计量经济学作业 实验三
计量经济学实验三--李子奈
实验三 多元线性回归一 实验目的：(1) 掌握多元线性回归模型的估计方法 (2) 模型方程的F 检验，参数的t 检验 (3) 模型的外推预测与置信区间预测二 实验要求：应用教材P105习题11做多元线性回归模型估计，对回归方程和回归参数进行检验并做出单点预测与置信区间预测 三 实验原理：最小二乘法四 预备知识：最小二乘法估计原理、t 检验、F 检验、点预测和置信区间预测 五 实验内容：在一项对某社区家庭对某种消费品的消费需要调查中，得到书中的表所示的序号对某商品的消费支出Y 商品单价X1 家庭月收入X2 序号对某商品的消费支出Y 商品单价X1 家庭月收入X2 1 591.9 23.56 7620 6 644.4 34.14 12920 2 654.5 24.44 9120 7 680.0 35.3 14340 3 623.6 32.07 10670 8 724.0 38.7 15960 4 647.0 32.46 11160 9 757.1 39.63 18000 5 674.0 31.15 11900 10706.8 46.68 19300 归分析。
(1)估计回归方程的参数及及随机干扰项的方差2，计算2R 及2R 。
(2)对方程进行F 检验，对参数进行t 检验，并构造参数95%的置信区间. (3)如果商品单价变为35元，则某一月收入为20000元的家庭的消费支出估计是多少？构造该估计值的95%的置信区间。
六 实验步骤：6.1 建立工作文件并录入全部数据，如图1所示：图 16.2 建立二元线性回归模型01122Y X X βββ=++点击主界面菜单Quick\Estimate Equation 选项，在弹出的对话框中输入：Y C X1 X2点击确定即可得到回归结果，如图2所示图 2根据图2的信息，得到回归模型的估计结果为：626.51939.790610.02862(15.61)( 3.06)(4.90)Y X X =-+-20.902218R = 20.874281R = .. 1.650804D W =22116.847i e =∑ 32.29408F = (2,7)df =随机干扰项的方差估计值为22116.847302.40677σ∧==6.3 结果的分析与检验 6.3.1 方程的F 检验 回归模型的F 值为：32.29408F =因为在5%的显著性水平下，F 统计量的临界值为0.05(2,7) 4.74F =所以有 0.05(2,7)F F > 所以回归方程通过F 检验，方程显著成立。
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;。
计量经济学实验报告(三)
2012 — 2013 第 1 学期计量经济学实验报告实验（三）：计量经济检验与修正实验学号：0101702 姓名：宋蕾专业: 财务管理选课班级：A（2实验日期： 2 0 11.112实验地点：南区综合楼经济管理与创业模拟实验中心实验室实验名称：计量经济检验与修正实验【实验目标、要求】使学生掌握用Eviews做1.异方差性检验和修正方法；2.自相关性检验和修正方法；3.【实验内容】实验内容以课后练习：以114页第6题、130页应用题第2题为例进行操作【实验步骤】一、第114页第6题（一）创建工作文件在主菜单上依次单击File T New^Workfile ,选择数据类型和起止日期。
时间序列提供起止日期（年、季度、月度、周、日），非时间序列提供最大观察个数。
本题中在workfile structure type 中选Unstructured/Undated, 在Data range Observation 中填 2 8。
单击OK后屏幕出现Workfile工作框，如图所示。
（二）输入和编辑数据在命令窗口直接输入：Data Y X . 屏幕出现数据编辑框，如下图所示。
点击上图中对话框的"Edit +/-"，将数据进行输入，如下图所示。
数据输入完毕，单击工作文件窗口工具条的存入磁盘。
（三）0 LS估计参数利用2008年中国部分省市城镇居民家庭平均全年可支配收入（的相关数据表，作散点图。
Eviews命令:scat X Y ; 如图所示X）与消费性支出（Y）Save或单击菜单兰的File宀Save将数据可看出2 0 0 8年中国部分省市城镇居民家庭平均全年可支配收入 (X)与消费性支出(Y)的关系近似直线关系可建立线性回归模型。
在主菜单命令行键入：“LS Y C X ”，然后回车。
即可直接出现如下图所示的计算结果Depe ndent Variable: Y Method: Least Squares Date: 12/12/12 Time: 20:15 Sample: 1 28In cluded observati ons: 28VariableCoefficie ntStd. Errort-StatisticProb.C 735.1080 477.1123 1.540744 0.1355 X0.6662220.03055821.802130.0000R-squared0.948138Mean depe ndent var 10780.65 Adjusted R-squared 0.946144 S.D. dependent var 2823.752 S.E. of regressi on 655.3079 Akaike info criteri on 15.87684 Sum squared resid 11165139 Schwarz criteri on 15.97199 Log likelihood -220.2757 F-statistic 475.3327 Durb in -Watson stat1.778976Prob(F-statistic)0.000000(477. 1123) (0 . 030558) 点击 store to DB，将估计式以“ eq01 ”为名保存。
