计量经济学综合实验报告

1、计量经济学综合实验报告计量经济学综合实验报告计量经济学综合实验报告计量经济学综合实验报告实验一截面数据一元线性回归模型（经典估计）【实验目的和要求】1、娴熟运用计算机和Eviews软件进行计量经济分析，掌握一元线性回归模型的设定、一般最小二乘法求解及其检验方法；2、学习绝对收入假说花费理论的考证方法；3、在老师的指导下独立达成实验，并获取正确结果。【实验内容】1、对变量样本序列进行统计描绘；2、设定一元线性回归模型的详细形式，估计回归系数的符号；3、用一般最小二乘法求解模型；4、对模型的解进行经济理论检验和统计检验；5、对模型进行构造分析；6、用模型进行展望分析。【实验数据】1、附表5，201

2、1年河南省18个省辖市城市居民花费支出CE与可支配收入DI数据。2、附表5，2011年河南省18个省辖市乡村居民生活花费支出LE与纯收入NI数据。【实验步骤】城市居民：1、翻开Eviews工作文件，建立新的文件夹，在命令框中输入“datacedi”回车，从数据表中粘贴数据到Eviews数据表中即可。2、对变量ce、di进行统计描绘在ce、di组对象窗口选择下拉菜单view-descriptivestatistics-commonsamples，即输出组对象中各序列数据公共样本的统计描绘，以以下图：统计描绘1：commonsamples选择下拉菜单view-descriptivestatisti

3、cs-individualsamples，即输出组对象中各序列数据的统计描绘，各序列包括的观察值数目能够不一样。统计描绘2：individualsamples在组对象窗口中选择下拉菜单view-covarianceanalysisbalancedsample即可出现以以下图表。统计描绘3：covariance3、建立由被解说变量ce和解说变量di构成的组对象，在一个坐标轴上显示两变量的序列线图，观察能否凑近直线，做两变量的散点图，观察能否线性有关。两变量序列的线图：由上图可知，两变量的曲线，都不凑近直线。两变量的散点图：由上图可知两变量基本呈正有关关系，存在必定的线性有关性。但有关程度不大。4

4、、结合凯恩斯绝对收入假说的花费理论和图形分析，设定以ce为被解说变量，di为解说变量的一元线性城市居民花费整体回归模型，估计回归系数的符号；模型：CEi=1+2DIi+ui因支出一般随收入的增添而增加，回归系数应为正数。5、用OLS法估计以ce为被解说变量，di为解说变量的城市居民花费回归模型；回归估计结果以下：DependentVariable:CEMethod:LeastSquaresDate:06/23/08Time:14:45Sample:118Includedobservations:18Coefficit-StatistientStd.ErrorcProb.?C3510.47220

5、58.0701.7057110.1074DI0.5013520.1173174.2734770.0006?MeandependentR-squared0.533019var12265.06?S.D.dependentAdjustedR-squared0.503832var1188.676?AkaikeinfoS.E.ofregression837.2934criterion16.40267Sumsquaredresid11216963?Schwarzcriterion16.50160-145.624?Hannan-QuinnLoglikelihood0criter.16.41631?Durbi

6、n-WatsonF-statistic18.26260stat1.415144Prob(F-statistic)0.000582即CEi=3510.472+0.50135DI2058.070)（0.117317）t=（1.705711）（4.273477）R2=0.533019F=18.26260n=186、对ce为被解说变量，di为解说变量模型输出结果进行经济理论检验，拟合优度检验和t检验。（1）经济意义检验：所估计参数1=3510.472，2=0.501352，说明可支配收入增添1元，均匀说来可以致城市居民花费支出增添0.501352元。（2）拟合优度检验：经过以上的回归数据可知，可决系数

7、为0.533019，说明所建模型整体上对样本数据拟合度不是太好。3)t检验：针对H1：1=0和H2：2=0，由上回归纳果能够看出，估计的回归系数B1的标准偏差和t值分别为：SE(1)=2058.070，t(1)=1.705711:2的标准偏差和t值分别为SE（2）=0.117317t(2)=4.273477.取a=0,05，查t分布表得自由度为n-2=18-2=16的临界值为t0.025=2.119,t(1)=1.7057t0.025=2.119，不拒绝H1,t(2)=4.1735t0.025=2.119,拒绝H2.这表示，城市居民可支配收入对其花费水平有很大影响。7、当城市居民可支配收入在1

