑuarｅs

Date: ０９/1１／1６Tiｍｅ：16:23

Saｍｐle(aｄｊuｓｔed）：１995 2０14

Incｌuded oｂsｅrｖatｉons：20

Coefficie

ｎt Stｄ、Erｒｏ

r

t-Ｓｔaｔisｔ

iｃProｂ、

AVＧDＰ0、160612 0、0６0３50 2、661３35 0、016４

SＡVINＧ０、01８

166 0、005693 3、1９1061 0、0０53

Ｃ１0４0、1４3、324０7、263178 ０、0０00

987

R-squared 0、９９７

82９ Mｅan dependeｎt var

7３51、３

０0

AdｊusｔeｄR—squared 0、997５7

３

S、Ｄ、dｅpendent ｖ

ａr 4828、7６5

S、Ｅ、ｏf reｇress ｉｏn 237、867

４

Akａｉke iｎfo ｃrｉ

terion

1３、918

７９

Sum squareｄreｓid ９６1875、

６ Schwａrzｃｒiｔerion

１4、０

6815

Lｏg likｅlihｏod -136、1879

Ｈannａn-Quiｎn ｃritｅ

ｒ、

1３、９

4794

F—ｓtatistｉc 3９０6、44

６

Dｕｒbin-Waｔｓｏn

stat

０、９

77467

Ｐｒｏb（F－statisｔic) 0、0００

000

由上表可知,样本回归方程为:

Y＝41７、4107+0、2６9124X1+0、145843X2

（2)对检验结果得分析

ＡＶGＤP与SAVING得Ｐ值均小于0、05,t值均大于ｔ（n—2）=t（18)=2、101，因此样本回归方程十分显著.修整后得R2为0、99７５73,说明有99、７６％得样本可以被样本回归方程所解释，拟合得很好.Ｆ统计量为3906、４46数值很大,可以判定，人均可支配收入以及城镇居民人均可支配收入对居民消费水平在5％得显著性水平下有显著性影响。但就是,值得注意得就是DW统计量为０、977467〈ｄl＝1、1(当ｋ=２,n＝２0时)，因此方程可能存在序列相关问题，可利用广义差分法进行修正,如案例1,此处不再赘述。

案例3:

表3 列出了2０１4年中国部分省市城镇居民每个家庭平均全年可支配收入(ine）与消费性支出（exｐｅnse）得统计数据。

表3 ２０１4年统计数据

河北省24１4１、00 1620４、00 山西省24０６9、00 1463７、00 山西省2４0６9、00 １4637、00 安徽省2４８39、00 16１07、00 内蒙古28350、00 2０８8５、0０甘肃省２080４、0０15５0７、00 吉林省23２17、80 1715６、０0 云南省2４２９９、００16268、00 江苏省３４3４6、00 ２3４76、０0 贵州省2２548、2１１５25４、64 浙江省40393、0０27２4２、00 四川省2４381、00 1802７、００江西省24３09、00 15142、00 青海省22３06、57 １749２、89 湖南省2６57０、０0 1833５、0０海南省２44８7、００１751４、00 河南省24391、4５１５726、１2 宁夏2328５、0０１7216、00 (1）试用OLS法建立居民消费支出对可支配收入得线性模型

利用eviews软件输出结果报告如下：

Dependeｎt Ｖariable：EXPEＮSE

Method：Lｅast Sqｕares

Date：0９/1１/16 Tｉme:20:15

Ｓaｍpｌｅ(aｄｊusted）：２００1２024

Included obserｖations：24

Ｃoｅfficｉ

ent Std、Error t—Statｉｓ

tic Ｐrob、

INE ０、６03０

84 ０、0３6４35 16、55２19 0、００0０

C 2０３1、

226 １03３、2５1 １、9658６0 0、0621

R—ｓquared ０、９

25669

Mｅan dｅｐｅndenｔ

var

18６2３、

78

Aｄjusｔｅd R—sqｕ

ared ０、922291

Ｓ、D、dependenｔv

ａr

４４0１、

３64

S、E、ｏf reｇressiｏn １226、9

４１

Akaｉkｅｉnfo cｒ

iterion

17、１4２

09

Sｕm sｑuａrｅd resid Schwａrｚcriterｉon 17、240２6

Loｇlikelihood -２03、

7051

Hａnnan-Quiｎｎcｒ

iter、

１7、16８

１4

F—statｉstic 273、9751 Durbｉn—Watson sｔａt 1、6０1642

Prob（Ｆ-ｓtatistic）0、０0０0

００

因此建立模型（令Y=EXPＥNSE 人均消费性支出，X=INＥ人均可支配收

入）:

Y=2０31、2２6+０、60３084＊X

当人均可支配收入增长1元，人均消费性支出增加0、60３084元。同时分析结果显示, IＮＥ得P值为0、00，小于0、05，t＝16、5５21９>ｔ（n－2）=t（1８）＝2、10１，十分显著。拟合优度R2为0、９256６9,说明有9２、57％得样本可以被样本回归方程所解释，拟合得很好。F统计量为2７3、9７51，数值很大,可以判定,人均可支配收入对人均消费性支出在5%得显著性水平下，有显著性影响.DW统计量为1、6０164２〉dｕ=1、45(当ｋ=1,n=24时)，因此方程不存在序列相关问题.整体上瞧,此模型较为成功。

（2）异方差得图形检验：

输出残差、拟合值图形报告:

散点图报告：

从图形上可以瞧出，平均而言，城镇居民人均消费性支出随城镇居民人均可支配收入得增加而增加.但就是,从残差图与散点拟合图可以明显地观察出来，随着可支配收入得增加，支出得变动幅度也略有减小得趋势，可能存在异方差。

（3）检验模型就是否存在异方差

Wｈite检验：

Hｅtｅroｓkｅdasticity Teｓt: Wｈｉte

F-stａtistic 1、42３345 Ｐrｏｂ、Ｆ（２，21）0、2632

Obs＊R-squａred 2、8６4991 Pｒob，Chi—Squａrｅ

（2) 0、２３87

Scaｌed explaｉned ＳS 1、0２4８

８5 Ｐrob，Chi-Sｑｕare（2）０、５９90

Test Eqｕation:

