大连海事大学计量经济学Eviews实验课讲义_5序列相关与异方差上机课

第五课序列相关与异方差模型的处理

5.1序列相关模型

一、首先，结合案例数据（5_1_1）研究天津市城镇居民人均消费与人均可支配收入的关系，分析一阶线性相关存在时模型的检验与处理。

（1）案例数据：改革开放以来，天津市城镇居民人均消费性支出（CONSUM），人均可支配收入（INCOME）以及消费价格指数（PRICE）数据（1978—2000年）见下表。（数据来源：张晓峒，《计量经济学基础》，P152，例6.1）

（2）散点图

考虑到价格指数的影响，将CONSUM和INCOME各自除以价格指数，形成被解释变量和解释变量：CONSUM/PRICE和INCOME/PRICE，并作散点图如下，分析散点图，CONSUM/PRICE和INCOME/PRICE呈现线性相关。

（3）回归结果，Eviews输出结果报告，

得到回归方程CONSUM/PRICE = 111.4400081 + 0.7118287831*INCOME/PRICE

Dependent Variable: CONSUM/PRICE

Variable Coefficien

t Std. Error t-Statistic Prob.

C 111.4400 17.05592 6.533804 0.0000

INCOME/PRICE 0.711829 0.016899 42.12221 0.0000

Adjusted R-squared 0.987746 S.D. dependent var 296.7204

S.E. of regression 32.84676 Akaike info criterion 9.904525

Sum squared resid 22657.10 Schwarz criterion 10.00326

Log likelihood -111.9020 F-statistic 1774.281

Durbin-Watson stat 0.598571 Prob(F-statistic) 0.000000

05

.0

=

α水平上，T=23条件下，k=1时，临界值Dl=1.26，由结果可知，DW=0.59

LM统计量：

Breusch-Godfrey Serial Correlation LM Test:

Obs*R-squared 9.793792 Prob. Chi-Square(1) 0.001751

辅助回归：

Test Equation:

Dependent Variable: RESID Included observations: 23

Presample missing value lagged residuals set to zero.

Variable

Coefficien

t

Std. Error t-Statistic Prob. C 3.171015 13.26883 0.238982 0.8136 INCOME/PRICE -0.004662 0.013177 -0.353781 0.7272 RESID(-1)

0.678967

0.176298

3.851247

0.0010

R-squared

0.425817 Mean dependent var -1.40E-13 Adjusted R-squared 0.368399 S.D. dependent var 32.09156 S.E. of regression 25.50424 Akaike info criterion 9.436674 Sum squared resid 13009.32 Schwarz criterion 9.584782 Log likelihood -105.5217 F-statistic 7.416052 Durbin-Watson stat

2.005247 Prob(F-statistic)

0.003895

可见，卡方统计量TR 2=9.79，而05.0=α水平下，84.3)1(05.=χ，TR 2=9.79>84.3)1(05.=χ,因此，拒绝零假设，认为存在一阶序列相关。0.678967说明存在正相关。

（5）用广义最小二乘法估计参数

计算一阶相关系数7.02

6

.0121=-=-

=DW ρ,对原变量做广义差分，若令PRICE INCOME X PRICE CONSUM Y t t /,/==,令17.0--=t t t Y Y GDY , 17.0--=t t t X X GDX ,则以t GDY 和t GDX 为样本再次计算回归方程，GDY = 45.24890183 + 0.6782321994*GDX

Dependent Variable: GDY

Included observations: 22 after adjustments

Variable

t

Std. Error t-Statistic Prob.

GDX

0.678232

0.033983

19.95799 0.0000

R-squared

0.952190 Mean dependent var 269.1295 Adjusted R-squared 0.949799 S.D. dependent var 103.4908 S.E. of regression 23.18764 Akaike info criterion 9.211624 Sum squared resid 10753.33 Schwarz criterion 9.310809 Log likelihood -99.32786 F-statistic 398.3214 Durbin-Watson stat

