計量經(jīng)濟學綜合實驗報告74p

1、計量經(jīng)濟學綜合實驗報告實驗一截面數(shù)據(jù)一元線性回歸模型（經(jīng)典估計）【實驗目的和要求】1、熟練運用計算機和Eviews軟件進行計量經(jīng)濟分析，掌握一元線性回歸模型的設定、普通最小二乘法求解及其檢驗方法；2、學習絕對收入假說消費理論的驗證方法；3、在老師的指導下獨立完成實驗，并得到正確結(jié)果?！緦嶒瀮?nèi)容】1、對變量樣本序列進行統(tǒng)計描述；2、設定一元線性回歸模型的具體形式，預計回歸系數(shù)的符號；3、用普通最小二乘法求解模型；4、對模型的解進行經(jīng)濟理論檢驗和統(tǒng)計檢驗；5、對模型進行結(jié)構(gòu)分析；6用模型進行預測分析?！緦嶒灁?shù)據(jù)】1、附表5,2011年河南省18個省轄市城市居民消費支出CE與可支配收入DI數(shù)據(jù)。2、

2、附表5,2011年河南省18個省轄市農(nóng)村居民生活消費支出LE與純收入NI數(shù)據(jù)?！緦嶒灢襟E】城市居民：1、打開Eviews工作文件，建立新的文件夾，在命令框中輸入“datacedi”回車，從數(shù)據(jù)表中粘貼數(shù)據(jù)到Eviews數(shù)據(jù)表中即可。2、對變量ce、di進行統(tǒng)計描述在ce、di組對象窗口選擇下拉菜單view-descriptivestatistics-commonsamples，即輸出組對象中各序列數(shù)據(jù)公共樣本的統(tǒng)計描述，如下圖：統(tǒng)計描述1:commonsamples選擇下拉菜單view-descriptivestatistics-ndividualsamples，即輸出組對象中各序列數(shù)據(jù)的統(tǒng)計

3、描述，各序列包含的觀察值數(shù)量可以不同。統(tǒng)計描述2：individualsamples在組對象窗口中選擇下拉菜單view-covarianeeanalysisbalaneedsample即可出現(xiàn)以下圖表。統(tǒng)計描述3：covarianee3、建立由被解釋變量ce和解釋變量di組成的組對象，在一個坐標軸上顯示兩變量的序列線圖，觀察是否接近直線，做兩變量的散點圖，觀察是否線性相關。兩變量序列的線圖：由上圖可知，兩變量的曲線，都不接近直線。兩變量的散點圖：由上圖可知兩變量基本呈正相關關系，存在一定的線性相關性。但相關程度不大。4、結(jié)合凱恩斯絕對收入假說的消費理論和圖形分析，設定以ce為被解釋變量，di為

4、解釋變量的一元線性城市居民消費總體回歸模型，預計回歸系數(shù)的符號；模型：CEi=沏+B2Dli+ui因支出一般隨收入的增加而增多，回歸系數(shù)應為正數(shù)。5、用OLS法估計以ce為被解釋變量，di為解釋變量的城市居民消費回歸模型；回歸估計結(jié)果如下：DependentVariable:CEMethod:LeastSquaresDate:06/23/08Time:14:45Sample:118Includedobservations:18CoefficientStd.Errort-StatisticProb.?C3510.4722058.0701.7057110.1074DI0.5013520.11731

5、74.2734770.0006R-squared0.533019?Meandependentvar12265.06AdjustedR-squared0.503832?S.D.dependentvar1188.676S.E.ofregression837.2934?Akaikeinfocriterion16.40267Sumsquaredresid?Schwarzcriterion16.50160Loglikelihood-145.6240?Hannan-Quinncriter.16.41631F-statistic18.26260?Durbin-Watsonstat1.415144Prob(F

6、-statistic)0.000582即CEi=3510.472+0.50135DI(2058.070)(0.117317)t=(1.705711)(4.273477)R2=0.533019F=18.26260n=186、對ce為被解釋變量，di為解釋變量模型輸出結(jié)果進行經(jīng)濟理論檢驗，擬合優(yōu)度檢驗和t檢驗。(1) 經(jīng)濟意義檢驗：所估計參數(shù)B仁3510.472,B2=0.501352,說明可支配收入增加1元，平均說來可導致城市居民消費支出增加0.501352元。(2) 擬合優(yōu)度檢驗：通過以上的回歸數(shù)據(jù)可知，可決系數(shù)為0.533019，說明所建模型整體上對樣本數(shù)據(jù)擬合度不是太好。(3) t檢驗：針

7、對H1:B仁0和H2B2=0,由上回歸結(jié)果可以看出，估計的回歸系數(shù)B1的標準誤差和t值分別為：SE(B1)=2058.070，t(B1)=1.705711:B2的標準誤差和t值分別為SE(B2)=0.117317t(B2)=4.273477.取a=0,05，查t分布表得自由度為n-2=18-2=16的臨界值為10.025=2.119,t(B1)=1.7057V10.025=2.119，不拒絕H1,t(B2)=4.1735>10.025=2.119,拒絕H2.這表明，城市居民可支配收入對其消費水平有很大影響。7、當城市居民可支配收入在14500元時，支出的均值為10780.076元。在95

