计量经济学实验报告2

合集下载

计量经济学实验报告

《计量经济学》实验报告
一，数据
某年中国部分省市城镇居民家庭人均年可支配收入（X）与消费性支出（Y）统计数据
二，理论
模型的设
计
解释变量：
可支配收入
X
被解释变量：
消费性支出
Y
软件操作：（1）X与Y散点图
从散点图可以粗略的看出，随着可支配收入的增加，消费性支出也在增加，大致呈线性关系。

因此，建立一元线性回归模型：
（2）对模型做OLS估计
OLS估计结果为
三，模型检验
从回归估计结果看，模型拟合较好，可决系数为，表明家庭人均年可消费性支出变化的%可由支
配性收入的变化来解释。

t检验:在5%的显着性水平下
1
β不显着为0，表明可支配收入增加1个单位，消费性支出平均增加单位。

1，预测
现已知2018年人均年可支配收入为20000元，预测消费支出预测值为
0272.36350.75512000015374.3635
Y=+⨯=
E(X)=，Var(X)=
则在95%的置信度下，E(
Y)的预测区间为（,）
2，异方差性检验
对于经济发达地区和经济落后地区，消费支出的决定因素不一定相同甚至差异很大。

如经济越落后储蓄率越高，可能出现异方差性问题。

G-Q检验
对样本进行处理，X按从大到小排序，去掉中间4个，分为两组数据，
128
n n ==
分别回归
于是的F 统计量：
在5%的想着想水平下，0.050.05(6,6) 4.28,(6,6)F F F =>，即拒绝无异方差性假设，说明模型存在异方差性。

计量经济学实验报告(范例)

计量经济学实验报告专业：姓名：学号：Monthly (月度) Undated or irreqular (未注明日期或不规则的)在本例中是截面数据，选择“Undated or irreqular ”。

并在“observations ”中输入，样本数量如“31”点击“ok ”出现“Workfile UNTITLED ”工作框。

其中已有变量：“c ”—截距项 “resid ”—剩余项。

在“Objects ”菜单中点击“New Objects”，在“N ew 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。

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。

也可以在EViews 命令框直接键入“data X Y ”(一元时) 或 “data Y 1X 2X … ”(多元时)，回车出现“Group”窗口数据编辑框，在对应的Y 、X 下输入数据。

若要对数据存盘，点击 “fire/Save As”，出现“Save As ”对话框，在“Drives ”点所要存的盘，在“Directories ”点存入的路径（文件名），在“Fire Name ”对所存文件命名，或点已存的文件名，再点“ok ”。

若要读取已存盘数据，点击“fire/Open”，在对话框的“Drives”点所存的磁盘名，在“Directories”点文件路径，在“Fire Name”点文件名，点击“ok”即可。

3、估计参数方法一：在EViews 主页界面点击“Quick ”菜单，点击“Estimate Equation ”，出现“Equation specification ”对话框，选OLS 估计，即选击“Least Squares”，键入“Y C X ”，点“ok ”或按回车，即出现如表2那样的回归结果。

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。

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(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(自相关性)

实验6.美国股票价格指数与经济增长的关系——自相关性的判定和修正一、实验内容：研究美国股票价格指数与经济增长的关系。

1、实验目的:练习并熟练线性回归方程的建立和基本的经济检验和统计检验；学会判别自相关的存在，并能够熟练使用学过的方法对模型进行修正。

2、实验要求：（1）分析数据，建立适当的计量经济学模型（2）对所建立的模型进行自相关分析（3）对存在自相关性的模型进行调整与修正二、实验报告1、问题提出通过对全球经济形势的观察，我们发现在经济发达的国家，其证券市场通常也发展的较好，因此我们会自然地产生以下问题，即股票价格指数与经济增长是否具有相关关系？GDP是一国经济成就的根本反映。

从长期看，在上市公司的行业结构与国家产业结构基本一致的情况下，股票平均价格的变动跟GDP的变化趋势是吻合的，但不能简单地认为GDP 增长，股票价格就随之上涨，实际走势有时恰恰相反。

必须将GDP与经济形势结合起来考虑。

在持续、稳定、高速的GDP增长下，社会总需求与总供给协调增长，上市公司利润持续上升，股息不断增加，老百姓收入增加，投资需求膨胀，闲散资金得到充分利用，股票的内在含金量增加，促使股票价格上涨，股市走牛。

本次试验研究的1970-1987年的美国正处在经济持续高速发展的状态下，据此笔者利用这一时期美国SPI与GDP的数据建立计量经济学模型，并对其进行分析。

2、指标选择：指标数据为美国1970—1987年美国股票价格指数与美国GDP数据。

3、数据来源：实验数据来自《总统经济报告》（1989年），如表1所示：表1 4、数据处理将两组数据利用Eviews绘图，如图1、2所示：图1 GDP数据简图图2 SPI数据简图经过直观的图形检验，在1970-1987年间，美国的GDP保持持续平稳上升，SPI虽然有些波动，但波动程度不大，和现实经济相符，从图形上我们并没有发现有异常数据的存在。

所以可以保证数据的质量是可以满足此次实验的要求。

《计量经济学》课程实验报告

y最大值: 19 最小值:3.2 平均值: 11.6625标准差: 5.498591
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。

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材料模版

计量经济学实验报告：罗静班级：B100906 学号：B10090605《计量经济学》课程实验报告1专业国际贸易班级B100906 罗静日期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、实验容首先根据实际分析居民消费水平与经济增长的关系，并建立回归模型，然后以最小二乘法利用Eviews软件估计参数值，得到估计值后，再根据估计值来进行模型检验，包括经济意义检验、拟合优度和统计检验。

最后便可进行回归预测。

三、实验数据教材p55页，表2.5。

四、实验步骤1.分析居民人均消费水平Y和人均GDP的关系2.模型设定：Yt=β1+β2Xt+Ut3.用Eviews估计参数。

步骤如下：1，建立工作文件：双击Eviews图标，进入Eviews主页。

在菜单选项中依次点击New --- Workfile，出现“Workfile Range”。

在“Workfile Frequency”中选择数据频率“Annual”，并在“start Date”菜单中输入“1978”，在“End”菜单中输入“2007”点击“OK”出现未命名文件的“Workfile UNTITLED”工作框。

已有对象“c”为截距项，“resid”为剩余项。

2，输入数据：在“Quick”菜单中点击“Empty Group”，出现数据编辑窗口。

将第一列命名为“Y”：方法是按上行键“↑”，对应“obs”格自动上跳，，在对应的第二行有边框的“obs”空格中输入变量名为“Y”，再按下行键“↓”，变量名一下各格出现“NA”，依次输入Y的对应数据。

按同样的方法，可对“X”等其他变量命名，并输入对应数据3，参数估计：在Eviews主页面直接点击“Quick”菜单，点击“Estimate Equation”，出现“Equation specification”对话框，选用OLS估计，然后在该对话框中输入“Y C X”，点击“OK”即出现以下结果4.模型检验：1，经济意义检验：所估计参数β1=224.3149，β2=0.38643，说明人均GDP每增加1元，平均来说可导致居民消费水平提高0.38643元。