计量经济学Eviews操作案例集
案例分析一关于计量经济学方法论的讨论
问题：利用计量经济学建模的步骤，根据相关的消费理论，刻画我国改革开放以来的边际消费倾向。
第一步：相关经济理论。首先了解经济理论在这一问题上的阐述，宏观经济学中，关于消费函数的理论有以下几种：①凯恩斯的绝对收入理论，认为家庭消费在收入中所占的比例取决于收入的绝对水平。②相对收入理论，是由美国经济学家杜森贝提出的，认为人们的消费具有惯性，前期消费水平高，会影响下一期的消费水平，这告诉我们，除了当期收入外，前期消费也很可能是建立消费函数时应该考虑的因素。关于消费函数的理论还有持久收入理论、生命周期理论，有兴趣的同学可以参考相应的参考书。毋庸置疑，收入和消费之间是正相关的。
第二步：数据获得。在这个例子中，被解释变量选择消费，用cs表示；解释变量为实际可支配收入，用inc表示（用GDP减去税收来近似，单位：亿元）；变量均为剔除了价格因素的实际年度数据，样本区间为1978～2002年。
第三步：理论数学模型的设定。为了讨论的方便，我们可以建立下面简单的线性模型：
第四步：理论计量经济模型的设定。根据第三步数学模型的形式，可得
式中：cs=CS/P，inc=(1-t)*GDP/P，其中GDP是当年价格的国内生产总值，CS代表当年价格的居民消费值，P代表1978年为1的价格指数，t=TAX/GDP代表宏观税率，TAX是税收总额。u t表示除收入以外其它影响消费的因素。
第五步：计量经济模型的参数估计
根据最小二乘法，可得如下的估计结果：
常数项为正说明，若inc为0，消费为414.88，也就是自发消费。总收入变量的系数 为边际消费倾向，可以解释为城镇居民总收入增加1亿元导致居民消费平均增加0.51亿元。
另外，根据相对收入理论，我们可以得到下面的估计结果：
上述结果表明加入消费的上期值以后，边际消费倾向的数据发生了明显的变化，究竟选择哪一个模型，可以在以后的案例讨论中进行说明。
第六步：假设检验。
可以利用t检验和F检验来见模型参数的显著性。例如，在（1.2）式中，边际消费倾向估计量的标准差估计值是0.01，从而可以计算出t值为15，如果给定显著性水平为5%，查表得到临界值t0.025(21)=2.08，因此可以拒绝总收入系数为0的原假设，认为边际消费倾向的估计量是统计显著的。
第七步：预测。
如果要对此模型的预测功能进行评价，可以用1978～1999年的22年数据进行参数估计，用2000～2002年的数据作为检验性数据，考察实际值和预测值的差别。图1.1将因变量的实际值和预测值画在一起进行比较。
第八步：利用模型进行控制或制定政策。
案例分析二我国城市居民家庭消费函数——一元线性回归模型
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6029.88元, 最低的黑龙江省仅为人均4462.08元，最高的上海市达人均10464元，上海是黑龙江的2.35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2.5的数据:
表2.52002年中国各地区城市居民人均年消费支出和可支配收入
如图2.12：
图
2.12
从散点图可以看出居民家庭平均每人每年消费支出
(Y)和城市居民人均年可支配收入(X)大体呈现为线性关系，
所以建立的计量经济模型为如下线性模型：
12i i i Y X u ββ=++ 三、估计参数
假定所建模型及随机扰动项i u 满足古典假定，可以用OLS 法估计其参数。运用计算机软件EViews 作计量经济分析十分方便。
利用EViews 作简单线性回归分析的步骤如下： 1、建立工作文件
首先，双击EViews 图标，进入EViews 主页。在菜单一次点击File\New\Workfile ，出现对话框“Workfile Range ”。在“Workfile frequency ”中选择数据频率：
Annual (年度) Weekly ( 周数据 )
Quartrly (季度) Daily (5 day week ) ( 每周5天日数据 ) Semi Annual (半年) Daily (7 day week ) ( 每周7天日数据 ) Monthly (月度) Undated or irreqular (未注明日期或不规则的) 在本例中是截面数据，选择“Undated or irreqular ”。并在“Start date ”中输入开始时间或顺序号，如“1”在“end date ”中输入最后时间或顺序号，如“31”点击“ok ”出现“Workfile UNTITLED ”工作框。其中已有变量：“c ”—截距项 “resid ”—剩余项。
在“Objects ”菜单中点击“New Objects”，在“New Objects”对话框中选“Group”，并
4000
6000
8000
10000
12000
4000
6000
8000
10000
12000
14000
X
Y
在“Name for Objects”上定义文件名，点击“OK ”出现数据编辑窗口。
若要将工作文件存盘，点击窗口上方“Save ”，在“SaveAs ”对话框中给定路径和文件名，再点击“ok ”，文件即被保存。
2、输入数据
在数据编辑窗口中，首先按上行键“↑”，这时对应的“obs”字样的空格会自动上跳，在对应列的第二个“obs”有边框的空格键入变量名，如“Y ”，再按下行键“↓”，对因变量名下的列出现“NA ”字样，即可依顺序输入响应的数据。其他变量的数据也可用类似方法输入。
也可以在EViews 命令框直接键入“data X Y ”(一元时) 或 “data Y 1X 2X … ”(多元时)，回车出现“Group”窗口数据编辑框，在对应的Y 、X 下输入数据。
若要对数据存盘，点击 “fire/Save As”，出现“Save As ”对话框，在“Drives ”点所要存的盘，在“Directories ”点存入的路径（文件名），在“Fire Name ”对所存文件命名，或点已存的文件名，再点“ok ”。
若要读取已存盘数据，点击“fire/Open”，在对话框的“Drives”点所存的磁盘名，在“Directories”点文件路径，在“Fire Name”点文件名，点击“ok”即可。
3、估计参数
方法一：在EViews 主页界面点击“Quick ”菜单，点击“Estimate Equation ”，出现“Equation specification ”对话框，选OLS 估计，即选击“Least Squares”，键入“Y C X ”，点“ok ”或按回车，即出现如表2.6那样的回归结果。
表2.6
在本例中，参数估计的结果为：
^
282.24340.758511i i Y X =+ （287.2649） (0.036928) t=(0.982520) (20.54026)
2
0.935685r = F=421.9023 df=29
方法二：在EViews 命令框中直接键入“LS Y C X ”，按回车，即出现回归结果。 若要显示回归结果的图形，在“Equation ”框中，点击“Resids ”，即出现剩余项（Residual ）、实际值（Actual ）、拟合值（Fitted ）的图形，如图2.13所示。
图2.13
四、模型检验
1、经济意义检验
所估计的参数^
20.758511β=，说明城市居民人均年可支配收入每相差1元，可导致居民消费支出相差0.758511元。这与经济学中边际消费倾向的意义相符。
2、拟合优度和统计检验
用EViews 得出回归模型参数估计结果的同时，已经给出了用于模型检验的相关数据。 拟合优度的度量：由表2.6中可以看出，本例中可决系数为0.935685，说明所建模型整体上对样本数据拟合较好，即解释变量“城市居民人均年可支配收入”对被解释变量“城市居民人均年消费支出”的绝大部分差异作出了解释。
对回归系数的t 检验：针对01:0H β=和02:0H β=，由表2.6中还可以看出，估计的回归系数^
1β的标准误差和t 值分别为：^
1()287.2649SE β=，^
1()0.982520t β=；^
2β的标准误差和t 值分别为：^
2()0.036928SE β=，^
2()20.54026t β=。取0.05α=，查t 分布表得自由度为