【免费下载】计量经济学实验报告三
Coefficient Std. Error t-Statistic
46.35435 6.393929 7.249745
88.12667 8.691372 3.957333 4.050746 734.6830 0.000000
Prob. 0.0000
X AR(1)
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
1．序列相关实验：下表是 1965 年-1994 年美国人均真实工资 Y 与人均产
出指数 X 的数据，通过建立模型Yi 0 1Xi ui 进行分析：
年份
1965
1966
1967
1968
1969
1970
1971
1972
1973
1974
1975
1976
1977
1978
1979
1980
1981
销售额 X
114862 123968 121454 131917 129911 140976 137828 145645 136989 145126 141536 151776 148826 158913 155727 168409 162781 176057 172419 183327 170415 181313 176712 180370
扰动项不存在一阶自相关。
Dependent Variable: Y Method: Least Squares Date: 05/25/14 Time: 09:04 Sample(adjusted): 1966 1994 Included observations: 29 after adjusting endpoints Convergence achieved after 4 iterations
计量经济 实验报告三
计量经济实验报告实验三异方差的识别与补救一、实验目的：1.掌握异方差的识别方法2.能针对具体问题提出解决异方差问题的措施二、实验内容：下表是储蓄与收入得样本观测值，试建立储蓄Y关于收入X的线性模型并进行异方差的检验与修正。
个人储蓄与收入数据（百万英镑）序号Y X 序号Y X1 264 8777 17 1578 241272 105 9210 18 1654 256043 90 9954 19 1400 265004 131 10508 20 1829 276705 122 10979 21 2200 283006 107 11912 22 2017 274307 406 12747 23 2105 295608 503 13499 24 1600 281509 431 14269 25 2250 3210010 588 15522 26 2420 3250011 898 16730 27 2570 3250012 950 17663 28 1720 3350013 779 18575 29 1900 3600014 819 19635 30 2100 3620015 1222 21163 31 2300 3820016 1702 228801.用以上数据对储蓄-收入模型进行估计2.检验模型是否存在异方差3.假设随机项的异方差形式为22var()i ixμσ=，消除模型的异方差并重新对模型进行估计。
三、实验结果：1、模型估计：Dependent Variable: YMethod: Least SquaresDate: 12/06/13 Time: 16:58Sample: 1 31Included observations: 31Variable Coefficient Std. Error t-Statistic Prob.C -655.9600 124.2692 -5.278540 0.0000X 0.085352 0.005161 16.53779 0.0000R-squared 0.904132 Mean dependent var 1250.323 Adjusted R-squared 0.900826 S.D. dependent var 820.9407 S.E. of regression 258.5299 Akaike info criterion 14.01024 Sum squared resid 1938294. Schwarz criterion 14.10276 Log likelihood -215.1587 F-statistic 273.4984 Durbin-Watson stat 1.039802 Prob(F-statistic) 0.0000002、white检验：White Heteroskedasticity Test:F-statistic 11.18080 Probability 0.000270 Obs*R-squared 13.76465 Probability 0.001026Test Equation:Dependent Variable: RESID^2Method: Least SquaresDate: 12/06/13 Time: 17:00Sample: 1 31Included observations: 31Variable Coefficient Std. Error t-Statistic Prob.C 38802.30 71391.21 0.543516 0.5911X -4.563188 7.025231 -0.649543 0.5213X^2 0.000217 0.000154 1.411320 0.1692R-squared 0.444021 Mean dependent var 62525.62 Adjusted R-squared 0.404308 S.D. dependent var 75015.93S.E. of regression 57898.10 Akaike info criterion 24.86252 Sum squared resid 9.39E+10 Schwarz criterion 25.00130 Log likelihood -382.3691 F-statistic 11.18080 Durbin-Watson stat 1.491234 Prob(F-statistic) 0.0002703、消除模型的异方差并重新对模型进行估计。
