《计量经济学课程作业(共22页).doc》由会员分享，可在线阅读，更多相关《计量经济学课程作业(共22页).doc（22页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、精选优质文档-倾情为你奉上广东石油化工学院 20152016学年第二学期计量经济学作业班级： 作业11、下表是中国2007年各地区税收和国内生产总值GDP的统计资料。单位：亿元地区YGDP地区YGDP 北 京1435.7 9353.3 湖 北434.0 9230.7 天 津438.4 5050.4 湖 南410.7 9200.0 河 北618.3 13709.5 广 东2415.5 31084.4 山 西430.5 5733.4 广 西282.7 5955.7 内蒙古347.9 6091.1 海 南88.0 1223.3 辽 宁815.7 11023.5 重 庆294.5 4122.5 吉 林
2、237.4 5284.7 四 川629.0 10505.3 黑龙江335.0 7065.0 贵 州211.9 2741.9 上 海1975.5 12188.9 云 南378.6 4741.3 江 苏1894.8 25741.2 西 藏11.7 342.2 浙 江1535.4 18780.4 陕 西355.5 5465.8 安 徽401.9 7364.2 甘 肃142.1 2702.4 福 建594.0 9249.1 青 海43.3 783.6 江 西281.9 5500.3 宁 夏58.8 889.2 山 东1308.4 25965.9 新 疆220.6 3523.2 河 南625.0 150
3、12.5 以Eviews软件完成以下问题：（1） 作出散点图，建立税收随国内生产总值GDP变化的一元线性回归方程，并解释斜率的经济意义；散点图如图所示：建立如下的回归模型根据Eviews软件对表中数据进行回归分析的计算结果知：R2 = 0. F=91.99198斜率的经济意义：国内生产总值GDP每增加1亿元，国内税收增加0.071亿元。（2）对所建立的方程进行检验；从回归估计的结果看，模型拟合较好。可决系数R2=0.，表明国内税收变化的76.03%可由国内生产总值GDP的变化来解释。从斜率项的t检验值看，大于10%显著性水平下自由度为n-2=29的临界值t0.05(29)=1.699，且该斜率
4、值满足00.0711，符合经济理论中税收乘数在0与1之间的说法，表明2007年，国内生产总值GDP每增加1亿元，国内税收增加0.071亿元。（3）若2008年某地区国内生产总值为8500亿元，求该地区税收收入的预测值和预测区间。由上图可得知该地区国内生产总值的预测值：Yi= -10.63+0.071*8500=592.87（亿元）下面给出国内生产总值90%置信度的预测区间E(GDP)=8891.126Var(GDP)=.64在90%的置信度下，某地区E(Y0)的预测区间为(60.3,1125.5)。2、已知某市货物运输总量Y（万吨），国内生产总值GDP（亿元，1980不变价）1985年-199
5、8年的样本观测值见下表。年份YGDP年份YGDP198518249161.69199217522246.92198618525171.07199321640276.8198718400184.07199423783316.38198816693194.75199524040363.52198915543197.86199624133415.51199015929208.55199725090465.78199118308221.06199824505509.1资料来源：天津统计年鉴，1999年。（1） 估计一元线性回归模型；建立货物运输量Y随国内生产总值GDP的一元线性回归模型从图中可以看出Y
6、与GDP之间可能存在线性相关关系。但是我们无法得出Y与GDP之间精确的计量关系，因此用普通最小二乘法进行一元线性回归模型的估计。（2） 对估计结果作结构分析；普通最小二乘法建立一元线性回归模型：将Y作为被解释变量，GDP作为解释变量利用eviews6.0的Equation进行模型估计，输出结果报告如下：Ss ssa由上表可知货物运输量随国内生产总值变化的一元线性回归方程为:Y=12596.27+26.9542*GDP其中斜率26.95415表示国内生产总值每增加一元,货物运输量平均增长26.9542万辆。（3） 对估计结果进行统计检验；对所建立建立的回归方程进行检验（t（12）=2.18） 经
7、济学意义上的检验从回归方程来看，国内生产总值每增加一元，货物运输量平均增长26.9542万辆。系数为正，符合经济发展规律，是具有经济意义的模型。 计学意义上的检验l l 可决系数R-squared=0.，说明被解释变量的变异中有76%以上。可由方程解释，模型总体拟合程度还不错。l l F统计量=42.79505，其伴随概率0. t0.025(19)=2.09,t1=15.55 t0.025(19)=2.09,故回归系数均显著不为零，回归模型中应包含常数项，X1对Qt有显著影响。 对回归方程的结构分析：1=5.91是样本回归方程的斜率，它表示我国粮食产量的边际消费倾向，说明化肥施用量每消耗1万吨
