计量经济学实验报告2023年【计量经济学实验报告材料模版】.docx

《计量经济学实验报告2023年【计量经济学实验报告材料模版】.docx》由会员分享，可在线阅读，更多相关《计量经济学实验报告2023年【计量经济学实验报告材料模版】.docx（48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、 计量经济学实验报告2023【计量经济学实验报告材料模版】 时间：2023-07-16 08:18:57来源：天一资源网 本文已影响 人 计 量 经 济 学 实 验 报 告 ：罗静 班级：B100906 学号： 计量经济学课程试验报告1 专业 国际贸易 班级 B100906 罗静 日期 2023.9.28 试验目的学会Eviews工作文件的建立、数据输入、数据的编辑和描述； 把握用Eviews软件求解简洁线性回归模型的方法； 3把握用Eviews软件输出结果对模型进展统计检验； 4把握用Eviews软件进展经济猜测。 试验容 首先依据实际分析居民消费水平与经济增长的关系，并建立回归模型，然后以

2、最小二乘法利用Eviews软件估量参数值，得到估量值后，再依据估量值来进展模型检验，包括经济意义检验、拟合优度和统计检验。最终便可进展回归猜测。 试验数据 教材p55页，表2.5。 年份 全体居民人均消费水平(元)Y 人均GDP(元)X 年份 全体居民人均消费水平(元)Y 人均GDP(元)X 1978 184 381 1993 1393 2998 1979 208 419 1994 1833 4044 1980 238 463 1995 2355 5046 1981 264 492 1996 2789 5846 1982 288 528 1997 3002 6420 1983 316 583

3、1998 3159 6796 1984 361 695 1999 3346 7159 1985 446 858 2023 3632 7858 1986 497 963 2023 3869 8622 1987 565 1112 2023 4106 9398 1988 714 1366 2023 4411 10542 1989 788 1519 2023 4925 12336 1990 833 1644 2023 5463 14053 1991 932 1893 2023 6138 16165 1992 1116 2311 2023 7081 18934 试验步骤 分析居民人均消费水平Y和人均GD

4、P的关系 模型设定：Yt=1+2Xt+Ut 用Eviews估量参数。步骤如下： 1，建立工作文件：双击Eviews图标，进入Eviews主页。在菜单项选择项中依次点击New - Workfile，消失“Workfile Range”。在“Workfile Frequency”中选择数据频率“Annual”，并在“start Date”菜单中输入“1978”，在“End”菜单中输入“2023”点击“OK”消失未命名文件的“Workfile UNTITLED”工作框。已有对象“c”为截距项，“resid”为剩余项。 2，输入数据：在“Quick”菜单中点击“Empty Group”，消失数据编辑窗

5、口。将第一列命名为“Y”：方法是按上行键“”，对应“obs”格自动上跳，在对应的其次行有边框的“obs”空格中输入变量名为“Y”，再按下行键“”，变量名一下各格消失“NA”，依次输入Y的对应数据。按同样的方法，可对“X”等其他变量命名，并输入对应数据 3，参数估量：在Eviews主页面直接点击“Quick”菜单，点击“Estimate Equation”，消失“Equation specification”对话框，选用OLS估量，然后在该对话框中输入“Y C X”，点击“OK”即消失以下结果 模型检验： 1，经济意义检验：所估量参数1=224.3149，2=0.38643，说明人均GDP每增加

6、1元，平均来说可导致居民消费水平提高0.38643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：通过Eviews软件，估量出可决系数R2=0.988884，说明所建模型整体上对样本数据拟合较好，即解释变量“人均GDP”对被解释变量“居民消费水平”的绝大局部差异作出了解释。 对回归系数t的检验：针对H0：1=0和=0，通过Eviews软件，估量的回归系数1的估量值的标准误差和t值分别为： 55.64114和4.031457；2估量值的标准误差和t值分别为0.007743和49.90815.若取=0.05，查t0.025（28）=2.048.由于1和2的估量值的t值都大于t0.