计量经济学实验三
多元回归模型与非线性回归模型【实验目的】掌握多元回归模型参数估计，特别是非线性回归模型的转化、参数估计及检验方法。
【实验内容】一、多元回归模型参数估计；二、生成序列以及可线性化模型的参数估计；三、不可线性化模型的迭代估计法的Eviews 软件的实现方式。
【实验数据】建立我国国有独立核算工业企业生产函数。
根据生产函数理论，生产函数的基本形式为：()ε,,,K L t f Y =。
其中，L 、K 分别为生产过程中投入的劳动与资金，时间变量t 反映技术进步的影响。
表3-1列出了我国1978-1994年期间国有独立核算工业企业的有关统计资料；其中产出Y 为工业总产值（可比价），L 、K 分别为年末职工人数和固定资产净值（可比价）。
资料来源：根据《中国统计年鉴－1995》和《中国工业经济年鉴-1995》计算整理【实验步骤】Y=AK一、建立多元线性回归模型㈠建立包括时间变量的三元线性回归模型； μββββ++++=L K T Y 3210在命令窗口依次键入以下命令即可： ⒈建立工作文件： CREATE A 78 94 ⒉输入统计资料： DATA Y L K ⒊生成时间变量t ： GENR T=@TREND(77) ⒋建立回归模型： LS Y C T L K 则生产函数的估计结果及有关信息如图3-1所示。
图3-1 我国国有独立核算工业企业生产函数的估计结果 因此，我国国有独立工业企业的生产函数为：K L t y 7764.06667.06789.7732.675ˆ+++-= （模型1） t ＝9958.02=R 9948.02=R 551.1018=F模型的计算结果表明，我国国有独立核算工业企业的劳动力边际产出为，资金的边际产出为，技术进步的影响使工业总产值平均每年递增亿元。
回归系数的符号和数值是较为合理的。
9958.02=R ，说明模型有很高的拟合优度，F 检验也是高度显著的，说明职工人数L 、资金K 和时间变量t 对工业总产值的总影响是显著的。
计量经济学综合实验报告
1、用Eviews创建变量LE、NI,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 le ni”回车 ,从数据表中粘贴数据到Eviews数据表中即可;
2、估计河南省农村居民消费支出LE依可支配收入NI的一元回归模型
下图就是河南省农村居民消费支出LE和可支配收入NI的一元线性回归结果：
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=,β2=,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元;
2拟合优度检验：通过以上的回归数据可知,可决系数为,说明所建模型整体上对样本数据拟合度不是太好;
3t检验：针对H1：β1=0和H2：β2=0,由上回归结果可以看出,估计的回归系数B1的标准误差和t值分别为：SEβ1=,tβ1=: β2的标准误差和t值分别为SEβ2= tβ2=. 取a=0,05,查t分布表得自由度为n-2=18-2=16的临界值为= 19,tβ1=＜= 19,不拒绝H1, tβ2=＞= 19,拒绝H2.这表明,城市居民可支配收入对其消费水平有很大影响;
但两者的之一比例均大于,可见用凯恩斯的绝对收入假说解释现阶段河南省居民消费规律是合理的;
实验二 截面数据一元线性回归模型
异方差性
实验目的和要求
1、掌握一元线性回归估计方程的异方差性检验方法；
2、掌握一元线性回归估计方程的异方差性纠正方法；
3、在老师的指导下独立完成实验,并得到正确结果;
实验内容
1、估计河南省城市居民消费支出CE依可支配收入DI的一元线性回归模型和农村居民生活消费支出LE与纯收入NI的一元线性回归模型；
城市居民：
计量经济学上机实验手册
计量经济学上机实验手册标准化工作室编码[XX968T-XX89628-XJ668-XT689N]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。
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(Y)Genr LX1=LOG(X1)Genr 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: LYMethod: Least SquaresSample: 1 31LX1Adjusted R-squared . dependent var. of regression Akaike infocriterionSum squared resid Schwarz criterionLog 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。
计量经济学实验3
心得：掌握了建立多元回归模型和比较、筛选模型的方法。
