计量经济学实验六--李子奈

实验六 多元线性回归和多重共线性

一 实验目的：掌握多元线性回归模型的估计方法、掌握多重共线性模型的识别和修正。

二 实验要求：应用指导书P245 习题4-18案例做多元线性回归模型，并识别和修正多重共线性。

三 实验原理：普通最小二乘法、简单相关系数检验法、综合判断法、逐步回归法。

四 预备知识：最小二乘估计的原理、t 检验、F 检验、2R 值。

五 实验内容：

表中列出了被解释变量Y 及解释变量1X 、2X 、3X 、4X 的时间序列观测值。

(1)用OLS 估计线性回归模型，并采用适当的方法检验多重共线形；

(2)用逐步回归法确定一个较好的回归模型。

六 实验步骤：

6.1 建立工作文件并录入数据，如图1所示

图 1 图 2

6.2 用OLS 估计模型 设定多元线性回归模型为：

011223344Y X X X X βββββ=++++

用普通最小二乘法进行估计，点击主界面菜单Quick\Estimate Equation ，在弹出的对话框中输入：Y C X1 X2 X3 X4，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，可得到模型的估计结果为：

12343.9144510.0602630.0890900.0125980.007406(2.005)(1.246)(2.397)

(0.693)(0.420)Y X X X X ∧=++-+-

20.979655R = 20.963379R = .. 2.213879DW

= 60.18950F = 0.278750RSS =

其中，括号内的数为相应的t 检验值。从以上回归结果可以看出，拟合优度很高，整体效果的F 检验通过。但很明显，在5%的显著性水平下，模型中的各参数均不通过检验，在10%的显著性水平下，也只有X2的系数通过检验。故认为解析变量之间存在多重共线性。

6.3 多重共线性模型的识别

6.3.1 综合判断法

由模型的估计结果可以看出，20.979655R =，2

0.963379R =，可决系数很高，说明模型对样本的拟合很好；60.18950F =检验值比较大，相应的0.000204P =，说明回归方程显著，即各自变量联合起来确实对因变量Y 有显著影响；给定显著性水平0.05α=，但变量X1、X2、X3、X4系数的t 统计量分别为1.246、2.397、-0.693、0.420，相应的p 值分别为0.2681、0.0619、0.5190、0.6916，说明变量均对因变量影响不显著。综合上述分析，表明模型存在非常严重的多重共线性。

6.3.2 简单相关系数检验法

计算解析变量X1、X2、X3、X4的简单相关系数矩阵。

选中X1、X2、X3、X4，产生一个组，然后点击View\Correlation\Common Sample ，即可得出相关系数矩阵，如图3所示。再点击顶部的Freeze 按钮，可以得到一个Table 类型独立的Object ，如图4所示。

图 3 图 4 由图3相关系数矩阵可以看出，各解析变量之间的相关系数较高，特别是X1和X4之间的高度相关，证实解析变量之间存在多重共线性。

根据综合判别法与简单相关系数法分析的结果可以知道，本案例的回归变量间确实存在多重共线性，注意，多重共线性是一个程度问题而不是存在与否的问题。下面我们将采用逐步回归法来减少共线性的严重程度而不是彻底地消除它。

6.4 多重共线性模型的修正

关于多重共线性的修正方法一般有变量变换法、先验信息法、逐步回归法等，

这里仅仅采用逐步回归法来减少共线性的严重程度。

Step1：运用OLS方法分别求Y对各解析变量X1、X2、X3、X4进行一元回归。四个方程的回归结果详见图5——图8，再结合统计检验选出拟合效果好的一元线性回归方程。

图 5 图 6

图 7 图 8

通过一元回归结果图5——图8进行对比分析，依据调整可决系数2R最大原则，选择X1作为进入回归模型的第一个解析变量，形成一元回归模型。

Step2：逐步回归。将剩余解析变量分别加入模型，得到分别如图9——图11所示的二元回归结果。

图 9 图 10

图 11

通过观察比较图9——图11所示结果，并根据逐步回归的思想，我们可以看到，新加入变量X2的二元回归方程20.968222R =最大，并且各参数的检验显著，因此，保留变量X2.

Step3：在保留变量X1、X2的基础上，继续进行逐步回归，分别得到图12——图13所示的回归结果。

图 12 图 13

由图12可以看到，在X1、X2的基础上加入X3后2

R 略有改进，但是X3的参数的t 检验不显著。由图13可以看到，在X1、X2的基础上加入X4后2R 略有

降低，而且X4参数的t 检验不显著。这说明X3、X4引起多重共线性，应当予以剔除。因此，本案例最后应保留的变量是X1、X2，相应的回归结果为：

122.3228970.0818260.079919(3.71)

