计量经济学实验报告(自相关性)

合集下载

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——对我国商品房价格的计量经济学研究摘要:基于我国对住房的庞大的需求,近年来,房地产产业的迅猛发展,全国各地都出现了商品房销售价格持续走高的现象,而由此更是掀起了“购房热”和“炒房热”的浪潮。

出于谨慎性原则和解决因房价居高不下而造成的居民“买房难”的困境,国家出台了诸多措施但都收效甚微。

无法抑制的上涨的房价,究竟受什么因素在影响,而从哪些方面入手才可以实现对房价的调控呢?本文将从人均可支配收入、房屋造价、土地购置费、地区人均 GDP、政策因素等几个方面展开分析,初步推到出影响商品房销售价格的因素,并对如何实现对房价的调控进行尝试性的讨论。

关键词:房屋销售价格影响因素调控1引言自从 1998 年我国实行住房商品化后,随着我国市场化改革的快速推进,房地产业己经成为拉动经济增长的支柱产业。

从住房制度改革以来短短几年时间,纵观国内,从沿海开放城市到中西部欠发达地区,中国大地上几乎所有城市商品楼如雨后春笋般拔地而起。

而商品房价格的持续走高也就成为了人们热议的话题。

特别是,近年来,中国房价持续走高。

尽管国家政策层已经启动了几轮调控,但房价丝毫没有要稳定下来的迹象,房价高涨,一房难求的情况仍在持续。

房地产行业已经成为我国国民经济的支柱产业,不仅影响着国民经济的增长,也牵动着千家万户的心。

然而,房价到底为何如此之高,其未来走向将会怎样?为了研究这个问题,我们需要建立计量经济学模型。

2理论分析2.1商品房“房价”问题的思维路程商品房之所以被称为商品房,原因就在于它同其他商品一样,具有商品的共性。

众所周知,商品的价值是由凝结在商品中的无差别的人类劳动所决定的,难么商品房的价格是也是由其价值决定的,其价值既包括所占用土地的价值,包括土地上建筑物的价值。

除此之外,与其他商品一样,还受到供求状况、竞争程度、消费者偏好、市场预期、房地产企业经营策略和政府相关政策的影响,其价格围绕价值规律上下波动。

但是,与普通商品不同,商品房还具有建设周期长、价值量大、空间固定性等特点,这就使其有了一般商品所没有的特点,所以其价格变化规律也与一般商品价格变化规律有所不同。

计量经济学自相关性检验实验报告

计量经济学自相关性检验实验报告

计量经济学自相关性检验实验报告计量经济学自相关性检验实验报告实验内容:自相关性检验商品进口主要由GDP决定。

为了考察GDP对商品进口的影响,可使用如下模型:;其中,X表示GDP,Y表示商品进口。

下表列出了中国1981--2000商品进口和国内生产总值的统计数据。

资料来源:《中国统计年鉴》一、估计回归方程OLS法的估计结果如下:Y=-8352.304+50.28935X (-2.838588)(17.36553)R2=0.943673,R2=0.940544,SE=7263.295,D.W.=0.870122。

二、进行序列相关性检验(1)图示检验法通过残差与残差滞后一期的散点图可以判断,随机干扰项存在不存在序列相关性。

(2)回归检验法一阶回归检验et=0.583346et-1+εt二阶回归检验et=1.444793et-1-1.172908et-2+εt可见:该模型存在二阶序列相关。

(3)杜宾-瓦森(D.W)检验法由OLS法的估计结果知:D.W.=0.870122。

本例中,在5%的显著性水平下,解释变量个数为2,样本容量为20,查表得dl=1.284,du=1.567,而D.W.=0.870122,小于下限dl=1.284,所以存在自相关性。

(4)拉格朗日乘数(LM)检验法由上表可知:含二阶滞后残差项的辅助回归为:et=668.0079-1.592283X+1.502666et-1-1.145731et-2(0.357417)(-0.822879) (5.825633) (-4.289558)R2=0.679813于是,LM=18×0.679813=12.236634,该值大于显著性水平为5%,自由度为2的χ序列相关性。

2的临界值Χ20.05,由此判断原模型存在2阶三、序列相关的补救(1)广义差分法估计模型由D.W.=0.870122,得到一阶自相关系数的估计值ρ=1-DW/2=0.564939则DY=Y-0.564939*Y(-1), DX=X-0.564939*X(-1);以DY为因变量,DX为解释变量,用OLS法做回归模型,这样就生成了经过广义差分后的模型。

计量经济学实验报告自相关

计量经济学实验报告自相关

实验报告五一、实验名称:自相关的识别与补救 二、实验地点:教E509三、实验时间:2012年11月9日(星期五)一二节课 四、实验内容:为研究工资与生产力的关系,提供模型如下:12i i i Y X u ββ=++ 其中i Y 为企业部门实际每小时工酬 i X 为每小时产值指数采用美国年度数据(1960—1991)如下表:根据所给的模型与数据,利用计量经济学软件对模型参数进行估计,分析回归结果并完成以下问题:(1) 根据DW 值判断是否存在自相关,并根据上述回归残差,画出残差与时间的关系图进行验证; (2) 画出t e 与1t e -的散点图,判断自相关类型(3) 分别用d 统计量、Cochrane-Orcutt 法与Durbin 两步法估计ρ,并对回归进行修正, 比较修正结果,说明哪一种估计ρ的方法好。