2312n -=-=的临界值0.025(29) 2.045t =。因为
^
10.025()
0.982520
(29)2.045t t β=<=，所以不能拒绝
01:0H β=；因为^
20.025()20.54026(29) 2.045t t β=>=，所以应拒绝02:0H β=。这表明，城市人均年可支
配收入对人均年消费支出有显著影响。
五、回归预测
由表2.5中可看出，2002年中国西部地区城市居民人均年可支配收入除了西藏外均在8000以下，人均消费支出也都在7000元以下。在西部大开发的推动下，如果西部地区的城市居民人均年可支配收入第一步争取达到1000美元(按现有汇率即人民币8270元)，第二步再争取达到1500美元(即人民币12405元)，利用所估计的模型可预测这时城市居民可能达到的人均年消费支出水平。可以注意到，这里的预测是利用截面数据模型对被解释变量在不同空间状况的空间预测。
用EViews 作回归预测，首先在“Workfile ”窗口点击“Range ”，出现“Change Workfile Range ”窗口，将“End data”由“31”改为“33”，点“OK ”，将“Workfile ”中的“Range ”扩展为1—33。在“Workfile ”窗口点击“sampl”，将“sampl”窗口中的“1 31”改为“1 33”，点“OK ”，将样本区也改为1—33。 为了输入
18270f X =，212405f X =在EViews 命令框键入data x /回车, 在X 数据表
中的“32”位置输入“8270”，在“33”的位置输入“12405”，将数据表最小化。
然后在“E quation ”框中，点击“Forecast ”，得对话框。在对话框中的“Forecast name ”(预测值序列名)键入“
f
Y ”， 回车即得到模型估计值及标准误差的图形。双击“Workfile ”
窗口中出现的“Yf ”，在“Yf ”数据表中的“32”位置出现预测值16555.132f Y =，在“33”
位置出现29691.577f Y =。这是当18270f X =和212405f X =时人均消费支出的点预测
值。
为了作区间预测，在X 和Y 的数据表中，点击“View”选“Descriptive Stats\Cmmon Sample”，则得到X 和Y 的描述统计结果，见表2.7: 表2.7
根据表2.7的数据可计算:
222(1)2042.682(311)125176492.59i
x x
n σ=-=?-=∑
22
1()(82707515.026)569985.74f X X -=-=
22
2()(124057515.026)23911845.72f X X -=-= 取0.05α=,f Y 平均值置信度95%的预测区间为：
^^
21f Y t n ασ
18270f X =时
6555.13 2.045413.1593? 6555.13
162.10=
212405f X =时
9691.58 2.045413.1593? 9691.58499.25= 即是说，当18270f X =元时，1f Y 平均值置信度95%的预测区间为（6393.03，6717.23）
元。当
212405f X =元时，2f Y 平均值置信度95%的预测区间为（9292.33，10090.83）元。
f Y 个别值置信度95%的预测区间为：
^
^
21f
Y t ασ+
18270f X =时
6555.13 2.045413.1593?
6555.13860.32=
212405f X =时
9691.58 2.045413.1593?
9691.58934.49=
即是说，当第一步18270f X =时，1f Y 个别值置信度95%的预测区间为（5694.81，
7415.45）元。当第二步212405f X =时，2f Y 个别值置信度95%的预测区间为（8757.09，
10626.07）元。
在“E quation ”框中，点击“Forecast ”可得预测值及标准误差的图形如图2.14：
图2.14
案例分析三建筑行业工资差异制度因素的分析——一元线性回归模型
一、引言
我国目前正处在由计划经济向市场经济过渡的体制转型时期。在这一时期，各行业之间的职工工资差异在日趋扩大的同时，呈现出与计划经济时期完全不同的特征。本文试图通过考察体制转型时期行业（以建筑业为例）工资，以及行业垄断程度，提出基于体制转型这一特定时期的行业工资决定假说：行业相对工资差异的扩大是由于行业垄断程度的扩大引致的，并用回归方法分析对这一假说进行验证。
二、数据定义与经济理论假说
（一）数据定义
1．建筑业工资水平
建筑业相对工资水平定义为建筑业平均工资与全社会平均工资之比。本文之所以采用的是相对工资水平的概念，而没有采用绝对水平，因为我们更关注改革开放20多年来，建筑行业的工资相对于整个行业的变化，而不关心建筑业自身工资的发展趋势。部分年份建筑业相对工资水平的时序数据见表1。
表1 部分年份建筑业相对工资水平时序数据
2．垄断程度
在西方国家，人们通常用一个行业中最大的几家厂商的销售收入的份额表示一个行业的垄断程度。然而这种方法在我国目前的情况下并不完全适用，因为目前影响（甚至决定）我国行业职工工资水平的并不是一般意义上的垄断，，而是体制转型时期一种特有的垄断，它并不是针对企业的规模而言的，而是针对所有制结构或国有经济成分对行业的控制程度而言的，，即所谓“所有制垄断”或“行政垄断”。
在传统的计划经济体制下，我国经济属于典型的二元经济模式。如果撇开农村经济这一“元”而不论，城市经济这一“元”的大多数行业基本上都是由国有经济控制的，各行业间在这一点上没有显著性的差别。然而，随着计划经济体制向市场经济体制的过渡，这种国有经济一统天下的格局逐步被打破，呈现出所有制日趋多元化的的趋势。但是，不同行业所有制多元化的进程并不一致，由此产生了不同行业间所有制结构的差异。建筑业相对于电力、金融、房地产等行业，其非国有经济成分进入的门槛相对较低，竞争较为激烈，因此所有制多元化进展较快。因此，在体制转型时期，我国建筑行业的垄断程度的绝对水平可以在建筑行业的国有化程度上得到大致的体现。为了获取资料的方便，本文将建筑业国有化程度用建筑业国有单位职工人数占建筑业全部就业人数的比重来表示。
由于不管什么行业，所有制结构多元化、国有经济比重下降是一个总的趋势，而且决定相对工资高低的不是个行业垄断程度的绝对数，而是行业垄断程度与其他行业垄断程度或社会平均水平相比较的相对水平，所以引入相对垄断程度的概念：
相对垄断程度=行业所有制垄断度的绝对数/全社会所有制垄断度的平均数
改革开放以来部分年份建筑业相对垄断度的时序数据见表2。
表2 部分年份建筑业相对垄断度的时序数据
（二）体制转型期行业工资决定假说
从表1的数据看出，经过20多年，作为具有高劳动强度、艰苦、危险等特征的传统高工资行业之一—建筑业逐渐被挤出高工资行业的行列，在市场经济下建筑业具有进入门槛低、竞争激烈的特征，其工资相对水平逐年下降，2003年建筑业工资只相当于全国平均工资的82%。而一些原来工资并不太高，但垄断程度至今仍保持较高水平的行业，如金融保险业、房地产业等则陆续进入最高工资行列。基于上述事实，我们提出如下关于体制转型这一特定时期行业决定的假说：从总体上看，我国行业相对工资差异的扩大是由于行业垄断程度差异的扩大引致的；建筑业相对工资水平已经逐渐地不再取决于该行业的拉动强度及艰苦危险程度，而是主要取决于行业的垄断程度。即建筑业相对工资水平的变化，可以由该行业垄断程度的相对变化所解释。
三、模型设定、估计与检验
将我国建筑业1978年至2002年的主要17个年份的工资相对水平与其垄断相对程度，建立一元计量模型，理论模型如下：
X Y
311088.1939984.2?+=
其中Y表示建筑业工资相对水平，X表示建筑业相对国有化程度。根据体制转型期行业工资决定假说，总体参数应该大于0，相对国有化程度越高，行业垄断程度越高，工资相对水平就越高。
利用计量经济分析软件Eviews进行估计，结果如下：
Dependent Variable:建筑业工资相对水平Y
Method: Least Squares
Sample: 1 17
Variable Coefficient Std. Error t-Statistic Prob.
