計量經(jīng)濟學(xué)報告

1、精選優(yōu)質(zhì)文檔-傾情為你奉上計量經(jīng)濟學(xué)期末考試試題1結(jié)合自己的專業(yè)收集相關(guān)實際數(shù)據(jù)，作一個多元線性回歸的計量經(jīng)濟學(xué)模型，要求：（1） 用eviews進行參數(shù)估計，寫出多元線性回歸的數(shù)學(xué)模型；（2） 進行擬合優(yōu)度檢驗，方程的顯著性檢驗和變量的顯著性檢驗；（3） 作異方差檢驗，用加權(quán)最小二乘法重新估計模型，與(1)的模型作對比和評價；（4） 作序列相關(guān)檢驗，用廣義最小二乘法或廣義差分法重新估計模型，與(1)和(2)的模型作對比和評價；（5） 做多重共線性檢驗，如果存在多重共線性則消除多重共線性，與前面的模型作對比和評價；（6） 分別用前述3個模型進行點預(yù)測和區(qū)間預(yù)測，對預(yù)測結(jié)果作適當(dāng)評價。2結(jié)合實際

2、問題，收集相關(guān)數(shù)據(jù)，作Ganger因果關(guān)系分析。3收集實際數(shù)據(jù)，作一個帶虛變量回歸的計量經(jīng)濟學(xué)分析和預(yù)測。研究問題：1.CPI（居民消費價格指數(shù)）的數(shù)值高低，一方面取決于各個類別中每一規(guī)格品種的價格變化；另一方面取決于CPI的構(gòu)成，即各個類別在CPI中所占的權(quán)重。本文研究了CPI與城市居民消費價格指數(shù)與農(nóng)村居民消費價格指數(shù)及商品零售價格指數(shù)間的關(guān)系，旨在探究出是城市居民還是農(nóng)村居民或商品零售價格對于CPI的貢獻。因此，當(dāng)前背景下對CPI的深度分析，確定其影響因素，保持CPI穩(wěn)定顯得十分重要。本文期望通過實證模型分析出影響我國CPI的主要因素，并通過結(jié)論提出合理化建議。下面給出了2005年-20

3、15年數(shù)據(jù)，其數(shù)據(jù)來源與中國統(tǒng)計年鑒。表1 價格指數(shù)表指標(biāo)居民消費價格指數(shù)(上年=100)城市居民消費價格指數(shù)(上年=100)農(nóng)村居民消費價格指數(shù)(上年=100)商品零售價格指數(shù)(上年=100)2005年101.8101.6102.2100.82006年101.5101.5101.51012007年104.8104.5105.4103.82008年105.9105.6106.5105.92009年99.399.199.798.82010年103.3103.2103.6103.12011年105.4105.3105.8104.92012年102.6102.7102.51022013年102.61

4、02.6102.8101.42014年102102.1101.81012015年101.4101.5101.3100.11 用eviews進行參數(shù)估計，寫出多元線性回歸的數(shù)學(xué)模型；2 進行擬合優(yōu)度檢驗，方程的顯著性檢驗和變量的顯著性檢驗；3 作異方差檢驗，用加權(quán)最小二乘法重新估計模型，與(1)的模型作對比和評價；4 作序列相關(guān)檢驗，用廣義最小二乘法或廣義差分法重新估計模型，與(1)和(2)的模型作對比和評價；5 做多重共線性檢驗，如果存在多重共線性則消除多重共線性，與前面的模型作對比和評價；6 分別用前述3個模型進行點預(yù)測和區(qū)間預(yù)測，對預(yù)測結(jié)果作適當(dāng)評價。解題：(1) 以居民消費價格指數(shù)為（）

5、,城市居民消費價格指數(shù)(),農(nóng)村居民消費價格指數(shù)(),商品零售價格指數(shù)(),做參數(shù)估計得到以下結(jié)果，如圖1：圖 1其對應(yīng)的回歸表達式為：(0.24) (0.00) (0.00) (0.5293)(2) 擬合優(yōu)度，說明模型的擬合優(yōu)度高；在給定顯著性水平的情況下（例子中解釋變量的數(shù)目為3，樣本容量為11），顯然有表明模型的線性關(guān)系在95%的置信水平下顯著成立，即方程是顯著的。給定顯著性水平0.05，可知變量t統(tǒng)計量的概率值只有沒有通過檢驗，因為其，因此將接受原假設(shè)，解釋變量顯著為0，而其他的都是顯著不為零。(3) 異方差檢驗如圖2所示：圖 2White統(tǒng)計量，該值大于5%顯著性水平下自由度為6的分