五、实验目的:1. 掌握自相关的识别方法2. 能针对具体问题提出解决自相关问题的措施3. 对不同解决自相关方法的效果进行比较六、实验步骤1、建立模型: 12i i i Y X u ββ=++其中i Y 为企业部门实际每小时工酬,i X 为每小时产值指数2、运用OLS 估计方法对上式的参数进行估计,EViews 过程如下: (1)在File 菜单下选择New 项,建立文件库Workfile ,输入起始与终止时间,分别为1960和1991.(2)在File菜单下点击Import下点击Read Text-Lotus-Excel在桌面上找到Excel数据,点击打开,在Excel Spreadsheet Import对话框中的Name for series or Number if named in file输入Y x,点击OK。

(3)点击Quick菜单下的Estimate Equation,在新对话框中输入Y C x,点击确定。

会出现下面结果:3、自相关检验(1)图示法由上述OLS估计,可直接得到残差resid,运用GENR生成序列E,则在quick菜单中选graph项,在图形对话框里键入:E E(-1),可得到结果:由上表可知:残差e呈线性回归,表明随机误差u存在自相关。

计量经济学实验报告

计量经济学实验报告

实验一 EViews软件的基本操作【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】一、EViews软件的安装;二、数据的输入、编辑与序列生成;三、图形分析与描述统计分析;四、数据文件的存贮、调用与转换。

在EViews软件主窗口或工作文件窗口点击Objects/New Object,对象类型选择Series,并给定序列名,一次只能创建一个新序列(图1-8所示)。

再从工作文件目录中选取并双击所创建的新序列就可以展示该对象,选择Edit+/-,进入编辑状态,输入数据。

在命令窗口中依次键入以下命令:GENR LOGY=LOG(Y)GENR LOGX=LOG(X)利用SCAT命令绘制X、Y的相关图加,两者大体呈线性变化趋势。

利用PLOT命令绘制趋势图从图中可以看出,我国1985-1998年间税收收入与GDP都大体呈指数增长趋势。

在序列和数组窗口观察变量的描述统计量数组描述统计量窗口单独变量序列描述统计量窗口存贮工作文件存贮若干个变量将工作文件分别存贮成文本文件和Excel文件在工作文件窗口中选择要保存的一个或多个变量,点击Eviews主窗口菜单栏中的File/Export/Write Text-Lotus-Excel,在弹出的对话框中指定存贮路径和存贮的文件格式(图1-25),若存贮成文本文件则选择Text-ASCII,若存贮成Excel文件则选择Excel.xls,再点击保存按钮,弹出ASCII Text Export(Excel Export)窗口(图1-26),点击OK按钮即可在对象窗口中点击Name按钮,将对象存贮于工作文件。

实验二一元回归模型【实验目的】掌握一元线性、非线性回归模型的建模方法【实验内容】建立我国税收预测模型估计线性回归模型一元线性Y=0.0946x+987.5417残值残值残值半对数函数模型LS log(Y) C xY=7.5086+2.07x*10^-5残值二次函数模型Y=5.58x*10^-7+0.046x+1645.7 残值模型比较四个模型的经济意义都比较合理T检验。

计量经济综合实验报告

计量经济综合实验报告

一、实验背景随着经济全球化和信息技术的发展,计量经济学作为一门重要的应用经济学分支,在各个领域都得到了广泛的应用。

本实验旨在通过综合运用计量经济学方法,对某一经济问题进行实证分析,从而加深对计量经济学理论和方法的理解,提高实际操作能力。

二、实验目的1. 掌握计量经济学的基本理论和方法;2. 学会使用计量经济学软件(如EViews)进行数据处理和模型分析;3. 培养分析实际经济问题的能力;4. 提高论文写作和报告表达能力。

三、实验内容1. 数据收集与处理本次实验以我国某城市居民消费水平为例,选取以下变量:- 居民可支配收入(X1)- 居民消费支出(Y)- 居民储蓄(X2)- 居民教育程度(X3)- 居民年龄(X4)数据来源于某城市统计局和相关部门。

在收集数据后,对数据进行整理和清洗,确保数据质量和准确性。

2. 模型设定根据实际情况和理论依据,选择以下模型:Y = β0 + β1X1 + β2X2 + β3X3 + β4X4 + ε其中,Y为居民消费支出,X1为居民可支配收入,X2为居民储蓄,X3为居民教育程度,X4为居民年龄,β0为常数项,β1、β2、β3、β4分别为各变量的系数,ε为误差项。

3. 模型估计使用EViews软件对模型进行估计,得到以下结果:Y = 5.23 + 0.83X1 - 0.16X2 + 0.15X3 - 0.02X4 + ε4. 模型检验(1)残差分析:对残差进行检验,发现残差基本服从正态分布,不存在明显的异方差。