Ｄependent Variabｌe: RESＩD^２

Meｔhoｄ：Leaｓt Sqｕares

Datｅ: １1/11／１6Tiｍe：１5：3５Ｓamｐle：200１2０24

Iｎｃluｄed ｏbｓｅrvatｉｏns: 24

Variａble Ｃoeｆ

ficienｔStd、Errｏr

t－Ｓtａtisｔi

ｃPｒob、

C 637９291、 0、39０5６６0、7001

INE -２2、

43270 ４05、2３08

—0、0５5３

58 0、９564

ＩNE^2 —0、00061

５0、0０5984

０、１０２７

42 0、91９１

R-sｑuarｅｄ０、119375 Meanｄepｅｎdeｎｔ

var

1３799３

5、

ＡdjusteｄR-squared 0、035５06 S、Ｄ、deｐｅndent ｖ

ar 13007０8、

Ｓ、E、of ｒｅgrｅ

ssion 1277408、 Akaike iｎfo criｔerion 31、0７50

３

Sum sqｕarｅd rｅｓi ｄ3、4３Ｅ

+13 Schwａrz critｅrion 3１、22229

Ｌog lｉｋelｉｈｏod －369、

9004

Ｈaｎnａn—Quinn crｉ

teｒ31、11４10

F—ｓtatistｉc 1、423345 Durbｉn-Watｓon stａt 2、11３53

１

Pｒob（Ｆ-sｔａtｉsti

ｃ) 0、２63213

原假设H0:不存在异方差

备择假设H1：存在异方差

根据检验结果可知,P＝0、26３2〉0、05

故，接受原假设，认为该模型不存在异方差。

四、实验总结

1、对案例得经济学意义得分析结论

——人均国内生产总值、可支配收入与居民消费水平得关系

国内生产总值与国民收入之间直接相关。国民收入就是反映整体经济活动得重要指标.整体经济活动越好,国内生产总值越高,那么国民收入越高。如果一个国家总人口相对稳定不变,在国民收入增加得情况下，人均国民收入增加，那么购买力就会上升,消费水平随之提高。反之,在经济不景气甚至下行得情况下，国内经济活动发展不好,国内生产总值就会下降,人均可支配收入也将随之下降,人民可支配收入减少，购买力下降，消费欲望就会减弱，从而消费水平降低.这也就验证了本文三组案例得出得模型中,无论从不同时段得纵向比较还就是同一时段不同地区得横向比较，均呈现出居民消费水平（消费性支出）与人均国民生产

总值、人均可支配收入之间存在明显得正相关关系,消费水平随国内生产总值、人均可支配收入得增加而增加，符合经济学得一般准则。

2、Eｖｉews软件掌握情况总结

1)通过实验掌握了ＥＶIＥWS软件得安装及其基本应用(包括数据得输

入、数据得分析、及其分析结果得输出）。

2)通过对案例进行计量经济模型得分析，掌握了一元线性回归方程得

建立、多元线性回归方程得求解,以及序列相关、异方差问题得检验与修正等。

3)实验中突现得不足就是对书本得理论没有足够深入得思考与认识，

而仅仅从“得到数据-数据Imｐorｔ-数据分析—结果输出”得固定流程去解决分析问题，需要在今后得学习过程中反复练习加强。

4)今后还应将计量经济学模型及其应用与现代计量经济学软件EView

ｓ进行有机结合，更好得应用EVieｗｓ软件解决算研究得实际问题。

《计量经济学》eviews实验报告一元线性回归模型详解

《计量经济学》实验报告一元线性回归模型 一、实验内容 （一）eviews 基本操作 （二）1、利用EViews 软件进行如下操作： （1）EViews 软件的启动 （2）数据的输入、编辑 （3）图形分析与描述统计分析 （4）数据文件的存贮、调用 2、查找2000-2014年涉及主要数据建立中国消费函数模型 中国国民收入与居民消费水平:表1 年份X（GDP）Y（社会消费品总量） 2000 99776.3 39105.7 2001 110270.4 43055.4 2002 121002.0 48135.9 2003 136564.6 52516.3 2004 160714.4 59501.0 2005 185895.8 68352.6 2006 217656.6 79145.2 2007 268019.4 93571.6 2008 316751.7 114830.1 2009 345629.2 132678.4 2010 408903.0 156998.4 2011 484123.5 183918.6 2012 534123.0 210307.0 2013 588018.8 242842.8 2014 635910.0 271896.1 数据来源：https://www.sodocs.net/doc/574551181.html, 二、实验目的 1.掌握eviews的基本操作。 2.掌握一元线性回归模型的基本理论，一元线性回归模型的建立、估计、检验及预测的方 法，以及相应的EViews软件操作方法。

三、实验步骤（简要写明实验步骤） 1、数据的输入、编辑 2、图形分析与描述统计分析 3、数据文件的存贮、调用 4、一元线性回归的过程 点击view中的Graph-scatter-中的第三个获得 在上方输入ls y c x回车得到下图

计量经济学论文(eviews分析)计量经济作业.(精选)

我国旅游收入的计量分析 一、经济理论陈述 在研读了大量统计和计量资料的基础上，选择了三个大方面进行研究，既包括旅游人数，人均旅游花费和基本交通建设。其中，在旅游人数这个解释变量的划分上，我们考虑到随着全球经济一体化的发展，越来越多的外国游客来中国旅游消费。中国旅游的国际市场是个有发展潜力的新兴市场，尽管外国游客前来旅游的方式包罗万象而且消费能力也不尽相同，但从国际服务贸易的角度出发，我们在做变量选择时，运用国际营销的知识进行市场细分，划分了国际和国内两个市场。这样，在旅游人数这个解释变量的最终确定上，我们选择了2X国内旅游人数，3X入境旅游人数。这点选择除了理论支持外，在现实旅游业发展中我们也看到很多景区包括成都的近郊也有不少外国游客的身影。所以，我们选取这两个解释变量等待下一步进行模型设计和检验。 另外，对于人均旅游花费，我们在进行市场细分时，没有延续前两个变量的选择模式，有几个原因。首先，外国游客前来旅游的形式和消费方式各异且很难统计。我们在花大力气收集数据后，仍然没有比较权威的统计数据资料。其次，随着国家对农业的不断重视和扶持，我国农业有了长足发展。农村居民纯收入增加，用于旅游的花费也有所上升。而且鉴于农村人口较多，前面的市场细分也不够细化，在这个解释变量的确定上，我们选择农村人均旅游花费，既是从我国基本国情出发，也是对第一步研究分析的补充。所以我们确定了4X城镇居民人均旅游花费和5X农村居民人均旅游花费。 旅游发展除了对消费者市场的划分研究，还应考虑到该产业的基础硬件设施。

