计量经济学实验报告 2

合集下载

(完整word版)计量经济学实践报告 2

课程名称：课程名称：计量经济学学生姓名：阳诗琪学号：201174250203班级： 1102班专业：金融学2013 年 5 月 5日计量经济学实验报告多元回归模型实验【实验目标】：通过上机实验,使学生能够使用 Eviews 软件【实验内容】：1.用Eviews完成多元线性回归模型的统计检验2.对Eviews结果对应的相关统计检验进行解释【实验步骤及分析】:1、经济理论理论上认为影响成品钢材的需求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。

产量、原煤产量1980——1998年的有关数据如下表。

年份成品钢材（万吨）y 原油(万吨)x1生铁（万吨）x2原煤（亿吨）x3发电量（亿千瓦）x4铁路货运量（万吨）x5固定资产投资额(亿元）x6居民消费（亿元）x71980 2716.2105953802.4 6.23006.2111279 910.92317.1 1981 2670.1101223416.6 6.23092.107673 9612604.12、模型估计多元线性回归模型的基本形式：设随机变量y 与一般变量x 1,x 2,...x p 的理论线性回归模型为:y=εββββ+++++p p x x x (22110)其中β1,β2，。

，βp 是p+1个未知参数，β0称为回归常数,β1,β2，。

，βp 称为回归系数。

y 称为被解释变量(因变量)，而x 1,x 2,...x p 是p 个可以精确测量并可控制的一般变量，称为解释变量（自变量）。

ε是随机误差。

3、画散点图1982 2902 10212 3551 6.66 3277 11349 1230.4 2867.9 1983 3072 10607 3738 7.15 3514 118784 1430.1 3182.5 1984 3372 11461.3 4001 7.89 3770 124074 1832.9 3674.5 1985 3693 12489.5 4384 8.72 4107 130709 2543.2 4589 1986 4058 13068.8 5064 8.94 4495 135635 3120.6 5175 1987 4356 13414 5503 9.28 4973 140653 3791.7 5961.2 1988 4689 13704.6 5704 9.8 5452 144948 4753.8 7633.1 1989 4859 13764.1 5820 10.54 5848 151489 4410.4 8523.5 1990 5153 13830.6 6238 10.8 6212 150681 4517 9113.2 1991 5638 14009.2 6765 10.87 6775 152893 5594.5 10315.9 1992 6697 14209.7 7589 11.16 7539 157627 8080.1 12459.8 1993 7716 14523.7 8739 11.51 8395 162663 13072.3 15682.4 1994 8482 14608.2974112.49281 163093 17042.1 20809.8 1995 8979.8 15004.94 10529.27 13.61 10070.3 165885 20019.3 26944.5 1996 9338.02 15733.39 10722.513.9710813.116880322974 32152.3 1997 9978.9316074.14 11511.41 13.73 11355.53 16973422913.534854.64、建立模型将原始数据导入到Eviews6.0(破解版）的数据框中，然后用Eviews软件做线性回归分析如下：在Eviews主窗口菜单单击Quick/Estimate Equation，弹出方程估计窗口，再在弹出的窗口清单内填入以下回归方程的书写形式。

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。

计量经济实验报告多元(3篇)

第1篇一、实验目的本次实验旨在通过多元线性回归模型，分析多个自变量与因变量之间的关系，掌握多元线性回归模型的基本原理、建模方法、参数估计以及模型检验等技能，提高运用计量经济学方法解决实际问题的能力。

二、实验背景随着经济的发展和社会的进步，影响一个变量的因素越来越多。

在经济学、管理学等领域，多元线性回归模型被广泛应用于分析多个变量之间的关系。

本实验以某地区居民消费支出为例，探讨影响居民消费支出的因素。

三、实验数据本实验数据来源于某地区统计局，包括以下变量：1. 消费支出（Y）：表示居民年消费支出，单位为元；2. 家庭收入（X1）：表示居民家庭年收入，单位为元；3. 房产价值（X2）：表示居民家庭房产价值，单位为万元；4. 教育水平（X3）：表示居民受教育程度，分为小学、初中、高中、大专及以上四个等级；5. 通货膨胀率（X4）：表示居民消费价格指数，单位为百分比。