(2)自相关检验:对残差进行自相关检验,发现残差不存在自相关。

(3)拟合优度检验:计算R²值,得到R² = 0.89,说明模型拟合效果较好。

5. 模型解释根据模型结果,可以得出以下结论:(1)居民可支配收入对消费支出有显著的正向影响,即收入越高,消费支出越高。

(2)居民储蓄对消费支出有显著的负向影响,即储蓄越高,消费支出越低。

(3)居民教育程度对消费支出有显著的正向影响,即教育程度越高,消费支出越高。

计量经济学自相关实验报告

计量经济学自相关实验报告

山东轻工业学院实验报告成绩课程名称:计量经济学指导教师:刘海鹰实验日期: 2012年4月23日院(系):商学院专业班级金融10- 1 实验地点:机电楼B座5楼学生姓名:学号: 201008021029 同组人无实验项目名称:线性回归模型自相关的检验及修正一、实验目的和要求通过Eviews软件估计线性回归模型并计算残差,检验误差项是否存在自相关及自相关的修正,用广义最小二乘法估计回归参数。

二、实验原理图示法检验、DW检验、LM检验、科克伦-奥克特迭代法、广义差分法、最小二乘法。

三、主要仪器设备、试剂或材料计算机,EViews软件四、实验方法与步骤1、启动Eviews5软件,建立新的workfile. 命令:create a 1978 2000 (以下的所有命令均需单击回车键);2、在命令窗口输入命令:DATA CO I P,开始输入数据。

;3、输入数据后,命令:GENR Y=CO/P和GENR X=I/P ;4、用OLS估计方程。

在命令窗口输入命令:LS Y C X (Eviews输出结果如图一)。

一)图示法检验1、命令:GENR E=RESID LINE E SCAT E SCAT E E(-1) 结果为图二至图四。

2、在图一窗口下,单击resids功能键,得到残差图,如图五。

二)LM检验1、在图一窗口下,点击功能键VIEW,选RESIDUAL TEST/SRRIAL CORRELATION LM TEST…,2、在随后弹出的滞后期对话框中给出最大滞后期1。

点击OK键,即可得到LM自相关检验的结果,如图六。

三)自相关的修正,即广义差分法和科克伦-奥克特迭代法1、命令:LS E E(-1) 得到结果图七;2、命令:GENR GDY=Y-0.70*Y(-1),GENR GDX=X-0.70X(-1),LS GDY C GDX,广义差分方程输出结果如图八。

五、 实验数据记录、处理及结果分析图一用普通最小二乘法求估计的回归方程结果如下ˆ111.440.7118t tY X =+(6.5) (42.1) R 2 =0.9883 s.e=32.8 DW=0.60 T=23回归方程拟合得效果比较好,但是DW 值比较低。

计量经济学实训6

计量经济学实训6

《计量经济学》实训报告六院系名称:商学院实验班级: 13国贸2班姓名:学号:武夷学院实验报告(六)课程名称 计量经济学 项目名称:外贸合同签订 学时 成绩 姓名专业国际经济与贸易班级2班学号一、实训目的:掌握放宽基本假定后的回归模型中遇到的自相关问题出现的来源、后果、检验及修正的原理,以及相关的EViews 软件操作方法。

二、实训内容:1、自相关性的检验方法2、用广义差分来消除模型的自相关性三、实训条件:1、下载或购买Eviews 软件;2、搜集需要进行回归分析的数据资料;四、实训步骤:1、导入数据、画图并分析自相关存在和来源的问题 (1)导入数据(采用实训六的数据导入)(2)画图(ee-t 关系图;ee-ee 1关系图)-400-300-200-1000100200300868890929496980002040608EE(3)自相关存在和来源问题大多数时间序列数据都具有一种显著的特征——具有惯性。

连续的观察值之间可能是相互依赖的。

模型如果设定偏误,也可能存在序列相关性。

我们在进行实证分析的时候,采用的公开数据大都不是原始数据,它们是通过已知数据采用内插或修匀得到的数据,这样新生成的数据和原始数据之间就可能存在内在的联系,产生序列相关性。

2、自相关的检验用Y 代表城镇家庭平均每人全年消费性支出,用X 代表城镇家庭平均每人可支配收入,建立一元回归模型:Y i =β0+β1X i + i利用EViews 得到回归模型的统计结果如下所示:Included observations: 24Variable Coefficient Std. Error t-Statistic Prob. C 313.1701 51.99665 6.022889 0 X 0.716478 0.00748 95.7851 0R-squared 0.997608 Mean dependent var 4272.418 Adjusted R-squared 0.997499 S.D. dependent var 3090.239 S.E. of regression 154.5389 Akaike info criterion 12.99842 Sum squared resid 525410.2 Schwarz criterion 13.0966 Log likelihood -153.9811 Hannan-Quinn criter.13.02447 F-statistic 9174.785Durbin-Watson stat0.296573Prob(F-statistic)(1)杜宾-沃森检验从杜宾-沃森检验来看,在%的显著性水平下,n=24,k=2,查表得临界值的-400-300-200-1000100200300-200-1000100200300EE1E E上限和下限分别为1.45和1.27,而D.W.统计量为0.297<1.27,故存在正的1阶序列相关性。