8、4500元时，支出的均值为10780.076元。在95%的置信度下，展望某省辖市城市居民可支配收入在17500元时的花费支出的均值区间。计算后区间为（10976.747113591.4469）模型展望乡村居民：1、翻开Eviews工作文件，建立新的文件夹，在命令框中输入“dataleni”回车，从数据表中粘贴数据到Eviews数据表中即可。4、对变量le、ni进行统计描绘在le、ni组对象窗口选择下拉菜单view-descriptivestatistics-commonsamples，即输出组对象中各序列数据公共样本的统计描绘，以以下图：选择下拉菜单view-descriptivestatis

9、tics-individualsamples，即输出组对象中各序列数据的统计描绘，各序列包括的观察值数目能够不一样，以下表：在组对象窗口中选择下拉菜单view-covarianceanalysisbalancedsample即可出现以以下图表：3、建立由被解说变量ce和解说变量di构成的组对象，在一个坐标轴上显示两变量的序列线图，观察能否凑近直线，做两变量的散点图，观察能否线性有关。两变量序列的线图：由上图可知，两变量的曲线，都不凑近直线。两变量的散点图：由上图可知两变量基本呈正有关关系，存在必定的线性有关性。但有关程度不大。4、结合凯恩斯绝对收入假说的花费理论和图形分析，设定以le为被解说变

10、量，ni为解说变量的一元线性城市居民花费整体回归模型，估计回归系数的符号；模型：LEi=1+2NIi+ui因支出一般随收入的增添而增添，展望回归系数1、2的符号都是正号。5、用OLS法估计以ce为被解说变量，di为解说变量的城市居民花费回归模型；模型回归估计结果即LEi=275.9194+0.606027NIi（623.4453）（0.08359）T=（0.442572）（7.25000）R2=0.766636F=52.5625n=186、对le为被解说变量，ni为解说变量模型输出结果进行经济理论检验，拟合优度检验和t检验。经济意义检验：所估计参数1=275.9194，2=0.606027，说

11、明可支配收入增添1元，均匀说来可以致乡村居民花费支出增添0.606027元。（2）拟合优度检验：经过以上的回归数据可知，可决系数为0.766636，说明所建模型整体上对样本数据拟合度较好；（3）对回归系数的t检验：针对H1:1=0和H2:2=0，由上回归纳果能够看出，估计的回归系数B1的标准偏差和t值分别为：SE(1)=623.4453，t(1)=0.442572；2的标准偏差和t值分别为SE（2）=0.083590t(2)=7.250000，取a=0,05，查t分布表得自由度为n-2=18-2=16的临界值为t0.025=2.119,t（t(1)=0.442572t0.025=2.119，不

12、拒绝H1,t(2)=7.250000t0.025=2.119,拒绝H2.这表示，乡村居民可支配收入对其花费水平有很大影响。模型展望【实验总结】本次试验，我们主假如依据数据，利用Eviews软件进行分析，假如两变量基本切合线性关系即可建立一元线性计量模型，用一般最小二乘法进行模型求解，再对求解出的模型进行经济意义检验，拟合优度检验和t检验。从可决系数R2的大小能够判断模型的拟合成效，可决系数越大拟合程度越高。还能够把城市与乡村的花费整体回归模型进行比较，都可发现收入提升花费也随之增添，只可是城市与乡村居民的收入增添的部分用于花费的比率不一样，城市的该比率小于乡村的。但二者的之一比率均大于0.5，

13、可见用凯恩斯的绝对收入假说解说现阶段河南省居民花费规律是合理的。实验二截面数据一元线性回归模型（异方差性）【实验目的和要求】1、掌握一元线性回归估计方程的异方差性检验方法；2、掌握一元线性回归估计方程的异方差性纠正方法；3、在老师的指导下独立达成实验，并获取正确结果。【实验内容】1、估计河南省城市居民花费支出CE依可支配收入DI的一元线性回归模型和乡村居民生活花费支出LE与纯收入NI的一元线性回归模型；2、用图形法判断能否存在异方差性；3、用goldfield-quandt法检验能否存在异方差性；4、用white法检验能否存在异方差性；5、用ARCH法等检验能否存在异方差性；6、用加权最小二乘

14、法除去异方差性。【实验数据】1、附表5，2011年河南省18个省辖市城市居民花费支出CE与可支配收入DI数据。2、附表5，2011年河南省18个省辖市乡村居民生活花费支出LE与纯收入NI数据。【实验步骤】城市居民：1、用Eviews创办变量CE、DI，输入样本数据，、翻开Eviews工作文件，建立新的文件夹，在命令框中输入“datacedi”回车，从数据表中粘贴数据到Eviews数据表中即可。2、估计河南省城市居民花费支出CE依可支配收入DI的一元回归模型以下图就是河南省城市居民花费支出CE和可支配收入DI的一元线性回归纳果：即CEi=3510.472+0.50135DI2058.070)（0