(5.22)(2.92)Y X X ∧=++

20.975284R = 20.968222R = .. 2.264141DW

= 138.1058F = 0.338641RSS =

由综合判断法知，上述回归结果基本上消除了多重共线性。

计量经济学-李子奈-计算题整理集合

计算分析题（共3小题，每题15分，共计45分） 1、下表给出了一含有3个实解释变量的模型的回归结果： 方差来源 平方和（SS ） 自由度（d.f.） 来自回归65965 — 来自残差— — 总离差(TSS) 66056 43 （1）求样本容量n 、RSS 、ESS 的自由度、RSS 的自由度 （2）求可决系数)37.0(-和调整的可决系数2 R （3）在5%的显著性水平下检验1X 、2X 和3X 总体上对Y 的影响的显著性 （已知0.05(3,40) 2.84F =） （4）根据以上信息能否确定1X 、2X 和3X 各自对Y 的贡献？为什么？ 1、 （1）样本容量n=43+1=44 （1分） RSS=TSS-ESS=66056-65965=91 （1分） ESS 的自由度为: 3 （1分） RSS 的自由度为: d.f.=44-3-1=40 （1分） （2）R 2=ESS/TSS=65965/66056=0.9986 （1分） 2R =1-(1- R 2)(n-1)/(n-k-1)=1-0.0014?43/40=0.9985 （2分） （3）H 0：1230βββ=== （1分） F=/65965/39665.2/(1)91/40 ESS k RSS n k ==-- （2分） F >0.05(3,40) 2.84F = 拒绝原假设 （2分） 所以，1X 、2X 和3X 总体上对Y 的影响显著 （1分） （4）不能。 （1分） 因为仅通过上述信息，可初步判断X 1，X 2，X 3联合起来 对Y 有线性影响，三者的变化解释了Y 变化的约99.9%。但由于 无法知道回归X 1，X 2，X 3前参数的具体估计值，因此还无法 判断它们各自对Y 的影响有多大。 2、以某地区22年的年度数据估计了如下工业就业模型 i i i i i X X X Y μββββ++++=3322110ln ln ln 回归方程如下： i i i i X X X Y 321ln 62.0ln 25.0ln 51.089.3?+-+-= （-0.56）(2.3) (-1.7) (5.8) 2 0.996R = 147.3=DW 式中，Y 为总就业量；X 1为总收入；X 2为平均月工资率；X 3为地方政府的

计量经济学实验三

实 验 三： 多元回归模型与非线性回归模型 【实验目的】掌握多元回归模型参数估计，特别是非线性回归模型的转化、参数估计及检验方法。 【实验内容】一、多元回归模型参数估计； 二、生成序列以及可线性化模型的参数估计； 三、不可线性化模型的迭代估计法的Eviews 软件的实现方式。 【实验数据】建立我国国有独立核算工业企业生产函数。根据生产函数理论，生产函数的基本形式为：()ε,,,K L t f Y =。其中，L 、K 分别为生产过程中投入的劳动与资金，时间变量t 反映技术进步的影响。表3-1列出了我国1978-1994年期间国有独立核算工业企业的有关统计资料；其中产出Y 为工业总产值（可比价），L 、K 分别为年末职工人数和固定资产净值（可比价）。 资料来源：根据《中国统计年鉴－1995》和《中国工业经济年鉴-1995》计算整理 【实验步骤】Y=AK 一、建立多元线性回归模型 ㈠建立包括时间变量的三元线性回归模型； μββββ++++=L K T Y 3210

在命令窗口依次键入以下命令即可： ⒈建立工作文件： CREATE A 78 94 ⒉输入统计资料： DATA Y L K ⒊生成时间变量t ： GENR T=@TREND(77) ⒋建立回归模型： LS Y C T L K 则生产函数的估计结果及有关信息如图3-1所示。 图3-1 我国国有独立核算工业企业生产函数的估计结果 因此，我国国有独立工业企业的生产函数为： K L t y 7764.06667.06789.7732.675?+++-= （模型1） t ＝(-0.252) (0.672) (0.781) (7.433) 9958.02=R 9948 .02=R 551.1018=F 模型的计算结果表明，我国国有独立核算工业企业的劳动力边际产出为0.6667，资金的边际产出为0.7764，技术进步的影响使工业总产值平均每年递增77.68亿元。回归系数的符号和数值是较为合理的。9958.02=R ，说明模型有很高的拟合优度，F 检验也是高度显著的，说明职工人数L 、资金K 和时间变量t 对工业总产值的总影响是显著的。从图3-1看出，解释变量资金K 的t 统计量值为7.433，表明资金对企业产出的影响是显著的。但是，模型中其他变量（包括常数项）的t 统计量值都较小，未通过检验。因此，需要对以上三元线性回归模型做适当的调整，按照统计检验程序，一般应先剔除t 统计量最小的变量（即时间变量）而重新建立模型。 ㈡建立剔除时间变量的二元线性回归模型； 命令：LS Y C L K 则生产函数的估计结果及有关信息如图3-2所示。

计量经济学实验报告完整版

计量经济学实验报告集团标准化办公室：[VV986T-J682P28-JP266L8-68PNN]

