计量经济学实验报告

计量经济学实验报告实验名称：计量经济学软件应用专业班级：2012级工商管理（1）班姓名：指导教师：交通运输管理学院二○一四年十二月计量经济学实验报告学号：-1-一、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：EViews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Windows7操作系统下，基于EViews6平台。三、实验模型建立与分析案例1（一元线性回归）：已知某市货物运输量Y（万吨），国内生产总值GDP（亿元，1980年不变价）1985年至1998年的样本观测数据如表1-1所示表1-1：年份YGDP198518249161.69198618525171.07198718400184.07198816693194.75198915543197.86199015929208.55199118308221.06199217522246.92199321640276.80199423783316.38199524040363.52199624133415.51199725090465.78199824505509.10资料来源：《天津统计年鉴》，1999年计量经济学实验报告学号：-2-（1）做出散点图，建立货物运输量随国内生产总值变化的一元线性回归方程，并对估计结果进行结构分析。(图1-2：货物运输量Y与国内生产总值GDP的散点图)利用EViews软件输出结果报告如下：表1-3：DependentVariable:YMethod:LeastSquaresDate:12/09/14Time:19:18Sample:19851998Includedobservations:14CoefficientStd.Errort-StatisticProb.GDP26.954154.1203006.5417920.0000C12596.271244.56710.121010.0000R-squared0.781002Meandependentvar20168.57AdjustedR-squared0.762752S.D.dependentvar3512.487S.E.ofregression1710.865Akaikeinfocriterion17.85895Sumsquaredresid35124719Schwarzcriterion17.95024Loglikelihood-123.0126Hannan-Quinncriter.17.85050F-statistic42.79505Durbin-Watsonstat0.859998Prob(F-statistic)0.00002814,00016,00018,00020,00022,00024,00026,000100200300400500600GDPY计量经济学实验报告学号：-3-（图1-4：残差、实际值和拟合值折线图）由表1-3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=26.9541*GDP+12596.2657其中斜率β̂1=26.9541表示国内生产总值每增加1亿元，货物运输量平均增长26.9541万吨。β̂0=12596.2657是截距，表示不受GDP影响的货物运输量。β̂1和β̂0的符号和大小，均符合经济理论及实际情况。（2）对所建立的一元线性回归方程进行检验①经济意义检验β̂1=26.9541，β̂0=12596.2657的符号和大小，符合经济理论和实际情况。②统计准则检验拟合优度r2=0.78，说明总离差平方和的78%被样本回归直线解释，有22%未被解释，因此样本回归直线对样本点的拟合优度较高。显著性检验：F-statistic=42.79505，Prob(F-statistic)=0.000028，远小于0.05，说明货物运输-3,000-2,000-1,00001,0002,0003,00014,00016,00018,00020,00022,00024,00026,00028,0008586878889909192939495969798ResidualActualFitted计量经济学实验报告学号：-4-量与GDP之间存在显著线性关系。对常数项β̂0进行显著性检验在显著性水平α=0.05条件下，由EViews输出结果Prob（t）远小于0.05，故拒绝原假设。对β̂1进行显著性检验：在显著性水平α=0.05条件下，由EViews输出结果Prob（t）远小于0.05，故拒绝原假设。表明GDP对货物运输量影响显著。③计量经济学准则检验由表1-3可得DW=0.859998，查表可得=1.10，所以原模型存在序列正相关。由White检验结果：HeteroskedasticityTest:WhiteF-statistic0.426924Prob.F(2,11)0.6629Obs*R-squared1.008438Prob.Chi-Square(2)0.6040ScaledexplainedSS0.265722Prob.Chi-Square(2)0.8756可知原模型不存在异方差。