四、实验步骤1. 数据预处理：对数据进行清洗、缺失值处理和异常值处理，确保数据质量。

2. 模型设定：根据理论知识和实际情况，建立多元线性回归模型：Y = β0 + β1X1 + β2X2 + β3X3 + β4X4 + ε其中，Y为因变量，X1、X2、X3、X4为自变量，β0为截距项，β1、β2、β3、β4为回归系数，ε为误差项。

3. 模型估计：利用统计软件（如SPSS、R等）对模型进行参数估计，得到回归系数的估计值。

4. 模型检验：对估计得到的模型进行检验，包括以下内容：（1）拟合优度检验：通过计算R²、F统计量等指标，判断模型的整体拟合效果；（2）t检验：对回归系数进行显著性检验，判断各变量对因变量的影响是否显著；（3）方差膨胀因子（VIF）检验：检验模型是否存在多重共线性问题。

5. 结果分析：根据模型检验结果，分析各变量对因变量的影响程度和显著性，得出结论。

五、实验结果与分析1. 拟合优度检验：根据计算结果，R²为0.812，F统计量为30.456，P值为0.000，说明模型整体拟合效果较好。

计量经济学实验报告_学习总结_总结汇报_实用文档

目录(一) 研究背景 (2)(二) 理论来源 (2)(三) 模型设定 (2)(四) 数据处理 (2)1. 数据来源 (2)2. 解释变量的设置 (3)(五) 先验预期 (3)1.经验预期 (3)2.散点图分析 (3)(六) 参数估计 (4)(七) 显著性检验 (5)(八) 正态性检验 (5)(九) MWD检验 (5)(十) 相关系数 (7)(十一)虚拟变量 (7)(十二)异方差检验、修正 (8)1. 图形检验 (8)2.格莱泽检验 (9)3.帕克检验 (10)4.异方差的修正加权最小二乘法 (10)5.异方差修正后的检验 (11)(十三)自相关检验 (11)1. 图形法 (11)2.德宾-沃森d检验 (12)(十四)最终结果 (12)(一)研究背景中国是一个大国，幅员辽阔，历史上自然地形成了一个极端不平衡发展的格局。

而1978年开始的改革，政府采取了由东向西梯度推进的非均衡发展战略，使已经存在的地区间的差距进一步扩大，不利于整个社会的稳定和发展。

地区发展不平衡问题包括社会发展不平衡，尤其是教育发展的不平衡。

因此关注中国教育发展的地区不平衡性非常迫切。

不仅是因为教育的重要性，还因为当前我国需要进一步推进教育改革的进程，使其朝着更健康的方向发展。

(二)理论来源刘红梅.中国各地区教育发展水平差异的实证分析[J]数理统计与管理.2013.7(三)模型设定⏹Y i=B1+B2X2i+B3X3i+B4X4i+B5X2i 2+B6X4i2+ui⏹Y——地区教育水平，用平均受教育年限表示，（年）⏹X2——学生平均预算内教育经费，（万元/人）⏹X3——人均GDP，（万元/人）⏹X4——平均生师比(四)数据处理1.数据来源：国家统计局官网，选取2014年的数据：1)各省GDP2)各地区总人口3)各地区每十万人拥有的各种受教育程度人口比较数据4)地区在校总学生数5)各地区教育财政投入6)地区每十万总专任教师数2.解释变量的设置：⏹X2=地区预算内教育经费/地区在校总学生数=学生平均预算内教育经费（万元/人）⏹X3=地区总GDP/地区总人口=人均GDP（万元/人）⏹X4=地区每十万人口各级学校平均在校生数的和/地区每十万人口总专任教师数=平均生师比其中：P为各地区每十万人拥有的各种受教育程度人口比较数T为教育年限1，6，9,12,16(五)先验预期1.经验预期：平均受教育年限分别跟学生平均预算内教育经费、人均GDP呈正相关关系，跟平均生师比呈负相关关系。