8、%勺置信度下，預測某省轄市城市居民可支配收入在17500元時的消費支出的均值區(qū)間。計算后區(qū)間為(10976.747113591.4469)模型預測農(nóng)村居民：1、打開Eviews工作文件，建立新的文件夾，在命令框中輸入“dataleni”回車，從數(shù)據(jù)表中粘貼數(shù)據(jù)到Eviews數(shù)據(jù)表中即可。4、對變量le、ni進行統(tǒng)計描述在le、ni組對象窗口選擇下拉菜單view-descriptivestatistics-commonsamples，即輸出組對象中各序列數(shù)據(jù)公共樣本的統(tǒng)計描述，如下圖：選擇下拉菜單view-descriptivestatistics-ndividualsamples，即輸出組對象

9、中各序列數(shù)據(jù)的統(tǒng)計描述，各序列包含的觀察值數(shù)量可以不同，如下表：在組對象窗口中選擇下拉菜單view-covarianeeanalysisbalaneedsample即可出現(xiàn)以下圖表：3、建立由被解釋變量ce和解釋變量di組成的組對象，在一個坐標軸上顯示兩變量的序列線圖，觀察是否接近直線，做兩變量的散點圖，觀察是否線性相關。兩變量序列的線圖：由上圖可知，兩變量的曲線，都不接近直線。兩變量的散點圖：由上圖可知兩變量基本呈正相關關系，存在一定的線性相關性。但相關程度不大。4、結(jié)合凱恩斯絕對收入假說的消費理論和圖形分析，設定以le為被解釋變量，ni為解釋變量的一元線性城市居民消費總體回歸模型，預計回歸

10、系數(shù)的符號；模型：LEi=B1+B2Nli+ui因支出一般隨收入的增加而增加，預測回歸系數(shù)B1、B2的符號都是正號。5、用OLSI估計以ce為被解釋變量，di為解釋變量的城市居民消費回歸模型；模型回歸估計結(jié)果即LEi=275.9194+0.606027Nli(623.4453)(0.08359)T=(0.442572)(7.25000)R2=0.766636F=52.5625n=186、對le為被解釋變量，ni為解釋變量模型輸出結(jié)果進行經(jīng)濟理論檢驗，擬合優(yōu)度檢驗和t檢驗。(1) 經(jīng)濟意義檢驗：所估計參數(shù)B1=275.9194，B2=0.606027,說明可支配收入增加1元，平均說來可導致鄉(xiāng)村居

11、民消費支出增加0.606027元。(2) 擬合優(yōu)度檢驗：通過以上的回歸數(shù)據(jù)可知，可決系數(shù)為0.766636，說明所建模型整體上對樣本數(shù)據(jù)擬合度較好；(3) 對回歸系數(shù)的t檢驗：針對H1:B1=0和H2:B2=0，由上回歸結(jié)果可以看出，估計的回歸系數(shù)B1的標準誤差和t值分別為：SE(B1)=623.4453，t(B1)=0.442572;B2的標準誤差和t值分別為SE(B2)=0.083590t(B2)=7.250000，取a=0,05，查t分布表得自由度為n-2=18-2=16的臨界值為10.025=2.119,t(t(B1)=0.442572v10.025=2.119，不拒絕H1,t(B2)

12、=7.250000>10.025=2.119，拒絕H2.這表明，農(nóng)村居民可支配收入對其消費水平有很大影響。模型預測【實驗總結(jié)】本次試驗，我們主要是根據(jù)數(shù)據(jù)，利用Eviews軟件進行分析，如果兩變量基本符合線性關系就可建立一元線性計量模型，用普通最小二乘法進行模型求解，再對求解出的模型進行經(jīng)濟意義檢驗，擬合優(yōu)度檢驗和t檢驗。從可決系數(shù)R2的大小可以判斷模型的擬合效果，可決系數(shù)越大擬合程度越高。還可以把城市與農(nóng)村的消費總體回歸模型進行比較，都可發(fā)現(xiàn)收入提高消費也隨之增加，只不過城市與農(nóng)村居民的收入增加的部分用于消費的比例不同，城市的該比例小于農(nóng)村的。但兩者的之一比例均大于0.5，可見用凱恩斯

13、的絕對收入假說解釋現(xiàn)階段河南省居民消費規(guī)律是合理的。實驗二截面數(shù)據(jù)一元線性回歸模型(異方差性)【實驗目的和要求】1、掌握一元線性回歸估計方程的異方差性檢驗方法；2、掌握一元線性回歸估計方程的異方差性糾正方法；3、在老師的指導下獨立完成實驗，并得到正確結(jié)果?！緦嶒瀮?nèi)容】1、估計河南省城市居民消費支出CE依可支配收入DI的一元線性回歸模型和農(nóng)村居民生活消費支出LE與純收入NI的一元線性回歸模型；2、用圖形法判斷是否存在異方差性；3、用goldfield-quandt法檢驗是否存在異方差性；4、用white法檢驗是否存在異方差性；5、用ARCHfe等檢驗是否存在異方差性；6用加權最小二乘法消除異方差

