计量经济学实验指导
计量经济学上机实验手册
实验三异方差性实验目的：在理解异方差性概念和异方差对OLS回归结果影响的基础上,掌握进行异方差检验和处理的方法;熟练掌握和运用Eviews软件的图示检验、G-Q检验、怀特White 检验等异方差检验方法和处理异方差的方法——加权最小二乘法;实验内容：书P116例4.1.4：中国农村居民人均消费函数中国农村居民民人均消费支出主要由人均纯收入来决定;农村人均纯收入除从事农业经营的收入外,还包括从事其他产业的经营性收入以及工资性收入、财产收入和转移支付收入等;为了考察从事农业经营的收入和其他收入对中国农村居民消费支出增长的影响,建立双对数模型：其中,Y表示农村家庭人均消费支出,X1表示从事农业经营的纯收入,X2表示其他来源的纯收入;表4.1.1列出了中国内地2006年各地区农村居民家庭人均纯收入及消费支出的相关数据;表4.1.1 中国2006年各地区农村居民家庭人均纯收入与消费支出单位：元注：从事农业经营的纯收入由从事第一产业的经营总收入与从事第一产业的经营支出之差计算,其他来源的纯收入由总纯收入减去从事农业经营的纯收入后得到;资料来源：中国农村住户调查年鉴2007、中国统计年鉴2007;实验步骤：一、创建文件1.建立工作文件CREATE U 1 31 其中的“U”表示非时序数据2.录入与编辑数据Data Y X1 X2 意思是：同时录入Y、X1和X2的数据3.保存文件单击主菜单栏中File→Save或Save as→输入文件名、路径→保存;二、数据分析1.散点图①Scat X1 Y从散点图可看出,农民农业经营的纯收入与农民人均消费支出呈现一定程度的正相关;②Scat X2 Y从散点图可看出,农民其他来源纯收入与农民人均消费支出呈现较高程度的正相关;2.数据取对数处理Genr LY=LOG YGenr LX1=LOG X1Genr LX2=LOG X2三、模型OLS 参数估计与统计检验 LS LY C LX1 LX2得到模型OLS 参数估计和统计检验结果：Dependent Variable: LY Method: Least Squares Sample: 1 31Variable CoefficientStd. Errort-StatisticProb.C LX1 R-squaredMean dependent var Adjusted R-squared . dependent var . of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic 注意：在学术文献中一般以这种形式给出回归方程的输出结果,而不是把上面的软件输出结果直接粘贴到文章中可决系数,调整可决系数,显示模型拟合程度较高;同时,F 检验统计量,在5%的显着性水平下通过方程总体显着性检验;可认为农民农业经营的收入和其他收入整体与农村居民消费支出的线性关系显着成立;变量X2和截距项均在5%的显着性水平下通过变量显着性检验,但X1在10%的显着水平下仍不能通过检验;四、异方差检验对于双对数模型,由于12(0.150214)(0.477453)ββ=<=二者均为弹性系数,可认为其他来源的纯收入而不是从事农业经营的纯收入的增长,对农户人均消费的增长更有刺激作用;也就是说,不同地区农村人均消费支出的差别主要来源于非农经营收入及工资收入、财产收入等其他来源收入的差别,因此,如果模型存在异方差性,则可能是X2引起的;1.图示检验法观察残差的平方与LX2的散点图;①残差resid残差resid变量数据是模型参数估计命令完成后由Eviews软件自动生成在Workfile 框里可找到,无需人工操作获得;注意,resid保留的是最近一次估计模型的残差数据;②残差的平方与LX2的散点图Scat LX2 resid^2从上图可大体判断出模型存在递增型异方差性;2．G-Q法检验异方差补充：先定义一个变量T,取值为1、2、…、31分别代表各省市,用于在做完G-Q检验之后,再按T排序,使数据顺序还原;Data T 提示：输入1、2、…、31①将所有原始数据按照X2升序排列;Sort X2Show Y X1 X2 LY LX1 LX2显示各个变量数据的目的是查看一下,所有变量数据是否按X2升序排列好了;②将31对样本数据,去掉中间的7对,形成两个容量均为12的子样本,即1-12和20-31;③对1-12的子样本做普通最小二乘估计,并记录残差平方和RSS;1Smpl 1 12 意思是：将样本区间由1-31,改为1-12Ls LY C LX1 LX2Dependent Variable: LYMethod: Least Squares Sample: 1 12C LX1 LX2R-squaredMean dependent var Adjusted R-squared . dependent var . of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson statProbF-statistic子样本1：12ln 3.1412080.398385ln 0.234751ln Y X X e =+++1RSS =④对20-31的子样本做普通最小二乘估计,并记录残差平方和2RSS ; Smpl 20 31 意思是：将样本区间由1-12,改为20-31 Ls LY C LX1 LX2Dependent Variable: LY Method: Least Squares Sample: 20 31Included observations: 12C LX1 R-squaredMean dependent var Adjusted R-squared . dependent var . of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson statProbF-statistic子样本2：12ln 3.9936440.113766ln 0.6201681ln Y X X e =-++2RSS =⑤异方差检验在5%与10%的显着性水平下,自由度为9,9的F分布临界值分别为0.05(9,9) 3.18F=与0.10(9,9) 2.44F=;因此5%显着性水平下不能拒绝同方差假设,但在10%的显着性水平下拒绝;补充：怀特检验软件操作：在原始模型的OLS方程对象窗口中,选择view/Residual test/White Heteroskedasticity;Eviews提供了包含交叉项的怀特检验“White Heteroskedasticitycross terms”和没有交叉项的怀特检验“White Heteroskedasticityno cross terms”这样两个选择;问题：如果是刚做完上面的G-Q检验,如何得到原始模型答案：先恢复成全样本,再按T排序,然后做OLS回归;SMPL 1 31 意思是：将样本区间恢复到1-31补充：将样本数据按T升序排列,使数据顺序还原;Sort T 意思是：将数据顺序还原Ls LY C LX1 LX2下面是在原始模型的OLS方程对象窗口中,选择view/Residual test/White Heteroskedasticity,然后进行包含交叉项的怀特检验“White Heteroskedasticitycross terms”所得到的输出结果最上方显示了两个检验统计量：F统计量和White统计量nR2；下方显示的是以OLS的残差平方为被解释变量的辅助回归方程的回归结果：F-statistic ProbabilityTest Equation:Dependent Variable: RESID^2Method: Least SquaresDate: 05/03/11 Time: 17:21Sample: 1 31C LNX1 LNX1^2 LNX1LNX2 LNX2 R-squaredMean dependent var Adjusted R-squared . dependent var . of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic 可见,怀特统计量nR 2==31×,大于自由度也即辅助回归方程中解释变量的个数为5的2分布临界值07.115205.0=）（χ,因此,在5%的显着性水平下拒绝同方差的原假设; 五、采用加权最小二乘法处理异方差以下内容和教材P118-120不一样,但是我们必须掌握的重点——以原始模型的OLS 回归残差的绝对值的倒数为权数,手工完成加权最小二乘估计LS LY C LX1 LX2Genr E=resid 意思是：记录双对数模型OLS 估计的残差 用残差的绝对值的倒数对LY 、LX1、LX2做加权： Genr LYE=LY/abs E Genr LX1E=LX1/abs E Genr LX2E=LX2/abs E Genr CE=1/abs E LS LYE CE LX1E LX2EDependent Variable: LYE Method: Least Squares Sample: 1 31CELX1ER-squared Mean dependent varAdjusted R-squared . dependent var. of regression Akaike info criterionSum squared resid Schwarz criterionLog likelihood Durbin-Watson stat可以看出,lnX1参数的t统计量有了显着改进,这表明在1%显着性水平下,都不能拒绝从事农业生产带来的纯收入对农户人均消费支出有着显着影响的假设;六、检验加权的回归模型是否还存在异方差1.