8、，将生产5.91万吨粮食。 0=2693.69，是样本回归方程的截距，它表示不受化肥施用量的影响的粮食产量。他们的大小，均符合经济理论及目前的实际情况。统计检验： r2=0.94,说明总离差平方和的94%被样本回归直线解释，仅有6%未被解释，因此，样本回归直线对样本的拟合优度是很高的。 给出显著水平=0.05，查自由度v=21-2=19的t分布，得临界值t0.025(19)=2.09,t0=29.39 t0.025(19)=2.09，t1=16.56 t0.025（19）=2.09,故回归系数均显著不为零，回归模型中应包含常数项，X2t对Qt有显著影响。对回归方程的结构分析： 1=1.95是样
9、本回归方程的斜率，它表示我国粮食产量的边际消费倾向，说明土地灌溉面积每消耗1千公顷，将生产1.95万吨粮食。 0=-49775.62，是样本回归方程的截距，它表示不受化肥施用量的影响的粮食产量。他们的大小，不符合经济理论及目前的实际情况。统计检验： r2=73%,说明总离差平方和的73%被样本回归直线解释，有27%未被解释，因此，样本回归直线对样本的拟合优度不是很高的。给出显著水平=0.05，查自由度v=21-2=19的t分布，得临界值t0.025(19)=2.09,T0=-3.93 t0.025（19）=2.09,故回归系数均显著不为零，回归模型中应包含常数项，X2t对Qt有显著影响。（3）
10、用其中最好的模型求199年-2002年的预测值，并求出2000年的预测区间。 由上述分析可知，X2t预测的最准确，假定1999年，2000年，2001年，2002年化肥施用量分别为4190.8万吨，4287.5万吨，4367.9万吨，4495.7万吨，预测值分别为65452.97万吨，66963.25万吨,68218.36万吨,70214.97万吨。2000年的预测区间为：66963.25-2.092657.32, 66963.25+2.092657.32计算得：61409.45,72517.05 作业21、经研究发现，学生用于购买书籍及课外读物的支出与本人的受教育年限和其家庭收入水平有关，对
11、18名学生进行调查的统计资料如下表所示。18名学生的调查资料学生序号购买书籍及课外读物支出（元/年）受教育年限（年）家庭可支配月收入（元/月）1450.54171.22507.74174.23613.95204.34563.44218.75501.54219.46781.57240.47541.84273.58611.15294.891222.110330.210793.27333.111660.8536612792.76350.913580.94357.914612.7535915890.87371.91611219435.3171094.28523.918125310604.1以Eview
12、s软件完成以下问题：（1） 求出学生购买书籍与课外读物的支出与受教育年限和家庭收入水平的估计回归方程. Dependent Variable: YMethod: Least SquaresDate: 05/20/16 Time: 22:00Sample: 1 18Included observations: 18VariableCoefficientStd. Errort-StatisticProb.C-0.30.32236-0.0.9748X1104.31466.16.275920.0000X20.0.3.0.0035R-squared0.Mean dependent var755.1500
13、Adjusted R-squared0.S.D. dependent var258.6859S.E. of regression39.21162Akaike info criterion10.32684Sum squared resid23063.27Schwarz criterion10.47523Log likelihood-89.94152F-statistic362.4430Durbin-Watson stat2.Prob(F-statistic)0.Y = -0. + 104.*X1 + 0.*X2（2） 对所建立的方程进行检验；对总体参数，的显著性进行t检验；，所对应的T检验分别得
14、16.27592 3.因为 a=0.05,查自由度得15得t分布表，得临界值t0.025（15）=2.13，t1=16.27592,t2=3.,均大于临界值t0.025=2.13,故回归系数显著不为零，X对Y有显著影响。（3） 假设有一学生的受教育年限年，家庭可支配月收入元/月，求该学生购买书籍与课外读物的支出，并求出相应的预测区间。对该回归模型总体显著性进行F检验；F值为362.4430因为a=0.05,F 0.05(2,15)=3.68, 又因为F=362.44303.68,所以拒绝原假设，总体回归方程存在显著的线性关系。2、在异乡对某社区家庭对某种消费品的消费需要调查中，得到下表所示的资