14、性。【實驗數(shù)據(jù)】1、附表5,2011年河南省18個省轄市城市居民消費支出CE與可支配收入DI數(shù)據(jù)。2、附表5,2011年河南省18個省轄市農(nóng)村居民生活消費支出LE與純收入NI數(shù)據(jù)?！緦嶒灢襟E】城市居民：1、用Eviews創(chuàng)建變量CEDI，輸入樣本數(shù)據(jù)，、打開Eviews工作文件，建立新的文件夾，在命令框中輸入“datacedi”回車，從數(shù)據(jù)表中粘貼數(shù)據(jù)到Eviews數(shù)據(jù)表中即可。2、估計河南省城市居民消費支出CE依可支配收入DI的一元回歸模型下圖就是河南省城市居民消費支出CE和可支配收入DI的一元線性回歸結(jié)果：即CEi=3510.472+0.50135DI(2058.070)(0.117317

15、)t=(1.705711)(4.273477)2R=0.533019F=18.26260n=183、觀察模型是否存在一階序列相關原序列自相關圖一階序列相關圖由以上圖可以看出模型不存在一階序列相關。4、觀察變量ce與di的散點圖，生成ols法估計模型的殘差變量序列，觀察殘差序列線圖，殘差平方與di的散點圖，判斷是否存在異方差性。殘差序列線圖殘差平方與di的散點圖根據(jù)上圖看到，殘差平方e2對解釋變量DI的散點圖主要分布在圖形下方，大致可以看出e2隨著解釋變量DI的變動呈現(xiàn)增大的趨勢，因此，模型型很可能存在異方差。5、goldfield-quandt檢驗：用sort命令di排序序列，首先排序的為1-

16、8的個體子樣的城市居民消費回歸模型如下圖：再求排序為10-18的個子字樣的城市居民消費回歸模型如下圖：由以上兩圖得到sumsquaredresid的值即得到殘差平方和仁6808945.殘差平方和2=2433402,根據(jù)goldfeld-quanadt檢驗，F(xiàn)統(tǒng)計量為兩個殘差平方和相除，得到數(shù)據(jù)為F=2.7981，取a=0.05，分子分母自由度分別為8和9,查F表臨界值F0.05(6,7)=3.87,F=2.7981vF0.05(6,7)=3.87,所以不拒絕原假設，所以模型不存在異方差性。6ce、di的White檢驗結(jié)果從上圖可以看出：nR2=8.9519,又White檢驗知，在a=0.05.

17、查x2分布表，得x2。.。尹5.9915,同時DI和DI2的t檢驗也顯著。比較計算X2統(tǒng)計量與臨界值，因為nR2=8.9519.>x2。.。尹5.9915,所以拒絕原假設，表明模型存在異方差性。7、CEDI模型的ARCH檢驗：回歸結(jié)果后點擊view-residualtests-serialcorrelationLMtests給定顯著性水平a=0.05，查x2分布表臨界值x2o.of5.9915,自由度p為17,(n-p)R2=1.3636vX2d.o尸5.9915，所以模型中不存在異方差性。8、用w=1/di作為權數(shù)，用加權最小二乘法消除異法差性：權數(shù)W1檢驗結(jié)果用white法檢驗加權回

18、歸結(jié)果用ARCH法檢驗加權回歸結(jié)果用w=1/diA2作為權數(shù)，用加權最小二乘法消除異法差性W2檢驗結(jié)果用white法檢驗加權回歸結(jié)果用ARC!法檢驗加權回歸結(jié)果用w=1/sqr（di）作為權數(shù)，用加權最小二乘法消除異法差性W3回歸結(jié)果用white法檢驗加權回歸結(jié)果用ARCHfe檢驗加權回歸結(jié)果從以上的估計檢驗發(fā)現(xiàn)用權數(shù)w2的效果最好，則以w2的檢驗結(jié)果為模型的估計結(jié)果即CE=3552.339+0.498947DI（2218.312）（0.130952）T=（1.60137）（3.810155R2=0.53301DW=1.41251可以看出利用加權最小二乘法消除了異方差后，參數(shù)的t檢驗均顯著可決

19、系數(shù)也有所提高，這一模型更接近真實情況。農(nóng)村居民：1、用Eviews創(chuàng)建變量LE、NI，輸入樣本數(shù)據(jù)，、打開Eviews工作文件，建立新的文件夾，在命令框中輸入“dataleni”回車，從數(shù)據(jù)表中粘貼數(shù)據(jù)到Eviews數(shù)據(jù)表中即可。2、估計河南省農(nóng)村居民消費支出LE依可支配收入NI的一元回歸模型下圖就是河南省農(nóng)村居民消費支出LE和可支配收入NI的一元線性回歸結(jié)果：即LEi=275.9194+0.606027Nli（623.4453）（0.08359）T=（0.442572）（7.25000）R2=0.766636F=52.5625n=183、觀察模型是否存在一階序列相關一階序列相關圖由上表知模

20、型不存在一階序列相關4、觀察變量le與ni的散點圖，生成ols法估計模型的殘差變量序列，觀察殘差序列線圖，殘差平方與ni的散點圖，判斷是否存在異方差性。在新建的文件中點擊genr在彈出的窗口中輸入e2=（resid）A2即可生成殘差序列殘差平方序列圖點擊殘差平方序列中viewgraphok殘差平方與ni的散點圖選擇ni與e2回車點擊view-graphscatterok從圖中可以看出，e2隨著解釋變量NI的變動呈現(xiàn)增大的趨勢，所以模型很可能存在異方差性。5、在le與ni的序列中點擊sort-全選ni-ascendingok即可對ni遞增排序在eview窗口點擊quickestimateequa

