计量经济学实验2
计量经济学实验二
计量经济学实验二实验二（一）异方差性【实验目的】掌握异方差性的检验及处理方法【实验内容】建立并检验我国制造业利润函数模型【实验步骤】【例1】表1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。
一、检验异方差性⒈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1)：SCAT XY图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2 我国制造业销售利润回归模型残差分布图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。
⒉Goldfeld-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），其残差平方和为2579.587。
SMPL 1 10LS Y C X图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4），其残差平方和为63769.67。
SMPL 19 28 LS Y C X图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⒊White 检验⑴建立回归模型：LS Y C X ，回归结果如图5。
图5 我国制造业销售利润回归模型⑵在方程窗口上点击View\Residual\T est\White Heteroskedastcity,检验结果如图6。
计量经济学实验操作指导完整版李子奈
计量经济学试验(完整版)——李子奈目录实验一一元线性回归.......................................................................................................................................一实验目的......................................................二实验要求......................................................三实验原理......................................................四预备知识......................................................五实验内容......................................................六实验步骤......................................................1.建立工作文件并录入数据.....................................2.数据的描述性统计和图形统计：...............................3.设定模型，用最小二乘法估计参数：...........................4.模型检验：.................................................5.应用：回归预测：........................................... 实验二可化为线性的非线性回归模型估计、受约束回归检验及参数稳定性检验......................一实验目的：....................................................二实验要求......................................................三实验原理......................................................四预备知识......................................................五实验内容......................................................六实验步骤...................................................... 实验三多元线性回归 .........................................................................................................................................一实验目的......................................................三实验原理......................................................四预备知识......................................................五实验内容......................................................六实验步骤......................................................6.1 建立工作文件并录入全部数据...............................6.2 建立二元线性回归模型.....................................6.3 结果的分析与检验.........................................6.4 参数的置信区间...........................................6.5 回归预测.................................................6.6 置信区间的预测........................................... 实验四异方差性 ..................................................................................................................................................一实验目的......................................................二实验要求......................................................