在众多可选择对象中我们经分析研究结合大量文献资料决定从交通建设着手。在我国，交通一般分布为公路，铁路，航班，航船等。由于考虑到我国一般大众的旅游交通方式集中在公路和铁路上，为了避免解释变量的过多过繁以及可能带来的多重共线形等问题，我们只选取了前二者。即确定了6X公路长度和7X铁路长度这两个解释变量。其中，考虑到我国旅游业不断发展过程中，高速公路的修建也不断增多，在6X的确定过程中，我们已经将其拟合，尽量保证解释变量的完整和真实。 二、相关数据 三、计量经济模型的建立 Ｙ＝ｃ（１）＋ｃ（２）＊Ｘ２＋ｃ（３）＊Ｘ３＋ｃ（４）＊Ｘ４＋ｃ（５）＊Ｘ５＋ｃ（６）＊Ｘ６＋Ｕ 我们建立了下述的一般模型：

计量经济学实验三

实 验 三： 多元回归模型与非线性回归模型 【实验目的】掌握多元回归模型参数估计，特别是非线性回归模型的转化、参数估计及检验方法。 【实验内容】一、多元回归模型参数估计； 二、生成序列以及可线性化模型的参数估计； 三、不可线性化模型的迭代估计法的Eviews 软件的实现方式。 【实验数据】建立我国国有独立核算工业企业生产函数。根据生产函数理论，生产函数的基本形式为：()ε,,,K L t f Y =。其中，L 、K 分别为生产过程中投入的劳动与资金，时间变量t 反映技术进步的影响。表3-1列出了我国1978-1994年期间国有独立核算工业企业的有关统计资料；其中产出Y 为工业总产值（可比价），L 、K 分别为年末职工人数和固定资产净值（可比价）。 资料来源：根据《中国统计年鉴－1995》和《中国工业经济年鉴-1995》计算整理 【实验步骤】Y=AK 一、建立多元线性回归模型 ㈠建立包括时间变量的三元线性回归模型； μββββ++++=L K T Y 3210

在命令窗口依次键入以下命令即可： ⒈建立工作文件： CREATE A 78 94 ⒉输入统计资料： DATA Y L K ⒊生成时间变量t ： GENR T=@TREND(77) ⒋建立回归模型： LS Y C T L K 则生产函数的估计结果及有关信息如图3-1所示。 图3-1 我国国有独立核算工业企业生产函数的估计结果 因此，我国国有独立工业企业的生产函数为： K L t y 7764.06667.06789.7732.675?+++-= （模型1） t ＝(-0.252) (0.672) (0.781) (7.433) 9958.02=R 9948 .02=R 551.1018=F 模型的计算结果表明，我国国有独立核算工业企业的劳动力边际产出为0.6667，资金的边际产出为0.7764，技术进步的影响使工业总产值平均每年递增77.68亿元。回归系数的符号和数值是较为合理的。9958.02=R ，说明模型有很高的拟合优度，F 检验也是高度显著的，说明职工人数L 、资金K 和时间变量t 对工业总产值的总影响是显著的。从图3-1看出，解释变量资金K 的t 统计量值为7.433，表明资金对企业产出的影响是显著的。但是，模型中其他变量（包括常数项）的t 统计量值都较小，未通过检验。因此，需要对以上三元线性回归模型做适当的调整，按照统计检验程序，一般应先剔除t 统计量最小的变量（即时间变量）而重新建立模型。 ㈡建立剔除时间变量的二元线性回归模型； 命令：LS Y C L K 则生产函数的估计结果及有关信息如图3-2所示。

计量经济学eviews实验报告

大连海事大学 实验报告 实验名称：计量经济学软件应用 专业班级：财务管理2013-1 姓名：安妮 指导教师：赵冰茹 交通运输管理学院 二○一六年十一月 一、实验目标 学会常用经济计量软件的基本功能，并将其应用在一元线性回归模型的分析中。具体包括：Eview的安装，样本数据基本统计量计算，一元线性回归模型的建立、检验及结果输出与分析，多元回归模型的建立与分析，异方差、序列相关模型的检验与处理等。二、实验环境 WINDOWSXP或2000操作系统下，基于EVIEWS5.1平台。 三、实验模型建立与分析 案例1：

我国1995-2014年的人均国民生产总值和居民消费支出的统计资料（此资料来自中华人民共和国统计局网站）如表1所示，做回归分析。 表1我国1995-2014年人均国民生产总值与居民消费水平情况

（1）做出散点图，建立居民消费水平随人均国内生产总值变化的一元线性回归方程，并解释斜率的经济意义； 利用eviews软件输出结果报告如下： Dependent Variable: CONSUMPTION Method: Least Squares Date: 06/11/16 Time: 19:02 Sample: 1995 2014 Included observations: 20

Variable Coeffici ent Std. Error t-Statisti c Prob.?? C691.0225113.3920 6.0941040.0000 AVGDP0.3527700.00490871.880540.0000 R-squared0.996528????Mean dependent var7351.300 Adjusted R-squared0.996335????S.D. dependent var4828.765 S.E. of regression292.3118????Akaike info criterion14.28816 Sum squared resid1538032.????Schwarz criterion14.38773 Log likelihood -140.881 6 ????Hannan-Quinn criter.14.30760 F-statistic5166.811????Durbin-Watson stat0.403709 Prob(F-statistic)0.000000 由上表可知财政收入随国内生产总值变化的一元线性回归方程为:

计量经济学实验报告 (3)

1.背景 经济增长是指一个国家生产商品和劳务能力的扩大。在实际核算中，常以一国生产的商品和劳务总量的增加来表示，即以国民生产总值（GDP）和国内生产总值的的增长来计算。 古典经济增长理论以社会财富的增长为中心，指出生产劳动是财富增长的源泉。现代经济增长理论认为知识、人力资本、技术进步是经济增长的主要因素。 从古典增长理论到新增长理论，都重视物质资本和劳动的贡献。物质资本是指经济系统运行中实际投入的资本数量.然而，由于资本服务流量难以测度，在这里我们用全社会固定资产投资总额（亿元）来衡量物质资本。中国拥有十三亿人口，为经济增长提供了丰富的劳动力资源。因此本文用总就业人数（万人）来衡量劳动力。居民消费需求也是经济增长的主要因素。 经济增长问题既受各国政府和居民的关注,也是经济学理论研究的一个重要方面。在1978—2008年的31年中,我国经济年均增长率高达9.6%,综合国力大大增强,居民收入水平与生活水平不断提高,居民的消费需求的数量和质量有了很大的提高。但是,我国目前仍然面临消费需求不足问题。 本文将以中国经济增长作为研究对象，选择时间序列数据的计量经济学模型方法，将中国国内生产总值与和其相关的经济变量联系起来，建立多元线性回归模型，研究我国中国经济增长变动趋势，以及重要的影响因素，并根据所得的结论提出相关的建议与意见。用计量经济学的方法进行数据的分析将得到更加具有说服力和更加具体的指标，可以更好的帮助我们进行预测与决策。因此，对我国经济增长的计量经济学研究是有意义同时也是很必要的。 2.模型的建立 2.1 假设模型