我院任课教师有实验课的均要求有实验报告，每个实验项目要求有一份实验报告，实验报告按照格式书写完毕后，经辅
导实验的教师批改后按照实验室收集存档。
5.实验过程及步骤
（1）creat file
(2) data Y X1 X2输入数据，按回车，得回归分析图表，如下图：
6．实验结论及心得
（1）回归方程：^Y=626.51-9.79X1+0.03X2
（2）经济意义解释：在其他条件不变的情况下，X1每增加一个单位时，^Y平均减少9.79个单位。
在其他条件不变的情况下，X2每增加一个单位时，^Y平均增加0.03个单位。
（3）^B0=626.51 ^B1=-9.79 ^B3=0.03随机干扰项的方差=302.41
R^2=90.22%可调整的R^2=87.43%
(4) F=32.29>F(0.05)(2 7)=4.74所以该方程是显著的。
t1=-3.06<t(0.025)(7)=2.365所以X1对方程的影响不显著。
9
757.1
39.63
18000
10
706.8
46.68
19300
请用手工与软件两种方式对该社区家庭对该商品的消费需求支出作二元线性回归分析，其中手工方式要求以矩阵表达式进行运算。
（1）写出回归方程
（2）写出回归系数的意义
（3）估计回归方程的参数及随机干扰项的方差，计算可决系数，可调整的可决系数。
（4）对方程进行F检验，对参数进行t检验，并构造参数95%的置信区间
序号
对某商品的消费支出Y
计量经济学实验三
实验三1、参数估计以y为被解释变量，x1,x2,x3,x4,x5为解释变量建立多元线性回归模型，如下图根据回归结果，在显著性水平为0.05时，农业劳动力x5没有通过t检验，而回归模型通过了F检验，即t检验的结果与F检验的结果相互矛盾；同时，成灾面积X3，农业机械总动力x4,农业劳动力x5的回归系数为负，与经济原理相违背。
以上两点提示多元线性回归模型很可能存在严重的多重共线性。
2 检验多重共线性在工作文件窗口同时选择“X1 X2 X3 X4 X5”，右键→Open→as Group→View → Covariance Analysis→ Correlation→OK。
如图所示：由相关系数矩阵可以看出，除了X1与X4之间的相关系数为0.952，存在高度相关性外，其他的解释变量间的相关系数都比较低，因此可以判断原模型存在多重共线性。
3.修正多重共线性（1）分别做Y对X1、X2、X3、X4、X5的回归，得到如下的回归结果：Y对X1的回归结果：Y对X2的回归结果：Y对X3的回归结果：Y对X4的回归结果：Y对X5的回归结果：通过比较可以得出，参数通过t 检验，R 2 最接近1的是X1，所以X1为解释变量的一元线性回归模型拟合的最好，可决系数最大，所以可以把模型：t t t X Y μββ++=110，作为最优回归模型。
（2）在模型（1）的基础上，分别加入其它解释变量进行回归，进而确定拟合优度最好的二元回归模型。
Estimate →Equation Specification →在文本框中输入“Y C X1 X2”→OK 。
Y 对X1和X2的回归结果：Y 对X1和X3的回归结果:Y对X1和X4的回归结果：Y对X1和X5的回归结果：经对比发现，新加入X2的方程的调整可决系数改进最大，2R=0.9538，而且，X1与 X2的t检验都是显著的， X1与 X2的参数符号符合经济理论预期，因此选择保留X2。
(3)在包含X1与X2的二元线性回归方程的基础上，再逐个加入其它解释变量进行回归，结果如图所示：Y对X1、X2和X4的回归结果：从以上三个输出结果可以看出，加入X3、X4后，尽管调整可决系数有所改进，但其t检验系数为负数，明显不合理；虽然加入X5后，调整可决系数有所改进，但其t检验在显著性水平为0.05时是不显著的至此，逐步回归可以终止，说明X3、X4和X5引起多重共线性，应当予以剔除。
计量经济学实验三
Sample: 1978 2005 Included observations: 28 Variable GDP LL C R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic) Coefficient 0.088239 -42.65989 202.2173 0.950564 0.946609 150.4304 565732.7 -178.5217 240.3512 0.000000 Std. Error 0.005525 11.83064 95.25038 t-Statistic 15.97067 -3.605880 2.123008 Prob. 0.0000 0.0014 0.0438 427.0379 651.0303 12.96584 13.10857 13.00947 1.504205
Sample: 1978 2005 Lags: 2 Null Hypothesis: ZC does not Granger Cause GDPB GDPB does not Granger Cause ZC Obs 26 F-Statistic 5.41457 3.66056 Prob. 0.0127 0.0433
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat
4．存货增加模型（结果控制在本页）
Dependent Variable: TZC Method: Least Squares Date: 04/25/14 Time: 15:09
计量经济学实验三
实验三多重共线性【实验目的】掌握多重共线性的检验及处理方法【实验内容】建立并检验我国钢材产量预测模型【实验步骤】【例1】表1是1978－1997年我国钢材产量（万吨）、生铁产量（万吨）、发电量（亿千瓦时）、固定资产投资（亿元）、国内生产总值（亿元）、铁路运输量（万吨）的统计资料。