3.3 3.3 经调查研究发现，家庭书刊消费受家庭收入及户主受教育年数的影响，表 3.6为对某地区部分家庭抽样调查得到的样本数据。 （1T ）的多 元线性回归：123i i i i u Y X T βββ=+++ 利用样本数据估计模型的参数，对模型加以检验，分析所估计模型的经济意义和 作用。 步骤： 1.打开EViews6，点“File ”“New ”“Workfile ”。选择 “Unstructured/Unda=ted ”在Observations 后输入18，点击ok 。 2. 在命令行输入：DATA Y X T ，回车。将数据复制粘贴到Group 中的表格中。 3. 建立数据关系图为初步观察数据的关系，在命令行输入命令：sort Y ，从而实现数据Y 的递增排序。 4. 在数据表“group ”中点“view/graph/line ”，最后点击确定，出现序列Y 、X 、T 的线性图。 5. OLS 估计参数,点击主界面菜单Quick\Estimate Equation ，弹出对话框，如下图。在其中输入Y c X T ，点确定即可得到回归结果。

经济意义：家庭月平均收入每增加1元，家庭书刊消费将增加0.08645元。户主受教育年数每增加1年，家庭书刊消费平均将增加52.3703元。 作用：显示出各解释变量在其他解释变量不变的情况下，对被解释变量的影响情况。 （2）作家庭书刊消费（Y ）对户主受教育年数（T ）的一元回归，获得残差E1；再作家庭月平均收入（X ）对户主受教育年数（T ）的一元回归，并获得残差E2。 Y 对T 的一元回归： 步骤： 1. 打开EViews6，点“File ”“New ”“Workfile ”。选择 “Unstructured/undated”，在Observations 后输入样本容量个数：18。 2. 在命令行输入：DATA Y T ，回车,将数据复制粘贴到Group 中的表格中。 3. 作散点图在命令行输入命令：SCAT T Y 。 4. 在主菜单中点“Quick ”“Estimate Equation ”，在 Specification 中输入 Y C T ，点“确定”。 E1=resid X 对T 的一元回归： 步骤： 1. 打开EViews6，点“File ”“New ”“Workfile ”。选择 “Unstructured/undated”，在Observations 后输入样本容量个数：18。 2. 在命令行输入：DATA X T ，回车,将数据复制粘贴到Group 中的表格中。 3. 作散点图在命令行输入命令：SCAT T X 。 4. 在主菜单中点“Quick ”“Estimate Equation ”，在 Specification 中输入 X C T ，点“确定”。 E2=resid （3）作残差E1对残差E2的无截距项的回归：212i E E v α=+ ，估计其参数。 步骤1.打开EViews6，点“File ”“New ”“Workfile ”。选择 “Unstructured/Unda=ted ”在Observations 后输入18，点击ok 。 2. 在命令行输入：DATA E1 E2，回车。将数据复制粘贴到Group 中的表格 中。 3. 采用OLS 估计参数在主界面命令框栏中输入 ls E1 E2，然后回车，即可得到参数的估计结果。 由结果可知1=-6.3351+0.08645*2E E

计量经济学实验一

《计量经济学》综合实验一系金融系专业经融工程姓名程若宸 学号20141206031035 实验地点：B楼305 实验日期：216.9.30 实验题目：研究中国汽车市场未来发展趋势 实验类型：基本操作训练。 实验目的：掌握简单线性回归模型的Eviews操作 实验内容：第三章的“引子”中分析了，经济增长、公共服务、市场价格、交通状况、社会环境、政策因素，都会影响中国汽车拥有量。为了研究一些主要因素与家用汽车拥有量的数量关系，选择“百户拥有家用汽车量”、“人均地区生产总值”、“城镇人口比重”、“交通工具消费价格指数”等变量，2011年全国各省市区的有关数据见附件：1）建立百户拥有家用汽车量计量经济模型? 2）估计参数并写出回归分析结果报告? 3) 对模型进行经济意义上的检验，统计意义上的检验? 评分标准：操作步骤正确，回归结果正确，结果分析准确到位，符合实际。 实验步骤：

Dependent Variable: Y Method: Least Squares Date: 09/30/16 Time: 11:27 Sample: 1 31 Included observations: 31 Variable Coefficient Std. Error t-Statistic Prob. C 246.8540 51.97500 4.749476 0.0001 X2 5.996865 1.406058 4.265020 0.0002 X3 -0.524027 0.179280 -2.922950 0.0069 X4 -2.265680 0.518837 -4.366842 0.0002 R-squared 0.666062 Mean dependent var 16.77355 Adjusted R-squared 0.628957 S.D. dependent var 8.252535 S.E. of regression 5.026889 Akaike info criterion 6.187394 Sum squared resid 682.2795 Schwarz criterion 6.372424 Log likelihood -91.90460 Hannan-Quinn criter. 6.247709 F-statistic 17.95108 Durbin-Watson stat 1.206953 Prob(F-statistic) 0.000001 (51.98) (1.41) (0.18) (0.52) t= (4.75) (4.27) (-2.92) (-4.37) F=17.951 n=31 模型检验 1.经济意义检验 模型估计结果的数据说明理论分析与经验判断相一致 2.统计检验 (1)拟合优度：修正的可决系数为说明模型对样本拟和