2021年计量经济学实验报告2

1.背景经济增加是指一个国家生产商品和劳务能力扩大。

在实际核实中, 常以一国生产商品和劳务总量增加来表示, 即以国民生产总值（GDP ）和中国生产总值增加来计算。

古典经济增加理论以社会财富增加为中心, 指出生产劳动是财富增加源泉。

现代经济增加理论认为知识、人力资本、技术进步是经济增加关键原因。

从古典增加理论到新增加理论, 都重视物质资本和劳动贡献。

物质资本是指经济系统运行中实际投入资本数量.然而, 因为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, 为经济增加提供了丰富劳动力资源。

所以本文用总就业人数（万人）来衡量劳动力。

居民消费需求也是经济增加关键原因。

经济增加问题既受各国政府和居民关注,也是经济学理论研究一个关键方面。

在1978—31年中,中国经济年均增加率高达9.6%,综合国力大大增强,居民收入水平与生活水平不停提升,居民消费需求数量和质量有了很大提升。

不过,中国现在仍然面临消费需求不足问题。

本文将以中国经济增加作为研究对象, 选择时间序列数据计量经济学模型方法, 将中国中国生产总值与和其相关经济变量联络起来, 建立多元线性回归模型, 研究中国中国经济增加变动趋势, 以及关键影响原因, 并依据所得结论提出相关提议与意见。

用计量经济学方法进行数据分析将得到愈加含有说服力和愈加具体指标, 能够愈加好帮助我们进行估计与决议。

所以, 对中国经济增加计量经济学研究是有意义同时也是很必需。

2.模型建立 2.1 假设模型为了具体分析各要素对中国经济增加影响大小, 我们能够用中国生产总值（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。

利用这些数据进行回归分析。

这里被解释变量是, Y: 中国生产总值,与Y-中国生产总值亲密相关经济原因作为模型可能解释变量, 累计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代表干扰项。

计量经济学实验报告 (2)

计量经济学实验报告影响财政收入的主要因素学生姓名·······学号 6011211324所属学院经济与管理学院专业农林经济管理班级 15-3班指导教师······塔里木大学教务处制影响财政收入的主要因素(基于多重共线性、异方差后的自相关、协整检验)一、研究的目的要求:财政收入,就是政府为履行其职能、实施公共政策与提供公共物品与服务需要而筹集的一切资金的总与。

财政收入表现为政府部门在一定时期内(一般为一个财政年度)所取得的货币收入。

财政收入就是衡量一国政府财力的重要指标,政府在社会经济活动中提供公共物品与服务的范围与数量,在很大程度上决定于财政收入的充裕状况。

财政就是同国家的产生与存在相联系,国家为了维持自身的存在与发挥职能,必须消耗一定的社会产品。

但就是,国家本身通常不直接从事生产活动,因而必须凭借自身拥有的政治权力,强制性地征收一部分社会产品,以满足各方面支出的需要。

这种国家的收入与支出就就是财政,它就是国家凭借政治权力而进行的社会产品的分配。

2013年中国政府已成为全球第二富裕的政府,所以来研究财政的影响因素就是很有必要的,为更好的掌握我国的财政收入具有重要的作用,更好地服务社会,促进人类文明的进步。

二、模型的设定及其估计:经分析,影响财政收入的因素很多,主要的因素有国民总收入(X1)、税收收入(X2)、能源消费总量(X3)、预算外财政收入(X4),因此,可设定如下的计量经济模型:Y t=β0+β1X1+β2X2+β3X3+β4X4+ t其中Yt为第t年财政收入(亿元),X1表示国民总收入(亿元),X2表示税收收入(亿元),X3表示能源消费总量(亿元),X4表示预算外财政收入(亿元)。

