计量经济学实验报告二

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。

(完整word版)计量经济学实践报告 2

课程名称：课程名称：计量经济学学生姓名：阳诗琪学号：201174250203班级： 1102班专业：金融学2013 年 5 月 5日计量经济学实验报告多元回归模型实验【实验目标】：通过上机实验,使学生能够使用 Eviews 软件【实验内容】：1.用Eviews完成多元线性回归模型的统计检验2.对Eviews结果对应的相关统计检验进行解释【实验步骤及分析】:1、经济理论理论上认为影响成品钢材的需求量的因素主要有经济发展水平、收入水平、产业发展、人民生活水平提高、能源转换技术等因素。

产量、原煤产量1980——1998年的有关数据如下表。

年份成品钢材（万吨）y 原油(万吨)x1生铁（万吨）x2原煤（亿吨）x3发电量（亿千瓦）x4铁路货运量（万吨）x5固定资产投资额(亿元）x6居民消费（亿元）x71980 2716.2105953802.4 6.23006.2111279 910.92317.1 1981 2670.1101223416.6 6.23092.107673 9612604.12、模型估计多元线性回归模型的基本形式：设随机变量y 与一般变量x 1,x 2,...x p 的理论线性回归模型为:y=εββββ+++++p p x x x (22110)其中β1,β2，。

，βp 是p+1个未知参数，β0称为回归常数,β1,β2，。

，βp 称为回归系数。

y 称为被解释变量(因变量)，而x 1,x 2,...x p 是p 个可以精确测量并可控制的一般变量，称为解释变量（自变量）。

ε是随机误差。

3、画散点图1982 2902 10212 3551 6.66 3277 11349 1230.4 2867.9 1983 3072 10607 3738 7.15 3514 118784 1430.1 3182.5 1984 3372 11461.3 4001 7.89 3770 124074 1832.9 3674.5 1985 3693 12489.5 4384 8.72 4107 130709 2543.2 4589 1986 4058 13068.8 5064 8.94 4495 135635 3120.6 5175 1987 4356 13414 5503 9.28 4973 140653 3791.7 5961.2 1988 4689 13704.6 5704 9.8 5452 144948 4753.8 7633.1 1989 4859 13764.1 5820 10.54 5848 151489 4410.4 8523.5 1990 5153 13830.6 6238 10.8 6212 150681 4517 9113.2 1991 5638 14009.2 6765 10.87 6775 152893 5594.5 10315.9 1992 6697 14209.7 7589 11.16 7539 157627 8080.1 12459.8 1993 7716 14523.7 8739 11.51 8395 162663 13072.3 15682.4 1994 8482 14608.2974112.49281 163093 17042.1 20809.8 1995 8979.8 15004.94 10529.27 13.61 10070.3 165885 20019.3 26944.5 1996 9338.02 15733.39 10722.513.9710813.116880322974 32152.3 1997 9978.9316074.14 11511.41 13.73 11355.53 16973422913.534854.64、建立模型将原始数据导入到Eviews6.0(破解版）的数据框中，然后用Eviews软件做线性回归分析如下：在Eviews主窗口菜单单击Quick/Estimate Equation，弹出方程估计窗口，再在弹出的窗口清单内填入以下回归方程的书写形式。

计量经济学实验报告

计量经济学实验报告学年：2014-2015年第一学期学院：班级：学号姓名：指导老师：实验2：多元线性回归一．实验目的掌握计量经济学多元模型的建立，模型形式的设定，模型拟合度、t 检验和F检验判断过程；二．实验环境微型计算机（要求必须能够连接Internet,且安装有Eviews6.0软件。