计量经济学 案例分析

第二章 案例分析 研究目的：分析各地区城镇居民计算机拥有量与城镇居民收入水平的关系，对更多规律的研究具有指导意义. 一． 模型设定 2011年年底城镇居民家庭平均每百户计算机拥有量Y 与城镇居民平均每人全年家庭总收入X 的关系 图2.1 各地区城镇居民每百户计算机拥有量与人均总收入的散点图 由图可知，各地区城镇居民每百户计算机拥有量随着人均总收入水平的提高而增加，近似于线性关系，为分析其数量性变动规律，可建立如下简单线性回归模型： Y t =β1+β2X t +u t 50 60 708090100 110120130140 X Y

二．估计参数 假定所建模型及其随机扰动项u i满足各项古典假设，用普通最小二乘法（OLSE）估计模型参数.其结果如下： 表2.1 回归结果 Dependent Variable: Y Method: Least Squares Date: 11/13/17 Time: 12:50 Sample: 1 31 Included observations: 31 Variable Coefficient Std. Error t-Statistic Prob. C 11.95802 5.622841 2.126686 0.0421 X 0.002873 0.000240 11.98264 0.0000 R-squared 0.831966 Mean dependent var 77.08161 Adjusted R-squared 0.826171 S.D. dependent var 19.25503 S.E. of regression 8.027957 Akaike info criterion 7.066078 Sum squared resid 1868.995 Schwarz criterion 7.158593 Log likelihood -107.5242 Hannan-Quinn criter. 7.096236 F-statistic 143.5836 Durbin-Watson stat 1.656123 Prob(F-statistic) 0.000000 由表2.1可得， β1=11.9580，β2=0.0029 故简单线性回归模型可写为： ^ Y X t t=11.9580+0.0029 其中：SE(β1)=5.6228, SE(β2)=0.0002 R-squared=0.8320，F=143.5836，n=31

计量经济学实验

中国海洋大学本科生课程大纲 一、课程介绍 1.课程描述： 计量经济学是经济学、数学和统计学相结合的综合性边缘学科。它是以经济理论为基础，以经济事实表现的经济数据为依据，运用数学和统计学的方法，通过建立计量经济模型来研究经济变量之间随机数量关系和规律的一门经济学科。计量经济学是教育部规定的经济类专业核心课程之一，是经济类专业的专业必修课，在经济类的各个专业的教学中占有非常重要的地位。 计量经济实验分析在现代经济研究中具有重要的地位，是经验解释的理论验证、经济发展规律的总结以及经济冲击效果的预测等工作的主要方式。计量经济学的工具类课程性质、软件依赖特征使得实验教学成为理解计量经济理论和掌握其应用方法的有效方式。课程的重点是讲授常用的计量经济学软件的基本操作，使学生熟悉软件界面，熟悉了解常用的菜单项和工具栏的操作，通过分步骤讲解的上机实践，使学生逐步掌握关于计量经济分析的理论和应用问题的研究过程。 Econometrics is a comprehensive fringe subject that combines economics, mathematics and statistics. It is an economic discipline based on economic theory, economic data and economic facts. It uses mathematical and statistical methods to establish econometric models to study the random quantitative relationships and laws between economic variables. Econometrics is one of the core courses for economics majors stipulated by the Ministry of Education. It is a compulsory course for economics majors. It occupies a very important position in the teaching of economics majors. Econometric experimental analysis has an important position in modern economic research. It is the main method of theoretical verification of empirical interpretation,