下面就是在中国统计年鉴上收集到的数据,经整理后得到1978-2011年的统计数据,如下所示:1978-2011年中国财政收入及其相关数据年份财政收入(Y)/亿元国民总收入(X1)/亿元税收收入(X2)/亿元能源消费总量(X3)/亿元预算外财政收入(X4)/亿元1978 1132、260 3645、2 519、2800 57144、00 347、1100 1979 1146、400 4062、6 537、8200 58588、00 452、8500 1980 1159、930 4545、6 571、7000 60275、00 557、4000 1981 1175、800 4889、5 629、8900 59447、00 601、7000 1982 1212、300 5330、5 700、0200 62067、00 802、7400 1983 1367、000 5985、6 775、5900 66040、00 967、6800 1984 1642、900 7243、8 947、3500 70904、00 1188、480 1985 2004、820 9040、7 2040、790 76682、00 1530、030 1986 2122、000 10274、4 2090、730 80850、00 1737、310 1987 2199、400 12050、6 2140、360 86632、00 2028、800 1988 2357、200 15036、8 2390、470 92997、00 2360、770 1989 2664、900 17000、9 2727、400 96934、00 2658、830 1990 2937、100 18718、3 2821、860 98703、00 2708、640 1991 3149、480 21826、2 2990、170 103783、0 3243、300 1992 3483、370 26937、3 3296、910 109170、0 3854、920 1993 4348、950 35260、0 4255、300 115993、0 1432、540 1994 5218、100 48108、5 5126、880 122737、0 1862、530 1995 6242、200 59810、5 6038、040 131176、0 2406、500 1996 7407、990 70142、5 6909、820 138948、0 3893、340 1997 8651、140 78060、9 8234、040 137798、0 2826、000 1998 9875、950 83024、3 9262、800 132214、0 3082、290 1999 11444、08 88479、2 10682、58 133831、0 3385、170 2000 13395、23 98000、5 12581、51 138553、0 3826、430 2001 16386、04 108068、2 15301、38 143199、0 4300、000 2002 18903、64 119095、7 17636、45 151797、0 4479、000 2003 21715、25 134977、0 20017、31 174990、0 4566、800 2004 26396、47 159453、6 24165、68 203227、0 4699、180 2005 31649、29 183617、4 28778、54 224682、0 5544、160 2006 38760、20 215904、4 34804、35 246270、0 6407、880 2007 51321、78 266422、0 45621、97 265583、0 6820、320 2008 61330、35 316030、3 54219、62 285000、0 6617、25 2009 68518、30 340320、0 59521、59 306647、0 6414、65 2010 83101、51 399759、5 73210、79 324939、0 5794、422011 103874、43 472115、0 89738、39 348002、0 6725、26 根据以上数据,我们作出了Y、X1、X2、X3、X4之间的线性图,如图所示:从图中可以瞧出有两条线交汇了,它们就是国民总收入(X1)与能源消费总量(X3),这说明我国能源消费总量逐年增长速度大于国民总收入的增长速度,在过去的经济增长中就是以高能耗获取经济的增长,未来应该逐步改变这种经济发展模式。

计量经济学实验报告

实验一一元线性回归模型一、实验目的：了解EViews软件的基本操作对象，掌握软件的基本操作二、实验内容：1、搜集2001-2011年，人均消费和人均gdp数据，构建消费模型，并估计，检验，按照教材例题数据处理过程处理。

表一 2001-2011年人均消费和人均gdp数据年份人均消费人均GDP2001 3611 75432002 3791 81842003 4089 91012004 4552 105612005 5439 140402006 6111 160842007 7081 189342008 8183 226982009 9098 255752010 9968 299922011 12272 351812、下表是中国1978-2000年的财政收入Y和国内生产总值（GDP）的统计资料要求，（1）作出散点图。

建立财政收入随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；（2）对所建立的回归方程进行检验；（3）若2001年中国国内生产总值为105709亿元，求财政收入的预测值及预测区间。

表二中国1978-2000年的财政收入Y和国内生产总值（GDP）年份Y GDP 年份Y GDP 1978 1132.26 3624.1 1990 2937.1 18547.91979 1146.38 4038.2 1991 3149.48 21617.81980 1159.93 4517.8 1992 3483.37 26638.11981 1175.79 4862.4 1993 4348.95 34634.41982 1212.33 5294.7 1994 5218.1 46759.41983 1366.95 5934.5 1995 6242.2 58478.11984 1642.86 7171 1996 7407.99 67884.61985 2004.82 8964.4 1997 8651.14 74462.61986 2122.01 10202.2 1998 9875.95 78345.21987 2199.35 11962.5 1999 11444.08 82067.51988 2357.24 14928.3 2000 13395.23 89403.61989 2664.9 16909.2三、实验步骤及结果1.1建立工作文件，输入数据在Eviews软件的命令窗口中键入数据输入命令：DATA XF GDP此时将显示一个数组窗口（如所示），即可以输入每个变量的数值图1-1 2001-2011年人均消费和人均gdp数据1.2图形分析借助图形分析可以直观地观察经济变量的变动规律和相关关系，合理地确定模型的数学形式。