一、检验多重共线性 ⒈相关系数检验利用相关系数可以分析解释变量之间的两两相关情况。
在Eviews 软件中可以直接计算相关系数矩阵。
本例中，在Eviews 软件命令窗口中键入：COR X1 X2 X3 X4 X5或在包含所有解释变量的数组窗口中点击View\Correlations ，其结果如图1所示。
由相关系数矩阵可以看出，解释变量之间的相关系数均为0.93以上，即解释变量之间时高度相关的。
图1 解释变量相关系数矩阵⒉辅助回归方程检验当解释变量多余两个且变量之间呈现出较复杂的相关关系时，可以通过建立辅助回归模型来检验多重共线性。
本例中，在Eviews 软件命令窗口中键入：LS X1 C X2 X3 X4 X5 LS X2 C X1 X3 X4 X5 LS X3 C X1 X2 X4 X5 LS X4 C X1 X2 X3 X5 LS X5 C X1 X2 X3 X4二、利用逐步回归方法处理多重共线性 ⒈建立基本的一元回归方程根据相关系数和理论分析，钢材产量与生铁产量关联程度最大。
所以，设建立的一元回归方程为：εβα++=1X Y⒉逐步引入其它变量，确定最适合的多元回归方程（回归结果如表2所示）表2 钢材产量预测模型逐步回归结果所以，建立的多元回归模型为：Y = -287.68669 + 0.4159*X1 + 0.4872*X2以下无正文仅供个人用于学习、研究；不得用于商业用途。
толькодля людей, которые используются для обучения, исследований и не должны использоваться в коммерческих целях.For personal use only in study and research; not for commercial use.Nur für den persönlichen für Studien, Forschun g, zu kommerziellen Zwecken verwendet werden.Pour l 'étude et la recherche uniquement à des fins personnelles; pas à des fins commerciales.。
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。
实验3 计量经济学
【实验项目名称】模型估计中的问题及对策：多重共线性、异方差和自相关【实验目的及要求】掌握模型估计中常见问题的检验方法及对策，熟悉处理多重共线性、异方差、自相关等具体问题的方法，应用Eviews软件工具检验问题的存在，并找到合适的解决办法消除问题，建立并修正模型。
【实验内容及步骤】独立完成以下实验题目，并提交实验报告。
1．数据集Table10-13给出了包含以下若干变量的美国新客车出售数据：Y——新客车出售量X2——新车消费者价格指数（1967年＝100）X3——城市消费者价格指数（包括全部项目，1967年＝100）X4——个人可支配收入（10亿美元）X5——利率（％）X6——民间就业劳动人数（千人）（1）制定适当的线性或对数线性模型，以估计美国对汽车的需求函数。
（2）如果你决定用表中全部变量（X）作为解释变量，可能会出现什么问题，为什么？（3）如果出现了（2）中的问题，应该如何解决？写出解决之后的回归结果。
2．数据集Table2-8是印度的55个家庭的食物支出和总支出数据，具体变量如下：foodexp——食物支出（卢比）totalexp——总支出（卢比）回答下列问题：（1）将食物支出对总支出回归，检查回归所得到的残差。
（2）将得到的残差对总支出描点，看是否存在系统关系。
（3）若描点图显示存在异方差性，用帕克检验、格里瑟检验、GQ检验和怀特检验来看这些检验是否支持从图中观察所得到的异方差性印象。
（4）使用加权最小二乘法修正模型，剔除异方差性。
（5）改变（1）模型，采用对数模型的形式，考察异方差性是否还存在。
3．数据集Table12-7中为铜工业数据，其中涉及到的变量如下：cprice——12个月的平均美国国内铜价（每磅美分）G——年度国民生产总值（10亿美元）I——12个月的平均工业生产指数L——12个月的平均伦敦金属交易所铜价（20英镑）H——每年新房动工数（千单位）A ——12个月的平均铝价（每磅美分）回答下列问题：（1） 根据数据，估计模型01234ln ln ln ln ln cprice I L H A u βββββ=+++++，并解释所得结果。
《计量经济学》上机实验参考答案(本科生)
《计量经济学》上机实验参考答案实验一：计量经济学软件Eviews 的基本使用；一元线性回归模型的估计、检验和预测；多元线性回归模型的估计、检验和预测（3课时）；多元非线性回归模型的估计。
实验设备：个人计算机，计量经济学软件Eviews ，外围设备如U 盘。
实验目的：（1）熟悉Eviews 软件基本使用功能；（2）掌握一元线性回归模型的估计、检验和预测方法；正态性检验；（3）掌握多元线性回归模型的估计、检验和预测方法；（4）掌握多元非线性回归模型的估计方法。
实验方法与原理：Eviews 软件使用，普通最小二乘法（OLS ），拟合优度评价、t 检验、F 检验、J-B 检验、预测原理。
实验要求：（1）熟悉和掌握描述统计和线性回归分析；（2）选择方程进行一元线性回归；（3）选择方程进行多元线性回归；（4）进行经济意义检验、拟合优度评价、参数显著性检验和回归方程显著性检验；（5）掌握被解释变量的点预测和区间预测；（6）估计对数模型、半对数模型、倒数模型、多项式模型模型等非线性回归模型。