计量经济学李子奈(第3版)例题+习题数据

计量经济学（第3版）例题和习题数据表表2.1.1 某社区家庭每月收入与消费支出统计表

表2.3.1 参数估计的计算表

表2.6.1 中国各地区城镇居民家庭人均全年可支配收入与人均全年消费性支出（元） 资料来源：《中国统计年鉴》（2007）。

表2.6.3 中国居民总量消费支出与收入资料 单位：亿元年份GDP CONS CPI TAX GDPC X Y 19783605.6 1759.1 46.21519.28 7802.5 6678.83806.7 19794092.6 2011.5 47.07537.828694.2 7551.64273.2 19804592.9 2331.2 50.62571.70 9073.7 7944.24605.5 19815008.8 2627.9 51.90629.899651.8 8438.05063.9 19825590.0 2902.9 52.95700.02 10557.3 9235.25482.4 19836216.2 3231.1 54.00775.5911510.8 10074.65983.2 19847362.7 3742.0 55.47947.35 13272.8 11565.06745.7 19859076.7 4687.4 60.652040.79 14966.8 11601.77729.2 198610508.5 5302.1 64.572090.37 16273.7 13036.58210.9 198712277.4 6126.1 69.302140.36 17716.3 14627.78840.0 198815388.6 7868.1 82.302390.47 18698.7 15794.09560.5 198917311.3 8812.6 97.002727.40 17847.4 15035.59085.5 199019347.8 9450.9 100.002821.86 19347.8 16525.99450.9 199122577.4 10730.6 103.422990.17 21830.9 18939.610375.8 199227565.2 13000.1 110.033296.91 25053.0 22056.511815.3 199336938.1 16412.1 126.204255.30 29269.1 25897.313004.7 199450217.4 21844.2 156.655126.88 32056.2 28783.413944.2 199563216.9 28369.7 183.416038.04 34467.5 31175.415467.9 199674163.6 33955.9 198.666909.82 37331.9 33853.717092.5 199781658.5 36921.5 204.218234.04 39988.5 35956.218080.6 199886531.6 39229.3 202.599262.80 42713.1 38140.919364.1 199991125.0 41920.4 199.7210682.58 45625.8 40277.020989.3 200098749.0 45854.6 200.5512581.51 49238.0 42964.622863.9 2001108972.4 49213.2 201.9415301.38 53962.5 46385.424370.1 2002120350.3 52571.3 200.3217636.45 60078.0 51274.026243.2 2003136398.8 56834.4 202.7320017.31 67282.2 57408.128035.0 2004160280.4 63833.5 210.6324165.68 76096.3 64623.130306.2 2005188692.1 71217.5 214.4228778.54 88002.1 74580.433214.4 2006221170.5 80120.5 217.6534809.72 101616.3 85623.136811.2资料来源：根据《中国统计年鉴》（2001，2007）整理。

计量经济学案例分析汇总

计量经济学案例分析1 一、研究的目的要求 居民消费在社会经济的持续发展中有着重要的作用。居民合理的消费模式和居民适度的消费规模有利于经济持续健康的增长，而且这也是人民生活水平的具体体现。改革开放以来随着中国经济的快速发展，人民生活水平不断提高，居民的消费水平也不断增长。但是在看到这个整体趋势的同时，还应看到全国各地区经济发展速度不同，居民消费水平也有明显差异。例如，2002年全国城市居民家庭平均每人每年消费支出为元, 最低的黑龙江省仅为人均元，最高的上海市达人均10464元，上海是黑龙江的倍。为了研究全国居民消费水平及其变动的原因，需要作具体的分析。影响各地区居民消费支出有明显差异的因素可能很多，例如，居民的收入水平、就业状况、零售物价指数、利率、居民财产、购物环境等等都可能对居民消费有影响。为了分析什么是影响各地区居民消费支出有明显差异的最主要因素，并分析影响因素与消费水平的数量关系，可以建立相应的计量经济模型去研究。 二、模型设定 我们研究的对象是各地区居民消费的差异。居民消费可分为城市居民消费和农村居民消费，由于各地区的城市与农村人口比例及经济结构有较大差异，最具有直接对比可比性的是城市居民消费。而且，由于各地区人口和经济总量不同，只能用“城市居民每人每年的平均消费支出”来比较，而这正是可从统计年鉴中获得数据的变量。所以模型的被解释变量Y选定为“城市居民每人每年的平均消费支出”。 因为研究的目的是各地区城市居民消费的差异，并不是城市居民消费在不同时间的变动，所以应选择同一时期各地区城市居民的消费支出来建立模型。因此建立的是2002年截面数据模型。 影响各地区城市居民人均消费支出有明显差异的因素有多种，但从理论和经验分析，最主要的影响因素应是居民收入，其他因素虽然对居民消费也有影响，但有的不易取得数据，如“居民财产”和“购物环境”；有的与居民收入可能高度相关，如“就业状况”、“居民财产”；还有的因素在运用截面数据时在地区间的差异并不大，如“零售物价指数”、“利率”。因此这些其他因素可以不列入模型，即便它们对居民消费有某些影响也可归入随即扰动项中。为了与“城市居民人均消费支出”相对应，选择在统计年鉴中可以获得的“城市居民每人每年可支配收入”作为解释变量X。 从2002年《中国统计年鉴》中得到表的数据: 表 2002年中国各地区城市居民人均年消费支出和可支配收入

计量经济学实验

计量经济学课后习题P42.6 一、操作步骤 1、双击“Eviews”，进入主页。 2、建立工作文件：file-new 3、建立序列对象：

4、输入数据：在主菜单通过路径file-import-read text-lotus-excel，进 入数据文件选择对话框，通过输入数据路径，进入数据录入对话框。 默认其他设置，单击OK，完成数据录入工作 5．数据统计和图像 国内生产总值GDP和货物运输量Y的散点图

6.估计参数：在EV主页界面点击“Quick”菜单，点击“Estimate Equation”,出现“Equation Specification”对话框，选择OLS估计，输入“y c gdp”,点击“OK”。即出现回归结果图： 回归结果 7.模型预测评估