15、.117317）t=（1.705711）（4.273477）R2=0.533019F=18.26260n=183、观察模型能否存在一阶序列有关原序列自有关图一阶序列有关图由以上图能够看出模型不存在一阶序列有关。4、观察变量ce与di的散点图，生成ols法估计模型的残差变量序列，观察残差序列线图，残差平方与di的散点图，判断能否存在异方差性。残差序列线图残差平方与di的散点图依据上图看到，残差平方e2对解说变量DI的散点图主要分布在图形下方，大概能够看出e2跟着解说变量DI的变动表现增大的趋向，所以，模型型很可能存在异方差。5、goldfield-quandt检验：用sort命令di排序序列，第

16、一排序的为1-8的个体子样的城市居民花费回归模型以以下图：再求排序为10-18的个子字样的城市居民花费回归模型以以下图：由以上两图获取sumsquaredresid的值即获取残差平方和1=6808945.残差平方和2=2433402，依据goldfeld-quanadt检验，F统计量为两个残差平方和相除，获取数据为F=2.7981，取a=0.05，分子分母自由度分别为8和9，查F表临界值F0.05(6，7)=3.87,F=2.7981F0.05(6，7)=3.87,所以不拒绝原假定，所以模型不存在异方差性。6、ce、di的White检验结果从上图能够看出：nR2=8.9519，又White检验

17、知，在a=0.05.查2分布表，得2O.O5=5.9915，同时DI和DI2的t检验也显着。比较计算X2统计量与临界值，由于nR2=8.9519.2O.O5=5.9915，所以拒绝原假定，表示模型存在异方差性。7、CE、DI模型的ARCH检验：回归纳果后点击view-residualtests-serialcorrelationLMtests给定显着性水平a=0.05，查2分布表临界值2O.O5=5.9915,自由度p为17，（n-p）R2=1.3636X2O.O5=5.9915，所以模型中不存在异方差性。8、用w=1/di作为权数，用加权最小二乘法除去异法差性：权数W1检验结果用white法

18、检验加权回归纳果用ARCH法检验加权回归纳果用w=1/di2作为权数，用加权最小二乘法除去异法差性W2检验结果用white法检验加权回归纳果用ARCH法检验加权回归纳果用w=1/sqr(di)作为权数，用加权最小二乘法除去异法差性W3回归纳果用white法检验加权回归纳果用ARCH法检验加权回归纳果从以上的估计检验发现用权数w2的成效最好，则以w2的检验结果为模型的估计结果即CE=3552.339+0.498947DI2218.312）（0.130952）T=（1.60137）（3.810155）R2=0.53301DW=1.41251能够看出利用加权最小二乘法除去了异方差后，参数的t检验均显

19、着可决系数也有所提升，这一模型更凑近真切状况。乡村居民：1、用Eviews创办变量LE、NI，输入样本数据，、翻开Eviews工作文件，建立新的文件夹，在命令框中输入“dataleni”回车，从数据表中粘贴数据到Eviews数据表中即可。2、估计河南省乡村居民花费支出LE依可支配收入NI的一元回归模型以下图就是河南省乡村居民花费支出LE和可支配收入NI的一元线性回归纳果：即LEi=275.9194+0.606027NIi623.4453）（0.08359）T=（0.442572）（7.25000）R2=0.766636F=52.5625n=183、观察模型能否存在一阶序列有关一阶序列有关图由上

20、表知模型不存在一阶序列有关4、观察变量le与ni的散点图，生成ols法估计模型的残差变量序列，观察残差序列线图，残差平方与ni的散点图，判断能否存在异方差性。在新建的文件中点击genr在弹出的窗口中输入e2=（resid）2即可生成残差序列残差平方序列图点击残差平方序列中viewgraphok残差平方与ni的散点图选择ni与e2回车点击viewgraphscatterok从图中能够看出，e2跟着解说变量NI的变动表现增大的趋向，所以模型很可能存在异方差性。5、在le与ni的序列中点击sort-全选ni-ascendingok即可对ni递加排序在eview窗口点击quickestimateequ

21、ation在specification中输入lecni在sample中输入18点击确立即可出现18样本回归纳果以下表同理得1018回归纳果以下表由以上两图获取sumsquaredresid的值即获取残差平方和1=823451.2.残差平方和2=2352025，依据goldfeld-quanadt检验，F统计量为两个残差平方和相除，获取数据为F=0.35，取a=0.05，分子分母自由度分别为8和9，查F表临界值F0.05(6，7)=3.87,F=0.35F0.05(6，7)=3.87,所以不拒绝原假定，所以模型不存在异方差性。6、White检验在模型回归纳果中点击viewresidualtest

