计量经济学实验报告要求
计量经济学实验计划与实验总结 (1)
计量经济学实验计划与实验总结
《计量经济学》课程实验说明
一、实验要求：
1)在计算机最后一个盘建立一个属于自己的专属文件夹，文件夹名称请按顺序
依次排列为：专业班级学号姓名（请按下例要求书写————如：xxxx）2)在专属文件夹中请建立11个子文件夹，每个文件夹名称为第几个案例分析
（文件夹名为：“第一个案例分析”，“第二个案例分析”“第三个案例分析”，以此类推，共建11个此类子文件夹。
），每一个案例分析的内容保存在相应的文件夹中。
3)第一次实验时就确定好自己的位置，从此在整个实验过程中保持不变。
每次
的实验结束前，请大家把需要保存的内容保存好再离开。
4)20周周五上午（国贸）（周五下午经济学）实验结束前请各班班长和学习委
员将每位同学专属文件夹复制交予实验老师。
二、实验时间和地点：
1）国贸：时间：20周周一至周五，每天上午8：00——11：30
地点：1. 2班（三教512）；3班（三教514）
2）经济学：时间：20周周一至周五，每天下午2：30——5：30
地点：1班（三教512）；2班（三教514）
三、实验内容：
依照实验指导书的内容按顺序依次完成。
四、实验作业
1）完成11个案例分析（经济学多2个）
2）案例分析的位置
五、指导老师
周一全天：xx；周二上午：xx
周三全天：xx；周四全天：xx
周二下午：xx；周五全天：xx
计量经济学实验计划与实验总结 1。
计量经济学实验报告
一、实验目的及要求：1、目的利用EVIEWS 实验软件，使学生在实验过程中全面了解和熟悉计量经济学的基本概念，熟悉一元线性回归模型估计的基本程序和基本方法。
2、内容及要求(1) 熟悉ＥＶＩＥＷＳ实验软件的基本操作程序和方法； (2) 掌握一元线性回归模型基本概念，了解其估计和检验原理 (3) 提交实验报告二、仪器用具：三、实验结果与数据处理：1下面是利用1970-1980年美国数据得到的回归结果。
其中Y 表示美国咖啡消费（杯/日.人），X 表示平均零售价格（美元/磅）。
注：262.2)9(2/=αt ，228.2)10(2/=αt6628.006.42)()1216.0(4795.06911.2ˆ2===-=R t se X Y tt）（值1. 写空白处的数值。
12. 对模型中的参数进行显著性检验。
3. 解释斜率系数1β的含义，并给出其95%的置信区间。
解：（1）1308.221216.06911.2)(00===ββse t0114.006.424795.0)(11-=-==tse ββ（2）用t 检验法分别对模型中的参数0β1β进行显著性水平检验： 在5%的显著性水平下，模型的自由度为11-2=9，且262.2)9(025.0=t 由于262.21308.220>=βt ，故该模型的截距项在统计上是显著的； 同理 262.206.421>=βt ，即斜率系数在统计上也是显著的。
（3）斜率系数4795.01-=β，小于0，在其他条件不变的情况下，咖啡的平均零售价格每增加一个单位，美国咖啡的日消费将平均减少0.4795个单位，说明咖啡的消费量与其平均零售价格呈负相关关系。
1β的95%的置信区间为：]4537.0,5053.0[)]ˆ(ˆ),ˆ(ˆ[12/112/1--+-即ββββααse t se t2美国各航空公司业绩的统计数据公布在《华尔街日报1999年年鉴》（The Wall Street Journal Almanac 1999）上。
计量经济综合实验报告
一、实验背景随着经济全球化和信息技术的发展，计量经济学作为一门重要的应用经济学分支，在各个领域都得到了广泛的应用。
本实验旨在通过综合运用计量经济学方法，对某一经济问题进行实证分析，从而加深对计量经济学理论和方法的理解，提高实际操作能力。
二、实验目的1. 掌握计量经济学的基本理论和方法；2. 学会使用计量经济学软件（如EViews）进行数据处理和模型分析；3. 培养分析实际经济问题的能力；4. 提高论文写作和报告表达能力。
三、实验内容1. 数据收集与处理本次实验以我国某城市居民消费水平为例，选取以下变量：- 居民可支配收入（X1）- 居民消费支出（Y）- 居民储蓄（X2）- 居民教育程度（X3）- 居民年龄（X4）数据来源于某城市统计局和相关部门。
在收集数据后，对数据进行整理和清洗，确保数据质量和准确性。
2. 模型设定根据实际情况和理论依据，选择以下模型：Y = β0 + β1X1 + β2X2 + β3X3 + β4X4 + ε其中，Y为居民消费支出，X1为居民可支配收入，X2为居民储蓄，X3为居民教育程度，X4为居民年龄，β0为常数项，β1、β2、β3、β4分别为各变量的系数，ε为误差项。
3. 模型估计使用EViews软件对模型进行估计，得到以下结果：Y = 5.23 + 0.83X1 - 0.16X2 + 0.15X3 - 0.02X4 + ε4. 模型检验（1）残差分析：对残差进行检验，发现残差基本服从正态分布，不存在明显的异方差。
（2）自相关检验：对残差进行自相关检验，发现残差不存在自相关。
（3）拟合优度检验：计算R²值，得到R² = 0.89，说明模型拟合效果较好。
5. 模型解释根据模型结果，可以得出以下结论：（1）居民可支配收入对消费支出有显著的正向影响，即收入越高，消费支出越高。
（2）居民储蓄对消费支出有显著的负向影响，即储蓄越高，消费支出越低。
（3）居民教育程度对消费支出有显著的正向影响，即教育程度越高，消费支出越高。
计量经济学 试验要求 以及 实证经济研究论文的模板
《计量经济学》实验
试验目的：
（1）通过SPSS实验，掌握一元线性回归以及多元线性回归分析；
（2）理解变量遗漏偏差，从而理解为何需要多元线性回归分析；
（3）掌握一元线性回归以及多元线性回归分析的拟合优化指标；
（4）掌握做一篇实证经济研究论文的基本步骤。
实验步骤：
（1）熟悉Excel，以及如何利用Excel收集、处理数据；
（2）熟悉SPSS软件，以及如何利用SPSS软件作一元线性回归以及多元线性回归分析；
（3）选择一个感兴趣的经济研究主题；
（4）从网站或者图书馆收集相关数据；
（5）利用SPSS软件作一元线性回归以及多元线性回归分析；
（6）经济分析；
（7）撰写一篇实证经济研究的论文。
实验时间：
第14周周四：9：00-12：00（一、二班）
13：00-16：00（三、四班）
第15周周四：9：00-12：00（一、二班）
13：00-16：00（三、四班）
实证经济研究论文的模板
论文题目：------------------------
日期------------
专业------ 班级------ 学号------ 姓名------
1、引言
2、相关文献和经济理论的讨论和综述
3、数据描述
4、实证结果
5、总结和讨论。
eviews计量经济学实验报告
eviews计量经济学实验报告EViews计量经济学实验报告引言计量经济学是经济学领域中的一个重要分支，它运用数学、统计学和计量学的方法来分析经济现象。
EViews是一个常用的计量经济学软件，它提供了丰富的数据分析和模型建立工具，被广泛应用于学术研究和实际经济分析中。
本实验报告将利用EViews软件进行计量经济学实验，以探讨经济现象并得出相关结论。
实验目的本实验旨在利用EViews软件对某一经济现象进行实证分析，通过建立相应的计量经济模型，对经济现象进行量化分析，并得出相关结论。
实验步骤1. 数据收集：首先，我们需要收集与所研究经济现象相关的数据，包括时间序列数据和横截面数据等。
这些数据可以来自于官方统计机构、学术研究机构或者自行收集整理。
2. 数据预处理：接下来，我们需要对收集到的数据进行预处理，包括数据清洗、缺失值处理、异常值处理等，以确保数据的质量和完整性。
3. 模型建立：在数据预处理完成后，我们可以利用EViews软件建立计量经济模型，包括回归分析、时间序列分析、面板数据分析等，以探讨经济现象的内在规律和影响因素。
4. 模型估计：建立模型后，我们需要对模型进行参数估计，得到模型的具体参数估计值，并进行显著性检验和模型拟合度检验，以验证模型的可靠性和有效性。
5. 结果分析：最后，我们将对模型估计结果进行分析，得出与经济现象相关的结论，并对实证分析结果进行解释和讨论。
实验结论通过以上实验步骤，我们得出了关于某一经济现象的实证分析结果，并得出了相关的结论。
这些结论对于理解经济现象的内在规律和制定经济政策具有重要的参考价值。
总结EViews计量经济学实验报告通过利用EViews软件进行实证分析，对经济现象进行了深入探讨，并得出了相关结论。
这些结论对于经济学研究和实际经济分析具有重要的理论和实践意义，为我们深入理解经济现象和推动经济发展提供了重要的参考依据。
EViews软件的应用为我们提供了一个强大的工具，帮助我们更好地理解和分析经济现象，为经济学领域的研究和实践提供了重要的支持和帮助。
计量经济学课程实验报告
计量经济学课程实验报告实验序号2实验名称Eviews的异方差检验与校正实验组别12模拟角色实验地点2教602指导老师刘冬萍实验日期11月29日实验时间16:05——17:45一、实验目的及要求学会使用计量学分析^p 软件Eviews的异方差检验与校正功能。