自相关 实验报告

自相关  实验报告

**大学经济学院实验报告估计线性回归模型并计算残差。

用普通最小二乘法估计输出结果如下:20,73.0,086.0.,9988.0)02.122()79.6(18.045.1ˆ2====-+-=T DW e s R X Y tt所以,回归方程拟合得效果比较好,但是DW 值比较低。

(2)残差图见图2。

(3)自相关的检验(检验误差项t u 是否存在自相关)①DW 检验:已知DW=0.73,若给定05.0=α,查表得,得DW 检验临界值41.1,20.1==U L d d ,因为DW=0.73<1.20,认为误差项t u 存在严重的一阶正自相关。

②回归检验法:建立残差t u 与21,--t t e e 的回归模型,如表2和表3。

从表2可以看出,1-t e 的回归参数通过了显著性检验,而表3中,21,--t t e e 中只有1-t e 的回归参数通过显著性检验,故判断误差项具有一阶回归形式的自相关。

表2 残差回归相关结果(1)表3 残差回归结果(2)③LM(BG)检验:辅助回归估计输出结果如下表(1)。

表(1)由LM 检验结果可知,LM (1)=7.998,伴随概率p=0.0047<0.05.LM(2)=8.459,伴随概率p=0.0146,所以在α=0.05显著性水平显著,存在一阶,二阶自相关。

同时,由表一,可得LM(BG)自相关检验辅助回归式估计结果是:00.840.020,74.1,40.0)4.0()4.0()4.3(0004.00609.06388.0221=⨯====-+-+=-TR LM DW R v X e e tt t t因为84.3)1(205.0=χ,LM=8.00>3.84,所以LM 检验结果也说明随机误差项存在一阶正自相关。

(4)用差分法和广义差分法建立模型,消除自相关。

用广义最小二乘法估计回归参数。

估计自相关系数ρˆ,635.0273.0121ˆ=-=-=DW ρ 对原变量做广义差分变换。

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
标题:基于地区人民收入与犯罪率的实证分析
摘要:
本实验报告旨在使用计量经济学方法对地区的人民收入与犯罪率之间的关系进行实证分析。

通过收集该地区多年的相关数据,并建立合适的计量模型,我们得出了以下结论:在控制其他因素的情况下,人民收入对犯罪率具有显著的负向影响。

这一研究结果对相关当局在制定犯罪预防政策时具有重要的指导意义。

1.引言
犯罪问题一直是社会关注的焦点。

了解犯罪率的影响因素对改善社会治安具有重要的意义。

本实验以地区为例,通过实证分析人民收入对犯罪率的影响,希望为相关当局提供制定犯罪预防政策的参考。

计量经济学实验报告4

计量经济学实验报告4

《 计量经济学 》课程实验第 3 次实验报告实验内容及基本要求:实验项目名称:运用Eviews 软件进行自相关模拟分析实验类型: 上机实验每组人数: 1实验内容及要求:1、总体要求:数据已经输入到eviews 中,数据文件为:自相关实验.wf1,其中的income 为家庭收入,consume 为家庭开支,以此数据建立以consume 为被解释变量的消费方程,用最小二乘法估计变量间的相关关系。

并检验数据中自相关性等特征,采用相应方法进行修正。

2、具体步骤:依次回答下列问题(得到回归结果是指给出回归方程,并做检验): 1、建立消费方程,做回归,得到回归结果。

2、根据回归结果,边际消费倾向为多少?显著不为1吗,给出检验过程。

3、数据中存在自相关吗,给出检验过程。

4、用dw 值来估计ρ,据此ρ做广义差分来消除自相关性,给出结果 5、 假定为ar(1),用科克兰内-奥克特法来消除自相关性,给出结果6、 假定为ar(2),用科克兰内-奥克特法来消除自相关性,给出结果实验结果:一.模型设定假定被解释变量Y 与解释变量X 存在线性相关关系,则可设定为如下模型:t t t u X Y ++=21ββ其中Y 为家庭支出consume,X 为家庭收入income.Ut 为随机误差项。

二.参数估计——用最小二乘法估计Y 与X 之间的参数值1.数据输入由于之前数据已输入到“自相关实验.wf1”中,故在eviews 设定完Y 和X 之后直接把相对应的数据粘贴就可以了。

2.参数估计通过最小二乘法进行回归估计,结果如图所示:可知该模型为:t t X Y 7829.02336.81^+= SE=180.2928 0.032038T=0.4506 24.4377R 2=0.9552 F=597.1988 DW=1.23373.边际消费倾向分析根据该回归结果可知,边际消费倾向为2β=0.7829,对其显著性进行检验H0:2β=1 H1:2β≠1给定显著性水平α=0.05,查表得2/αt (n-2)=025.0t (28)=2.0487752.6032038.017829.0)(22=-=-=βββSE t可知2/αt (28)=2.048<t ,所以,拒绝H0,即边际消费倾向2β显著不为1.4.自相关检验由上面的回归结果可知,该模型的可决系数R 2,2R 很高,拟合程度较好,回归系数显著。