为了具体分析各要素对我国经济增长影响的大小，我们可以用国内生产总值（Y ）这个经济指标作为研究对象；用总就业人员数（1X ）衡量劳动力；用固定资产投资总额(2X )衡量资本投入：用价格指数（3X ）去代表消费需求。运用这些数据进行回归分析。 这里的被解释变量是，Y ：国内生产总值， 与Y-国内生产总值密切相关的经济因素作为模型可能的解释变量，共计3个，它们分别为： 1X 代表社会就业人数， 2X 代表固定资产投资， 3X 代表消费价格指数， μ代表随机干扰项。 模型的建立大致分为理论模型设置、参数估计、模型检验、模型修正几个步骤。如果模型符合实际经济理论并且通过各级检验，那么模型就可以作为最终模型，可以进行结构分析和经济预测。 国内生产总值 经济活动人口 全社会固定资产投资 居民消费价格指数 1992年 26,923.48 66,782.00 8,080.10 106.4 1993年 35,333.92 67,468.00 13,072.30 114.7 1994年 48,197.86 68,135.00 17,042.10 124.1 1995年 60,793.73 68,855.00 20,019.30 117.1 1996年 71,176.59 69,765.00 22,913.50 108.3 1997年 78,973.03 70,800.00 24,941.10 102.8 1998年 84,402.28 72,087.00 28,406.20 99.2 1999年 89,677.05 72,791.00 29,854.70 98.6 2000年 99,214.55 73,992.00 32,917.70 100.4 2001年 109,655.17 73,884.00 37,213.50 100.7 2002年 120,332.69 74,492.00 43,499.90 99.2 2003年 135,822.76 74,911.00 55,566.61 101.2 2004年 159,878.34 75,290.00 70,477.43 103.9 2005年 184,937.37 76,120.00 88,773.61 101.8 2006年 216,314.43 76,315.00 109,998.16 101.5

计量经济学论文(eviews分析)-房价的计量经济分析

房价的计量经济分析 引言：近改革开放20多年来，从来没有哪一个行业像房地产业这样盛产亿万富翁，各种富豪排行榜上，房地产富豪连年占据半壁江山；“中国十大暴利行业”中，房地产业每年都是“第一名”。是什么造就了这样的状况。房地产的问题，在开发商，政府，购房者三者来看，就是一场完完全全的博弈。而这场博弈的焦点则是房价问题。如果说开发商与政府之间的博弈是围绕“土地”这个关键词，那么整个房地产市场则在价格上开展了新一轮的对峙。先是开发商与购房者在房价涨跌上僵持不下；再有开发商与政府之间的土地成本论；最后则是关于房地产是否归为暴利行业的争执，“价格”成了市场关注的焦点。而对于房价的构成因素，至今仍然是不透明的。公布房价成本成为另政府极为头疼的一件事。房价成本是一个非常复杂的集合体，并且项目间差异性较大，同时还有软资产、品牌等组成部分，特别是现在的商品房，追求品质、功能完善以及个性化成本构成越来越难衡量。 写作目的：通过对一系列影响房价的基本因素的分析，了解对其主要因素和次要因素。并对这些因素进行统计推断和经济意义上的检验。选择拟和效果最好的最为结论。在一定层面上分析房地产如此暴利的因素。当然笔者的能力有限，并不能全面的分析这一问题。仅仅就几个因素进行分析。 写作方法：理论分析及计量分析方法，将会用到Eviews软件进行帮助分析。 关键词：房价成本计量假设检验最小二乘法拟合优度 现在我们以2003年的数据，选取30个省市的数据为例进行分析。在Eviews软件中选择建立截面数据。现在我们以2003年的数据，选取31个省市的数据为例进行分析。令Y=各地区建筑业总产值。（万元）X1=各地区房屋竣工面积。（万平方米）X2=各地区建筑业企业从业人员。（人）X3=各地区建筑业劳动生产率。（元/人）X4=各地区人均住宅面积。（平方米）X5=各地区人均可支配收入。（元） 数据如下： Y X1 X3 X2 X4 X5 12698521 4254.800 569767.0 129961.0 24.77140 13882.62 5208402. 1465.800 238957.0 147063.0 23.09570 10312.91 7799313. 4748.300 989317.0 70048.00 23.16710 7239.060 5401279. 1313.300 591276.0 89151.00 22.99680 7005.030 2576575. 1450.700 265953.0 61074.00 20.05310 7012.900 10170794 3957.100 966790.0 82496.00 20.23510 7240.580 3469281. 1626.800 303837.0 77486.00 20.70590 7005.170 4401878. 2181.300 441518.0 68033.00 20.49200 6678.900 11958034 3609.200 505185.0 153910.0 29.34530 14867.49

计量经济学实验报告

计量经济学实验报告 Document number：NOCG-YUNOO-BUYTT-UU986-1986UT

计量经济学实验 基于EViews的 中国能源消费影响因素分析 学院： 班级： 学号： 姓名：

基于EViews的中国能源消费影响因素分析 一、背景资料 能用消费是引是指生产和生活所消耗的能源。能源消费按人平均的占有量是衡量一个国家经济发展和人民生活水平的重要标志。能源是支持经济增长的重要物质基础和生产要素。能源消费量的不断增长，是现代化建设的重要条件。我国能源工业的迅速发展和改革开放政策的实施，促使能源产品特别是石油作为一种国际性的特殊商品进入世界能源市场。随着国民经济的发展和人口的增长，我国能源的供需矛盾日益紧张。同时，煤炭、石油等常规能源的大量使用和核能的发展，又会造成环境的污染和生态平衡的破坏。可以看出，它不仅是一个重大的技术、经济问题，而且以成为一个严重的政治问题。 在20世纪的最后二十年里，中国国内生产总值（GDP）翻了两番，但是能源消费仅翻了一番，平均的能源消费弹性仅为左右。然而自2002年进入新一轮的高速增长周期后，中国能源强度却不断上升，经济发展开始频频受到能源瓶颈问题的困扰。鉴于此，研究能源问题不仅具有必要性和紧迫性，更具有很大的现实意义。由于我国目前面临的所谓“能源危机”，主要是由于需求过大引起的，而我国作为世界上最大的发展中国家，人口众多，所需能源不可能完全依赖进口，所以，研究能源的需求显得更加重要。 二、影响因素设定 根据西方经济学消费需求理论可知，影响消费需求的因素有：商品的价格、消费者收入水平、相关商品的价格、商品供给、消费者偏好以及消费者对商品价格的预期等。对于相关商品价格的替代效应，我们认为其只存在能源品种内部之间，而消费者偏好及消费者对商品价格的预期数据差别较大，不容易进行搜集整理在此暂不涉及。另外，发展经济学认为，来自知识、人力资本的积累水平所体现的技术进步不仅可以带动劳动产出的增长，