三实验原理......................................................四预备知识......................................................五实验内容......................................................六实验步骤......................................................6.1 建立对象：...............................................6.2 用普通最小二乘法建立线性模型.............................6.3 检验模型的异方差性.......................................6.4 异方差性的修正........................................... 实验五自相关性 ..................................................................................................................................................二实验要求......................................................三实验原理......................................................四预备知识......................................................五实验内容......................................................六实验步骤......................................................6.1 建立Workfile和对象......................................6.2 参数估计、检验模型的自相关性.............................6.3 使用广义最小二乘法估计模型...............................6.4 采用差分形式作为新数据，估计模型并检验相关性............. 实验六多元线性回归和多重共线性..............................................................................................................一实验目的......................................................二实验要求......................................................三实验原理......................................................四预备知识......................................................五实验内容......................................................六实验步骤......................................................6.1 建立工作文件并录入数据...................................6.2 用OLS估计模型...........................................6.3 多重共线性模型的识别.....................................6.4 多重共线性模型的修正..................................... 实验七分布滞后模型与自回归模型及格兰杰因果关系检验................................................................一实验目的......................................................二实验要求......................................................三实验原理......................................................四预备知识......................................................五实验内容......................................................六实验步骤......................................................6.1 建立工作文件并录入数据...................................6.2 使用4期滞后2次多项式估计模型...........................6.3 格兰杰因果关系检验....................................... 实验八联立方程计量经济学模型 ..................................................................................................................一实验目的......................................................二实验要求......................................................三实验原理......................................................四预备知识......................................................五实验内容......................................................六实验步骤......................................................6.1 分析联立方程模型。
计量经济学实验二 多元线性回归分析 完成版
练习题1. 在一项对某社区家庭对某种消费品的消费需求调查中，得到下表所示的资料。