计量经济学自相关实验报告

计量经济学自相关实验报告

第六章自相关实验报告一、研究目的对于广大的中国农村人口而言,其消费总量比重却不高。

农村居民的收入和消费是一个值得研究的问题。

消费模型是研究居民消费行为的常用工具。

通过中国农村居民消费模型的分析可判断农村居民的边际消费倾向,这是宏观经济分析的重要参数。

同时,农村居民消费模型也能用于农村居民消费水平的预测。

二、模型设定影响居民消费的因素很多,但由于受各种条件的限制,通常只引入居民收入一个变量做解释变量,即消费模型设定为:+β1X t+ U tY t=β参数说明:Y——农村居民人均消费支出 (单位:元)tX——农村居民人均纯收入(单位:元)tU t——随机误差项收集到数据如下(见表2-1)表2-1 1985-2011年农村居民人均收入和消费单位:元注:资料来源于《中国统计年鉴》1986-2012。

为了消除价格变动因素对农村居民收入和消费支出的影响,不宜直接采用现价人均收入和现价人均消费支出的数据,而需要用经消费价格进行调整后的1985年可比价格及人均纯收入和人均消费支出的数据做回归分析。

根据表2-1中调整后的1985年可比价格计的人均纯收入和人均消费支出的数据,使用普通最小二乘法估计消费模型得如下结果。

表2-2 最小二乘估计结果Dependent Variable: YMethod: Least SquaresDate: 12/04/13 Time: 20:00Sample: 1985 2011Included observations: 27Coefficient Std. Error t-Statistic Prob.C 45.40225 10.30225 4.407025 0.0002X 0.718526 0.012526 57.36069 0.0000R-squared 0.992459 Mean dependent var 580.5296 Adjusted R-squared 0.992157 S.D. dependent var 256.4506 S.E. of regression 22.71079 Akaike info criterion 9.154744 Sum squared resid 12894.50 Schwarz criterion 9.250732 Log likelihood -121.5890 Hannan-Quinn criter. 9.183287 F-statistic 3290.249 Durbin-Watson stat 0.528075 Prob(F-statistic) 0.000000由以上结果得到以下方程:^Y t=45.4022545+0.718526X t(6.1)(10.30225)(0.012526)t = (4.407025) (57.36069)R2=0.992459--R2=0.992157 F=3290.249 DW=0.528075该回归方程可决系数较高,回归系数均显著。

实验六自相关模型的检验和处理

实验六自相关模型的检验和处理
0.166912
8.811131
0.0000
AR(2)
-0.613537
0.174363
-3.518737
0.0019
R-squared
0.998601
????Mean dependent var
7.869818
Adjusted R-squared
0.998410
????S.D. dependent var
实 验 报 告
课程名称:计量经济学
实验项目:实验六 自相关模型的
检验和处理
实验类型:综合性□ 设计性□ 验证性
专业班别:
姓 名:
学 号:
实验课室:厚德楼A404
指导教师:
实验日期:2015年6月11日
广东商学院华商学院教务处 制
一、实验项目训练方案
小组合作:是□否
小组成员:无
实验目的:
掌握自相关模型的检验和处理方法
【模型3】消费品零售额SLC对收入法GDPS的回归模型
【模型4】财政收入的对数log(cs)对时间T的回归模型
【模型5】收入法GDPS的对数log(GDPS)对时间T的回归模型
数据见“附表:广东省宏观经济数据(部分)-第六章”
(一)自相关的检验
1.图形法检验
使用图形检验法分别检验上述【模型1-4】是否存在自相关问题。分别作这四个模型的残差散点图(即残差后一项对前一项的散点图: 对 )和残差趋势图(即残差 对时间 的线图),并判断模型是否存在自相关以及是正的自相关还是负的自相关。
????Akaike info criterion
11.14684
Sum squared resid
77603.71
????Schwarz criterion

计量经济学实验报告(多元线性回归 自相关 )

计量经济学实验报告(多元线性回归 自相关 )

计量经济学实验报告(多元线性回归自相关 )1. 背景计量经济学是一门关于经济现象的定量分析方法研究的学科。

它的发展使得我们可以对经济现象进行更加准确的分析和预测,并对社会发展提供有利的政策建议。

本文通过对多元线性回归模型和自相关模型的实验研究,来讨论模型的建立与评价。

2. 多元线性回归模型在多元线性回归模型中,我们可以通过各个自变量对因变量进行预测和解释。

例如,我们可以通过考虑家庭收入、年龄和教育程度等自变量,来预测某个家庭的消费水平。

多元线性回归模型的一般形式为:$y_i=\beta_0+\beta_1 x_{i1}+\beta_2 x_{i2}+...+\beta_k x_{ik}+\epsilon_i$在建立模型之前,我们需要对因变量和自变量进行观测和测算。