实验内容与数据1：表1数据是从某个行业的5个不同的工厂收集的，请回答以下问题：（1）估计这个行业的线性总成本函数：t t x b b y 10ˆˆˆ+=；（2）0ˆb 和1ˆb 的经济含义是什么？；（3）估计产量为10时的总成本。
表1 某行业成本与产量数据 总成本y80 44 51 70 61 产量x 12 4 6 11 8参考答案：(1)总成本函数(标准格式)：t t x y25899.427679.26ˆ+= s = (3.211966) (0.367954)t = (8.180904) (11.57462)978098.02=R 462819.2.=E S 404274.1=DW 9719.133=F(2)0ˆb =26.27679为固定成本，即产量为0时的成本；1ˆb =4.25899为边际成本，即产量每增加1单位时，总成本增加了4.25899单位。
计量经济学实验三
实验三异方差的检验与修正实验目的1、理解异方差的含义、后果2、学会异方差的检验与加权最小二乘法实验内容一、准备工作。
建立工作文件，并输入数据，用普通最小二乘法估计方程（操作步骤与方法同前），得到残差序列。
表2列出了1998年我国主要制造工业销售收入与销售利润的统计资料，请利用统计软件Eviews建立我国制造业利润函数模型。
表2 我国制造工业1998年销售利润与销售收入情况二、异方差的检验1、图形分析检验⑴观察销售利润（Y）与销售收入（X）的相关图(图3-1)：SCAT X Y图3-1 我国制造工业销售利润与销售收入相关图从图中可以看出，随着销售收入的增加，销售利润的平均水平不断提高，但离散程度也逐步扩大。
这说明变量之间可能存在递增的异方差性。
⑵残差分析首先将数据排序（命令格式为：SORT 解释变量），然后建立回归方程。
在方程窗口中点击Resids按钮就可以得到模型的残差分布图（或建立方程后在Eviews工作文件窗口中点击resid对象来观察）。
图3-2 我国制造业销售利润回归模型残差分布图3-2显示回归方程的残差分布有明显的扩大趋势，即表明存在异方差性。
2、Goldfeld-Quant检验⑴将样本安解释变量排序（SORT X）并分成两部分（分别有1到10共11个样本合19到28共10个样本）⑵利用样本1建立回归模型1（回归结果如图3-3），其残差平方和为2579.587。
SMPL 1 10LS Y C X图3-3 样本1回归结果⑶利用样本2建立回归模型2（回归结果如图3-4），其残差平方和为63769.67。
SMPL 19 28 LS Y C X图3-4 样本2回归结果⑷计算F 统计量：12/RSS RSS F =＝63769.67/2579.59=24.72，21RSS RSS 和分别是模型1和模型2的残差平方和。
取05.0=α时，查F 分布表得44.3)1110,1110(05.0=----F ，而44.372.2405.0=>=F F ，所以存在异方差性 3、White 检验(1)建立回归模型：LS Y C X ，回归结果如图3-5。
计量经济学实验报告-实验三-虚拟变量模型
计量经济学实验报告实验三：虚拟变量模型姓名：班级：序号：学号：1. 问题描述：2009年我国各地区城镇居民和农村居民家庭人均可支配收入与人均生活消费支出之间的关系。
2. 理论模型：μββ++=110X Y3. 数据1.城镇居民：121i i y x ββμ=++Dependent Variable: Y Method: Least Squares Date: 12/26/11 Time: 14:15 Sample: 1 31Included observations: 31VariableCoefficient Std. Error t-Statistic Prob.X 0.668059 0.030926 21.60193 0.0000 C755.0114520.3031 1.4510990.1575R-squared0.941490 Mean dependent var 11628.97 Adjusted R-squared 0.939473 S.D. dependent var 2978.791 S.E. of regression 732.8515 Akaike info criterion 16.09410 Sum squared resid 15575067 Schwarz criterion 16.18662 Log likelihood -247.4586 F-statistic 466.6435 Durbin-Watson stat1.644234 Prob(F-statistic)0.000000所以，模型一为：x 66806.00114.755+=城镇Y (1.4511) (21.602)2. 农村居民：122i i y x ααμ=++Dependent Variable: Y Method: Least Squares Date: 12/26/11 Time: 14:15 Sample: 1 31Included observations: 31VariableCoefficient Std. Error t-Statistic Prob.X 0.692746 0.040826 16.96817 0.0000 C350.9498244.7179 1.4340990.1622R-squared0.908494 Mean dependent var 4170.339 Adjusted R-squared 0.905338 S.D. dependent var 1737.704 S.E. of regression 534.6414 Akaike info criterion 15.46341 Sum squared resid 8289402. Schwarz criterion 15.55593 Log likelihood -237.6829 F-statistic 287.9187 Durbin-Watson stat1.864618 Prob(F-statistic)0.000000所以，模型二为：x 6928.095.350+=农村Y (1.4341) (16.968)三、模型检验为比较居民和农村消费指数是否有显著差异，设虚拟变量：{10D ===城市居民农村居民并将两函数合并，估计以下模型：01134()i i i i i y x D D x ββββμ=++++ 其中，311ββα=-，422ββα=-，i i i i x D x D =•。