序号对某商品的消费支出Y商品单价1X 家庭月收入2X 1591.923.5676202654.524.4491203623.632.07106704647.032.46111605674.031.15119006644.434.14129207680.035.30143408724.038.70159609757.139.631800010706.846.6819300请用Eviews 软件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。
解： (1)估计回归方程的参数及随机干扰项的方差，计算及。
2ˆσ2R 2R 222116.847ˆ302.411103iee e n k n k σ'====-----∑20.90220.8743R R ==(2)对方程进行检验，对参数进行检验，并构造参数的置信区间。
F t 95%该社区家庭对该商品的消费需求支出方程为：22ˆ626.50939.790610.02862(15,612)( 3.062)(4.902)0.90220.8743yX X t R R =-+=-==F 检验：22/0.9022/232.29(1)/(1)(10.9022)/7R k F R n k ===----给定显著性水平时，查F 检验分布表，得到临界值，0.05α=0.05(2,7) 4.74F =由于，故模型的线性关系在95%的置信度下是显著成立的。
0.05(2,7)F F >t 检验：两变量的t 值都大于临界值，即：，故模型中引入的两个变0.025||(7) 2.365t t >=量在95%的水平下影响显著，都通过了变量的显著性检验。
参数的置信区间：在的置信度下的置信区间为：1α-ˆjB ˆˆ22ˆˆ(,)jjj j B BB t S B t S αα-⨯+⨯从EViews 中得到：1212ˆˆˆˆ9.7906,0.02863.1978,0.0058B B B B S S =-==-=0.025(7) 2.365t =故的置信区间为：（-17.2934，-2.2878），（-12,ββ0.10857,0.041717）。
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基于EViews的中国能源消费影响因素分析学院：班级：学号：姓名：基于EViews的中国能源消费影响因素分析⼀、背景资料能⽤消费是引是指⽣产和⽣活所消耗的能源。
能源消费按⼈平均的占有量是衡量⼀个国家经济发展和⼈民⽣活⽔平的重要标志。
能源是⽀持经济增长的重要物质基础和⽣产要素。
能源消费量的不断增长，是现代化建设的重要条件。
我国能源⼯业的迅速发展和改⾰开放政策的实施，促使能源产品特别是⽯油作为⼀种国际性的特殊商品进⼊世界能源市场。
随着国民经济的发展和⼈⼝的增长，我国能源的供需⽭盾⽇益紧张。
同时，煤炭、⽯油等常规能源的⼤量使⽤和核能的发展，⼜会造成环境的污染和⽣态平衡的破坏。
可以看出，它不仅是⼀个重⼤的技术、经济问题，⽽且以成为⼀个严重的政治问题。
在20世纪的最后⼆⼗年⾥，中国国内⽣产总值（GDP）翻了两番，但是能源消费仅翻了⼀番，平均的能源消费弹性仅为0.5左右。
然⽽⾃2002年进⼊新⼀轮的⾼速增长周期后，中国能源强度却不断上升，经济发展开始频频受到能源瓶颈问题的困扰。
鉴于此，研究能源问题不仅具有必要性和紧迫性，更具有很⼤的现实意义。
由于我国⽬前⾯临的所谓“能源危机”，主要是由于需求过⼤引起的，⽽我国作为世界上最⼤的发展中国家，⼈⼝众多，所需能源不可能完全依赖进⼝，所以，研究能源的需求显得更加重要。
⼆、影响因素设定根据西⽅经济学消费需求理论可知，影响消费需求的因素有：商品的价格、消费者收⼊⽔平、相关商品的价格、商品供给、消费者偏好以及消费者对商品价格的预期等。
对于相关商品价格的替代效应，我们认为其只存在能源品种内部之间，⽽消费者偏好及消费者对商品价格的预期数据差别较⼤，不容易进⾏搜集整理在此暂不涉及。
另外，发展经济学认为，来⾃知识、⼈⼒资本的积累⽔平所体现的技术进步不仅可以带动劳动产出的增长，⽽且会通过外部效应可以提⾼劳动⼒、⾃然资源、物质资本与⽣产要素的⽣产效率，消除其中收益递减的内在联系，带来递增的规模收益。
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。
计量经济学实验报告(实验项目：时间序列计量经济学模型) (2)
实验项目：时间序列计量经济学模型一实验目的通过上机实验掌握计量经济学软件EViews，运用EViews软件进行时间序列计量经济学模型的分析，掌握时间序列计量经济学模型，包括建立模型，了解其单整性、平稳性。
二预备知识单位根检验、单整性检验、ADF检验、最小二乘估计原理。
三实验内容下表给出了1978—2006年中国居民消费价格指数CPI.(1990年=100)(1)做出时间序列CPI的样本相关图，并通过图形判断该序列时间序列的平稳性。
(2)对CPI序列进行单位根检验，以进一步明确它们的平稳性。
(3)检验CPI的单整性。
四实验步骤（一）启动软件包Eviews 的启动步骤：双击E views 快捷方式，进入E Views 窗口；或点击开始 /程序/ Eviews 6，进入E Views 窗口。
（二）创建工作文件。
1 建立工作文件并录入数据，如图1所示。
图 12 平稳性检验2.1 平稳性的图示判断给出一个随机时间序列，首先可以通过该序列的事件路径图来粗略地判断它是否是平稳的。
使用语句T=@TREND+1978产生时间点的序列T，画出CPI跟时间T的关系图，即时序图，如图2所示。
图 2由图2，我们可以直观地看到CPI关于时间T有明显递增的趋势，不同时间段的均值不同，有持续上升，即CPI序列不平稳。
当然，这种直观的图示也常长生误导，因此需要进行进一步的判断。
2.2 样本自相关图判断点击主界面Quick\Series Statistics\Correlogram...，在弹出的对话框中输入CPI，点击OK就会弹出Correlogram Specification对话框，选择Level，并输入要输出的阶数(一般为12)，点击OK，即可得到CPI的样本相关函数图,如图3所示。
图 3一个时间序列的样本自相关函数定义为：121()(),1,2,3,...()n kt t k t k ntt XX X X r k XX -+==--==-∑∑易知，随着k 的增加，样本自相关函数下降且趋于零。
计量经济学实验二--李子奈
实验二 可化为线性的非线性回归模型估计、受约束回归检验及参数稳定性检验一 实验目的：（1）掌握可化为线性的非线性回归模型的估计方法； （2）模型参数的线性约束检验方法； （3）掌握Chow 检验的基本原理和主要用途；（4）掌握Chow 分割点检验和Chow 预测检验的操作过程，判断分割点。
二 实验要求：应用教材P83例子3.5.1做可化为线性的非线性回归模型估计，利剑受约束回归检验，掌握Chow 稳定性检验。