21、tion在specification中輸入lecni在sample中輸入18點擊確定即可出現(xiàn)18樣本回歸結(jié)果如下表同理得1018回歸結(jié)果如下表由以上兩圖得到sumsquaredresid的值即得到殘差平方和仁823451.2.殘差平方和2=2352025,根據(jù)goldfeld-quanadt檢驗，F(xiàn)統(tǒng)計量為兩個殘差平方和相除，得到數(shù)據(jù)為F=0.35，取a=0.05，分子分母自由度分別為8和9,查F表臨界值F0.05（6,7）=3.87,F=0.35vF0.05（6，7）=3.87,所以不拒絕原假設，所以模型不存在異方差性。6White檢驗在模型回歸結(jié)果中點擊viewresidualtests-

22、heteroskedasticityTests在testtype中選擇white點擊ok即可由上表可以看出nR2=1.99465,在給定顯著性水平0.05，查x2分布表得臨界值為28.869因1.99465<28.869，則不拒絕原假設，表明模型中不存在異方差。7、ARCH檢驗結(jié)果給定顯著性水平a=0.05，查W分布表臨界值X2o.of26.296,自由度p為16,(n-p)氏=0.176VX2oo=26.296，所以模型中不存在異方差性。8、在workfile窗口中點擊genr在enterequation中分別輸入w1w2w3在eviews窗口中點擊quick-estimateequa

23、tion在specification中輸入lecni在options中分別選擇w1、w2w3用w=1/ni作為權數(shù)，用加權最小二乘法消除異法差性W1檢驗結(jié)果White法檢驗加權回歸結(jié)果ARCH法檢驗加權回歸結(jié)果用w=1/niA2作為權數(shù)，用加權最小二乘法消除異法差性W2檢驗結(jié)果用white法檢驗加權回歸結(jié)果用ARCHfe檢驗加權回歸結(jié)果用w=1/sqr(ni)作為權數(shù)，用加權最小二乘法消除異法差W3檢驗結(jié)果用white法檢驗加權回歸結(jié)果HeteroskedasticityTest:WhiteF-statisticObs*R-squaredScaledexplainedSS1.1123223.4

24、660332.051SS2Prob.F(3,14)Probjjctil-SquareProc.Crtl-Square0.37700.32520.5617TestDependentVariableWGT_RESIDA2Method:LeastSquaresDate:12J2S/12Time:16.52Sample:11SIncludedobeervationg：1eCoefficientStd.Errort-StatisticProbC1.40E4-091IDE-090.127045D.9O07WGT1.37E+C3-0.1259670.90150.SO36-0.0725400.504407-0

25、.1220370,9046R-squared0.192561Meandependent幀3942325AdjustedR-squared0.019530S.p.dependent433S9359E.ofregression479222.2AkaikeInfo亡riterion2919089Sumsquaredreid3.22E+12Scliwarzcriterion2938875Loglikelihood-258.71«0Hannan-Ouinncriter.29.21817F-statisticV113922Durbin-Watsonstat2177521Prob(F-sUiist

26、ic)0.3770CD用ARCHfe檢驗加權回歸結(jié)果由以上估計檢驗發(fā)現(xiàn)用權數(shù)w2的效果最好，可以用權數(shù)w2的結(jié)果作為模型的估計結(jié)果即LE=583.1494+0.562674NI(682.7615)(0.103596)T=（0.854104）（5.431433）R2=0.762609DW=1.745498從回歸結(jié)果可以看出運用加權最小二乘法消除了異方差性后，參數(shù)的t檢驗均顯著，且可決系數(shù)也有所增加，這一估計結(jié)果更接近真實情況。【實驗總結(jié)】該實驗利用Eviews軟件先排除序列的一階相關，再通過觀察殘差序列線圖，殘差平方與解釋變量的散點圖判斷模型的異方差性，如果殘差隨著解釋變量的變化，不是在一定的范

27、圍內(nèi)變化，那么即認為有異方差性。Goldfield檢驗法，根據(jù)得出的分段回歸數(shù)據(jù)表，可以得到殘差平方的值，再根據(jù)殘差平方的值，求出F統(tǒng)計量的值，再根據(jù)自由度的統(tǒng)計量的值，進行比較大小，如果前者大于后者，那么就存在異方差性，反之，則不存在異方差性。White檢驗法和ARCH僉驗法，分別也進行檢驗。在消除異方差方面：在運用最小二乘法修正過程中，我們分別選取了權數(shù)w1=1/x,w2=1/xA2,w3=1/xA0.5，權數(shù)生成的過程，是在相應的對話框中，的ENTEREQUATION,分別輸入選取的權數(shù)，即可進行修正?？梢钥闯鲞\用加權最小二乘法消除異方差性后，參數(shù)的T檢驗均顯著，F(xiàn)檢驗也同樣顯著。實驗三