22、s-heteroskedasticityTests在testtype中选择white点击ok即可由上表能够看出nR2=1.99465，在给定显着性水平0.05，查2分布表得临界值为28.869因1.9946528.869，则不拒绝原假定，表示模型中不存在异方差。7、ARCH检验结果给定显着性水平a=0.05，查X2分布表临界值X2O.O5=26.296,自由度p为16，（n-p）R2=0.176X2O.O5=26.296，所以模型中不存在异方差性。8、在workfile窗口中点击genr在enterequation中分别输入w1w2w3在eviews窗口中点击quick-estimateequ

23、ation在specification中输入lecni在options中分别选择w1、w2、w3用w=1/ni作为权数，用加权最小二乘法除去异法差性W1检验结果White法检验加权回归纳果ARCH法检验加权回归纳果用w=1/ni2作为权数，用加权最小二乘法除去异法差性W2检验结果用white法检验加权回归纳果用ARCH法检验加权回归纳果用w=1/sqr(ni)作为权数，用加权最小二乘法除去异法差W3检验结果用white法检验加权回归纳果用ARCH法检验加权回归纳果由以上估计检验发现用权数w2的成效最好，能够用权数w2的结果作为模型的估计结果即LE=583.1494+0.562674NI682.

24、7615）（0.103596）T=（0.854104）（5.431433）R2=0.762609DW=1.745498从回归纳果能够看出运用加权最小二乘法除去了异方差性后，参数的t检验均显着，且可决系数也有所增添，这一估计结果更凑近真切状况。【实验总结】该实验利用Eviews软件先除去序列的一阶有关，再经过观察残差序列线图，残差平方与解说变量的散点图判断模型的异方差性，假如残差跟着解说变量的变化，不是在必定的范围内变化，那么即以为有异方差性。Goldfield检验法，依据得出的分段回归数据表，能够获取残差平方的值，再依据残差平方的值，求出F统计量的值，再依据自由度的统计量的值，进行比较大小，假

25、如前者大于后者，那么就存在异方差性，反之，则不存在异方差性。White检验法和ARCH检验法，分别也进行检验。在除去异方差方面：在运用最小二乘法修正过程中，我们分别采纳了权数w1=1/x,w2=1/x2,w3=1/x0.5，权数生成的过程，是在相应的对话框中，的ENTEREQUATION,分别输入采纳的权数，即可进行修正。能够看出运用加权最小二乘法除去异方差性后，参数的T检验均显着，F检验也相同显着。实验三时间序列数据一元线性回归模型（自有关性）【实验目的和要求】1、学会回归模型自有关性的检验方法；2、掌握除去回归模型自有关性的方法；3、在老师的指导下独立达成实验，并获取正确结果。【实验内容】

26、1、估计河南省城市居民花费支出CE依可支配收入DI的一元线性回归模型和乡村居民生活花费支出LE与纯收入NI的一元线性回归模型；2、用图形法判断自有关性的存在及种类；3、用DW法检验能否存在一阶自有关性；4、用广义差分法（科克伦-奥科特迭代）对自有关性进行挽救。【实验数据】1、附表4，1978年到2011年河南省城市居民花费支出与可支配收入。2、附表4，1978年到2011年河南省乡村居民生活花费支出与纯收入。【实验步骤】城市居民1,成立刻间序列工作文件、用Eviews创办变量CE、DI，输入样本数据，、翻开Eviews工作文件，建立新的文件夹，在命令框中输入“datacedi”回车，从数据表中

27、粘贴数据到Eviews数据表中即可。2、建立由被解说变量CE与解说变量DI构成的组对象。时间序列数据一元线性回归模型ce与di的散点图从上图可知，变量CE和DI呈明显的线性趋向，所以存在线性有关。Ce与di序列的线图观察上图，CE与DI线图其实不是近似直线。Ln（ce）与ln（di）序列的线图观察log（CE）与log（DI）的线图，近似为直线。3、设定被解说变量CE与解说变量DI的详细形式以下：CE=1+2DI+展望回归系数1、2的符号都是正号；设定被解说变量log（CE）与解说变量log（DI）的详细形式以下：Log（CE）=1+2（DI）+展望回归系数1、2的符号都是正号；4、用OLS法

28、估计以ce或许ln（ce）为被解说变量，di或许ln（di）为解说变量的城市居民花费一元线性回归模型，同时生成新变量代替新估计模型的残差序列ce为被解说变量di为解说变量的回归纳果以下：即CE=271.2100+0.664461DI44.27741）（0.006520）T=（6.125246）（101.9135）Lnce为被解说变量lndi为解说变量的回归纳果以下：LNCE=0.391159+0.920921LNDI(0,047544)(0.006046)T=(8.227274)(152.3106)5、ce为被解说变量di为解说变量的回归模型（1）经济意义检验：所估计参数1=271.2100，