7、025（28），所以拒绝H0，即说明，人均GDP对居民消费水平确有影响。 试验结论 通过Eviews估量样本模型如下： Yt=224.3149+0.38643Xt （55.64114）（0.007743） T=（4.031457）（49.90815） R2=0.98884 F=2490.823 n=30 1，试验从科学的角度解释了人均GDP与居民消费之间的关 2，建立正确的回归猜测模型是很关键的一步 3，简洁随机模型是在一下假定的：零均值假定、同方差假定、无自相关假定、随机扰动与解释变量不相关假定、正态假定 4，一般最小二乘法估量参数的根本思想是基于随机误差值最小的计量经济学课程试验报告2 专

8、业 国际贸易 班级 B100906 罗静 日期 2023.11.9 试验目的把握用Eviews软件求解多元线性回归模型的方法； 2把握用Eviews软件输出结果检验是否存在多重共线性； 3把握用Eviews软件模型中的订正多重共线性。 试验容 首先分析解释变量和被解释变量之间的关系，然后建立相应的回归模型，利用Eviews软件最小二乘法进展参数估量，用经济意义检验，拟合优度检验和统计检验来判定是否存在多重共线性，若存在，用Eviews软件进展修正，最终的出修正的结果。 试验数据 教材p119页，表4.3。 年份 国旅游收入Y（亿元） 国旅游人数X2（万人次） 城镇居民人均旅游花费X3（元） 农

9、村居民人均旅游花费X4 （元） 大路里程 X5（万公里） 铁路里程X6（万公里） 1994 1023.5 52400 414.7 54.9 111.78 5.9 1995 1375.7 62900 464 61.5 115.7 5.97 1996 1638.4 63900 534.1 70.5 118.58 6.49 1997 2112.7 64400 599.8 145.7 122.64 6.6 1998 2391.2 69450 607 197 127.85 6.64 1999 2831.9 71900 614.8 249.5 135.17 6.74 2023 3175.5 74400 6

10、78.6 226.6 140.27 6.87 2023 3522.4 78400 708.3 212.7 169.8 7.01 2023 3878.4 87800 739.7 209.1 176.52 7.19 2023 3442.3 87000 684.9 200 180.98 7.3 2023 4710.7 110200 731.8 210.2 187.07 7.44 2023 5285.9 121200 737.1 227.6 193.05 7.54 2023 6229.74 139400 766.4 221.9 345.7 7.71 2023 7770.62 161000 906.9

11、222.5 358.37 7.8 试验步骤 分析国旅游收入、国旅游人数、城镇居民人均旅游花费、农村居民人均旅游花费、大路里程、铁路里程之间的关系 建立模型：Yt=0+1X1+2X2+3X3+4X4+5X5+6X6+7X7+Ut 用Eviews估量参数。步骤如下（其他步骤参见试验一）： 首先建立数据文件Y和X2、X3、X4、X5、X6，其次输入各年对应数据，然后进展参数估量得到如下所示回归结果 Dependent Variable: Y Method: Least Squares Date: 11/17/12 Time: 20:48 Sample: 1994 2023 Included obse

12、rvations: 14 Coefficient Std. Error t-Statistic Prob. C -1472.644 1137.041 -1.295154 0.2314 X2 0.042506 0.004614 9.213157 0.0000 X3 4.432148 1.063303 4.168282 0.0031 X4 2.922153 1.093570 2.672123 0.0283 X5 1.427853 1.417728 1.007142 0.3434 X6 -354.8261 244.8543 -1.449132 0.1853 R-squared 0.997311 ?M

13、ean dependent var 3527.783 Adjusted R-squared 0.995631 ?S.D. dependent var 1927.495 S.E. of regression 127.4045 ?Akaike info criterion 12.83014 Sum squared resid 129855.2 ?Schwarz criterion 13.10402 Log likelihood -83.81097 ?Hannan-Quinn criter. 12.80479 F-statistic 593.5006 ?Durbin-Watson stat 1.55

14、8287 Prob(F-statistic) 0.000000 4，模型检验： 经济意义检验：所估量参数6=-354.8261，说明大路里程每增加一个单位，国旅游收入就削减-354.8261个单位，这与实际不相符合。 拟合优度和t 统计检验：通过Eviews模型估量的可决系数R2=0.997311，说明所建模型整体上对样本数据拟合较好，对国旅游收入、国旅游人数、城镇居民人均旅游花费、农村居民人均旅游花费、大路里程、铁路里程说明的大局部差异作出解释。 对回归系数t的检验：若取=0.05，t0.025（8）=2.31，很明显x5、x6t检验部显著 3，由1,2可以说明，很可能存在严峻的多重共线性。

15、 5，修正多重共线性： 1，分别作y对先、x2、x3、x4、x5、x6的一元回归，结果如下 变量 x2 x3 x4 x5 x6 参数估量值 0.058826 14.02245 19.61 22.596 3025.062 t统计量 18.24883 9.309 3.271 8.709 9.14 R2 0.965219 0.8784 0.4714 0.8634 0.8744 修正的R2 0.962321 0.8682 0.4273 0.852 0.864 其中，参加x2的方程修正的R2最大，x2为根底，顺次参加其他变量逐步回归，结果如下 变量 x2 x3 x4 x5 x6 修正的R2 x2、x3