28、時間序列數(shù)據(jù)一元線性回歸模型（自相關性）【實驗目的和要求】1、學會回歸模型自相關性的檢驗方法；2、掌握消除回歸模型自相關性的方法；3、在老師的指導下獨立完成實驗，并得到正確結(jié)果?！緦嶒瀮?nèi)容】1、估計河南省城市居民消費支出CE依可支配收入DI的一元線性回歸模型和農(nóng)村居民生活消費支出LE與純收入NI的一元線性回歸模型；2、用圖形法判斷自相關性的存在及類型；3、用DW去檢驗是否存在一階自相關性；4、用廣義差分法（科克倫-奧科特迭代）對自相關性進行補救?！緦嶒灁?shù)據(jù)】1、附表4，1978年到2011年河南省城市居民消費支出與可支配收入。2、附表4，1978年到2011年河南省農(nóng)村居民生活消費支出與純收入

29、?！緦嶒灢襟E】城市居民1、建立時間序列工作文件、用Eviews創(chuàng)建變量CEDI，輸入樣本數(shù)據(jù)，、打開Eviews工作文件，建立新的文件夾，在命令框中輸入“datacedi”回車，從數(shù)據(jù)表中粘貼數(shù)據(jù)到Eviews數(shù)據(jù)表中即可。2、建立由被解釋變量CE與解釋變量DI組成的組對象。時間序列數(shù)據(jù)一元線性回歸模型ce與di的散點圖從上圖可知，變量CE和DI呈明顯的線性趨勢，所以存在線性相關。Ce與di序列的線圖觀察上圖，CE與DI線圖并不是近似直線。Ln（ce）與In（di）序列的線圖觀察log（CE與log（DI）的線圖，近似為直線。3、設定被解釋變量CE與解釋變量DI的具體形式如下：CE=1+B2D

30、I+y預測回歸系數(shù)B1、B2的符號都是正號；設定被解釋變量log(CE與解釋變量log(DI)的具體形式如下：Log(CE=B1+B2(DI)+卩預測回歸系數(shù)B1、B2的符號都是正號；4、用OLS法估計以ce或者In(ce)為被解釋變量，di或者In(di)為解釋變量的城市居民消費一元線性回歸模型，同時生成新變量替代新估計模型的殘差序列ce為被解釋變量di為解釋變量的回歸結(jié)果如下：即CE=271.2100+0.664461DI(44.27741)(0.006520)T=(6.125246)(101.9135)Lnce為被解釋變量lndi為解釋變量的回歸結(jié)果如下：LNCE=0.391159+0.

31、920921LNDI(0,047544)(0.006046)T=(8.227274)(152.3106)5、ce為被解釋變量di為解釋變量的回歸模型(1) 經(jīng)濟意義檢驗：所估計參數(shù)B1=271.2100,B2=0.664461,說明可支配收入增加1元，平均說來可導致城市居民消費支出增加0.664461元。(2) 擬合優(yōu)度和統(tǒng)計檢驗：通過以上的回歸數(shù)據(jù)可知，可決系數(shù)為0.996928，說明所建模型整體上對樣本數(shù)據(jù)擬合度較好：；(3) 對回歸系數(shù)的t檢驗：針對H1:B1=0和H2:B2=0，由上回歸結(jié)果可以看出，估計的回歸系數(shù)B1的標準誤差和t值分別為：SE(B1)=44.27741，t(B1)=

32、6.125246;B2的標準誤差和t值分別為SE(B2)=0.006520t(B2)=101.9135，取a=0,05，查t分布表得自由度為n-2=34-2=32的臨界值為t0.025=2.0329,t(t(B1)=6.125246>t0.025=2.0329，拒絕H1,t(B2)=7.250000>t0.025=2.0369拒絕H2.這表明，城市居民可支配收入對其消費水平有很大影響。經(jīng)以上對比可以看出非對數(shù)模型的擬合效果較好。故選擇非對數(shù)模型&對所估計的模型進行異方差性和一階自相關性檢驗。異方差性檢驗殘差平方與di序列散點圖White檢驗結(jié)果從上圖可以看出：nR2=0.3

33、667,又White檢驗知，在a=0.05.查X2分布表，得X2O.O5=5.9915，同時DI和DI2的t檢驗也顯著。比較計算X2統(tǒng)計量與臨界值，因為nR2=0.3667vX2O.O5=5.9915,所以不拒絕原假設，表明模型不存在異方差性。ARCH僉驗結(jié)果從上圖可以看出：nR2=0.7873,又White檢驗知，在a=0.05.查X2分布表，得X2O.O5=5.9915，同時DI和DI2的t檢驗也顯著。比較計算X2統(tǒng)計量與臨界值，因為nR2=0.7873vX2O.O5=5.9915,所以不拒絕原假設，表明模型不存在異方差性。一階自相關性檢驗原序列的自相關圖一階相關圖一階偏自相關系數(shù)條形超出