2.308815 Prob(F-statistic)

0.000000

DW 值=2.3<4-du=4-1.43=2.57，已经消除序列相关。

由于8297.150)7.01/(2489.45)?1/(??*

0=-=-=ρββ，因此原模型的估计结果为： t

t X Y 6782.08297.150?+=。分析可知，天津市城镇居民人均消费性支出平均占人均可支配收入的67.82%。 注意：对广义差分后模型与原模型的判定系数不可简单直接比较，因为其变量不同；两个模型的回归系数估计值可能有所不同，计量经济学理论认为，广义差分模型的估计量性质优于存在序列相关时模型的估计量。 Eviews 操作：

生成新变量的方法：Quick ——Generate Series ——“X=CONSUM/PRICE ”、”INCOME/PRICE ”,但每次只能收入一个命令； LM(BG)检验方法：Equation ——Views ——Residual Tests ——Serial Correlation LMTest ——OK 。

二、结合案例5_1_2，研究天津市保费收入和人口的回归关系，分析二阶序列相关存在时模型的检验与处理。 （1） 天津市保费收入和人口数据：1967—1978年天津市的保险费收入（Yt ，万元）和人口（Xt ，万人）数据见5_1_2，散点图见下图，Y 与X 呈指数关系，对Y 对自然对数，LnY 与X 呈线性关系。（数据来源：张晓峒，《计量经济学基础》，P155,例6.2） （2）散点图：

通过散点图确定模型形式：t

t t u X Y Ln ++=10?ββ （3）利用Eviews 软件估计方程，得到LOG(Y) = -11.18098138 + 0.025*********X 输出结果为：

Dependent Variable: LOG(Y) Included observations: 32

Variable

t

Std. Error t-Statistic Prob.

X

0.025405

0.000683

37.20929

0.0000

Adjusted R-squared 0.978085 S.D. dependent var 2.300249 S.E. of regression

0.340525 Akaike info criterion

0.743808

Sum squared resid 3.478727 Schwarz criterion 0.835416 Log likelihood -9.900921 F-statistic 1384.531 Durbin-Watson stat

0.363124 Prob(F-statistic)

0.000000

对模型结果分析，判定系数较大，0.98，拟合较好，系数显著，但是DW 值较小，怀疑有自相关。 （4）检验自相关

查表，n=32，k=1, 05.0=α，Dl=1.37，Du=1.50，而DW=0.36<1.37，存在正的序列相关。

Eviews 下的LM 检验：

Breusch-Godfrey Serial Correlation LM Test:

Obs*R-squared 22.49464 Prob. Chi-Square(2)

0.000013

辅助回归： Test Equation:

Dependent Variable: RESID Included observations: 32

Presample missing value lagged residuals set to zero.

Variable

Coefficien

t

Std. Error t-Statistic Prob.

X 0.000116 0.000406 0.286860 0.7763 RESID(-1) 1.173204 0.174076 6.739607 0.0000 RESID(-2)

-0.442149

0.200364

-2.206723

0.0357

Adjusted R-squared 0.671131 S.D. dependent var 0.334988 S.E. of regression 0.192106 Akaike info criterion -0.345072 Sum squared resid 1.033330 Schwarz criterion -0.161855 Log likelihood 9.521154 F-statistic 22.08752 Durbin-Watson stat

1.956428 Prob(F-statistic)

0.000000

从检验结果看，误差项存在二阶自相关。 （5）广义差分法消除自相关 依据残差自回归结果：

Dependent Variable: ET Sample (adjusted): 1969 1998

Included observations: 30 after adjustments

Variable t

Std. Error t-Statistic Prob.

ET(-2)

-0.466667

0.186755

-2.498816 0.0186

Adjusted R-squared 0.696106 S.D. dependent var 0.339942 S.E. of regression 0.187399 Akaike info criterion -0.446816 Sum squared resid 0.983312 Schwarz criterion -0.353403 Log likelihood 8.702236 Durbin-Watson stat

1.971666

得到辅助回归方程为：ET = 1.186004684*ET(-1) - 0.46666712*ET(-2)

进而得到二阶相关系数467.0,186.121-==ρρ,对原变量做广义差分，若令

21467.0186.1--+-=t t t t LnY LnY LnY GDY , 21467.0186.1--+-=t t t t X X X GDX ,则以t GDY 和t GDX 为样

本再次计算回归方程，

Dependent Variable: GDLNY Method: Least Squares Sample (adjusted): 1969 1998

Included observations: 30 after adjustments

Variable

t

Std. Error t-Statistic Prob.