）三．实验步骤：（1）创建工作文件[File]--New--work file。

在“work file”窗口中的“start date”键入1983，在“end date”中键入2005，点击ok。

(2) 输入数据.在命令窗口输入DATA Q L K并回车.(3) 绘制散点图在主菜单依次点击[quick]-[graph]，在弹出的对话框中输入“yc x”点击[OK]-[Yes]后，出现“Group”窗口通过散点图，我们发现人均GDP与人均污水排放量不是线性关系，而是一元二次的关系，因此我们可以通过转化使得二者成为线性关系。

y与x之间的关系是非线性的，应该考虑建立非线性回归模型。

假设生产函数满足C-D函数形式，即假定模型为：Y = A*X^B代数变换:对模型两边取自然对数得Iny = InA +B* Inx 令Y i= Iny β0 =InA β1 = B β2 = Inx(4)生成新序列在主菜单点击[Quick]-[Generate Series],在文本框中输入描述新序列的公式LNY=LOG(Y),点击[OK]，(5)参数估计点击[Quick]-[Estimate Equation]，在文本框输入“Lny C Lnx “单击“确定”结果如下四、实验结果及分析Iny = 14.232 + —2.833*InxSE 1.007 0.340T 14.137 —8.320P 0.000 0.000R2 0.767R2 0.756F 69.220 P 0.000通过散点图，我们可以发现开始环境污染程度随着GDP的增加而下降，到达最低值时，环境污染程度随着GDP的增加而上升。

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。

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二

计量经济学实验报告二标准化工作室编码[XX968T-XX89628-XJ668-XT689N]学生实验报告学院：经济学院课程名称：计量经济学专业班级： 11经济学1班姓名：魏丹丹学号： 0112102学生实验报告（经管类专业用）一、实验目的及要求：1、目的利用Eviews软件，使学生在实验过程中全面了解和熟悉计量经济学。

2、内容及要求熟悉Eviews软件的操作与应用二、仪器用具：三、实验方法与步骤:1 经研究发现，家庭书刊消费受家庭收入几户主受教育年数的影响，表中为对某地区部分家庭抽样调查得到样本数据：（2）利用样本数据估计模型的参数；（3）检验户主受教育年数对家庭书刊消费是否有显着影响；（4）分析所估计模型的经济意义和作用答：（1）家庭书刊消费的计量经济学模型是：Dependent Variable: YMethod: Least SquaresDate: 11/27/12 Time: 14:36Sample: 1 18Included observations: 18Variable Coefficient Std. Errort-Statistic Prob.CXTR-squared Mean dependent var Adjusted R-squared. dependent var. of regression Akaike info criterionSum squared resid Schwarz criterion Log likelihood F-statisticDurbin-Watson stat Prob(F-statistic)=^Y ++ 标准误 t 值 p 值 R 2= =2R总体显着性的F 统计值为，F 统计量的p 值：（2）样本数据估计的模型参数为β1＝，β2＝（3）由回归结果得：户主受教育年限的p 值为，小于，则拒绝原假设。

说明户主受教育年数对家庭书刊消费具有显着影响。

实验报告计量经济学

计量经济学实验报告书实验二、实验开设对象本实验的开设对象为《计量经济学》课程的学习者，实验为必修内容、实验目的实验二、掌握计量经济学多元模型的建立，模型形式的设定，模型拟合度、t检验和F 检验判断过程；三、实验环境微型计算机（要求必须能够连接In ternet,且安装有Eviews6.0软件。