C 2.93998411.782180.2495280.8063
建筑业相对国有化程度X 1.3110880.1508728.6900690.0000
R-squared0.834286Mean dependent var104.9118
Adjusted R-squared0.823238S.D. dependent var10.40786
S.E. of regression 4.375783Akaike info criterion 5.900179
Sum squared resid287.2121Schwarz criterion 5.998204
Log likelihood-48.15152F-statistic75.51731
Durbin-Watson stat0.930656Prob(F-statistic)0.000000
合优度较高。建筑业相对国有化程度对建筑业工资相对水平的回归系数为1.311088，t值达到8.690069，通过了变量的统计检验；并且该回归系数大于0，与理论模型总体参数的预期符号相一致，因此通过了经济意义检验。但截距项系数2.939984，t值只有0.249528，未通过统计检验，说明建筑业相对国有化程度对建筑业工资相对水平的总体回归直线是通过原点的。因此理论线性模型应设定为通过原点的回归直线模型，具体形式如下：
再利用计量经济分析软件Eviews进行估计，结果如下：
Dependent Variable: 建筑业工资相对水平
Method: Least Squares
Sample: 1 17
Included observations: 17
1.3485820.01318610
2.27700.0000
R-squared0.833598Mean dependent var104.9118
Adjusted R-squared0.833598S.D. dependent var10.40786
S.E. of regression 4.245618Akaike info criterion 5.786674
Sum squared resid288.4043Schwarz criterion 5.835687
Log likelihood-48.18673Durbin-Watson stat0.951702
说明去掉截距项的模型拟合优度有了进一步改善。建筑业相对国有化程度对建筑业工资相对
水平的回归系数为1.348582，t值高达102.2770，通过了变量的统计检验。但该模型的DW 值很低，只有0.951702，说明模型的随机误差项之间存在正自相关，因此还需要处理模型的自相关问题。
我们在模型中引入AR（1）来处理自相关。估计结果如下：
Dependent Variable: 建筑业工资相对水平
Method: Least Squares
Sample(adjusted): 2 17
Included observations: 16 after adjusting endpoints
建筑业相对国有化程度 1.3601340.02084665.246160.0000
R-squared0.889110Mean dependent var104.2125
Adjusted R-squared0.881190S.D. dependent var10.32853
S.E. of regression 3.560126Akaike info criterion 5.493937
Sum squared resid177.4429Schwarz criterion 5.590511
满的解决。同时模型修正的可决系数0.881190，又得以进一步提高。
四、结果分析
1．本文验证了我们提出的关于体制转型时期行业决定的假说，我国建筑业相对工资差异的扩大主要是由于该行业垄断程度差异的扩大引致的。
2．建筑业相对国有化程度每下降1个百分点，建筑业工资相对水平将会平均下降1.360134个百分点。
案例分析四中国税收增长的分析——多元线性回归模型的应用
一、研究的目的要求
改革开放以来，随着经济体制改革的深化和经济的快速增长，中国的财政收支状况发生很大变化，中央和地方的税收收入1978年为519.28亿元，到2002年已增长到17636.45亿元，25年间增长了33倍，平均每年增长%。为了研究影响中国税收收入增长的主要原因，分析中央和地方税收收入的增长规律，预测中国税收未来的增长趋势，需要建立计量经济模型。
影响中国税收收入增长的因素很多，但据分析主要的因素可能有：（1）从宏观经济看，经济整体增长是税收增长的基本源泉。（2）公共财政的需求，税收收入是财政收入的主体，社会经济的发展和社会保障的完善等都对公共财政提出要求，因此对预算支出所表现的公共财政的需求对当年的税收收入可能会有一定的影响。（3）物价水平。我国的税制结构以流转税为主，以现行价格计算的GDP等指标和经营者的收入水平都与物价水平有关。（4）税收政策因素。我国自1978年以来经历了两次大的税制改革，一次是1984-1985年的国有企业利改税，另一次是1994年的全国范围内的新税制改革。税制改革对税收会产生影响，特别是1985年税收陡增215.42%。但是第二次税制改革对税收增长速度的影响不是非常大。因此，可以从以上几个方面，分析各种因素对中国税收增长的具体影响。
二、模型设定
为了全面反映中国税收增长的全貌，选择包括中央和地方税收的“国家财政收入”中的“各项税收”（简称“税收收入”）作为被解释变量，以反映国家税收的增长；选择“国内生产总值（GDP）”作为经济整体增长水平的代表；选择中央和地方“财政支出”作为公共财政需求的代表；选择“商品零售物价指数”作为物价水平的代表。由于财税体制的改革难以量化，而且1985年以后财税体制改革对税收增长影响不是很大，可暂不考虑税制改革对税收增长的影响。所以解释变量设定为可观测的“国内生产总值”、“财政支出”、“商品零售物价指数”等变量。从《中国统计年鉴》收集到以下数据（见表3.3）：
表3.3 中国税收收入及相关数据
设定的线性回归模型为：
1222334t t t t t Y X X X u ββββ=++++ 三、估计参数
利用EViews 估计模型的参数，方法是：
1、建立工作文件：启动EViews ，点击File\New\Workfile ，在对话框“Workfile Range ”。在“Workfile frequency ”中选择“Annual ” (年度)，并在“Start date ”中输入开始时间“1978”，在“end date ”中输入最后时间“2002”，点击“ok ”，出现“Workfile UNTITLED ”工作框。其中已有变量：“c ”—截距项 “resid ”—剩余项。在“Objects ”菜单中点击“New Objects”，在“New Objects”对话框中选“Group”，并在“Name for Objects”上定义文件名，点击“OK ”出现数据编辑窗口。
2、输入数据：点击“Quik ”下拉菜单中的“Empty Group ”，出现“Group”窗口数据编
辑框，点第一列与“obs ”对应的格，在命令栏输入“Y ”，点下行键“↓”，即将该序列命名为Y ，并依此输入Y 的数据。用同样方法在对应的列命名X 2、X 3、X 4，并输入相应的数据。或者在EViews 命令框直接键入“data Y 2X X 3 X 4 … ”，回车出现“Group”窗口数据编辑框，在对应的Y 、X 2、X 3、X 4下输入响应的数据。
