计量经济学实验报告
计量经济学回归模型实验报告（大全）
计量经济学回归模型实验报告（大全）第一篇：计量经济学回归模型实验报告（大全）回归模型分析报告背景意义：教育是立国之本，强国之基。
随着改革开放的进行、经济的快速发展和人们生活水平的逐步提高，“教育”越来越受到人们的重视。
一方面，人均国内生产总值的增加与教育经费收入的增加有着某种联系，而人口的增长也必定会对教育经费收入产生影响。
本报告将从这两个方面进行分析。
我国1991 年~2013 年的教育经费收入、人均国内生产总值指数、年末城镇人口数的统计资料如下表所示。
试建立教育经费收入Y 关于人均国内生产总值指数 X 1 和年末城镇人口数 X 2的回归模型，并进行回归分析。
年份教育经费收入Y（亿元）人均国内生产总值指数X 1(1978 年=100)年末城镇人口数X 2（万人）1991 731.50282 256.67 31203 1992 867.04905 289.72 32175 1993 1059.93744 326.32 33173 1994 1488.78126 364.91 34169 1995 1877.95011 400.6 35174 1996 2262.33935 435.76 37304 1997 2531.73257 471.13 39449 1998 2949.05918 503.25 41608 1999 3349.04164 536.94 437482000 3849.08058 577.64 45906 2001 4637.66262 621.09 48064 2002 5480.02776 672.99 50212 2003 6208.2653 735.84 52376 2004 7242.59892 805.2 54283 2005 8418.83905 891.31 56212 2006 9815.30865 998.79 58288 2007 12148.0663 1134.67 60633 2008 14500.73742 1237.48 62403 2009 16502.7065 1345.07 64512 2010 19561.84707 1480.87 66978 201123869.29356 1613.61 69079 2012 28655.30519 1730.18 71182 2013 30364.71815 1853.97 73111 资料来源：中经网统计数据库。
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。
计量经济学实验报告及心得体会
3.对导入的数据进行分析：quick—estimated equation,输入“Y空格C空格X”，单击“ok”，即可得到所需要的结果。
Std. Error
t-Statistic
Prob.
C
633.5543
495.1754
1.279454
0.2109
X
0.674007
0.041296
16.32155
0.0000
R-squared
0.901826
Mean dependent var
8401.467
Adjusted R-squared
0.898440
F-statistic
266.3928
Durbin-Watson stat
1.931058
Prob(F-statistic)
0.000000
根据以上回归分析可得出如下回归分析结果:
(1.279454)(16.32155)
R=0.901826F= 266.3928 D.W= 1.931058
其中括号内的数为相应参数t的检验值，R是可决系数，F和D.W是有关的两个检验统计量
Std. Error
t-Statistic
Prob.
C
-10.61120
86.06334
-0.123295
0.9027
GDP
0.071041
计量经济学实验报告1(共6篇)
篇一：计量经济学实验报告 (1)计量经济学实验基于eviews的中国能源消费影响因素分析学院：班级：学号：姓名：基于e views的中国能源消费影响因素分析一、背景资料能源消费是指生产和生活所消耗的能源。
能源消费按人平均的占有量是衡量一个国家经济发展和人民生活水平的重要标志。
能源是支持经济增长的重要物质基础和生产要素。
能源消费量的不断增长，是现代化建设的重要条件。
我国能源工业的迅速发展和改革开放政策的实施，促使能源产品特别是石油作为一种国际性的特殊商品进入世界能源市场。
随着国民经济的发展和人口的增长，我国能源的供需矛盾日益紧张。
同时，煤炭、石油等常规能源的大量使用和核能的发展，又会造成环境的污染和生态平衡的破坏。
可以看出，它不仅是一个重大的技术、经济问题，而且以成为一个严重的政治问题。
在20世纪的最后二十年里，中国国内生产总值（gdp）翻了两番，但是能源消费仅翻了一番，平均的能源消费弹性仅为0.5左右。
然而自2002年进入新一轮的高速增长周期后，中国能源强度却不断上升，经济发展开始频频受到能源瓶颈问题的困扰。
鉴于此，研究能源问题不仅具有必要性和紧迫性，更具有很大的现实意义。
由于我国目前面临的所谓“能源危机”，主要是由于需求过大引起的，而我国作为世界上最大的发展中国家，人口众多，所需能源不可能完全依赖进口，所以，研究能源的需求显得更加重要。
二、影响因素设定根据西方经济学消费需求理论可知，影响消费需求的因素有：商品的价格、消费者收入水平、相关商品的价格、商品供给、消费者偏好以及消费者对商品价格的预期等。
对于相关商品价格的替代效应，我们认为其只存在能源品种内部之间，而消费者偏好及消费者对商品价格的预期数据差别较大，不容易进行搜集整理在此暂不涉及。
另外，发展经济学认为，来自知识、人力资本的积累水平所体现的技术进步不仅可以带动劳动产出的增长，而且会通过外部效应可以提高劳动力、自然资源、物质资本与生产要素的生产效率，消除其中收益递减的内在联系，带来递增的规模收益。
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。
计量经济学综合实验报告74p
【实验总结】本次试验，我们主要是根据数据，利用Eviews软件进行分析，如果两变量基本符合线性关系就可建立一元线性计量模型，用普通最小二乘法进行模型求解，再对求解出的模型进行经济意义检验，拟合优度检验和t检验。
从可决系数R2的大小可以判断模型的拟合效果，可决系数越大拟合程度越高。还可以把城市与农村的消费总体回归模型进行比较，都可发现收入提高消费也随之增加，只不过城市与农村居民的收入增加的部分用于消费的比例不同，城市的该比例小于农村的。
（2058.070)（0.117317）