(完整word版)计量经济学EVIEWS软件学习

实验一Eviews的基本操作与一元线性回归模型的最小二乘估计实验目的： 1、熟悉Eviews的窗口与界面 2、掌握Eviews的命令与菜单的操作 3、掌握用Eviews估计与检验一元线性回归模型 实验内容： 1、启动Eviews 双击Eviews图标，出现Eviews窗口，它由以下部分组成：标题栏“Eviews”、主菜单“File，Edit，…，Help”、命令窗口（空白处）和工作区域。 命令窗口 工作区域 图1-1 2、产生文件 Eviews的操作在工作文件中进行，故首先要有工作文件，然后进行数据输入、分析等等操作。 （1）读已存在文件：File→Open→Workfile。 （2）新建文件：File→New→Workfile，出现对话框“工作文件范围”，选取或填上数据类型、起止时间。OK后，得到一个无名字的工作文件，其中有：时间范围、当前工作文件样本范围、filter 、默认方程、系数向量C、序列RESID。 在主菜单上依次点击File/New/Workfile，即选择新建对象的类型为工作文件，将弹出一个对话框（如图所示），由用户选择数据的时间频率（frequency）、

起始期和终止期。 图1-2工作文件对话框 其中， Annual——年度 Monthly——月度 Semi-annual——半年 Weekly——周 Quarterly——季度 Daily——日 Undated or irregular——非时序数据 选择时间频率为Annual（年度），再分别点击起始期栏（Start date）和终止期栏（End date），输入相应的日前1985和1998。然后点击OK按钮，将在EViews 软件的主显示窗口显示相应的工作文件窗口（如图所示）。 图1-3工作文件窗口 工作文件窗口是EViews的子窗口，工作文件一开始其中就包含了两个对象，一个是系数向量C（保存估计系数用），另一个是残差序列RESID（实际值与拟合值之差）。 （3）命令方式新建文件 在EViews软件的命令窗口中直接键入CREATE命令，也可以建立工作文件。

计量经济学实验报告

《计量经济学》实验报告一，数据 二，理论模型的设计 解释变量：可支配收入X 被解释变量：消费性支出Y 软件操作： （1）X与Y散点图

从散点图可以粗略的看出，随着可支配收入的增加，消费性支出也在增加，大致呈线性关系。因此，建立一元线性回归模型： 01i i i Y X ββμ=++ （2）对模型做OLS 估计 OLS 估计结果为 272.36350.7551Y X ∧ =+ 011.705732.3869t t == 20.9831.. 1.30171048.912R DW F === 三，模型检验 从回归估计结果看，模型拟合较好，可决系数为0.98，表明家庭人均年可消费性支出变化的98.31%可由支配性收入的变化来解释。 t 检验:在5%的显著性水平下1β不显著为0，表明可支配收入增加1个单位，消费性支出平均增加0.7551单位。 1，预测 现已知2018年人均年可支配收入为20000元，预测消费支出预测值为 0272.36350.75512000015374.3635Y =+?= E(X)=6222.209，Var(X)=1994.033

则在95%的置信度下，E( Y)的预测区间为（874.28,16041.68） 2，异方差性检验 对于经济发达地区和经济落后地区，消费支出的决定因素不一定相同甚至差异很大。如经济越落后储蓄率越高，可能出现异方差性问题。 G-Q检验 对样本进行处理，X按从大到小排序，去掉中间4个，分为两组数据， 128 n n ==分别回归

1615472.0RSS = 2126528. 3R S S = 于是的F 统计量： ()() 12811 4.86811RSS F RSS --==-- 在5%的想著想水平下，0.050.05(6,6) 4.28,(6,6)F F F =>，即拒绝无异方差性假设，说明模型存在异方差性。

计量经济学论文(eviews分析)

我国限额以上餐饮企业营业额的 影响因素分析 班级： 姓名： 学号： 指导老师：

我国限额以上餐饮企业营业额的影响因素分析 摘要：本文收集了1999—2009共11年的相关数据，选取餐饮企业的数量、城镇居民人均年消费性支出、全国城镇人口数以及公路里程数作为解释变量构建模型，对我国限额以上餐饮企业营业额的影响因素进行分析。并利用Eviews软件对模型进行参数估计和检验，且加以修正，最后根据模型的最终结果进行经济意义分析，然后提出自己的看法。 关键词：餐饮企业营业额、影响因素、计量分析 一、研究背景 近十年来，投资者进入餐饮企业的数量一直持递增趋势。在他们进入一个行业之前，势必要对该行业的营业额、营业利润等进行估计，当这些因素的估计值能够达到他们的预期的时候，他们才会对其进行投资。由于餐饮企业的营业额是影响投资者是否进入餐饮业的一个重要因素，那么对于我国餐饮企业的营业额问题的深入研究就相当的有必要，这有助于投资者作出合理的决策。下面即进行了对我国限额以上餐饮企业营业额的计量模型研究。 二、变量的选取 影响餐饮企业营业额的因素有很多，包括餐饮企业的数量、营业面积、从业人员、城镇居民人均年消费性支出、全国城镇人口数、餐饮企业的平均价格水平及公路里程数（表示交通状况），但综合考虑后，选取了其中的一部分变量（企业数、城镇居民人均年消费性支出、全国城镇人口数、公路里程数）进行研究，并对各个变量对餐饮企业营业额的影响进行预测。 1.企业数

