计量经济学实验报告格式

时间 2013年9月11日
小组成员杨曦陈洁熊姣胡守美杨一兰李益辉
实验题目多元线性回归分析
一、实验目的与要求：
要求目的：熟练运用eviews软件操作，建立适当模型求出线性方程并作出相关分析，用逐步回归法进行修正。

二、实验内容
根据1982-2011年我国粮食产量、播种面积、有效灌溉面积、农药化肥使用量数据，运用EV软件，做回归分析并用逐步回归法进行修正。

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
为了研究我国粮食产量与播种面积、有效灌溉面积、农药使用量之间是否有关，假定它们之间满足线性约束，则理论模型设定为：
i
Y=β0+β1X1+β2X2+β3X3+u
其中y表示粮食产量，X1表示播种面积，X2表示有效灌溉面积，X3表示农药化肥使用量，U代表随机干扰项
1982-2011年我国粮食产量、播种面积、有效灌溉面积、农药化肥使用量数据，如下表：
年份粮食（万吨）播种面积(千公顷) 有效灌溉面积
（千公顷）
农药化肥使用量
（万吨）
1982 35,450.00 113,462.40 44,176.87 1,513.40 1983 38,727.50 114,047.20 44,644.07 1,659.80 1984 40,730.50 112,883.93 44,453.00 1,739.80 1985 37,910.80 108,845.13 44,035.93 1,775.80 1986 39,151.20 110,932.60 44,225.80 1,930.60 1987 40,297.70 111,267.77 44,403.00 1,999.30 1988 39,408.10 110,122.60 44,375.91 2,141.50 1989 40,754.90 112,204.67 44,917.20 2,357.10 1990 44,624.30 113,465.87 47,403.07 2,590.30
1991 43,529.30 112,313.60 47,822.07 2,805.10
1992 44,265.80 110,559.70 48,590.10 2,930.20
1993 45,648.80 110,508.70 48,727.90 3,151.80
1994 44,510.10 109,543.70 48,759.10 3,317.90
1995 46,661.80 110,060.40 49,281.60 3,593.70
1996 50,453.50 112,547.92 50,381.60 3,827.90
1997 49,417.10 112,912.10 51,238.50 3,980.70
1998 51,229.53 113,787.40 52,295.60 4,083.69
1999 50,838.58 113,160.98 53,158.41 4,124.32
2000 46,217.52 108,462.54 53,820.33 4,146.41
2001 45,263.67 106,080.03 54,249.39 4,253.76
2002 45,705.75 103,890.83 54,354.85 4,339.39
2003 43,069.53 99,410.37 54,014.23 4,411.56
2004 46,946.95 101,606.03 54,478.42 4,636.58
2005 48,402.19 104,278.38 55,029.34 4,766.22
2006 49,804.23 104,957.70 55,750.50 4,927.69
2007 50,160.28 105,638.36 56,518.34 5,107.83
2008 52,870.92 106,792.65 58,471.68 5,239.02
2009 53,082.08 108,985.75 59,261.45 5,404.35
2010 54,647.71 109,876.09 60,347.70 5,561.68
2011 57,120.85 110,573.02 61,681.56 5,704.24
（二）参数估计
1、双击“Eviews”，进入主页，输入数据。

2、在“workfile”点击“view”“graph”“scatter”得到如下散点图
20,000
40,000
60,000
80,000
100,000
120,000
35,000
40,00045,000
50,00055,00060,000
Y
X1X2X3
在EV 主页界面的窗口，点击“object ”“new object ”“ok ”输入“y c x1 x2 x3”，按“Enter ”。

出现OLS 回归结果,如下图
Variable Coefficient Std. Error t-Statistic
Prob.
X1 0.635505 0.061146 10.39332 0.0000 X2 -0.326769 0.201610 -1.620795 0.1171 X3 6.062641 0.850732 7.126385 0.0000 C -28807.72 9329.688 -3.087748 0.0048 R-squared 0.966333 Mean dependent var
45896.71 Adjusted R-squared 0.962449 S.D. dependent var 5404.497 S.E. of regression 1047.294 Akaike info criterion 16.86937 Sum squared resid 28517458 Schwarz criterion 17.05620 Log likelihood -249.0406 Hannan-Quinn criter. 16.92914 F-statistic 248.7579 Durbin-Watson stat
1.731391
多元线性回归方程：Y= -28807.72+0.635505X 1-0.326769X 2+6.062641X 3
(-3.087748) (10.39332) _ (-1.620795) (7.126385) ( R 2=0.966333) (R 2=0.962449) (F=248.7579) (DW=1.731391)
经济意义的检验:可决系数R 2=0.966接近1说明拟合优度很高，粮食
产量的变化有96.6%的影响因素是播种面积、有效灌溉面积、农药化肥使用量。