检验是否由LX1E引起异方差Sort LX1E 意思是：将原始数据按LX1E升序排列①子样本1的回归：Smpl 1 12LS LYE CE LX1E LX2EDependent Variable: LYEMethod: Least SquaresSample: 1 12Variable Coefficient Std. Error t-Statistic Prob.CELX1ER-squared Mean dependent varAdjusted R-squared . dependent var. of regression Akaike info criterionSum squared resid Schwarz criterionLog likelihood Durbin-Watson stat子样本1：RSS=1②子样本2的回归：Smpl 20 31LS LYE CE LX1E LX2EDependent Variable: LYE Method: Least Squares Date: 05/01/11 Time: 23:23 Sample: 20 31Variable CoefficientStd. Errort-StatisticProb.CE LX1E R-squaredMean dependent var Adjusted R-squared . dependent var . of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihoodDurbin-Watson stat子样本2：2RSS =③异方差检验 注意做题的步骤提出假设 22012:H σσ= 22112:H σσ≠ 计算检验统计量：在5%的显着性水平下,自由度为9,9的F 分布临界值分别为0.05(9,9) 3.18F =;因此5%显着性水平下不能拒绝同方差假设;2.检验是否由LX2E 引起异方差Smpl 1 31 意思是：将样本区间复原Sort lx2e 意思是：将原始数据按LX2E 升序排列 ①子样本1的回归： Smpl 1 12LS LYE CE LX1E LX2EDependent Variable: LYE Method: Least Squares Sample: 1 12CE LX1E R-squaredMean dependent var Adjusted R-squared . dependent var . of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihoodDurbin-Watson stat子样本1：1RSS = ②子样本2的回归： Smpl 20 31LS LYE CE LX1E LX2EDependent Variable: LYE Method: Least Squares Sample: 20 31Included observations: 12CE LX1E R-squaredMean dependent var Adjusted R-squared . dependent var . of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihoodDurbin-Watson stat子样本2：2RSS =③异方差检验 注意做题的步骤提出假设 22012:H σσ= 22112:H σσ≠ 计算检验统计量：在5%的显着性水平下,自由度为9,9的F 分布临界值分别为0.05(9,9) 3.18F =;因此5%显着性水平下不能拒绝同方差假设;结论：用OLS 估计的残差绝对值的倒数作为权数,对存在异方差的模型加权,然后采用OLS估计,则一定会消除异方差;最终通过异方差检验的估计方程为：实验四序列相关性实验目的：在理解序列相关性的基本概念、序列相关的严重后果的基础上,掌握进行序列相关检验和处理的方法;熟练掌握Eviews软件的图示检验、DW检验、拉格朗日乘数LM检验等序列相关性检验方法和处理序列相关性的方法——广义差分法;实验内容：书P132例4.2.1：中国居民总量消费函数建立总量消费函数是进行宏观经济管理的重要手段;为了从总体上考察中国居民收入与消费的关系,P56表2.6.3给出了中国名义支出法国内生产总值GDP、名义居民总消费CONS以及表示宏观税负的税收总额TAX、表示价格变化的居民消费价格指数CPI1990=100,并由这些数据整理出实际支出法国内生产总值GDPC=GDP/CPI、居民实际消费总支出Y=CONS/CPI,以及实际可支配收入X=GDP-TAX/CPI;表2.6.3 中国居民总量消费支出与收入资料单位：亿元年份GDP CONS CPI TAX GDPC X Y19781979198019811982198319841985198619871988198919901991199219931994199519961997199819992000200120022003200420052006资料来源：根据中国统计年鉴2001,2007整理;实验步骤：一、创建文件1.建立工作文件CREATE A 1978 2006 其中的“A”表示年度数据2.录入与编辑数据Data X Y3.保存文件单击主菜单栏中File→Save或Save as→输入文件名、路径→保存;二、数据分析:趋势图Plot X Y 意思是：同时画出Y和X的趋势图从X和Y的趋势图中可看出它们存在共同变动趋势;三、OLS参数估计与统计检验LS Y C XDependent Variable: YMethod: Least Squares Sample: 1978 2006C R-squaredMean dependent var Adjusted R-squared . dependent var . of regression Akaike info criterion Sum squared residSchwarz criterion Log likelihood F-statistic Durbin-Watson statProbF-statistic从OLS 估计的结果看,模型拟合较好：可决系数20.9880R =,截距项和斜率项的t 检验值均大于5%显着性水平下自由度为n-2=27的临界值0.025(27) 2.05t =;而且,斜率项符合经济理论中边际消费倾向在0与1之间的绝对收入假说;斜率项表明,在1978—2006年间,以1990年价计算的中国居民可支配总收入每增加1亿元,居民消费支出平均增加亿元;四、序列相关性检验 1.图示检验法①残差与时间t 的关系图趋势图 Plot resid②相邻两期残差之间的关系图 Scat resid-1 resid从两个关系图看出,随机误差项呈正序列相关性;.检验值为,表明在5%显着性水平下,n=29,k=2包括常数项,查表得1.34L d =, 1.48U d =,由于.= 1.34L d <=,故存在正序列相关;五、处理序列相关1.修正模型设定偏误剔除虚假序列相关首先面临的问题是,模型的序列相关是纯序列相关,还是由于模型设定有偏误而导致的虚假序列相关;从X 和Y 的趋势图中看到它们表现出共同的变动趋势,因此有理由怀疑较高的2R =部分地是由这一共同的变化趋势带来的;为了排除时间序列模型中这种随时间变动而具有的共同变化趋势的影响,一种解决方案是在模型中引入时间趋势项,将这种影响分离出来;由于本例中可支配收入X 与消费支出Y 均呈非线性变化态势,因此引入的时间变量TT=1,2,……,29以平方的形式出现,回归模型变化为：①编辑变量T data T在数据表中输入1-29; ②做如下的回归 Ls Y C X T^2Dependent Variable: Y Method: Least Squares Sample: 1978 2006 Included observations: 29C X T ^2R-squaredMean dependent var Adjusted R-squared . dependent var . of regression Akaike info criterionSum squared resid 6054792. Schwarz criterionLog likelihood F-statistic 得到如下的修正模型：可见,T 2的t 统计量显着;但是,修正的模型.