計量經(jīng)濟(jì)學(xué)實驗報告

1、大連海事大學(xué)實驗報告 學(xué)號：2220123514 大連海事大學(xué)實 驗 報 告實驗名稱： 計量經(jīng)濟(jì)學(xué)軟件應(yīng)用 專業(yè)班級： 2012 級工商管理（1）班 姓 名： 宋 楊 指導(dǎo)教師： 趙冰茹 交通運(yùn)輸管理學(xué)院二一四 年 十二 月一、 實驗?zāi)繕?biāo)學(xué)會常用經(jīng)濟(jì)計量軟件的基本功能，并將其應(yīng)用在一元線性回歸模型的分析中。具體包括：Eview6.0的安裝，樣本數(shù)據(jù)基本統(tǒng)計量計算，一元線性回歸模型的建立、檢驗及結(jié)果輸出與分析，多元回歸模型的建立與分析，序列相關(guān)模型的檢驗與處理等。二、實驗環(huán)境WINDOWSXP或2007操作系統(tǒng)下，基于EVIEWS6.0平臺。三、實驗?zāi)Ｐ徒⑴c分析案例1：一元線性回歸模型的建立與

2、分析已知某市貨物運(yùn)輸量Y（萬噸），國內(nèi)生產(chǎn)總值GDP（億元，1980年不變價）。（數(shù)據(jù)來源：計量經(jīng)濟(jì)學(xué)基礎(chǔ)第3版 張曉峒 南開大學(xué)出版社 42頁習(xí)題6）表一：1985年1998年的樣本觀測值見下表年份YGDP198518249161.69198618525171.07198718400184.07198816693194.75198915543197.86199015929208.55199118308221.06199217522246.92199321640276.8199423783316.38199524040363.52199624133415.51199725090465.7819

3、9824505509.11. 散點圖分析建立貨物運(yùn)輸量Y隨國內(nèi)生產(chǎn)總值GDP的一元線性回歸模型圖1-1從圖中可以看出Y與GDP之間可能存在線性相關(guān)關(guān)系。但是我們無法得出Y與GDP之間精確的計量關(guān)系，因此用普通最小二乘法進(jìn)行一元線性回歸模型的估計。2普通最小二乘法建立一元線性回歸模型。將Y作為被解釋變量，GDP作為解釋變量利用eviews6.0的Equation進(jìn)行模型估計，輸出結(jié)果報告如下：Dependent Variable: YMethod: Least SquaresDate: 12/20/14 Time: 16:49Sample: 1985 1998Included observati

4、ons: 14CoefficientStd. Errort-StatisticProb.GDP26.954154.1203006.5417920.0000C12596.271244.56710.121010.0000R-squared0.781002Mean dependent var20168.57Adjusted R-squared0.762752S.D. dependent var3512.487S.E. of regression1710.865Akaike info criterion17.85895Sum squared resid35124719Schwarz criterion

5、17.95024Log likelihood-123.0126Hannan-Quinn criter.17.85050F-statistic42.79505Durbin-Watson stat0.859998Prob(F-statistic)0.000028圖1-2 由上表可知貨物運(yùn)輸量隨國內(nèi)生產(chǎn)總值變化的一元線性回歸方程為: Y = 12596.27+ 26.9542* GDP其中斜率26.95415表示國內(nèi)生產(chǎn)總值每增加一元,貨物運(yùn)輸量平均增長26.9542萬輛。3對所建立建立的回歸方程進(jìn)行檢驗（t（12）=2.18） 經(jīng)濟(jì)學(xué)意義上的檢驗從回歸方程來看，國內(nèi)生產(chǎn)總值每增加一元，貨物運(yùn)輸量平

6、均增長26.9542萬輛。系數(shù)為正，符合經(jīng)濟(jì)發(fā)展規(guī)律，是具有經(jīng)濟(jì)意義的模型。統(tǒng)計學(xué)意義上的檢驗l 可決系數(shù)R-squared=0.762752，說明被解釋變量的變異中有76%以上可由方程解釋，模型總體擬合程度還不錯。l F統(tǒng)計量=42.79505，其伴隨概率0.0000280.05，在5%的顯著性水平下，拒絕原假設(shè)，接受備擇假設(shè)，即方程總體是顯著的。l 所有系數(shù)的t統(tǒng)計量伴隨概率均小于0.05，在5%的顯著性水平下，拒絕原假設(shè)。說明系數(shù)顯著，GDP對貨物運(yùn)輸量有顯著影響。 4對模型的估計與預(yù)測 假如2000年某市以1980年為不變價的國內(nèi)生產(chǎn)總值為620億元，求2000年貨物運(yùn)輸量預(yù)測值及預(yù)測