GDX

0.025866

0.001441

17.94459 0.0000

Adjusted R-squared 0.917145 S.D. dependent var 0.649829 S.E. of regression 0.187050 Akaike info criterion -0.450536 Sum squared resid 0.979660 Schwarz criterion -0.357123 Log likelihood 8.758046 F-statistic 322.0083 Durbin-Watson stat

1.993633 Prob(F-statistic)

0.000000

从结果看，DW=1.99，序列相关消除。

根据计算公式：55.11)467.0186.11/(246.3)??1/(??21*

0-=+--=--=ρρββ， 因此，原模型的广义最小二乘估计结果为：

t

t X Y Ln 0259.055.11?+-= 与原估计结果LOG(Y) = -11.18098138 + 0.025*********X 相比，稍有差别，计量经济学理论认为广义最小二乘估计量的

特性优于误差项存在自相关条件下的最小二乘估计量的特性，即0.0259比0.0254更可信，其经济含义为：每增加1万人，保费收入的对数值增加0.0259.

5.2异方差模型 一、案例分析

（1）数据：已知某地区的个人储蓄Y ，可支配收入X 的截面样本数据见5_2_1，建立它们之间的线性回归模型并估计（数据来源：张晓峒，《计量经济学基础》，P125，例5.1,该数据来源摘自【英】A.科苏扬尼斯著，许开甲等译《经济计量学

理论——经济计量方法概述》上册）。

（2）建立模型

根据经济理论确定计量经济学模型基本形式为i i i u X Y ++=10ββ， 估计方程为：Y = -700.4109607 + 0.0878********X Eviews 输出结果报告如下：

Dependent Variable: Y Method: Least Squares Sample: 1 31

Included observations: 31

Variable

t

Std. Error t-Statistic Prob.

X

0.087831

0.004827 18.19575

0.0000

Adjusted R-squared 0.916686 S.D. dependent var 846.7570 S.E. of regression 244.4088 Akaike info criterion 13.89790 Sum squared resid 1732334. Schwarz criterion 13.99042 Log likelihood -213.4175 F-statistic 331.0852 Durbin-Watson stat

1.089829 Prob(F-statistic)

0.000000

（2）异方差检验

考虑到横截面数据的特点，怀疑会产生异方差问题，对其以各种方法进行检验。

①简单观察

通过对X 与残差的观察，发现e 似乎随着X 变化而变化，怀疑有异方差，于是以各种方法对其进行检验。

②图示法

分别绘制Y 及残差与解释变量X 的散点图，从散点图来看，随着可支配收入的增加，Y 和残差的离散程度在增加，可见随机误差项存在异方差。

③戈德菲尔德-匡特(Goldfeld-Quandt,G-Q)检验

将X 的样本观察值按照升序排列，Y 的观察值顺序与X 观察值对应。略去中间的9个样本观察值，剩余的样本观察值平均分为两组子样本，每个子样本的样本观察值数量为11个。分别用两个子样本进行回归，得到各自的结果报告，从而得到各自的残差平方和。 A.排序

B.划分子样本并回归

子样本1：

子样本2：

子样本1回归结果：

Dependent Variable: Y Method: Least Squares Sample: 1 11

Included observations: 11

Variable Coefficien

t Std. Error t-Statistic Prob.

X 0.088258 0.015705 5.619619 0.0003

Adjusted R-squared 0.753574 S.D. dependent var 260.8157 S.E. of regression 129.4724 Akaike info criterion 12.72778 Sum squared resid 150867.9 Schwarz criterion 12.80012 Log likelihood -68.00278 F-statistic 31.58011 Durbin-Watson stat 1.142088 Prob(F-statistic) 0.000326

子样本2回归结果：

Dependent Variable: Y Method: Least Squares Sample: 21 31

Included observations: 11

Variable

t

Std. Error t-Statistic Prob.