29、2=0.664461，说明可支配收入增添1元，均匀说来可以致城市居民花费支出增添0.664461元。（2）拟合优度和统计检验：经过以上的回归数据可知，可决系数为0.996928，说明所建模型整体上对样本数据拟合度较好:；（3）对回归系数的t检验：针对H1:1=0和H2:2=0，由上回归纳果能够看出，估计的回归系数B1的标准偏差和t值分别为：SE(1)=44.27741，t(1)=6.125246；2的标准偏差和t值分别为SE（2）=0.006520t(2)=101.9135，取a=0,05，查t分布表得自由度为n-2=34-2=32的临界值为t0.025=2.0329,t（t(1)=6.125

30、246t0.025=2.0329，拒绝H1,t(2)=7.250000t0.025=2.0369拒绝H2.这表示，城市居民可支配收入对其消费水平有很大影响。经以上比较能够看出非对数模型的拟合成效较好。应选择非对数模型6、对所估计的模型进行异方差性和一阶自有关性检验。异方差性检验残差平方与di序列散点图White检验结果从上图能够看出：nR2=0.3667，又White检验知，在a=0.05.查X2分布表，得X2O.O5=5.9915，同时DI和DI2的t检验也显着。比较计算X2统计量与临界值，由于nR2=0.3667X2O.O5=5.9915，所以不拒绝原假定，表示模型不存在异方差性。ARCH

31、检验结果从上图能够看出：nR2=0.7873，又White检验知，在a=0.05.查X2分布表，得X2O.O5=5.9915，同时DI和DI2的t检验也显着。比较计算X2统计量与临界值，由于nR2=0.7873X2O.O5=5.9915，所以不拒绝原假定，表示模型不存在异方差性。一阶自有关性检验原序列的自有关图一阶有关图一阶偏自有关系数条形高出了随机区间，其余各阶都落入了随机区间内，表示序列存在一阶自有关。7、用图示法进行一阶自有关性检验；用DW法检验一阶自有关性。8、用广义差分法和德宾两步法除去一阶自有关，并比较二者差异。9、用white法检验除去自有关后模型能否存在异方差。由上表知nR2=

32、3.53107在给定显着性水平=0.05条件下，临界值大于3.53107则说明不存在异方差性。10、用模型最优估计结果，进行成居民花费行为和乡村居民花费行为的比较分析。乡村居民1、建立工作文件，用Eviews创办变量LE、NI，输入样本数据。翻开Eviews工作文件，建立新的文件夹，在命令框中输入“dataleni”回车，从数据表中粘贴数据到Eviews数据表中即可。2、建立由被解说变量LE与解说变量NI构成的组对象。时间序列数据一元线性回归模型Le、ni散点图依据上图所示，两变量之间线性有关。变量LE与NI的线形图依据图形显示，其实不近似为直线。Log(LE)与log（NI）的线性图依据图形

33、显示，近似为直线。3、（1）设定被解说变量LE与解说变量NI的详细形式以下：LE=1+2NI+展望回归系数1、2的符号都是正号；（2）设定被解说变量log（LE）与解说变量log(NI)的详细形式以下：log（LE）=1+2log(NI)+展望回归系数1、2的符号都是正号；4、用OLS法估计以LE为解说变量NI为解说变量的乡村居民花费回归模型：即LE=54.51875+0.659904NI16.91203）（0.006991）T=（3.223668）（94.38890）用OLS法估计以log（LE）为解说变量log(NI)为解说变量的乡村居民花费回归模型即LOG（LE）=0.096777+0.

34、941206LOG（NI）0.096818）（0.013852）T=(0.999572)(68.08211)5、LE为解说变量NI为解说变量的乡村居民花费回归模型（1）经济意义检验：所估计参数1=54.51875，2=0.659904，说明可支配收入增添1元，均匀说来可以致城市居民花费支出增添0.659904元。（2）拟合优度和统计检验：经过以上的回归数据可知，可决系数为0.996533，说明所建模型整体上对样本数据拟合度较好:；（3）对回归系数的t检验：针对H1:1=0和H2:2=0，由上回归纳果能够看出，估计的回归系数B1的标准偏差和t值分别为：SE(1)=16.91203，t(1)=3.