二、实验环境2教602,经管学院电脑实验室三、实验内容与步骤 ?DATA Y _SORT _1.生成相关图SCAT _ Y根据相关图随着_的增大Y的取值范围不断增大,所以方程存在异方差.2.方程的异方差检验（1）WHITE 检验建立回归模型 LS Y C _ Dependent Variable: Y Method: Least SquaresDate: 11/22/12 Time: 17:06 Sle: 1 20Included observations: 20 VariableCoefficientStd.Errort-StatisticProb.C0.8594690.7090571.2121300.2411_0.0363400.0096333.7723930.0014R-squared0.441531Mean dependent var3.100000Adjusted R-squared0.410504S.D.dependent var2.255986S.E.of regression1.732115Akaike info criterion4.031203Sum squared resid54.09Schwarz criterion4.130776Log likelihood-38.31203F-statistic14.23095Durbin-Watson stat2.111232Prob(F-statistic)0.001395进行WHITE 检验White Heteroskedasticity Test: F-statistic6.172459Probability0.009656Obs_R-squared8.413667Probability0.014893Test Equation:Dependent Variable: RESID^2 Method: Least SquaresDate: 11/22/12 Time: 17:07 Sle: 1 20Included observations: 20 VariableCoefficientStd.Errort-StatisticProb.C-0.8401623.268547-0.2570450.8002_0.0346910.0966160.3590620.7240_^20.0002590.4703750.6441R-squared0.420683Mean dependent var 2.70020__Adjusted R-squared 0.352528S.D.dependent var5.061699S.E.of regression4.072927Akaike info criterion 5.784082Sum squared resid 282.0085Schwarz criterion5.933442Log likelihood-54.84082F-statistic6.172459Durbin-Watson stat 2.196613Prob(F-statistic)Nr^2=8.413677 因为检验的P=0.014893小于0.05,所以存在异方差.(2) PARK检验LS Y C _Dependent Variable: YMethod: Least SquaresDate: 11/22/12 Time: 17:13Sle: 1 20Included observations: 20VariableCoefficientStd.Errort-StatisticProb.C0.8594690.7090571.2121300.2411_0.0363400.0096333.7723930.0014R-squared0.441531Mean dependent varAdjusted R-squared0.410504S.D.dependent var2.255986S.E.of regression1.732115Akaike info criterion 4.031203Sum squared resid54.09Schwarz criterion4.130776Log likelihood-38.31203F-statistic14.23095Durbin-Watson stat2.111232Prob(F-statistic)0.001395GENR E2=LOG(RESID2) GENR LN_=LOG(_)LS LNE2 C LN_ Dependent Variable: LNE2 Method: Least SquaresDate: 11/22/12 Time: 17:16 Sle: 1 20Included observations: 20 VariableCoefficientStd.Errort-StatisticProb.C-7.6927982.272023-3.3858810.0033LN_1.8393580.5713163.2195140.0048R-squared0.365421Mean dependent var-0.465580Adjusted R-squared0.330167S.D.dependent var1.915506S.E.of regression1.567714Akaike info criterion3.831754Sum squared resid44.23911Schwarz criterion3.931327Log likelihood-36.31754F-statistic10.36527Durbin-Watson stat1.937606Prob(F-statistic)0.004754由上图可看出P分别为0.0033 ,0.0048,0.004754都是小概率事件,所以方程是显著的,表明随机误差项的方差随着解释变量的取值不同而不断变化,即存在异方差性.（3）GLEISER检验LS Y C _GENR E=ABS(RESID)eq \o\ac(○,1)GENR _1=_^0.5LS E C _1Dependent Variable: E1Method: Least SquaresDate: 11/28/12 Time: 13:14Sle: 1 20Included observations: 20 VariableCoefficientStd.Errort-StatisticProb.C-1.2504440.637839-1.9604370.0656_10.3265340.0812324.0197750.0008R-squared0.473046Mean dependent var1.192860Adjusted R-squared0.443771S.D.dependent var1.159531S.E.of regression0.864787Akaike info criterion2.641972Sum squared resid13.46141Schwarz criterion2.741545Log likelihood-24.41972F-statistic16.15859Durbin-Watson stat2.047999Prob(F-statistic)0.000804|e1|=-1.250444+0.326534_1^0.5 R^2=0.473046 F=16.15859 P= eq \o\ac(○,2)GENR _2=_^-2LS E C _2Dependent Variable: E Method: Least SquaresDate: 11/28/12 Time: 13:27 Sle: 1 20Included observations: 20 VariableCoefficientStd.t-StatisticProb.C1.6651230.3427744.8577860.0001_2-657.9505338.0359-1.9463920.0674R-squared0.173874Mean dependent var 1.192860Adjusted R-squared 0.127978S.D.dependent var1.159531S.E.of regression1.082794Akaike info criterion 3.091607Sum squared residSchwarz criterion3.191180Log likelihood-28.91607F-statistic3.788442Durbin-Watson stat1.454864Prob(F-statistic)0.067388|e2|=1.665123-657.9505_^-2R^2=0.173874 F=3.788442 P= eq \o\ac(○,3)GENR _3=_^2LS E C _3Dependent Variable: E Method: Least SquaresDate: 11/28/12 Time: 13:32 Sle: 1 20Included observations: 20 VariableCoefficientStd.Errort-StatisticProb.C0.5805350.2376322.4430010.0251_30.0001132.67E-054.2339310.0005R-squared0.498972Mean dependent