X

0.045779

0.027898

1.640971

0.1352

Adjusted R-squared 0.144772 S.D. dependent var 354.4462 S.E. of regression 327.7867 Akaike info criterion 14.58557 Sum squared resid 966997.0 Schwarz criterion 14.65791 Log likelihood -78.22063 F-statistic 2.692786 Durbin-Watson stat 2.743586 Prob(F-statistic)

0.135222

计算F 统计量： 6.409557150868

966997

2

2

21

==

=

∑∑i i e

e

F ，在05.0=α的显著性水平下，查F 分布表，18.3)9,9(05.0=F ，

因此，F=6.41>F 0.05(9,9)=3.18,因此，拒绝原假设，接受对立假设，原模型存在随机误差项的异方差。子样本2的残差平方和较大，也可得出递增异方差的结论。

④White 检验法

根据White 检验原理，得到TR2统计量，

White 检验结果：

White Heteroskedasticity Test:

Obs*R-squared 9.102584 Prob. Chi-Square(2)

0.010554

辅助回归结果： Test Equation:

Dependent Variable: RESID^2 Method: Least Squares Sample: 1 31

Included observations: 31

Variable

t

Std. Error t-Statistic Prob.

X -2.198632 8.094419 -0.271623 0.7879 X^2

0.000146

0.000176 0.830046

0.4135

Adjusted R-squared

0.243177 S.D. dependent var

77875.67

S.E. of regression 67748.39 Akaike info criterion 25.17675 Sum squared resid 1.29E+11 Schwarz criterion 25.31553 Log likelihood -387.2397 F-statistic 5.819690 Durbin-Watson stat

1.552875 Prob(F-statistic)

0.007699

从检验结果看，TR2=9>0.692

05.02=>=χTR ,可见，在05.0=α的水平上，可以拒绝原假设，即模型中存在异方差。

White 检验的Eviews 操作：Equation ——Residual Tests\White Heteroskedasticity(no cross terms).

⑤纠正异方差

由于异方差是由X 引起的，可以以1/X 作为权重来修正模型，得到加权最小二乘估计式：

t t t t t X u X X Y ///10++=ββ，估计结果如下：Y/X = 0.0897509775 - 742.468372*1/X

结果报告：

Dependent Variable: Y/X Method: Least Squares Sample: 1 31

Included observations: 31

Variable

t

Std. Error t-Statistic Prob.

1/X

-742.4684

71.91567 -10.32415

0.0000

Adjusted R-squared 0.778742 S.D. dependent var 0.022178 S.E. of regression 0.010432 Akaike info criterion -6.225537 Sum squared resid 0.003156 Schwarz criterion -6.133022 Log likelihood 98.49583 F-statistic 106.5881 Durbin-Watson stat

1.081175 Prob(F-statistic)

0.000000

由结果Y/X = 0.0897509775 - 742.468372*1/X ，可以得到原模型估计结果：Y=-742.47+0.09X 。

或者，可以直接应用加权最小二乘法，得到：

Dependent Variable: Y Sample: 1 31

Included observations: 31 Weighting series: 1/X

Variable

t

Std. Error t-Statistic Prob.

X 0.089751

0.004347 20.64696 0.0000

R-squared

0.936305 Mean dependent var 903.0766 Adjusted R-squared 0.934109 S.D. dependent var 406.6195 S.E. of regression 191.2661 Akaike info criterion 13.40755 Sum squared resid

1060899. Schwarz criterion

13.50006

Log likelihood -205.8170 F-statistic 426.2970

Durbin-Watson stat 1.081175 Prob(F-statistic) 0.000000

R-squared 0.919023 Mean dependent var 1266.452

Adjusted R-squared 0.916231 S.D. dependent var 846.7570

S.E. of regression 245.0763 Sum squared resid 1741810.

Durbin-Watson stat 1.074712

Y = -742.468372 + 0.0897509775*X 二、练习数据

我国31个省区人居消费支出、农业收入及其他收入水平数据。

计量经济学实验报告完整版

计量经济学实验报告集团标准化办公室：[VV986T-J682P28-JP266L8-68PNN]