6、布的相應(yīng)臨界值，(在估計模型中含有兩個解釋變量，所以自由度為11)，因此接受同方差性的原假設(shè)。(4) 序列相關(guān)檢驗為：作殘差項與時間t以及與的關(guān)系圖，如圖3：圖 3從圖1中可以看出：DW檢驗結(jié)果表明，在5%的顯著性水平下，n=24，k=2，查表，由于，故無自相關(guān)。(5) 多重共線性檢驗： 根據(jù)回歸表達式的結(jié)果，未能通過t檢驗,故認(rèn)為解釋變量間存在多重共線性。對進行簡單的相關(guān)系數(shù)檢驗，過程如圖4：圖 4由圖4相關(guān)系數(shù)矩陣可以看出，各解析變量之間的相關(guān)系數(shù)較高，可以看出之間存在嚴(yán)重的自相關(guān)性，證實解析變量之間存在多重共線性。下面我們將采用逐步回歸法來減少共線性的嚴(yán)重程度而不是徹底地消除它接下來找出

7、最簡單的回歸形式。分別做出與間的回歸，結(jié)果如下圖：a.圖 5Y = -2. + 1.*X1 （0.3376） （0.0000） b.圖 6Y = 8. + 0.9*X2 （0.0596） （0.0000）c.圖 7Y = 10. + 0.5*X3 （0.0873） （0.0000）通過一元回歸結(jié)果圖5圖7進行對比分析，依據(jù)調(diào)整可決系數(shù)最大原則，選擇作為進入回歸模型的第一個解析變量，形成一元回歸模型。采用逐步回歸尋找最佳回歸方程：1) 在初始模型中引入，結(jié)果如下圖:圖 8從上面的結(jié)果可以看出，模型擬合度顯著提高，且參數(shù)符號合理，變量也通過了t檢驗。從而引入，根據(jù)第一問的結(jié)果，盡管擬合度有所提高，

8、但的參數(shù)未能通過t檢驗，且符號不合理。所以最終的糧食生產(chǎn)函數(shù)應(yīng)以為最優(yōu)，擬合結(jié)果如下：Y = 0.3 + 0.6*X1 + 0.6*X2 (0.2588) (0.0000) (0.0000) 相比于模型1中得到的結(jié)果，我們認(rèn)為與其他變量存在多重共線性，去掉后，模型的結(jié)果顯著改變。(6) 點預(yù)測與區(qū)間預(yù)測由于我們所得模型不存在序列相關(guān)性和異方差性，所以我們只對存在多重共線性的模型進行點預(yù)測和區(qū)間預(yù)測，其預(yù)測結(jié)果如下：點預(yù)測內(nèi)插預(yù)測：在Equation框中，點擊“Forecast”，在Forecast name框中可以為所預(yù)測的預(yù)測值序列命名，計算機默認(rèn)為yf，點擊“OK”，得到樣本期內(nèi)被解釋變量

9、的預(yù)測值序列yf（也稱擬合值序列）的圖形形式，如圖9所示。圖 9外推預(yù)測：雙擊Workfile菜單下的Range所在行，出現(xiàn)將Workfile structured對話框，將右側(cè)Observation旁邊的數(shù)值改為12，然后點擊OK，即可用將Workfile的Range以及Sample的Range改為2016；雙擊打開group01序列表格形式，將編輯狀態(tài)切換為“可編輯”，在序列中補充輸入；同樣的方法錄入；在Equation框中，點擊“Forecast”，彈出一對話框，在其中為預(yù)測的序列命名，如yf2。點擊OK即可用得到預(yù)測結(jié)果的圖形形式，如圖10所示。實際值、預(yù)測值、殘差序列，在view菜單

10、選擇Grap/Line，畫折線圖，如圖11所示。 圖 10 圖 11因此，當(dāng)城市居民消費價格指數(shù)，農(nóng)村居民消費價格指數(shù)時，居民消費指數(shù)。區(qū)間預(yù)測接下來將進行個別值的置信區(qū)間的預(yù)測：圖 12把預(yù)測值的標(biāo)準(zhǔn)差，命名為YS1，然后點解OK，即可在Workfile界面看到一個名為YS1的序列。雙擊打開這一序列，如圖12所示，在第2016年（預(yù)測行）即可直接顯示個別值的預(yù)測值標(biāo)準(zhǔn)差為：把結(jié)果代入，即可得到Y(jié)個別值的95%的置信區(qū)間為：2.建立中國長期的水資源模型?？紤]到水資源的總量是衡量一個國家是否有長期發(fā)展的一個基本要素，而影響水資源總量的因素，不僅在本期，而且長期在發(fā)揮作用。對于水資源總量的影響因素