16、0.041（15.2635） 5.1427（7.666） 0.993519 x2、x4 0.0523（5.3186） 5.48299（5.3186） 0.988491 x2、x5 0.0587（5.6749） 0.0534（0.0127） 0.958896 x2、x6 0.0434（8.2145） 935.01（3.2754） 0.979191 经比拟，新参加x3的方程拟合优度即修正的R2=0.993519比拟高，改良最大,而且各参数的t检验最显著，选择保存x3，再参加其他的新变量逐步回归，结果如下 变量 x2 x3 x4 x5 x6 修正的R2 x2、x3、x4 0.0452（16.042）

17、 3.666（3.8314） 2.1786（1.9744） 0.99487 x2、x3、x5 0.0379（7.5527） 5.188（7.5314） 1.2361（0.7216） 0.993224 x2、x3、x6 0.0418（13.702） 5.75597（4.8365） -178.7471（-0.6325） 0.993145 当参加x4时，修正的R2有所改良，保存x4，再参加其他变量逐步回归，结果如下 x2 x3 x4 x5 x6 修正的R2 0.0394（9.11） 3.5794（3.8152） 2.4036（2.1957） 1.78799（1.2092） 0.995097 0.04

18、61（15.6285） 4.6031（4.3817） 2.8112（2.5817） -398.054（-1.64993） 0.995624 当参加x4时，修正的R2有所增加，但其t检验不显著。参加x6后，修正R2有所增加，但t检验部显著，且参数为负，与实际不相符合。从相关关系可知，x5、x6与其他变量高度相关，这说明主要是x5、x6引起了多重共线性，应当剔除。 试验结论 最终修正多重共线性影响后的回归结果为 Yt=-3136.713+0.00458X2t+3.66603X3t+2.17858X4t （295.9214）（0.0027）（90.9568）（1.12342） T=(9-10.599

19、8）(16.0418)(3.83139)(1.974398) R2=0.996054 修正的R2=0.99487 F=841.4324 DW=1.17632 1，在生活中的许多模型是存在多重共线性，利用Eviews软件，然后进展各种检验可根本判别哪些解释变量存在多重共线性 2，多重共线性的修正步骤比拟多，但思路是比拟清楚的，尤其是逐步回归法 3，逐步回归的结果虽然减轻多重共线性的目的，但某些解释变量被剔除，可能会给模型带来设定偏误，这是需要我们留意的计量经济学课程试验报告3 专业 国际贸易 班级 B100906 罗静 日期 2023.11.14 试验目的1把握用Eviews软件检验线性回归模型

20、是否存在异方差的图形检验法、Goldfeld-Quanadt检验和White检验的方法； 2把握用Eviews软件消退模型中的异方差的方法； 试验容 依据实际分析医疗机构数和人口数的关系，建立回归模型，利用Eviews软件进展回归的参数猜测，然后通过图形法、Goldfeld-Quanadt检验、White检验来判定模型是否存在异方差性，若存在，则进展模型修正。最终得出修正结果 试验数据 教材p142-143页，表5.1。 地区 人口数（万人） 医疗机构数（个）Y 地区 人口数（万人） 医疗机构数（个）Y X X 1013.3 6304 眉山 339.9 827 315 911 508.5 15

21、30 103 934 438.6 1589 463.7 1297 达州 620.1 2403 德阳 379.3 1085 149.8 866 518.4 1616 346.7 1223 302.6 1021 资阳 488.4 1361 371 1375 阿坝 82.9 536 江 419.9 1212 甘孜 88.9 594 345.9 1132 凉山 402.4 1471 709.2 4064 试验步骤 分析医疗机构和人口数的关系 模型建立：Yt=1+2X+Ut 用Eviews估量参数。步骤如下（其他步骤参见试验一）： 首先建立数据文件Y和X1，其次输入各年对应数据，然后进展参数估量得到如下

22、所示回归结果 4，模型的异方差检验： 1，图形法：1，生成残差平方序列ei2，记为e2，路径：ObjectGenerate Series，进入Generate Series by Equation对话框，在对话框中输入“e2=（resid）2”，则生成ei2系列. 2，绘制et2对Xt的散点图。选择变量X与e2，进入数据列表，再按路径ViewGraphScatter，可得散点图，如下 3，推断，由图可知道，残差平方ei2对解释变量X的散点图主要分布在图形中的下三角局部，大致看出残差平方ei2随Xi的变动呈增大的趋势，因此模型很可能存在异方差。 2，Goldfeld-Quanadt检验：1，对变