3.3 3.3 经调查研究发现，家庭书刊消费受家庭收入及户主受教育年数的影响，表 3.6为对某地区部分家庭抽样调查得到的样本数据。 （1T ）的多 元线性回归：123i i i i u Y X T βββ=+++ 利用样本数据估计模型的参数，对模型加以检验，分析所估计模型的经济意义和 作用。 步骤： 1.打开EViews6，点“File ”“New ”“Workfile ”。选择 “Unstructured/Unda=ted ”在Observations 后输入18，点击ok 。 2. 在命令行输入：DATA Y X T ，回车。将数据复制粘贴到Group 中的表格中。 3. 建立数据关系图为初步观察数据的关系，在命令行输入命令：sort Y ，从而实现数据Y 的递增排序。 4. 在数据表“group ”中点“view/graph/line ”，最后点击确定，出现序列Y 、X 、T 的线性图。 5. OLS 估计参数,点击主界面菜单Quick\Estimate Equation ，弹出对话框，如下图。在其中输入Y c X T ，点确定即可得到回归结果。

经济意义：家庭月平均收入每增加1元，家庭书刊消费将增加0.08645元。户主受教育年数每增加1年，家庭书刊消费平均将增加52.3703元。 作用：显示出各解释变量在其他解释变量不变的情况下，对被解释变量的影响情况。 （2）作家庭书刊消费（Y ）对户主受教育年数（T ）的一元回归，获得残差E1；再作家庭月平均收入（X ）对户主受教育年数（T ）的一元回归，并获得残差E2。 Y 对T 的一元回归： 步骤： 1. 打开EViews6，点“File ”“New ”“Workfile ”。选择 “Unstructured/undated”，在Observations 后输入样本容量个数：18。 2. 在命令行输入：DATA Y T ，回车,将数据复制粘贴到Group 中的表格中。 3. 作散点图在命令行输入命令：SCAT T Y 。 4. 在主菜单中点“Quick ”“Estimate Equation ”，在 Specification 中输入 Y C T ，点“确定”。 E1=resid X 对T 的一元回归： 步骤： 1. 打开EViews6，点“File ”“New ”“Workfile ”。选择 “Unstructured/undated”，在Observations 后输入样本容量个数：18。 2. 在命令行输入：DATA X T ，回车,将数据复制粘贴到Group 中的表格中。 3. 作散点图在命令行输入命令：SCAT T X 。 4. 在主菜单中点“Quick ”“Estimate Equation ”，在 Specification 中输入 X C T ，点“确定”。 E2=resid （3）作残差E1对残差E2的无截距项的回归：212i E E v α=+ ，估计其参数。 步骤1.打开EViews6，点“File ”“New ”“Workfile ”。选择 “Unstructured/Unda=ted ”在Observations 后输入18，点击ok 。 2. 在命令行输入：DATA E1 E2，回车。将数据复制粘贴到Group 中的表格 中。 3. 采用OLS 估计参数在主界面命令框栏中输入 ls E1 E2，然后回车，即可得到参数的估计结果。 由结果可知1=-6.3351+0.08645*2E E

《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/b69373656.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:

计量经济学实验一

《计量经济学》综合实验一系金融系专业经融工程姓名程若宸 学号20141206031035 实验地点：B楼305 实验日期：216.9.30 实验题目：研究中国汽车市场未来发展趋势 实验类型：基本操作训练。 实验目的：掌握简单线性回归模型的Eviews操作 实验内容：第三章的“引子”中分析了，经济增长、公共服务、市场价格、交通状况、社会环境、政策因素，都会影响中国汽车拥有量。为了研究一些主要因素与家用汽车拥有量的数量关系，选择“百户拥有家用汽车量”、“人均地区生产总值”、“城镇人口比重”、“交通工具消费价格指数”等变量，2011年全国各省市区的有关数据见附件：1）建立百户拥有家用汽车量计量经济模型? 2）估计参数并写出回归分析结果报告? 3) 对模型进行经济意义上的检验，统计意义上的检验? 评分标准：操作步骤正确，回归结果正确，结果分析准确到位，符合实际。 实验步骤：

Dependent Variable: Y Method: Least Squares Date: 09/30/16 Time: 11:27 Sample: 1 31 Included observations: 31 Variable Coefficient Std. Error t-Statistic Prob. C 246.8540 51.97500 4.749476 0.0001 X2 5.996865 1.406058 4.265020 0.0002 X3 -0.524027 0.179280 -2.922950 0.0069 X4 -2.265680 0.518837 -4.366842 0.0002 R-squared 0.666062 Mean dependent var 16.77355 Adjusted R-squared 0.628957 S.D. dependent var 8.252535 S.E. of regression 5.026889 Akaike info criterion 6.187394 Sum squared resid 682.2795 Schwarz criterion 6.372424 Log likelihood -91.90460 Hannan-Quinn criter. 6.247709 F-statistic 17.95108 Durbin-Watson stat 1.206953 Prob(F-statistic) 0.000001 (51.98) (1.41) (0.18) (0.52) t= (4.75) (4.27) (-2.92) (-4.37) F=17.951 n=31 模型检验 1.经济意义检验 模型估计结果的数据说明理论分析与经验判断相一致 2.统计检验 (1)拟合优度：修正的可决系数为说明模型对样本拟和