34、了隨機區(qū)間，其他各階都落入了隨機區(qū)間內(nèi)，表明序列存在一階自相關。7、用圖示法進行一階自相關性檢驗；用DWfe檢驗一階自相關性。8、用廣義差分法和德賓兩步法消除一階自相關，并比較二者差別。9、用white法檢驗消除自相關后模型是否存在異方差。由上表知nR2=3.53107在給定顯著性水平a=0.05條件下，臨界值大于3.53107則說明不存在異方差性。10、用模型最優(yōu)估計結(jié)果，進行成居民消費行為和農(nóng)村居民消費行為的比較分析。農(nóng)村居民1、建立工作文件，用Eviews創(chuàng)建變量LE、NI，輸入樣本數(shù)據(jù)。打開Eviews工作文件，建立新的文件夾，在命令框中輸入“dataleni”回車，從數(shù)據(jù)表中粘貼數(shù)據(jù)

35、到Eviews數(shù)據(jù)表中即可。2、建立由被解釋變量LE與解釋變量NI組成的組對象。時間序列數(shù)據(jù)一元線性回歸模型Le、ni散點圖根據(jù)上圖所示，兩變量之間線性相關。變量LE與NI的線形圖根據(jù)圖形顯示，并不近似為直線。Log(LE)與log(NI)的線性圖根據(jù)圖形顯示，近似為直線。3、(1)設定被解釋變量LE與解釋變量NI的具體形式如下：LE=B1+B2NI+卩預測回歸系數(shù)B1、B2的符號都是正號；(2)設定被解釋變量log(LE)與解釋變量log(NI)的具體形式如下：log(LE)=B1+B2log(NI)+卩預測回歸系數(shù)B1、B2的符號都是正號；4、用OLS法估計以LE為解釋變量NI為解釋變量的

36、農(nóng)村居民消費回歸模型：即LE=54.51875+0.659904NI(16.91203)(0.006991)T=(3.223668)(94.38890)用OLS法估計以log(LE)為解釋變量log(NI)為解釋變量的農(nóng)村居民消費回歸模型即LOG(LE)=0.096777+0.941206LOG(NI)(0.096818)(0.013852)T=(0.999572)(68.08211)5、LE為解釋變量NI為解釋變量的農(nóng)村居民消費回歸模型(1) 經(jīng)濟意義檢驗：所估計參數(shù)B仁54.51875，B2=0.659904，說明可支配收入增加1元，平均說來可導致城市居民消費支出增加0.659904元。(

37、2) 擬合優(yōu)度和統(tǒng)計檢驗：通過以上的回歸數(shù)據(jù)可知，可決系數(shù)為0.996533，說明所建模型整體上對樣本數(shù)據(jù)擬合度較好：；(3) 對回歸系數(shù)的t檢驗：針對H1:B1=0和H2:B2=0，由上回歸結(jié)果可以看出，估計的回歸系數(shù)B1的標準誤差和t值分別為：SE(B1)=16.91203，t(B1)=3.223668;B2的標準誤差和t值分別為SE(B2)=0.006991t(B2)=94.38890，取a=0,05，查t分布表得自由度為n-2=33-2=31的臨界值為t0.025=2.0395,t(t(B1)=3.223668>t0.025=2.0395，拒絕H1,t(B2)=7.250000&

38、gt;t0.025=2.0395,拒絕H2.這表明，城市居民可支配收入對其消費水平有很大影響。從以上比較可以看出非對數(shù)模型的可決系數(shù)較大擬合程度較好。故選擇非對數(shù)模型。&對所估計的模型進行異方差性和一階自相關性檢驗。對模型進行White檢驗，檢驗模型是否存在異方差性：從上圖可以看出：nR2=0.7873,又White檢驗知，在a=0.05.查X2分布表，得X2O.O5=5.9915，同時DI和DI2的t檢驗也顯著。比較計算X2統(tǒng)計量與臨界值，因為nR2=0.7873vX2O.O5=5.9915,所以不拒絕原假設，表明模型不存在異方差性。一階自相關檢驗一階偏自相關系數(shù)條形超出了隨機區(qū)間，

39、其他各階都落入了隨機區(qū)間內(nèi)，表明殘差序列殘在一階自相關。7、用圖示法進行一階自相關性檢驗；用DW法檢驗一階自相關性。8、用廣義差分法和德賓兩步法消除一階自相關，并比較二者差別。9、用white法檢驗消除自相關后模型是否存在異方差。由上表知nR2=5.097801,在給定顯著性水平a=0.05條件下查x2分布表知臨界值大于nR2=5.097801，故不拒絕原假設，表明模型不存在異方差。10、用模型最優(yōu)估計結(jié)果，進行成居民消費行為和農(nóng)村居民消費行為的比較分析?！緦嶒灴偨Y(jié)】模型選擇：當發(fā)現(xiàn)變量之間有明顯的的線性關系的時候，可以采用非對數(shù)線性模型，如果變量之間線性關系不太明顯，此時可以用對數(shù)模型。也可

40、兩模型作為比較。圖行檢驗法：建立工作文件后。圖示法檢驗異方差性：根據(jù)數(shù)據(jù)做出兩變量的殘差圖，如果殘差隨著解釋變量的變化，不是在一定的范圍內(nèi)變化，那么即認為有異方差性。Goldfield檢驗法，根據(jù)得出的分段回歸數(shù)據(jù)表，可以得到殘差平方的值，再根據(jù)殘差平方的值，求出F統(tǒng)計量的值，再根據(jù)自由度的統(tǒng)計量的值，進行比較大小，如果前者大于后者，那么就存在異方差性，反之，則不存在異方差性。White檢驗法和ARCH僉驗法，分別也進行檢驗。廣義差分法消除自相關：先有模型得到殘差序列et，在EVIEW中，每次回歸的殘差存放在resid序列中，為了對殘差進行回歸分析，需生成命名為e的殘差序列。在主菜單選擇qui

