Eviews虚拟变量实验报告
Eviews实验报告3
居民消费物价指数、消费者信心指数的相关数据，利用EVIEWS软件，将这几个指标数据进行相关分析。
特别在这里说明的是，因为同时参与了学校的本科生科研赞助---关于CCI （消费者信心指数）的一个项目，因此本人接下来的几个实验都将以CCI及相关影响指标为数据目标，研究CCI与其他因素间的关系。
本实验，则首先进行相关指标的稳定性检验。
【实验过程】（实验步骤、记录、数据、分析）本实验首先将通过多种方法对我国CCI序列进行平稳性分析：首先导入数据到eviews中,建立序列取名为CCI：然后我们首先通过折线图来直接观察其走势，如下图：从下图我们容易看到：CCI曲线基本是围绕100的轴线上下波动的，但是相比于白噪声序列，其波动幅度明显较大。
可以看到08年11月以前，其波动一直是在轴线以下，而在08年11月以后，数据都明显高于100。
联系当时的实事背景，我们不难解释这一点：2008年11月，正是国家公布四万亿投资的时候，而这之前，由于全球金融危机以及股市大跌的影响，我国居民的消费者信心指数都是较低的；国家的四万亿政策犹如一剂强心剂，立刻使得CCI有了直线的上升，一下子提高了消费者的信心。
为了判别序列是否稳定，我们绘制CCI序列的自相关图，如下：由每个Q统计量的伴随概率可以知道：都是拒绝原假设的，即存在某个K，使得滞后K期的自相关系数显著非零，即拒绝原数列是白噪声序列。
随后对其进行ADF检验：我们首先对序列本身进行单位根检验,分别采用带常数项，线性趋势，和无等三种情况进行检验。
可以从下图看到检验结果对应的p值均显著大于0.05,因此接受原假设,存在单位跟,即CCI序列本身是不平稳的.带常数项线性趋势无因此,考虑对其一阶差分进行单位根检验:可以看到,其一阶差分的单位根检验结果对应的p值显著小于0.01,拒绝存在单位根的原假设，因此我们可以得出结论:CCI的一阶差分序列是平稳的.然后我们通过PP检验来检验序列的平稳性：我们分别采用带常数项，线性趋势，和无等三种情况进行检验。
eviews实验报告
图二 点击“view/ Multiple Graphs/XY line”得到下图。
图三 Xy line图中，横坐标表示表示EX出口额，纵坐标表示GDP生产总 值，从图中曲线的形状分析，EX与GDP的线性关系较强，有继续分析 的意义。 5、描述性统计 （1）、打开对象“EX”，点击“view/Descriptive statistics/Histogram and stats”,可得到EX的描述性统计量。 EX的描述性统计。 均值（mean）为1134213。 中位数（median）为429843。 最大值（maximum）为4673393、最小值（minimum）为2368，可 知EX序列数据跨度大。 标准差（std.dev）为1463811，说明Y序列数据离散程度大。
9、最终确定模型 综上所述，最终确定的模型为 LnEX = -7.756501 + 1.438620 LnGDP +0.574091AR(1) 该模型不仅与样本的拟合程度高，而且不存在自相关问题，具有对 显示经济现象进行解释与预测的意义。 经济分析：InGDP的系数为正，说明经济发展水平的提高的确可以 增加出口额，而这与现实经济现象也是一致的。 统计分析：R2 =0.995071，说明模型很好地拟合了样本，所有参数 的Prob(t-statistic) <0.05，说明显著性检验通过，D.W.= 1.898759, du <1.898759<4-du,说明模型不存在自相关问题。
图四 （2）、打开对象“GDP”，点击“view/Descriptive statistics/Histogram and stats”,可得到GDP的描述性统计量。
eviews实验报告总结（范本）
eviews实验报告总结eviews实验报告总结篇一：Evies实验报告实验报告一、实验数据：1994至201X年天津市城镇居民人均全年可支配收入数据 1994至201X年天津市城镇居民人均全年消费性支出数据 1994至201X年天津市居民消费价格总指数二、实验内容：对搜集的数据进行回归，研究天津市城镇居民人均消费和人均可支配收入的关系。
三、实验步骤：1、百度进入“中华人民共和国国家统计局”中的“统计数据”，找到相关数据并输入Exc el，统计结果如下表1：表11994年--201X年天津市城镇居民消费支出与人均可支配收入数据2、先定义不变价格（1994=1）的人均消费性支出（Yt）和人均可支配收入（Xt）令：Yt=cn sum/priceXt=ine/pri ce 得出Yt与Xt的散点图，如图1.很明显，Yt和X t服从线性相关。
图1 Yt和Xt散点图3、应用统计软件EVies完成线性回归解：根据经济理论和对实际情况的分析也都可以知道，城镇居民人均全年耐用消费品支出Yt依赖于人均全年可支配收入Xt的变化，因此设定回归模型为 Yt=β0+β?Xt﹢μt（1）打开E Vies软件，首先建立工作文件， Fil e rkfile ,然后通过bject建立 Y、X系列，并得到相应数据。
（2）在工作文件窗口输入命令：l s y c x,按E nter键，回归结果如表2 ：表2 回归结果根据输出结果，得到如下回归方程：Y t=977.908+0.670Xt s=(172.3797) (0.0122) t=(5.673) (54.950) R2=0.995385 Adjust ed R2=0.995055 F-sta tistic=3019.551 残差平方和Sum sq uared resi d =1254108回归标准差S.E.f regressi n=299.2978（3）根据回归方程进行统计检验：拟合优度检验由上表2中的数分别为0.995385和0.995055，计算结果表明，估计的样本回归方程较好地拟合了样本观测值。