二、结论 1.估计一元线性回归模型01t t t Y X u ββ=++ 参数估计结果为：t t t u GDP Y ++=95.2627.12596 2.对估计结果作结构分析 95.261=β是样本回归方程的斜率，它表示GDP 每增加一亿元，该市货物运输量 就增加26.96万吨。27.125960=β是样本回归方程的截距。 3.对估计结果进行统计检验 763.0,781.022==R R ,说明总离差平方和的78.1%被样本回归直线解释，样本回归直线对样本点的拟合优度较高。 4.假如2000年某市以1980年为不变价的国民生产总值为620亿元，求2000年货运输量预测值与预测区间。 Y=29307.84万吨。标准误差=2255.64，区间：[27052.2，31563.48]。 P42.7 一、步骤 建立工作文件、序列对象、录入数据、画散点图等操作方法都与上一题方法一样，以下几个图表是操作的结果图。 1.我国粮食产量Q （万吨）、农业机械总动力x1(万千瓦)、化肥施用量x2（万吨）、土地灌溉面积x3（千公顷）。 1978~1998年样本观测值 年份 Q x1 x2 x3 1978 30477.01 11749.9 884 44965.3 1979 33212 13379.6 1086.3 45003 1980 32055.99 14745.7 1269.4 44888.1 1981 32502.01 15679 1334.9 44574

计量经济学实验报告

《计量经济学》实验报告一，数据 二，理论模型的设计 解释变量：可支配收入X 被解释变量：消费性支出Y 软件操作： （1）X与Y散点图

从散点图可以粗略的看出，随着可支配收入的增加，消费性支出也在增加，大致呈线性关系。因此，建立一元线性回归模型： 01i i i Y X ββμ=++ （2）对模型做OLS 估计 OLS 估计结果为 272.36350.7551Y X ∧ =+ 011.705732.3869t t == 20.9831.. 1.30171048.912R DW F === 三，模型检验 从回归估计结果看，模型拟合较好，可决系数为0.98，表明家庭人均年可消费性支出变化的98.31%可由支配性收入的变化来解释。 t 检验:在5%的显著性水平下1β不显著为0，表明可支配收入增加1个单位，消费性支出平均增加0.7551单位。 1，预测 现已知2018年人均年可支配收入为20000元，预测消费支出预测值为 0272.36350.75512000015374.3635Y =+?= E(X)=6222.209，Var(X)=1994.033

则在95%的置信度下，E( Y)的预测区间为（874.28,16041.68） 2，异方差性检验 对于经济发达地区和经济落后地区，消费支出的决定因素不一定相同甚至差异很大。如经济越落后储蓄率越高，可能出现异方差性问题。 G-Q检验 对样本进行处理，X按从大到小排序，去掉中间4个，分为两组数据， 128 n n ==分别回归

1615472.0RSS = 2126528. 3R S S = 于是的F 统计量： ()() 12811 4.86811RSS F RSS --==-- 在5%的想著想水平下，0.050.05(6,6) 4.28,(6,6)F F F =>，即拒绝无异方差性假设，说明模型存在异方差性。

计量经济学实验报告 (3)

1.背景 经济增长是指一个国家生产商品和劳务能力的扩大。在实际核算中，常以一国生产的商品和劳务总量的增加来表示，即以国民生产总值（GDP）和国内生产总值的的增长来计算。 古典经济增长理论以社会财富的增长为中心，指出生产劳动是财富增长的源泉。现代经济增长理论认为知识、人力资本、技术进步是经济增长的主要因素。 从古典增长理论到新增长理论，都重视物质资本和劳动的贡献。物质资本是指经济系统运行中实际投入的资本数量.然而，由于资本服务流量难以测度，在这里我们用全社会固定资产投资总额（亿元）来衡量物质资本。中国拥有十三亿人口，为经济增长提供了丰富的劳动力资源。因此本文用总就业人数（万人）来衡量劳动力。居民消费需求也是经济增长的主要因素。 经济增长问题既受各国政府和居民的关注,也是经济学理论研究的一个重要方面。在1978—2008年的31年中,我国经济年均增长率高达9.6%,综合国力大大增强,居民收入水平与生活水平不断提高,居民的消费需求的数量和质量有了很大的提高。但是,我国目前仍然面临消费需求不足问题。 本文将以中国经济增长作为研究对象，选择时间序列数据的计量经济学模型方法，将中国国内生产总值与和其相关的经济变量联系起来，建立多元线性回归模型，研究我国中国经济增长变动趋势，以及重要的影响因素，并根据所得的结论提出相关的建议与意见。用计量经济学的方法进行数据的分析将得到更加具有说服力和更加具体的指标，可以更好的帮助我们进行预测与决策。因此，对我国经济增长的计量经济学研究是有意义同时也是很必要的。 2.模型的建立 2.1 假设模型