三 实验原理：普通最小二乘法、模型参数线性受约束检验法、Chow 检验法。
四 预备知识：最小二乘估计原理、t 检验、F 检验、Chow 检验。
五 实验内容：下表列出了中国某年按行业分的全部制造业国有企业及规模以上制造业非国有企业的工业总产值Y ，资产合计K 及职工人数L 。
Y Ak l eαβμ=（1）利用上述资料，进行回归分析。
（2）回答：中国概念的制造总体呈现规模报酬不变状态吗？六 实验步骤：建立工作文件并导入全部数据，如图 1所示 (1)设定并估计可化为线性的非线性回归模型：0lnY alnK lnL ββμ=+++在Eviews 软件下，点击主界面菜单Qucik/Estimate Equation ，在弹出的对话框中输入log(Y) C log(K) log(L)，点击确定即可得到回归结果，如图2所示。
根据图2中的数据，得到模型的估计结果为：ln 1.15399 0.60924ln K 0.360807lnLY ∧=++（1.586） （3.454） （1.790）R 2=0.809925 2R =0.796348 D.W.=0.793209∑e i 2=5.070303 F=59.65501 df=(2,28)随机干扰项的方差估计值为：2ˆσ=()2i e /n 3∑-=5.070303/28=0.18108225 回归结果表明，这一年lnY 变化的81%可由lnK 和lnL 的变化来解释。
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。
计量经济学实验指导书正文
《计量经济学》课程实验指导书目录实验一计量经济学古典线性回归模型实验 (1)实验二计量经济学异方差模型实验 (12)实验三计量经济学自相关模型实验 (19)实验四计量经济学多重共线性模型实验 (24)实验五计量经济学虚拟变量模型和滞后变量模型实验 (30)实验六计量经济学单方程模型综合性实验 (38)实验七计量经济学联立方程模型综合性实验 (59)主要参考书1.潘省初著《计量经济学》：中国人民大学出版社，2002年，第1版。
2.袁建文编著《计量经济学实验》：科学出版社，2002年，第1版。
实验一、计量经济学古典线性回归模型实验一、实验目的与要求：使学生掌握古典线性回归模型的设定、估计、检验、预测方法以及至少掌握一种计量经济学软件的使用，提高学生应用计量经济学古典线性回归模型方法解决实际问题的实践动手能力。
要求学生能对简单的实际经济问题正确地选择古典线性回归模型的理论形式，能使用计量经济学软件包Eviews估计模型参数，能进行经济意义、拟合优度、参数显著性和方程显著性等检验，能进行模型经济意义分析以及预测因变量值。
二、实验内容与步骤：1.选择简单的实际经济问题学生从本实验指导书提供的参考选题中或从其它途径选择合适的实际经济问题。
2.古典线性回归模型的理论形式设定学生针对所选的实际经济问题，依据有关的经济理论设定恰当的古典线性回归模型的理论形式。
3.经济意义和统计检验学生应用计量经济学软件包Eviews对已设定的古典线性回归模型进行初步估计并进行经济意义和统计检验。
4.模型经济意义分析及预测因变量值三、实验例题：美国1980-1995年未偿付抵押贷款债务下表提供了以下数据，非农业未偿付抵押贷款(Y，亿美元)，个人收入(X2，亿美元)，新住宅抵押试建立美国非农业未偿付抵押贷款古典线性回归模型，若1997年个人收入为6543亿美元，新住宅抵押贷款费用为8%，试预测1997年未偿付抵押贷款额(亿美元)。
实验步骤及内容如下：1.古典线性回归模型的理论形式设定以非农业未偿付抵押贷款(Y)作为被解释变量，个人收入(X 2)及未偿付抵押贷款(X 3)作为解释变量。
计量经济学实验作业模板
实验项目一Eviews使用1实验一 An Overview of Regression Analysis【实验目的】了解回归分析概述【实验原理】按步骤学会使用基本回归分析方法【实验内容】1. A simple example of regression analysis:1)Creating an EViews workfile2)Entering data into an EViews workfile3)Creating a group in EViews4)Graphing with EViews5)Generating new variables in EViews2. Exercises【实验步骤】详细步骤见附录1：Chapter 1: An Overview of Regression Analysis。
【实验结果分析】1、Exercises10：P171)实验结果Variable Coefficient Std. Error t-Statistic Prob.C 12927.98 2196.546 5.885596 0.0000GDP 17.08593 0.315860 54.09330 0.0000 R-squared 0.987846 Mean dependent var 113268.4Adjusted R-squared 0.987509 S.D. dependent var 64886.29S.E. of regression 7251.954 Akaike info criterion 20.66713Sum squared resid 1.89E+09 Schwarz criterion 20.75331Log likelihood -390.6754 Hannan-Quinn criter. 20.69779F-statistic 2926.085 Durbin-Watson stat 0.334658Prob(F-statistic) 0.000000PRICE = 12927.9811421 + 17.0859280802*GDP 单位：10亿美元2）实验结果分析A、详细说明估计参数的经济意义17.08表示美国的GDP每增加10亿美元，一栋独立住宅的名义中间价格就会平均上涨17.08美元。
计量经济学 实验二
浙江财经大学实验（实训）报告项目名称邹检验（Chow test）所属课程名称计量经济学（统计）项目类型验证性实验实验(实训)日期15年03月27 日班级学号姓名指导教师浙江财经大学教务处制实验二报告Chow 检验（验证性实验）实验类型：验证性实验实验目的：学会用虚拟变量进行项目评价分析；理解Chow 检验的本质，掌握Chow 检验的方法，并体会其局限性；掌握用Stata产生多分类变量的虚拟变量的使用技巧；掌握Stata 的bysort 和regress 相结合使用来估计不同组的回归方程。
通过此题体会Stata 的优越性。
实验内容：Chow 检验。