var 1.192860Adjusted R-squared 0.471138S.D.dependent var1.159531S.E.of regression0.843245Akaike info criterion 2.591520Sum squared resid 12.79911Schwarz criterion2.691093Log likelihood-23.91520F-statistic17.92617Durbin-Watson stat2.064289Prob(F-statistic)0.000499|e3|=0.580535+0.000113_4^2R^2=0.498972 F=17.92617 P=0.000499 eq \o\ac(○,4)GENR _4=_^-0,5LS E C _4Dependent Variable: EMethod: Least SquaresDate: 11/28/12 Time: 13:36Sle: 1 20Included observations: 20VariableCoefficientStd.Errort-StatisticProb.C3.4730600.7618054.5589870.0002_4-15.53960-3.1195030.0059R-squared0.350914Mean dependent var 1.192860Adjusted R-squared 0.314854S.D.dependent var1.159531S.E.of regression0.959785Akaike info criterion 2.850424Sum squared resid 16.58137Schwarz criterion2.949998Log likelihood-26.50424F-statistic9.731299Durbin-Watson stat 1.759756Prob(F-statistic)|e4|=3.473060-15.53960 _^-0.5 R^2=0.350914 F=9.731299 P= eq \o\ac(○,5)GENR _5=_^-1LS E C _5Dependent Variable: E Method: Least SquaresDate: 11/28/12 Time: 13:45 Sle: 1 20Included observations: 20 VariableCoefficientStd.Errort-StatisticProb.C2.2657780.4628754.8950140.0001_5-45.8762517.27699-2.6553390.0161R-squared0.281461Mean dependent var1.192860Adjusted R-squared0.241542S.D.dependent var1.159531S.E.of regression1.009829Akaike info criterion2.952079Sum squared resid18.35560Schwarz criterion3.051653Log likelihood-27.52079F-statistic7.050824Durbin-Watson stat1.627325Prob(F-statistic)0.016106|e5|=2.265778-45.87625_^-1R^2=0.281461 F=7.050824 P=0.016106由以上的五个方程表明，利润函数存在异方差性（只要取显著水平a大于0.067388）3.WLS方法估计利润函数(1)利用最小二乘法估计模型LS Y C _Dependent Variable: Y Method: Least SquaresDate: 11/28/12 Time: 12:40 Sle: 1 20Included observations: 20 VariableCoefficientStd.Errort-StatisticProb.C0.8594690.7090571.2121300.2411_0.0363400.0096333.7723930.0014R-squared0.441531Mean dependent var3.100000Adjusted R-squared0.410504S.D.dependent var2.255986S.E.of regression1.732115Akaike info criterion4.031203Sum squared resid54.09Schwarz criterion4.130776Log likelihood-38.31203F-statistic14.23095Durbin-Watson stat2.111232Prob(F-statistic)0.001395得到:y^=0.859469+0.036340_ R^2=0.441531 (0.0014)T=(1.212130) (3.772393 )(2)生成权数变量：根据帕克检验得到：Ls y c _Genr lne2=log(resid^2)Genr ln_=log(_)Ls lne2 c ln_Dependent Variable: LNE2 Method: Least SquaresDate: 11/28/12 Time: 12:56 Sle: 1 20Included observations: 20 VariableCoefficientStd.Errort-StatisticProb.C-7.6927982.272023-3.3858810.0033LN_1.8393580.5713163.2195140.0048R-squared0.365421Mean dependent var-0.465580Adjusted R-squared0.330167S.D.dependent var1.915506S.E.of regression1.567714Akaike info criterion3.831754Sum squared resid44.23911Schwarz criterion3.931327Log likelihood-36.31754F-statistic10.36527Durbin-Watson stat1.937606Prob(F-statistic)0.004754LNEi^2=--7.692798+1.839358LN_ R^2=0.365421 进行戈里瑟检验LS Y C _GENR E=ABS(RESID)eq \o\ac(○,1)GENR _1=_^0.5LS E C _1Dependent Variable: E1 Method: Least SquaresDate: 11/28/12 Time: 13:14 Sle: 1 20Included observations: 20 VariableCoefficientStd.Errort-StatisticProb.C-1.2504440.637839-1.9604370.0656_10.3265340.0812324.0197750.0008R-squared0.473046Mean dependent var1.192860Adjusted R-squared0.443771S.D.dependent var1.159531S.E.of regression0.864787Akaike info criterion2.641972Sum squared resid13.46141Schwarz criterion2.741545Log likelihood-24.41972F-statistic16.15859Durbin-Watson stat2.047999Prob(F-statistic)0.000804|e1|=-1.250444+0.326534_1^0.5 R^2=0.473046 F=16.15859 P= eq \o\ac(○,2)GENR _2=_^-2LS E C _2Dependent Variable: E Method: Least SquaresDate: 11/28/12 Time: 13:27 Sle: 1 20Included observations: 20Variable CoefficientStd.Errort-StatisticProb.C1.6651230.3427744.8577860.0001_2-657.9505338.0359-1.9463920.0674R-squared0.173874Mean dependent var 1.192860Adjusted R-squared 0.127978S.D.dependent var1.159531S.E.of regression1.082794Akaike info criterion3.091607Sum squared resid21.18Schwarz criterion3.191180Log likelihood-28.91607F-statistic3.788442Durbin-Watson stat1.454864Prob(F-statistic)0.067388|e2|=1.665123-657.9505_^-2R^2=0.173874 