为了具体分析各要素对我国经济增长影响的大小，我们可以用国内生产总值（Y ）这个经济指标作为研究对象；用总就业人员数（1X ）衡量劳动力；用固定资产投资总额(2X )衡量资本投入：用价格指数（3X ）去代表消费需求。运用这些数据进行回归分析。 这里的被解释变量是，Y ：国内生产总值， 与Y-国内生产总值密切相关的经济因素作为模型可能的解释变量，共计3个，它们分别为： 1X 代表社会就业人数， 2X 代表固定资产投资， 3X 代表消费价格指数， μ代表随机干扰项。 模型的建立大致分为理论模型设置、参数估计、模型检验、模型修正几个步骤。如果模型符合实际经济理论并且通过各级检验，那么模型就可以作为最终模型，可以进行结构分析和经济预测。 国内生产总值 经济活动人口 全社会固定资产投资 居民消费价格指数 1992年 26,923.48 66,782.00 8,080.10 106.4 1993年 35,333.92 67,468.00 13,072.30 114.7 1994年 48,197.86 68,135.00 17,042.10 124.1 1995年 60,793.73 68,855.00 20,019.30 117.1 1996年 71,176.59 69,765.00 22,913.50 108.3 1997年 78,973.03 70,800.00 24,941.10 102.8 1998年 84,402.28 72,087.00 28,406.20 99.2 1999年 89,677.05 72,791.00 29,854.70 98.6 2000年 99,214.55 73,992.00 32,917.70 100.4 2001年 109,655.17 73,884.00 37,213.50 100.7 2002年 120,332.69 74,492.00 43,499.90 99.2 2003年 135,822.76 74,911.00 55,566.61 101.2 2004年 159,878.34 75,290.00 70,477.43 103.9 2005年 184,937.37 76,120.00 88,773.61 101.8 2006年 216,314.43 76,315.00 109,998.16 101.5

第九章时间序列计量经济学模型案例

第九章时间序列计量经济学模型案例 1、1949—2001年中国人口时间序列数据见表8，由该数据（1）画时间序列图和差分图；（2）求中国人口序列的相关图和偏相关图，识别模型形式；（3）估计时间序列模型；（4）样本外预测。 表9.1 中国人口时间序列数据（单位：亿人） 年份人口y t 年份人口y t年份人口y t年份人口y t年份人口y t 1949 5.4167 1960 6.6207 1971 8.5229 1982 10.159 1993 11.8517 1950 5.5196 1961 6.5859 1972 8.7177 1983 10.2764 1994 11.985 1951 5.63 1962 6.7295 1973 8.9211 1984 10.3876 1995 12.1121 1952 5.7482 1963 6.9172 1974 9.0859 1985 10.5851 1996 12.2389 1953 5.8796 1964 7.0499 1975 9.242 1986 10.7507 1997 12.3626 1954 6.0266 1965 7.2538 1976 9.3717 1987 10.93 1998 12.4761 1955 6.1465 1966 7.4542 1977 9.4974 1988 11.1026 1999 12.5786 1956 6.2828 1967 7.6368 1978 9.6259 1989 11.2704 2000 12.6743 1957 6.4653 1968 7.8534 1979 9.7542 1990 11.4333 2001 12.7627 1958 6.5994 1969 8.0671 1980 9.8705 1991 11.5823 1959 6.7207 1970 8.2992 1981 10.0072 1992 11.7171 （1）画时间序列图 y的数据窗口 打开 t 得到中国人口序列图

计量经济学 李子奈 第七版 复习题

计量经济学 复习题 一、单选题 1、怀特检验法可用于检验（ ）。 A.异方差性 B.多重共线性 C.序列相关 D.模型设定误差 2、计量经济学分析问题的工作程序是（ ）。 A.设定模型，检验模型，估计模型，改进模型 B.设定模型，估计参数，检验模型，应用模型 C.估计模型，应用模型，检验模型，改进模型 D.搜集资料，设定模型，估计参数，应用模型 3、对下列模型进行经济意义检验，哪一个模型是没有实际意义的（ ）。 A.i C （消费）i I 8.0500+=（收入） B.di Q （商品需求）i I 8.010+=（收入）i P 9.0+（价格） C.si Q （商品供给）i P 75.020+=（价格） D.i Y （产出量）6.065.0i K =（资本）4 .0i L （劳动） 4、戈德菲尔德—匡特检验法可用于检验模型的（ ）。 A.异方差性 B.多重共线性 C.序列相关 D.设定误差 5、在满足基本假定的情况下，对单方程计量经济学模型而言，下列有关解 释变量和被解释变量的说法中正确的有（ ）。 A.被解释变量和解释变量均为随机变量 B.被解释变量和解释变量均为非随机变量 C.被解释变量为随机变量，解释变量为非随机变量 D.被解释变量为非随机变量，解释变量为随机变量 6、根据样本资料估计得到人均消费支出Y 对人均收入X 的回归方程为 X Y ln 75.000.2ln += ，这表明人均收入每增加１％，人均消费支出将增加 （ ）。 A.2% B.0.75 C.0.75% D.7.5% 7、设k 为回归模型中的解释变量个数，n 为样本容量，则对总体回归模型 进行显著性检验(F 检验)时构造的F 统计量为( )。 A.)1/()/(--=k n RSS k ESS F B. )k n /(RSS )1k /(ESS 1F ---=

