《計量實習報告》word版

《《計量實習報告》word版》由會員分享，可在線閱讀，更多相關《《計量實習報告》word版（20頁珍藏版）》請在裝配圖網(wǎng)上搜索。

1、精品 2009-2010 學年度第 2 學期 計量經(jīng)濟學實驗報告書 專 業(yè) 金融學 班 級 三班 學 號 6 學生姓名 經(jīng)濟與貿(mào)易學院 實驗一 Eviews基本操作實驗 一、實驗目的：掌握Eviews基本操作。 二、實驗要求： （1）EViews軟件的安裝； （2）數(shù)據(jù)的輸入、編輯與序列生成；

2、 （3）圖形分析與描述統(tǒng)計分析； （4）數(shù)據(jù)文件的存貯、調(diào)用與轉換。 三、實驗結果報告： （圍繞實驗要求，結合實驗的內(nèi)容撰寫報告） 一、數(shù)據(jù)的輸入、序列生成 二、圖形分析 obs Y X 1985 2041 8964 1986 2091 10202 1987 2140 11963 1988 2391 14928 1989 2727 16909 1990 2822 18548 1991 2990 21618 1992 3297 26638 1993 4255 34634 1994 5127 4

3、6759 1995 6038 58478 1996 6910 67885 1997 8234 74463 1998 9263 79396 obs T X X1 X2 1985 1 8964 80353296 0.000111557340473 1986 2 10202 104080804 9.80199960792e-05 1987 3 11963 143113369 8.35910724735e-05 1988 4 14928 222845184 6.6988210075e-05 1989 5 1

4、6909 285914281 5.91401029038e-05 1990 6 18548 344028304 5.39141686435e-05 1991 7 21618 467337924 4.62577481728e-05 1992 8 26638 709583044 3.75403558826e-05 1993 9 34634 1199513956 2.88733614367e-05 1994 10 46759 2186404081 2.13862571911e-05 1995 11 58478 3419676484 1.

5、71004480317e-05 1996 12 67885 4608373225 1.47307947264e-05 1997 13 74463 5544738369 1.34294884708e-05 1998 14 79396 6303724816 1.25950929518e-05 以上可以看出我國稅收與GDP呈線性遞增關系 Y X Mean 4309.000 35098.93 Median 3143.500 24128.00 Maximum 9263.000 79396.00 Minimum 2

6、041.000 8964.000 Std. Dev. 2422.631 25378.06 Skewness 0.869889 0.635116 Kurtosis 2.396109 1.847265 Jarque-Bera 1.978382 1.716333 Probability 0.371877 0.423939 Observations 14 14 實驗二 一元線性回歸分析過程實驗 一、實驗目的：掌握一元線性回歸模型的估計方法、檢驗方法和預測方法。

7、二、實驗要求： （1）會選擇方程進行一元線性回歸； （2）掌握一元回歸分析過程； （3）掌握一元回歸模型的基本檢驗方法； （4）會對回歸方程進行經(jīng)濟學解釋 （5）估計非線性回歸模型，并進行模型比較 三、實驗結果報告： （圍繞實驗要求，結合實驗的內(nèi)容撰寫報告） 一、 圖形分析 兩變量趨勢圖分析結果顯示，我國稅收收入與GDP二者存在差距逐漸增大的增長趨勢。相關圖分析顯示，我國稅收收入增長與GDP密切相關，二者為非線性的曲線相關關系。 我國稅收與GDP的相關圖 二、估計一元線性回歸模型 Dependent Varia

8、ble: Y Method: Least Squares Date: 06/22/10 Time: 19:29 Sample: 1985 1998 Included observations: 14 Variable Coefficient Std. Error t-Statistic Prob. C 987.5417 155.1430 6.365364 0.0000 GDP 0.094631 0.003627 26.09310 0.0000 R-squared 0.982680 Mean dependent var 4309.00

9、0 Adjusted R-squared 0.981237 S.D. dependent var 2422.631 S.E. of regression 331.8482 Akaike info criterion 14.57880 Sum squared resid 1321479. Schwarz criterion 14.67009 Log likelihood -100.0516 F-statistic 680.8498 Durbin-Watson stat 0.796256 Prob(F-statistic

10、) 0.000000 Y=987.54+0.095GDP R^2=0.983 (6.37) (26.09) 二、 估計非線性回歸模型 1、 雙對數(shù)模型 Dependent Variable: LOG(Y) Method: Least Squares Date: 06/22/10 Time: 19:45 Sample: 1985 1998 Included observations: 14 Variable Coefficient Std. Error t-Statistic Prob. C 1.270443 0.33