例如,我们可以通过调查一定数量的家庭,获得他们的收入、年龄、教育程度和消费水平等数据。

接下来,我们可以通过多元线性回归模型,对家庭消费水平进行预测和解释。

在实际的研究中,我们需要对多元线性回归模型进行评价。

其中一个重要的评价指标是 $R^2$ 值,它表示自变量对因变量的解释程度。

$R^2$ 值越高,说明多元线性回归模型的拟合程度越好。

3. 自相关模型在多元线性回归模型中,我们假设各个误差项之间相互独立,即不存在自相关性。

但实际上,各个误差项之间可能会互相影响,产生自相关性。

例如,在一个气温预测模型中,过去的温度对当前的温度有所影响,说明当前的误差项和过去的误差项之间存在相关性。

我们可以通过自相关函数来研究误差项之间的相关性。

自相关函数表示当前误差项和过去 $l$ 期的误差项之间的相关性。

其中,$l$ 称为阶数。

自相关函数的一般形式为:$\rho_l={\frac{\sum_{t=l+1}^{T}(y_t-\bar{y})(y_{t-l}-\bar{y})}{\sum_{t=1}^{T}(y_t-\bar{y})^2}}$在自相关模型中,我们通过对误差项进行差分或滞后变量,来消除误差项之间的自相关性。

计量经济学EViews自相关检验及修正实验报告

计量经济学EViews自相关检验及修正实验报告

自相关问题的检验与修正【实验目的与要求】熟练使用EViews软件进行计量分析,理解自相关的检验和估计的基本方法【实验准备】1.自相关的基本概念:若Cov(u i,u j)=E(u i uj)=0(i≠j)不成立,即线性回归模型扰动项的方差—协方差矩阵的非主对角线元素不全为零,则称为扰动项自相关,或序列相关(serial correlation)2.自相关的后果:(1)在扰动项自相关的情况下,尽管OLS估计量仍为无偏估计量,但不再具有最小方差的性质,即不是BLUE。

(2)OLS估计量的标准误差不再是真实标准误差的无偏估计量,使得在自相关的情况下,无法再信赖回归参数的置信区间或假设检验的结果。

3.检验自相关的基本方法:残差检验、D.W检验、Q检验4.自相关的修正方法:广义差分法。

【实验内容】1.利用实验数据建立实际有效汇率REER对名义有效汇率NEER的一元回归模型,根据残差检验、D.W 检验、Q检验判别是否存在自相关。

2.利用实验数据,建立中国出口EX对中国进口IM的一元回归模型,根据残差检验、D.W检验、Q 检验判别是否存在自相关。

3.如果检验结果为存在自相关,根据残差检验和D.W检验估计一阶自相关系数。

4.根据估计出的一阶自相关系数,利用广义差分法估计模型。

5.对利用广义差分法估计得到的模型,根据残差检验、D.W检验、Q检验判别是否存在自相关。

6.对实际有效汇率REER对名义有效汇率NEER和中国出口EX对中国进口IM的一元回归模型,根据残差检验和Q检验判别是否存在高阶自相关。

7.如果检验结果为存在高阶自相关,根据残差检验估计高阶自相关系数。

8.根据估计出的高阶自相关系数,利用广义差分法估计模型。

9.对利用广义差分法估计得到的模型,根据残差检验和Q检验判别是否存在高阶自相关。

10.对在同样数据基础上得到的不同模型进行比较分析。

以下实验数据为1980-2003年人民币名义有效汇率(NEER)和实际有效汇率(REER)的数据(来源于国际货币基金组织出版的国际金融统计(IFS))和1982-2002年中国出口(EX)和进口(IM)(单位:亿美元)的数据(来源于中国商务部网站)。

自相关实验报告

自相关实验报告

《计量经济学》上机实验报告一题目:自相关实验日期和时间:2013-12-5班级:学号:姓名:实验室:实验环境:Windows XP ; EViews 3.1实验目的:掌握自相关性的检验与处理方法实验内容:下表给出了美国1960到1995年36年个人可支配收入X和个人实际消费支出Y的数据。

年份个人实际可支配收入个人实际年份个人实际可支配收入个人实际X 消费支出X 消费支出Y Y1960 157 143 1978 326 295 1961 162 146 1979 335 302 1962 169 153 1980 337 301 1963 176 160 1981 345 305 1964 188 169 1982 348 308 1965 200 180 1983 358 324 1966 211 190 1984 384 341 1967 220 196 1985 396 357 1968 230 207 1986 409 371 1969 237 215 1987 415 382 1970 247 220 1988 432 397 1971 256 228 1989 440 406 1972 268 242 1990 448 413 1973 287 253 1991 449 411 1974 285 251 1992 461 422 1975 290 257 1993 467 434 1976 301 271 1994 478 447 1977 311 283 1995 493 458 1)用普通最小二乘法估计收入消费模型:y=b1+b2x2+u2)检验自相关。

(显著水平5%)3)用适当方法消除问题。

实验步骤:0- 利用普通最小二乘法估计收入消费模型,建立模型:LS Y C X 。

得到如下估计结果,如图1所示。

Dependent Variable: Y Method: Least Squares Date: 12/05/13 Time: 16:58 Sample: 1960 1995 Included observations: 36Variable Coefficient Std. Error t-Statistic Prob. C -9.428745 2.504347 -3.764951 0.0006 X0.935866 0.007467125.34110.0000 R-squared0.997841 Mean dependent var 289.9444 Adjusted R-squared 0.997777 S.D. dependent var 95.82125 S.E. of regression 4.517862 Akaike info criterion 5.907908 Sum squared resid 693.9767 Schwarz criterion 5.995881 Log likelihood -104.3423 F-statistic 15710.39 Durbin-Watson stat0.523428Prob(F-statistic)0.000000图1其检验报告如下:x y93587.043.9ˆ+-= =t (-3.764951) (125.3411) 2R =0.997841 F =15710.39二.对模型进行自相关检验。