计量经济学案例分析一元回归模型实例分析报告

∑ x = 1264471.423 ∑ y = 516634.011 ∑ X = 52432495.137 ∑ ? ? ? ? 案例分析 1— 一元回归模型实例分析 依据 1996-2005 年《中国统计年鉴》提供的资料，经过整理，获得以下农村居民人均 消费支出和人均纯收入的数据如表 2-5： 表 2-5 农村居民 1995-2004 人均消费支出和人均纯收入数据资料 单位：元 年度 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 人均纯 收入 1577.7 1926.1 2090.1 2161.1 2210.3 2253.4 2366.4 2475.6 2622.2 2936.4 人均消 费支出 1310.4 1572.1 1617.2 1590.3 1577.4 1670.1 1741.1 1834.3 1943.3 2184.7 一、建立模型 以农村居民人均纯收入为解释变量 X ，农村居民人均消费支出为被解释变量 Y ，分析 Y 随 X 的变化而变化的因果关系。考察样本数据的分布并结合有关经济理论，建立一元线 性回归模型如下： Y i =β0+β1X i +μi 根据表 2-5 编制计算各参数的基础数据计算表。 求得: X = 2262.035 Y = 1704.082 2 i 2 i ∑ x i y i = 788859.986 2 i 根据以上基础数据求得: β1 = ∑ x i y 2 i i = 788859.986 126447.423 = 0.623865 β 0 = Y - β1 X = 1704.082 - 0.623865 ? 2262.035 = 292.8775 样本回归函数为： Y i = 292.8775 + 0.623865X i 上式表明，中国农村居民家庭人均可支配收入若是增加 100 元，居民们将会拿出其中 的 62.39 元用于消费。

计量经济学(李子奈)第三版书中表格数据

计量经济学（第3版）例题和习题数据表

P24-25 表2.1.1 某社区家庭每月收入与消费支出统计表

表2.3.1 参数估计的计算表

表2.6.1 中国各地区城镇居民家庭人均全年可支配收入与人均全年消费性支出（元）

表2.6.3 中国居民总量消费支出与收入资料 单位：亿元年份GDP CONS CPI TAX GDPC X Y 19783605.6 1759.1 46.21519.28 7802.5 6678.83806.7 19794092.6 2011.5 47.07537.828694.2 7551.64273.2 19804592.9 2331.2 50.62571.70 9073.7 7944.24605.5 19815008.8 2627.9 51.90629.899651.8 8438.05063.9 19825590.0 2902.9 52.95700.02 10557.3 9235.25482.4 19836216.2 3231.1 54.00775.5911510.8 10074.65983.2 19847362.7 3742.0 55.47947.35 13272.8 11565.06745.7 19859076.7 4687.4 60.652040.79 14966.8 11601.77729.2 198610508.5 5302.1 64.572090.37 16273.7 13036.58210.9 198712277.4 6126.1 69.302140.36 17716.3 14627.78840.0 198815388.6 7868.1 82.302390.47 18698.7 15794.09560.5 198917311.3 8812.6 97.002727.40 17847.4 15035.59085.5 199019347.8 9450.9 100.002821.86 19347.8 16525.99450.9 199122577.4 10730.6 103.422990.17 21830.9 18939.610375.8 199227565.2 13000.1 110.033296.91 25053.0 22056.511815.3 199336938.1 16412.1 126.204255.30 29269.1 25897.313004.7 199450217.4 21844.2 156.655126.88 32056.2 28783.413944.2 199563216.9 28369.7 183.416038.04 34467.5 31175.415467.9 199674163.6 33955.9 198.666909.82 37331.9 33853.717092.5 199781658.5 36921.5 204.218234.04 39988.5 35956.218080.6 199886531.6 39229.3 202.599262.80 42713.1 38140.919364.1 199991125.0 41920.4 199.7210682.58 45625.8 40277.020989.3 200098749.0 45854.6 200.5512581.51 49238.0 42964.622863.9 2001108972.4 49213.2 201.9415301.38 53962.5 46385.424370.1 2002120350.3 52571.3 200.3217636.45 60078.0 51274.026243.2 2003136398.8 56834.4 202.7320017.31 67282.2 57408.128035.0 2004160280.4 63833.5 210.6324165.68 76096.3 64623.130306.2 2005188692.1 71217.5 214.4228778.54 88002.1 74580.433214.4 2006221170.5 80120.5 217.6534809.72 101616.3 85623.136811.2资料来源：根据《中国统计年鉴》（2001，2007）整理。

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。 表1 我国制造工业1998年销售利润与销售收入情况

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 X Y 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 10 LS 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。