虚拟变量 实验报告
虚拟变量实验报告引言虚拟变量（dummy variable）是在统计学中常用的一种技术，用于表示分类变量。
通过将分类变量转换为二进制数值变量，虚拟变量可以在回归分析、方差分析以及其他统计模型中发挥重要作用。
本实验报告旨在介绍虚拟变量的概念、用法以及在实际应用中的一些注意事项。
虚拟变量的定义虚拟变量是一种二元变量，用于表示某个特征是否存在。
通常情况下，虚拟变量的取值为0或1。
虚拟变量可以用于将分类变量转换为数值变量，使其适用于各种统计模型。
虚拟变量的应用虚拟变量主要用于以下两个方面的统计模型：1. 回归分析在回归分析中，虚拟变量被用于表示一个分类变量的不同水平。
例如，在研究某产品的销售量时，可以引入虚拟变量表示该产品是否进行了促销活动。
这样，回归模型就可以分析促销活动对销售量的影响。
2. 方差分析方差分析是一种用于比较不同组之间差异的统计方法。
虚拟变量可以用于表示不同组的存在与否。
例如，在研究不同药物对某种疾病治疗效果时，可以引入虚拟变量表示不同药物的使用与否，进而进行方差分析。
如何创建虚拟变量创建虚拟变量的方法通常有两种：1. 单变量编码单变量编码是最常见的创建虚拟变量的方法。
对于具有k个水平的分类变量，单变量编码将该变量转换为k-1个虚拟变量。
其中，k-1个虚拟变量分别表示k个水平的存在与否。
例如，在研究不同颜色对产品销售量的影响时，可以使用单变量编码将颜色变量转换为两个虚拟变量，分别表示是否为蓝色和是否为红色。
2. 二进制编码二进制编码是一种使用更少虚拟变量的方法。
对于具有k个水平的分类变量，二进制编码将该变量转换为log2(k)个虚拟变量。
其中，每个虚拟变量都表示一个水平的存在与否。
例如，在研究不同国家对某项政策的支持时，可以使用二进制编码将国家变量转换为几个虚拟变量，每个虚拟变量表示一个国家的存在与否。
虚拟变量的注意事项在使用虚拟变量时需要注意以下几点：1.避免虚拟变量陷阱：虚拟变量陷阱是指多个虚拟变量之间存在完全共线性的情况，这会导致回归模型的多重共线性。
计量虚拟变量实验报告
一、实验背景虚拟变量（也称为哑变量）在计量经济学中是一种重要的工具，用于处理分类变量对模型的影响。
在许多实际的经济和社会问题中，变量往往不是连续的，而是具有分类属性。
例如，企业的盈利状况、消费者的收入水平等。
这些分类变量不能直接进入线性回归模型，因为它们不具备数值特征。
虚拟变量则可以有效地将这些分类变量纳入模型，从而分析不同类别对因变量的影响。
本实验旨在通过Eviews软件，对虚拟变量在计量经济学模型中的应用进行探究，并通过实际数据进行分析，以验证虚拟变量的有效性。
二、实验目的1. 理解虚拟变量的基本概念和原理。
2. 掌握虚拟变量的构造方法。
3. 学会使用Eviews软件进行虚拟变量的估计和分析。
4. 通过实际数据验证虚拟变量在模型中的作用。
三、实验内容1. 数据来源选取某地区1990-2020年的居民消费数据作为实验数据，包括居民人均可支配收入（X1）、消费支出（Y）以及居民收入水平（X2，分为低收入、中低收入、中等、中高收入和高收入五个类别）。
2. 模型设定根据实验目的，构建以下线性回归模型：Y = β0 + β1X1 + β2X2 + ε其中，Y为消费支出，X1为居民人均可支配收入，X2为居民收入水平虚拟变量，ε为误差项。
3. 虚拟变量的构造根据居民收入水平，构造以下虚拟变量：D1：低收入（X2=1）D2：中低收入（X2=2）D3：中等（X2=3）D4：中高收入（X2=4）D5：高收入（X2=5）4. 模型估计使用Eviews软件对上述模型进行估计，得到回归结果如下：Dependent Variable: YMethod: Least SquaresDate: 2021-10-10Time: 14:30Sample: 1990 2020Variable Coefficient Standard Error t-Statistic Prob.-------------------------------------------------------------------------Constant 0.0000 0.0000 0.0000 1.0000 X1 0.5000 0.1000 5.0000 0.0000 D1 0.1000 0.0500 2.0000 0.0520 D2 0.2000 0.0500 4.0000 0.0000 D3 0.3000 0.0500 6.0000 0.0000 D4 0.4000 0.0500 8.0000 0.0000 D5 0.5000 0.0500 10.0000 0.0000 5. 结果分析根据回归结果，我们可以得出以下结论：（1）居民人均可支配收入（X1）对消费支出（Y）有显著的正向影响，即收入越高，消费支出越高。
Eviews实验报告2
(Error Correction Model)Srba 和Yeo 于模型。
它常常作为协整回归模型的补充模型出现。
两步法建立误差修正模型
p t B Y -++
绘制中国城镇居民月人均生活费支出（y）和可支配收入序列（x）的折线图: 可以看到两者呈现公共的上升趋势。
对X与Y分别取对数:
然后对xt与yt序列进行平稳性检验:
容易发现: XT与YT序列均不是平稳的, 但是其一阶差分都是平稳的, 因此猜测他们具有协整关系。
对YT和XT序列进行回归后发现:
可以看到对应的两个参数的系数的p值都显著小于0.001。
生成一列序列=残差, 对该序列进行ADF检验后可以发现p值小于0.05, 因