计量经济学实验报告(自相关性)

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。

自相关实验报告

自相关实验报告

⾃相关实验报告《计量经济学》实训报告实训项⽬名称⾃相关的检验与消除实训时间实训地点班级学号姓名实训(实践) 报告实训名称⾃相关的检验与消除⼀、实训⽬的1、中国进⼝需求与国内⽣产总值是⼀个值得研究的问题。

通过实际出⼝额模型的分析可以判断中国进⼝需求,这是宏观经济分析的重要参数。

2、使学⽣掌握针对实际问题简历、估计、检验和应⽤计量经济学单⽅程模型的⽅法以及⾄少掌握⼀种计量经济学软件的使⽤,提⾼学⽣的动⼿能⼒。

⼆、实训要求1、要求学⽣能对⼀般的实际经济问题运⽤计量经济学⽅法进⾏分析研究2、掌握计量经济学软件包Eviews估计和检验单⽅程模型的同法和操作步骤3、对模型的结果进⾏经济解释三、实训内容1、⽤DW验证法,验证该模型是否存在⾃相关。

2、⽤⼴义差分法消除⾃相关,进⾏多次迭代法。

四、实训步骤课后练习题6.5的数据1985—2003年中国实际GDP和进⼝额1. ⽤OLS⽅法估计参数,建⽴回归模型:ls y c x回归结果:Y=-1690.309+0.387979XT= (-3.824856) (21.93401) R^2=0.96587 S.E.=822.3285 2. 检验是否存在⾃相关(1)图⽰法(scat e1 e2):结果表明:由上图e1与e2的散点图可知,⼤部分的点落在I、III象限,表明随即误差项存在着正相关。

(2)DW检验法回归结果:Y = -1690.309+0.3880X , R^2=0.9659,df=17, DW=0.5239该⽅程的可绝系数较⾼,回归系数均显著。

对样本量为19、⼀个解释变量的模型,查DW统计表可知,dL=1.18,dU=1.4;模型中DW结论:显然该模型中存在⾃相关。

(3) BG检验(LM检验)结果表明:观察偏相关发现出现⾃相关(⼀维)结果表明:观察Prob=0.000942<0.5,显著,存在⾃相关3. 消除⾃相关的⽅法:使⽤⼴义差分法进⾏修正(1)genr e1=resid,genr e2=resid(-1),Ls e1 e2,得到e1与e2的回归⽅程为:E1=0.9202E2;(2)对原模型进⾏⼴义差分,得到⼴义差分⽅程为:Y-0.9202*Y(-1) = β1*(1-0.9202)+β2*(X-0.9202X)+ µ回归结果:Y*= -921.9049+0.6264 X*(其中Y*= Y-0.9202*Y(-1);X*= X-0.9202*X(-1));R^2=0.8381; df=16; DW=0.7151;由于使⽤了⼴义差分法,样本容量减少了1个,为18个。

计量经济学自相关性检验报告分析(doc 7页)

计量经济学自相关性检验报告分析(doc 7页)

计量经济学自相关性检验报告分析(doc 7页)计量经济学自相关性检验实验报告实验内容:自相关性检验工业增加值主要由全社会固定资产投资决定。

为了考察全社会固定资产投资对工业增加值的影响,可使用如下模型:Y=;其中,X 表示全社会固定资产投资,Y表示工业增加值。

下表列出了中国1998-2000的全社会固定资产投资X与工业增加值Y的统计数据。

单位:亿元年份固定资产投资X工业增加值Y年份固定资产投资X工业增加值Y1980910.91996.519915594.58087.1 198********.419928080.110284.519821230.42162.3199313072.314143.8 19831430.12375.6199417042.119359.6 19841832.92789199520019.324718.3 19852543.23448.7199622913.529082.6 19863120.63967199724941.132412.1 19873791.74585.8199828406.233387.9 19884753.85777.2199929854.735087.2 19894410.46484200032917.739570.3 199045176858一、估计回归方程OLS法的估计结果如下:Y=668.0114+1.181861X(2.24039)(61.0963)R2=0.994936,R2=0.994669,SE=951.3388,D.W.=1.282353。

二、进行序列相关性检验(1)图示检验法通过残差与残差滞后一期的散点图可以判断,随机干扰项存在正序列相关性。

(2)回归检验法一阶回归检验e=0.356978e1-t+εtt二阶回归检验e=0.572433e1-t-0.607831e2-t+εtt可见:该模型存在二阶序列相关。

(3)杜宾-瓦森(D.W)检验法由OLS法的估计结果知:D.W.=1.282353。

  1. 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. 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. 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)。