）四、实验成果根据所给定的范例数据和要求，利用Eviews6.0软件对其进行分析和处理,并撰写实验报告。

Workflle U*mTLEDViaw | Prc-c d Oku"^1 | P-ranl N HIWH rra«x«DW BL *▼ | I Sia-r^ Tranap-aiiB E-drlI3T ■3MB ■工：xi 沁4b3-¥ XtX2IP 阴rn 丁也电niSb0.6534101985175 479724.11729 0.057131inn. IH ^I I :史Nfl 昭却* n 1*寻 1SB7 壬 g B2S£I7-2-4.13-112 ” D 日皿N 10BS2J.17 3J9 0.74200<5 I 總HP 71. 1 HURT口 TTiflHR?23：7j2S3：21.7S-103 D.7487B6-IB9-I £55 5541 2a.344*ie 0.7300821R>Ri77nn )npeii in 口口丁7■口sji-4 鬧 13 S1437 D.76B2&71^94 3&3 E7&& 17-93 17^ 0 61320BTRiR ■刍Hon R,Df»ri in ：1：7口□ 口 riAHH433 03：2H 1占:&也斗出-IBBT 4眄 44&Z is.33333 0.9171051DEII1SiD 1 HUA ia CHI 孑pp □ 071斗口 Tis.ess«e 1.006117ZDDD &丁口 48TS 1庁方"5昌 1.069^627DD1 & 1 U 74+4 13 U7Q3Q 1 了曰□斗12002 67& 4-3^2 Ifi 12>D€2 1.^845072QQ3 T33 0&54is1.5301963DD4"iiI 葩 I Grc-up: LflN RJ I LE J D WcdJil*: (JNTTTLE&rLinfcrtiaKT'. J |optic-rii Jupdata Ad-dTri^L ・・l <oraph: UMTTT L ED Wnrkfii ■:: <jNTin"LED::Urrtrt:l«d i,i PtCTc|obj«ct j|^!Print|HMnBCarjpK Opliion-Si—Grap*! typ«-OetalwiSrapH dat-a:Fit Ihnesi!Axi^i tKJV iJdrr :1^1^ ■|~s l li^«■C^K£i[U¥|X1O[k&*朗X21333137?D146 |23 -IBD-IS ft fii 122-41^3-4 1S6.773324 OB&^D0 *£^41Qi^as175.470724 317230EW134fosei laa.teaa24 2D&&1 C €441251537 206.SJ9724 13-112 G1>QS8226.273224 1734&G.742<XM1339 231 aes?22 3G7B40 73511-321>E190237.2836S1.751D30.74^76619912S5.!ifiJ12D 3G4-SB0.73OTB21992286.390613 9DB3D0 7707171393 32i 90531E 519BT0 TBAZUj?363.27C517.BB174 O.S132tlS1995390.SO9S-IE 32DDE.0W7M11995433.932515.BZ244Q WB Mfi19S7ilGgjdiSS15.233BE0/9171Miggg50 1.385 J15.DG7B90 97H4A1199953J.9-392 1 CMW1172000 575.-337915.3E55412001 fiig n7ddldi B7-D59 1 2W4152002 570.J12215.12953 1 ML4W72003 733.CJC5d!15.424BD% si^iggzog 4in* _ b回Groupi UrrrnLED Worwila UNrTTTLEDiiUrt4iecr>. . 5 X[vfcaw] [ Ptlnt] M«n・]rriMM_| [ifWi. F J [ WDrt[Tkiam口■■[lE曰5M(I IL'L；. Grnun： UNTril l O Warlcf ik< UNTITI. ri? IJnfcrilwiA,「召斫i凶。

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 (2)

2 1978-2011年的数据搜集3 REVIEWS模型建立及检验3.1散点图变化分析3.1.1 GDPP （人均GDP ）和CSH （城市化）的关系3.1.2 GDPP （人均GDP）和JMKZPSR （城镇居民家庭人均可支配收入）的关系3.1.3 GDPP （人均GDP ）和ZFZC （政府支出）的关系3.1.4GDPP(人均GDP)和GMXFSP（城镇居民消费水平）3.2 Ganger检验3.2.1首先，我们研究GDPP和CSH的因果检验。

Pairwise Granger Causality TestsDate: 06/03/12 Time: 10:42Sample: 1978 2009Lags: 1Null Hypothesis: Obs F-Statistic Prob.CSH does not Granger Cause GDPPP 31 0.78247 0.3839GDPPP does not Granger Cause CSH 0.57193 0.4558由表可知，CSH影响GDPP的概率较大，故可以将CSH作为自变量，GDPP为因变量。

3.2.2其次，我们研究GDPP和JMKZPSR的因果检验。

Pairwise Granger Causality TestsDate: 06/03/12 Time: 10:44Sample: 1978 2009Lags: 1Null Hypothesis: Obs F-Statistic Prob.JMKZPSR does not Granger Cause GDPP 31 0.24821 0.6222GDPP does not Granger Cause JMKZPSR 0.19484 0.6623由表可知， JMKZPSR影响GDPP的概率高，故可以将JMKZPSR作为自变量，GDPP 作为因变量。