计量经济学实验

中国海洋大学本科生课程大纲 一、课程介绍 1.课程描述： 计量经济学是经济学、数学和统计学相结合的综合性边缘学科。它是以经济理论为基础，以经济事实表现的经济数据为依据，运用数学和统计学的方法，通过建立计量经济模型来研究经济变量之间随机数量关系和规律的一门经济学科。计量经济学是教育部规定的经济类专业核心课程之一，是经济类专业的专业必修课，在经济类的各个专业的教学中占有非常重要的地位。 计量经济实验分析在现代经济研究中具有重要的地位，是经验解释的理论验证、经济发展规律的总结以及经济冲击效果的预测等工作的主要方式。计量经济学的工具类课程性质、软件依赖特征使得实验教学成为理解计量经济理论和掌握其应用方法的有效方式。课程的重点是讲授常用的计量经济学软件的基本操作，使学生熟悉软件界面，熟悉了解常用的菜单项和工具栏的操作，通过分步骤讲解的上机实践，使学生逐步掌握关于计量经济分析的理论和应用问题的研究过程。 Econometrics is a comprehensive fringe subject that combines economics, mathematics and statistics. It is an economic discipline based on economic theory, economic data and economic facts. It uses mathematical and statistical methods to establish econometric models to study the random quantitative relationships and laws between economic variables. Econometrics is one of the core courses for economics majors stipulated by the Ministry of Education. It is a compulsory course for economics majors. It occupies a very important position in the teaching of economics majors. Econometric experimental analysis has an important position in modern economic research. It is the main method of theoretical verification of empirical interpretation,

(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 (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

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

《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。

计量经济学实验四、五

实验四 序列相关的检验与修正 实验目的 1、理解序列相关的含义后果、 2、学会序列相关的检验与消除方法 实验内容 利用下表资料，试建立我国城乡居民储蓄存款模型，并检验模型的自相关性。 表3 我国城乡居民储蓄存款与GDP 统计资料（1978年＝100） 一、模型的估计 0、准备工作。建立工作文件，并输入数据。 1、相关图分析 SCAT X Y 相关图表明，GDP 指数与居民储蓄存款二者的曲线相关关系较为明显。现将函数初步设定为线性、双对数等不同形式，进而加以比较分析。 2、估计模型，利用LS 命令分别建立以下模型 ⑴线性模型： LS Y C X x y 5075.9284.14984?+-=

=t (-6.706) (13.862) 2R ＝0.9100 F ＝192.145 S.E ＝5030.809 ⑵双对数模型：GENR LNY=LOG(Y) GENR LNX=LOG(X) LS LNY C LNX x y ln 9588.20753.8?ln +-= =t (-31.604) (64.189) 2R ＝0.9954 F ＝4120.223 S.E ＝0.1221 3、选择模型 比较以上模型，可见各模型回归系数的符号及数值较为合理。各解释变量及常数项都通过了t 检验，模型都较为显著。比较各模型的残差分布表。线性模型的残差在较长时期内呈连续递减趋势而后又转为连续递增趋势，残差先呈连续递增趋势而后又转为连续递减趋势，因此，可以初步判断这种函数形式设置是不当的。而且，这个模型的拟合优度也较双对数模型低，所以又可舍弃线性模型。双对数模型具有很高的拟合优度，因而初步选定回归模型为双对数回归模型。 二、模型自相关的检验 1.图示法 其一，残差序列e t 的变动趋势图。菜单：Quick→Graph→line ，在对话框中输入resid ；或者用命令操作，直接在命令行输入：line X 。 其二，作e t-1和e t 之间的散点图。菜单：Quick→Graph→Scatter ，在对话框中输入resid(-1) resid ；或者用命令操作，直接在命令行输入：scat resid(-1) resid 。 2.DW 检验 因为n ＝21，k ＝1，取显著性水平α＝0.05时，查表得L d ＝1.22，U d ＝1.42，而0<0.7062＝DW