本文认为餐饮企业营业额与餐饮企业的数量有关，并预测两者之间呈正相关2. 城镇居民人均年消费性支出 本文认为餐饮企业营业额与城镇居民人均年消费性支出有关，并预测两者之间呈正相关 3. 全国城镇人口数 本文认为餐饮企业营业额与全国城镇人口数有关，并预测两者之间呈正相关4. 公路里程数 本文认为餐饮企业营业额与公路里程数有关，并预测两者之间呈正相关三、相关数据：其中营业额（单位：亿元），企业数（单位：个），人均年消费性 支出（单位：元），全国城镇人口数（单位：万人），公路里程数（单位：万公里） 年度 营业额 （Y）企业数（x1） 人均年消费性 支出(x2) 全国城镇人口 数（x3） 公路里程 数（x4） 1999351955932664615.9143748135.2 200040524453508499845906140.3 2001489894341325309.0148064169.8 2002624247150216029.8850212176.5 2003747000059356510.9452376181 200411605000100677182.154283187.1 20051260200099227942.8856212334.5

EViews计量经济学实验报告异方差的诊断及修正

时间 地点 实验题目 异方差的诊断与修正 一、实验目的与要求： 要求目的：1、用图示法初步判断是否存在异方差，再用White 检验异方差； 2、用加权最小二乘法修正异方差。 二、实验内容 根据1998年我国重要制造业的销售利润与销售收入数据，运用EV 软件，做回归分析，用图示法，White 检验模型是否存在异方差，如果存在异方差，运用加权最小二乘法修正异方差。 三、实验过程：（实践过程、实践所有参数与指标、理论依据说明等） （一） 模型设定 为了研究我国重要制造业的销售利润与销售收入是否有关，假定销售利润与销售收入之间满足线性约束，则理论模型设定为： i Y =1β+2βi X +i μ 其中，i Y 表示销售利润，i X 表示销售收入。由1998年我国重要制造业的销售收入与销售利润的数据，如图1： 1988年我国重要制造业销售收入与销售利润的数据 （单位：亿元）

（二） 参数估计 1、双击“Eviews ”，进入主页。输入数据：点击主菜单中的File/Open /EV Workfile —Excel —异方差数据2.xls ； 2、在EV 主页界面的窗口，输入“ls y c x ”，按“Enter ”。出现OLS 回归结果,如图2： 估计样本回归函数 Dependent Variable: Y Method: Least Squares Date: 10/19/05 Time: 15:27 Sample: 1 28 Included observations: 28 Variable Coefficient Std. Error t-Statistic Prob. C 12.03564 19.51779 0.616650 0.5428 X 0.104393 0.008441 12.36670 0.0000 R-squared 0.854696 Mean dependent var 213.4650 Adjusted R-squared 0.849107 S.D. dependent var 146.4895 S.E. of regression 56.90368 Akaike info criterion 10.98935 Sum squared resid 84188.74 Schwarz criterion 11.08450 Log likelihood -151.8508 F-statistic 152.9353 Durbin-Watson stat 1.212795 Prob(F-statistic) 0.000000 估计结果为： i Y ? = 12.03564 + 0.104393i X （19.51779） (0.008441) t=（0.616650） （12.36670） 2R =0.854696 2R =0.849107 S.E.=56.89947 DW=1.212859 F=152.9353 这说明在其他因素不变的情况下，销售收入每增长1元，销售利润平均增长0.104393元。 2R =0.854696 , 拟合程度较好。在给定 =0.0时，t=12.36670 > )26(025.0t =2.056 ，拒

计量经济学实验报告(自相关性)

实验6.美国股票价格指数与经济增长的关系 ——自相关性的判定和修正 一、实验内容：研究美国股票价格指数与经济增长的关系。 1、实验目的: 练习并熟练线性回归方程的建立和基本的经济检验和统计检验；学会判别自相关的存在，并能够熟练使用学过的方法对模型进行修正。 2、实验要求： （1）分析数据，建立适当的计量经济学模型 （2）对所建立的模型进行自相关分析 （3）对存在自相关性的模型进行调整与修正 二、实验报告 1、问题提出 通过对全球经济形势的观察，我们发现在经济发达的国家，其证券市场通常也发展的较好，因此我们会自然地产生以下问题，即股票价格指数与经济增长是否具有相关关系？ GDP是一国经济成就的根本反映。从长期看，在上市公司的行业结构与国家产业结构基本一致的情况下，股票平均价格的变动跟GDP的变化趋势是吻合的，但不能简单地认为GDP增长，股票价格就随之上涨，实际走势有时恰恰相反。必须将GDP与经济形势结合起来考虑。在持续、稳定、高速的GDP增长下，社会总需求与总供给协调增长，上市公司利润持续上升，股息不断增加，老百姓收入增加，投资需求膨胀，闲散资金得到充分利用，股票的内在含金量增加，促使股票价格上涨，股市走牛。 本次试验研究的1970-1987年的美国正处在经济持续高速发展的状态下，据此笔者利用这一时期美国SPI与GDP的数据建立计量经济学模型，并对其进行分析。 2、指标选择： 指标数据为美国1970—1987年美国股票价格指数与美国GDP数据。 3、数据来源： 实验数据来自《总统经济报告》（1989年），如表1所示：

表1 4、数据处理 将两组数据利用Eviews绘图，如图1、2所示： 图1 GDP数据简图图2 SPI数据简图

用Eviews分析计量经济学问题

计量经济学案例分析 一、问题背景 高新区自开始设立至今短短十多年的时间，以其惊人的经济发展速度为世人所关注。随着我国经济发展模式的逐步转变，高新区已经成为我国依靠科技进步和技术创新推动经济社会发展、走中国特色自主创新道路的一面旗帜。“十二五”时期，面对新的机遇和挑战，国家高新区应注重提升五种能力，努力成为加快转变经济发展方式的排头兵。为了探索高新经济发展的内在规律性，本文采用截面数据对高新区的投入产出进行分析，力求能够增进对高新区经济发展的了解，对高新区的进一步发展有所帮助。 二、模型设定 本文研究的是高新区投入对产出的影响，所以本模型的被解释变量Y 即为高新区的产出。就目前对高新区数据的统计来看，反映高新区产出的主要有“工业总产值”、“工业增加值”、“技工贸总收入”、“利润”和“上缴税额”几个总量指标。按照生产函数理论，产出利用增加值，所以模型中我们将使用“工业增加值”指标数据来估计各高新区的总产出。 从高新区的投入来看，对产出有重要影响的因素主要包括以下几个方面： 资本K ，劳动力L ，技术投入T ，此外，体制改革，管理模式创新也可以看作是投入的要素，但因其不可量化，因此归入模型的扰动项中。 这样，按照科布道格拉斯形式的生产函数，我们设定函数形式为： u T L AK Y γβα= 两边取自然对数得：u T L K A Y ln ln ln ln ln ln ++++=γβα 其中，资本数据K 我们利用的是当年的年末净资产来进行估计，即当年年末资产减去当年年末负债后得到的数据；用当年年末从业人员来估计劳动力L ；用当年技术研发投入来估计技术投入T 。数据选用的是截面数据。 从《国家高新技术产业开发区十年发展报告（1991－2000年）》得到1999年全国53个高新区各项指标统计数据： 园区 工业增加值(千 元)Y 净资产（千元）K 年末从业人员（人） L 技术开发费（千 元）T 北京 246422 天津 4138312 106970 1004739 石家庄 1428436 8427194 40404 437677 保定 1320169 5564045 35743 78798 太原 1261311 4755833 39469 254922 包头 877062 3798540 19793 56816 沈阳 3835694 21547 525425 大连 2099833 9922822 61713 328710