值仍然较低,没有通过5%显着性水平下的.检验n=29,k=3时,27.1=L D ,56.1=U D ,因此该模型仍存在正序列相关性;补充：序列相关性的拉格朗日乘数检验LM检验在EViews软件中,如果在上面的OLS回归方程界面直接做残差序列的LM检验,那么得到的是如下结果,和书上P133结果不一致：原因：EViews在做LM检验时,为了不损失样本,把滞后残差序列的“前样本”缺失值设定为0Presample missing value lagged residuals set to zero.;这样,它的样本容量仍然是n,而不是n-p;回归结果和书上也有不同;解决办法：要使软件的LM检验结果和教材P133结果一致,办法是进行OLS估计之后,先把残差序列resid用genr生成另一序列e,再做辅助回归,即：genr e=resid先做含1阶滞后残差的辅助回归：ls e c x t^2 e-1Dependent Variable: EMethod: Least SquaresDate: 04/26/13 Time: 07:08Sample adjusted: 1979 2006Included observations: 28 after adjustmentsVariable Coefficient Std. Error t-Statistic Prob.CXT^2E-1R-squared Mean dependent varAdjusted R-squared . dependent var. of regression Akaike info criterionSum squared resid 2103016. Schwarz criterionLog likelihood Hannan-Quinn criter.F-statistic Durbin-Watson statProbF-statisticLM检验统计量必须自己算：LM=n-pR2=29-1=由于该值大于显着性水平为5%、自由度为1的2分布临界值84.31205.0=）（χ,由此判断原模型存在1阶序列相关;再做含2阶滞后残差的辅助回归： ls e c x t^2 e-1 e-2Dependent Variable: E Method: Least Squares Date: 04/26/13 Time: 07:32 Sample adjusted: 1980 2006Included observations: 27 after adjustmentsVariable Coefficient Std. Error t-Statistic Prob. C X T^2 E-1 E-2R-squaredMean dependent var Adjusted R-squared . dependent var . of regressionAkaike info criterion Sum squared resid 1806465. Schwarz criterion Log likelihood Hannan-Quinn criter. F-statistic Durbin-Watson statProbF-statisticLM 检验统计量必须自己算：LM=n-pR 2=29-2=由于该值大于显着性水平为5%、自由度为2的2分布临界值99.52205.0=）（χ,由此判断原模型存在序列相关;但2~-t e 的系数未通过5%的显着性检验,表明在5%的显着性水平下不存在2阶序列相关性;所以,结合前面含1阶、2阶滞后残差的辅助回归结果,可以判断在5%的显着性水平下仅存在1阶序列相关性;2.广义差分法处理序列相关①Ls Y C X T^2 AR1Dependent Variable: Y Method: Least Squares Sampleadjusted: 1979 2006Included observations: 28 after adjusting endpoints Variable CoefficientStd. Errort-StatisticProb.C X T^2 AR1R-squaredMean dependent var Adjusted R-squared . dependent var . of regression Akaike info criterionSum squared resid 2164144. Schwarz criterionLog likelihood F-statistic AR1前的参数值即为随机扰动项的1阶序列相关系数,在5%的显着性水平下显着;.= ,在5%显着性水平下,1.18.. 1.65L U d DWd =<<=样本容量为28,无法判断广义差分变换后模型是否已不存在序列相关;②继续引入AR2以下内容和教材P133-134的做法不同,但是我们必须掌握的基本做法Ls Y C X T ^2 AR1 AR2Dependent Variable: Y Method: Least Squares Sampleadjusted: 1980 2006Included observations: 27 after adjusting endpointsC X T^2 AR1 AR2R-squaredMean dependent var Adjusted R-squared. dependent var. of regression Akaike info criterionSum squared resid 1834086. Schwarz criterionLog likelihood F-statisticInverted AR Roots .53 .53+.32iAR2前的参数在10%的显着性水平下显着不为0；且.= ,接近于2,认为在10%显着性水平下,已不存在序列相关;但是,在5%的显着性水平下,则没必要引入AR2;注意：教材P133用LM检验的结果是,引入AR1 的回归方程在5%的显着性水平下已不存在序列相关性,因而不需要引入AR2;补充：下面是针对引入AR1的回归方程式的LM检验的命令操作和检验结果：首先,采用上面得到的1阶自回归系数1也即AR1的系数,做如下的1阶广义差分变量的OLS回归注：与式等价：Ls y-1 c x-1 t^t-1^2Dependent Variable: Y-1Method: Least SquaresDate: 06/02/13 Time: 11:07Sample adjusted: 1979 2006Included observations: 28 after adjustmentsVariable Coefficient Std. Error t-Statistic Prob.CX-1T^T-1^2R-squared M ean dependent varAdjusted R-squared . dependent var. of regression A kaike info criterionSum squared resid 2164144. S chwarz criterionLog likelihood H annan-Quinn criter.F-statistic D urbin-Watson statProbF-statistic然后,将上述1阶广义差分方程的残差序列resid 记为e ：genr e=resid 最后,做如下的辅助回归：ls e c x-1 t^t-1^2 e-1Dependent Variable: E Method: Least Squares Date: 06/02/13 Time: 11:16 Sample adjusted: 1980 2006Included observations: 27 after adjustmentsVariable CoefficientStd. Errort-StatisticProb.C X-1 T^T-1^2 E-1R-squaredM ean dependent var Adjusted R-squared . dependent var . of regression A kaike info criterionSum squared resid 1965048. S chwarz criterionLog likelihood H annan-Quinn criter. F-statistic D urbin-Watson statProbF-statistic于是,LM 检验统计量：LM=27=;查表,当显着性水平为5%时,自由度为1的2的临界值）（1205.0χ为;上述LM ＜）（1205.0χ,表明模型的随机误差项已不存在序列相关;。
《计量经济学》实验指导1.