t=（1.705711）（4.273477）
R2=0.533019 F=18.26260 n=18
6、对ce为被解释变量，di为解释变量模型输出结果进行经济理论检验，拟合优度检验和t检验。
（1）经济意义检验：所估计参数β1=3510.472，β2=0.501352，说明可支配收入增加1元，平均说来可导致城市居民消费支出增加0.501352元。
6、用加权最小二乘法消除异方差性。
【实验数据】
1、附表5，2011年河南省18个省辖市城市居民消费支出CE与可支配收入DI数据。
2、附表5，2011年河南省18个省辖市农村居民生活消费支出LE与纯收入NI数据。
【实验步骤】
城市居民：
1、用Eviews创建变量CE、DI，输入样本数据，、打开Eviews工作文件，建立新的文件夹，在命令框中输入“data ce di”回车 ，从数据表中粘贴数据到Eviews数据表中即可。
2、设定一元线性回归模型的具体形式，预计回归系数的符号；
3、用普通最小二乘法求解模型；
4、对模型的解进行经济理论检验和统计检验；
5、对模型进行结构分析；
6、用模型进行预测分析。
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(范例)
在“Objects”菜单中点击“New Objects”，在“New Objects”对话框中选“Group”，并在“Name for Objects”上定义文件名，点击“OK”出现数据编辑窗口。
1．学会OLS方法的估计过程
2．掌握了模型的估计和检验方法
3．深入了解了消费函数的计量结果，扩大了思路。
一、研究目的和意义
我们研究的对象是各地区居民消费的差异。居民消费可分为城市居民消费和农村居民消费，由于各地区的城市与农村人口比例及经济结构有较大差异，最具有直接对比可比性的是城市居民消费。而且，由于各地区人口和经济总量不同，只能用“城市居民每人每年的平均消费支出”来比较，而这正是可从统计年鉴中获得数据的变量。所以模型的被解释变量Y选定为“城市居民每人每年的平均消费支出”。
若要将工作文件存盘，点击窗口上方“Save”，在“SaveAs”对话框中给定路径和文件名，再点击“ok”，文件即被保存。
2、输入数据
在数据编辑窗口中，首先按上行键“↑”，这时对应的“obs”字样的空格会自动上跳，在对应列的第二个“obs”有边框的空格键入变量名，如“Y”，再按下行键“↓”，对因变量名下的列出现“NA”字样，即可依顺序输入响应的数据。其他变量的数据也可用类似方法输入。
Annual (年度) Weekly (周数据)
Quartrly (季度) Daily (5 day week ) (每周5天日数据)
Semi Annual (半年) Daily (7 day week ) (每周7天日数据)
计量经济学实验一
2017—2018第二学期计量经济学实验报告实验（一）：一元回归模型实验学号：姓名：专业：经济学类选课班级： A01 实验日期：2018/05/07 实验地点： 05021、家庭消费支出（Y ）、可支配收入（2X ）、个人个财富（2X ）设定模型如下：i i i i X X Y μβββ+++=22110 回归分析结果为：LS // Dependent Variable is Y Date: 18/4/02 Time: 15:18 Sample: 1 10Included observations: 10Variable Coefficient Std. Error T-Statistic Prob. C 24.40706.9973 ___3.4881_____ 0.01012X - 0.3401 0.4785 ___-_0.7108____ 0.5002 2X 0.0823 0.0458 1.7969 0.1152 R-squared ___0.9615_____ Mean dependent var111.1256Adjusted R-squared0.9504S.D. dependent var 31.4289S.E. of regression ___6.5436____ Akaike info criterion4.1338Sum squared resid 342.5486 Schwartz criterion 4.2246 Log likelihood- 31.8585 F-statistic 87.3339Durbin-Watson stat2.4382Prob(F-statistic)0.0001补齐表中划线部分的数据（保留四位小数）；并写出回归分析报告。
2、根据有关资料完成下列问题： LS // Dependent Variable is Y Date: 11/12/02 Time: 10:18 Sample: 1978 1997 Included observations: 20Variable Coefficient Std. Error T-Statistic Prob. C 858.310867.12015 _____12.7877___0.0000X 0.100031 _____0.0022___ 46.04788 0.0000R-squared __0.9916__ Mean dependent var 3081.157Adjusted R-squared0.991115 S.D. dependent var 2212.591S.E. of regression __202.9982_ Akaike info criterion10.77510Sum squared resid 782956.8 Schwartz criterion 10.87467 Log likelihood- 134.1298F-statistic ___21230.46934_____Durbin-Watson stat 0.859457 Prob(F-statistic) 0.000000（其中：X —国民生产总值；Y —财政收入）（1） 补齐表中的数据（保留四位小数），并写出回归分析报告；（2）解释模型中回归系数估计值的经济含义；答：C=858.3108表示当国民生产总值等于0时，财政收入等于858.3108。
计量经济学试验报告
计量经济学试验报告实验报告实验1：单方程线性计量经济学模型的最小二乘估计和统计检验1实验目的掌握计量经济学专用软件（Eviews）使用方法，理解和正确解释输出结果。
在学习计量经济学的基本理论和方法的基础上，掌握建立计量经济模型对实际经济问题进行实证分析的方法。