3、估计参数：点击“Procs “下拉菜单中的“Make Equation ”，在出现的对话框的“Equation Specification ”栏中键入“Y C X 2 X 3 X 4”，在“Estimation Settings ”栏中选择“Least Sqares ”(最小二乘法)，点“ok ”，即出现回归结果： 表3.4
根据表3.4中数据，模型估计的结果为：
^
2342582.7910.0220670.70210423.98541i Y X X X =-+++
(940.6128) (0.0056) (0.0332) (8.7363) t= (-2.7459) (3.9566) (21.1247) (2.7449)
20.9974R = 2
0.9971R = F=2717.238 df=21
四、模型检验
1、经济意义检验
模型估计结果说明，在假定其它变量不变的情况下，当年GDP 每增长1亿元，税收收入就会增长0.02207亿元；在假定其它变量不变的情况下，当年财政支出每增长1亿元，税收收入会增长0.7021亿元；在假定其它变量不变的情况下，当年零售商品物价指数上涨一个百分点，税收收入就会增长23.9854亿元。这与理论分析和经验判断相一致。
2、统计检验
（1）拟合优度：由表 3.4中数据可以得到： 2
0.9974R =，修正的可决系数为
20.9971R =，这说明模型对样本的拟合很好。
（2）F 检验：针对0234:0H βββ===，给定显著性水平0.05α=，在F 分布表中查出自由度为k-1=3和n-k=21的临界值(3,21) 3.075F α=。由表3.4中得到F=2717.238，由于F=2717.238>(3,21) 3.075F α=，应拒绝原假设0234:0H βββ===，说明回归方程显著，即“国内生产总值”、“财政支出”、“商品零售物价指数”等变量联合起来确实对“税收收入”有显著影响。 （3）t 检验：分别针对0H ：0(1,2,3,4)j j β==，给定显著性水平0.05α=，查t 分布
表得自由度为n-k=21临界值
2
() 2.080
t n k α-=。由表3.4中数据可得，与^1β、^2β、^
3β、
^
4β对应的t 统计量分别为-2.7459、3.9566、21.1247、2.7449，其绝对值均大于2
() 2.080t n k α-=，这说明分别都应当拒绝
H
：
0(1,2,3,4)j
j β==，也就是说，当在
其它解释变量不变的情况下，解释变量“国内生产总值”（2X ）、“财政支出”（3X ）、“商品零售物价指数”（4X ）分别对被解释变量“税收收入”Y 都有显著的影响。
案例分析五 中国A 股新股抑价率多因素回归分析
1、新股的抑价发行
IPO 抑价是指发行定价存在着低估现象，即新股发行定价低于新股的市场价值，表现为新股发行价格明显低于新股上市首日收盘价格，上市首日就能获得显著的超额回报。
市场化的发行制度下，新股发行的定价过程是发行企业、承销商和投资者之间多次谈判的结果。一个有效的IPO 市场是不应该存在超常收益率的。但国外许多学者研究发现，在一些发行市场化的市场中，尽管承销商通过努力平衡对发行股票的供给和需求来得到最佳发行价格。但首日收益率(即新股上市首日收盘价相对于发行价的收益率) 仍然显著为正，即存在着显著的新股发行抑价现象。发行是证券市场运行的基础，而首次公开发行（Initial Public Offering 缩写为IPO ）是股份公司由少数人持股向公众持股转变的重要步骤。发行定价是发行业务中的核心环节，定价是否合理不仅关系到发行人、投资者以及承销商的切身利益，而且关系到发行市场的监管乃至证券市场资源配置功能的发挥。IPO 抑价率是衡量新股发行定价是否合理的重要指标。如果IPO 抑价率小于0，即新股上市首日就跌破发行价，说明定价过高；如果IPO 抑价率显著大于0，即上市首日就获得显著的超额收益，就说明新股存在定价过低的现象。从各国的发行实践看，新股发行定价适度低于二级市场上市价格是普遍存在的，这是由于股票市场IPO 发行中特有的信息不对称和信息不确定性等多种因素造成的。
2、中国IPO 抑价率多因素模型分析 （1） 多变量回归分析含义
多变量回归分析是指因变量依赖两个或者更多个解释变量或回归元的模型的分析。最为简单的多元回归模型，是含有一个因变量和两个解释变量的三变量回归模型。
12233i i i i
Y X X u βββ=+++ （1）
在方程（1）中，
1β是截距项，它代表了X 2和X 3均为零时的Y 的均值，给出了所
有未被包含到模型中来的变量对Y 的影响。系数2β和
3β被称为偏回归系数，
2
β度量着
X
2
的单位变化对Y 均值的直接或者净影响， 3β度量着X 3的单位变化对Y 均值的直接或者
净影响。
（2）中国IPO 抑价率多因素回归模型
在股票发行初级市场中，针对IPO 的超额收益率，设定新股抑价率为AR=Pt-P0/P0，构建多因素回归模型，跟前文相对应，我们先设定两个回归元的回归模型，假定AR 跟股票的发行规模有关，在本例中我们用其发行规模的对数值来替代设定为LGIPO ，除此之外还有股票的中签率有关，则设定一个简单的三变量回归模型为
123i i i i
AR LGIPO RAT u βββ=+++ （2）
在本例中我们用的数据主要是1999年1月～2002年6月120只上海证券交易所上市的新股数据。则在eviews 中回归得到下面数据：
C
4.683394
0.922971
5.074257
0.0000
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eviews详解
作业： 2．自己设计一个一元线性回归模型，并查阅2012年统计年鉴，用1985-2011年数据完成下列要求： （1） 作散点图； （2） 拟合样本回归函数； （3） 对所建立的模型进行经济意义检验； （4） 对所建立的模型进行统计检验，并详细解释检验结果； （5） 作历史模拟图，并计算平均绝对百分比误差： % 100?11?-=∑=n i i i i Y Y Y n MAPE （6） 用2011年数据对模型作外推检验； （7） 预测2012年、2013年被解释变量的值，并给出总体均值的95%预测区间。 （注：用Eviews 完成）
解： 由经济理论分析可知，经济发展水平与居民消费水平有密切关系。因 此，我们设定居民消费水平i Y （绝对数（元））与国内生产总值i X （亿元） 的关系为： 011,1,2,...,27 i i Y X i ββμ=++= 数据来源：中国统计年鉴2012 (1) 散点图： 在Eviews 中，通过Quick →Gragh →Scatter Diagram ，得到如下散点图：
(2)拟合样本回归函数：通过Quick estimation equation，在如下窗口中输 入： 得到：