实验步骤3：建立序列对象（新建）
（1）点击主界面下拉菜单object－new object，打开new object对话框。在 types of object下选择序列series，然后 在右边命名框，将其命名为consp。点击 OK，完成对consp序列对象的建立。 （2）重复上述步骤，建立gdpp序列对象。 （3）完成对象序列建立
9/14/2017 10
实件创建框
工作文件界面
New object 对话框
9/14/2017
12
对象建立后的工作文件界面
序列对 象
9/14/2017
13
步骤2：熟悉Eviews的基本窗口
EVIEWS窗口由如下五个部分组成：标题栏、主菜单、 命令窗口、状态线、工作区，如下。
18
实验步骤5：数据统计与作图
以组形式打开序列consp和gdpp。 在组对象的菜单依次点击view-descriptive statscommon sample（或者individual sample，分别显 示结果），对序列数据进行描述性统计，包括均值、中 位数、最大值，最小值、方差、标准差、斜度、峰度、 Jarque-bera值以及正态性检验概率等（见后表）。 在组对象的菜单依次点击view-graph-scatterscatter with regression,默认拟合变换对话框的设置， 点击OK，得到consp和gdpp带拟合曲线的关系散点图
9/14/2017 5
实验内容安排
Eviews基本操作 简单线性回归模型实验 多元线性回归模型实验 异方差问题的解决实验 序列相关性问题的解决实验 多元共线性问题的解决实验
9/14/2017
计量经济学实验教程
计量经济学实验教程计量经济学实验是一种研究经济问题的方法，通过实验来检验经济理论的有效性和可靠性。
本篇文章将介绍如何设计和实施计量经济学实验。
一、实验设计1. 研究问题首先需要确定研究问题，例如：市场价格如何影响消费者购买行为？政策变化如何影响企业投资决策？确定研究问题后，需要制定假设并提出实验方案。
2. 实验方案实验方案包括实验对象、实验变量、实验设计等内容。
实验对象可以是个体、企业、市场等，实验变量可以是价格、政策、产品特征等。
实验设计包括实验组和对照组的设置、实验时间、实验场所等。
3. 样本选择样本选择是实验设计中非常重要的一环，需要根据实验对象和实验变量确定样本的大小和分布。
样本选择需要注意样本的代表性和随机性，以确保实验结果的可靠性和有效性。
二、实验实施1. 实验条件实验条件包括实验场所、实验设备、实验人员等。
实验场所需要符合实验要求，实验设备需要保证准确性和稳定性，实验人员需要具备专业知识和技能。
2. 实验过程实验过程需要按照实验方案进行，保证实验组和对照组的实验条件相同。
实验过程需要记录实验数据和实验结果，以便后续分析和研究。
3. 数据分析数据分析是实验的重要环节，需要使用计量经济学方法对实验数据进行分析和研究。
数据分析需要根据实验方案和假设，采用适当的统计方法进行分析和判断。
三、实验结果1. 实验结论实验结论需要根据数据分析得出，需要说明实验结果和假设是否一致，以及实验结果的可靠性和有效性。
实验结论需要用简洁明了的语言表述，以便于理解和应用。
2. 实验意义实验意义需要说明实验结果对经济理论和实践的意义和贡献。
实验意义需要从理论和实践两个方面进行说明，以便于对实验结果进行评价和应用。
总之，计量经济学实验是一种重要的研究经济问题的方法，需要根据实验设计和实验过程进行实施和分析。
实验结果需要用简洁明了的语言表述，以便于理解和应用。
计量经济学指导书
计量经济学指导书1. 引言计量经济学是一门研究经济学中的数据分析和经济理论的关系的学科。
它是经济学中的一支重要的分支，通过运用统计学和数学工具来量化经济理论上的假设和推论。
计量经济学的目的是通过实证研究来提供对经济现象的定量分析和解释。
2. 计量经济学的基本原理计量经济学的基本原理可以总结为以下几点：2.1 经济理论的建模在进行计量经济学分析时，首先需要进行经济理论的建模。
经济理论的建模是指将现实世界中的经济问题抽象为数学模型，并对模型中的变量和关系进行定义和描述。
经济理论的建模可以帮助研究者对经济现象进行深入的思考和分析。
2.2 数据的收集和整理收集和整理数据是进行计量经济学分析的基础。
在收集数据时，需要注意数据的源头和可靠性。
在数据整理过程中，通常需要对数据进行清洗、转换和归类等操作，以便于后续的分析和建模工作。
2.3 统计分析方法的应用统计分析方法是计量经济学的核心工具。
通过运用统计学中的回归分析、方差分析、时间序列分析等方法，可以对数据进行建模和估计，并从中得到有关经济现象的定量结果。
统计分析方法的应用需要结合经济理论和实证数据，以确保分析结果的合理性和可靠性。
2.4 经济政策的评估计量经济学可以用于评估经济政策的效果。
通过实证分析，可以对不同的经济政策进行评估和比较，以确定其对经济发展、社会福利和资源配置等方面的影响。
经济政策的评估可以提供决策者参考和制定更有效的政策措施。
3. 计量经济学的常用方法计量经济学中有许多常用的方法和技术，下面介绍其中几种常见的方法：3.1 回归分析回归分析是计量经济学中最基本的方法之一。
它用来研究两个或多个变量之间的统计关系，并通过建立数学模型来解释变量之间的因果关系。
回归分析可以用于预测和解释变量之间的关系，并对影响因素进行定量评估。
3.2 时间序列分析时间序列分析是对随时间变化的数据进行建模和分析的方法。
它可以用来研究经济数据随时间的演变趋势、周期性和趋势性等特征。
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ﻬ目录实验一一元线性回归ﻩ错误!未定义书签。
一实验目得..................................... 错误!未定义书签。
二实验要求.................................... 错误!未定义书签。
三实验原理ﻩ错误!未定义书签。
四预备知识ﻩ错误!未定义书签。
五实验内容ﻩ错误!未定义书签。
六实验步骤..................................... 错误!未定义书签。
1、建立工作文件并录入数据................... 错误!未定义书签。
2、数据得描述性统计与图形统计: .............. 错误!未定义书签。
3、设定模型，用最小二乘法估计参数：ﻩ错误!未定义书签。
４、模型检验: ............................... 错误!未定义书签。
5、应用：回归预测：ﻩ错误!未定义书签。
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............................... 错误!未定义书签。
一实验目得：ﻩ错误!未定义书签。
二实验要求..................................... 错误!未定义书签。
三实验原理..................................... 错误!未定义书签。
四预备知识.................................... 错误!未定义书签。
五实验内容ﻩ错误!未定义书签。
六实验步骤ﻩ错误!未定义书签。
实验三多元线性回归...................... 错误!未定义书签。
一实验目得..................................... 错误!未定义书签。
三实验原理ﻩ错误!未定义书签。
四预备知识.................................... 错误!未定义书签。
《计量经济学》实验指导书
XX实验指导书《计量经济学》编写人：XX实验一 EViews软件的基本操作【实验目的】通过上机试验，了解EViews软件特点、工作窗口的组成、充分掌握EViews软件的基本操作、熟悉数据处理、统计分析（图形分析）【实验内容】EViews是专门用于从事数据分析、回归分析和预测的工具，使用EViews可以迅速从数据中找出统计关系，并用得到的关系去预测数据的未来值。
最小二乘估计是估计变量间线形关系中相互作用与影响的有效方法，在数据分析中有很重要的作用。