（3）下面对各个变量进行显著检验(n=30,k=3,在5%的显著性水平下查表得F统计量的临界值为F（0.05）（3,27）=2.96，表明模型的线性显著成立）
由表可知t(0.025)的临界值是2.048，
1.播种面积对粮食产量的影响
t=10.39332>2.048说明粮食播种面积对粮食产量的影响显著
2.有效灌溉面积对粮食产量的影响
t=-1.620795<2.048说明有效灌溉面积对粮食产量的影响不显著
3.农业化肥使用量对粮食产量的影响
t=7.126385>2.048说明农药化肥使用量对粮食产量影响显著
由此可知首先我们可以剔除有效灌溉面积对粮食产量的影响。

(4)接下来我们用逐步回归法进行修正
根据调整后解释变量对被解释变量影响程度的大小，由大到小依次引入回归方程，我们先选定x3作为第一个解释变量
Eviews软件估计结果如下表所示：
Dependent Variable: Y
Method: Least Squares
Date: 09/14/13 Time: 21:16
Sample: 1982 2011
Included observations: 30
Variable Coefficient Std. Error t-Statistic Prob.
C 32373.99 1243.544 26.03365 0.0000
X3 3.755557 0.325231 11.54734 0.0000
R-squared 0.826455 Mean dependent var 45896.71
Adjusted R-squared 0.820256 S.D. dependent var 5404.497
S.E. of regression 2291.300 Akaike info criterion 18.37597
Sum squared resid 1.47E+08 Schwarz criterion 18.46938
Log likelihood -273.6395 Hannan-Quinn criter. 18.40585
F-statistic 133.3410 Durbin-Watson stat 0.723882
Prob(F-statistic) 0.000000
线性回归方程：Y=-0.242003*X3+72381.29
（11.54734）—（26.03365）
（R2=0.826455）（R2=0.820256）（F=133.3410）（DW=0.723882）同时选取x1作为第二个解释变量由Eviews软件估计结果如下表所示：
Dependent Variable: Y
Method: Least Squares
Date: 09/15/13 Time: 11:52
Sample: 1982 2011
Included observations: 30
Variable Coefficient Std. Error t-Statistic Prob.
X1 0.619496 0.062134 9.970330 0.0000
X3 4.713442 0.180721 26.08134 0.0000
C -38872.23 7169.751 -5.421698 0.0000
R-squared 0.962932 Mean dependent var 45896.71
Adjusted R-squared 0.960186 S.D. dependent var 5404.497
S.E. of regression 1078.387 Akaike info criterion 16.89896
Sum squared resid 31398792 Schwarz criterion 17.03908
Log likelihood -250.4844 Hannan-Quinn criter. 16.94379
F-statistic 350.6912 Durbin-Watson stat 1.443372
Prob(F-statistic) 0.000000
线性回归方程：Y=0.619496*X1+4.713442*X3-38872.
散点图：
20,000
40,000
60,000
80,000
100,000
120,000
35,00040,00045,00050,00055,00060,000
Y
C
X1
X3
所以最终的回归方程模型是：
Y=0.619496*X1+4.713442*X3-38872.23
(9.970330) _ (26.08134) (-5.421698)
R^2=0.962932 R^2=0.960186 F-statistic=350.6912 DW=1.443372
经济意义：在此期间播种面积与农药化肥使用量的增加，会促进粮食产量的增加。

四、实践结果报告
在实验过程中我们发现X2对Y的影响不是特别显著，所以最后的回归方程为
Y=0.619496*X1+4.713442*X3-38872.23
(9.970330) _ (26.08134) (-5.421698)
R^2=0.962932 R^2=0.960186 F-statistic=350.6912 DW=1.443372
经济意义：在此期间播种面积与农药化肥使用量的增加，会促进粮食产量的增加。

对于此次的实验分析，我们提出了一些小的建议
1.从模型分析来看，粮食的播种面积对粮食产量有着显著的影响，可以适当的增加耕地面积，提高播种面积，同时也要防止耕地污染等情况。

2.农药化肥的使用量也显著影响着粮食的产量，适当的施肥用药可以很大程度提高粮食的产量，但是如果过度使用则会导致相反的结果，所以要注意适度。

3.粮食产量还受其他许多因素的影响，比如说自然灾害、农业机械总动力等，也要采取相关的措施来提高粮食产量。