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。

计量经济学上机实验报告

Sample: 1 31Included observations: 31Variable Coefficient Std. Error t-Statistic Prob.C 246.8540 51.97500 4.749476 0.0001X2 5.996865 1.406058 4.265020 0.0002X3 -0.524027 0.179280 -2.922950 0.0069X4 -2.265680 0.518837 -4.366842 0.0002R-squared 0.666062 Mean dependent var 16.77355Adjusted R-squared 0.628957 S.D．dependent var 8.252535S.E．of regression 5.026889 Akaike info criterion 6.187394Sum squared resid 682.2795 Schwarz criterion 6.372424Log likelihood -91.90460 F-statistic 17.95108Durbin-Watson stat 1.147253 Prob(F-statistic) 0.000001根据上图中数据，模型估计的结果为(51.9750) (1.4060) (0.1793) (0.5188)t= (4.7495) (4.2650) (-2.9229) (-4.3668)R2 =0.6289 F=17.9511 n=31对模型进行检验：拟合优度检验：=0.6660，R2 =0.6289 接近于1，说明模型对样本拟合较好F 检验：F=17.9511>，这说明在显著性水平a=0.05 下，回归方程是显著的。

T 检验：t 统计量分别为4.749476，4.265020，-2.922950，-4.366842，其绝对值均大于查表所得的（27）=2.0518，这说明在显著性水平a=0.05 下都是显著的。

计量经济学实验报告

一、实验目的：掌握多重共线性检验的方法和处理的方法二、实验原理：解释变量相关系数法、判定系数检验法、逐步回归法三、实验步骤：1. 创建一个新的工作文件打开Eviews软件，点击File中的new选择Workfile，创立一个新的工作文件，此时将出现Workfile Range，在其中选择时间变量数据Annual，输入实验数据的时间，在Start date 中输入1983年，在End date中输入2000年。

点击ok即可创立一个新的工作文件。

点击save 输入文件名即可保存。

如图：2. 创建一个数据输入窗口在quike文件菜单下找到Empty Group即可创建一个数据输入窗口。

将Excel文档菜单下的中国粮食生产函数模型的数据进行复制，粘贴到Empty Group的空白表格中，将每一列的列标题输入，即六个变量y，x1，x2，x3，x4，x5。

点击Name，把名称存为1点击ok把实验数据表保存。

如图：3. 用普通最小二乘法估计模型参数在quike文件菜单下的Estimate Equation中输入y c x1 x2 x3 x4 x5。

在普通最小二乘法估计模型以及样本确认的情况下，点击ok，即可出现普通最小二乘法的回归结果。

点击name 保存为EQ1。

如图所示：从图中发现：ｘ1的参数估计值为6.212562。

t的估计值为8.385373。

ｘ2的参数估计值为0.421380。

t的估计值为3.319919。

ｘ3的参数估计值为-0.166260反方向变化，故为负值。

ｘ4代表农业机械总动力。

ｘ4的参数估计值为-0.097770，x4的值与所学经济学理论不相符。

ｘ5代表投入农业劳动力。

ｘ5的参数估计值为-0.028425。

一般情况下投入的农业劳动力是正向变化，现在为负值，x5的值与所学经济学理论不相符。

因此说明有可能存在多重共线性。

4.多重共线性检验(1)综合统计检验法根据综合统计检验法，得知判定系数R-squared为0.982798.调整以后的判定系数值问为0.975630，可以看出其拟合优度比较高。

计量经济学实验报告(二)

计量经济学实验报告(二)2015－2016第1学期计量经济学实验报告实验（二）：多元回归模型实验学号：0122432 姓名：李旻专业：会计（ACCA）选课班级：A06 实验日期：11/09 实验地点：0505实验名称：多元回归模型实验【实验目标、要求】使学生掌握用Eviews做1. 多元线性回归模型参数的OLS估计、统计检验、点预测和区间预测；2. 非线性回归模型参数估计；3. 受约束回归检验。