F=3.788442 P= eq \o\ac(○,3)GENR _3=_^2LS E C _3Dependent Variable: E Method: Least SquaresDate: 11/28/12 Time: 13:32 Sle: 1 20Included observations: 20 VariableCoefficientStd.Errort-StatisticProb.C0.5805350.2376322.4430010.0251_30.0001132.67E-054.2339310.0005R-squared0.498972Mean dependent var 1.192860Adjusted R-squared 0.471138S.D.dependent var1.159531S.E.of regression0.843245Akaike info criterion 2.591520Sum squared resid 12.79911Schwarz criterionLog likelihood-23.91520F-statistic17.92617Durbin-Watson stat2.064289Prob(F-statistic)0.000499|e3|=0.580535+0.000113_4^2R^2=0.498972 F=17.92617 P=0.000499 eq \o\ac(○,4)GENR _4=_^-0,5LS E C _4Dependent Variable: EMethod: Least SquaresDate: 11/28/12 Time: 13:36Sle: 1 20Included observations: 20VariableCoefficientStd.Errort-StatisticProb.C3.4730600.7618054.558987_4-15.539604.981434-3.1195030.0059R-squared0.350914Mean dependent var 1.192860Adjusted R-squared 0.314854S.D.dependent var1.159531S.E.of regression0.959785Akaike info criterion 2.850424Sum squared resid 16.58137Schwarz criterion2.949998Log likelihood-26.50424F-statistic9.731299Durbin-Watson stat1.759756Prob(F-statistic)0.005921|e4|=3.473060-15.53960 _^-0.5 R^2=0.350914 F=9.731299 P= eq \o\ac(○,5)GENR _5=_^-1LS E C _5Dependent Variable: E Method: Least SquaresDate: 11/28/12 Time: 13:45 Sle: 1 20Included observations: 20 VariableCoefficientStd.Errort-StatisticProb.C2.2657780.4628754.8950140.0001_5-45.8762517.27699-2.6553390.0161R-squared0.281461Mean dependent var1.192860Adjusted R-squared0.241542S.D.dependent var1.159531S.E.of regression1.009829Akaike info criterion2.952079Sum squared resid18.35560Schwarz criterion3.051653Log likelihood-27.52079F-statistic7.050824Durbin-Watson stat1.627325Prob(F-statistic)0.016106|e5|=2.265778-45.87625_^-1R^2=0.281461 F=7.050824 P=由上可得在戈里瑟检验里最显著的是：|e3|=0.580535+0.000113_4^2 R^2=0.498972 F=17.92617 P=所以取权数变量为 : GENR W1=1/_^1.839358GENR W2=_^2另外取：GENR W3=1/ABS(RESID)GENR W4=1/RESID^2（3）利用最小二乘法估计模型：模型一LS(W=W1) Y C _Dependent Variable: YMethod: Least SquaresDate: 11/28/12 Time: 14:00Sle: 1 20Included observations: 20Weighting series: W1VariableCoefficientStd.Errort-StatisticProb.C-0.6259810.318225-1.9671030.0648_0.0116496.1001610.0000Weighted Statistics R-squared0.573253Mean dependent var 1.734420Adjusted R-squared 0.549545S.D.dependent var0.940124S.E.of regression0.630973Akaike info criterion 2.011533Sum squared resid7.166292Schwarz criterion2.06Log likelihood-18.11533F-statistic24.17958Durbin-Watson statProb(F-statistic)0.000111Unweighted StatisticsR-squared-0.050320Mean dependent var3.100000Adjusted R-squared-0.108671S.D.dependent var2.255986S.E.of regression2.375406Sum squared resid.5659Durbin-Watson stat1.104724怀特检验的结果是White Heteroskedasticity Test: F-statistic0.986667Probability0.393Obs_R-squared2.080114Probability0.353435Test Equation:Dependent Variable: STD_RESID^2 Method: Least SquaresDate: 11/28/12 Time: 14:36 Sle: 1 20Included observations: 20 VariableCoefficientStd.Errort-StatisticProb.C0.8994860.4380022.0536110.0557_-0.0146130.012947-1.1286980.2747_^26.64E-057.37E-050.9011740.3801R-squared0.104006Mean dependent var0.358315Adjusted R-squared-0.001405S.D.dependent var0.545410S.E.of regression0.545793Akaike info criterion1.764328Sum squared resid5.064137Schwarz criterion1.913688Log likelihood-14.64328F-statistic0.986667Durbin-Watson stat2.743143Prob(F-statistic)0.393得到估计结果Y^=-0.625981+0.071060_(0.318225) (6.100161)R^2=0.573253 NR^2=2.080114 P=0.393 模型二LS(W=W2) Y C _Dependent Variable: YMethod: Least SquaresDate: 11/28/12 Time: 14:12Sle: 1 20Included observations: 20Weighting series: W2VariableCoefficientStd.Errort-StatisticProb.C4.3789433.2559741.3448950.1954_0.0060140.0227010.2649070.7941Weighted StatisticsR-squared0.702288Mean dependent var 4.737844Adjusted R-squared 0.685748S.D.dependent var8.767922S.E.of regression4.915135Akaike info criterion 6.117155Sum squared resid 434.8540Schwarz criterion6.216728Log