计量经济学Eviews多重共线性实验报告

实验报告 课程名称计量经济学 实验项目名称多重共线性 班级与班级代码 专业 任课教师 学号： 姓名： 实验日期：2014 年05 月11日

广东商学院教务处制 姓名实验报告成绩 评语： 指导教师（签名） 年月日

说明：指导教师评分后，实验报告交院（系）办公室保存。 计量经济学实验报告 一、实验目的：掌握多元线性回归模型的估计方法、掌握多重共线性模型的识别和修正。 二、实验要求：应用教材第127页案例做多元线性回归模型，并识别和修正多重共线性。 三、实验原理：普通最小二乘法、简单相关系数检验法、综合判断法、逐步回归法。 R值。 四、预备知识：最小二乘法估计的原理、t检验、F检验、2 五、实验步骤 1、选择数据 理论上认为影响能源消费需求总量的因素主要有经济发展水平、收入水平、产业发展、人民生活水平提高、能源转换技术等因素。为此，收集了中国能源消费标准煤总量、国民总收入、国内生产总值GDP、工业增加值、建筑业增加值、交通运输邮电业增加值、人均生活电力消费、能源加工转换效率等1985——2007年的统计数据。本题旨在通过建立这些经济变量的线性模型来说明影响能源消费需求总量的原因。主要数据如下： 1985~2007年统计数据

资料来源：《中国统计年鉴》，中国统计出版社2000、2008年版。 为分析Y 与X1、X2、X3、X4、X5、X6、X7之间的关系，做如下折线图： 能源消费Y 在1986到1996年间缓慢增长，在96至98年有短暂的下跌，但是98 至02年开始缓慢回升，02年到06年开始快速增长。 国民总收入X1和国内生产总值X2以相同的趋势逐年缓慢增长。 工业增加值X3在1985年-1999年期间一直是缓慢增长，但在2000年出现了急剧下降的现象，2001年又急剧增长，达到下降前的水平，2001年以后开始缓慢增长。建筑业增长值x4、交通运输邮电业增加值x5、人均生活电力消费x6、能源加工转换效率x7数值较低，但都以较平缓的方式增长。 2、设定并估计多元线性回归模型 t t t t t t t u X X X X X Y ++++++=66554433221ββββββ （2.1） 2.1录入数据，得到图。

计量经济学实验报告

计量经济学实验报告 ：马艺菡 学号：4 班级：9141070302 任课教师：静文

实验题目简单线性回归模型分析 一实验目的与要求 目的：影响财政收入的因素可能有很多，比如国生产总值，经济增长，零售物价指数，居民收入，消费等。为研究国生产总值对财政收入是否有影响，二者有何关系。 要求：为研究国生产总值变动与财政收入关系，需要做具体分析。 二实验容 根据1978-1997年中国国生产总值X和财政收入Y数据，运用EV软件，做简单线性回归分析，包括模型设定，模型检验，模型检验，得出回归结果。 三实验过程：（实践过程，实践所有参数与指标，理论依据说明等） 简单线性回归分析，包括模型设定，估计参数，模型检验，模型应用。 （一）模型设定 为研究中国国生产总值对财政收入是否有影响，根据1978-1997年中国国生产总值X和财政收入Y，如图1 1978-1997年中国国生产总值和财政收入（单位：亿元）

1996 66850.5 7407.99 1997 73452.5 8651.14 根据以上数据作财政收入Y 和国生产总值X的散点图，如图2 从散点图可以看出，财政收入Y和国生产总值X大体呈现为线性关系，所以建立的计量经济模型为以下线性模型： （二）估计参数 1、双击“Eviews”，进入主页。输入数据：点击主菜单中的File/Open/EV Workfile—Excel—GDP.xls; 2、在EV主页界面点击“Quick”菜单，点击“Estimate Equation”,出现“Equation Specification”对话框，选择OLS估计，输入““y c x”,点击“OK”。即出现回归结果图3；

EViews计量经济学实验报告异方差的诊断及修正

姓名学号实验题目异方差的诊断与修正 一、实验目的与要求： 要求目的：1、用图示法初步判断是否存在异方差，再用White检验异方差； 2、用加权最小二乘法修正异方差。

估计结果为： i Y ? = 12.03564 + 0.104393i X （19.51779） (0.008441) t=（0.616650） （12.36670） 2R =0.854696 R =0.849107 S.E.=56.89947 DW=1.212859 F=152.9353 这说明在其他因素不变的情况下，销售收入每增长1元，销售利润平均增长0.104393元。 2R =0.854696 , 拟合程度较好。在给定 =0.0时，t=12.36670 > )26(025.0t =2.056 ，拒 绝原假设，说明销售收入对销售利润有显著性影响。F=152.9353 > )6,21(F 05.0= 4.23 ,

表明方程整体显著。 （三） 检验模型的异方差 ※（一）图形法 6、判断 由图3可以看出，被解释变量Y 随着解释变量X 的增大而逐渐分散，离散程度越来越大； 同样，由图4可以看出，残差平方2 i e 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2 i e 随i X 的变动呈增大趋势。因此，模型很可能存在异方差。但是否确实存在异方差还应该通过更近一步的检验。

※ （二）White 检验 White 检验结果 White Heteroskedasticity Test: F-statistic 3.607218 Probability 0.042036 Obs*R-squared 6.270612 Probability 0.043486 Test Equation: t 界值5.002 χ （2） =5.99147。比较计算的2χ统计量与临界值，因为n 2R = 6.270612 > 5 .002 χ（2）=5.99147 ，所以拒绝原假设，不拒绝备择假设，这表明模型存在异方差。 （四） 异方差的修正 在运用加权最小二乘法估计过程中，分别选用了权数t 1ω=1/t X ，t 2ω=1/2 t X ，t 3ω=1/t X 。 用权数t 1ω的结果