运用Eviews软件完成对线形回归模型的最小二乘估计、统计检验、计量经济学检验以及进一步进行经济结构分析、经济预测和政策评价，培养发现问题、分析问题、解决问题的能力。
2实验软件Eviews5.03实验数据甲商品从1988―2021年的销售量Y/千个，价格X1 /（元/个），售后服务支出X2 /万元年份 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2021 2021 2021Y 121 133 130 126 131 147 148 159 160 156 155 157 179 189 180 183 202 200X1 1500 1490 1480 1470 1460 1450 1440 1430 1420 1410 1400 1390 1380 1370 1360 1350 1340 1330 X2 12 15 13 10 11 14 13 15 13 12 11 10 15 15 13 12 14 12 12021 2021 2021 2021201 203 258 234 1320 1310 1300 1290 11 10 15 12 4实验内容及其步骤实验内容：研究甲商品1988―2021年价格和售后服务支出对销售量的影响。
其中，销售量Y、价格X1、售后服务支出X2的数据如上所示。
建立多元线性计量经济学回归模型为：Yi = β0 + β1X1i + β2X2i + μi实验步骤：1、建立工作文件：双击Eviews，进入Eviews主界面在主菜单上依次点击File → New → Workfile,出现Workfile对话框，在workfile frequency中选择Annual,在Start里输入起始日期1988，在End里输入结束日期2021。
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完成
一、实验一: Eviews入门二、实验目的: 熟悉Eviews基本操作三、实验内容1.对数据序列做散点图, 时间序列图2.对组对象的建立和作图3.利用已有序列生成新序列4.对数据序列做描述统计分析三、实验过程记录1.数据散点图2.对组对象的建立和作图obs Y X1981 585.0000 636.82001982 576.0000 659.25001983 615.0000 685.92001984 726.0000 834.15001985 992.0000 1075.2601986 1170.000 1293.2401987 1282.000 1437.0901988 1648.000 1723.440 1989 1812.000 1975.640 1990 1936.000 2181.650 1991 2167.000 2485.460 1992 2509.000 3008.970 1993 3530.000 4277.380 1994 4669.000 5868.480 1995 5868.000 7171.910 1996 6763.000 8158.740 1997 6820.000 8438.890 1998 6866.000 8773.1003.利用已有序列生成新序列Modified: 1981 1998 // y2=y^21981 342225 1990 37480961982 331776 1991 46958891983 378225 1992 62950811984 527076 1993 124609001985 984064 1994 217995611986 136**** **** 344334241987 1643524 1996 457381691988 2715904 1997 465124001989 3283344 1998 47141956 4. 对数据序列做描述分析XMean 3371.411Median 2078.645Maximum 8773.100Minimum 636.8200Std.Dev.2951.449Skewness 0.834886Kurtosis 2.102850Jarque-Bera 2.694765Probability 0.259920Sum 60685.39Sum Sq.Dev.1.48E+08Observations 18四、实验体会 Ⅰ、感悟1. 实验过程开始比较难但是随着实验一步一步的进行和练度的上升感觉越来越简单, 速度也越来越快 2. 经过实验一的基本操作使得后续实验更加容易 3. 最开始一定要掌握基础操作否则实验无法继续Ⅱ、建议1． 基础操作讲解应该更详细, 而且正式, 不要太快, 否则很多同学都学不会后续实验无法继续进行 2． 实验指导可不可以加入视频教程一、 实验二: 线性回归模型的参数估计、假设检验及点预测 二、 实验目的: 全过程体验Economictrics 中线性回归模型的估计方法 三、 实验内容（a ）1. 研究的问题: 居民可支配收入X 与年均消费性支出Y 之间的关系2. 数学模型设定i X Y μββ++=103. 散点观察Y Mean 2807.444 Median 1874.000 Maximum 6866.000 Minimum576.0000 Std.Dev.2333.000 Skewness 0.809287 Kurtosis2.088648Jarque-Bera 2.587760 Probability0.274205Sum 50534.00 Sum Sq.Dev.92529116Observations184.分析: 存在比较明显的线性关系5.参数估计及分析Variable Coefficient Std.Errort-Statistic Prob.C 135.3063 24.74086 5.468940 0.0000X 0.691754 0.024671 28.03936 0.0000R-squared 0.978835 F-statistic 786.2057Adjusted R-squared 0.977590 Prob(F-statistic) 0.0000006.分析: 由表可知, =135.3063 =0.691754。
(完整版)计量经济学实验报告
山东轻工业学院实验报告 成绩课程名称 计量经济学基础 指导教师 实验日期 2012.04.27院（系） 商学院 专业班级 实验地点 机电楼机房学生姓名 学 号 同组人实验项目名称 多元线性回归模型（案例分析）一、 实验目的和要求建立某地区个人储蓄X 与可支配收入Y 之间的线性经济模型并估计之1、学习教材相关内容，理解EViews 的操作程序；已阅读本次实验的引导，了解EViews 中的相关工具。