likelihood-59.17155F-statistic42.46109Durbin-Watson stat 2.705915Prob(F-statistic)0.000004Unweighted Statistics R-squared-0.428848Mean dependent var3.100000Adjusted R-squared-0.508229S.D.dependent var2.255986S.E.of regression2.770576Sum squared resid138.1696Durbin-Watson stat0.87进行怀特检验的结果是White Heteroskedasticity Test: F-statistic46.95441Probability0.000000Obs_R-squared16.93442Probability0.000210Test Equation:Dependent Variable: STD_RESID^2 Method: Least SquaresDate: 11/28/12 Time: 14:39 Sle: 1 20Included observations: 20 VariableCoefficientStd.Errort-StatisticProb.C36.1706519.848121.8223720.0860_-1.6942460.586696-2.8877740.0102_^20.0166170.0033394.9760240.0001R-squared0.846721Mean dependent var21.74270Adjusted R-squared0.828688S.D.dependent var59.75546S.E.of regression24.73269Akaike info criterion9.391610Sum squared resid19.00Schwarz criterion9.540970Log likelihood-90.91610F-statistic46.95441Durbin-Watson stat2.837461Prob(F-statistic)0.000000得到结果是：Y^=4.378943+0.006014_(3.255974) (0.022701)R^2=0.702288 NR^2=16.93442 P=0.00000 模型三LS(W=W3) Y C _Dependent Variable: YMethod: Least SquaresDate: 11/28/12 Time: 14:19Sle: 1 20Included observations: 20 Weighting series: W3 VariableCoefficientStd.Errort-StatisticProb.C0.7076590.2082663.3978670.0032_0.0387920.0053887.20__1690.0000Weighted StatisticsR-squared0.945796Mean dependent var2.344549Adjusted R-squared0.942785S.D.dependent var2.209824S.E.of regression0.528582Akaike info criterion 1.657402Sum squared resid5.029181Schwarz criterion1.756975Log likelihood-14.57402F-statistic314.0812Durbin-Watson stat 1.849162Prob(F-statistic)0.000000Unweighted Statistics R-squared0.439521Mean dependent var 3.100000Adjusted R-squared 0.408383S.D.dependent var2.255986S.E.of regression1.735229Sum squared resid54.19836Durbin-Watson stat2.097049进行怀特检验得White Heteroskedasticity Test: F-statistic0.494755Probability0.618232Obs_R-squared1.100097Probability0.576922Test Equation:Dependent Variable: STD_RESID^2 Method: Least SquaresDate: 11/28/12 Time: 14:40 Sle: 1 20Included observations: 20 VariableCoefficientStd.Errort-StatisticProb.C0.1819650.0821532.2149610.0407_0.0050.0024280.7558340.4601_^2-8.06E-061.38E-05-0.5831500.5674R-squared0.055005Mean dependent var 0.251459Adjusted R-squared-0.056171S.D.dependent var0.099611S.E.of regression0.102370Akaike info criterion-1.582959Sum squared resid0.178155Schwarz criterion-1.433599Log likelihood18.82959F-statistic0.494755Durbin-Watson stat2.096222Prob(F-statistic)0.618232Y^=0.707659+0.038792_(0.208266) (0.005388)R^2=0.945796 NR^2=1.100097 P=0.618232 模型四 LS(W=W4) Y C _Dependent Variable: YMethod: Least SquaresDate: 11/28/12 Time: 14:24Sle: 1 20Included observations: 20Weighting series: W4VariableCoefficientStd.Errort-StatisticProb.C0.5918930.1283534.6114400.0002_0.0429390.00409310.490560.0000Weighted Statistics R-squared0.994979Mean dependent var 2.087552Adjusted R-squared 0.994700S.D.dependent var4.277070S.E.of regression0.311364Akaike info criterion 0.598931Sum squared resid1.745056Schwarz criterion0.698505Log likelihood-3.989313F-statistic3567.168Durbin-Watson stat 2.173306Prob(F-statistic)0.000000Unweighted Statistics R-squared0.422958Mean dependent var 3.100000Adjusted R-squared 0.390900S.D.dependent var2.255986S.E.of regression1.760681Sum squared resid 55.79997Durbin-Watson stat 2.027424进行怀特检验的结果是White Heteroskedasticity Test: F-statistic0.851707Probability0.444108Obs_R-squared1.821500Probability0.402222Test Equation:Dependent Variable: STD_RESID^2 Method: Least SquaresDate: 11/28/12 Time: 14:42 Sle: 1 20Included observations: 20 VariableCoefficientStd.Errort-StatisticProb.C0.2750730.1762821.5604170.1371_-0.0048390.005211-0.9285840.3661_^22.04E-052.97E-050.6876810.5009R-squared0.091075Mean dependent var 0.087253Adjusted R-squared-0.015857S.D.dependent var0.217943S.E.of regression0.219664Akaike info criterion -0.055951Sum squared resid0.820291Schwarz criterion0.093409Log likelihood3.559512。
计量经济学实验报告(完成)