15、料。单位：元序号对某商品的消费支出商品单价家庭月收入序号对某商品的消费支出商品单价家庭月收入1591.923.5676206644.434.141292026545244.4491207680.035.30143403623.632.07106708724.038.70159604647.032.46111609757.139.63180005674.031.151190010706.846.68（1） 利用上述资料，进行回归分析。手工方法：以矩阵形式表达，二元样本回归方程为参数的估计值为由于于是根据随机干扰项方差的估计式得到而故又由于故Eview方法： 利用eviews得到回归结果Depen
16、dent Variable: YMethod: Least SquaresDate: 05/20/16 Time: 17:33Sample: 1 10Included observations: 10VariableCoefficientStd. Errort-StatisticProb.C626.509340.1301015.611950.0000X1-9.3.-3.0.0183X20.0.4.0.0017R-squared0.Mean dependent var670.3300Adjusted R-squared0.S.D. dependent var49.04504S.E. of reg
17、ression17.38985Akaike info criterion8.Sum squared resid2116.847Schwarz criterion8.Log likelihood-40.96488Hannan-Quinn criter.8.F-statistic32.29408Durbin-Watson stat1.Prob(F-statistic)0.图2-1根据图2-1的数据，得到模型的估计结果为：Y = 626. - 9.*X1 + 0.*X2 （15.61195） （-3.） （4.）R2=0. =0. D.W.=1.ei2=2116.807 F=32.29408 df=
18、(2,7)随机干扰项的方差估计值为：=2116.807/7=0.（2） 如果商品单价变为35元，则某一月收入为20000元的家庭消费支出估计是多少？构造该估计值的95%的置信区间。由上图可以看出商品单价变为35元，则某一月为20000元的家庭的消费支出估计是856.2025.上图在第11行（预测行）即可直接显示个别值的预测值标准差为：而由于因此，取，均值的预测的标准差为在5%的显著性水平下，自由度为10-2-1=7的t分布的临界值为，于是均值的95%的预测区间为 或（768.58,943.82）同样容易得到个值的预测的标准差为于是，值的95%的预测区间为 或（759.41,952.99）3、下
19、表列出了中国某年按行业分的全部制造业国有企业及规模以上制造业非国有企业的工业总产值Y，资产合计K及职工人数L。序号工业总产值Y（亿元）资产合计K（亿元）职工人数L（万人）序号工业总产值Y（亿元）资产合计K（亿元）职工人数L（万人）13722.703078.2211317812.701118.814321442.521684.4367181899.702052.166131752.372742.7784193692.856113.1124041451.291973.8227204732.909228.2522255149.305917.01327212180.232866.658062291.1
20、61758.77120222539.762545.639671345.17939.1058233046.954787.902228656.77694.9431242192.633255.291639370.18363.4816255364.838129.68244101590.362511.9966264834.685260.2014511616.71973.7358277549.587518.7913812617.94516.012828867.91984.5246134429.193785.9161294611.3918626.94218145749.028688.0325430170.3
21、0610.9119151781.372798.908331325.531523.1945161243.071808.4433 设定模型为（1） 利用上述资料，进行回归分析。设定并估计可化为线性的非线性回归模型：Dependent Variable: LNYMethod: Least SquaresDate: 05/21/16 Time: 18:49Sample: 1 31Included observations: 31VariableCoefficientStd. Errort-StatisticProb.C1.0.1.0.1240LNK0.0.3.0.0018LNL0.0.1.0.0843