41、ck/generateseries，在彈出的對話框中輸入e=resid，點擊ok得到殘差序列et。使用et進行滯后一期的自回歸，同時在命令欄中輸入lsee(-1)可得回歸方程，然后對原模型進行廣義差分，得到廣義差分方程，然后在進行回歸，得出結(jié)果。實驗四滯后變量回歸模型【實驗目的和要求】1、學會滯后變量模型的設定；2、掌握滯后變量模型的估計和檢驗；3、在老師的指導下獨立完成實驗，并得到正確結(jié)果?！緦嶒瀮?nèi)容】1、建立Eviews時間序列數(shù)據(jù)工作文件輸入樣本數(shù)據(jù)。2、判斷變量的滯后階數(shù)，建立有限分布滯后模型。3、用OLS法對模型進行估計和檢驗。4、根據(jù)絕對收入假說建立居民消費自回歸模型。5、用OLS

42、法估計居民消費自回歸模型。6檢驗自回歸模型的自相關性。7、用工具變量法消除隨機解釋變量的影響，用廣義差分法消除自相關性的影響。8、對最終模型進行結(jié)構(gòu)分析?！緦嶒灁?shù)據(jù)】1、附表4，1978年到2011年河南省城市居民消費支出與可支配收入。2、附表4，1978年到2011年河南省農(nóng)村居民生活消費支出與純收入。【實驗步驟】1、建立Eviews工作文件，分別在命令框中輸入“datacedi”“dataleni”回車，從數(shù)據(jù)表中粘貼數(shù)據(jù)到Eviews數(shù)據(jù)表中即可。2、用交叉相關圖法判斷變量的滯后階數(shù)，建立城市居民消費有限分布滯后期模型和農(nóng)村居民消費有限分布滯后模型。分別在命令框中輸入crosscedi并

43、回車得城市居民交叉相關圖如下：橫條落入虛線內(nèi)表示無交叉相關，在虛線外表示存在交叉相關，改圖表明該模型的滯后階數(shù)為6.農(nóng)村居民交叉相關圖如下橫條落入虛線內(nèi)表示無交叉相關，在虛線外表示存在交叉相關，改圖表明該模型的滯后階數(shù)為6.分別建立分布滯后模型為CE=x+B1Dlt+B2Dlt-1+B3Dlt-2+B4Dlt-3+B5Dlt-4+B6Dlt-5+B7Dlt-6LE=a+B1Nlt+B2Nlt-1+B3Nlt-2+B4Nlt-3+B5Nlt-4+B6Nlt-5+B7Nlt-63、用OLS法估計有限分布滯后模型，對模型進行檢驗，并取得模型的點預測值序列cef、lef。分別在命令框中輸入Iscecd

44、i(0to-6)Islecni(0to-6)回車得城市居民有限分布滯后模型如下：預測值序列如下得農(nóng)村居民有限分布滯后模型如下預測值序列如下4、根據(jù)持久收入假說建立城市居民消費自回歸模型和農(nóng)村居民消費自回歸模型，預計各模型中各偏回歸系數(shù)的符號和數(shù)值范圍。5、OLS法估計城市居民消費自回歸模型和農(nóng)村居民消費自回歸模型。城市居民自回歸模型估計結(jié)果農(nóng)村居民自回歸模型估計結(jié)果&用賓德-H法或LM法檢驗自回歸模型的自相關性。城市居民LM法農(nóng)村居民LM法7、用cef(-1)作為工具變量替代城市居民消費自回歸模型中的ce(-1),用lef(-1)代替作為工具變量替代城市居民消費自回歸模型中l(wèi)e(-1)

45、，消除隨機解釋變量的影響，用廣義差分法消除自相關的影響。重新估計城市居民消費自回歸模型和農(nóng)村居民消費自回歸模型，并檢驗模型估計結(jié)果。城市居民替代法消除隨機解釋變量的影響廣義差分法消除自相關農(nóng)村居民Lef(-1)替代法消除隨機解釋變量的影響廣義差分法消除自相關的影響重估城市居民消費自回歸模型DependentVariable:CEMethod:LeastSquaresDate:12/28/12Time:11:15Sample(adjusted):19802011Includedobservations:32afteradjustmentsConvergenceachievedafter7iter

46、ationsCoefficientStd.Errort-StatisticProb.?C387.1170184.96512.0929190.0455Dl0.6630090.0782308.4750990.0000CE(-1)-0.0123060.136517-0.0901410.9288AR(1)0.8422160.0985848.5431160.0000R-squared0.999211?Meandependentvar3558.110AdjustedR-squared0.999126?S.D.dependentvar3349.192S.E.ofregression99.00450?Akai

47、keinfocriterion12.14468Sumsquaredresid274452.9?Schwarzcriterion12.32789Loglikelihood-190.3148?Hannan-Quinncriter.12.20541F-statistic11815.93?Durbin-Watsonstat2.127049Prob(F-statistic)0.000000InvertedARRoots?848、對模型進行結(jié)構(gòu)分析，討論持久收入假說是否適合解釋河南省居民消費規(guī)律?！緦嶒灴偨Y(jié)】分別建立有限分布滯后模型和自回歸模型，并通過LM法檢驗自回歸模型的自相關性，分別用變量替代法消除隨