由此可得样本回归函数： ^ =665.6063+0.02534i i Y X ， （7.398） （50.495） 2 R =0.9903 (3) 其中^ 1β=0.02534是回归方程的斜率，它表示1985-2011年期间，GDP 每增加1亿元，居民消费水平平均增加0.02534元；^ 0β=665.6065是回 归方程的截距,她表示不受GDP 影响的居民消费水平的起始值。 ^ 1β，^ 0β的符号大小均符合经济理论及实际情况。 (4) 统计检验。2R =0.9903，说明总离差平方和的99.03%被样本回归直线 所解释，只有0.97%未被解释，因此样本回归对样本点的拟合优度很高。给出显著性水平，α=0.05，查自由度n-2=25的t 分布表，得临界值0.05(25) 2.060t =，^ t β=7.398 > 0.05(25) 2.060t =， ^ 1 t β=50.495 > 0.05(25) 2.060t =， 拒绝回归系数为零的原假设，说明X 变量显著地影响Y 变量。 (5)作历史模拟图，并计算平均绝对百分比误差：
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Eviews多重共线性实验报告
计量经济学E v i e w s多重共线性实验报告 Company Document number：WUUT-WUUY-WBBGB-BWYTT-1982GT
实验报告课程名称计量经济学 实验项目名称多重共线性 班级与班级代码 专业 任课教师 学号： 姓名： 实验日期： 2014 年 05 月 11日 广东商学院教务处制 姓名实验报告成绩 评语： 指导教师（签名） 年月日 说明：指导教师评分后，实验报告交院（系）办公室保存。 计量经济学实验报告 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：应用教材第127页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：最小二乘法估计的原理、t检验、F检验、2R值。 五、实验步骤 1、选择数据 理论上认为影响能源消费需求总量的因素主要有经济发展水平、收入水平、产业发展、人民生活水平提高、能源转换技术等因素。为此，收集了中国能源消费标准煤总量、国民总收入、国内生产总值GDP、工业增加值、建筑业增加值、交通运输邮电业增加值、人均生活电力消费、能源加工转换效率等1985——2007年的统计数据。本题旨在通过建立这些经济变量的线性模型来说明影响能源消费需求总量的原因。主要数据如下： 1985~2007年统计数据
资料来源：《中国统计年鉴》，中国统计出版社2000、2008年版。 为分析Y 与X1、X2、X3、X4、X5、X6、X7之间的关系，做如下折线图： 能源消费Y 在1986到1996年间缓慢增长，在96至98年有短暂的下跌，但是98至02年开始缓慢回升，02年到06年开始快速增长。 国民总收入X1和国内生产总值X2以相同的趋势逐年缓慢增长。 工业增加值X3在1985年-1999年期间一直是缓慢增长，但在2000年出现了急剧下降的现象，2001年又急剧增长，达到下降前的水平，2001年以后开始缓慢增长。建筑业增长值x4、交通运输邮电业增加值x5、人均生活电力消费x6、能源加工转换效率x7数值较低，但都以较平缓的方式增长。 2、设定并估计多元线性回归模型 t t t t t t t u X X X X X Y ++++++=66554433221ββββββ （） 录入数据，得到图。 2.2.1）采用OLS 估计参数 在主界面命令框栏中输入 ls y c x1 x2 x3 x4 x5 x6 x7回车，即可得到参数的估计结果。 由此可见，该模型的可决系数为，修正的可决系数为，模型拟和很好，F 统计量为，回归方程整体上显着。 可是其中的lnX3、lnX4、lnX6对lnY 影响不显着,不仅如此，lnX2、lnX5的参数为负值，在经济意义上不合理。所以这样的回归结果并不理想。 3、多重共线性模型的识别
联立方程计量经济学模型案例
第六章 联立方程计量经济学模型案例 1、下面建立一个包含3个方程的中国宏观经济模型，已经判断消费方程式恰好识别的，投资方程是过度识别的。对模型进行估计。样本观测值见表6.1 01211012t t t t t t t t t t t C Y C u I Y u Y I C G αααββ-=+++?? =++??=++? 表6.1 中国宏观经济数据 单位：亿元 （1） 用狭义的工具变量法估计消费方程 选取方程中未包含的先决变量G 作为内生解释变量Y 的工具变量，过程如下：
结果如下： 所以，得到结构参数的工具变量法估计量为： 012???582.27610.2748560.432124αα α===，， （2） 用间接最小二乘法估计消费方程 消费方程中包含的内生变量的简化式方程为： 1011112120211222t t t t t t t t C C G Y C G πππεπππε--=+++?? =+++? 参数关系体系为：
11121210012012122000 παπαπααππαπ--=?? --=??-=? 用普通最小二乘法估计，结果如下： 所以参数估计量为： 101112???1135.937,0.619782, 1.239898π ππ=== 202122???2014.368,0.682750, 4.511084π ππ=== 所以，得到间接最小二乘估计值为： 12122??0.274856?π α π ==
211121????0.432124α παπ=-= 010120????582.2758α παπ=-= （3）用两阶段最小二乘法估计消费方程 第一阶段使用普通最小二乘法估计内生解释变量的简化方程，得到 1?2014.3680.68275 4.511084t t t Y C G -=++ 用Y 的预测值替换消费方程中的Y ，直接用OLS 估计消费方程，过程如下：
计量经济学Eviews操作攻略
计量经济学Ｅvｉews操作攻略 考试重点：绪论——第六章(第七~十章了解即可） 考试形式:开卷 考试题型:１、问答题（资料整理ing） ２、计算题(要体现5大步骤,预测之后要进行异方差与自相关检验） 3、分析题（资料整理iｎg） 说明:由于前三章操作简单，在此不做赘述.从第四章开始结合课后题写下软件操作步骤。本操作攻略就是文字型得,大家瞧不懂得地方尽管问，我可以在线演示。文字数据及操作纯手工打上去得,难免有纰漏，希望大家在复习中发现错误及时联系我，方便我及时改正并给大家纠错，谢谢,么么哒! 题4、1 建立工作文件创建一个范围在1９90—１９9８年得时间序列工作文件.接下来创建变量序列t与Y,并输入数据。 对变量进行代换菜单栏【Ｑuick】——【Genｅratｅｓeｒies】输入“y1=loｇ(y)”,生成一个新变量y1。 建立模型用y1对x进行回归.得出结果如图４、３所示. 将模型方程还原根据现有得方程将原有得方程形式表示出来。 进行预测操作方法同一元与多元。 题5、2
创建工作文件创建一个序号在1-29得工作文件，创建变量，并输入数据。 图示法检验 绘制x－y图:【Ｑuick】—【Graph】-输入“x y”—下拉菜单选择Ｓcattｅr Diａgrａm —点击OK即可。 绘制x－e图：【Quiｃk】-【Graph】-输入“ｘreｓiｄ”-下拉菜单选择Scatter Diａｇｒam—点击OK即可。 G—Q检验 将X得样本观测值按升序排序,Ｙ与原先得Ｘ对应:按住Ｃｔｒl双选x与y,【Ｐｒocs】—【Sort serieｓ】—输入“x”—点击OK即可。 对第一个子样估计模型:主窗口菜单【Quick】—【EstimatｅEｑuatｉｏn】—输入“y c ｘ"—在Samｐｌe输入框输入“１１1”(第二个字样模型此处输入“１929”）-点击OK即可。