22、R-squared0.Mean dependent var7.Adjusted R-squared0.S.D. dependent var0.S.E. of regression0.Akaike info criterion1.Sum squared resid5.Schwarz criterion1.Log likelihood-15.92300Hannan-Quinn criter.1.F-statistic59.65501Durbin-Watson stat0.Prob(F-statistic)0.根据上图中的数据，得到模型的估计结果为：LOG(Y) = 1. + 0.*LOG(K) +
23、 0.*LOG(L) - （2-1-1） （1.） （3.） （1.） R2=0. =0. D.W.=0. ei2=5. F=59.65501 df=(2,28)随机干扰项的方差估计值为：=5./28=0.（1）回归结果表明：这一年，lnY变化的80.9925%可由lnK和lnL的变化来解释。在5%的显著性水平下，F统计量的临界值未，表明模型的线性关系显著成立。在5%的显著性水平下，自由度为n-k-1=28的t统计量临界值为，因此lnK的参数通过了该显著性水平下的t检验，但lnL未通过检验。如果将显著性水平设为10%，则t分布的临界值为，此时lnL的参数也通过了显著性水平检验。观察lnK和ln
24、L的系数我们可以认为，资产每增加1%，总产值就增加0.61%，而职工人数每增加1%，总产值就增加0.36%。（2）回答：中国该年的制造业总体呈现规模报酬不变状态吗？从回归结果可以得到：，也就是说，资产与劳动的产出弹性之和可以认为为1，即中国制造业这年呈现出规模报酬不变的状态。下面进行参数的约束检验，原假设。若原假设为真，则估计模型为：Dependent Variable: LNY0Method: Least SquaresDate: 05/21/16 Time: 20:00Sample: 1 31Included observations: 31VariableCoefficientStd.
25、Errort-StatisticProb.C1.0.1.0.0962M0.0.3.0.0015R-squared0.Mean dependent var3.Adjusted R-squared0.S.D. dependent var0.S.E. of regression0.Akaike info criterion1.Sum squared resid5.Schwarz criterion1.Log likelihood-15.97888Hannan-Quinn criter.1.F-statistic12.27328Durbin-Watson stat0.Prob(F-statistic)
26、0.从上图中的回归结果可看到此模型通过了F检验和t检验，而在5%的显著性水平为，自由度为（1，28）的F分布的临界值为4.20，F4.20，不拒绝原假设，表明该年中国制造业呈现规模报酬不变的状态。再由WD检验可得：Wald Test:Equation: UntitledTest StatisticValuedfProbabilityt-statistic1.290.1466F-statistic2.(1, 29)0.1466Chi-square2.10.1358Null Hypothesis: C(1)+C(2)=1Null Hypothesis Summary:Normalized Rest
27、riction (= 0)ValueStd. Err.-1 + C(1) + C(2)0.0.Restrictions are linear in coefficients.因此，之前分析正确。不拒绝原假设，原假设为真。4、已知某地区某农产品收购量，销售量，出口量，库存量的1955-1984年的样本观测值如下表。试建立以收购量为被解释变量的多元回归模型并预测。 （单位：万担）年份19557.965.330.934.08195615.346.822.98.3195713.558.173.8410.76195810.949.483.398.0319596.398.031.074.4719601.493.580.461.3919610.61.170.50.919620.660.920.50.4319636.041.630.394.61196415.417.731.439.11196515.39.460.9211.89196619.3213.970.6616.51196735.7617.321.1320.79196835.0317.360.2230.01196935.5819.690.4