35、223668；2的标准偏差和t值分别为SE（2）=0.006991t(2)=94.38890，取a=0,05，查t分布表得自由度为n-2=33-2=31的临界值为t0.025=2.0395,t（t(1)=3.223668t0.025=2.0395，拒绝H1,t(2)=7.250000t0.025=2.0395,拒绝H2.这表示，城市居民可支配收入对其消费水平有很大影响。从以上比较能够看出非对数模型的可决系数较大拟合程度较好。应选择非对数模型。6、对所估计的模型进行异方差性和一阶自有关性检验。对模型进行White检验，检验模型能否存在异方差性：从上图能够看出：nR2=0.7873，又White检

36、验知，在a=0.05.查X2分布表，得X2O.O5=5.9915，同时DI和DI2的t检验也显着。比较计算X2统计量与临界值，由于nR2=0.7873X2O.O5=5.9915，所以不拒绝原假定，表示模型不存在异方差性。一阶自有关检验一阶偏自有关系数条形高出了随机区间，其余各阶都落入了随机区间内，表示残差序列残在一阶自有关。7、用图示法进行一阶自有关性检验；用DW法检验一阶自有关性。、用广义差分法和德宾两步法除去一阶自有关，并比较二者差异。、用white法检验除去自有关后模型能否存在异方差。由上表知nR2=5.097801，在给定显着性水平=0.05条件下查2分布表知临界值大于nR2=5.09

37、7801，故不拒绝原假定，表示模型不存在异方差。、用模型最优估计结果，进行成居民花费行为和乡村居民花费行为的比较分析。【实验总结】模型选择：当发现变量之间有明显的的线性关系的时候，能够采纳非对数线性模型，假如变量之间线性关系不太明显，此时能够用对数模型。也可两模型作为比较。图行检验法：建立工作文件后。图示法检验异方差性：依据数据做出两变量的残差图，如果残差跟着解说变量的变化，不是在必定的范围内变化，那么即以为有异方差性。Goldfield检验法，依据得出的分段回归数据表，能够获取残差平方的值，再依据残差平方的值，求出F统计量的值，再依据自由度的统计量的值，进行比较大小，假如前者大于后者，那么就

38、存在异方差性，反之，则不存在异方差性。White检验法和ARCH检验法，分别也进行检验。广义差分法除去自有关：先有模型获取残差序列et，在EVIEWS中，每次回归的残差寄存在resid序列中，为了对残差进行回归分析，需生成命名为e的残差序列。在主菜单项选择择quick/generateseries，在弹出的对话框中输入e=resid，点击ok获取残差序列et。使用et进行滞后一期的自回归，同时在命令栏中输入lsee(-1)可得回归方程，而后对原模型进行广义差分，获取广义差分方程，而后在进行回归，得出结果。实验四滞后变量回归模型【实验目的和要求】1、学会滞后变量模型的设定；2、掌握滞后变量模型的

39、估计和检验；3、在老师的指导下独立达成实验，并获取正确结果。【实验内容】1、建立Eviews时间序列数据工作文件输入样本数据。2、判断变量的滞后阶数，建立有限分布滞后模型。3、用OLS法对模型进行估计和检验。4、依据绝对收入假说建立居民花费自回归模型。5、用OLS法估计居民花费自回归模型。6、检验自回归模型的自有关性。7、用工具变量法除去随机解说变量的影响，用广义差分法除去自有关性的影响。8、对最后模型进行构造分析。【实验数据】1、附表4，1978年到2011年河南省城市居民花费支出与可支配收入。2、附表4，1978年到2011年河南省乡村居民生活花费支出与纯收入。【实验步骤】1、建立Evie

40、ws工作文件，分别在命令框中输入“datacedi”“dataleni”回车，从数据表中粘贴数据到Eviews数据表中即可。2、用交织有关图法判断变量的滞后阶数，建立城市居民花费有限分布滞后期模型和乡村居民花费有限分布滞后模型。分别在命令框中输入crosscedi并回车得城市居民交织有关图以下：横条落入虚线内表示无交织有关，在虚线表面示存在交织有关，改图表示该模型的滞后阶数为6.乡村居民交织有关图以下横条落入虚线内表示无交织有关，在虚线表面示存在交织有关，改图表示该模型的滞后阶数为6.分别建立分布滞后模型为CE=+1DIt+2DIt-1+3DIt-2+4DIt-3+5DIt-4+6DIt-5+

41、7DIt-6LE=+1NIt+2NIt-1+3NIt-2+4NIt-3+5NIt-4+6NIt-5+7NIt-63、用OLS法估计有限分布滞后模型，对模型进行检验，并获得模型的点展望值序列cef、llef。分别在命令框中输入lscecdi（0to-6）lslecni（0to-6）回车得城市居民有限分布滞后模型以下：展望值序列以下得乡村居民有限分布滞后模型以下展望值序列以下4、依据长远收入假说建立城市居民花费自回归模型和乡村居民花费自回归模型，估计各模型中各偏回归系数的符号和数值范围。5、OLS法估计城市居民花费自回归模型和乡村居民花费自回归模型。城市居民自回归模型估计结果乡村居民自回归模型估计