计量经济学-案例分析-第六章
第六章 案例分析 一、研究目的 2003年中国农村人口占59.47％，而消费总量却只占41.4%，农村居民的收入和消费是一个值得研究的问题。消费模型是研究居民消费行为的常用工具。通过中国农村居民消费模型的分析可判断农村居民的边际消费倾向，这是宏观经济分析的重要参数。同时，农村居民消费模型也能用于农村居民消费水平的预测。 二、模型设定 正如第二章所讲述的，影响居民消费的因素很多，但由于受各种条件的限制，通常只引入居民收入一个变量做解释变量，即消费模型设定为 t t t u X Y ++=21ββ （6.43） 式中，Y t 为农村居民人均消费支出，X t 为农村人均居民纯收入，u t 为随机误差项。表6.3是从《中国统计年鉴》收集的中国农村居民1985-2003年的收入与消费数据。 表6.3 1985-2003年农村居民人均收入和消费 单位： 元
2000 2001 2002 2003 2253.40 2366.40 2475.60 2622.24 1670.00 1741.00 1834.00 1943.30 314.0 316.5 315.2 320.2 717.64 747.68 785.41 818.86 531.85 550.08 581.85 606.81 为了消除价格变动因素对农村居民收入和消费支出的影响，不宜直接采用现价人均纯收入和现价人均消费支出的数据，而需要用经消费价格指数进行调整后的1985年可比价格计的人均纯收入和人均消费支出的数据作回归分析。 根据表6.3中调整后的1985年可比价格计的人均纯收入和人均消费支出的数据，使用普通最小二乘法估计消费模型得 t t X Y 0.59987528.106?+= （6.44） Se = (12.2238) (0.0214) t = (8.7332) (28.3067) R 2 = 0.9788，F = 786.0548，d f = 17，DW = 0.7706 该回归方程可决系数较高，回归系数均显著。对样本量为19、一个解释变量的模型、5%显著水平，查DW 统计表可知，d L =1.18，d U = 1.40，模型中DW 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Eviews操作攻略 考试重点：绪论——第六章（第七~十章了解即可） 考试形式：开卷 考试题型：1、问答题（资料整理ing） 2、计算题（要体现5大步骤，预测之后要进行异方差和自相关检验） 3、分析题（资料整理ing） 说明：由于前三章操作简单，在此不做赘述。从第四章开始结合课后题写下软件操作步骤。本操作攻略是文字型的，大家看不懂的地方尽管问，我可以在线演示。文字数据及操作纯手工打上去的，难免有纰漏，希望大家在复习中发现错误及时联系我，方便我及时改正并给大家纠错，谢谢，么么哒！ 题4.1 建立工作文件创建一个范围在1990—1998年的时间序列工作文件。接下来创建变量序列t和Y，并输入数据。 对变量进行代换菜单栏【Quick】——【Generate series】输入“y1=log(y)”，生成一个新变量y1。 建立模型用y1对x进行回归。得出结果如图4.3所示。 将模型方程还原根据现有的方程将原有的方程形式表示出来。 进行预测操作方法同一元和多元。 题5.2 创建工作文件创建一个序号在1—29的工作文件，创建变量，并输入数据。 图示法检验 绘制x-y图：【Quick】—【Graph】—输入“x y”—下拉菜单选择Scatter Diagram—点击OK即可。 绘制x-e图：【Quick】—【Graph】—输入“x resid”—下拉菜单选择Scatter Diagram—点击OK即可。 G-Q检验 将X的样本观测值按升序排序，Y与原先的X对应：按住Ctrl双选x和y，【Procs】—【Sort series】—输入“x”—点击OK即可。 对第一个子样估计模型：主窗口菜单【Quick】—【Estimate Equation】—输入“y c x”—在Sample输入框输入“1 11”（第二个字样模型此处输入“19 29”）—点击OK即可。 White检验 在回归报告窗口下，【View】—【Residual Tests】—【White Heteroskedasticity】(no cross terms即是否选择交叉项)。 克服异方差 在进行过White检验的工作窗口中点击【Procs】—【Specify/Estimate】—【Option】，再在Option对话框中在【Weighted LS/TSLS】前打√，在Weight框中填入适当的权重，如图所示。然后点击OK即可。 确定以后，退回到方程对话框中，点击【OK】，得到结果，如图所示。 第八章案例分析 改革开放以来，随着经济的发展中国城乡居民的收入快速增长，同时城乡居民的储蓄存 款也迅速增长。经济学界的一种观点认为，20世纪90年代以后由于经济体制、住房、医疗、养老等社会保障体制的变化，使居民的储蓄行为发生了明显改变。为了考察改革开放以来中 国居民的储蓄存款与收入的关系是否已发生变化，以城乡居民人民币储蓄存款年底余额代表 居民储蓄（Y），以国民总收入GNI代表城乡居民收入，分析居民收入对储蓄存款影响的数量关系。 表8.1为1978-2003年中国的国民总收入和城乡居民人民币储蓄存款年底余额及增加额的数据。 单位：亿元 2004 鉴数值，与用年底余额计算的数值有差异。 为了研究1978—2003年期间城乡居民储蓄存款随收入的变化规律是否有变化,考证城 乡居民储蓄存款、国民总收入随时间的变化情况，如下图所示: 图8.5 从图8.5中，尚无法得到居民的储蓄行为发生明显改变的详尽信息。若取居民储蓄的增量 （YY ）,并作时序图（见图 8.6） 从居民储蓄增量图可以看出，城乡居民的储蓄行为表现出了明显的阶段特征: 2000年有两个明显的转折点。再从城乡居民储蓄存款增量与国民总收入之间关系的散布图 看（见图8.7），也呈现出了相同的阶段性特征。 为了分析居民储蓄行为在 1996年前后和2000年前后三个阶段的数量关系，引入虚拟变 量D 和D2°D 和D 2的选择，是以1996>2000年两个转折点作为依据，1996年的GNI 为66850.50 亿元,2000年的GNI 为国为民8254.00亿元，并设定了如下以加法和乘法两种方式同时引入 虚拟变量的的模型: YY = 1+ 2GNI t 3 GNI t 66850.50 D 1t + 4 GNh 88254.00 D 2t i D 1 t 1996年以后 D 1 t 2000年以后 其中: D 1t _ t 1996年及以前 2t 0 t 2000年及以前 对上式进行回归后，有: Dependent Variable: YY Method: Least Squares Date: 06/16/05 Time: 23:27 120000 8.7 1996年和 100000- 40000 2WM GNi o eOB2&ISEea9a9l2949698[Ma2 20CUC ir-“- 1CC0C 图 8.6 *OOCO mnoot ， RtKXD Tconr GF* 大连海事大学 实验报告 实验名称：计量经济学软件应用 专业班级：财务管理2013-1 姓名：安妮 指导教师：赵冰茹 交通运输管理学院 二○一六年十一月 一、实验目标 学会常用经济计量软件的基本功能，并将其应用在一元线性回归模型的分析中。