11、1668 3.830470 0.0024 LOG(GDP) 0.682297 0.032415 21.04866 0.0000 R-squared 0.973629 Mean dependent var 8.233505 Adjusted R-squared 0.971431 S.D. dependent var 0.528347 S.E. of regression 0.089302 Akaike info criterion -1.862014 Sum squared resid 0.095699 Schwarz

12、criterion -1.770720 Log likelihood 15.03409 F-statistic 443.0462 Durbin-Watson stat 0.476382 Prob(F-statistic) 0.000000 LOG（Y）=1.27+0.68LOG(GDP) R^2=0.97 (3.83) (21.05) 2、對數(shù)模型 Dependent Variable: Y Method: Least Squares Date: 06/22/10 Time: 19:50 Sample:

13、 1985 1998 Included observations: 14 Variable Coefficient Std. Error t-Statistic Prob. C -26163.32 3149.684 -8.306649 0.0000 LOG(GDP) 2985.923 307.8313 9.699870 0.0000 R-squared 0.886886 Mean dependent var 4309.000 Adjusted R-squared 0.877460 S.D. dependent var 2422

14、.631 S.E. of regression 848.0607 Akaike info criterion 16.45535 Sum squared resid 8630484. Schwarz criterion 16.54664 Log likelihood -113.1874 F-statistic 94.08748 Durbin-Watson stat 0.318941 Prob(F-statistic) 0.000000 Y=-26163.32+2985.92LOG(GDP) R^2=0.887 (-8.31)

15、 (9.7) 3、指數(shù)模型 Dependent Variable: LOG(Y) Method: Least Squares Date: 06/22/10 Time: 19:55 Sample: 1985 1998 Included observations: 14 Variable Coefficient Std. Error t-Statistic Prob. C 7.508605 0.032400 231.7463 0.0000 GDP 2.07E-05 7.57E-07 27.26846 0.0000 R-squared 0

16、.984118 Mean dependent var 8.233505 Adjusted R-squared 0.982794 S.D. dependent var 0.528347 S.E. of regression 0.069303 Akaike info criterion -2.369086 Sum squared resid 0.057635 Schwarz criterion -2.277792 Log likelihood 18.58360 F-statistic 743.5689 Durbin-Wa

17、tson stat 0.600192 Prob(F-statistic) 0.000000 4、二次模型 Dependent Variable: Y Method: Least Squares Date: 06/22/10 Time: 19:59 Sample: 1985 1998 Included observations: 14 Variable Coefficient Std. Error t-Statistic Prob. C 2323.813 114.4226 20.30904 0.0000 GDP^2

18、1.08E-06 4.07E-08 26.65249 0.0000 R-squared 0.983388 Mean dependent var 4309.000 Adjusted R-squared 0.982003 S.D. dependent var 2422.631 S.E. of regression 325.0002 Akaike info criterion 14.53709 Sum squared resid 1267502. Schwarz criterion 14.62839 Log likelihood

19、 -99.75965 F-statistic 710.3550 Durbin-Watson stat 0.645855 Prob(F-statistic) 0.000000 四、模型比較 （以二次模型、指數(shù)模型為例） 二次函數(shù)回歸模型殘差分別表 指數(shù)函數(shù)模型殘差分布表 實驗三 多元線性回歸模型 一、實驗目的：掌握多元線性回歸模型的估計和檢驗方法。 二、實驗要求： （1）會選擇方程進行多元線性回歸； （2）掌握多元回歸分析過程； （3）掌握多元回歸模型的基本檢驗方法； （4）會對回

20、歸方程進行經(jīng)濟學解釋。 （5）比較選擇最佳模型 三、實驗結果報告： （圍繞實驗要求，結合實驗的內(nèi)容撰寫報告） 一、 多元線性回歸模型的建立 Dependent Variable: Y Method: Least Squares Date: 06/22/10 Time: 20:30 Sample: 1978 1994 Included observations: 17 Variable Coefficient Std. Error t-Statistic Prob. C -675.3208 2682.060 -0.251792 0.8

21、051 T 77.67893 115.6731 0.671538 0.5136 L 0.666665 0.853626 0.780980 0.4488 K 0.776417 0.104459 7.432745 0.0000 R-squared 0.995764 Mean dependent var 6407.249 Adjusted R-squared 0.994786 S.D. dependent var 2486.742 S.E. of regression 179.5630 Akaike info criteri

22、on 13.42125 Sum squared resid 419157.5 Schwarz criterion 13.61730 Log likelihood -110.0807 F-statistic 1018.551 Durbin-Watson stat 1.510903 Prob(F-statistic) 0.000000 因此，我國國有獨立工業(yè)企業(yè)的生產(chǎn)函數(shù)為： （模型1） ＝(-0.252) (0.672) (0.781) (7.433) ，說明模型有很高的擬合優(yōu)度