本次试验内容包括：进行EViews的一些基本操作来熟悉这个软件。
实验内容以表1-1所列出的税收收入和国内生产总值的统计资料为例进行操作。
表1-1 我国税收与GDP统计资料单位：亿元资料来源：《中国统计年鉴1999》【实验步骤】一、数据的输入、编辑与序列生成㈠创建工作文件⒈菜单方式启动EViews软件之后，进入EViews主窗口。
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，由用户选择数据的时间频率（frequency）、起始期和终止期。
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。
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）。
⒉命令方式在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。
命令格式为：CREATE 时间频率类型起始期终止期则以上菜单方式过程可写为：CREATE A 1985 1998㈡输入Y、X的数据⒈DATA命令方式在EViews软件的命令窗口键入DATA命令，命令格式为：DATA <序列名1> <序列名2>…<序列名n>本例中可在命令窗口键入如下命令：DATA Y X将显示一个数组窗口，此时可以按全屏幕编辑方式输入每个变量的统计资料。
计量经济学课程实验指导书(二)
实验四多重共线性【实验目的】掌握多重共线性的检验及处理方法【实验内容】根据表6－1的数据，建立子鸡消费的回归模型表6－1 子鸡消费数据【实验步骤】一、输入数据在Eviews命令行中输入create a 1960 1982data q I p p2 p3 ap然后输入表6－1中的数据，或将表中数据拷入。
其中q子鸡消费量，I表示收入，p表示子鸡价格，p2表示猪肉价格，p3表示牛肉价格，ap表示猪肉和牛肉的综合价格。
二、建立回归模型根据经济理论可知，子鸡消费量依赖于收入，子鸡价格和替代品的价格，所以首先考虑子鸡消费对收入、子鸡价格、猪肉价格和牛肉价格的回归。
输入命令ls q c I p p2 p3回归结果如下Dependent Variable: QVariable Coefficient Std. Error t-Statistic Prob.C 37.23398 3.717757 10.01517 0.0000I 0.005015 0.004893 1.024840 0.3190P -0.611156 0.162839 -3.753131 0.0015P2 0.198384 0.063719 3.113441 0.0060P3 0.069467 0.050989 1.362394 0.1899R-squared 0.942585 F-statistic 73.87690Adjusted R-squared 0.929826 Prob(F-statistic) 0.000000 回归结果中，所有变量的回归系数的符号都符合经济含义，但是收入和牛肉价格这两个变量的回归系数在统计上不显著。
回归方程高度显著。
三、侦察多重共线性回归结果方程高度显著，但有个别解释变量系数不显著，提示我们很可能存在多重共线性。
1．检查解释变量两两简单相关系数将变量I、p、p2和p3以数组方式打开，然后在菜单上选择View－Correlations－Common Sample，会出现相关系数矩阵（图6－1）。
计量经济学实验指导书_本科-20100315
图 2-1-19 需要注意的是，标准差的公式
简单描述统计量窗口
s
∧
=
1 N −1
∑(X
i =1
n
i
− X )2 。
图 2-1-20 统计检验表单
图 2-1-21
统计检验对话框
8
4.Eviews 进行描述统计检验 选择序列窗口 View 按钮下的 Tests of Equality 菜单项。这里主要是序列均值、中位 数和方差的简单假设检验。在序列窗口选择 View/Tests of Equality，就会出现序列简单 检验对话框。此选项提供了对均值（Mean） 、方差（Variance）和中位数（Median）3 个统 计量是否等于某个给定值的检验，如图 2-1-20 和图 2-1-21 所示。
图 2-1-1 Eviews 安装界面
1
图 2-1-2 Eviews 安装界面 二、建立工作文件和对象 1.建立工作文件。启动 Eviews 后，单击主菜单中的 File/New/Workfile，在弹出的窗 口中选择数据性质和起始、终止期，创建一个工作文档。文件的保存后缀为“WF1” 。具体操 作参考图 1-1-2 和图 1-1-3 及相关内容。 2.建立对象。在 Eviews 中，相关数据都保存的对象中，对象还包括视图（View）和处 理。具体操作参考第 1 部分 1.1.4 中的 Step3～Step5。
图 2-1-17
X 和 Y 的序列图
图 2-1-18 X 和 Y 的相关散点图
7
2.命令方式作图。利用 PLOT 命令绘制趋势图。如 Plot x y，绘制出两个序列的趋势图 （见图 2-1-17） ；利用 SCAT 命令绘制 X、Y 的相关图（见图 2-1-18） ； 3.在序列和数组窗口观察序列的描述统计量 选择 View 下的 Descriptive Stats 菜单项。该菜单项下的第二项是 Individual Samples，选择它将会生成序列的直方图和描述统计量。这些统计量包括均值（Mean） 、中位 数（Median） 、最大和最小值（Maximum and Minimum） 、标准差（Standard Deviation） 、偏 度 （Skewness） 、 峰度 （Kurtosis） 、 Jarque-Bera 统计量及概率 （Probability） ， 如图 2-1-19 所示。
计量经济学实验指导书正文
《计量经济学》课程实验指导书目录实验一计量经济学古典线性回归模型实验 (1)实验二计量经济学异方差模型实验 (12)实验三计量经济学自相关模型实验 (19)实验四计量经济学多重共线性模型实验 (24)实验五计量经济学虚拟变量模型和滞后变量模型实验 (30)实验六计量经济学单方程模型综合性实验 (38)实验七计量经济学联立方程模型综合性实验 (59)主要参考书1.潘省初著《计量经济学》：中国人民大学出版社，2002年，第1版。
2.袁建文编著《计量经济学实验》：科学出版社，2002年，第1版。
实验一、计量经济学古典线性回归模型实验一、实验目的与要求：使学生掌握古典线性回归模型的设定、估计、检验、预测方法以及至少掌握一种计量经济学软件的使用，提高学生应用计量经济学古典线性回归模型方法解决实际问题的实践动手能力。
要求学生能对简单的实际经济问题正确地选择古典线性回归模型的理论形式，能使用计量经济学软件包Eviews估计模型参数，能进行经济意义、拟合优度、参数显著性和方程显著性等检验，能进行模型经济意义分析以及预测因变量值。
二、实验内容与步骤：1.选择简单的实际经济问题学生从本实验指导书提供的参考选题中或从其它途径选择合适的实际经济问题。
2.古典线性回归模型的理论形式设定学生针对所选的实际经济问题，依据有关的经济理论设定恰当的古典线性回归模型的理论形式。
3.经济意义和统计检验学生应用计量经济学软件包Eviews对已设定的古典线性回归模型进行初步估计并进行经济意义和统计检验。
4.模型经济意义分析及预测因变量值三、实验例题：美国1980-1995年未偿付抵押贷款债务下表提供了以下数据，非农业未偿付抵押贷款(Y，亿美元)，个人收入(X2，亿美元)，新住宅抵押试建立美国非农业未偿付抵押贷款古典线性回归模型，若1997年个人收入为6543亿美元，新住宅抵押贷款费用为8%，试预测1997年未偿付抵押贷款额(亿美元)。
实验步骤及内容如下：1.古典线性回归模型的理论形式设定以非农业未偿付抵押贷款(Y)作为被解释变量，个人收入(X 2)及未偿付抵押贷款(X 3)作为解释变量。
计量经济学实验指导总结
obs 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007
图 22