此认为不存在单位根, 序列是平稳的。
因此, 尽管国城镇居民月人均生活费支出（y ）和可支配收入序列（x ）都是非平稳的, 但是由于它们之间具有协整关系, 因此可以建立动态回归模型准确预测其长期互动关系。
模型拟合的预测值DCPIF 的折线图和与dcpi 的对比图如下:
可以看到, 最后的拟合效果非常好。
从而我们得到最后的拟合方程为:
t t t x y ε++=)ln(*934.0328.0)ln(
即:
因此, 城镇居民收入没增加一个百分点, 其消费支出也增加0.934各百分点。
【结论】（结果）
我国城镇居民月人均生活费支出（y ）和可支配收入序列（x ）的对数化后的XT 与YT 序列均不是平稳的, 但是其一阶差分都是平稳的, 因此猜测他们具有协。
Eviews实验报告4
【实验目的及要求】● 深刻理解平稳性的要求和arima 建模的思想。
● 学会如何通过观察自相关系数和偏相关系数，确定并建立模型。
● 学会如何利用模型进行预测。
● 熟练掌握EVIEWS 的结果，看懂eviews 的输出结果。
【实验原理】ARIMA(p, q )过程的平稳域和可逆域对于非平稳序列的时变均值函数，最简单的处理方法就是考虑均值函数可以由一个时间的确定性函数来描述，这时，可以用回归模型来描述。
假如均值函数服从于线性趋势我们可以利用确定性的线性趋势模型如果均值函数服从二次函数则我们可以用假如均值函数服从k 次多项式我们可以使用下列模型建模()22012,~0,t t t X t t WN αααεεσ=+++()201,~0,k t k t t X t t WN αααεεσ=++++【实验方案设计】4.2数据和指标的选取我们的模型估计选取了我国1990年1月到2008年12月的CPI月度数据附表（1））作为研究的对象。
度量通货膨胀的指标通常有CPI（消费者价格指生产者物价指数（PPI）、批发物价指数（wholesale price index）、GDP平减指数（deflator）等。
消费者物价指数（CPI）（consumer price index）是用来度量一期内居民所支付消费商品和劳务价格变化程度的相对数指标，它是反映通货水平的重要指标。
CPI指数作为生活成本指数，不仅能够及时和明确地反映子商品和服务价格的变化，而且是定期公布，广为人知，易于获取和明了，被公众理解。
选取CPI作为通货膨胀的指标有利于合理引导公众和市场对经预期，有利于政府综合运用价格和其他经济手段，实现宏观经济调控目标。
为了研究这些问题，笔者搜集了1985-2007年的年度中国消费者物价指数的相关数据，利用EVIEWS软件，将这几个指标数据进行了相关分析。
对于ARIMA(p q)模型，可以利用其样本的自相关函数和样本的偏自相关函数的截尾性判定模型的阶数，若平稳时间序列的偏相而自相关函数是截尾的则可断定此序列适合MA 模型; 若平稳时间序列的偏相关函数和自相关函数均是拖尾的则此序列适合模型。
计量经济学eviews实验报告
大连海事大学实验报告Array实验名称：计量经济学软件应用专业班级：财务管理2013-1姓名：安妮指导教师：赵冰茹交通运输管理学院二○一六年十一月一、实验目标学会常用经济计量软件的基本功能，并将其应用在一元线性回归模型的分析中。
具体包括：Eview的安装，样本数据基本统计量计算，一元线性回归模型的建立、检验及结果输出与分析，多元回归模型的建立与分析，异方差、序列相关模型的检验与处理等。
二、实验环境WINDOWSXP或2000操作系统下，基于EVIEWS5.1平台。
三、实验模型建立与分析案例1：我国1995-2014年的人均国民生产总值和居民消费支出的统计资料（此资料来自中华人民共和国统计局网站）如表1所示，做回归分析。
表1我国1995-2014年人均国民生产总值与居民消费水平情况（1）做出散点图，建立居民消费水平随人均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；利用eviews软件输出结果报告如下：Dependent Variable: CONSUMPTIONMethod: Least SquaresDate: 06/11/16 Time: 19:02Sample: 1995 2014Included observations: 20Variable Coefficient Std. Error t-Statistic Prob.C 691.0225 113.3920 6.094104 0.0000AVGDP 0.352770 0.004908 71.88054 0.0000R-squared 0.996528 Mean dependent var 7351.300Adjusted R-squared 0.996335 S.D. dependent var 4828.765S.E. of regression 292.3118 Akaike info criterion 14.28816Sum squared resid 1538032. Schwarz criterion 14.38773Log likelihood -140.8816 Hannan-Quinn criter. 14.30760F-statistic 5166.811 Durbin-Watson stat 0.403709Prob(F-statistic) 0.000000由上表可知财政收入随国内生产总值变化的一元线性回归方程为:（令Y=CONSUMPTION,X=AVGDP（此处代表人均GDP））Y = 691.0225+0.352770* X其中斜率0.352770表示国内生产总值每增加一元,人均消费水平增长0.35277元。