【实验内容】用Eviews完成：1. 多元线性回归模型参数的OLS估计、统计检验、点预测和区间预测；(以第8题的数据为例)2. 非线性回归模型的估计，并给出相应的结果；(以第8题的数据为例)3. 受约束回归检验。

(以第7题的数据为例)实验内容以课后练习：以第三章复习思考题第7题、第8题的数据为例进行操作。

【实验步骤】一）根据中国某年按行业分的全部制造业国有企业及规模以上制造业非国有企业的工业总产值Y，资产合计K及职工人数L进行回归分析。

（二）掌握可化为线性多元非线性回归模型的估计和多元线性回归模型的线性约束条件的检验方法（三）根据实验结果判断中国该年制造业总体的规模报酬状态如何？三、实验步骤（一）收集数据下表列示出来中国某年按行业分的全部制造业国有企业及规模以上制造业非国有企业的工业总产值Y，资产合计K及职工人数L。

序号工业总产值Y（亿元）资产合计K（亿元）职工人数L（万人）序号工业总产值Y（亿元）资产合计K（亿元）职工人数L（万人）1 3722.7 3078.22 113 17 812.7 1118.81 432 1442.52 1684.43 67 18 1899.7 2052.16 613 1752.37 2742.77 84 19 3692.85 6113.11 2404 1451.29 1973.82 27 20 4732.9 9228.25 2225 5149.3 5917.01 327 21 2180.23 2866.65 806 2291.16 1758.77 120 22 2539.76 2545.63 967 1345.17 939.1 58 23 3046.95 4787.9 2228 656.77 694.94 31 24 2192.63 3255.29 1639 370.18 363.48 16 25 5364.83 8129.68 24410 1590.36 2511.99 66 26 4834.68 5260.2 14511 616.71 973.73 58 27 7549.58 7518.79 13812 617.94 516.01 28 28 867.91 984.52 4613 4429.19 3785.91 61 29 4611.39 18626.94 21814 5749.02 8688.03 254 30 170.3 610.91 1915 1781.37 2798.9 83 31 325.53 1523.19 4516 1243.07 1808.44 33表1（二）创建工作文件（Workfile）。

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：14120021030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EViews8.0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 X73.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0.89，模型拟合度在89%左右。

b.对变量的显著性分析：在t检验中，截距项参数、RS的参数并不显著。

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.对模型显著性分析F检验中，F统计量值为21.39，大于显著水平为5%的临界值，说明模型显著。

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的联合线性作用显著，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检验不显著。

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9.75，概率值大于0.05，说明不存在异方差自相关检验P(Obs*R-squared)为1.75，大于0.05的显著水平，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：1.GDP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。

《计量经济学综合实验》实验报告

《计量经济学综合实验》实验报告2013-2014学年第一学期班级：姓名：学号：课程编码：0123100320课程类型：综合实训实验时间：第16周至第18周实验地点：实验目的和要求：熟悉eviews软件的基本功能，能运用eviews软件进行一元和多元模型的参数估计、统计检验和预测分析，能运用eviews软件进行异方差、自相关、多重共线性的检验和处理，并最终将操作结果进行分析。

能熟悉运用eviews软件对时间序列进行单位根、协整和格兰杰因果关系检验。

实验所用软件：e views实验内容和结论：见第2页—第39页计量经济学综合实验实验一第二章第6题Dependent Variable: Y Method: Least Squares Date: 12/17/13 Time: 09:13 Sample: 1985 1998 Included observations: 14Variable Coefficient Std. Error t-Statistic Prob. C 12596.27 1244.567 10.12101 0.0000 GDP26.954154.1203006.5417920.0000 R-squared0.781002 Mean dependent var 20168.57 Adjusted R-squared 0.762752 S.D. dependent var 3512.487 S.E. of regression 1710.865 Akaike info criterion 17.85895 Sum squared resid 35124719 Schwarz criterion 17.95024 Log likelihood -123.0126 F-statistic 42.79505 Durbin-Watson stat0.859998 Prob(F-statistic)0.000028（1）t t t e GDP Y ++=95.2627.12596 （10.12）（6.54） 78.02=R（2）95.261=β是样本回归方程的斜率，它表示GDP 每增加1亿元，货物运输量将增加26.95万吨，27.12596ˆ0=β是样本回归方程的截距，表示GDP 不变价时的货物运输量。