实验要求：掌握Chow 检验,按具体的题目要求完成实验报告,并及时上传到给定的FTP ！实验题目：[abstracted from << Introductory Economerics >>chapter7 C7.11] Use the data in 401KSUBS. DTA for this exercise.(i)Compute the average, standard deviation, minimum ,and maximum values of nettfa in the sample.(ii)Test the hypothesis that average nettfa does not differ by 401(k) eligibility status; use a two-sided alternative .[Hint: regress nettfa on e401k ](iii) Estimate a multiple linear regression model for nettfa that includes income, age, and e401k as explanatory variables. The income and wage variables should appear as quadratics. Now ,what is the estimated dollar effect of 401(k) eligibility.(iv)To the model estimated in part(iii) ,add the interactions e401k*(age-41) and e401k*(age-41)2.Note that the average age in the sample is about 41,so that in the new model ,the coefficient on e401k is the estimated effect of 401(k) eligibility at the average age. Which interaction term is significant?(v)Comparing the estimates from parts(iii) and (iv) ,do the estimated effects of e401(k ) eligibility at age 41 differ much? Explain.(vi)Now, drop the interaction terms from the model ,but define five family size dummy variables:fsize1,fsize2,fsize3,fsize4 and fsize5.The variable fsize5 is unity for families with five or more members. Include the family size dummies in the model estimated from part(iii) ;be sure to close a base group .Are the family dummies significant at 1%level?(vii)Now, do a Chow test for the modelμββββββ++++++=k e age age inc inc nettfa 40152432210across the five family size categories ,allowing for intercept differences. The restricted sum of squared residuals, SSRr ,is obtained from part(vi) because that regressionassumes all slopes are the same. The unrestricted sum of squared residuals is 521SSR SSR SSR SSR ur +++= ,wher SSR f is the sum of squared residuals for equation estimated using only family size f. You should convince yourself that there are 30 parameters in the unrestricted model(five intercepts plus 25 slopes)and 10 parameters in the unrestricted model(five intercepts plus 5 slopes).Therefore, the number of restrictions being tested is q=20,and the df for the unrestricted model is 9275-30=9245.实验题目分析报告：(i)sum nettfaVariable | Obs Mean Std. Dev. Min Max -------------+--------------------------------------------------------nettfa | 9275 19.07168 63.96384 -502.302 1536.798(ii) reg nettfa e401kˆ18.858 and 14.01.e401k e401k t β== 因此拒绝原假设，平均值无明显差距。
《计量经济学综合实验》实验报告
《计量经济学综合实验》实验报告2013-2014学年第一学期班级：姓名：学号：课程编码：0123100320课程类型：综合实训实验时间：第16周至第18周实验地点：实验目的和要求：熟悉eviews软件的基本功能，能运用eviews软件进行一元和多元模型的参数估计、统计检验和预测分析，能运用eviews软件进行异方差、自相关、多重共线性的检验和处理，并最终将操作结果进行分析。
能熟悉运用eviews软件对时间序列进行单位根、协整和格兰杰因果关系检验。