从图 22 中可以看出残差在 0 的上下摆动， 可以对其进行正态性检验。 点击―resid‖ 序列，选择―View‖―Descriptive Statistics‖，―Histogram and State‖得到图 23，通过 正态性检验。
图 23 作业：利用中国统计年鉴 2011，建立我国税收收入、国内生产总值、财政支出、 商品零售价格指数的回归模型。
图 18
图 19
图 20
图 21 5.结果分析。从图 20 可以看出，回归方程为 LNY = 0.6078151931*LNL + 0.371887487*LNK + 1.171524819，并且通过了 F 检验和 t 检验，并且可决系数 为 0.9424，调整后的可决系数为 0.9377，表明建立的回归方程的统计性质是是 比较好的。点击命令栏中的 ―Resids‖得到图 21，可以看出实际值和拟合值是非 常的接近的。
图 13
图 14
图 15 4.生成新的序列。 有时为了研究的需要要在原有序列的基础上进行处理生产 新的序列。比如我们需要对序列―y‖―l‖―k‖取对数的步骤如下：在命令栏中点击 ―Genr‖得到如图 15 的对话框， 在空白部分输入―lny=log （y） ‖表示新建的序列 lny 是由原有序列 y 取对数得到的。点击―ok‖后，lny 序列被保存。相同的方法可建 立新序列 lnl 与 lnk，如图 17。
图 16
图 17 4.多元回归分析。利用序列―lny‖―lnl‖―lnk‖进行多元回归分析的方法有两种。按 住 control 键，依次选中三个序列，右键选择―open‖―as Equation‖如图 18 得到图 19。或者在窗口上方的命令栏中点击选择 ―Quick‖―Estimate Equation‖ 如图 19 得到图 20。在图 20 中输入 lny、lnc、lnl、lnk，中间用空格键隔开，点击―确定‖ 得到最终的回归分析结果，如图 21。
计量经济学实验指导书
计量经济学实验指导书《计量经济学》实验指导书⼭东经济学院统计与数学学院2006年11⽉6⽇⽬录实验⼀、⼀元线性回归模型 (3)实验⽬的实验内容简介实验步骤实验⼆、多元线性回归模型 (6)实验⽬的实验内容简介实验步骤实验三、异⽅差 (9)实验⽬的实验内容简介实验步骤实验四、⾃相关性 (14)实验⽬的实验内容简介实验步骤实验五、多重共线性 (18)实验⽬的实验内容简介实验步骤实验⼀、⼀元线性回归模型【实验⽬的】掌握⼀元线性回归模型的估计⽅法。
【实验内容】根据表1-1案例，建⽴⼀元回归模型。
表1－1 我国各地区2003年FDI和GDP的数据项⽬2003年FDI(万美元）2003GDP（亿元）项⽬2003年FDI(万美元）2003GDP（亿元）北京2191263663.10河南539037048.59天津1534732447.66湖北1568865401.71河北964057098.56湖南1018354638.73⼭西213612456.59⼴东78229413625.87内蒙88542150.41⼴西418562735.13辽宁2824106002.54海南42125670.93吉林190592522.62重庆260832250.56⿊龙江321804430.00四川412315456.32上海5468496250.81贵州45211356.11江苏105636512460.83云南83842465.29浙江4980559395.00陕西331902398.58安徽367203972.38⽢肃23421304.60福建2599035232.17青海2522390.21江西1612022830.46宁夏1743385.34⼭东60161712435.93新疆15341877.61【实验步骤】⼀、模型设定1．菜单⽅式建⽴⼀个新的⼯作⽂件，表1-1的数据分别命名为GDP和FDI。
建⽴⼀个数组，包含GDP和FDI两个序列。
计量经济学课程实验指导书
计量经济学实验指导书课程编号:课程名称：计量经济学学时学分：54学时，3学分开课对象：中央民族大学经济学院经济系、财政系、国际经济和国际贸易系、金融系的全体学生。
课程类型：专业必修课实验目的：结合案例，详细地介绍计量软件Eviews的操作，使学生熟悉Eviews的基本功能，初步具备应用Eviews构建计量经济模型来分析现实经济问题的能力。
实验指导书的具体内容：实验一EViews软件的基本操作【实验目的】了解EViews软件的基本功能，掌握软件的基本操作。
【实验内容】一、EViews软件的安装；二、数据的输入与编辑；三、图形分析与描述统计分析；四、数据文件的存贮、调用与转换。
实验内容中后三步以表1-1所列出的税收收入和国内生产总值的统计资料为例进行操作。
表1-1 我国FDI和GDP的统计资料资料来源：《中国统计年鉴2000》和《中国统计年鉴2005》。
【实验步骤】一、安装和启动EViews软件（一）Eviews简介EViews是Econometrics Views（计量经济学视窗）的缩写。
EViews是在TSP (Time Series Processor) 软件包基础上发展起来的新版本，主要用于处理时间序列数据。
EViews是Windows下专门从事数据分析、回归分析和预测的工具。
EViews是为专门为大型机开发的、主要用以处理时间序列数据的软件。
虽然EViews是经济学家开发的，而且主要用于经济学领域里，但是从软件包的设计来看，EViews的运用领域并不局限于处理经济时间序列。
EViews具有现代Windows软件可视化操作的优良性。
可以使用鼠标对标准的Windows 菜单和对话框进行操作。
操作结果出现在窗口中并能采用标准的Windows技术对操作结果进行处理。
此外，EViews还拥有强大的命令功能和批处理语言功能。
在EViews的命令行中输入、编辑和执行命令。
在程序文件中建立和存储命令，以便在后续的研究项目中使用这些程序。
计量经济学实验指导
计量经济学实验指导实验一多元线性回归模型【实验目的】通过本实验，了解Eviews软件，熟悉软件建立工作文件，文件窗口操作，数据输入与处理等基本操作。
掌握多元线性回归模型的估计方法，学会用Eiews 软件进行多元回归分析。
通过本实验使得学生能够根据所学知识，对实际经济问题进行分析，建立计量模型，利用Eiews软件进行数据分析，并能够对输出结果进行解释说明。
【实验内容及步骤】本实验选用美国金属行业主要的27家企业相关数据，如下表，其中被解释变量Y表示产出，解释变量L表示劳动力投入，K表示资本投入。
试建立三者之间的回归关系。
【实验内容及步骤】1.数据的输入STEP1：双击桌面上Eviews快捷图标，打开Eviews，如图1.图1STEP2：点击Eviews主画面顶部按钮file/new/Workfile ，如图2，弹出workfile create对话框如图3。
在frequency中选择integer data，在start date 和end date 中分别输入1和27，点击OK，出现图如4画面，Workfile 定义完毕。
在新建的workfile中已经存在两个objects，即c和residual。
c 是系数向量、residual是残差序列，当估计完一个模型后，该模型的系数、残差就分别保存在c和residual中。
图2图3图4STEP3：在workfile空白部分单击右键，选择New object，在Type of object 中选择Series，将该对象命名为Y,如图5.单击ok，得到图6。
图5图6STEP4：双击图6中的图标“y”，得到如下图7，是关于序列“y”的工作表。
点击表示命令栏中的“Edit+/-”即可进入数据输入状态，利用给定的数据逐步输入27个数值。
图7STEP5：重复上面的数据输入步骤，依次输入序列“L”和“K”.如下图8所示.图82数据描述(1).数据的查看方式。
Eviews可以有多种不同数据的查看方式，在数据输入时用的表格形式，即Spreadsheet。
计量经济学实践教学(3篇)
第1篇摘要：计量经济学作为一门应用性极强的学科，其实践教学对于培养学生的实际操作能力和理论应用能力具有重要意义。
本文以我国某高校计量经济学实践教学为例，从实践教学的目标、内容、方法和评价等方面进行探讨，旨在为提高计量经济学教学质量提供参考。