2、根据经济理论建立计量经济模型，做好相应的实验记录，判断模型是否存在异方差性。
3、以EViews 文件形式提交实验报告。
二、 实验原理根据一元线性回归模型的建立及其假定条件，建立经济模型，利用图示法、斯皮尔曼等级相关系数、戈德菲尔德-夸特检验、White 检验、加权最小二乘估计等方法来检验模型是否存在异方差性。
三、 主要仪器设备、试剂或材料计算机，计量经济学基础课本，EViews 软件四、 实验方法与步骤第一步，建立数学模型根据X 与Y 的样本数据，作X 与Y 之间的散点图可以看出， 它们的变化趋势是线性的，由此建立可支配收入Y 与个人储蓄X 之间的一元回归模型。
第二步，估计参数用EViews 软件的操作步骤如下：1、图示法检验 看是否存在明显的散点扩大、缩小或复杂型趋势（即不在一个固定的带型域中）ii i u X Y ++=10ββ（1）create u 1 15（2）data y x 输数据（3）Ls y c x（4）scat y xGenr e1=resid scat x ei2、斯皮尔曼等级相关系数检验（1）Sort X（2）data X dd1（3）GENR e1=abs(resid)（4）Sort e1（5）Data e1 dd2（6）genr r=1-6*@sum((dd2-dd1)^2)/(31^3-31) genr Z=r*@sqrt(30)3、G-Q检验（1）Sort X（2）Smpl 1 11（3）Ls y c x(记下第一个残差平方和：150867.9)Smpl 20 31Ls y c x(记下第二个残差平方和：966997.0）（4）计算F，查表作出判断G-Q检验以F检验为基础，适用于样本容量较大、异方差递增或递减的情况。
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
《计量经济学》课程实践报告1系部：经济与管理系专业：国际经济与贸易任课教师：李祖辉老师年级班级： 2013级 2班组员：舒冠、张淑琴、梁湘、冯冬雪税收收入影响因素分析—基于Eviews模型的经济计量分析一、意义1960年以来，中国的经济基本处于高速增长之中。
经济增长的高速发展，势必会影响国家财政政策和国家福利水平。
而税收作为国家财政收入中最主要的部分对这些政策的实施也会有很大的影响。
近些年来，国家的税收也受到多种因素的影响。
经济发展水平决定税收收入水平，税收同时也反作用于经济。
要实现经济的持续增长，必须要求与经济紧密关联的税收符合其发展的要求，即政府筹集的税收收入应尽可能的满足其实现职能的需求，同时又不至于损害经济的发展。
影响未来的需求，我们需要研究影响中国税收收入的主要原因，分析中央和地方税收收入增长的数量规律，从结构上对税收收入的影响做一个很好的了解，对于预测中国税收未来的增长趋势具有重要的作用，对于我国的社会主义现代化建设具有重要意义。
二、研究综述影响税收收入的因素有很多，如经济发展水平、税收制度的设计、政府职能范围等。
李卫刚认为，影响税收增长的因素是多元的，主要有经济增长、税制结构、税收征管水平和价格因素；孙玉栋认为，影响税收收入增长的因素主要有经济增长、物价、税收政策调整和税收征管等几个方面；安体富认为，税收收入主要受价格、经济结构的变动、经济效应的变动、税收政策、财税制度、税收征管和税款虚收的影响。
以上学者都说明税收收入的影响因素是多方面的，同时都认为经济因素的重要性，但他们多集中于对税收收入影响因素的全面分析，因而对经济性影响因素分析得不够详细。
而郭庆旺认为，税收收入的经济增长弹性是 1.536，经济增长对税收增长的贡献十分明显。
国家税务总局科研所的研究结论为：在正常的经济运行状况下，经济税源提供的收入应占税收总额的70%～80%或以上；而最为直接的、显著的影响税收增长的因素是经济增长和物价水平，而且物价水平对税收收入增长的影响强于GDP的影响。
《计量经济学》课程实验报告
2.估计结果，解释参数的数量关系
数量关系: GDP每增加一万亿元，可导致全国财政收入增加0.0041212万亿元，农业总产值每增加一万亿元，可导致全国财政收入增加0.0489586万亿元，税收每增加一万亿元，可导致全国财政收入增加1.183604万亿元。
三、实证分析
1.描述性统计（数据的最大值最小值，平均值，方差等，定性分析，了解数据质量）
X1最大值: 101.6 最小值: 18.6 平均值: 57.375 标准差: 27.22657
X2最大值: 7.2 最小值:2 平均值: 4.45625标准差: 1.648016
X3最大值: 15.8 最小值:2.9 平均值: 9.9125 标准差: 4.480606
图示检验法:
由图可得:模型存在正的相关序列。
3.检验模型是否存在多重共线性
Variable | VIF 1/VIF
-------------+----------------------
x2 | 70.29 0.014226
x1 | 54.81 0.018246
x3 | 52.31 0.019117
x2 | 3.299357 .1326672 24.87 0.000 3.014814 3.5839
_cons | -3.04026 .6279573 -4.84 0.000 -4.387095 -1.693426
------------------------------------------------------------------------------
二、模型和变量解释
1.模型建立，写出方程，阐述设定模型的经济理论
计量经济学实验报告
实验一一、实验内容：以1978-2012年中国进口总额(IM)、GDP、CPI(以1978年为基期)序列为例，取对数（LnIm, lnGDP, lnCPI），对其进行单位根检验，协整检验，并建立误差修正模型。
二、实验步骤：1、平稳—ADF单位根检验图1由图1可知，这些序列都带有明显的上升趋势，即非平稳。
因此对这三个序列逐一进行单位根检验。
打开LnIm序列，点击View→Unit Root Test,出现如图2所示界面，需进行多次试验，分别选择含截距项，含时间趋势向和截距项，不含时间趋势项和截距项，对序列分别进行水平，一阶差分和二阶差分，选择AIC准则，点击ok。
图2对另外连个序列做同样的操作。
最后三个序列的单位根检验结果如下：表1注：检验形式（C,T,L）中，C、T、L分别代表常数项、时间趋势和滞后阶数。
***表示在1%显著水平上拒绝零假设。
根据单位根检验结果，LnIm、LnGDP、LnCPI的水平序列的ADF 值在5%的显著性水平上大于其临界值，不能拒绝单位根假设。
一阶差分后，其ADF值小于5%的临界值，则应拒绝单位根假设。