23、量取值排序。在Procs菜单中选Sort Series命令，选Ascending，表示递增型排序，输入X，点击Ok 2，构造子样本区间，建立回归模型。样本容量n=21，删除中间的4分之1，余下1-8,和14-21，在sample菜单中将区间定义为1-8，然后用OLS方法估量，结果如下 Dependent Variable: Y Method: Least Squares Date: 11/25/12 Time: 09:34 Sample: 1 8 Included observations: 8 Coefficient Std. Error t-Statistic Prob. C 598.25

24、25 119.2922 5.015018 0.0024 X 1.177650 0.490187 2.402452 0.0531 R-squared 0.490306 ?Mean dependent var 852.6250 Adjusted R-squared 0.405357 ?S.D. dependent var 201.5667 S.E. of regression 155.4343 ?Akaike info criterion 13.14264 Sum squared resid 144958.9 ?Schwarz criterion 13.16250 Log likelihood -

25、50.57056 ?Hannan-Quinn criter. 13.00869 F-statistic 5.771775 ?Durbin-Watson stat 1.656269 Prob(F-statistic) 0.053117 Dependent Variable: Y Method: Least Squares Date: 11/25/12 Time: 09:35 Sample: 14 21 Included observations: 8 Coefficient Std. Error t-Statistic Prob. C -2940.426 430.7787 -6.825839 0

26、.0005 X 9.177641 0.693419 13.23534 0.0000 R-squared 0.966883 ?Mean dependent var 2520.500 Adjusted R-squared 0.961363 ?S.D. dependent var 1781.627 S.E. of regression 350.2023 ?Akaike info criterion 14.76721 Sum squared resid 735844.7 ?Schwarz criterion 14.78707 Log likelihood -57.06884 ?Hannan-Quinn

27、 criter. 14.63326 F-statistic 175.1744 ?Durbin-Watson stat 1.815102 Prob(F-statistic) 0.000011 3，求F统计量。由以上e1i2=144958.9，e2i2=73588.4，那么 F=e1i2e2i2=73588.4144958.9=5.0762 4，推断，在=0.05下，以上F统计量的自由度都为6，查F表可得F0.05（6,6）=4.28F=5.0762，所以模型的确存在异方差。 3，White检验：对原始Y和X进展参数估量，然后按路径ViewResidualWhite heteroskedastic

28、ity，进入White检验，选择no cross terms，估量结果如下 Heteroskedasticity Test: White F-statistic 55.61118 ?Prob. F(2,18) 0.0000 Obs*R-squared 18.07481 ?Prob. Chi-Square(2) 0.0001 Scaled explained SS 11.78770 ?Prob. Chi-Square(2) 0.0028 Test Equation: Dependent Variable: RESID2 Method: Least Squares Date: 11/25/12 T

29、ime: 10:14 Sample: 1 21 Included observations: 21 Coefficient Std. Error t-Statistic Prob. C 823375.5 130273.4 6.320365 0.0000 X -3605.578 553.5894 -6.513091 0.0000 X2 4.742387 0.532352 8.908366 0.0000 R-squared 0.860705 ?Mean dependent var 351198.3 Adjusted R-squared 0.845228 ?S.D. dependent var 45

30、4261.0 S.E. of regression 178711.1 ?Akaike info criterion 27.15649 Sum squared resid 5.75E+11 ?Schwarz criterion 27.30571 Log likelihood -282.1432 ?Hannan-Quinn criter. 27.18888 F-statistic 55.61118 ?Durbin-Watson stat 1.687985 Prob(F-statistic) 0.000000 由以上结果可得到，nR2=18.07481,由White检验知，在=0.05下，查2 0.

31、05（2）=5.9915，同时X和X2的t检验值也显著。由于nR2=18.074812 .05（2）=5.9915，所以，说明模型存在异方差。 5，异方差的修正 运用加权最小二乘法，分别选择权数w1t=/Xt，w2t=1/Xt2，w3t=1/Xt。权数的生成过程如下，在Enter equation处，分别输入w1=1/X，w2=1/X2，w3=1/sqr（X），各种估量如下 Dependent Variable: Y Method: Least Squares Date: 11/25/12 Time: 10:37 Sample: 1 21 Included observations: 21 W

32、eighting series: W1 Coefficient Std. Error t-Statistic Prob. C 384.6123 87.90442 4.375346 0.0003 X 2.723571 0.433389 6.284353 0.0000 Weighted Statistics R-squared 0.675175 ?Mean dependent var 1104.228 Adjusted R-squared 0.658079 ?S.D. dependent var 464.4126 S.E. of regression 336.2853 ?Akaike info criterion 14.56419 Sum squared resid 2148668.