具体包括：Eview的安装，样本数据基本统计量计算，一元线性回归模型的建立、检验及结果输出与分析，多元回归模型的建立与分析，异方差、序列相关模型的检验与处理等。二、实验环境 WINDOWSXP或2000操作系统下，基于平台。 三、实验模型建立与分析 案例1： 我国1995-2014年的人均国民生产总值和居民消费支出的统计资料（此资料来自中华人民共和国统计局网站）如表1所示，做回归分析。 表1我国1995-2014年人均国民生产总值与居民消费水平情况 （1）做出散点图，建立居民消费水平随人均国内生产总值变化的一元线性回归方程，并解释斜率的经济意义； 利用eviews软件输出结果报告如下： Dependent Variable: CONSUMPTION Method: Least Squares Date: 06/11/16 Time: 19:02 Sample: 1995 2014 Included observations: 20 Variable Coeffici ent Std. Error t-Statisti c Prob.?? C AVGDP R-squared ????Mean dependent var Adjusted R-squared????. dependent var . of regression ????Akaike info criterion Sum squared resid1538032.????Schwarz criterion Log likelihood ????Hannan-Quinn criter. F-statistic ????Durbin-Watson stat Prob(F-statistic) 由上表可知财政收入随国内生产总值变化的一元线性回归方程为: （令Y=CONSUMPTION,X=AVGDP（此处代表人均GDP）） 我国限额以上餐饮企业营业额的 影响因素分析 班级： 姓名： 学号： 指导老师： 我国限额以上餐饮企业营业额的影响因素分析 摘要：本文收集了1999—2009共11年的相关数据，选取餐饮企业的数量、城镇居民人均年消费性支出、全国城镇人口数以及公路里程数作为解释变量构建模型，对我国限额以上餐饮企业营业额的影响因素进行分析。并利用Eviews软件对模型进行参数估计和检验，且加以修正，最后根据模型的最终结果进行经济意义分析，然后提出自己的看法。 关键词：餐饮企业营业额、影响因素、计量分析 一、研究背景 近十年来，投资者进入餐饮企业的数量一直持递增趋势。在他们进入一个行业之前，势必要对该行业的营业额、营业利润等进行估计，当这些因素的估计值能够达到他们的预期的时候，他们才会对其进行投资。由于餐饮企业的营业额是影响投资者是否进入餐饮业的一个重要因素，那么对于我国餐饮企业的营业额问题的深入研究就相当的有必要，这有助于投资者作出合理的决策。下面即进行了对我国限额以上餐饮企业营业额的计量模型研究。 二、变量的选取 影响餐饮企业营业额的因素有很多，包括餐饮企业的数量、营业面积、从业人员、城镇居民人均年消费性支出、全国城镇人口数、餐饮企业的平均价格水平及公路里程数（表示交通状况），但综合考虑后，选取了其中的一部分变量（企业数、城镇居民人均年消费性支出、全国城镇人口数、公路里程数）进行研究，并对各个变量对餐饮企业营业额的影响进行预测。 1.企业数 本文认为餐饮企业营业额与餐饮企业的数量有关，并预测两者之间呈正相关2. 城镇居民人均年消费性支出 本文认为餐饮企业营业额与城镇居民人均年消费性支出有关，并预测两者之间呈正相关 3. 全国城镇人口数 本文认为餐饮企业营业额与全国城镇人口数有关，并预测两者之间呈正相关4. 公路里程数 本文认为餐饮企业营业额与公路里程数有关，并预测两者之间呈正相关三、相关数据：其中营业额（单位：亿元），企业数（单位：个），人均年消费性 支出（单位：元），全国城镇人口数（单位：万人），公路里程数（单位：万公里） 年度 营业额 （Y）企业数（x1） 人均年消费性 支出(x2) 全国城镇人口 数（x3） 公路里程 数（x4） 1999351955932664615.9143748135.2 200040524453508499845906140.3 2001489894341325309.0148064169.8 2002624247150216029.8850212176.5 2003747000059356510.9452376181 200411605000100677182.154283187.1 20051260200099227942.8856212334.5 第二章案例分析 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6029.88元, 最低的黑龙江省仅为人均4462.08元，最高的上海市达人均10464元，上海是黑龙江的2.35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2.5的数据: 表2.52002年中国各地区城市居民人均年消费支出和可支配收入 案例分析一关于计量经济学方法论的讨论 问题：利用计量经济学建模的步骤，根据相关的消费理论，刻画我国改革开放以来的边际消费倾向。 第一步：相关经济理论。首先了解经济理论在这一问题上的阐述，宏观经济学中，关于消费函数的理论有以下几种：①凯恩斯的绝对收入理论，认为家庭消费在收入中所占的比例取决于收入的绝对水平。②相对收入理论，是由美国经济学家杜森贝提出的，认为人们的消费具有惯性，前期消费水平高，会影响下一期的消费水平，这告诉我们，除了当期收入外，前期消费也很可能是建立消费函数时应该考虑的因素。关于消费函数的理论还有持久收入理论、生命周期理论，有兴趣的同学可以参考相应的参考书。毋庸置疑，收入和消费之间是正相关的。 第二步：数据获得。在这个例子中，被解释变量选择消费，用cs表示；解释变量为实际可支配收入，用inc表示（用GDP减去税收来近似，单位：亿元）；变量均为剔除了价格因素的实际年度数据，样本区间为1978～2002年。 第三步：理论数学模型的设定。为了讨论的方便，我们可以建立下面简单的线性模型： 第四步：理论计量经济模型的设定。根据第三步数学模型的形式，可得 式中：cs=CS/P，inc=(1-t)*GDP/P，其中GDP是当年价格的国内生产总值，CS代表当年价格的居民消费值，P代表1978年为1的价格指数，t=TAX/GDP代表宏观税率，TAX是税收总额。u t表示除收入以外其它影响消费的因素。 第五步：计量经济模型的参数估计 根据最小二乘法，可得如下的估计结果： 常数项为正说明，若inc为0，消费为414.88，也就是自发消费。总收入变量的系数 为边际消费倾向，可以解释为城镇居民总收入增加1亿元导致居民消费平均增加0.51亿元。 另外，根据相对收入理论，我们可以得到下面的估计结果： 计量经济学课程案例分析论文 本小组案例：影响税收收入的因素 摘要：我国经济增长与税收增长之间是正相关的，经济增长是税收增长的源泉，而税收又是国家财政收入的主要来源，国家把税收收入用于经济建设，发展科学、教育、文化、卫生等事业，反过来又促进经济的进一步增长。 