计量经济学数据

例1.3序列T和H分别表示某地区1997年1月至2000年12月的气温和绝对湿度的月平均值序列，数据见表1.2。要求绘制序列H的经验累计分布函数图和它与序列T的QQ 图。

例2.1表2.1是1950—1987年间美国机动车汽油消费量和影响消费量的变量数值。其中各变量表示：qmg—机动车汽油消费量（单位：千加仑）；car—汽车保有量；pmg—机动汽油零售价格；pop—人口数；rgnp—按1982年美圆计算的gnp（单位：十亿美圆）；pgnp —gnp指数（以1982年为100）。以汽油量为因变量，其他变量为自变量，建立一个回归模型。

ls car c pmg pop rgnp pgnp

ls qmg c car pmg pop rgnp pgnp

ls car c pmg pop rgnp pgnp

scalar vifcar=1/(1-eqcar.@r2)

eq01.testdrop car

Ls qmg-qmg(-1) car-car(-1) pmg-pmg(-1) pop-pop(-1) rgnp-rgnp(-1) pgnp-pgnp(-1)

Ls qmg-qmg(-1) car-car(-1)

Ls qmg c qmg(-1) car car(-1) pmg pmg(-1) pop pop(-1) rgnp rgnp(-1) pgnp pgnp(-1)

Ls qmg c qmg(-1) car pmg pmg(-1) pop pop(-1) rgnp rgnp(-1) pgnp

Ls qmg c qmg(-1) car pmg pmg(-1) pop pop(-1) rgnp(-1) pgnp Ls qmg c qmg(-1) car pmg pmg(-1) pop pop(-1) rgnp(-1)

Eq01.testdrop pgnp

Ls qmg c qmg(-1) car pmg pmg(-1) pop pop(-1) rgnp(-1)

pgnp(-2)

Ls c

Scalar beta0=eq04.@

Dependent Variable: QMG

Method: Least Squares

Date: 10/16/12 Time: 19:02

Sample: 1950 1987

Included observations: 38

Variable Coefficient Std. Error t-Statistic Prob.

C 68497350 13416155 5.105587 0.0000

CAR 1.587677 0.137742 11.52646 0.0000

PMG -10375410 3346338. -3.100526 0.0040

POP -462.2931 108.0825 -4.277224 0.0002

RGNP -12666.47 5248.346 -2.413421 0.0217

PGNP -579453.0 59259.84 -9.778173 0.0000

R-squared 0.991878 Mean dependent var 80901846

Adjusted R-squared 0.990608 S.D. dependent var 22972717

S.E. of regression 2226295. Akaike info criterion 32.21351

Sum squared resid 1.59E+14 Schwarz criterion 32.47208

Log likelihood -606.0568 Hannan-Quinn criter. 32.30551

F-statistic 781.5361 Durbin-Watson stat 0.869418

Prob(F-statistic) 0.000000

例2.2为研究采取某项保险革新措施的速度y与保险公司的规模x1和保险公司类型的关系，选取下列数据：y—一个公司提出该项革新直至革新被采纳间隔的月数，x1—公司的资产总额（单位：百万元），x2—定性变量，表示公司类型：其中1表示股份制公司，0表示互助公司。数据资料见表2.5。

表2.5 （0205）保险公司革新数据

要建立的模型：

i i i i x x y εβββ+++=22110

得到模型为

y=33.87407-0.101742*x1+8.055469*x2

差分回归方程：

t t x y ∇=∇*65.0

即

1165.065.0---=-t t t t x x y y

即

1165.065.0---+=t t t t x x y y

消除自相关的模型：

qmg=75541509.38+1.4390*car-10354749*pmg-503.50*pop-5290.80*rgnp-565089.4*pgnp

求：

1. Y 关于X1、X2、X3、X4和X5的回归方程；

2. 对回归方程和解释变量做显著性检验；

3. 当X1=4，X2=8，X3=7，X4=36%，X5=8时，对楼盘的均价进行预测。

例3.1表3.3是某企业在16个月度的产品产量和单位成本资料，研究二者关系。

表3.3 （0301）某企业某产品产量和单位成本资料

月度序号obs 产量（台）x 单机位成本（元/台）y

1 4300 346.23

2 4004 343.34

3 4300 327.46

4 5016 313.27

5 5511 310.75

6 5648 307.61

7 5876 314.56

8 6651 305.72

9 6024 310.82

10 6194 306.83

11 7558 305.11

12 7381 300.71

13 6950 306.84

14 6471 303.44

15 6354 298.03

16 8000 296.21

为了明确产量和单机成本是何种关系，先绘制散点图。

双曲线模型：y=a+b/x

对数曲线模型：y=a+blnx

双对数曲线模型：lny=a+lnx

在自变量个数K=1，样本量n=16，在显著性水平 =0.01下，d L=0.84，d u=1.00，此时有D．W=1.151568

D．W=1.115981

D．W=1.156127

均有d u=1.0≤D．W=1.151568≤4- d u=3

说明三种模型来描述x与y的关系都比较好。

例3.2 根据例3.1中数据，用非线性最小二乘法建立成本函数模型