计量经济学实验报告

中国海洋大学 《计量经济学》实验报告实验项目名称：黄金价格影响因素解析 指导教师：殷克东 姓名：王焜 学号： 年级专业： 14金融 中国海洋大学经济学院

【实验步骤——自己操作】 一、实验数据： 黄金价格、美元指数、通胀率、原油价格、US利率、GDP、标准普尔指数的数据如下：二、实验步骤： （1）建立回归模型 1.建立实验文件 2.输入Y、X的数据 在EViews软件的命令窗口键入DATA命令，命令格式为：： 输入：data Y X1 X2 X3 X4 X5 X6 X7 3.建立回归模型： 建立Y C X1 X2 X3 X4 X5 X6 X7的回归，

其中Y代表黄金价格 X1代表美元指数 X2代表通胀率 X3代表原油价格 X4代表短期US 利率 X5代表长期US利率 X6代表GDP X7代表标准普尔指数 4．回归结果如下： 5、对模型的初步分析 a.对模型拟合度分析：从报告单可以看出，R-squared为，模型拟合度在89%左右。

b.对变量的显着性分析：在t检验中，截距项参数、RS的参数并不显着。可能为0。但要判断是否为0，还要对残差和变量进行检验。 c.对模型显着性分析F检验中，F统计量值为，大于显着水平为5%的临界值，说明模型显着。对多个解释变量的模型，若OLS法估价的R2与F值较大，但t检验值较小，则说明各解释变量对Y的联合线性作用显着，但各解释变量间存在共线性而使得它们对Y的独立作用不能分辨，故t检验不显着。 d、对模型的残差项进行分析 异方差检验：怀特检验 由图知Obs*R-squared统计量为，概率值大于，说明不存在异方差 自相关检验 P(Obs*R-squared)为，大于的显着水平，所以不存在自相关。 e、对变量进行分析 对变量进行多重共线性检验 由相关系数矩阵知： 与RL、RS和SP存在明显的线性相关性。可以看出GDP与利率存在线性负相关，与股票市场存在线性正相关。因为GDP是反映国家经济的一个重要指标，因此，国家为了刺激经济，货币政策往往比较宽松，利率比较低，此时国家经济发展，GDP加速上升，带动股市上扬。 与SP存在明显的线性相关性。由股票理论价格=股票收益/利率知 道利率与股票价格存在负相关。 由于存在多重共线性存在，导致OLS下估计量的非有效、变量显着性检验失效和模型预测失效，因此必须克服模型多重共线性，对模型进行修改。 6、对模型的修正 前面已经大致检测出存在多重共线性的解释变量，分别是短期利率（X4）、长期利率（X5）、标准普尔指数（X7）、GDP（X6）。对这些解释变量进行逐步回归： 短期利率： 长期利率 标准普尔指数 GDP 可以看出在标长期利率的逐步回归中t检验最显着；R检验值为，在四个检验中最好；因

计量经济学eviews软件案例分析

计量经济学课程案例分析论文 本小组案例：影响税收收入的因素 摘要：我国经济增长与税收增长之间是正相关的，经济增长是税收增长的源泉，而税收又是国家财政收入的主要来源，国家把税收收入用于经济建设，发展科学、教育、文化、卫生等事业，反过来又促进经济的进一步增长。 关键字：税收国内生产总值财政支出商品零售价格指数 一、引言：改革开放以来，随着经济体制的改革的深化和经济的快速增长，中国的财政收支状况发生很大的变化，为了研究中国税收收入增长的主要原因，分析中央和地方税收收入的增长规律，预测中国税收未来的增长趋势，需要建立计量经济学模型。 二、经济理论分析：影响中国税收收入增长的主要因素可能有： 【1】从宏观经济上看经济增长是税收增长的基本源泉 【2】社会经济的发展和社会保障等对公共财政提出要求，公共财政的需求可能对当年的税收入可能会有一定的影响。 【3】物价水平。中国的税制结构以“流转税”为主，以现行价格计算的GDP和经营者的收入水平都与物价水平有关。 【4】税收政策因素 三、建立模型：以各项税收收入Y作为解释变量 以GDP表示经济增长水平 以财政支出表示公共财政的需求 以商品零售价格指数表示物价水平 税收政策因素较难用数量表示，暂时不予考虑 模型设定为Y=β1X1+β2X3+β3X3+C 其中：Y—各项税收收入（亿元）

X1—国内生产总值（亿元） X2—财政支出（亿元） X3—商品零售价格指数（%） 四、数据收集： 年份x1 x2 x3 y 1978 3645.20 1122.09 100.70 519.28 1979 4062.60 1281.79 102.00 537.82 1980 4545.60 1228.83 106.00 571.70 1981 4891.60 1138.41 102.40 629.89 1982 5323.40 1229.98 101.90 700.02 1983 5962.70 1409.53 101.50 775.59 1984 7208.10 1701.02 102.80 947.35 1985 9016.00 2004.25 108.80 2040.79 1986 10275.20 2204.91 106.00 2090.73 1987 12058.60 2262.18 107.30 2140.36 1988 15042.80 2491.21 118.50 2390.47 1989 16992.30 2823.78 117.80 2727.40 1990 18667.80 3083.59 102.10 2821.86 1991 21781.50 3386.62 102.90 2990.17 1992 26923.50 3742.20 105.40 3296.91 1993 35333.90 4642.30 113.20 4255.30 1994 48197.90 5792.62 121.70 5126.88 1995 60793.70 6823.72 114.80 6038.04 1996 71176.60 7937.55 106.10 6909.82 1997 78973.00 9233.56 100.80 8234.04 1998 84402.30 10798.18 97.40 9262.80 1999 89677.10 13187.67 97.00 10682.58 2000 99214.60 15886.50 98.50 12581.51 2001 109655.20 18902.58 99.20 15301.38 2002 120332.70 22053.15 99.70 17636.45 2003 135822.80 24649.95 99.90 20017.31 2004 159878.30 28486.89 102.80 24165.68 2005 184937.40 33930.28 100.80 28778.54 2006 216314.40 40422.73 101.00 34809.72 2007 265810.30 49781.35 103.80 45621.97 2008 314045.40 62592.66 105.90 54223.79 2009 340902.80 76299.90 98.80 59521.59 2010 401202.00 89874.16 103.10 73210.79 回归分析： 相关分析