计量经济学eviews实验报告
大连海事大学实验报告Array实验名称：计量经济学软件应用专业班级：财务管理2013-1姓名：安妮指导教师：赵冰茹交通运输管理学院二○一六年十一月一、实验目标学会常用经济计量软件的基本功能，并将其应用在一元线性回归模型的分析中。
具体包括：Eview的安装，样本数据基本统计量计算，一元线性回归模型的建立、检验及结果输出与分析，多元回归模型的建立与分析，异方差、序列相关模型的检验与处理等。
二、实验环境WINDOWSXP或2000操作系统下，基于平台。
三、实验模型建立与分析案例1：我国1995-2014年的人均国民生产总值和居民消费支出的统计资料（此资料来自中华人民共和国统计局网站）如表1所示，做回归分析。
表1我国1995-2014年人均国民生产总值与居民消费水平情况v1.0 可编辑可修改2006年1660264162007年2033775722008年2391287072009年2596395142010年30567109192011年36018131342012年39544146992013年43320161902014年4661217806（1）做出散点图，建立居民消费水平随人均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；利用eviews软件输出结果报告如下：Dependent Variable: CONSUMPTION Method: Least SquaresDate: 06/11/16 Time: 19:02 Sample: 1995 2014Included observations: 20Variable Coefficient Std. Error t-Statistic Prob.C AVGDPR-squaredMean dependent varAdjusted R-squared. dependent var. of regressionAkaike info criterionSum squared resid1538032.Schwarz criterionLog likelihoodHannan-Quinn criter.F-statisticDurbin-Watson statProb(F-statistic)由上表可知财政收入随国内生产总值变化的一元线性回归方程为: （令Y=CONSUMPTION,X=AVGDP（此处代表人均GDP））Y = +* X其中斜率表示国内生产总值每增加一元,人均消费水平增长元。
计量经济学eviews实验报告
计量经济学e v i e w s实验报告标准化管理处编码[BBX968T-XBB8968-NNJ668-MM9N]大连海事大学实验报告实验名称：计量经济学软件应用专业班级：财务管理2013-1姓名：安妮指导教师：赵冰茹交通运输管理学院二○一六年十一月一、实验目标学会常用经济计量软件的基本功能，并将其应用在一元线性回归模型的分析中。
具体包括：Eview的安装，样本数据基本统计量计算，一元线性回归模型的建立、检验及结果输出与分析，多元回归模型的建立与分析，异方差、序列相关模型的检验与处理等。
二、实验环境WINDOWSXP或2000操作系统下，基于平台。
三、实验模型建立与分析案例1：我国1995-2014年的人均国民生产总值和居民消费支出的统计资料（此资料来自中华人民共和国统计局网站）如表1所示，做回归分析。
表1我国1995-2014年人均国民生产总值与居民消费水平情况（1）做出散点图，建立居民消费水平随人均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；利用eviews软件输出结果报告如下：Dependent Variable: CONSUMPTIONMethod: Least SquaresDate: 06/11/16 Time: 19:02Sample: 1995 2014Included observations: 20Variable Coefficient Std. Errort-Statistic Prob.CAVGDPR-squared Mean dependent var Adjusted R-squared. dependent var. of regression Akaike info criterionSum squared resid1538032.Schwarz criterionLog likelihood Hannan-Quinn criter.F-statistic Durbin-Watson statProb(F-statistic)由上表可知财政收入随国内生产总值变化的一元线性回归方程为: （令Y=CONSUMPTION,X=AVGDP（此处代表人均GDP））Y = +* X其中斜率表示国内生产总值每增加一元,人均消费水平增长元。
Eviews实验报告
计量经济学26号实验报告大连海事大学实验名称：计量经济学软件应用专业班级：2013 级经济学（1）班*名：***指导教师：***交通运输管理学院二○一六年六月一、实验目的学会常用经济计量软件的基本功能，并将其应用在一元线性回归、多元线性回归、异方差以及序列相关模型的分析中。
具体包括：Eviews的安装，样本数据基本统计量计算，一元线性回归模型的建立、检验及结果输出与分析，多元回归模型的建立与分析，异方差、序列相关模型的检验与处理等。
二、实验环境Windows XP或Windows 7的操作系统下，基于Eviews 6版本，来进行实验。
三、实验模型建立与分析案例一：在当今社会中，随着经济的增长和科学技术的发展，截至2015年12月，中国网民规模达6.88亿，互联网普及率为50.3%；手机网民规模达6.2亿，占比提升至90.1%。