实验所用软件：e views实验内容和结论：见第2页—第39页计量经济学综合实验实验一第二章第6题Dependent Variable: Y Method: Least Squares Date: 12/17/13 Time: 09:13 Sample: 1985 1998 Included observations: 14Variable Coefficient Std. Error t-Statistic Prob. C 12596.27 1244.567 10.12101 0.0000 GDP26.954154.1203006.5417920.0000 R-squared0.781002 Mean dependent var 20168.57 Adjusted R-squared 0.762752 S.D. dependent var 3512.487 S.E. of regression 1710.865 Akaike info criterion 17.85895 Sum squared resid 35124719 Schwarz criterion 17.95024 Log likelihood -123.0126 F-statistic 42.79505 Durbin-Watson stat0.859998 Prob(F-statistic)0.000028（1）t t t e GDP Y ++=95.2627.12596 （10.12） （6.54） 78.02=R（2）95.261=β是样本回归方程的斜率，它表示GDP 每增加1亿元，货物运输量将增加26.95万吨，27.12596ˆ0=β是样本回归方程的截距，表示GDP 不变价时的货物运输量。
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。
计量经济学实验报告回归分析
计量经济学实验报告回归分析计量经济学实验报告：回归分析一、实验目的本实验旨在通过运用计量经济学方法，对收集到的数据进行分析，研究自变量与因变量之间的关系，并估计回归模型中的参数。
通过回归分析，我们可以深入了解变量之间的关系，为预测和决策提供依据。
二、实验原理回归分析是一种常用的统计方法，用于研究自变量与因变量之间的线性或非线性关系。
在回归分析中，我们通过最小二乘法等估计方法，得到回归模型中未知参数的估计值。
根据估计的参数，我们可以对因变量进行预测，并分析自变量对因变量的影响程度。
三、实验步骤1.数据收集：收集包含自变量与因变量的数据集。
数据可以来自数据库、调查、实验等。
2.数据预处理：对收集到的数据进行清洗、整理和格式化，以确保数据的质量和适用性。
3.模型选择：根据问题的特点和数据的特性，选择合适的回归模型。
常见的回归模型包括线性回归模型、多元回归模型、岭回归模型等。
4.模型估计：运用最小二乘法等估计方法，对选择的回归模型进行估计，得到模型中未知参数的估计值。
5.模型检验：对估计后的模型进行检验，以确保模型的适用性和可靠性。
常见的检验方法包括残差分析、拟合优度检验等。
6.预测与分析：根据估计的模型参数，对因变量进行预测，并分析自变量对因变量的影响程度。
四、实验结果与分析1.数据收集与预处理本次实验选取了某网站的销售数据作为样本，数据包含了商品价格、销量、评价等指标。
在数据预处理阶段，我们剔除了缺失值和异常值，以确保数据的完整性和准确性。
2.模型选择与估计考虑到商品价格和销量之间的关系可能存在非线性关系，我们选择了多元回归模型进行建模。
采用最小二乘法进行模型估计，得到的估计结果如下：销量 = 100000 + 10000 * 价格 + 5000 * 评价 + 随机扰动项3.模型检验对估计后的模型进行残差分析，发现残差分布较为均匀，且均在合理范围内。
同时，拟合优度检验也表明模型对数据的拟合程度较高。
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。
计量经济学实验报告 实验二 放宽基本假定模型
计量经济学实验报告实验二：放宽基本假定模型姓名：班级：序号：学号：1. 问题描述：2009年我国各地区城镇居民家庭人均全年消费性支出Y 与人均全年家庭工薪收入X1、人均全年经营净收入X2、及其他来源的收入X3之间的关系。
2. 理论模型：μββββ++++=3322110X X X Y3. 数据1.数据分析：33^22^11^0^^X X X Y ββββ+++=2. 参数假设: 321^4677.08458.06004.0800.1195X X X Y +++= (2.40) (11.72) (3.48) (4.04) 95.02=R 19.160=F 76.1..=W DDependent Variable: Y Method: Least Squares Date: 12/08/11 Time: 22:15 Sample: 1 31Included observations: 31Variable CoefficientStd. Error t-Statistic Prob.X1 0. 0. 11.718390.0000 X2 0. 0. 3. 0.0017 X3 0.0.4. 0.0004 C1195.800497.9180 2.0.0235R-squared0. Mean dependent var 11628.97 Adjusted R-squared 0. S.D. dependent var2978.791 S.E. of regression 724.1850 Akaike info criterion16.12789 Sum squared resid Schwarz criterion16.31292 Log likelihood -245.9822 F-statistic160.1925Durbin-Watson stat1. Prob(F-statistic)0.三、模型检验1.经济意义检验：从分析结果来看，β1=0.6004，β2=0.8458，β3=0.4677，β1、β2和β3都处于0-1之间，因此均具有经济意义。
计量经济学实验2
实验2-3实验目的：ARMA模型识别及估计与应用（ADF检验、Q统计量、ACF、PACF）、ECM模型建模、V AR模型建模检验与应用、离散选择模型建模估计与检验案例分析案例1 中国支出法GDP的ARMA(p,q)模型估计中国支出法GDP是非平稳的，但它的一阶差分是平稳的，即支出法GDP是I(1)时间序列。
可以对经过一阶差分后的GDP建立适当的ARMA(p,q)模型。
（1）GDP单整性检验首先检验1978~2000年间中国支出法GDP时间序列的平稳性，即原序列的平稳性。
用Eviews同时估计出上述3个模型的适当形式。
只要其中有一个模型的检验结果拒绝了零假设，就可以认为时间序列是平稳的，当3个模型的检验结果都不能拒绝零假设时，则认为时间序列是非平稳的。
Eviews中，GDP平稳性的ADF检验模型3、2、1的检验结果如下：根据3个模型检验结果τ统计量都大于临界值（左侧单尾），因此在α=0.05的显著性水平下，接受原假设，即GDP序列存在单位根，是非平稳序列。
进一步对一阶差分后的序列检验判断GDP是否是一阶单整序列，即I(1)。
对GDP一阶差分后序列进行ADF检验，首先采用模型3进行检验，检验结果为：由于τ=-5.183232<-4.498307（显著性水平α=0.01的临界值），因此在α=0.01的显著性水平下，拒绝原假设，即一阶差分后的GDP序列不存在单位根，是平稳序列，因此GDP序列是一阶单整的，即I(1)。