3.2.3紧接着，我们研究GDPP和ZFZC之间的因果关系。

计量经济学实验报告

计量经济学实验报告计量经济学实验报告引言计量经济学是经济学中的一门重要学科，它通过运用数学和统计学的方法来研究经济现象，并对经济理论进行实证分析。

实验是计量经济学研究中不可或缺的一部分，通过实验可以验证经济理论的有效性，提供实证依据，为政策制定和经济决策提供参考。

本篇文章将介绍一个基于计量经济学方法的实验，以探讨某一特定经济现象的影响因素和机制。

研究背景在当今社会，消费者购买决策是经济活动中的重要环节，而价格是影响消费者购买决策的关键因素之一。

然而，不同的消费者对价格的敏感程度可能存在差异，这可能受到个体的经济状况、心理因素以及市场竞争程度等多种因素的影响。

因此，了解消费者对价格的反应机制对于企业制定定价策略以及政府进行市场监管具有重要意义。

研究目的本实验旨在通过模拟市场环境，探究消费者对价格的反应机制，并分析不同因素对消费者价格敏感度的影响。

实验设计实验采用随机抽样的方法，选取了100名具有不同经济背景和消费习惯的消费者作为实验对象。

实验分为两个阶段进行，第一阶段是价格变动实验，第二阶段是心理因素调查。

第一阶段：价格变动实验在价格变动实验中，我们将随机选取50名消费者，并给予他们一定的购买预算。

然后，我们将分别设定两个不同的价格水平，并观察消费者对不同价格水平下商品的购买行为。

通过对购买行为的观察和数据分析，我们可以得出消费者对价格变动的反应程度。

第二阶段：心理因素调查在心理因素调查中，我们将采用问卷调查的方式，向所有参与实验的消费者提供一份针对价格敏感度的问卷。

问卷中包含了有关个体经济状况、消费心理以及市场竞争程度等方面的问题。

通过问卷调查的结果，我们可以分析不同因素对价格敏感度的影响，并进一步探讨价格敏感度的机制。

实验结果与讨论通过对实验数据的分析，我们得出了以下结论：1. 消费者对价格的敏感度存在差异，有些消费者对价格变动非常敏感，而另一些消费者对价格变动的反应较为迟缓。

2. 个体经济状况是影响消费者价格敏感度的重要因素之一。

计量经济学实训报告模板

一、封面标题：计量经济学实训报告姓名：________________学号：________________班级：________________指导教师：________________提交日期：________________二、摘要（此处简要概述实训的目的、方法、结果和结论。

）三、实训背景与目的1. 实训背景随着我国经济的快速发展，对经济数据的分析和预测需求日益增长。

计量经济学作为一门应用数学分支，广泛应用于经济学、金融学、管理学等领域。

本实训旨在通过实际操作，让学生掌握计量经济学的基本理论、方法和应用，提高学生的实证分析能力。

2. 实训目的（1）使学生了解计量经济学的基本理论和方法；（2）使学生掌握计量经济学软件（如EViews、Stata等）的操作技能；（3）使学生能够运用计量经济学方法分析实际问题，提高实证分析能力；（4）培养学生的团队合作精神和沟通能力。

