《计量经济学》实验报告

《计量经济学》实验报告开课实验室：姓名成绩年级专业学号课程名称计量经济学实验名称实验小组成员指导教师熊巍教师评语教师签名：年月日一、实验内容实验一EViews软件的基本操作实验二一元回归模型实验三多元回归模型实验四异方差性实验五自相关性实验六多重共线性实验一EViews软件的基本操作实验二一元回归模型1952——1990年我国人均国民收入和全国城乡储蓄余额的资料YearP_GDPSAVEYearP_GDPSAVEYearP_GDPSAVE19521048.6196519465.21978315210.6195312212.3196621672.31979346281195412615.9196719773.91980376399.5195512919.9196818378.31981397523.7195614226.7196920375.91982422675.4195714235.2197023579.51983463892.5195817155.2197124790.319845451214.7195918368.31972248105.219856681622.6196018366.31973263121.219867372237.6196115155.41974261136.519878593073.3196213941.11975273149.6198810663801.5196314745.71976261159.1198911785146.9196416755.51977280181.6199012717034.2Year：年份；P_GDP：人均国民收入（元）；SAVE：城乡储蓄余额（亿元）1.模型的基本假设：模型中人均国民收入用x表示，全国城乡储蓄余额用y表示。我们认为影响储蓄余额的因素主要是人均国民收入.2根据实验数据建立工作文件，创建序列（或变量）并将变量纳入一个组并输入数据3绘制散点图4建立模型并输出结果。通过观察大致确定P_GDP、SAVE呈线性关系，因此对数据进行ls估计因此储蓄方程估计式为：x=-988.9238+4.965189y实验结果及分析从估计方程来看我国人均国民收入和全国城乡储蓄余额是正相关的，这是符合经济事实的。但是也可以发现只有在人均国民生产总值达到一定的数额才能促进储蓄的增加。实验三多元回归模型2000-2007用水总量与相关影响因素年份用水总量(亿立方米)人口（万人）农业国内生产总值（亿元）工业二氧化硫排放量(万吨)20005497.59126743.0014944.721558.4020015567.43127627.0015781.271632.5020025497.28128453.0016537.021710.2020035320.40129227.0017381.721791.6020045547.80129988.0021412.731891.4020055632.98130756.0022420.002168.4020065794.97131448.0024040.002234.8020075818.67132129.0028095.002140.001.模型的基本假设（1）用水总量，在模型中用Y表示，指分配给各类用户的包括输水损失在内的毛用水量之和，不包括海水直接利用量；（2）人口总量在模型中用表示；（3）农业国内生产总值，在模型中用表示，因为农业用水占用水总量比重很大，所以对模型影响比较大；（4）工业二氧化硫排放量在模型中用表示，指报告期内企业在燃料燃烧和生产工艺过程中排入大气的SO2总，对大气又直接的影响，从而影响气温和降雨量；（5）其他因素，我们将由于各种原因未考虑到和无法度量的因素归入随机误差项，在模型中用表示。2.模型的建立跟据变量之间的相关关系，我们假定回归模型为=+++利用表中的数据，用EViews进行最小二乘法估计，得到的结果如下得到淡水需求的回归模型为=28650.8–0.199+0.071+0.763=0.835=0.712DW=2.01F=6.77其中括号内的数字是t值。给定=0.05查t临界值表得=2.78，回归系数估值都不显著；给定=0.05,查F的临界值表得=6.59，因为F=6.77>6.59，回归方程显著。实验四异方差性1998年我国城镇居民人均可支配收入与人均消费性支出单位：元地区可支配收入(inc)消费性支出(consum)地区可支配收入(inc)消费性支出(consum)北京8471.986970.83河南4219.423415.65天津7110.545471.01湖北4826.364074.38河北5084.643834.43湖南5434.264370.95山西4098.733267.70广东8839.687054.09内蒙古4353.023105.74广西5412.244381.09辽宁4617.243890.74海南4852.873832.44吉林4206.643449.74重庆5466.574977.26黑龙江4268.503303.15四川5127.084382.59上海8773.106866.41贵州4565.393799.38江苏6017.854889.43云南6042.785032.67浙江7836.766217.93陕西4220.243538.52安徽4770.473777.41甘肃4009.613099.36福建6485.635181.45青海4240.133580.47江西4251.423266.81宁夏4112.413379.82山东5380.084143.96新疆5000.793714.10（数据来源：中国统计年鉴-1999光盘J10、J11，中国统计出版社）根据数据作出散点图，可以看出我国城镇居民人均可支配收入与人均消费性支出具有很高的相关性。但是随着收入的逐渐增加，支出呈现出扩大的趋势，因此可能存在异方差性。设定理论模型：y=a+bx，y表示消费性支出，x表示可支配收入1作普通最小二乘法估计：在主菜单选Quick\EstimateEquations，进入输入估计方程对话框,输入待估计方程，选择估计方法—普通最小二乘法。点击OK进行估计，得到估计方程及其统计检验结果因此，Y=49.82+0.79Xt＝(30.89)(0.35)做残差分析异方差检验零假设：原回归方程的误差同方差。