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 qmg c car pmg pop rgnp pgnp

ls car c pmg pop rgnp pgnp

eqcar

scalar vifcar=1/(1-eqcar.@R2) （vifcar是方差扩大因子）

同时工作表中产生vifcar=229.1862

方差扩大因子只要有一个超过10，说明存在多重共建性

检验零假设H0：car对qmg的影响不重要

在主窗口输入eq01.testdrop car

3．多重共建性处理方法：

2．

3。差分法

其中算子：ls qmg-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 pgnp(-1)

Qmg t=qmg t-1+0543292cart-0.543292car t-1

Ls qmg-eq02.@coefs(1)*qmg(-1) c car-eq02.@coefs(1)*car(-1) pmg-eq02.@coefs(1)*pmg(-1)pop-eq02.@coefs(1)*pop(-1) rgnp-eq02.@coefs(1)*rgnp(-1)pgnp-eq02.@coefs(1)*pgnp(-1)

Scalar beta0=eq04.@coefs(1)/(1-eq02.@coefs(1))

得beta0=75541509.38 回归模型为 Qmg=75541509.38+1.4390*car-…… White 检验 打开equation view-

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

某市楼盘销售价格及相关情况的抽样调查表，其中建筑类别分别用1、2、3、4表示多

层、多层别墅、小高层、高层；交通状况综合分、物业管理综合分、周边配套等级是通过对

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。

genr lx=log(x)

genr ly=log(y)

ls ly c lx

ls log(y) c log(x)

log(y)=c(1)+c(2)*log(x)

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

例3.3粮食产量通常由粮食生产劳动力（L）、化肥施用量（K）等因素决定。表3.8是我国粮食生产的有关数据（由于粮食生产劳动力不易统计，假定它在农业劳动力中的比例是一定的，故用农业劳动力的数据代替），研究其间关系，建立Cobb—Douglas生产函数模型。

生产的产出量与投入要素之间并不简单地满足线性关系，通常讨论的生产函数，都是以非线性的形式出现。Cobb—Douglas生产函数模型为

Y=aL b K1-b（3.2.4）

Y=c(1)*l^c(2)*k^(1-c(2))

Y=c(1)*l^c(2)*k^(1-c(2))

Coefficient Std. Error t-Statistic Prob.

C(1) 0.474253 0.036184 13.10662 0.0000

C(2) 0.763552 0.017541 43.52960 0.0000