实验报告课程名称：计量经济学实验项目：我国国内资金利用研究学生姓名：曾健超学号：200973250131班级：0901班专业：国际经济与贸易指导教师：刘潭秋2011 年 06 月计量经济学实验报告实验时间：2011年6月24日实验地点：一教10楼实验目的：使用Eviews软件，将多元线性回归模型的理论和方法应用于我国的资金来源的研究分析。
实验原理：改革开放以来，我们国家经济持续显著的增长，经济发展一片大好。
经济的持续快速增长需要资本的不断注入，所以我对我们国家的近15年的资金利用做了一个研究。
随着资金的源源不断的涌入，我们国家的资金构成大致分成五个部分，国家预算内资金，国内贷款，利用外资，自筹资金和其他资金。
这五个部分基本上构成了我国资金来源的全部，我选取了改革开放30年来中的15个年份，具有一定的代表性。
资金是经济发展的血液，对我国的资金来源的构成做一个研究十分必要。
在这个实验中，选取国家预算内资金为被解释变量Y，解释变量为国内贷款X1利用外资X2，自筹资金X3，其他资金X4，对我国的资金利用的各部分之间的关系做一个细致的研究。
一、计量经济学模型：根据变量之间的关系，我们假定回归模型为：Y=β0+β1X1+β2X2+β3X3+β4X4+Ｕ其中Y表示我国的国家内预算资金，X1、X2、X3、X4分别代表国内贷款，利用外资，自筹资金，其他资金， 0表示在不变的情况下，资金利用的固定部分，β1β2、β3、β4、分别代表我国资金利用的各部分的权数，U 代表随机误差项。
由式子可知，我国资金利用的后面四个部分每增长1个百分点，国家预算内资金会如何变化。
二、验证方法选择：多元线性计量经济学模型的初步估计与分析、异方差检验、序列相关检验、多重共线性检验三、实验步骤：1、基本假设：设国家预算内资金为被解释变量Y，解释变量为国内贷款X1，国外资金X2，自筹资金X3，其他资金X4，Ｕ是随机干扰项，代表所有的影响因素。
计量经济学实验报告表(空白表模板)
南京审计学院经济学院
实验报告
～学年第学期
课程名称
专业
班级
姓名
学号
指导教师
学生上机守则
1、每次实验前必须认真预习实验内容，做好实验前的准备。
2、准时到实验室上课，不得迟到早退。
3、不得无故缺课，病假需有医院证明，事假须经学院批准。
4、实验过程中，必须听从指导教师和实验员的指导，遵守纪律，保持肃静。
5、上机不得有违反校规校纪和国家法律法规的行为；如浏览黄色网页、网络犯
罪、发表反动言论等。
6、严禁上课时间安装使用与实验内容无关的软件，按教学计划所布置的实验项
目内容上机。
7、学生有义务爱护公物，上机必须遵守操作规程，上机遇到故障时应及时报告
指导教师或实验员，严禁自动搬动、拆卸、调换任何设备和配件，如有损坏仪器，应如实报告情况，并在仪器使用维护记录本上登记，视情节按学校有关规定赔偿或免于赔偿。
8、保持机房清洁卫生，不在机房吃东西、喝饮料、扔纸屑、吐痰；不得在机房
大声喧哗，有问题时举手向指导教师示意请求解决。
9、上机结束后，要正常关机，推入键盘抽屉板，放好凳子后再离开。
10、实验报告必须在规定时间内独立完成，不得抄袭别人的实验结果。
11、实验进行时，必须注意人身安全和仪器设备安全。
目录。
经济计量学实验报告要求 - 201812
经济计量学实验报告写作要求
尽可能多地运用教材第2-9章所涉及的经济计量学方法。
可以是案例研究的延续，也可以重新选题。
数据要求：截面数据，样本容量>15*模型中待参数的个数
实验报告格式：
封面：题目、小组成员学号+姓名+班级（小组成员按学号顺序排列）
目录：（根据正文内容编制）
正文
1 引言：介绍选题动机，研究意义、研究问题
2 实证分析
2.1 研究假设：期望证明的命题
2.2 经济计量模型的建立（总体回归函数的形式、对待估参数的预期）
2.3 样本数据（数据来源，样本容量、变量含义及测度方式）
2.4 估计结果解释（系数的显著性检验、系数含义的解释、拟合效果评价）
2.5 经济计量检验（雅克贝拉检验、多余／遗漏变量的检验、多重共线性诊断、reset 检验、异方差检验及补救。
将检验的输出结果截屏，解释和讨论检验的结论。
）
3 研究结论（实证研究结论、对现实的启示、研究中的不足、进一步研究方向）
4 附录
4.1Eviews命令或者操作步骤截图
4.2心得体会（个人贡献及心得体会，由各小组成员独立撰写，每位同学的心得体
会不少于300字）
以小组为单位提交
各班班长收齐后交至经管院楼院楼812室，或交至经管学院五楼西北角李宗璋信箱。
Deadline: 2018.12.23（第16周周日）
注意：
（1）正文的1-4.1部分以小组为单位撰写，4.2心得体会由每位小组成员必须独立撰写；
（2）实验报告需要纸质版存档，必须以纸质文本形式提交报告，因此不要将报告以电子文件的格式交给老师，否则将导致实验课成绩无法报送。
计量经济学实验报告stata
计量经济学实验报告stata计量经济学实验报告导言计量经济学是经济学中的一个重要分支，通过运用统计学和数学工具来研究经济现象和经济理论的有效性。
其中，实证研究是计量经济学的核心内容之一，而stata作为一款强大的统计分析软件，被广泛应用于计量经济学实证研究中。
本文将结合实例，介绍如何使用stata进行计量经济学实验研究。
实证研究的背景和目的实证研究是通过收集实际数据，运用统计学方法对经济理论进行检验和验证的过程。
实证研究的目的在于揭示经济现象的本质规律，为政策制定和经济决策提供科学依据。
在本次实证研究中，我们将以某国家的GDP增长率作为主要研究对象，探讨GDP增长率与人口增长率、投资率以及出口增长率之间的关系。
数据收集和处理首先，我们需要收集相关数据，包括GDP增长率、人口增长率、投资率和出口增长率。
这些数据可以从国家统计局或其他相关机构获取。
在收集到数据后，我们需要对数据进行处理，确保数据的准确性和一致性。
在stata中，可以使用命令load或import将数据导入软件中，并利用命令describe对数据进行描述性统计。
模型设定和估计在数据处理完成后，我们需要建立经济模型，并对模型进行估计。
在本次实证研究中，我们将采用多元线性回归模型来探究GDP增长率与人口增长率、投资率和出口增长率之间的关系。
模型设定如下：GDP增长率= β0 + β1 * 人口增长率+ β2 * 投资率+ β3 * 出口增长率+ ε其中，β0、β1、β2和β3为待估参数，ε为误差项。
在stata中，可以使用命令regress来进行回归分析，估计模型中的参数。
同时，还可以使用命令summary 对回归结果进行统计学检验，判断模型的显著性和拟合优度。
结果分析和讨论在完成模型估计后，我们需要对结果进行分析和讨论。
首先，可以通过回归结果中的系数估计值来判断变量之间的关系。
如果系数为正，表示变量之间存在正向关系；如果系数为负，表示变量之间存在负向关系。
计量经济学实验报告1
计量经济学实验报告1
实验名称：消费者行为实验
实验目的：通过本次实验，我们想了解消费者在不同价格下的
购买行为及其对市场供求关系的影响。
实验步骤：
1. 确定实验条件：我们在同一时间段内，在同一地点内展开实验，实验环境保持不变，商品名称为饮料。
2. 设定实验价位：我们将饮料的售价设定为10元、8元、6元、4元及2元五个价位。
3. 开始实验：我们分别让100人在不同价格下购买饮料，记录
下每个价位下的销售量。
4. 数据归集：我们将每个价位下的销售量进行汇总，得到销售
量数据表。
5. 制作图表：根据销售量数据表，我们制作了销量-价格的散点图，并根据数据拟合出销量的价格函数。
6. 结果分析：通过销量数据表和散点图以及销量的价格函数，
我们可以看出在价格上涨的情况下，销售量会随之下降，反之亦然。
实验结论：消费者对物品的需求在很大程度上受到价格的影响，价格上涨会导致销量下降，价格下跌则会导致销量上升。
这一规
律符合市场供求关系的基本原理，即需求量与价格成反比例关系。
实验展望：在今后的实验中，我们将继续探究不同品类、品牌
的商品对消费者行为的影响，并根据实验结果为经济决策提供有
用的数据依据。
计量经济学实训实验报告
一、实验背景计量经济学是经济学的一个重要分支，它运用数学统计方法对经济现象进行分析和研究。
本实验旨在通过实际操作，使学生掌握计量经济学的基本理论和方法，提高学生的实际操作能力。
二、实验目的1. 掌握计量经济学的基本理论和方法；2. 熟悉计量经济学软件的操作；3. 能够运用计量经济学方法分析实际问题；4. 培养学生的团队合作意识和沟通能力。
三、实验内容1. 实验数据来源本实验数据来源于我国某地区的统计数据，包括地区生产总值（GDP）、居民消费水平（C）、投资水平（I）和进出口总额（M）等变量。
2. 实验步骤（1）数据预处理首先，将原始数据导入计量经济学软件，对数据进行清洗和整理。
包括去除缺失值、异常值等。
（2）建立模型根据实验目的，选择合适的计量经济学模型。
本实验采用多元线性回归模型，研究地区生产总值与居民消费水平、投资水平和进出口总额之间的关系。
（3）模型估计利用计量经济学软件对模型进行参数估计，得到模型参数的估计值。
（4）模型检验对估计得到的模型进行检验，包括残差分析、F检验、t检验等。
（5）模型预测根据估计得到的模型，对地区生产总值进行预测。