因此，LnIm、LnGDP、LnCPI是非平稳的，服从I(1)过程，而其一阶差分是平稳的，服从I(0)过程。
2、协整检验根据前面的实验结果可知，LnIm、LnGDP、LnCPI都是一阶单整，因此符合协整检验的前提条件。
①建立VAR模型点击Quick→Estimate VAR，出现如图3所示界面：输入内生变量（Endogenous Variables）LnIm、LnGDP、LnCPI，点击确定。
图3 其运行结果如图4所示，三列分别代表三个方程式，第一行的三个变量表示三个方程式等号左边的被解释变量，不带括号的数字分别表示相应方程式右侧变量的回归系数估计值，回归系数下面第一个带括号的数字表示相应回归系数估计量的标准差，第二个括号里的数字表示相应回归系数估计量的t统计量的值。
图4②VAR模型最佳滞后期的选择在VAR模型估计结果窗口点击View→Lag structure→Lag Length Criteria，在弹出的对话框中填2，其结果如图5所示。
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。
- 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)。
第三章多元线性回归模型为了全面反映各个因素对我我国批发和零售业发展的影响，选择批发和零售业的增加值（Y）作为被解释变量，人均GDP（X1）、城市化率（城镇人口在总人口中所占的比率）(X2)、工业化水平（用第二产业的产值表达）(X3)、居民消费水平(X4)作为解释变量。
从《中国统计年鉴》可以收集到以下数据（表1）。
一、模型设定 （一）创建工作文件打开EViews6.0软件，在主菜单中选择 File/New/Workfile, 在弹出的对话框中，在Workfile structure type 中选择Dated-regular frequency （时间序列数据），在Date specification 下的Frequency 中选择Annual(年度数)，在Start date 中输入“1978”（表示起始年份为1978年），在End date 中输入“2011”（表示样本数据的结束年份为2011年），然后单击“OK ”，完成工作文件的创建。
（二）录入样本数据选择菜单中的Object/New Object 命令，在弹出的New Object 对话框中，在Type of object(对象类型)选项中选择Series （序列对象），在Name for object(对象名称)中输入序列名称“Y ”，用来表示批发和零售业的产值，单击“OK ”，即创建了批发和零售业产值的序列对象Y 。
双击工作文件中的序列对象Y,打开序列对象窗口，单击序列对象窗口上的Edit+/-开关按钮，使序列对象Y 处于可编辑状态，然后将表1中的批发和零售业产值数据输入，完成后关闭该窗口，回到主程序窗口。
重复这一过程四次，可分别创建人均GDP 序列对象X1、城镇化率序列对象X2、工业化水平序列对象X3、居民消费水平序列对象X4。
（三）数据观察为观察数据，选择菜单中的Quick/G raph…，在弹出的Series List 中输入”Y X1 X2 X3 X4 X5”,然后单击“确定”，在Graph Options 中的Specifi 中选择“Line&Symbol ”,然后按“确定”，出现序列Y 、X1、X2、X3、X4的线性图，如图1所示。
从图1可以看出Y 、X1、X3、X4都是逐年增长的，但增长速率有所变动，特别是X3变动幅度较大，而X2在多数年份呈现出水平波动。
说明变量间不一定是线性关系，可探索将模型设定为以下对数模型：Y=0β+1βX 1+2βX 2+3βlnX 3+4βX 4+μ图1 批发和零售业产值及相关数据图形二、参数估计首先，用EViews 生成对数变量的数据，选择菜单中的Quick/Generate Series…,在弹出的对话框中，在Enter equation 中输入“lnx3=log(x3)”,表示将x3取对数后存入lnx3中，在Sample 中输入“1978 2011”，然后按“ok ”，即生成对数变量的数据。
其次，利用EViews 估计模型参数，选择菜单中的 Quick/Estimate Equation…,在弹出的对话框中，在Equation specification 中输入“y c x1 x2 lnx3 x4”表示要建立的回归模型为:Y=0β+1βX 1+2βX 2+3βlnX 3+4βX 4+μ；在Method 中选择LS-Least Squares (NLS and ARMA)；在Sample 中输入“1978 2011”，然后按“确定”，即出现回归结果（如表2所示）：表2 回归结果 Dependent Variable: YMethod: Least SquaresDate: 01/30/09 Time: 19:26Sample: 1978 2011Included observations: 34Variable Coefficient Std. Error t-Statistic Prob.C 4899.814 3064.396 1.598949 0.1207X1 1.172212 0.306336 3.826558 0.0006 X2 -182.3609 81.75840 -2.230485 0.0336 LNX3 -166.8350 476.0523 -0.350455 0.7285 X4 0.576246 1.025760 0.561775 0.5786R-squared 0.996125 Mean dependent var 8448.056 Adjusted R-squared 0.995590 S.D. dependent var 10925.40 S.E. of regression 725.5342 Akaike info criterion 16.14675 Sum squared resid 15265597 Schwarz criterion 16.37121 Log likelihood -269.4947 Hannan-Quinn criter. 