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。

因此,下面的图形和操作均以表1的数据为依据。

5、数据分析
虽然通过对数据的初步浏览我们可以保证实验数据中不存在异常数据,但是这并不能说明这些数据能满足我们实验的要求。

下一步我们要检测这两组数据的相关性怎么样,如果相关性很小,那我们采用这两组数据进行
回归分析就没有多大的意义。

(1)通过图形判断两组数据的
相关性:
将GDP 、SPI 在Eviews 中以组的形式打开,绘制散点图。

从图3中可以看出这两组数据的相关性比较高,具有较强的相关关系,可以继续进行相关分析。

观察散点图后拟建立线性模型和二次多项式模型。

图3 散点图
(2)相关系数上看两组数据的相关性:
以组的形式打开GDP 、ANCO 两组数据,利用Eviews 进行如图4所示的操作,可得到GDP 与ACON 的相关系数,如表2所示。

表2 GDP 与SPI 的相关系数
图4 GDP 与ACON 的相关系数
可见GDP 与ACON 的相关系数约为0.88,因此这两组变量之间具有较强的相关关系。

6、建立模型
(1)、线性模型:
我们拟建立如下一元回归模型:
μββ++=X Y 10
需借助Eviews 进行如下处理。

利用Eviews 进行OLS 估计,得到结果如图5所示:
X Y
X 1.000000 0.881491
Y 0.881491 1.000000
图5
查看样本回归函数表达式,得到结果如图6所示
图6
因此,样本的回归方程为X Y *7930251107397.07849301391.10+=,至此,已初步完成了一元线性回归模型的建立,可得出如下回归分析结果:
i i X Y 3727160954.071888554.210+=∧

同时可以得到:可决系数)166569.1)(467130.7(=T ;777027.02=R ;75762.55=F ;461785.0..=W D 。

(2)双对数模型
图7
图8
因此,样本的回归方程为LNX LNY *856523397947.0318092924892.0+-=,至此,已初步完成了一元线性回归模型的建立,可得出如下回归分析结果:
i i LNX LNY ∧
∧+-=*856523397947.0318092924892.0;
同时可以得到:可决系数)302592.6)(010777.1(-=T ;712864.02=R ;72267.39=F ;448268.0..=W D 。

(3)半对数模型
图9
图10
(4)线性—对数模型
图11
图12
(5)二次多项式模型
图13
图14
因此,样本的回归方程为
2*0583153176747.1*9080454312151.05426385979.88X e X Y -+-=,至此,已初步完成了双对数模型的建立,可得出如下回归分析结果:
i i i X e X Y ∧
∧∧-+-=2*0583153176747.1*9080454312151.05426385979.88; 同时可以得到:可决系数)004501.9)(080842.5)(379175.8(-=T ;957702.02
=R ;8132.169=F ;666896.1..=W D 。

7、自相关性检验
本次试验中,笔者只进行了五次建模,分别为线性、双对数和二次多项式模型。

其中半
对数模型和二次多项式模型均通过了T 检验和F 检验,且拟合优度较高,以后的自相关性检验将针对这两种模型进行。

7-1图示检验法
(1)二次多项式模型
图15 e1的时序图 图16 e1与e2的散点图 由图15可知,残差具有一定的系统特征,但不明显,由图16可知,散点图在四个象限均有分布,自相关性不明显。

(2)半对数模型
图17 e3的时序图 图18 e3与e4的散点图 由图17可知,残差具有一定系统特征,但不明显,由图18可知,散点图主要分布在一三象限,表明具有一定的自相关性。

7-2 D.W 检验法
(1)二次多项式模型
回归方程中,666896.1.. W D 。

查表可知n=18,在5%的显著水平下,16.1=L d ,39.1=U d ,而1.39<1.666896<4,正、负自相关均不存在。

(2)半对数模型
回归方程中,727528.0..=W D 。

查表可知n=18,在5%的显著水平下,16.1=L d ,39.1=U d ,而0.727528<1.16,故存在(正)
自相关。

7-2 偏相关系数检验(自己补充)
(1)二次多项式模型
图19
各期偏相关系数的直方图均未到虚线所示处,再次证明期不存在自相关性。

(2)半对数模型
图20
一期偏相关系数的直方图右侧超过虚线所示处,再次证明其存在一阶(正)自相关。

8、自相关性的修正(这部分不太清楚做法,不知道做的对不对)
若选取二次多项式模型,则模型本身就不存在自相关性(至少在本次试验所选取的几种检验方式中不存在),不需要进行修正。

若选取半对数模型,则可以通过使用广义差分法进行修正,过程如下:
(1) 利用eviews 得到e3与e4的回归方程为:E3 = 0.6597*E4
(2) 对原模型加入AR 项进行迭代:
图21 加入AR 项的半对数模型估计结果
观察上图可知,过程经过7次迭代后收敛;1 的估计值为0.6917。

调整后的688731.1.. W D ,经DW 检验,调整后的模型不存在自相关性。

图22 调整后的偏系数检验
进行偏系数检验如图22所示,可再次证明此时半对数模型已不存在自相关性。

三、实验点评
通过本次实验,我们学会熟悉了如何利用eviews对模型的自相关性进行检验和修正,不过实验选择建立模型不够全面,没有分析线性对数模型和半对数模型,在以后的研究中可以考虑建立其他模型对此问题进行进一步研究。

相关文档
最新文档