计量经济学实验题目和数据

注意：实验报告的题可以从以下题目中选择，也可以自己命题，自己命题要与金融专业知识相关。 第一部分多元线性回归 1、经研究发现，家庭书刊消费受家庭收入及户主受教育年数的影响，表中为对某地区部分家庭抽样调查得到样本数据： 家庭书刊年消费支出（元）Y 家庭月平 均收入 （元）X 户主受教 育年数 （年）T 家庭书 刊年消 费支出 （元）Y 家庭月平 均收入 （元）X 户主受教 育年数 （年）T 450 1027.2 8 793.2 1998.6 14 507.7 1045.2 9 660.8 2196 10 613.9 1225.8 12 792.7 2105.4 12 563.4 1312.2 9 580.8 2147.4 8 501.5 1316.4 7 612.7 2154 10 781.5 1442.4 15 890.8 2231.4 14 541.8 1641 9 1121 2611.8 18 611.1 1768.8 10 1094.2 3143.4 16 1222.1 1981.2 18 1253 3624.6 20 (1) 建立家庭书刊消费的计量经济模型； （2）利用样本数据估计模型的参数； （3）检验户主受教育年数对家庭书刊消费是否有显著影响； （4）分析所估计模型的经济意义和作用 2某地区城镇居民人均全年耐用消费品支出、人均年可支配收入及耐用消费品价格指数的统计资料如表所示： 年份人均耐用消费 品支出 Y（元）人均年可支配 收入 X1（元） 耐用消费品价 格指数 X2（1990年 =100） 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 137.16 124.56 107.91 102.96 125.24 162.45 217.43 253.42 251.07 285.85 327.26 1181.4 1375.7 1501.2 1700.6 2026.6 2577.4 3496.2 4283.0 4838.9 5160.3 5425.1 115.96 133.35 128.21 124.85 122.49 129.86 139.52 140.44 139.12 133.35 126.39 利用表中数据，建立该地区城镇居民人均全年耐用消费品支出关于人均年可支配收入和耐用消费品价格指数的回归模型，进行回归分析，并检验人均年可支配收入及耐用消费品价格指数对城镇居民人均全年耐用消费品支出是否有显著影响。

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。

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

计量经济学实验二

实验二 （一）异方差性 【实验目的】 掌握异方差性的检验及处理方法 【实验内容】 建立并检验我国制造业利润函数模型 【实验步骤】 【例1】表1列出了1998年我国主要制造工业销售收入与销售利润的统计资料，请利用统计软件Eviews建立我国制造业利润函数模型。 表1 我国制造工业1998年销售利润与销售收入情况

一、检验异方差性 ⒈图形分析检验 ⑴观察销售利润（Y）与销售收入（X）的相关图(图1)：SCAT X Y 图1 我国制造工业销售利润与销售收入相关图 从图中可以看出，随着销售收入的增加，销售利润的平均水平不断提高，但离散程度也逐步扩大。这说明变量之间可能存在递增的异方差性。 ⑵残差分析 首先将数据排序（命令格式为：SORT 解释变量），然后建立回归方程。在方程窗口

中点击Resids按钮就可以得到模型的残差分布图（或建立方程后在Eviews工作文件窗口中点击resid对象来观察）。 图2 我国制造业销售利润回归模型残差分布 图2显示回归方程的残差分布有明显的扩大趋势，即表明存在异方差性。 ⒉Goldfeld-Quant检验 ⑴将样本安解释变量排序（SORT X）并分成两部分（分别有1到10共11个样本合19到28共10个样本） ⑵利用样本1建立回归模型1（回归结果如图3），其残差平方和为2579.587。 SMPL 1 10 LS Y C X