16.22330 F-statistic 1863.489 Durbin-Watson stat 0.365682 Prob(F-statistic) 0.000000根据表2中数据，模型估计的结果为：Y=4899.814+1.172X1-182.361X2-166.835lnX3+0.576X4(1.599) (3.827) (-2.23 ) (-0.35) (0.576)R2=0.99612R=0.9956 F=1863.489三、模型检验（一）经济意义检验模型估计结果说明，在假定其他变量不变的情况下，人均GDP每增加1元，平均来讲批发和零售业产值增加1.172亿元；在假定其他变量不变的情况下，城镇化水平每提高1%，平均说来批发和零售业产值减少182.361%（很大一部分原因是中国在城市化过程中往往违反农民的意愿，在经济发展水平和配套的社会保障和公共设施没有跟上的基础上强行推进城市化进程，农民在城市的生活没有了固定的来源，生活的波动性变得更大，因此很大一部分被强迫城市化了的农民的生活水平会更加低，为了保证其基本的生活需要，这一部分人群在服变量不变的情况下，工业化水平每提高1%，平均说来批发和零售业产值降低166.835%（主要是工业化水平代表着第二产业的发展程度，第二产业在国民经济中占的比重越大，则第三产业的发展就会受到一定的限制）；在假定其他变量不变的情况下，居民消费水平每增加1元，平均来讲批发和零售业产值增加0.567元。
这与理论分析和经验判断相一致。
（二）统计检验⒈拟合优度：由表2中数据可以得到R 2=0.9961，修正的可决系数为-2R =0.9956，这说明模型对样本的拟合很好。
⒉F 检验：给定显著性水平α=0.05，由表2中数据可以得到Prob(F-statistic)=0.000000<0.05,说明回归方程显著，即“人均GDP ”、“城镇化水平”、“工业化水平”、“居民消费水平”等变量联合起来确实对“批发和零售业”有显著影响。
⒊t 检验：分别针对H 0：j β=0（j=0，1，2，3，4），给定显著性水平α=0.05，由表2中数据可以得到，与0^β、^1β、2^β、^3β、4^β对应的t 值的Prob.值分别为0.1207、0.0006、0.0336、0.7285、0.5786，其中只有^1β、2^β的t 值的Prob.值小于0.05，分别应当拒绝H 0：j β=0（j=1，2），而0^β、^3β、4^β的t 值的Prob.值大于0.05，分别应当接受H 0：j β=0（j=0，3，4），这说明当在其他解释变量不变的情况下，解释变量“人均GDP ”（X 1）、“城镇化水平”（X 2）分别对被解释变量“批发和零售业”Y 有显著的影响，而“工业化水平”（lnX 3）、“居民消费水平”（X 4）的系数均没能通过检验，表明很可能存在严重的多重共线性。
第四章多重共线性一、多重共线性的判断计算各解释变量的相关系数，选择X1、X2、lnX3、X4数据，在数据组窗口中的菜单栏中选择“View/correlation”得相关系数矩阵（如表3所示）：表3 相关系数矩阵变量X1X2lnX3X4X11.000000 0.931596 0.859248 0.995792X20.931596 1.000000 0.968058 0.955958lnX30.859248 0.968058 1.000000 0.898269X40.995792 0.955958 0.898269 1.000000由相关系数矩阵可以看出，各解释变量相互之间的相关系数较高，证实确实存在严重多重共线性。
二、多重共线性的修正采用逐步回归法检验和解决多重共线性问题，分别作Y对X1、X2、lnX3、X4的一元回归。
表4Dependent Variable: YMethod: Least SquaresDate: 11/11/13 Time: 21:52Sample: 1978 2011Included observations: 34Variable Coefficient Std. Error t-Statistic Prob.C -754.6511 213.4797 -3.535002 0.0013X1 1.168999 0.017659 66.19672 0.0000R-squared 0.992750 Mean dependent var 8448.056 Adjusted R-squared 0.992524 S.D. dependent var 10925.40 S.E. of regression 944.6656 Akaike info criterion 16.59656 Sum squared resid 28556578 Schwarz criterion 16.68635 Log likelihood -280.1415 Hannan-Quinn criter. 16.62718 F-statistic 4382.005 Durbin-Watson stat 0.307164 Prob(F-statistic) 0.000000的回归方程为：由表4可以得出，Y关于X1Y=-754.65+1.1690X1(-3.535) (66.197)R2=0.99275 F=4382.005表5Dependent Variable: YMethod: Least SquaresDate: 11/11/13 Time: 21:57Sample: 1978 2011Included observations: 34Variable Coefficient Std. Error t-Statistic Prob.C -23507.85 2738.719 -8.583521 0.0000X2 997.1007 81.72411 12.20081 0.0000 R-squared 0.823067 Mean dependent var 8448.056 Adjusted R-squared 0.817538 S.D. dependent var 10925.40 S.E. of regression 4666.845 Akaike info criterion 19.79138 Sum squared resid 6.97E+08 Schwarz criterion 19.88116 Log likelihood -334.4534 Hannan-Quinn criter. 