一、引言计量经济学是经济学、统计学和数学交叉的一门学科，其核心是运用数学模型和统计方法对经济现象进行定量分析和预测。
随着我国经济的快速发展，计量经济学在政策制定、企业决策和学术研究等领域发挥着越来越重要的作用。
然而，传统的计量经济学教学往往偏重理论讲解，忽视实践教学，导致学生难以将所学知识应用于实际。
因此，加强计量经济学实践教学，提高学生的实际操作能力，成为当前教学改革的重点。
二、实践教学的目标1. 培养学生的实际操作能力：通过实践教学，使学生掌握计量经济学软件的操作方法，提高数据分析能力。
2. 培养学生的理论应用能力：使学生能够将所学理论应用于实际经济问题，提高解决问题的能力。
3. 培养学生的科研能力：通过实践项目，培养学生的科研兴趣和创新能力。
4. 培养学生的团队合作能力：通过小组合作完成实践项目，提高学生的沟通协作能力。
三、实践教学的内容1. 计量经济学软件操作：讲解和练习Eviews、Stata等计量经济学软件的使用方法。
2. 数据分析：收集和处理实际经济数据，运用计量经济学方法进行数据分析。
3. 实践项目：结合实际经济问题，设计并完成实践项目。
4. 科研论文：撰写科研论文，提高学生的科研能力。
四、实践教学的方法1. 讲授法：教师讲解计量经济学理论、软件操作和数据分析方法。
2. 案例分析法：通过分析实际案例，使学生了解计量经济学在实际中的应用。
3. 实践操作法：指导学生进行计量经济学软件操作和数据收集处理。
4. 小组合作法：分组完成实践项目，培养学生的团队合作能力。
5. 指导与评价法：教师对学生的实践项目进行指导，并对学生进行评价。
五、实践教学的评价1. 课堂表现：评价学生在课堂上的参与度和积极性。
计量经济学实验操作指导完整
计量经济学试验(完整版)——子奈目录实验一一元线性回归4一实验目的4二实验要求4三实验原理4四预备知识4五实验容4六实验步骤51.建立工作文件并录入数据52.数据的描述性统计和图形统计：63.设定模型，用最小二乘法估计参数：74.模型检验：85.应用：回归预测：9实验二可化为线性的非线性回归模型估计、受约束回归检验及参数稳定性检验12一实验目的：12二实验要求12三实验原理12四预备知识12五实验容12六实验步骤13实验三多元线性回归15一实验目的15三实验原理15四预备知识15五实验容15六实验步骤156.1 建立工作文件并录入全部数据166.2 建立二元线性回归模型166.3 结果的分析与检验176.4 参数的置信区间176.5 回归预测186.6 置信区间的预测19实验四异方差性21一实验目的21二实验要求21三实验原理21四预备知识22五实验容22六实验步骤226.1 建立对象：226.2 用普通最小二乘法建立线性模型226.3 检验模型的异方差性236.4 异方差性的修正25实验五自相关性29一实验目地29二实验要求29三实验原理29四预备知识29五实验容29六实验步骤306.1 建立Workfile和对象306.2 参数估计、检验模型的自相关性306.3 使用广义最小二乘法估计模型346.4 采用差分形式作为新数据，估计模型并检验相关性36实验六多元线性回归和多重共线性38一实验目的38二实验要求38三实验原理38四预备知识38五实验容38六实验步骤396.1 建立工作文件并录入数据396.2 用OLS估计模型396.3 多重共线性模型的识别406.4 多重共线性模型的修正40实验七分布滞后模型与自回归模型及格兰杰因果关系检验43一实验目的43二实验要求44三实验原理44四预备知识44五实验容44六实验步骤446.1 建立工作文件并录入数据446.2 使用4期滞后2次多项式估计模型456.3 格兰杰因果关系检验48实验八联立方程计量经济学模型51一实验目的51二实验要求51三实验原理51四预备知识51五实验容51六实验步骤526.1 分析联立方程模型。
计量经济学实验操作指导完整李子奈
计量经济学试验 (完整版)——李子奈目录实验一一元线性回归 (4)一实验目的 (4)二实验要求 (4)三实验原理 (4)四预备知识 (4)五实验内容 (4)六实验步骤 (4)1.建立工作文件并录入数据 (4)2.数据的描述性统计和图形统计： (6)3.设定模型，用最小二乘法估计参数： (6)4.模型检验： (7)5.应用：回归预测： (7)实验二可化为线性的非线性回归模型估计、受约束回归检验及参数稳定性检验9一实验目的： (9)二实验要求 (10)三实验原理 (10)四预备知识 (10)五实验内容 (10)六实验步骤 (10)实验三多元线性回归 (11)一实验目的 (11)三实验原理 (11)四预备知识 (11)五实验内容 (11)六实验步骤 (12)6.1 建立工作文件并录入全部数据 (12)6.2 建立二元线性回归模型 (12)6.3 结果的分析与检验 (12)6.4 参数的置信区间 (12)6.5 回归预测 (13)6.6 置信区间的预测 (13)实验四异方差性 (14)一实验目的 (14)二实验要求 (14)三实验原理 (14)四预备知识 (14)五实验内容 (14)六实验步骤 (14)6.1 建立对象： (14)6.2 用普通最小二乘法建立线性模型 (14)6.3 检验模型的异方差性 (14)6.4 异方差性的修正 (15)实验五自相关性 (16)一实验目地 (16)二实验要求 (16)三实验原理 (16)四预备知识 (16)五实验内容 (16)六实验步骤 (17)6.1 建立Workfile和对象 (17)6.2 参数估计、检验模型的自相关性 (17)6.3 使用广义最小二乘法估计模型 (18)6.4 采用差分形式作为新数据，估计模型并检验相关性 (19)实验六多元线性回归和多重共线性 (20)一实验目的 (20)二实验要求 (20)三实验原理 (20)四预备知识 (20)五实验内容 (20)六实验步骤 (20)6.1 建立工作文件并录入数据 (20)6.2 用OLS估计模型 (20)6.3 多重共线性模型的识别 (20)6.4 多重共线性模型的修正 (21)实验七分布滞后模型与自回归模型及格兰杰因果关系检验 (21)一实验目的 (21)二实验要求 (21)三实验原理 (21)四预备知识 (21)五实验内容 (21)六实验步骤 (22)6.1 建立工作文件并录入数据 (22)6.2 使用4期滞后2次多项式估计模型 (22)6.3 格兰杰因果关系检验 (23)实验八联立方程计量经济学模型 (24)一实验目的 (24)二实验要求 (25)三实验原理 (25)四预备知识 (25)五实验内容 (25)六实验步骤 (25)6.1 分析联立方程模型。
- 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)。
图 18
图 19
图 20
图 21 5.结果分析。从图 20 可以看出，回归方程为 LNY = 0.6078151931*LNL + 0.371887487*LNK + 1.171524819，并且通过了 F 检验和 t 检验，并且可决系数 为 0.9424，调整后的可决系数为 0.9377，表明建立的回归方程的统计性质是是 比较好的。点击命令栏中的 ―Resids‖得到图 21，可以看出实际值和拟合值是非 常的接近的。
图 11
图 12 3.多个序列的走势图。有些时候为了方便找出多个变量之间的关系，需要观 察多个变量的走势，Eviews 处理这个问题的方法也很简单。在 workfile 中按住 control 键依次选中―y‖―l‖―k‖，单击右键，选择―open‖―as group‖如图 13，得到图
14。此时 3 个序列被显示在一张表格中。单击图 13 中的―View‖―Graph‖―Line‖得 到图 15。
图2
图3
图4 STEP3：在 workfile 空白部分单击右键，选择 New object，在 Type of object 中选择 Series，将该对象命名为 Y,如图 5.单击 ok，得到图 6。
图5
图6 STEP4：双击图 6 中的图标―y‖，得到如下图 7，是关于序列―y‖的工作表。 点击表示命令栏中的―Edit+/-‖即可进入数据输入状态， 利用给定的数据逐步输入 27 个数值。