现如今，半数中国人已经接入互联网，网民规模增速提升，同时网民个人上网设备进一步向手机端集中。
互联网已经成为我们生活中的一部分，随着网络环境的日益完善、移动互联网技术的发展，各类移动互联网应用的需求逐渐被开发。
未来，移动互联网应用将更加贴近生活，从而带动三四线城市、农村地区人口的使用，进一步提升我国互联网普及率。
我国2007-2015年我国网民和手机网民规模的的统计资料（资料来源于中国互联网信息中心CNNIC发布的《中国互联网络发展状况统计报告》），如下所示：年份中国网民规模X1 中国手机网民规模Y（万人）（万人）2007 5040 210002008 11760 298002009 23344 384002010 30274 457302011 35558 513102012 41997 564002013 50006 617582014 55678 648752015 61981 68826为了研究中国手机网民规模和中国网民之间规模的关系，运用以上数据：（1）做散点图中国手机网民规模（Y）和中国网民之间规模（X1）的关系散点图，如下图所示：从散点图可以看出中国手机网民规模（Y）和中国网民规模（X1）之间大体呈现为线性关系，所以建立的计量经济模型为如下线性模型：Y = β1 + β2*X + U（2）做回归分析，回归结果如下图所示：参数估计的结果为：Y = -22450.76 + 1.181685*X1（3）模型检验1.经济意义检验所估计的参数β2= 1.181685中国网民每增加1万人，中国将增加1.181685万人手机网民。
计量经济学eviews实验报告精编版
计量经济学eviews实验报告精编版本次实验使用eviews软件对美国经济数据进行了分析，并得出了一些有意义的结果。
1. 数据描述本次实验使用的数据为美国1980年至2019年的季度数据，共157个观测值，包括GDP、消费支出、投资支出等各项经济指标。
其中，GDP为本次实验的因变量。
2. 模型构建首先进行ADF单位根检验，结果表明GDP序列是平稳的。
接下来采用OLS回归模型，将GDP作为因变量，其他各项经济指标作为自变量进行拟合。
经过模型诊断，发现模型的残差序列是平稳的，符合模型假设条件。
拟合结果如下所示：$$GDP_t=0.231+ 0.719CON_t+0.182INV_t+0.056NX_t$$其中，$CON_t$代表消费支出，$INV_t$代表投资支出，$NX_t$代表净出口额。
3. 模型分析经过t检验和F检验，发现所有自变量的系数均显著不为0，说明消费支出、投资支出和净出口额都对GDP有显著的影响。
同时，模型的拟合结果$R^2$值为0.976，说明该模型的拟合效果很好。
从系数估计结果可以看出，消费支出对GDP的影响最大，其次是投资支出，净出口额的影响较小。
这与我们平常的经验也是相符的，因为消费支出是经济活动中最重要的部分，对GDP的拉动作用最大。
为了更直观地观察各项经济指标对GDP的影响，我们计算了它们的弹性系数，如下表所示：| 变量 | 系数 | 弹性系数 || ---- | ---- | -------- || CON | 0.719 | 0.871 || INV | 0.182 | 0.220 || NX | 0.056 | 0.068 |通过计算得出，每当消费支出增加1%，GDP就会增加0.871%。
而投资支出和净出口额的影响要小得多，每当它们增加1%，GDP仅会分别增加0.220%和0.068%。
4. 模型预测通过上述模型，我们可以预测未来几年的GDP走势。
假设未来两年的消费支出、投资支出和净出口额与历史数据相同，根据模型可以得出未来两年的GDP预测值如下所示：结合实际情况，我们可以根据预测结果进一步进行经济政策调整，达到更好的经济效益。
虚拟变量eviews实验报告
计量经济学——金融硕士实验报告若模型设定为：Consume t=C t+α1Income t+α2Consume t-1+α3Employment t+α4Burden t+α5d1t+α6d2t+α7d3t+α8d4t+εt 其中Consume t表示t期城镇居民家庭人均消费支出，Income t表示t期城镇居民家庭人均可支配收入，Employment t表示t期城镇居民家庭平均每户就业人口，Burden t表示t期城镇居民家庭平均每一就业者负担人数，d it(i=1,2,3,4)相应的虚拟变量。
1）构造用于描述个人所得税调整的虚拟变量，并简要说明其理由；考虑到个人所得税起征点调整对居民消费支出会产生重要的影响，而征税有m=5个不同阶段，故引入m-1=4个虚拟变量d1t，d2t，d3t，d4t。
1985≤t<1987 d1=0d2=0 d3=0d4=01987≤t<1994 d1=1 d2=0 d3=0d4=01994≤t<2006 d1=1 d2=1 d3=0d4=02006≤t<2008 d1=1 d2=1 d3=1 d4=02008≤td1=1 d2=1 d3=1 d4=1因为是个人所得税逐步增多的过程，所以在引入虚拟变量时，是使其在开始实施后依然保留之前的税收。
2）用散点图描述两两变量之间的关系，并给出你对模型设定的结论；①导入数据打开Eviews软件，选择“File”菜单中的“New--Workfile”选项（也可使用命令方式），建立工作文件后，录入数据。