19.82200 F-statistic 148.8599 Durbin-Watson stat 0.152549 Prob(F-statistic) 0.000000的回归方程为：由表5可以得出，Y关于X2Y=-23507.85+997.1007X2（-8.584）（12.201）R2=0.82307 F=148.860表6Dependent Variable: YMethod: Least SquaresDate: 11/11/13 Time: 22:08Sample: 1978 2011Included observations: 34Variable Coefficient Std. Error t-Statistic Prob.C -49350.29 6960.311 -7.090243 0.0000LNX3 5878.074 699.5635 8.402488 0.0000R-squared 0.688115 Mean dependent var 8448.056 Adjusted R-squared 0.678368 S.D. dependent var 10925.40 S.E. of regression 6196.080 Akaike info criterion 20.35824 Sum squared resid 1.23E+09 Schwarz criterion 20.44803 Log likelihood -344.0901 Hannan-Quinn criter. 20.38886 F-statistic 70.60181 Durbin-Watson stat 0.103275 Prob(F-statistic) 0.000000的回归方程为：由表6可以得出，Y关于X3Y=-49350.29+5878.074lnX3（-4.0902）（8.4025）R2=0.6881 F=70.6018表7Dependent Variable: YMethod: Least SquaresDate: 11/11/13 Time: 22:04Sample: 1978 2011Included observations: 34Variable Coefficient Std. Error t-Statistic Prob.C -1872.786 410.7222 -4.559739 0.0001X4 3.294638 0.091316 36.07962 0.0000 R-squared 0.976007 Mean dependent var 8448.056 Adjusted R-squared 0.975258 S.D. dependent var 10925.40 S.E. of regression 1718.538 Akaike info criterion 17.79336 Sum squared resid 94507934 Schwarz criterion 17.88314Log likelihood -300.4871 Hannan-Quinn criter. 17.82398 F-statistic 1301.739 Durbin-Watson stat 0.177987 Prob(F-statistic) 0.000000由表7可以得出，Y关于X4的回归方程为：Y=-1872.786+3.2946X4（-4.5597）（36.0796）R2=0.976 F=1301.739通过上述分析，得批发和零售业产值Y和人均GDP X1的线性关系强，拟合程度最好，然后对其进行逐步回归：将其余变量逐一代人式Y=-754.65+1.1690X1，得如下三个模型：表8 Y关于X1和X2的回归分析Dependent Variable: YMethod: Least SquaresDate: 11/11/13 Time: 22:21Sample: 1978 2011Included observations: 34Variable Coefficient Std. Error t-Statistic Prob.C 3472.493 838.5382 4.141126 0.0002X1 1.342570 0.036285 37.00068 0.0000X2 -174.5318 33.99023 -5.134764 0.0000R-squared 0.996082 Mean dependent var 8448.056 Adjusted R-squared 0.995830 S.D. dependent var 10925.40 S.E. of regression 705.5480 Akaike info criterion 16.03992 Sum squared resid 15431736 Schwarz criterion 16.17460 Log likelihood -269.6787 Hannan-Quinn criter. 16.08585 F-statistic 3940.952 Durbin-Watson stat 0.372684 Prob(F-statistic) 0.000000表9 Y关于X1和lnX3的回归分析Dependent Variable: Y Method: Least Squares Date: 11/11/13 Time: 22:27Sample: 1978 2011Included observations: 34Variable Coefficient Std. Error t-Statistic Prob.C 5521.138 1471.533 3.751964 0.0007X1 1.271473 0.027773 45.78135 0.0000LNX3 -720.2875 167.7371 -4.294146 0.0002R-squared 0.995454 Mean dependent var 8448.056 Adjusted R-squared 0.995161 S.D. dependent var 10925.40 S.E. of regression 760.0029 Akaike info criterion 16.18862 Sum squared resid 17905734 Schwarz criterion 16.32330 Log likelihood -272.2065 Hannan-Quinn criter. 16.23455 F-statistic 3394.297 Durbin-Watson stat 0.350891 Prob(F-statistic) 0.000000表10 Y关于X1和X4的回归分析Dependent Variable: YMethod: Least SquaresDate: 11/11/13 Time: 22:25Sample: 1978 2011Included observations: 34Variable Coefficient Std. Error t-Statistic Prob.C -122.9418 252.4381 -0.487018 0.6297X1 1.759648 0.164273 10.71175 0.0000X4 -1.685960 0.466931 -3.610729 0.0011R-squared 0.994897 Mean dependent var 8448.056 Adjusted R-squared 0.994567 S.D. dependent var 10925.40 S.E. of regression 805.2717 Akaike info criterion 16.30433 Sum squared resid 20102335 Schwarz criterion 16.43901 Log likelihood -274.1737 Hannan-Quinn criter. 