计量经济学实验报告_4

《计量经济学》课程实验报告1专业国际经济与贸易班级B谢谢谢谢姓名XXX 日期2012.9.28一、实验目的1．学会Eviews工作文件的建立、数据输入、数据的编辑和描述；2．掌握用Eviews软件求解简单线性回归模型的方法；3．掌握用Eviews软件输出结果对模型进行统计检验；4．掌握用Eviews软件进行经济预测。

二、实验内容：根据1978年到2007年的中国居民的人均消费水平和人均GDP的数据，通过模型设定，估计参数，模型检测，回归预测等步骤，分析中国全体居民的消费水平和经济发展的数量关系，对于探寻居民消费增长的规律性。

三、实验数据四：实验步骤：1：模型设定。

由上表分析居民人均消费水平（y）和人均GDP（x）的关系，制作散点图。

从中可以看出居民消费水平（y）和人均GDP（x）大体呈现为线性关系。

2：估计参数：利用软件eviews作简单线性分析的步骤包括以下几方面内容。

建立文件夹，首先双击eviews图标，进入主页。

在其菜单栏中点击File|new|workfile，并选择数据频率为1978和2007.输入数据：在eviews命令框中直接输入“data x y”回车出现“Group”窗口数据编辑框，在对应的“y”，“x”下输入数据。

估计参数。

在eviews命令框中直接键入“LS Y C X”，按回车，即出现回归结果。

Dependent Variable: YMethod: Least SquaresDate: 11/17/12 Time:8:37Sample: 1978 2007Included observations: 30Coefficient Std. Error t-Statistic Prob.C 224.3149 55.64114 4.031457 0.0004X 0.386430 0.007743 49.90815 0.0000R-squared 0.988884 Mean dependent var 2175.067Adjusted R-squared 0.988487 S.D. dependent var 2021.413S.E. of regression 216.8978 Akaike info criterion 13.66107Sum squared resid 1317251. Schwarz criterion 13.75448Log likelihood -202.9161 Hannan-Quinn criter. 13.69095F-statistic 2490.823 Durbin-Watson stat 0.115812Prob(F-statistic) 0.000000若要显示回归结果的图形，在“Equation”框中，点击“Resids”,即出现剩余项、实际值、拟合值的图形：3：模型检测：包括经济意义检测和拟合有度、统计检验。

计量经济学实验报告

实验报告一一．实验任务：线性回归二．实验目的：学习如何输入数据，学习如何做线性回归，并会分析结果。

三．操作步骤：1、建立工作文件启动Eviews6.exe ，点击File\New\Workfile ，在弹出的对话框中选择工作文件的结构类型（workfile structure type ）2、输入数据在主菜单点击Quick\Empty Group ，录入收入（X ）、消费（Y ）的数据，在窗口中点击数据，修改数据列的名称。

3、回归分析做散点图在主菜单点击Quick\Graph ，在弹出的对话框中输入 x y ，点击OK 。

在弹出的对话框中，specipi 下选择Scatter 点击确定即可得到X-Y 散点图。

点此图上面的“Name ”为此图命名。

由得出的散点图可以看出，x y 存在近似的线性关系。

OLS 估计在主菜单点击Quick\Estimate Equation ，在弹出的对话框中输入“y c x ” 点击“OK ”既可。

得到各参数估计值。

四．结果分析样本回归方程为：X Y 509091.05455.244ˆ+=（64.138）（0.0357） ←-------各参数估计值对应的标准误（3.813） (14.243) ←-------各参数估计值对应的T 统计量9621.02=R 9573.02=R 868.202=F DW=2.68 n=10经济意义检验：根据经济理论，收入增加会带动消费增加，边际消费倾向的取值范围为0~1，回归方程中X 的系数表示边际消费倾向，回归结果为0.51，与经济理论相符。