四、实训内容1. 计量经济学基本理论（1）线性回归模型；（2）时间序列分析；（3）多元回归分析；（4）计量经济学模型诊断。

2. 计量经济学软件操作（1）EViews软件操作；（2）Stata软件操作。

3. 实证分析（1）选取一个实际问题进行实证分析；（2）运用计量经济学方法进行模型构建、参数估计和模型检验；（3）撰写实证分析报告。

五、实训过程1. 实训准备（1）了解实训要求，明确实训目标；（2）查阅相关资料，掌握计量经济学基本理论和方法；（3）熟悉计量经济学软件操作。

2. 实训实施（1）分组讨论，确定研究课题；（2）运用计量经济学方法进行模型构建、参数估计和模型检验；（3）撰写实证分析报告。

3. 实训总结（1）总结实训过程中遇到的问题及解决方法；（2）分享实训心得，提高实训效果。

六、实训结果1. 理论知识掌握情况通过本次实训，学生对计量经济学的基本理论和方法有了更深入的了解，提高了理论水平。

2. 软件操作技能学生熟练掌握了EViews、Stata等计量经济学软件的操作，为今后的学习和研究打下了基础。

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。

计量经济学实验报告

一、实验目的：完成对计量经济学中一元线性模型的设计、估计、检验以及预测问题。

二、实验原理：采用普通最小二乘法（OLS）,拟合优度检验及变量显著性检验对数据进行估计、检验及预测。

三、实验步骤：1、新建新的工作文件打开Eviews软件，双击Eviews快捷方式，进入EViews窗口。

点击File/New/Workfile，由此可以新建一个工作文件，在出现的对话框中提供数据序列的信息：选择数据类型和起止日期，在该例子中，此数据为时间序列且为年序列顺序，其起止日期为1978年-2006年，点击OK确认，得新建工作文件窗口，工作文件窗口是EViews的子窗口。

它有标题栏、控制按钮和工具条。

标题栏指明窗口的类型workfile、工作文件名。

标题栏下是工作文件窗口的工具条。

将工作成果保存到磁盘，点击工具条中save\输入文件名、路径\保存，或点击菜单栏中File \Save或Save as \输入文件名、路径\保存可对此工作文件进行保存。

2、输入样本数据建立新的工作文件以后，可以输入和编辑数据。

点击Quick \ Empty Group (Edit Series)，进入数据窗口编辑窗口，点击obs 行没有数据的第一列，然后输入序列名，并可以如此输入多个序列。

如在本例中我们可以在第一列obs行输入x，在第二列obs行中输入y。

输入数据名后，可以输入数据。

可以按照Excel的数据输入习惯输入数据，依次按照书中表格所给数据进行输入，数据输入完毕后，点击该对话框上方的name，输入数据名称group1,点击ok，即可保存group1样本数据。

数据如下。

obs X Y1978 6678.8 3806.71979 7551.6 4273.21980 7944.2 4605.51981 8438 5063.91982 9235.2 5482.41983 10074.6 5983.21984 11565 6745.71985 11601.7 7729.21986 13036.5 8210.91987 14627.7 88401988 15794 9560.51989 15035.5 9085.51990 16525.9 9450.9 1991 18939.6 10375.8 1992 22056.5 11815.3 1993 25897.3 13004.7 1994 28783.4 13944.2 1995 31175.4 15467.9 1996 33853.7 17092.5 1997 35956.2 18080.6 1998 38140.9 19364.1 1999 40277 20989.3 2000 42964.6 22863.9 2001 46385.4 24370.1 2002 51274 26243.2 2003 57408.1 28035 2004 64623.1 30306.2 2005 74580.4 33214.4 200685623.136811.23、通过散点图确定模型选定之前输入的数据文件group1，按下数组窗口（也可以成为数组或数据编辑窗口）工具条上qiuck/graph ，点击对话框中的OK ，出现新的对话框选择图形类型grraph type ，下拉选择其中是散点图scatter diagram ，点击OK,得到该数据的散点图，从图形看出中国居民总量消费Y 和可支配收入X 之间呈一元线性相关关系，其图形如下。

华理计量经济学第二次实验报告

华东理工大学2016–2017学年第二学期《多元线性回归模型》实验报告实验名称计量经济学第二次实验专业经济152姓名王恺颖学号10151346组名/组号实验时间2017/4/7实验地点机房319指导教师吴玉鸣教师批阅：实验成绩：教师签名:日期：实验报告正文：（包括实验步骤、实验结果、实验过程中出现的问题及解决方法等。

要求做到内容精炼、层次清楚、格式规范。

）3.1（1）建立百户拥有家用汽车量计量经济模型，估计参数并对模型加以检验，检验的结论的依据是什么？实验步骤：先在命令框输入data y x2 x3 x4，并把所需数据粘贴到group中，再输入sort y，把y按升序排列，然后点击view —graph—line。