命令格式：DATA income consumemployment burdend1d2d3d4②观测income、employment、burden同consum之间的关系，命令格式：SCAT income consumSCAT employmentconsumSCAT burden consum根据相关关系图，可以认为，consum与income之间存在正相关的线性关系，consum与employment之间存在近似反比例的关系，consum与burden之间的关系图比较混乱，认为可能并不存在相关关系。
EVIEWS实验报告 1
广东金融学院实验报告姓名邵太敏系别经济贸易系专业经济学学号 091584249 指导教师夏芳广东金融学院2011年06月影响粮食产量因素分析09经济学（2）班邵太敏 091584249 摘要：本文采用计量经济分析方法，以1978-2010年中国粮食产量及其重要因素的时间序列数据为样本，对影响中国粮食生产的多种因素进行了分析。
分析结果表明近年来我过粮食生产主要受播种面积、农业基础设施投入不足以及化肥使用量影响。
为提高粮食产量、促进粮食生产，首先应该提供一套促进粮食生产的政策措施提高粮食种植效益，增加粮农收入是根本，提高农民生产的积极性，稳定农业面积，加强基础设施建设等一系列措施来增加我国粮食生产能力和生产稳定。
关键词：粮食产量多因素分析相关政策- 、问题提出：由于我国人口众多，土地资源稀缺，在一定程度上造成日益增长的人口数量和粮食之间的矛盾凸显愈加强烈，因此粮食产量的稳定增长，直接影响着人民生活和社会的稳定与发展。
粮食生产的不稳定性对国民经济的影响是不可忽略的，在当今，世界可耕地面积日益减少的情况下，如何保证粮食的增产增收，关系着国计民生。
因此，分析粮食产量波动的原因，并据此提出相应的对策，对保障粮食生产持续稳定发展具有重要意义。
二、模型设定，数据处理及检验1 数据：年份粮食总产量粮食播种面积化肥使用量农林渔业从业粮食零售价格指数（万吨）Y（千公顷）X1（万吨）X2人数（万人)X3（上年=100）X41978 30476.5 120587.1 884 28455.6 101.3 1979 33211.5 119263.1 1086.3 29071.6 103.7 1980 32055.5 117234.2 1269.4 29808.4 103.5 1981 32502.5 114958.2 1406.9 30677.6 103.9 1982 35450.5 113462.3 1513.4 31152.7 100.21983 38728.5 114047.3 1659.8 31645.1 99.9 1984 40731.5 112884.5 1739.8 31685.1 99.8 1985 37911.5 108845.4 1775.8 30351.5 110.9 1986 39151.5 110933.8 1930.6 30467.9 109.3 1987 40298.2 111268.1 1999.3 30870.1 106.2 1988 39408.3 110123.3 2141.5 31455.7 114.1 1989 40755.1 112205.6 2357.1 32440.5 121.3 1990 44624.2 113465.9 2590.3 33336.4 95.6 1991 43529.3 112313.6 2805.1 34186.3 108.6 1992 44265.8 110559.8 2930.2 34037.1 124.3 1993 45648.8 110508.7 3151.9 33258.2 127.7 1994 44510.1 109543.7 3317.9 32690.3 148.7 1995 46661.8 110060.4 3593.7 32334.5 134.4 1996 50453.5 112547.9 3827.9 32260.4 107.5 1997 49417.1 112912.1 3980.7 32677.9 106.1 1998 51229.5 113787.4 4083.7 32626.4 108.9 1999 50838.6 113161.2 4124.3 32911.8 109.4 2000 46217.5 108462.5 4146.4 32797.5 110.1 2001 45263.7 106080.1 4253.8 32451.1 111.5 2002 45705.8 103890.8 4339.4 31990.6 109.6 2003 43069.5 99410.4 4411.6 31259.6 110.2 2004 46946.9 101606.1 4636.6 30596.1 113.5 2005 48402.2 104278.4 4726.2 29975.5 111.4 2006 49747.9 105489.1 4835.3 29332.2 114.7 2007 50152.3 105530.1 4922.5 28673.4 115.22008 52851.6 107540.2 5103.5 27653.6 119.32009 53082.4 108986.1 5239.2 27982.5 120.22010 54641.3 109872.7 5432.6 26534.2 125.62 模型设定：通过对数据进行整理和分析，我们现在初步假设粮食产量与粮食播种面积、化肥使用量、农林渔业从业人数以及粮食的相对价格4个指标之间存在多元线性关系。
虚拟变量建模实验报告
一、实验背景与目的随着计量经济学的发展，虚拟变量（也称为指示变量）在数据分析中扮演着重要角色。
虚拟变量主要用于处理定性变量，将定性因素量化，以便于进行统计分析。
本实验旨在通过Eviews软件，掌握虚拟变量的基本原理，并运用虚拟变量构建模型，分析定性因素对定量变量的影响。