常数项表示基础消费，基础消费应该大于零，回归结果与理论相符。

显著性检验：方法一：查表可知：05.0=α时，306.2)8(2=αt 32.5)8,1(=αF因为202.868>5.32 ，所以回归方程显著成立。

因为306.2813.3)ˆ(0>=βT 306.2243.14)ˆ(1>=βT 所以0ˆβ、1ˆβ显著不为零。

计量经济学实验报告2

Variable
Coefficient Std. Error t-Statistic Prob.
CS
1.278874 0.017267 74.06285 0.0000
-
C
2.68073 11.61500 -1.952710 0.0617
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
DF= 28
DW =0.942712 F =1802.255
模型2：Yˆ ˆ1 ˆ2 X
SEˆ1 SEˆ2
t1 t2
R 2 =0.995282 SE =35.66468
DF=28 DW =1.561721
F =5022.505
模型3：Y1 t2
（三）回归分析
1、【模型设定】
（1）作因果关系检验（辅助“模型设定”）分别对上述三组变量作因果关系检验（3组检验结果），并根据因果关系检验的结果，作简单描述及分析。因果关系检验结果表：（请对同一个模型的滞后期从2-5多试几次，并选定最终的结果。）
Pairwise Granger Causality Tests Date: 03/22/12 Time: 15:19 Sample: 1978 2005 Lags: 4
模型一：模型可决系数（判定系数） R2 ＝0.985779，表明拟合程度很好。
模型3： 1 ：-0.993108
2 ：2.980308
3、模型检验
（1）经济检验根据模型参数的估计值，联系实际和相关经济理论，对各回归模型进行经济检验。
并解释参数值的经济意义。模型一：财政收入CS对国内生产总值GDPS的回归系数0.080296，符合经济理论，即财政收入的变化引起国内生产总值变化。模型二：财政支出CZ对财政收入CS的回归系数1.278874，说明财政支出CZ中还有不被财政收入

计量经济学上机实验报告2

《计量经济学》上机实验报告二题目：练习题2.2、2.4 实验日期和时间：2015年10月15日星期四班级：学号：姓名：实验室：实验环境：Windows XP ; EViews 3.1实验目的：了解EViews软件的基本操作对象，掌握软件的基本操作。

实验内容：2.2（1）建立浙江省财政预算收入与全省生产总值的计量经济模型，估计模型的参数，检验模型的显著性并解释所估计参数的经济意义。

（2）利用（1）经济模型作出点预测和区间预测。

（3）建立浙江省财政预算收入对数与全省生产总值对数的计量经济模型，估计模型的参数，检验模型的显著性并解释所估计参数的经济意义。

2.4（1）建立建筑面积与建造单位成本的回归方程。

（2）解释回归系数的经济意义。

（3）估计当建筑面积为4.5万平方米时，对建造平均单位成本作区间预测。

实验步骤：2.3 （1）在命令区间输入LSYCX得到以下结果Dependent Variable: YMethod: Least SquaresDate: 10/15/15 Time: 20:24Sample: 1978 2010Included observations: 33Variable Coefficient Std. Error t-Statistic Prob.C -154.3063 39.08196 -3.948274 0.0004X 0.176124 0.004072 43.25639 0.0000902.5148R-squared 0.983702 Mean dependentvarAdjusted R-squared 0.983177 S.D. dependent var 1351.009S.E. of regression 175.2325 Akaike info criterion 13.22880Sum squared resid 951899.7 Schwarz criterion 13.31949Log likelihood -216.2751 F-statistic 1871.115Durbin-Watson stat 0.100021 Prob(F-statistic) 0.000000方程为Y=-154.3063+0.176124X经济意义：所估计的参数说明浙江省财政预算收入每增加1亿元，全省生产总值增加0.176124亿元。

计量经济学 实验报告 2

(完整word版)计量经济学实践报告 2

计量经济学实验报告

计量经济实验报告多元(3篇)

计量经济学实验报告_学习总结_总结汇报_实用文档

2021年计量经济学实验报告2

计量经济学实验报告 (2)

计量经济学实验报告

计量经济学课程实验报告

计量经济学实验报告(完成)

计量经济学上机实验报告

计量经济学实验报告

计量经济学实验报告(二)

计量经济学实验报告

《计量经济学综合实验》实验报告

计量经济学实验报告_4

计量经济学实验报告

计量经济学实验报告2

计量经济学上机实验报告2

计量经济学实验报告 2