得到一个百户拥有家用汽车量以及其影响因素的数据图形，如下：可以看出每个影响因素与y的差异明显，变动方向基本相同，有一定相关性，建立模型如下：Y t=β1+β2X2t+β3X3t+β4X4t+μt再点击quick—estimate equation 出现的对话框的equation specification键入ls y c x2 x3 x4 出现回归结果如下图。

1、根据该表数据，模型的估计的结果为：Ŷt=246.8540+5.996865X2−0.524027X3−2.265680X4(51.97500) (1.406058) (0.179280) (0.518837)t=(4.749476)（4.205020）（-2.922950）（-4.366842）R2=0.666062 R̅2=0.628957 F=17.95108 n=31模型检验：1）拟合优度R2=0.666062 R̅2=0.628957，这说明模型对样本的拟合程度较好。

2）F检验：针对H0=β2=β3=β4=0，给定显著性水平α=0.05，在F分布表中查出自由度为k-1=3和n-k=27的临界值Fα(3,27)=2.97由于F=17.95108>Fα(3,27)=2.97 ,所以拒绝原假设，说明回归方程整体显著，即“人均GDP”、“城镇人口比重”、“交通工具消费”联合对“百户人家汽车拥有量”有影响。

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)。

说明户主受教育年数对家庭书刊消费具有显着影响。

（4）模型描述了家庭书刊年消费支出受到业主受教育年限和家庭月平均收入这两个变量的影响，即当受教育年限每增加1单位，家庭书刊年消费支出增加个单位；家庭月平均收入每增加1单位，家庭书刊年消费支出增加个单位。

2 考虑以下“期望扩充菲利普斯曲线（Expectations-augmented Phillips curve ）”模型：其中：t Y =实际通货膨胀率（%）；t X 2=失业率（%）；t X 3=预期的通货膨胀率（%）下表为某国的有关数据，表1. 1970-1982年某国实际通货膨胀率Y (%)，失业率X 2(%)和预期通货膨胀率X 3(%)（2）根据此模型所估计结果，作计量经济学的检验。

（3）计算修正的可决系数（写出详细计算过程）。

答：（1）对模型作估计：Dependent Variable: YMethod: Least SquaresDate: 11/27/12 Time: 15:14Sample: 1970 1982Included observations: 13Variable Coefficient Std. Errort-Statistic Prob.CX2X3R-squared Mean dependent var Adjusted R-squared. dependent var. of regression Akaike info criterionSum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watsonstat Prob(F-statistic)^Y t=标准误t值p 值 R 2= 2R =总体显着性的F 统计值为，F 统计量的p 值：经济学说明，实际通货膨胀率受到失业率和预期通货膨胀率的影响。

且与失业率成反比，与预期通货膨胀成正比。

计量经济学说明，失业率每增加1单位，实际通货膨胀率下降个单位，预期通货膨胀率每增加1单位，实际通货膨胀率增加个单位。

当预期通货膨征率和失业率均为零时实际通货膨胀率为。

（2）根据三个系数的p 值分别为，，均小于可知，均不能拒绝原假设，所以预期通货膨胀率和失业率对实际通货膨胀率有显着性影响。

（3）修正的可决系数R 2==-TSSRSS13某地区城镇居民人均全年耐用消费品支出、人均年可支配收入及耐用消费品价格指数的统计资料如表所示：收入和耐用消费品价格指数的回归模型，进行回归分析，并检验人均年可支配收入及耐用消费品价格指数对城镇居民人均全年耐用消费品支出是否有显着影响。

答：回归结果如下： Dependent Variable: Y Method: Least SquaresDate: 11/27/12 Time: 15:19 Sample: 1991 2001Included observations: 11 Variable Coeffici ent Std. Error t-Statistic Prob. C X1 X2R-squared Mean dependent var Adjusted R-squared. dependent var . of regression Akaike info criterionSum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic)t Y ^+标准误 t 值 p 值 R 2= 2R =总体显着性的F 统计值为，F 统计量的p 值：由回归结果可以知道，X 1和X 2系数的p 值分别为和，分别小于和大于。