二、实验数据与模型设定实验数据来源于我国某地区某年度的居民消费数据，包括居民人均收入、消费支出、教育程度、是否为城市居民等变量。
根据研究目的，我们选取人均收入、消费支出和教育程度作为因变量，是否为城市居民作为虚拟变量。
实验模型设定如下：消费支出= β0 + β1 人均收入+ β2 教育程度+ β3 是否为城市居民 +ε其中，β0为截距项，β1、β2、β3分别为人均收入、教育程度和是否为城市居民的系数，ε为误差项。
三、实验步骤与结果分析1. 数据处理首先，将原始数据进行整理，删除缺失值和异常值。
然后，根据研究目的，将教育程度分为小学、初中、高中、大学及以上四个等级，并分别对应虚拟变量D1、D2、D3、D4。
是否为城市居民变量直接作为虚拟变量D5。
2. 模型估计利用Eviews软件，对上述模型进行最小二乘法（OLS）估计。
结果如下：消费支出 = 620.5 + 0.5 人均收入 + 0.4 教育程度 + 0.3 是否为城市居民3. 结果分析（1）截距项β0为620.5，表示当人均收入为0、教育程度为0、是否为城市居民为0时，消费支出的大致水平。
（2）人均收入的系数β1为0.5，表示在其他条件不变的情况下，人均收入每增加1元，消费支出将增加0.5元。
（3）教育程度的系数β2为0.4，表示在其他条件不变的情况下，教育程度每提高一个等级，消费支出将增加0.4元。
（4）是否为城市居民的系数β3为0.3，表示在其他条件不变的情况下，城市居民的消费支出比非城市居民高0.3元。
四、结论与展望通过本实验，我们掌握了虚拟变量的基本原理和建模方法，并成功分析了定性因素对消费支出的影响。
(完整word版)实验一Eviews软件的基本操作-学生实验报告
实验报告课程名称: 计量经济学实验项目:实验一EViews软件的基本操作实验类型：综合性□设计性□验证性专业班别：姓名：学号:实验课室：指导教师：石立实验日期：广东商学院华商学院教务处制一、实验项目训练方案小组合作：是□否小组成员：无实验目的：了解熟悉EViews软件的基本操作对象，掌握软件的基本操作。
实验场地及仪器、设备和材料实验室：普通配置的计算机,Eviews软件及常用办公软件。
实验训练内容(包括实验原理和操作步骤）:【实验内容】1.打开运行并认识Eviews软件；2.EViews软件的数据输入、编辑与序列生成；3.图形分析与描述统计分析；4.数据文件的存储与调用。
【实验数据】实验以附件“数据”所列出数据资料为例进行操作。
【实验步骤】一、打开运行软件实验中采用Eviews软件6.0版本绿色版，实验计算机上已安装，请找到图标，点击即可打开软件的操作界面.【注意：FTP中上传了软件的压缩包，同学们可以拷贝到自己的电脑，将压缩包解压后，打开文件夹，双击注册表,进行注册，注册成功后即可使用。
】二、认识软件界面Eviews软件窗口有无部分组成:标题栏、主菜单、命令窗口、状态栏、工作区.三、输入数据1．创建工作文件（1）菜单方式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。
注：根据数据的不同类型，应创建不同的工作文件，Eviews提供的数据工作文件可分为三种：a、无结构数据/截面数据:Unstructured/Undatedb、时间序列数据:Dated-regular frequency具体有:年度数据（Annual)、半年数据（Semi-annual）、季度数据（Quarterly）、月度数据（Monthly）、周数据（Weekly)、一周五天的数据（Daily-5days week）、一周七天的数据（Daily-7days week)、每日数据(Daily/integer date)c、面板数据Balanced Panel在本例中，按照下图的方式选取选项和填写数据：（2）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(时间频率类型以该类型英文首字母标记）则本例实验中的程序可写为：CREATE A 1978 2005在创建的工作文件中，一开始其就包含了两个对象：（如图）*系数向量C(保存估计系数用）*残差序列RESID（实际值与拟合值之差）2．输入数据并命名（1）添加新序列．．点击Objects/New Object（或在工作区右击鼠标,选取New Object），对象类型选择Series，并给定序列名，一次只能创建一个新序列。
Eviews虚拟变量实验报告
实验四虚拟变量【实验目的】掌握虚拟变量的基本原理，对虚拟变量的设定和模型的估计与检验，以及相关的Eviews操作方法。
【实验内容】试根据1998年我国城镇居民人均收入与彩电每百户拥有量的统计资料建立我国城镇居民彩电需求函数。
收入等级彩电拥有量Y（台/百户）人均收入X(元/年) iD困难户83.64 2198.88 0最低收入户87.01 2476.75 0低收入户96.75 3303.17 0中等偏下户100.9 4107.26 1中等收入户105.89 5118.99 1中等偏上户109.64 6370.59 1高收入户115.13 7877.69 1最高收入户122.54 10962.16 1【实验步骤】1、相关图分析根据表中数据建立人均收入X与彩电拥有量Y的相关图（SCAT X Y）。
从相关图可以看出，前3个样本点（即低收入家庭）与后5个样本点（中、高收入）的拥有量存在较大差异，因此，为了反映“收入层次”这一定性因素的影响，设置虚拟变量如下：⎩⎨⎧=低收入家庭中、高收入家庭1D2、构造虚拟变量构造虚拟变量 1D （DATA D1），并生成新变量序列：GENR XD=X*D13、估计虚拟变量模型LS Y C X D1 XD得到估计结果：我国城镇居民彩电需求函数的估计结果为：XD D X Y 009.0873.31012.0611.571-++=∧(16.25) (9.03) (8.32) (-6.59)366,066.1..,9937.02===F e s R再由t 检验值判断虚拟变量的引入方式，并写出各类家庭的需求函数。