Y消费性支出 8493.49 6121.04 4348.47 3941.87 3927.75 4356.06 4020.87 3824.44 8868.19 5323.18 X可支配支出 10349.69 8140.5 5661.16 4724.11 5129.05 5357.79 4810 4912.88 11718.01 6800.23 Y消费性支出 7020.22 5022 3830.71 4644.5 5218.79 8016.91 4276.67 4126.47 4185.73 4422.93 X可支配支出 9279.16 6489.97 4766.26 5524.54 6218.73 9761.57 5124.24 4916.25 5169.96 5644.86
【实验内容及步骤】
下表是我国 1980-2007 年社会固定资产总额 X 和工业增加值的统计结果， 如果采用对数形式的模型： ln y 0 1 X ，试对该模型进行序列相关的检 验，若存在序列相关的问题，请采用相关方法处理。
obs 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993
方差的假设，表明模型存在异方差。 (4)怀特检验。 在对原模型进行 OLS 估计后的窗口中， 选择―View‖―Residual Tests‖ ―White Hetero…‖，如图 7，得到如图 8 的检验结果。
图7
图8 从图 8 中可以看出 nR2 统计量的伴随概率为 0.001789， 即在 5%的显著性水平下， 原模型存在异方差。 (5)异方差的修正。首先用 log(e2)关于 x 的 OLS 回归，如下图 9
图 22
从图 22 中可以看出残差在 0 的上下摆动， 可以对其进行正态性检验。 点击―resid‖ 序列，选择―View‖―Descriptive Statistics‖，―Histogram and State‖得到图 23，通过 正态性检验。
图 23 作业：利用中国统计年鉴 2011，建立我国税收收入、国内生产总值、财政支出、 商品零售价格指数的回归模型。
图 11
图 12
图 13 可以看出与不加权的最小二乘小比较，加权的最小二乘估计使得参数估计值 有所下降，但是标准差却增大了。表明最小二乘低估了 x 对应参数的标准差。 可以验证加权最小二乘估计的模型已经不存在异方差， 怀特检验的结果如图 14。
图 14 注：在实际建立模型时候，可以对原有的序列取对数，这种方法有时可以消除 异方差或者有效降低异方差。
图 10 的线性图。
图9
图 10 (2).数据的统计性质。双击―y‖，得到 Spreadsheet 形式，点击表格命令栏中 的―view‖，选择―Descriptive Statistics‖、―Histogram and State‖，如图 11，得到图
12，其中给出了序列―y‖的均值、方差等统计量以及用以判断该序列是否服从正 态分布的 JB 概率等。
【实验内容及步骤】
1.数据的输入
STEP1：双击桌面上 Eviews 快捷图标，打开 Eviews，如图 1.
图1 STEP2： 点击 Eviews 主画面顶部按钮 file/new/Workfile ， 如图 2， 弹出 workfile create 对话框如图 3。 在 frequency 中选择 integer data， 在 start date 和 end date 中 分别输入 1 和 27，点击 OK，出现图如 4 画面，Workfile 定义完毕。在新建的 workfile 中已经存在两个 objects，即 c 和 residual。c 是系数向量、residual 是残 差序列，当估计完一个模型后，该模型的系数、残差就分别保存在 c 和 residual 中。
图7 STEP5：重复上面的数据输入步骤，依次输入序列―L‖和―K‖.如下图 8 所示.
图8 2 数据描述 (1). 数据的查看方式。Eviews 可以有多种不同数据的查看方式，在数据 输入时用的表格形式，即 Spreadsheet。双击―y‖，得到 Spreadsheet 形式，点击表 格命令栏中的 view，选择 Graph 可以用图的形式显示数据。如选择 Line，得到
图2
图3
图4 (3)G-Q 检验首先对序列―x‖进行排序，然后选择前 8 个样本进行最小二乘回归， 结果如下图 5，选择后 8 个样本回归的结果如图 6。
图5
图6 由图 5 和图 6 知道两组样本的残差平方和即 SSR 分别是 126528.3、615472.0。 构造 F 统计量 F
SSR2 / (8 1 1) 又因为 F0.05 (6, 6) 4.28 ， 于是拒绝无异 4.86 ， SSR1 / (8 1 1)
obs 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007
图9 结果显示，变量的线性关系在 5%的显著性水平下成立。可生成权序列
w 1
exp(6.8251 0.00046 x)
。
具体的方法为点击―genr‖在对话框中输入 w=1/@sqrt(exp(6.8251+0.00046)) 如下 图 10。点击―ok‖即可生成序列―w‖
图 10 下面用加权最小二乘法进行估计。首先选中序列 ―x‖―y‖ ，右键选择 ―open‖―as equation‖，在出现的对话框中输入―y c x‖，如图 11。然后选择―option‖，选中 ―Weighted LS/TSLS‖，输入―w‖，如图 12。点击―确定‖，得到加权最小二乘的估 计表达式，如图 13。
图 16
图 17 4.多元回归分析。利用序列―lny‖―lnl‖―lnk‖进行多元回归分析的方法有两种。按 住 control 键，依次选中三个序列，右键选择―open‖―as Equation‖如图 18 得到图 19。或者在窗口上方的命令栏中点击选择 ―Quick‖―Estimate Equation‖ 如图 19 得到图 20。在图 20 中输入 lny、lnc、lnl、lnk，中间用空格键隔开，点击―确定‖ 得到最终的回归分析结果，如图 21。
Y 1996.5 2048.4 2162.3 2375.6 2789 3448.7 3967 4585.8 5777.2 6484 6858 8087.1 10284.5 1430.1 1832.9 2543.2 3120.6 3791.7 4753.8 4410.4 4517 5594.5 8080.1 13072.3
课堂练习
据相关数据以税收收入为被解释变量， 国民生产总值和财政支出及商品零售 价格指数为解释变量建立我国税收收入的多元模型。
实验二
【实验目的】
异方差的检验与处理
了解异方差的概念及产生的原因，学会异方差的检验方法(图示法、帕克检 验法、格里瑟检验法、GQ 检验法等)和修正的方法-加权最小二乘法。
【实验内容及步骤】
图 13
图 14
图 15 4.生成新的序列。 有时为了研究的需要要在原有序列的基础上进行处理生产 新的序列。比如我们需要对序列―y‖―l‖―k‖取对数的步骤如下：在命令栏中点击 ―Genr‖得到如图 15 的对话框， 在空白部分输入―lny=log （y） ‖表示新建的序列 lny 是由原有序列 y 取对数得到的。点击―ok‖后，lny 序列被保存。相同的方法可建 立新序列 lnl 与 lnk，如图 17。
计 量 经 济 学 实 验 指 导
实验一
【实验目的】
多元线性回归模型
通过本实验，了解 Eviews 软件，熟悉软件建立工作文件，文件窗口操作， 数据输入与处理等基本操作。掌握多元线性回归模型的估计方法，学会用 Eiews 软件进行多元回归分析。通过本实验使得学生能够根据所学知识，对实际经济 问题进行分析，建立计量模型，利用 Eiews 软件进行数据分析，并能够对输出 结果进行解释说明。
课堂练习
选择某省份，查找该省城镇居民家庭人均消费和收入的相关数据，建立回 归模型后在进行异方差的检验与处理。
实验三 序列相关的检验与处理
【实验目的】
在理解自相关的基本概念及其导致的后果的基础上，掌握诊断自相关 存在的方法和修正自相关的方法。能够熟练使用 Eviews 对实际经济问题独立进 行自相关的诊断与处理。