7、區(qū)間。國內(nèi)生產(chǎn)總值為620億元，貨物運(yùn)輸量的預(yù)測值 =12596.27+ 26.9542* 620 =29307.84 萬噸經(jīng)計算 =1710.8658*276.1905 故貨物運(yùn)輸量的預(yù)測區(qū)間為: （28873.08746萬輛，29742.59254萬輛）5案例總結(jié) 從本案例中，我們知道交通運(yùn)輸業(yè)的發(fā)展與經(jīng)濟(jì)情況密切相關(guān)，影響著國內(nèi)生產(chǎn)總值GDP的發(fā)展。在進(jìn)行分析時，應(yīng)注意從經(jīng)濟(jì)意義，統(tǒng)計學(xué)意義上進(jìn)行分析，爭取做到結(jié)果更準(zhǔn)確。案例2：多元線性回歸模型的建立與分析為了研究稅收收入的影響因素，表二給出了我國20002012年國家稅收收入y（億元），國內(nèi)生產(chǎn)總值x1（億元），財政支出x2（億元），

8、商品零售價格指數(shù)x3（%），貨物運(yùn)輸總量x4（萬噸），對它們之間的關(guān)系進(jìn)行回歸分析。（數(shù)據(jù)來源：國家統(tǒng)計局官網(wǎng)，統(tǒng)計年鑒）表二：年份稅收收入y國內(nèi)生產(chǎn)總值x1財政支出x2商品零售價格指數(shù)x3貨物運(yùn)輸總量x4200012581.5198000.515886.50100.41358682200115301.38108068.218902.58100.71401786200217636.45119095.722053.1599.21483447200320017.31134977.024649.95101.21564492200424165.68159453.628486.89103.9170641

9、2200528778.54183617.433930.28101.81862066200634804.35215904.440422.73101.52037060200745621.97266422.049781.35104.82275822200854223.79316030.362592.66105.92585937200959521.59340320.076299.9399.32825222201073210.79399759.589874.16103.33241807201189738.39468562.4109247.79105.436969612012100614.28516282

10、.1125952.97102.640994001. 建立y與x1、x2、x3、x4的散點圖如下：圖2-1由散點圖可知，解釋變量與被解釋變量X4之間較為顯著。解釋變量之間存在著線性關(guān)系。1. 建立相關(guān)系數(shù)矩陣建立以y，x1，x2，x3，x4為組的group對象，查看解釋變量之間的相關(guān)系數(shù)矩陣，結(jié)果如圖：YX1X2X3X4Y1.0000000.9985750.9977230.4852900.999270X10.9985751.0000000.9948920.4968080.997655X20.9977230.9948921.0000000.4345160.999044X30.4852900.496

11、8080.4345161.0000000.463057X40.9992700.9976550.9990440.4630571.000000圖2-2觀察發(fā)現(xiàn)，變量之間存在著多重共線性。X1與X2和X4之間，X2與X4之間相關(guān)系數(shù)很高，可能存在存在多重共線性，在建立模型時注意消除因此帶來的影響。2. 建立多元線性回歸方程 以Y為被解釋變量，X1,X2,X3,X4為解釋變量，用普通最小二乘法（OLS）建立多元線性回歸模型，輸出結(jié)果如下：Dependent Variable: YMethod: Least SquaresDate: 12/23/14 Time: 11:17Sample: 2000 20

12、12Included observations: 13CoefficientStd. Errort-StatisticProb.X10.0579160.0321881.7992840.1097X20.3311990.2332231.4200930.1934X3408.6352183.13402.2313460.0562X40.0094530.0120340.7854790.4548C-52001.5116903.58-3.0763610.0152R-squared0.999459Mean dependent var44324.31Adjusted R-squared0.999188S.D. d

13、ependent var29279.90S.E. of regression834.1345Akaike info criterion16.57439Sum squared resid5566243.Schwarz criterion16.79168Log likelihood-102.7335Hannan-Quinn criter.16.52973F-statistic3694.478Durbin-Watson stat1.693475Prob(F-statistic)0.000000圖2-3 由上表可知，線性回歸方程為：Y = 0.0579158044159*X1 + 0.33119896

14、0995*X2 + 408.635230644*X3 + 0.0094525271349*X4 - 52001.5104925分析： 從表面上，方程的R平方與R-squared值很高，F(xiàn)統(tǒng)計量值明顯通過檢驗且Prob很小，DW值也接近于2，方程的擬合程度看上去非常好，出現(xiàn)了“經(jīng)典征兆”。但是，通過觀察，X1，X2,X3,X4前參數(shù)均未通過t檢驗，結(jié)果說明模型存在共線性，與相關(guān)系數(shù)矩陣得到了相互驗證。說明解釋變量間存在共線性。殘差圖：圖2-4 3. 多重共線性的修正為了消除多重共線性的影響，采用逐步引入法選擇解釋變量。在eviews軟件中采取逐步回歸的辦法讓計算機(jī)自動選擇變量。Equation對

15、象設(shè)置時，選擇最后逐步回歸法（step wise ）,同時，第一個框中輸入因變量和必須包含的自變量，當(dāng)前輸入y和c；第二個框輸入所有解釋變量，讓eviews自己去選擇，再點擊option選項卡，選擇向前回歸，逐步加入回歸，結(jié)果如下:Dependent Variable: YMethod: Stepwise RegressionDate: 12/23/14 Time: 11:19Sample: 2000 2012Included observations: 13Number of always included regressors: 1Number of search regressors:

16、4Selection method: Stepwise forwardsStopping criterion: p-value forwards/backwards = 0.05/0.05CoefficientStd. Errort-StatisticProb.*C-67901.0313354.51-5.0845020.0005X40.0317130.00032797.038540.0000X3378.2860133.77352.8278100.0179R-squared0.999189Mean dependent var44324.31Adjusted R-squared0.999027S.