48、機解釋變量的影響，通過廣義差分法消除自相關的影響，對自回歸進行檢驗的時候，需要用德賓h檢驗1、對一階自回歸方程直接進行最小二乘估計得到各個數(shù)值。2、根據(jù)得到數(shù)值，計算h統(tǒng)計量的值。3、給定顯著性水平a,查標準正態(tài)分布表得臨界值ha,如果拒絕原假設，說明存4、在一階自相關，接受說明不存在一階自相關。實驗五時間序列多元線性回歸模型【實驗目的和要求】1、熟練運用計算機和Eviews軟件進行計量經(jīng)濟分析，掌握多元線性回歸模型的設定、普通最小二乘法求解及其檢驗方法。2、學會依據(jù)Eviews回歸結(jié)果診斷是否存在多重共線性的方法。3、在老師的指導下獨立完成實驗，并得到正確結(jié)果?！緦嶒瀮?nèi)容】1、對變量樣本序列

49、的關系進行統(tǒng)計描述。2、設定多元線性回歸模型的具體形式。3、用普通最小二乘法求解模型。4、對模型的解進行經(jīng)濟理論檢驗和統(tǒng)計檢驗。5、對模型進行多重共線性診斷，并用逐步回歸法消除多重共線性。6對模型進行異方差性檢驗和自相關性檢驗。7、對最終模型進行結(jié)構(gòu)分析。8、用最終模型進行預測分析。【實驗數(shù)據(jù)】1、附表1，1978年-2011年名義人均生產(chǎn)總值。2、附表2，1978年-2011年可比價格人均生產(chǎn)總值增長速度。3、附表4，1978年到2011年河南省城市居民消費支出與可支配收入。4、附表6，1978年到2011年年末河南省城鄉(xiāng)居民儲蓄存款余額?！緦嶒灢襟E】1、加工數(shù)據(jù)，求可比價人均生產(chǎn)總值序列2

50、、建立序列工作文件，創(chuàng)建變量城市居民消費支出CE、城市居民可支配收入DI、可比價格人均生產(chǎn)總值GDPP、城鄉(xiāng)居民儲蓄存款余額SD，輸入樣本數(shù)據(jù)。3、建立由被解釋變量和解釋變量組成的組對像，在一個坐標軸上顯示多變量序列的線圖4、結(jié)合理論分析，設定多元線性回歸模型的具體形式。LNCEt=B1+B2LNDI2t+B2LNSD3t+B3GDPP4t+ut歡迎閱讀5、用OLS法及求解所設定的多元回歸模型genrlnce=log(ce)genrlndi=log(di)Genrnsd=log(s)DependentVariable:LNCEMethod:LeastSquaresDate:12/28/12Ti

51、me:15:03Sample:19782011Includedobservations:34CoefficientStd.Errort-StatisticProb.?C0.9654760.1133418.5183080.0000LNDI0.7730950.02810827.504320.0000LNSD0.0868080.0162995.3260190.0000R-squared0.999281?Meandependentvar7.536760AdjustedR-squared0.999234?S.D.dependentvar1.192960S.E.ofregression0.033011?A

52、kaikeinfocriterion-3.899859Sumsquaredresid0.033781?Schwarzcriterion-3.765180Loglikelihood69.29760?Hannan-Quinncriter.-3.853929F-statistic21533.17?Durbin-Watsonstat1.379652Prob(F-statistic)0.0000006對模型輸出結(jié)果進行經(jīng)濟理論檢驗、擬合度檢驗、F檢驗、t檢驗。廣義差分法(1)經(jīng)濟意義檢驗：模型估計結(jié)果說明，在假定其他變量不變的情況下，城市居民可支配收入每增長1%平均說來城市居民消費支出會增長0.7731

53、%;在假定其他變量不變的情況下，城鄉(xiāng)居民儲蓄存款余額每增長1%平均說來城市居民消費支出會增長0.0869%。(2)擬合優(yōu)度檢驗：由表可以看出，修正的可決系數(shù)為0.999234，說明所建模型整體上對樣本數(shù)據(jù)擬合較好。7、用逐步回歸法消除多重共線性的回歸估計模型分別對CE與DI、SD、GDPP的一元回歸IIDependentVariable:CEMethod:LeastSquaresDate:12/28/12Time:15:31Sample:19782011Includedobservations:34CoefficienStd.Errort-StatisticProb.?tC271.210044

54、.277416.1252460.0000DI0.6644610.006520101.91350.0000歡迎閱讀R-squared0.996928?Meandependentvar3365.780AdjustedR-squared0.996833?S.D.dependentvar3338.723S.E.ofregression187.9047?Akaikeinfocriterion13.36677Sumsquaredresid1129862.?Schwarzcriterion13.45656Loglikelihood-225.2351?Hannan-Quinncriter.13.39739F-statistic10386.36?Durbin-Watsonstat0.272582Prob(F-statistic)0.000000DependentVariable:CEMethod:LeastSq