- 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)。
中央财经大学实验报告实验项目名称模型估计中的问题及对策：多重共线性、异方差和自相关所属课程名称计量经济学实验类型实验日期2013年11月13日班级税务11学号**********姓名韩旭成绩实验室4号楼106机房（以下内容放到表格中会有部分显示不出来，所以没有设置表格）【第一题】一·制定适当的线性或对数线性模型，以估计美国对汽车的需求函数用对数线性估计美国汽车的需求函数为：lnŷ=8.456+0.005x2−0.010x3+0.0006x4-0.012x5+1.29*10−5x6t= 9.982 0.727 -1.979 1.579 -0.735 1.018R2̅̅̅̅=0.625 F=6.007 n=16二·如果你决定用表中全部变量（X）作为解释变量，可能会出现什么问题，为什么？1)进行误设定和多重共线性的检验：①误设定的RESET检验结果如下Ramsey RESET Test:F-statistic 1.536995 Prob. F(1,9) 0.2464Log likelihood ratio 2.522685 Prob. Chi-Square(1) 0.1122F=1.537 p值等于0.2464>0.05,故接受无误设定的原假设。
②多重共线性的检验结果如下1）根据理论分析，x2与x3和被解释变量y应该是负相关。
而估计模型中，x2与y是正相关。
x2与x3的相关系数为0.997，高度相关。
2）根据理论分析，利率对被解释变量的意义应该不大，且当删除x 5之后，R2̅̅̅̅=0.640，拟合程度更高。
3）进方差膨胀因子（VIF ）检验：用解释变量x2对其它解释变量作辅助回归，得到结果：250996.011=-=VIF ，该数值远大于10，同样可以表明模型存在严重的多重共线性。
因此，存在多重共线性的问题。
三·如果出现了（2）中的问题，应该如何解决？写出解决之后的回归结果。
1）解决多重共线性去掉x 2与x 5做回归分析，结果如下： lny ̂=8.88−0.010x 3+0.00087x 4+1.29*10−5x 6 t= 13.8 -5.288 4.039 1.262 R2̅̅̅̅=0.635 F=9.70 n=16【第二题】一·将食物支出对总支出回归，检查回归所得到的残差。
1）回归估计模型得：f oodêxp =94.209+0.44totalexp t= (1.852) (5.577)R 2=0.35 F=31.103 n=55 2）得残差图如下：由残差图可以看出残差的点都在以0为轴的直线上下随机分布，但是残差的绝对值较大，且有随着支出的增加而绝对值逐渐增大的趋势，说明回归直线的各个观测值的拟合情况不好，自变量和因变量之间的线性相关关系不是很显著。
二·将得到的残差对总支出描点，看是否存在系统关系。
残差对总支出描点，结果如图：由描点图可以看出残差绝对值值随着支出值得增加而增加，说明总支出和食物支出可能是非线性关系。
三·若描点图显示存在异方差性，用帕克检验、格里瑟检验、GQ检验和怀特检验来看这些检验是否支持从图中观察所得到的异方差性印象。
1）帕克检验帕克检验输出结果如下：lnσ2=−16.863+3.703ln totalexp+v it= -1.686 2.386R2̅̅̅̅=0.08 F=5.69 n=55totalexp前的系数为3.703，t=2.386〉1.96，p值=0.02〈0.05，所以该系数在统计上是显著的不为零，存在异方差性。
2）格里瑟检验检验结果如下：|e|=-32.22+0.13tot âlexp+v it= -1.09 2.88R2̅̅̅̅=0.19 F=8.28 n=55分析得：t=2.878〉1.96，p值=0.0058〈0.05，所以解释变量对残差的绝对值的影响是显著的，因此存在异方差。
3）GQ检验①F值计算结果将totalexp排列【子样本1】1-18的数据回归模型如下：food̂exp=9.16+0.62totalexpt= (0.18) (6.14)R2=0.68 F=37.71 n=18其中，RS S1=16127.92【子样本2】38-55的数据回归模型如下：food̂exp=535.57−0.14totalexpt= (0.95) (-0.19)R2=-0.05 F=0.04 n=18其中，RS S2=103821.1F= RS S2/ RS S1=6.34>F(16,2)=3.63,所以拒绝原假设，存在（递增的）异方差性。