17、D. dependent var29279.90S.E. of regression913.4238Akaike info criterion16.67145Sum squared resid8343430.Schwarz criterion16.80182Log likelihood-105.3644Hannan-Quinn criter.16.64465F-statistic6160.179Durbin-Watson stat1.819396Prob(F-statistic)0.000000Selection SummaryAdded X4Added X3*Note: p-values a

18、nd subsequent tests do not account for stepwiseselection.圖2-5 分析：R與R-squared的值很高，說明方程擬合程度很好，F(xiàn)統(tǒng)計量及其概率以及DW值明顯上升，變量X4與X3的t統(tǒng)計量的概率均小于5%，說明逐步回歸消除了多重共線性的影響。因此，國家稅收收入隨著貨物運(yùn)輸量x4，商品零售價格指數(shù)x3的二元線性回歸方程為：Y = -67901.0274323 + 0.0317132628344*X4 + 378.28599775*X35案例總結(jié) 當(dāng)研究的模型存在多個解釋變量時，不應(yīng)該被建立出來的方程的“經(jīng)典征兆”而模糊判斷，而是該全面觀察是

19、否有多重共線性的可能，進(jìn)而進(jìn)行消除影響，此時得到的模型才是比較正確的。案例3： 序列相關(guān)模型的檢驗與處理 2000年2012年年我國城鎮(zhèn)居民消費支出（CONSUM），人均可支配收入（INCOME）以及消費價格指數(shù)PRICE（1978年=100）（數(shù)據(jù)來源：國家統(tǒng)計局，19952013年統(tǒng)計年鑒，人民生活部分）表3 年份消費價格指數(shù)人均消費支出人均可支配收入19952.9033537.5704283.30019963.0163919.4704838.90019973.1194185.6405160.30019983.2994331.6105425.10019993.6064615.9105854

20、.00020003.9116850.0006280.00020014.0637160.7676859.60020024.2627486.0317702.80020034.5618060.2218472.20020044.8778912.2579421.60020055.1189593.24910493.00020065.52710618.25211759.50020076.06212130.22713785.80020086.47913653.42615780.80020097.06514904.35217174.70020107.48316546.36019109.40020118.0331

21、9107.73321809.80020128.66321119.68324564.700 1. 分析散點圖考慮到價格指數(shù)的影響，將CONSUM和INCOME各自除以價格指數(shù)，形成被解釋變量CONSUM/PRICE和解釋變量INCOME/PRICE，并作散點圖如下，分析散點圖，CONSUM/PRICE和INCOME/PRICE呈線性相關(guān)圖3-1 2. 回歸結(jié)果建立以CONSUM/PRICE為被解釋變量，以INCOME/PRICE為解釋變量的回歸方程。Dependent Variable: CONSUM/PRICEMethod: Least SquaresDate: 12/21/14 Time:

22、14:55Sample: 2000 2012Included observations: 13CoefficientStd. Errort-StatisticProb.INCOME/PRICE0.5888870.03878515.183180.0000C710.187085.757588.2813320.0000R-squared0.954457Mean dependent var1992.769Adjusted R-squared0.950317S.D. dependent var239.1207S.E. of regression53.29950Akaike info criterion1

23、0.93037Sum squared resid31249.20Schwarz criterion11.01728Log likelihood-69.04740Hannan-Quinn criter.10.91250F-statistic230.5291Durbin-Watson stat0.473658Prob(F-statistic)0.000000圖3-2 根據(jù)以上結(jié)果，得到回歸方程：CONSUM/PRICE=710.1870+0.588887* INCOME/PRICE在水平上，T=18條件下，k=1時，臨界值Dl=1.16，由結(jié)果可知，DW=0.28,因此，拒絕零假設(shè)，認(rèn)為存在一階序列相關(guān)。0.659417說明存在正相關(guān)。4. 用廣義最小二乘法估計參數(shù)計算一階相關(guān)系數(shù),對原變量做廣義差分。若令：, ,則以和為樣本再次計算回歸方程：GDY = 44.89513 + 0.784615*GDXDependent Variable: GDYMethod: Least SquaresDate: 12/21/14 Time: 15:05Sample (adjusted): 2001 2012Included observations: 12 after adjustmentsCoe