这表明，人均年可支配收入对人均耐用消费品支出有显着影响，而人均年可支配收入对人均耐用消费品支出影响不显着。

4.下表给出的是1960—1982年间7个OECD 国家的能源需求指数（Y ）、实际GDP 指数（X1）、能源价格指数（X2）的数据，所有指数均以1970年为基准（1970=100）t t t t u X X Y +++=2ln 1ln ln 210βββ，解释各回归系数的意义，用P 值检验所估计回归系数是否显着。

(2) 再建立能源需求与收入和价格之间的线性回归模型u X X Y t t t +++=21210βββ，解释各回归系数的意义，用P 值检验所估计回归系数是否显着。

(3 )比较所建立的两个模型，如果两个模型结论不同，你将选择哪个模型，为什么答：（1）Dependent Variable: LNY Method: Least Squares Date: 11/27/12 Time: 15:26 Sample: 1960 1982Included observations: 23 Variable Coefficient Std. Error t-Statistic Prob. C LNX1 LNX2R-squared Mean dependent varAdjusted R-squared. dependent var. of regressionAkaike info criterionSum squared resid Schwarz criterionLog likelihood F-statisticDurbin-Watsonstat Prob(F-statistic)^lntY=+标准误t值p值R2= 2R=总体显着性的F统计值为，F统计量的p值：回归系数=β表示当实际GDP指数和能源价格指数为1时，OECD国家的能源需求指数为。

1β=表示实际GDP指数的对数每增加一个单位，OECD国家的能源需求指数增加个单位。

2β=表示能源价格指数每增加一个单位，OECD国家的能源需求指数下降个单位。

各个系数的p值均为，小于，拒绝原假设。

说明具有显着性。

（2）Dependent Variable: YMethod: Least SquaresDate: 11/27/12 Time: 19:17Sample: 1960 1982Included observations: 23Variable CoefficientStd.Errort-Statistic Prob.CX1X2R-squared M ean dependent var Adjusted R-squared. dependent var. of regression Akaike info criterionSum squared S chwarz criterionresidLog likelihoodH annan-Quinn criter. F-statistic D urbin-Watson statProb(F-statistic) t Y ^=+ 标准误 t 值 p 值 R 2= 2R =总体显着性的F 统计值为，F 统计量的p 值：回归系数=0β表示当实际GDP 指数和能源价格指数为0时，OECD 国家的能源需求指数为。

1β=表示实际GDP 指数的对数每增加一个单位，OECD 国家的能源需求指数增加个单位。

2β=表示能源价格指数每增加一个单位，OECD 国家的能源需求指数下降个单位。

各个系数的p 值均为，小于，拒绝原假设。

说明具有显着性。

（3）通过比较所建立的两个模型，如果两个模型结论不同，我将选择第一个模型，因为模型中的Y ，X 1,X 2均表示指数，对其求对数得到的结果更精确，更有说服力。

5 .表中给出了1970~1987年期间美国的个人消息支出(PCE)和个人可支配收入(PDI)数据，所有数字的单位都是10亿美元(1982年的美元价)。

(2) 短期和长期边际消费倾向（MPC ）是多少答：（1）回归模型估计结果：第一个模型：Dependent Variable: PCEMethod: Least Squares Date: 11/27/12 Time: 11:36 Sample: 1970 1987Included observations: 18 Variable Coefficie ntStd.Error t-StatisticProb.CPDIR-squaredM ean dependent var Adjusted R-squared. dependent var . of regressionAkaike info criterion Sum squared residS chwarz criterion Log likelihoodH annan-Quinn criter. F-statistic D urbin-Watson statProb(F-statistic)t PCE =+t PDI t 值 p 值 R 2= 2R =总体显着性的F 统计值为，F 统计量的p 值：该模型说明：1 =，且其t 检验的P 值为，说明个人可支配收入(PDI)对美国的个人消息支出(PCE)有显着影响，说明个人可支配收入(PDI)每增加10亿美元，美国的个人消息支出(PCE)增加亿美元。