11、部分為人均水資源量，表2給出了相關(guān)數(shù)據(jù)，其來源與中國統(tǒng)計年鑒。表 2指標(biāo)水資源總量(億立方米)人均水資源量(立方米/人)2015年27962.62039.252014年27266.91998.642013年27957.862059.692012年29526.882186.052011年23256.71730.22010年30906.412310.412009年24180.21816.182008年27434.32071.052007年25255.161916.342006年25330.141932.092005年28053.12151.82004年24129.561856.29長期的水資源模型

12、可設(shè)定為使用4期滯后2次多項式估計模型：在工作文件中，點擊QuickEstimate Equation，然后在彈出的對話框中輸入：Y C PDL(X,4,2)，點擊OK，得到如圖13所示的回歸分析結(jié)果。其中，“PDL指令”表示進行多項式分布滯后(Ploynamial Distributed Lags)模型的估計，X為滯后序列名，4表示滯后長度，2表示多項式次數(shù)。由表2中的數(shù)據(jù)，我們得到估計結(jié)果如下：最后得到的分布滯后模型估計式為：圖 13為了進行比較，下面直接對滯后4期的模型進行OLS估計。在工作文件中，點擊QuickEstimate Equation.，然后在彈出的對話框中輸入：Y C X

13、X(-1) X(-2) X(-3) X(-4)，點擊OK，得到如圖14所示的回歸分析結(jié)果。圖 14由圖14中數(shù)據(jù)我們得到可以看出，盡管擬合優(yōu)度有所提高，但變量的系數(shù)大多數(shù)未通過顯著性水平為5%的t檢驗。格蘭杰因果關(guān)系檢驗：Granger因果關(guān)系檢驗結(jié)果，如圖15所示：圖15由圖15中伴隨概率知，在5%的顯著性水平下，拒絕“X不是Y的格蘭杰原因”的原假設(shè)，即“X是Y的格蘭杰原因”；同時接受“Y不是X的格蘭杰原因”。因此，從1階滯后情況來看，X的增長是水資源總量增長的格蘭杰原因，同時廠房開支Y增長不是是X增長的格蘭杰原因，即水資源總量Y與X人均水資源量的增長有單向影響。3.表3中給出了中國1990

14、2009年以城鄉(xiāng)儲蓄存款新增額代表的居民當(dāng)年儲蓄及以GNP代表的居民當(dāng)年收入的數(shù)據(jù)。以1999年為界，判斷1999年前和1999年后的兩個時期中國居民的儲蓄收入關(guān)系是否已發(fā)生變化。表 3時間城鎮(zhèn)居民家庭人均可支配收入X(元)城鄉(xiāng)居民人民幣儲蓄存款年底余額Y(億元)時間城鎮(zhèn)居民家庭人均可支配收入X(元)城鄉(xiāng)居民人民幣儲蓄存款年底余額Y(億元)1990年1510.27119.62000年628064332.381991年1700.69244.92001年6859.673762.431992年2026.611757.32002年7702.886910.651993年2577.415203.52003

15、年8472.2.651994年3496.221518.82004年9421.6.391995年428329662.32005年10493.991996年4838.938520.82006年11759.5.31997年5160.346279.82007年13785.8.191998年5425.153407.472008年15780.8.351999年585459621.832009年17174.7.66估計以下回歸模型：其中為引入的虛擬變量：其估計結(jié)果如下圖：圖 16所以表達式為：從和的t檢驗值可以知道，的值不為0，而的值不為0，所以1999年前和1999年后兩個時期的回歸結(jié)果是不相同的。下面用鄒式檢驗來驗證上面對于兩個時期的回歸結(jié)果相同的結(jié)論是否正確，輸出結(jié)果如圖17所示：圖 17從伴隨概率值可以看出，鄒式檢驗的結(jié)果是拒絕原假設(shè)，即方程結(jié)構(gòu)已經(jīng)發(fā)生變化，1999年是突變點。與設(shè)定虛擬變量的結(jié)果是一樣的。外推預(yù)測：雙擊Work