3. 实验结果与分析（1）模型估计结果通过计量经济学软件，得到多元线性回归模型的估计结果如下：Y = 10000 + 0.5X1 + 0.3X2 + 0.2X3其中，Y为地区生产总值，X1为居民消费水平，X2为投资水平，X3为进出口总额。
（2）模型检验结果通过残差分析、F检验和t检验，发现模型估计结果具有较好的拟合效果，可以接受。
（3）模型预测结果根据估计得到的模型，对地区生产总值进行预测。
预测结果如下：当居民消费水平为5000元、投资水平为3000元、进出口总额为2000元时，地区生产总值约为11000元。
四、实验总结1. 通过本次实验，使学生掌握了计量经济学的基本理论和方法，提高了学生的实际操作能力；2. 学生学会了运用计量经济学软件进行数据预处理、模型估计、模型检验和模型预测；3. 培养了学生的团队合作意识和沟通能力。
计量经济学实验报告格式
4.还本付息支出对国债规模的影响。一方面，国债规模越大，还本付息支出越多，当其支出额达到无法以当年财政收入来偿还时，不得不以发新债来还旧债。另一方面，如果一国国债的还本付息过多，就必须会使国家减缓国债的发行，以减轻还债压力。
本文考虑了五个影响因素，共有六个时序变量：即国债规模、GDP、财政支出、财政收入、预算内固定资产投资、还本付息支出。
本文采用线性回归的方法，建立直线模型，对国债规模及其这些因素之间进行线性回归分析。通过对其做T、F检验，找到最优的模型，再接着做必要的多重共线性检验、自相关检验、异方差检验，通过对其做相关系数等判定各影响因素对国债规模影响程度的大小，最后做对2004年的预测。
一、经济理论背景
对于国债规模的研究，可以分为规范研究和实证研究，规范研究方法提供了很好的思想，但未能得出准确的数量结论。相对规范研究，实证研究方法则侧重于利用国债规模的历史资料，利用各种经济模型，给出国债规模的具体数量。有关国债规模的实证研究分析，我国理论界也作了不少的研究：杨大楷等人采用相关分析法、灰色关联度分析法：周军民等人使用回归计量模型；朱世武和应惟伟应用传统的统计方法和向量自回归法；高勇强、贺远琼应用相关分析法对中国国债发行规模进行了实证研究。但是，目前理论界对中国国债规模影响因素的研究如下问题：这些研究都没有说明为什么这些因素对中国国债的规模产生影响；分析的结果不统一，作者们所选择的指针与国债规模的相关度的分析结果不一致；这些实证研究都仅针对中国内部国债发行规模的影响因素进行探讨。本文应用计量经济法,建立回归直线模型，根据年度资料建立我国国债规模研究模型，对我国国债规模与经济变量之间的影响关系进行实证分析。
计量经济学实验报告回归分析
计量经济学实验报告回归分析计量经济学实验报告：回归分析一、实验目的本实验旨在通过运用计量经济学方法，对收集到的数据进行分析，研究自变量与因变量之间的关系，并估计回归模型中的参数。
通过回归分析，我们可以深入了解变量之间的关系，为预测和决策提供依据。
二、实验原理回归分析是一种常用的统计方法，用于研究自变量与因变量之间的线性或非线性关系。
在回归分析中，我们通过最小二乘法等估计方法，得到回归模型中未知参数的估计值。
根据估计的参数，我们可以对因变量进行预测，并分析自变量对因变量的影响程度。
三、实验步骤1.数据收集：收集包含自变量与因变量的数据集。
数据可以来自数据库、调查、实验等。
2.数据预处理：对收集到的数据进行清洗、整理和格式化，以确保数据的质量和适用性。
3.模型选择：根据问题的特点和数据的特性，选择合适的回归模型。
常见的回归模型包括线性回归模型、多元回归模型、岭回归模型等。
4.模型估计：运用最小二乘法等估计方法，对选择的回归模型进行估计，得到模型中未知参数的估计值。
5.模型检验：对估计后的模型进行检验，以确保模型的适用性和可靠性。
常见的检验方法包括残差分析、拟合优度检验等。
6.预测与分析：根据估计的模型参数，对因变量进行预测，并分析自变量对因变量的影响程度。
四、实验结果与分析1.数据收集与预处理本次实验选取了某网站的销售数据作为样本，数据包含了商品价格、销量、评价等指标。
在数据预处理阶段，我们剔除了缺失值和异常值，以确保数据的完整性和准确性。
2.模型选择与估计考虑到商品价格和销量之间的关系可能存在非线性关系，我们选择了多元回归模型进行建模。
采用最小二乘法进行模型估计，得到的估计结果如下：销量 = 100000 + 10000 * 价格 + 5000 * 评价 + 随机扰动项3.模型检验对估计后的模型进行残差分析，发现残差分布较为均匀，且均在合理范围内。
同时，拟合优度检验也表明模型对数据的拟合程度较高。
计量经济学实验报告
实验异方差性一、实验目的掌握异方差和自相关模型的检验方法与处理方法.二、实验要求1．应用教材第141页案例做异方差模型的图形法检验、Goldfeld-Quanadt 检验与White检验，使用WLS法对异方差进行修正；2．应用教材第171页案例做自相关模型的图形法检验和DW检验，使用科克伦—奥克特迭代法对自相关进行修正。
三、实验原理异方差性检验：图形法检验、Goldfeld-Quanadt检验、White检验与加权最小二乘法；四、预备知识Goldfeld-Quanadt检验、White检验、加权最小二乘法。
五、实验步骤【案例1】异方差性在现实经济活动中，最小二乘法的基本假定并非都能满足，本案例将讨论随机误差违背基本假定的一个方面——异方差性。
本案例将介绍：异方差模型的图形法检验、Goldfeld-Quanadt检验与White检验；异方差模型的WLS法修正。
1、表中列出了1995年北京市规模最大的20家百货零售商店的商品销售收入X和销售利润Y的统计资料。
2、参数估计（1）按住ctrl键，同时选中序列X和序列Y，点右键，在所出现的右键菜单中，选择open\as Group弹出一对话框，点击其上的“确定”，可生成并打开一个群对象（图 2.3.1）。
在群对象窗口工具栏中点击view\Graph\Scatter\Simple Scatter, 可得X与Y的简单散点图，可以看出X与Y是带有截距的近似线性关系。
（2）点击主界面菜单Quick\Estimate Equation ，在弹出的对话框中输入y c x ，点确定即可得到回归结果从图中可以看出，残差平方对解释变量X 的散点图主要分布在图形中的下三角部分，大致可以看出残差平方和随的变动呈现增大的趋势。
因此，2^i e 2^i e i X模型有可能存在异方差。
3、检验模型的异方差本例用的是1995年北京市规模最大的20家百货零售商店的商品销售收入和销售利润，由于地区之间存在的不同人口数，因此，对每一家百货零售商店的销售会存在不同的需求，这种差异使得模型很容易产生异方差，从而影响模型的估计和运用。
计量经济学实验报告1
一．预期Y和各个解释变量之间的关系
家庭书刊年支出（Y）与家庭月收入(X),户主受教育程度(T)呈线性相关关系
二. Y对X的回归
1.建立经济模型
2.在eviews中录入数据,并用最小二乘法估计参数得到回归结果,如下表
可知:
（1）线性回归方程为
（2）估计的回归系数 , 的标准误差和t值分别为
: =0
SE( )=117.1579 ;t( )=1.604113取
查t分布表得自由度为n-2=18-2=16的临界值 (16)=2.120>t( )=1.60411
未落在了拒绝域内,故假设成立
:=0
SE( )=0.056922;t( )=5.128460取
查t分布表得自由度为n-2=18-2=16的临界值 (16)=2.120<t( )=5.128460
SE( )=117.1579 ;t( )=1.604113;
SE( )=0.056922;t( )=5.128460
(3) =0.621759 F=26.30110 n=18
经济意义解释:
当家庭月平均收入每变动一单位时,家庭书刊年消费支出就同向变动0.291923个单位
4.参数显著性检验（对回归系数的t检验）
四.模型选择及原因
应选择多元线性回归模型
原因：多元线性回归模型对两种解释变量“家庭月平均收入”和“户主受教育年数”对被解释变量“家庭书刊年消费支出”的影响都有做分析,这样就能更全面的分析问题,结果的可信度也相对较高。
原因:多元线性回归模型对两种解释变量“家庭月平均收入”和“户主受教育年数”对被解释变量“家庭书刊年消费支出”的影响都有做分析，这样就能更全面的分析问题，结果的可信度也相对较高。
计量经济学实验报告1
经济与管理学院实验报告姓名：学号：专业：班级：课程：计量经济学合肥师范学院经济与管理学院《计量经济学》课程实验报告实验序号三实验名称自相关性分析实验组别248 模拟角色学生实验地点二教机房602指导老师未良莉实验日期2012-5-24 实验时间9:55-11:35一、实验目的及要求利用教材P77我国城乡居民储蓄存款数据，建立我国城乡居民储蓄存款一元线性回归模型，并进行自相关的检验与修正。
二、实验环境EViews 5软件三、实验内容与步骤（一）、利用以下数据进行实验（二）、打开EViews 5软件,新建workfile（三）、录入和编辑相关数据：设存款余额为y，GDP指数为x，输入录入数据命令：data y x（四）、建立以上数据的模型，并检验模型的自相关性： 1.绘制相关图，确定模型的函数形式。
Scat x y01000020000300004000050000600000100200300400500600700XY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、对数、指数、二次多项式等不同形式，进而加以比较分析。