（3）预测①样本内预测：EViews输出结果如下图所示：(图1-5：样本内预测图，forecast输出结果)12,00016,00020,00024,00028,00032,0008586878889909192939495969798YF±2S.E.Forecast:YFActual:YForecastsample:19851998Includedobservations:14RootMeanSquaredError1583.953MeanAbsoluteError1382.668MeanAbs.PercentError7.214921TheilInequalityCoefficient0.038785BiasProportion0.000000VarianceProportion0.061716CovarianceProportion0.938284计量经济学实验报告学号：-5-Lastupdated:12/09/14-20:26Modified:19851998//eq01.fit(f=actual)yf198516954.48198617207.31198717557.72198817845.59198917929.41199018217.55199118554.75199219251.78199320057.17199421124.02199522394.64199623795.98199725150.97199826318.62（表1-6样本内预测yf序列输出结果）②样本外预测若2000年某市以1980为不变价的GDP为620亿元，求2000年货物运输量的预测值及预测区间。首先，在sample或range中改变样本区间，将样本去见扩大到[1995，2000]，然后输入2000年GDP的值620亿元，在Equation中Forecast，去yf序列中查看，得到预测值y2000=29307.84由)ˆr(aˆv)2(ˆ0020YYntY－，t0.025(14-2)=2.18,得y2000的预测区间为：29307.84±2.18×1710.865计量经济学实验报告学号：-6-案例2-1（存在多重共线性的多元线性回归）：表2-1-1是被解释变量Y，解释变量X1，X2，X3，X4的时间序列观测值：表2-1-1：时间序列观测表序号YX1X2X3X416.040.15.51086326.040.34.7947236.547.55.21088647.149.26.810010057.252.37.39910767.658.08.79911178.061.310.210111489.062.514.19711699.064.717.193119109.366.821.3102121（1）采用适当的方法检验多重共线性。①建立组对象查看自变量的相关系数矩阵。目的是为了查看哪些变量之间线性相关性比较强，也就是相关系数比较大。EViews输出相关系数矩阵结果如下：表2-1-2：YX1X2X3X4Y1.0000000.9721690.937597-0.3887400.912166X10.9721691.0000000.879363-0.3388760.956248X20.9375970.8793631.000000-0.3047050.760764X3-0.388740-0.338876-0.3047051.000000-0.413541X40.9121660.9562480.760764-0.4135411.000000②以建立方程对象的方式来建立多元线性回归模型，结果如下：表2-1-3：DependentVariable:YMethod:LeastSquaresDate:12/10/14Time:22:37Sample:110Includedobservations:10CoefficientStd.Errort-StatisticProb.X10.0602630.0483781.2456710.2681X20.0890900.0371682.3969780.0619X3-0.0125980.018171-0.6933090.5190X40.0074060.0176120.4204980.6916计量经济学实验报告学号：-7-C3.9144511.9524402.0049020.1013R-squared0.979655Meandependentvar7.570000AdjustedR-squared0.963379S.D.dependentvar1.233829S.E.ofregression0.236114Akaikeinfocriterion0.257851Sumsquaredresid0.278750Schwarzcriterion0.409144Loglikelihood3.710743Hannan-Quinncriter.0.091884F-statistic60.18950Durbin-Watsonstat2.213879Prob(F-statistic)0.000204③对模型结果的解释和评价。本案例中有明显的多重共线性的现象。从计算结果看，R2较大并接近于1，而且F=60.19F0.05(4，5)=5.19，故认为被解释变量Y与上述所有解释变量间总体线性相关显著。但同时，X1，X2，X3，X4前参数未通过t检验，故认为解释变量间存在多重共线性。结果说明模型存在共线性，与相关系数矩阵得到了相互验证。即通过观察可见，F统计量概率为0，说明方程显著；但t的prob大于0.05，说明解释变量间存在共线性。（3）逐步引入法选择变量，同时克服多重共线性手动逐个加入自变量分别做被解释变量Y对各个解释变量的回归，得到结果如下：①Y对X1的回归结果，表2-1-4：DependentVariable:YMethod:LeastSquaresDate:12/10/14Time:23:00Sample:110Includedobservations:10CoefficientStd.Errort-StatisticProb.X10.1221240.01040511.736720.0000C0.9423070.5729601.6446300.1387R-squared0.945112Meandependentvar7.570000AdjustedR-squared0.938251S.D.dependentvar1.233829S.E.ofregression0.306599Akaikeinfocriterion0.650305Sumsquaredresid0.752024Schwarzcriterion0.71