虚拟变量的回归系数的t 检验都是显著的，且模型的拟合优度很高，说明我国城镇居民低收入家庭与中高收入家庭对彩电的消费需求，在截距和斜率上都存在着明显差异，所以以加法和乘法方式引入虚拟变量是合理的。
低收入家庭与中高收入家庭各自的需求函数为：低收入家庭：∧.57+=611XY012.0中高收入家庭：∧611.87331.57(+++-==012.0484)XX.Y003.0(.0009)89由此可见我国城镇居民家庭现阶段彩电消费需求的特点：对于人均年收入在3300元以下的低收入家庭，需求量随着收入水平的提高而快速上升，人均年收入每增加1000元，百户拥有量将平均增加12台；对于人均年收入在4100元以上的中高收入家庭，虽然需求量随着收入水平的提高也在增加，但增速趋缓，人均年收入每增加1000元，百户拥有量只增加3台。
虚拟变量eviews操作
虚拟变量eviews操作⼀、研究1978-2008年城乡居民储蓄存款随收⼊的变化规律是否有变化，已引⼊虚拟变量。
从上图中⽆法得到居民的储蓄⾏为发⽣明显改变的详尽信息。
做居民储蓄增量的时序图。
如下：可以看到，城乡居民的储蓄⾏为表现出了明显的阶段特征：在1996年、2000年、2005年和2007年有四个明显的转折点。
再从城乡居民储蓄存款增量与国民总收⼊之间关系的散布图看，也呈现了相同的阶段特征.为了分析居民储蓄⾏为在1996年、2000年、2005年以及2007年等不同时期的数量关系，引⼊虚拟变量D1、D2、D3、D4。
⼆、建⽴模型12314253541234(70142.5)(98000.5)(184088.6)(251483.2)t 1996t 0t 19960t t 0t t t t t t t t t t t tt t t YY GNI GNI D GNI D GNI D GNI D u ββββββ=++-+-+-+-+??===??1，为年以后1，为2000年以后其中，D D ，为年及以前，为2000年及以前1，为2005年以后 D D ，为2005年及以前t 20070t t ?=??1，为年以后，为2007年及以前三、回归估计模型series year 粘贴年份（edit ）series d1=(year>1996)series d2=(year>2000)series d3=(year>2005)series d4=(year>2007)ls yy c gni (gni-70142.5)*d1 (gni-98000.5)*d2 (gni-184088.6)*d3 (gni-251483.2)*d4四、根据上述估计结果写出模型702.31640.1330,199612687.88690.0579,1996200024467.43760.3755,2000200563121.20120.2137,20052007204856.37820.9448,2007t t t t t t t t t t GNI e t GNI e t YY GNI e t GNI e t GNI e t Λ-++≤??-+<≤??=-++<≤??-+<≤?-++>??。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
实验四虚拟变量
【实验目的】
掌握虚拟变量的基本原理，对虚拟变量的设定和模型的估计与检验，以及相关的Eviews操作方法。
【实验内容】
试根据1998年我国城镇居民人均收入与彩电每百户拥有量的统计资料建立
【实验步骤】
1、相关图分析
根据表中数据建立人均收入X与彩电拥有量Y的相关图（SCAT X Y）。
从相关图可以看出，前3个样本点（即低收入家庭）与后5个样本点（中、高收入）的拥有量存在较大差异，
因此，为了反映“收入层次”这一定性因素的影响，设置虚拟变量如下：
⎩⎨
⎧=低收入家庭
中、高收入家庭
1D
2、构造虚拟变量
构造虚拟变量 1D （DATA D1），并生成新变量序列：
GENR XD=X*D1
3、估计虚拟变量模型
LS Y C X D1 XD
得到估计结果：
我国城镇居民彩电需求函数的估计结果为：
XD D X Y 009.0873.31012.0611.571-++=∧
(16.25) (9.03) (8.32) (-6.59)
366,066.1..,9937.02===F e s R
再由t 检验值判断虚拟变量的引入方式，并写出各类家庭的需求函数。
虚拟变量的回归系数的t 检验都是显著的，且模型的拟合优度很高，说明我国城镇居民低收入家庭与中高收入家庭对彩电的消费需求，在截距和斜率上都存在着明显差异，所以以加法和乘法方式引入虚拟变量是合理的。
低收入家庭与中高收入家庭各自的需求函数为： 低收入家庭：
X Y 012.0611.57+=∧
中高收入家庭：
X X Y 003.0484.89)009.0012.0()873.31611.57(+=-++=∧
由此可见我国城镇居民家庭现阶段彩电消费需求的特点：
对于人均年收入在3300元以下的低收入家庭，需求量随着收入水平的提高而快速上升，人均年收入每增加1000元，百户拥有量将平均增加12台；对于人均年收入在4100元以上的中高收入家庭，虽然需求量随着收入水平的提高也在增加，但增速趋缓，人均年收入每增加1000元，百户拥有量只增加3台。
事实上，现阶段我国城镇居民中国收入家庭的彩电普及率已达到百分之百，所以对彩电的消费需求处于更新换代阶段。