⒉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 (如下图） Y=-14986.43+92.50839xt (-6.7044) (13.8584)2R ＝0.9099 F ＝192.05 S.E ＝5031.85DependentVariable: Y Method: Least SquaresDate: 05/24/12 Time: 11:14Sample: 1978 1998Included observations: 21Variable Coefficient Std. Error t-Statistic Prob.C -14986.43 2235.289 -6.704469 0.0000X 92.50839 6.675223 13.85847 0.0000R-squared 0.909977 Mean dependent var 11996.07 Adjusted R-squared 0.905239 S.D. dependent var 16346.06 S.E. of regression 5031.854 Akaike info criterion 19.97536 Sum squared resid 4.81E+08 Schwarz criterion 20.07484 Log likelihood -207.7413 F-statistic 192.0572 Durbin-Watson stat 0.161384 Prob(F-statistic) 0.000000⑵双对数模型：GENR LNY=LOG(Y)GENR LNX=LOG(X)LS LNY C LNX （如下图）Lny=-8.075655+2.95886lnxt (-31.58887) (64.15673)2R＝0.9954 F＝4120.223 S.E＝0.1221DependentVariable:LYMethod: Least SquaresDate: 05/24/12 Time: 11:22Sample: 1978 1998Included observations: 21Variable Coefficient Std. Error t-Statistic Prob.C -8.075655 0.255649 -31.58887 0.0000LX 2.958865 0.046119 64.15673 0.0000R-squared 0.995405 Mean dependent var 8.236497Adjusted R-squared 0.995163 S.D. dependent var 1.756767S.E. of regression 0.122176 Akaike info criterion -1.276311Sum squared resid 0.283614 Schwarz criterion -1.176833Log likelihood 15.40126 F-statistic 4116.086Durbin-Watson stat 0.702817 Prob(F-statistic) 0.000000⑶对数模型：LS Y C LNX（如下图）Y=-118136+23604.6lnxt(-6.499561) (7.198811)2R＝0.73172 F＝51.8455 S.E＝8686.431DependentVariable:YMethod: Least SquaresDate: 05/06/12 Time: 12:09Sample: 1978 1998Included observations: 21Variable CoefficientStd.Error t-Statistic Prob.C -118136.0 18175.99-6.499561 0.0000LX 23604.68 3278.970 7.198811 0.0000R-squared 0.731725 Mean dependentvar11996.07Adjusted R-squared 0.717605 S.D. dependentvar16346.06S.E. of regression 8686.431 Akaike infocriterion21.0673Sum squared resid 1.43E+09 Schwarz criterion 21.16678Log likelihood -219.2067 F-statistic 51.82288Durbin-Watson stat 0.137124 Prob(F-statistic) 0.000001⑷指数模型：LS LNY C X Lny=5.318171+0.010005x=t (23.71830) (14.94246)2R ＝0.921577 F ＝223.277 S.E ＝1.560871Dependent Variable: LNY Method: Least SquaresDate: 05/06/12 Time: 12:17 Sample: 1978 1998Included observations: 21Variable CoefficientStd. Error t-StatisticProb. C 5.318171 0.22422223.71830 0.0000 X 0.0100050.000670 14.942460.0000R-squared0.921577Mean dependentvar8.236497Adjusted R-squared 0.917450 S.D. dependent var 1.756767S.E. of regression 0.504746 Akaike info criterion 1.560871Sum squared resid 4.840607 Schwarz criterion 1.660349Log likelihood -14.38915 F-statistic 223.277Durbin-Watson stat0.142654 Prob(F-statistic)0.00000⑸二次多项式模型：GENR X2=X^2 LS Y C X X221966.05485.4456.2944ˆx x y+-= =t (3.747) (-8.235) (25.886)2R ＝0.9976 F ＝3814.274 S.E ＝835.979 ⒊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。
计量经济学《计量经济学》第10章实验要求
3、从 模型中测算出 后，再利用广义差分法回归；
4、混合回归wage c product ar(1)或ar(2)等；
5、用Newey-West校正自相关后的回归。
《计量经济学》第10章实验要求及步骤
实验要求：完成课本p237页（例10-1数据见表3-3）以下实验项目并提交手写实验报告
实验步骤：
序号
实验项目
时间
实验报告要求
1
估计模型1:
20-25
1、残差图法判断模型1是否存在自相关及自相关类型？
(1)残差与t做时序散点图；
(2)残差 与 做散点图；
2、DW统计量进行判断自相关及自相关类型？（查表得理论值）
3、通过residual test中correlagram-Q-test观察自相关可能阶数；
4、通过residual test中series correlation LM检验了解自相关可能阶数；
5、对模型1础下，进行补救
20-25
1、一阶差分法：
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
实习报告要求
1.不得抄袭，独立研究，写作。
2.数据使用到2012年，不少于5000字。
3.不能使用双变量模型，必须是多元模型。
4.尽量充分运用本课程学过的知识、方法。
5.使用eviews等软件、保留输出结果，可以多画图，但必须有技术化判断。
6.7月10日晚10点前发给各班学委,学委整理打包发给任课老师。
7.文件以word文档形式，命名为：学号+姓名
实习报告内容
1.要选择一个自己感兴趣的领域。
2.可以翻阅核心期刊后部期刊，获得一些启示。
3.内容包括：经济学理论，有关研究的综述；
模型设定、数据来源；
实际验算，解释运算结果，调整模型；
结论。
验证一个经济学理论，或者说明一个理论在某个时间或地点的具体表现。
实习报告结构
一、研究的来源和基础
●对研究的经济现象的描述；研究该现象的意义；相同或相似的代表
性研究的方法、结论，并作总结评价；本研究的出发点；文章的结
构介绍。
二、理论分析
●选择合适的经济理论，利用理论对要研究的经济想象做定性分析，
得到大致的结果；建立理论模型。
三、建立回归模型
●根据理论模型，建立合理、可分析的回归模型。
回归模型的形式、
解释变量的个数和选择，不一定与数理模型完全相同。
四、对所使用的数据做出说明
●数据的来源；数据加工的原因和处理方式；替代数据的说明等。
五、回归结果及对结果的分析
●列出回归的结果（包括参数的估计值和统计检验结果）；结合理论
分析回归结果
六、结论/总结/应用。