②软件操作结果:Heteroskedasticity Test: GlejserF-statistic 8.282868 Prob. F(1,53) 0.0058Obs*R-squared 7.433689 Prob. Chi-Square(1) 0.0064Scaled explained SS 7.664399 Prob. Chi-Square(1) 0.0056P值为0.0064<0.05, 拒绝同方差性的原假设，模型存在异方差性.4) 怀特检验结果输出如下：Heteroskedasticity Test: WhiteF-statistic 4.025939 Prob. F(2,52) 0.0237Obs*R-squared 7.374513 Prob. Chi-Square(2) 0.0250Scaled explained SS 7.650764 Prob. Chi-Square(2) 0.0218P值为0.0250<0.05, 拒绝同方差性的原假设，模型存在异方差性.四·使用加权最小二乘法修正模型，剔除异方差性1）选择模型：2 2exptotaliδσ=将原模型两端除以totalexp，估计模型得：foo d̂exp/totalexp=0.465+76.54*1/totalexpt= 7.361 2.017R2=0.0713 F=4.070 n=2.1222）怀特检验异方差：结果输出如下：Heteroskedasticity Test: White F-statistic 1.726866 Prob. F(2,52) 0.1879 Obs*R-squared 3.425473 Prob. Chi-Square(2) 0.1804 Scaled explained SS2.771895 Prob. Chi-Square(2) 0.2501P 值为0.1804>0.05，故接受同方差性的原假设，说明模型已消除异方差性。
五·改变（1）模型，采用对数模型的形式，考察异方差性是否还存在1)采用对数模型的形式进行回归，估计模型得: log(foo d̂exp )=1.154+0.736log(totalexp) t= 1.484 6.100R 2=0.4125 F=37.208 n=552)异方差检验：怀特检验法Heteroskedasticity Test: WhiteF-statistic 1.003305 Prob. F(2,52) 0.3737Obs*R-squared 2.043518 Prob.Chi-Square(2) 0.3600Scaled explained SS 2.163367 Prob.Chi-Square(2) 0.3390检验统计量nR 2=2.044，小于991.5)2(05.02=χ，且对应的p 值为0.36>0.05，所以接受方差相等的原假设，表明模型中不存在异方差。
对数形式的变换消除了异方差性。
【第三题】一·根据数据，估计模型01234ln ln ln ln ln cprice I L H A u βββββ=+++++，并解释所得结果。
1）估计模型：lncp r̂i ce=-1.500+0.468lnL+0.279lnL-0.005lnH+0.441lnA t= -1.496 2.817 2.436 -0.036 4.145 R2̅̅̅̅=0.926 F=91.543 n=30 2）解释模型：①0.468表示当其它变量不变的前提下，12个月的平均工业生产指数每上升1%，12个月的平均美国国内铜价上升0.468%；②0.279表示当其它变量不变的前提下，12个月的平均伦敦金属交易所铜价每上升1%，12个月的平均美国国内铜价上升0.279%；③-0.005表示当其它变量不变的前提下，每年新房动工数每增加1%，12个月的平均美国国内铜价下降0.005%；④0.441表示当其它变量不变的前提下，12个月的平均铝价每上升1%，12个月的平均美国国内铜价上升0.441%。
二·求出上述回归的残差并作图，你对这些残差中是否有自回归做些什么猜测？1）作图结果：e t的变化图对et 与et-1作图：2）猜测：残差中存在一阶正序列相关。
三·估计杜宾－瓦森统计量，并对数据中可能出现的自相关性质做出评论%5=α，由于n=30，k=5，d l=1.071,d u=1.833，由于D.W.=0.955< d l,所以存在正自相关。
四·你怎样辨别AR(p)过程是否比AR(1)过程更好地描述自相关？使用科克伦－奥克特迭代法找到较好的AR(p)过程，并写出结果1）布鲁齐-戈弗雷法检验三阶自相关，结果输出如下：Breusch-Godfrey Serial Correlation LM Test:F-statistic 6.169355 Prob. F(3,22) 0.0033Obs*R-squared 13.70695 Prob. Chi-Square(3) 0.0033)520.0()128.2()892.3(127.0592.0854.0)297.0()683.0()268.0()217.0()638.0()log(025.0)log(078.0)log(026.0)log(030.0512.0ˆ321-+-+----++--=---t t t t e e e tA H L I e检验统计量nR2=13.707,相应的p 值为0.003<0.05，因而拒绝无序列相关的原假设。
但et-3的t 值不显著，所以可见模型存在二阶自相关。
2) 科克伦-奥克特法消除自相关,2阶广义差分的结果：928.1..367.0513.0)665.2(]2[574.0)168.4( )734.0( )277.0( )629.0()178.0()073.1(]1[871.0)log(093.0)log(047.0)log(061.0)log(03.0267.1ˆ22===----++--+=W D R R AR t AR A H L I et%5=α，n=27,k=7,查表得：093.2,845.0u l d d =，模型中DW=1.928，可以近似看成大于上限ud ，表明模型中已不存在自相关性。