关键字：税收国内生产总值财政支出商品零售价格指数 一、引言：改革开放以来，随着经济体制的改革的深化和经济的快速增长，中国的财政收支状况发生很大的变化，为了研究中国税收收入增长的主要原因，分析中央和地方税收收入的增长规律，预测中国税收未来的增长趋势，需要建立计量经济学模型。 二、经济理论分析：影响中国税收收入增长的主要因素可能有： 【1】从宏观经济上看经济增长是税收增长的基本源泉 【2】社会经济的发展和社会保障等对公共财政提出要求，公共财政的需求可能对当年的税收入可能会有一定的影响。 【3】物价水平。中国的税制结构以“流转税”为主，以现行价格计算的GDP和经营者的收入水平都与物价水平有关。 【4】税收政策因素 三、建立模型：以各项税收收入Y作为解释变量 以GDP表示经济增长水平 以财政支出表示公共财政的需求 以商品零售价格指数表示物价水平 税收政策因素较难用数量表示，暂时不予考虑 模型设定为Y=β1X1+β2X3+β3X3+C 其中：Y—各项税收收入（亿元） X1—国内生产总值（亿元） X2—财政支出（亿元） X3—商品零售价格指数（%） 四、数据收集： 年份x1 x2 x3 y 1978 3645.20 1122.09 100.70 519.28 1979 4062.60 1281.79 102.00 537.82 1980 4545.60 1228.83 106.00 571.70 1981 4891.60 1138.41 102.40 629.89 1982 5323.40 1229.98 101.90 700.02 1983 5962.70 1409.53 101.50 775.59 1984 7208.10 1701.02 102.80 947.35 1985 9016.00 2004.25 108.80 2040.79 1986 10275.20 2204.91 106.00 2090.73 1987 12058.60 2262.18 107.30 2140.36 1988 15042.80 2491.21 118.50 2390.47 1989 16992.30 2823.78 117.80 2727.40 1990 18667.80 3083.59 102.10 2821.86 1991 21781.50 3386.62 102.90 2990.17 1992 26923.50 3742.20 105.40 3296.91 1993 35333.90 4642.30 113.20 4255.30 1994 48197.90 5792.62 121.70 5126.88 1995 60793.70 6823.72 114.80 6038.04 1996 71176.60 7937.55 106.10 6909.82 1997 78973.00 9233.56 100.80 8234.04 1998 84402.30 10798.18 97.40 9262.80 1999 89677.10 13187.67 97.00 10682.58 2000 99214.60 15886.50 98.50 12581.51 2001 109655.20 18902.58 99.20 15301.38 2002 120332.70 22053.15 99.70 17636.45 2003 135822.80 24649.95 99.90 20017.31 2004 159878.30 28486.89 102.80 24165.68 2005 184937.40 33930.28 100.80 28778.54 2006 216314.40 40422.73 101.00 34809.72 2007 265810.30 49781.35 103.80 45621.97 2008 314045.40 62592.66 105.90 54223.79 2009 340902.80 76299.90 98.80 59521.59 2010 401202.00 89874.16 103.10 73210.79 回归分析： 相关分析 ∑ 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。 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: 082 .1704035.2262==Y X ∑∑∑∑====37 52432495.1986.788859011.516634423.1264471222i i i i i X y x y x 根据以上基础数据求得: 623865.0423 .126447986 .788859?21 == =∑∑i i i x y x β 8775.292035.2262623865.0082.1704??1 0=?-=-=X Y ββ 样本回归函数为： i i X Y 623865.08775.292?+= 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。 计量经济学作业操作过程详解 1.进入Eviews软件 2.主菜单-->File--->Workfile 3.打开工作文件范围选择框，选择Annual,分别输入1985,1998。点击完成。 4.数据输入： 方法一：导入excel文件中的数据 1）在excel中先建立数据文件2）点击file/import/read text-lotus-excel选项，在对话框 中选择已建立的excel文件 4）打开后，在新的对话框中输入想要分析的变量名称，然后点击OK即可。此时工作文件中出现变量图标。 方法二：手工数据输入 主菜单--->Quick----->Empty Group 分别输入变量Y、GDP的数据。点击obs后面的灰色格子中分别输入Y、GDP。 （方法一：一个一个输入 方法二：在Excel中输入完再复制粘贴） 5.主菜单---->Quick----->Estimate Equation 打开估计模型对话框，输入Y C GDP ，（如上图所示，注意字母之间要有空格）点击OK键。得出Eviews的估计结果： β（上面还要带个帽子，电脑打不出来），26.95415为1β。 其中12596.27为0 第五步可以直接输入LS Y C GDP 等出结果 6.一元线性回归模型的预测 1）在工作文件主窗口点击procs/change workfile range(改变范围)，弹出对话框，在对话框的end date栏中输入预测值的时间或序号，点击OK 2）在工作文件窗口中双击解释变量文件，在变量窗口中点击edit+/-键，进 入编辑模式，在变量窗口底端输入新序号的数值，再点击edit+/-键，关闭编辑模式 3）再次进行估计，点击quick/estimate equation，在对话框中输入方程，注意样本范围应不包括新序号，点击OK得到估计结果计量经济学案例分析汇总
计量经济学Eviews操作攻略
计量经济学-案例分析-第八章
计量经济学eviews实验报告
计量经济学论文(eviews分析)
计量经济学-案例分析-第二章
计量经济学Eviews操作案例集.
计量经济学eviews软件案例分析
计量经济学案例分析一元回归模型实例分析报告
最新计量经济学案例分析一元回归模型实例分析
计量经济学EViews操作