42、结果6、用宾德-H法或LM法检验自回归模型的自有关性。城市居民LM法乡村居民LM法7、用cef(-1)作为工具变量代替城市居民花费自回归模型中的ce(-1),用lef(-1）取代作为工具变量代替城市居民花费自回归模型中le（-1），除去随机解说变量的影响，用广义差分法除去自有关的影响。从头估计城市居民花费自回归模型和乡村居民花费自回归模型，并检验模型估计结果。城市居民代替法除去随机解说变量的影响广义差分法除去自有关乡村居民Lef（-1）代替法除去随机解说变量的影响广义差分法除去自有关的影响重估城市居民花费自回归模型DependentVariable:CEMethod:LeastSquaresD

43、ate:12/28/12Time:11：15Sample(adjusted):19802011Includedobservations:32afteradjustmentsConvergenceachievedafter7iterationsCoefficit-StatistientStd.ErrorcProb.?C387.1170184.96512.0929190.0455DI0.6630090.0782308.4750990.0000-0.01230CE(-1)60.136517-0.0901410.9288AR(1)0.8422160.0985848.5431160.0000?Meand

44、ependentR-squared0.999211var3558.110?S.D.dependentAdjustedR-squared0.999126var3349.192?AkaikeinfoS.E.ofregression99.00450criterion12.14468Sumsquaredresid274452.9?Schwarzcriterion12.32789-190.314?Hannan-QuinnLoglikelihood8criter.12.20541?Durbin-WatsonF-statistic11815.93stat2.127049Prob(F-statistic)0.

45、000000InvertedARRoots?.848、对模型进行构造分析，谈论长远收入假说能否合适解说河南省居民花费规律。【实验总结】分别建立有限分布滞后模型和自回归模型，并经过LM法检验自回归模型的自有关性，分别用变量代替法除去随机解说变量的影响，经过广义差分法除去自有关的影响，对自回归进行检验的时候，需要用德宾h检验1、对一阶自回归方程直接进行最小二乘估计获取各个数值。2、依据获取数值，计算h统计量的值。3、给定显着性水平a，查标准正态分布表得临界值ha,假如拒绝原假定，说明存4、在一阶自有关，接受说明不存在一阶自有关。实验五时间序列多元线性回归模型【实验目的和要求】1、娴熟运用计算机和E

46、views软件进行计量经济分析，掌握多元线性回归模型的设定、一般最小二乘法求解及其检验方法。2、学会依照Eviews回归纳果诊疗能否存在多重共线性的方法。3、在老师的指导下独立达成实验，并获取正确结果。【实验内容】1、对变量样本序列的关系进行统计描绘。2、设定多元线性回归模型的详细形式。3、用一般最小二乘法求解模型。4、对模型的解进行经济理论检验和统计检验。5、对模型进行多重共线性诊疗，并用逐渐回归法除去多重共线性。6、对模型进行异方差性检验和自有关性检验。7、对最后模型进行构造分析。8、用最后模型进行展望分析。【实验数据】1、附表1，1978年-2011年名义人均生产总值。2、附表2，197

47、8年-2011年可比价钱人均生产总值增添速度。3、附表4，1978年到2011年河南省城市居民花费支出与可支配收入。4、附表6，1978年到2011年年关河南省城乡居民存储存款余额。【实验步骤】1、加工数据，求可比价人均生产总值序列2、建立序列工作文件，创办变量城市居民花费支出CE、城市居民可支配收入DI、可比价格人均生产总值GDPP、城乡居民存储存款余额SD，输入样本数据。3、建立由被解说变量和解说变量构成的组对像，在一个坐标轴上显示多变量序列的线图4、结合理论分析，设定多元线性回归模型的详细形式。LNCEt=1+2LNDI2t+2LNSD3t+3GDPP4t+ut5、用OLS法及求解所设定

48、的多元回归模型。genrlnce=log(ce)genrlndi=log(di)Genrnsd=log(s)DependentVariable:LNCEMethod:LeastSquaresDate:12/28/12Time:15:03Sample:19782011Includedobservations:34CoefficientStd.Errort-StatisticProb.?0.9654C760.1133418.5183080.00000.7730LNDI950.02810827.504320.00000.0868LNSD080.0162995.3260190.00000.9992?M

49、eandependent7.5367R-squared81var60Adjusted0.9992?S.D.dependent1.1929R-squared34var60S.E.of0.0330?Akaikeinfo-3.899regression11criterion8590.0337?Schwarz-3.765Sumsquaredresid81criterion18069.297?Hannan-Quinn-3.853Loglikelihood60criter.92921533.?Durbin-Watson1.3796F-statistic17stat52Prob(F-statistic0.0