图3 样本1回归结果 ⑶利用样本2建立回归模型2（回归结果如图4），其残差平方和为63769.67。 SMPL 19 28 LS Y C X 图4 样本2回归结果 ⑷计算F 统计量：12/RSS RSS F =＝63769.67/2579.59=24.72，21RSS RSS 和分别是模型1和模型2的残差平方和。 取 05 .0=α时，查F 分布表得 44.3)1110,1110(05.0=----F ，而 44.372.2405.0=>=F F ，所以存在异方差性 ⒊White 检验 ⑴建立回归模型：LS Y C X ，回归结果如图5。

计量经济学实验报告

一、考察Y与X1、X2、X3、X4之间的关系 1、 建立模型 这是一个时间序列数据。我们假设拟建立如下四元回归模型： Y=β0+β1X1+β2X2+β3X3+β4X4+μ 表1给出了采用Eviews软件对上表中的数据进行回归分析的计算结果，表明可建立如下城乡收入比函数： Y^=4.1-0.15X1+0.93X2+3.27X3-11.84 X4 表1：中国城乡收入比Y对X1、X2、X3、X4的回归（1991-2010）

2、 经济意义检验 城乡二元结构系数（X1）: 此系数越大，说明城乡二元结构越严重,即X1与Y成正相关，可从我们建立的模型中得知对X1参数估计为 -0.15 ，不符合经济意义。 人均GDP增长率（X2）：这个比率与城乡收入比成正相关，从建立的模型中看到对X2的参数估计为0.93 ，符合经济意义。 财政支农比率（X3）：此比率反映了政府和社会对农村的支持力度。比率越大，说明政府财政支农比率越大。可见与Y成负相关，可是我们得出的参数估计为3.26 ，不符合经济意义。 产业比（X4）：此比率越大，说明福建省农业产值越高，农民收入水平较高，即与被解释变量成负相关。从列表中得到X4的参数 -11.84，符合经济意义。 二、考察Y与X2、X3、X4之间的关系 1、建立模型 假设拟建立如下三元回归模型： Y=β0+β2X2+β3X3+β4X4+μ

表2给出了采用Eviews软件对上表中的数据进行回归分析的计算结果，表明可建立如下城乡收入比函数： Y=3.21+0.74X2-0.50X3-6.76X4 表2：中国城乡收入比Y对X2、X3、X4的回归（1991-2010） 2、经济意义检验 人均GDP增长率（X2）：这个比率与城乡收入比成正相关，从建立的模型中看到对X2的参数估计为0.74 ，符合经济意义。

计量经济学eviews实验报告.doc

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 Coefficient Std. Error t-Statistic Prob. C 691.0225 113.3920 6.094104 0.0000 AVGDP 0.352770 0.004908 71.88054 0.0000 R-squared 0.996528 Mean dependent var 7351.300 Adjusted R-squared 0.996335 S.D. dependent var 4828.765 S.E. of regression 292.3118 Akaike info criterion 14.28816 Sum squared resid 1538032. Schwarz criterion 14.38773 Log likelihood -140.8816 Hannan-Quinn criter. 14.30760 F-statistic 5166.811 Durbin-Watson stat 0.403709 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: （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%的样本可以被模型解释，只有0.3472%的样本未被解释，因此样本回归直线对样本点的拟合优度很高。 （2）对所建立的回归方程进行检验： （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

计量经济学实验操作指导(完整版)

计量经济学试验 （完整版） - —李子奈 ?目录 实验一一元线性回归5? 一实验目得.................................................... ５二实验要求. (5) 三实验原理5? 四预备知识５? 五实验内容５? 六实验步骤 (5) 1、建立工作文件并录入数据 (5) 2、数据得描述性统计与图形统计:............................. ７ 3、设定模型，用最小二乘法估计参数：8? ４、模型检验:.............................................. ８ 5、应用：回归预测：9? 实验二可化为线性得非线性回归模型估计、受约束回归检验及参数稳定性检验 (12) 一实验目得：12? 二实验要求 (12) 三实验原理 (12) 四预备知识.................................................. 1２五实验内容１2? 六实验步骤１3? 实验三多元线性回归 (14) 一实验目得................................................... １4三实验原理1５? 四预备知识.................................................. 1５五实验内容................................................... 1５六实验步骤１5? 6、1 建立工作文件并录入全部数据１5? 6、２建立二元线性回归模型1５? 6、3 结果得分析与检验1６? 6、４参数得置信区间16? 6、５回归预测 (17) 6、6 置信区间得预测18?