计量经济学-标准实验报告01-2015

PAGEPAGE5电子科技大学经济与管理学院标准实验报告（实验）课程名称计量经济学电子科技大学教务处制表电子科技大学实验报告学生姓名：学号：指导教师：陈磊实验地点：经管楼A401实验学时：2学时一、实验室名称：金融证券实验室二、实验项目名称：普通最小二乘估计量无偏性的蒙特卡罗实验三、实验原理：（一）普通最小二乘法普通最小二乘法（OLS）通过最小化残差平方和来估计回归方程中的参数，是计量经济学中最经典、应用最广泛的估计方法。该方法的使用需满足一系列古典假设，包括：回归模型是线性的，模型设定无误且含有误差项；误差项总体均值为零；所有解释变量与误差项都不相关；误差项观测值互不相关（不存在序列相关性）；误差项具有同方差(不存在异方差性)；任何一个解释变量都不是其他解释变量的完全线性函数（不存在完全多重共线性）在上述古典假设成立的情况下，普通最小二乘估计量是最佳线性无偏估计量。所谓无偏估计量，是指OLS参数估计值的均值等于总体参数的真实值。（二）无偏性的推导设定多元线性回归模型为，参数的最小二乘估计量为：若无偏性成立，则有，即误差项总体均值为零、所有解释变量与误差项都不相关。因此，在古典假设成立的情况下，普通最小二乘估计量是无偏估计量。（三）无偏性的实验验证OLS估计量无偏性的验证可采用蒙特卡罗方法。蒙特卡罗方法是一种通过设定随机过程（数据生成系统），反复生成随机序列，计算参数估计量和统计量，进而研究其分布特征的方法。验证无偏性，首先建立回归模型，设定参数真实值，采用蒙特卡罗方法生成若干组样本，分别估计每组样本的参数估计值，检验参数估计值的均值是否与设定值相等。四、实验目的：了解蒙特卡罗模拟原理；掌握使用EViews软件进行蒙特卡罗模拟的技术；加深对普通最小二乘估计量无偏性的认识。五、实验内容：采用EViews软件编程实现蒙特卡罗模拟，验证普通最小二乘估计量的无偏性。六、实验器材（设备、元器件）：计算机、EViews软件七、实验步骤：1.设定解释变量为非随机变量，验证OLS估计量的无偏性；设定参数真实值和解释变量值；循环迭代（解释变量不变，干扰项服从正态分布）得到若干参数估计值；显示结果并进行检验。2.设定解释变量为随机变量，验证OLS估计量的无偏性；设定参数真实值；循环迭代（解释变量随机生成，干扰项服从正态分布）得到若干参数估计值；显示结果并进行检验。3.设定干扰项服从t分布，验证OLS估计量的无偏性；设定参数真实值和解释变量值；循环迭代（解释变量不变，干扰项服从t分布）得到若干参数估计值；显示结果并进行检验。相关程序如下：'OLS估计量无偏性的MC实验workfilemcu1100 '创建一个工作文件，u表示时间频率为undate!a=25 '令!a=25,带“!”表示控制变量!b=0.5matrix(100,2)f '创建矩阵f(100,2),用来存放估计系数seriesx=nrnd '正态分布随机数给x赋初值；步骤2将该语句放入for循环for!k=1to100 '循环100次 seriesu=3*nrnd '产生随机干扰项,均值为0,标准差为3 'seriesu=@rtdist(5)‘步骤3设定为t分布 'seriesx=nrnd‘步骤2设定x为随机变量 seriesy=!a+!b*x+u'保持x不变，产生新的序列y equationeq1.lsycx'利用新的y对x进行OLS回归 f(!k,1)=c(1)'估计常系数c(1)赋值到矩阵k行1列位置上 f(!k,2)=c(2)'估计斜率系数c(2)赋值到矩阵k行2列位置上next'进行下一个循环直到100次结束showf'显示矩阵ff.statsmtos(f,gr)'把f转化为组，同时把两列转化为默认的ser01和ser02ser01.hist'画ser01的直方图ser02.hist'画ser02的直方图ser02.teststat(mean=0.5)'检验斜率系数ser01.teststat(mean=25)'检验截距系数八、实验数据及结果分析：回归方程设定为。1.解释变量不变，干扰项表1参数估计值的描述性统计（步骤1）参数均值标准差Jarque-BeraP值C125.025190.2902640.4205430.810364C20.5160040.3275050.1122700.945412表2参数检验结果（步骤1）参数原假设t统计量P值C1Mean=25.000000.8680010.3875C2Mean=0.5000000.4886770.6262检验结果显示，不能拒绝原假设，表明OLS参数估计值的均值等于参数真实值。2.解释变量随机生成，干扰项表1参数估计值的描述性统计（步骤2）参数均值标准差Jarque-BeraP值C1

25.002880.3227350.642960

0.725075C20.4652250.3027820.5428380.762297表2参数检验结果（步骤2）参数原假设t统计量P值C1Mean=25.000000.0893870.9290C2Mean=0.500000-1.1485100.2535检验结果显示，不能拒绝原假设，表明OLS参数估计值的均值等于参数真实值。3.解释变量不变，干扰项表1参数估计值的描述性统计（步骤3）参数均值标准差Jarque-BeraP值C1

24.98972

0.1231832.8246700.243574C2

0.5204320.1299101.5134810.469193表2参数检验结果（步骤3）参数原假设t统计量P值C1Mean=25.00000-0.8343000.4061C2Mean=0.5000001.5727520.1190检验结果显示，不能拒绝原假设，表明OLS参数估计值的均值等于参数真实值。九、实验结论：蒙特卡罗实验显示，普通最