50、000)006、对模型输出结果进行经济理论检验、拟合度检验、F检验、t检验。广义差分法经济意义检验：模型估计结果说明，在假定其余变量不变的状况下，城市居民可支配收入每增添1%，均匀说来城市居民花费支出会增添0.7731%；在假定其余变量不变的状况下，城乡居民存储存款余额每增添1%，均匀说来城市居民花费支出会增添0.0869%。2）拟合优度检验：由表能够看出，修正的可决系数为0.999234，说明所建模型整体上对样本数据拟合较好。7、用逐渐回归法除去多重共线性的回归估计模型分别对CE与DI、SD、GDPP的一元回归DependentVariable:CEMethod:LeastSquaresDa

51、te:12/28/12Time:15:31Sample:19782011Includedobservations:34CoefficientStd.Errort-StatisticProb.?271.21C0044.277416.1252460.00000.6644DI610.006520101.91350.00000.9969?Meandependent3365.7R-squared28var80Adjusted0.9968?S.D.dependent3338.7R-squared33var23S.E.of187.90?Akaikeinfo13.366regression47criterio

52、n77112986?Schwarz13.456Sumsquaredresid2.criterion56-225.2?Hannan-Quinn13.397Loglikelihood351criter.39F-statistic10386.?Durbin-Watson0.272536stat82Prob(F-statistic0.0000)00DependentVariable:CEMethod:LeastSquaresDate:12/28/12Time:15:32Sample:19782011Includedobservations:34CoefficientStd.Errort-Statist

53、icProb.?794.44C4788.726278.9538840.00000.8171SD020.01744346.844960.0000R-squared0.9856?Meandependent3365.727var80Adjusted0.9851?S.D.dependent3338.7R-squared78var23S.E.of406.47?Akaikeinfo14.909regression22criterion93528703?Schwarz14.999Sumsquaredresid0.criterion72-251.4?Hannan-Quinn14.940Loglikelihoo

54、d688criter.552194.4?Durbin-Watson0.3025F-statistic50stat89Prob(F-statistic0.0000)00DependentVariable:CEMethod:LeastSquaresDate:12/28/12Time:15:32Sample:19782011Includedobservations:34CoefficientStd.Errort-StatisticProb.?-19764-2.47436C.777987.80290.018882.649GDPP9528.482042.9018270.00670.2083?Meande

55、pendent3365.7R-squared24var80Adjusted0.1835?S.D.dependent3338.7R-squared85var23S.E.of3016.7?Akaikeinfo18.918regression27criterion752.91E+?Schwarz19.008Sumsquaredresid08criterion54-319.6?Hannan-Quinn18.949Loglikelihood188criter.37F-statistic8.4205?Durbin-Watson0.193898stat80Prob(F-statistic0.0066)63加

56、入DI后，R2最大，以DI为基础，次序加入其余变量回归obsCEDISD9.81000001978274315000000011979302.98361.0412.971980335.0236519.4426.8999991981363.2339599999999382.4700019820000000142932.831983405452.545.591984431.68497.4964.35600.590001985556.720000000284.231986653.83724.21115.031987711.27814.2167.881988896.55946.1209.3319899

57、63.971111.46276.3419901067.671267.73376.1219911199.951384.81484.8419921342.581608.03595.39766.5700019931609.261962.750000000119942155.152618.551085.8DependentVariable:CEMethod:LeastSquaresDate:12/28/12Time:15:40Sample:19782011Includedobservations:34CoefficientStd.Errort-StatisticProb.?114.99C6065.68

58、1771.7508060.08990.8722DI790.06990412.478300.0000-0.257-2.98334SD9200.08645340.00550.9976?Meandependent3365.7R-squared14var80Adjusted0.9974?S.D.dependent3338.7R-squared60var23S.E.of168.27?Akaikeinfo13.173regression69criterion20877830?Schwarz13.307Sumsquaredresid.2criterion87Loglikelihood-220.9?Hanna

59、n-Quinn13.219443criter.126479.7?Durbin-Watson0.5151F-statistic51stat29Prob(F-statistic0.0000)00obsCEDIGDPP19782743152321979302.98361.04248.008281.985091980335.023656280.402391981363.233952382.47000253.274631982000000014292290.443811983405452.561984431.68497.49306.84668600.590001985556.7200000002281.

60、67468267.396231986653.83724.21999999991987711.27814.2269.78584281.834521988896.55946.18261.614331989963.971111.46619901067.671267.73249.214419911199.951384.81250.1656274.0838719921342.581608.032298.5742519931609.261962.756299.9036119942155.152618.556297.8100419952673.953299.468DependentVariable:CEMe