（2）ARMA(p,q)模型识别令GDPD1 =ΔGDP，观察GDPD1该平稳序列的样本自相关和偏自相关函数图：图中，ACF 呈现拖尾，而PACF 呈现截尾特征，进一步结合样本偏自相关函数r k *，当k >p 时，r k *渐近服从如下正态分布：r k *~N (0,1/n )，因此，如果计算的r k，则有95.5%的把握判断时间序列在p 之后截尾。
观察上表发现，偏自相关函数值在k >2以后，*0.426k r <≈，可以认为：偏自相关函数是截尾的。
- 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)。
实验2-3实验目的：ARMA模型识别及估计与应用（ADF检验、Q统计量、ACF、PACF）、ECM模型建模、V AR模型建模检验与应用、离散选择模型建模估计与检验案例分析案例1 中国支出法GDP的ARMA(p,q)模型估计中国支出法GDP是非平稳的，但它的一阶差分是平稳的，即支出法GDP是I(1)时间序列。
可以对经过一阶差分后的GDP建立适当的ARMA(p,q)模型。
（1）GDP单整性检验首先检验1978~2000年间中国支出法GDP时间序列的平稳性，即原序列的平稳性。
用Eviews同时估计出上述3个模型的适当形式。
只要其中有一个模型的检验结果拒绝了零假设，就可以认为时间序列是平稳的，当3个模型的检验结果都不能拒绝零假设时，则认为时间序列是非平稳的。
Eviews中，GDP平稳性的ADF检验模型3、2、1的检验结果如下：根据3个模型检验结果τ统计量都大于临界值（左侧单尾），因此在α=0.05的显著性水平下，接受原假设，即GDP序列存在单位根，是非平稳序列。
进一步对一阶差分后的序列检验判断GDP是否是一阶单整序列，即I(1)。
对GDP一阶差分后序列进行ADF检验，首先采用模型3进行检验，检验结果为：由于τ=-5.183232<-4.498307（显著性水平α=0.01的临界值），因此在α=0.01的显著性水平下，拒绝原假设，即一阶差分后的GDP序列不存在单位根，是平稳序列，因此GDP序列是一阶单整的，即I(1)。
（2）ARMA(p,q)模型识别令GDPD1 =ΔGDP，观察GDPD1该平稳序列的样本自相关和偏自相关函数图：图中，ACF 呈现拖尾，而PACF 呈现截尾特征，进一步结合样本偏自相关函数r k *，当k >p 时，r k *渐近服从如下正态分布：r k *~N (0,1/n )，因此，如果计算的r k，则有95.5%的把握判断时间序列在p 之后截尾。
观察上表发现，偏自相关函数值在k >2以后，*0.426k r <≈，可以认为：偏自相关函数是截尾的。
因此判断：一阶差分后的GDP 满足AR(2)随机过程。
（3） ARMA(p,q)模型估计与检验 设序列GDPD1的模型形式为：1122111t t t t GDPD GDPD GDPD ϕϕε--=++ 模型（1）根据GDPD1该平稳序列的样本自相关和偏自相关函数，有如下Yule Walker 方程：⎪⎪⎭⎫⎝⎛⎪⎪⎭⎫⎝⎛=⎪⎪⎭⎫ ⎝⎛-622.0859.01859.0859.01ˆˆ121ϕϕ解得：12ˆˆ1.239,0.442ϕϕ==- 用OLS 法回归的结果为：121 1.59310.6531 (7.91) ( 3.60)t t t t GDPD GDPD GDPD ε--=-+- 模型（2）在回归时，加入常数项：121909.56 1.49510.6781(1.99) (7.74) ( 3.58)t t t t GDPD GDPD GDPD ε--=+-+- 模型（3）模型（2）和（3）的Eviews 估计结果如下：令3个模型的残差序列分别为：e1、e2、e3，检验是否为白噪声序列：观察Q 统计量和相应的概率值发现，模型（1）与模型（1）的残差项接近于一白噪声，但模型（2）存在4阶滞后相关问题，Q 统计量的检验也得出模型2拒绝所有自相关系数为零的假设。
因此：模型1与3可作为描述中国支出法GDP 一阶差分序列的随机生成过程。
（4） ARMA(p ,q )模型应用用建立的AR(2)模型对中国支出法GDP 进行外推预测： 模型（1）可作如下展开：11122231121223()()(1)()t t t t t t t t t t GDP GDP GDP GDP GDP GDP GDP GDP GDP GDP ϕϕϕϕϕϕ---------=-+-=++--如果已知t -1、t -2、t -3期的GDP 时，就可对第t 期的GDP 作出外推预测。
模型（3）也可展开，但多出一项常数项。
Eviews 中，对样本外一点的预测，如果该样本点已超过workfile 的样本范围，则需要调整样本区间，操作如下：点击工作文件的“Proc ”选项卡，选择“Structure/Resize Current Page ”选项，会出现如下对话框：点击OK确定，则：工作文件样本区间扩大到2001年。
模型（1）的预测：模型（3）的预测：因此有：应用ARIMA(p,d,q)模型建模过程：（1）对原序列进行平稳性检验，如果序列不满足平稳性条件，可以通过差分变换或者其它变换，如对数差分变换使序列满足平稳性条件；（2）通过计算能够描述序列特征的一些统计量（ACF和PACF），来确定ARMA模型的阶数p和q，并在初始估计中选择尽可能少的参数；（3）估计模型的未知参数，并检验参数的显著性，以及模型本身的合理性；（4）进行诊断分析，以证实所得模型确实与所观察到的数据特征相符。
以上第3、4步，需要一些统计量和检验分析在第2步中的模型形式选择是否合适，所需的统计量和检验如下：1）检验模型参数显著性水平的t统计量；2）为保证ARIMA(p,d,q)模型的平稳性，模型的特征根的倒数皆小于1；3）模型的残差序列应当是一个白噪声序列，用检验序列相关的方法如Q统计量检验。
案例2 ECM模型建模估计用经过居民消费价格指数调整后的1978-2006年中国居民总量消费（cons）与总量可支配收入（inc）的数据构建误差修正模型。
（1）检验cons和inc的平稳性经检验发现cons 和inc 序列都是I (2)时间序列，而取对数后的ln(cons)和ln(inc)序列都是I (1)时间序列，根据经济理论拟构建ln(cons)和ln(inc)的长期均衡模型。
（2） 检验ln(cons)和ln(inc)的协整关系残差ecm t 序列的AEG 检验，t 统计量=-7.819 < -3.59（α = 0.05，n=29，双变量AEG 协整检验τ统计量临界值），经过AEG 检验发现ln(cons)和ln(inc)是CI (1,1)。
（3） 构建误差修正模型，检验残差序列是否白噪声经检验残差序列平稳，且不存在序列相关。
误差修正模型为：1ln()0.794ln()0.241ecm t t t cons inc -∆=∆-案例3 VAR模型建模、估计、检验与应用凯恩斯学派认为货币供给量变动对经济的影响是间接地通过利率变动来实现的。