16.35026 F-statistic 3021.706 Durbin-Watson stat 0.387221 Prob(F-statistic) 0.000000由表8可以得出，Y关于X1和X2的回归方程为：Y=3472.49+1.342570X1-174.5318X2（4.141）（37.001）（-5.134）R2=0.996082-2R=0.995830 F=3940.952由表9可以得出,Y关于X1和lnx3的回归方程为：Y=5521.138+1.271473X1-720.2875 lnx3（3.752）（45.781）（-3.610）R2=0.995454-2R=0.995161 F=3394.297由表10可以得出,Y关于X1和X4的回归方程为：Y=-122.9418+1.759648X1-1.685960 X4（-0.487）（10.712）（-4.294）R2=0.994897-2R=0.994567 F=3021.706比较上述结果，我们可以得出，新加入X2方程-2R=0.995830，改进最大，而且各参数的t检验显著选择保留X2，然后对其进行逐步回归：将其余变量逐一代人式Y=3472.49+1.342570X1-174.5318X2中，得到如下两个模型：表11 Y关于X1、X2和lnX3的回归分析Dependent Variable: YMethod: Least SquaresDate: 11/12/13 Time: 08:02Sample: 1978 2011Included observations: 34Variable Coefficient Std. Error t-Statistic Prob.C 3465.577 1675.394 2.068515 0.0473X1 1.342663 0.041721 32.18206 0.0000X2 -174.8764 79.74013 -2.193079 0.0362LNX3 1.751504 365.3114 0.004795 0.9962R-squared 0.996082 Mean dependent var 8448.056 Adjusted R-squared 0.995691 S.D. dependent var 10925.40 S.E. of regression 717.2104 Akaike info criterion 16.09875 Sum squared resid 15431724 Schwarz criterion 16.27832 Log likelihood -269.6787 Hannan-Quinn criter. 16.15999F-statistic 2542.552 Durbin-Watson stat 0.372726 Prob(F-statistic) 0.000000表12 Y关于X1、X2和X4的回归分析Dependent Variable: YMethod: Least SquaresDate: 11/12/13 Time: 08:01Sample: 1978 2011Included observations: 34Variable Coefficient Std. Error t-Statistic Prob.C 3938.844 1347.917 2.922171 0.0065X1 1.244609 0.222869 5.584479 0.0000X2 -199.1956 65.18378 -3.055907 0.0047X4 0.349634 0.784552 0.445647 0.6591R-squared 0.996108 Mean dependent var 8448.056 Adjusted R-squared 0.995719 S.D. dependent var 10925.40 S.E. of regression 714.8484 Akaike info criterion 16.09215 Sum squared resid 15330249 Schwarz criterion 16.27172 Log likelihood -269.5665 Hannan-Quinn criter. 16.15339 F-statistic 2559.448 Durbin-Watson stat 0.370244 Prob(F-statistic) 0.000000由表11可以得出,Y关于Y关于X1、X2和lnX3的回归方程为：Y=3465.577+1.342663X1-174.8764 X2+1.751504lnX3（2.069）（32.182）（-2.193） (0.005)R2=0.996082-2R=0.995691 F=2542.552由表12可以得出Y关于X1、X2和X4的回归方程为：Y=3938.844+1.244609X1-199.1956X2+0.349634X4（2.922）（5.584）（-3.055） (0.446)R2=0.996108-2R=0.995719 F=2559.448比较上述结果，可以得出，当分别加入lnX3、X4后，模型的拟合效果虽有改善，但lnX3和X4分别不显著，所以将其剔除掉，最终回归结果如下：Y=3472.49+1.342570X1-174.5318X2（4.141）（37.001）（-5.134）R2=0.996082-2R=0.995830 DW=0.372684 F=3940.952此时模型的可决系数R2=0.996082，修正的可决系数-2R=0.995830，表明模型在整体上拟合得比较好；在5%显著性水平下，模型的Prob(F-statistic)= 0.000000<0.05,说明模型在总体上是高度显著的；三个参数的t值分别为：t0=4.141126, t1=37.00068, t2=-5.134764,且对应的Prob. 分别为0.0002，0.0000，0.0000，均比显著性水平0.05小，这说明回归系数显著不为0。