备择假设：原回归方程的误差异方差操作步骤：在工作文件主显示窗口选定需要分析的回归方程\打开估计方程及其统计检验结果输出窗口点击工具栏中的View\选ResidualTests\WhiteHeteroskedasticity(nocrossterms)可得到辅助回归方程和怀特检验统计量－即F统计量、统计量的值及其对应的p值。由图中的显示结果可以看出：在１％显著水平下我们拒绝零假设，接受回归方程的误差项存在异方差的备择假设。图中给出的p值小于给定的显著水平，因此在该显著水平下拒绝零假设。实验五自相关性我国进口支出与国内生产总值国民生产总值(人民币亿元，当年价)进口总额(人民币亿元，当年价)年度GNPIM19858989.11257.8198610201.41498.3198711954.51614.2198814922.32055.1198916917.82199.9199018598.42574.3199121662.53398.7199226651.94443.3199334560.55986.2199446670.09960.1199557494.911048.1199666850.511557.4199773142.711806.5199878017.811622.4（数据来源：：中国统计年鉴1999）根据数据画出模拟图，可以看出我国进口支出与国内生产总值是有相关性的通过五种ls模拟结果得出双对数模型和二次模型具有较好的拟合优度双对数模型二次模型偏相关系数检验在方程窗口中点击View/ResidualTest/Correlogram-Q-statistics，得到线性方程自回归检验结果，自相关性的调整：加入AR项对双对数模型进行调整；在LS命令中加上AR(1)，估计模型得到以下结果：因此新的方程可以写成：LNY=-2.95+1.10LNX实验六多重共线性能源需求与其相关影响因素年份能源需求总量(万吨标准煤)城镇化水平工业生产总值能源生产总量城城镇居民家庭人均可支配收入199098703.0026.416858.00103922.001510.201991103783.0026.948087.10104844.001700.601992109170.0027.4610284.50107256.002026.601993115993.0027.9914187.97111059.002577.401994122737.0028.5119480.71118729.003496.201995131176.0029.0424950.61129034.004283.001996138948.0030.4829447.61132616.004838.901997137798.0031.9132921.39132410.005160.301998132214.0033.3534018.43124250.005425.101999133830.9734.7835861.48125934.785854.022000138552.5836.2240033.59128977.886280.002001143199.2137.6643580.62137445.446859.602002151797.2539.0947431.31143809.837702.802003174990.3040.5354945.53163841.538472.202004203226.6841.7665210.03187341.159421.602005224682.0042.9977230.78205876.0010493.002006246270.0043.9091310.90221056.0011759.502007265583.0044.94107367.20235445.0013785.80由图可以看出下x2和x3存在共线性。1.模型的基本假设（1）能源需求总量，在模型中用Y表示，是指一次性能源消费总量，由煤炭、石油、天然气和水电4项组成；（2）城镇化水平在一定程度上反映经济水平的发展，并最终影响能源的需求，在模型中用表示；（3）工业生产总值在模型中用表示；（4）能源生产总量，在模型中用表示，直接由各年度统计年鉴查得；（5）城镇居民家庭人均可支配收入在模型中用表示，因为城镇居民可支配收入增加，将会增加对能源的需求；（6）其他因素。我们将由于各种原因未考虑到和无法度量的因素归入随机误差项，在模型中用表示，如国家的经济结构政策、消费者偏好等。2.模型的建立跟据变量之间的相关关系，我们假定能源回归模型为=+++++利用表中的数据，用EViews进行最小二乘法估计，得到的结果如下通过表我们得到能源需求的回归模型为=10367.7-285.9+0.647+0.949-1.757(0.81)(-0.64)（2.20）（12.2）（-0.75）=0.999=0.998DW=1.43F=2185.01其中括号内的数字是t值,回归系数估计值的显著性都很低，但这些因素都存在着因果关系。查F的临界值表得到=3.18,故F=2185.01>3.18，回归方程显著。3.对多重共线性处理分别计算、、、的两两相关系数，得=0.95=0.91=0.97=0.98=0.99=0.96可见解释变量之间是高度相关的。为了检验和处理多重共线性，采用修正Frisch法。（1）对Y分别进行关于、、、作最小二乘法回归，得①=-88289.03+6990.603(-3.15)(8.79)=0.828=0.818DW=0.234F=77.267②=84340.22+1.687994(22.68)(22.61)=0.97=0.97DW=0.346F=511.22③=-21433.01+1.208352(-8.87)(75.281)=0.997=0.997DW=1.121F=5667.77④=70660.67+13.44205(11.22)(15.13)=0.93=0.93DW=0.272F=229.02其中括号内的数字是t值。根据经济理论分析和回归方程结果，易知能源生产总量是最重要的解释变量，所以选取第三个回归方程作为基本回归方程。（2）加入对Y关于、做最小二乘回归=-5899.5+0.263+1.027(0.98)(2.71)（15.04）=0.998=0.9978DW=1.234F=3965.09可以看出，加入后，拟合优度和均有所增加，参数估计的符号也是正确，并且没有影响系数的显著性，且其系数也显著，所以在模型中保留。（3）加入