货币政策的传递主要有两个途径：一是货币供给与利率的关系，即流动性偏好途径；二是利率与投资的关系，即利率弹性途径。
根据凯恩斯的理论，当货币供给量增加时，货币供给大于货币需求，供给相对过剩，利率下降，刺激投资，促进国民经济增长。
当然他假定利率变动是由市场调节的，与货币供给量呈反方向变动。
在我国利率是基本固定的，但是仍然可以利用政策手段直接调整利率或投资，同样可以达到经济宏观调控的目的。
但货币学派主要强调货币供给量对经济的短期影响，而中长期，货币数量的作用主要在于影响价格以及其他货币表示的量，而不能影响实际国内生产总值。
为了研究货币供应量和利率的变动对经济波动的长期影响和短期影响及其贡献度，采用我国1995年1季度～2007年4季度的季度数据，并对变量进行了季节调整。
设居民消费价格指数为CPI_90(1990年1季度=1)、居民消费价格指数增长率为CPI、实际GDP的对数ln(GDP/CPI_90)为ln(gdp)、实际M1的对数ln(M1/CPI_90)为ln(m1)和实际利率rr(一年期存款利率R- CPI）。
利用V AR(p)模型对ln(gdp)、ln(m1)和rr3个变量之间的关系进行实证研究，其中实际GDP和实际M1取对数差分后平稳，出现在模型中，而实际利率是平稳序列，没有取对数。
（1）变量平稳性检验经过ADF检验发现，gdp和m1都是I(2)时间序列，而取对数后的ln(gdp)和ln(m1)序列都是I(1)时间序列，rr时序是I(0)时间序列，因此用rr、Δln(m1)和Δln(gdp)序列构建V AR模型。
（2）构建V AR模型首先要确定变量的先后顺序，即外生性强弱，采用理论分析利率水平和M1是引起经济波动的原因，而利率水平基本外生变动较小：因此确定顺序为：rr、Δln(m1)、Δln(gdp)。
Vector Autoregression EstimatesSample (adjusted): 1996Q2 2007Q4Included observations: 47 after adjustmentsStandard errors in ( ) & t-statistics in [ ]RR DLOG(M1_P_SA) DLOG(GDP_P_SA) RR(-1) 1.096377 -0.004370 -0.002948(0.18347) (0.00294) (0.00181)[ 5.97578] [-1.48872] [-1.62458]RR(-2) -0.162935 0.007308 0.004174(0.28551) (0.00457) (0.00282)[-0.57068] [ 1.59982] [ 1.47842]RR(-3) -0.160985 -0.006172 -0.002187(0.27809) (0.00445) (0.00275)[-0.57889] [-1.38733] [-0.79511]RR(-4) 0.114522 0.004176 3.97E-05(0.14418) (0.00231) (0.00143)[ 0.79430] [ 1.81024] [ 0.02785]DLOG(M1_P_SA(-1)) -0.614982 0.215060 0.100835(10.7764) (0.17241) (0.10657)[-0.05707] [ 1.24741] [ 0.94618]DLOG(M1_P_SA(-2)) -11.36004 -0.195368 -0.079008(10.4697) (0.16750) (0.10354)[-1.08504] [-1.16639] [-0.76308]DLOG(M1_P_SA(-3)) -3.549011 0.000839 -0.126078(10.0996) (0.16158) (0.09988)[-0.35140] [ 0.00519] [-1.26232]DLOG(M1_P_SA(-4)) -20.46318 -0.392373 0.030171(9.17121) (0.14673) (0.09070)[-2.23124] [-2.67421] [ 0.33266]DLOG(GDP_P_SA(-1)) -22.24070 -0.774717 -0.407337(18.6903) (0.29902) (0.18483)[-1.18996] [-2.59088] [-2.20380]DLOG(GDP_P_SA(-2)) 4.641438 -0.019655 0.216726(16.1529) (0.25842) (0.15974)[ 0.28734] [-0.07606] [ 1.35674]DLOG(GDP_P_SA(-3)) -23.15176 -0.129722 0.258082(16.4817) (0.26368) (0.16299)[-1.40469] [-0.49197] [ 1.58340]DLOG(GDP_P_SA(-4)) -20.64893 -0.199831 0.198631(12.9932) (0.20787) (0.12849)[-1.58921] [-0.96132] [ 1.54585]C 2.895183 0.074184 0.023021(1.07309) (0.01717) (0.01061)[ 2.69799] [ 4.32114] [ 2.16933] R-squared 0.892370 0.403882 0.409763 Adj. R-squared 0.854383 0.193487 0.201445 Sum sq. resids 26.35850 0.006746 0.002578 S.E. equation 0.880483 0.014086 0.008707 F-statistic 23.49142 1.919641 1.967002 Log likelihood -53.09873 141.2587 163.8676 Akaike AIC 2.812712 -5.457817 -6.419900 Schwarz SC 3.324455 -4.946074 -5.908157 Mean dependent 1.610000 0.034535 0.025338 S.D. dependent 2.307357 0.015685 0.009744 Determinant resid covariance (dof adj.) 8.42E-09Determinant resid covariance 3.19E-09Log likelihood 259.6889Akaike information criterion -9.391017Schwarz criterion -7.855788根据AIC、SC等6项滞后准则，初步选择构建滞后4阶的V AR模型。