23、，F(xiàn)檢驗也是高度顯著的，說明職工人數(shù)L、資金K和時間變量對工業(yè)總產(chǎn)值的總影響是顯著的。但是，模型中其他變量（包括常數(shù)項）的統(tǒng)計量值都較小，未通過檢驗。因此需要做適當?shù)恼{(diào)整。 二、建立剔除時間變量的二元線性回歸模型 Dependent Variable: Y Method: Least Squares Date: 06/22/10 Time: 20:36 Sample: 1978 1994 Included observations: 17 Variable Coefficient Std. Error t-Statistic Prob. C -2387.26

24、9 816.8895 -2.922390 0.0111 L 1.208532 0.273020 4.426528 0.0006 K 0.834496 0.057421 14.53287 0.0000 R-squared 0.995617 Mean dependent var 6407.249 Adjusted R-squared 0.994990 S.D. dependent var 2486.742 S.E. of regression 176.0069 Akaike info criterion 13.33771

25、Sum squared resid 433697.8 Schwarz criterion 13.48475 Log likelihood -110.3705 F-statistic 1589.953 Durbin-Watson stat 1.481994 Prob(F-statistic) 0.000000 此時我國國有獨立工業(yè)企業(yè)的生產(chǎn)函數(shù)為： （模型2） ＝(-2.922) (4.427) (14.533) 模型2的擬合優(yōu)度較模型1并無多大變化，F(xiàn)檢驗也是高度顯著的。

26、但這里，解釋變量、常數(shù)項的檢驗值都比較大，顯著性概率都小于0.05，因此模型2較模型1更為合理。 三、建立非線性回歸模型——C-D生產(chǎn)函數(shù) Dependent Variable: LNY Method: Least Squares Date: 06/22/10 Time: 20:42 Sample: 1978 1994 Included observations: 17 Variable Coefficient Std. Error t-Statistic Prob. C -1.951253 1.665320 -1.171698 0.2609 LNL

27、 0.604467 0.272697 2.216625 0.0437 LNK 0.673658 0.072357 9.310131 0.0000 R-squared 0.995753 Mean dependent var 8.692837 Adjusted R-squared 0.995147 S.D. dependent var 0.394921 S.E. of regression 0.027512 Akaike info criterion -4.189602 Sum squared resid 0.010597

28、 Schwarz criterion -4.042564 Log likelihood 38.61162 F-statistic 1641.407 Durbin-Watson stat 1.338201 Prob(F-statistic) 0.000000 C-D生產(chǎn)函數(shù)的估計式為： （模型3） ＝ (-1.172) (2.217) (9.310) 從模型3中看出，資本與勞動的產(chǎn)出彈性都是在0到1之間，模型的經(jīng)濟意義合理，而且擬合優(yōu)度較模型2還略有提高，解釋變量都通過了顯著性檢驗。

29、 實驗四 異方差模擬實驗 一、實驗目的：了解異方差模型的檢驗方法和異方差模型的處理方法。 二、實驗要求： （1）模擬線性回歸模型中隨機擾動項為異方差的樣本數(shù)據(jù) （2）進行Goldfeld-Quandt檢驗 （3）利用WLS方法進行參數(shù)估計，建立模型。 三、實驗結果報告： （圍繞實驗要求，結合實驗的內(nèi)容撰寫報告） 一、人均消費與人均收入 Dependent Variable: Y Method: Least Squares Date: 06/23/10 Time: 19:15 Sample: 1 27 Included observations

30、: 27 Variable Coefficient Std. Error t-Statistic Prob. C 15.83853 9.416160 1.682058 0.1050 X 0.103854 0.011149 9.314931 0.0000 R-squared 0.776322 Mean dependent var 94.44444 Adjusted R-squared 0.767375 S.D. dependent var 45.00712 S.E. of regression 21.70747 Ak

31、aike info criterion 9.064377 Sum squared resid 11780.36 Schwarz criterion 9.160365 Log likelihood -120.3691 F-statistic 86.76793 Durbin-Watson stat 2.614427 Prob(F-statistic) 0.000000 Y=15.84+0.104X R^2=0.78 T統(tǒng)計 1.68 9.31 F=86.77 戈德菲爾德—匡特法（雙變量模型）檢驗 前1-10個數(shù)據(jù)的回歸 De

32、pendent Variable: Y Method: Least Squares Date: 06/23/10 Time: 20:18 Sample: 1 10 Included observations: 10 Variable Coefficient Std. Error t-Statistic Prob. C -3.121210 10.53931 -0.296149 0.7747 X 0.144960 0.026196 5.533703 0.0006 R-squared 0.792863 Mean dependent var

33、 52.50000 Adjusted R-squared 0.766971 S.D. dependent var 20.76455 S.E. of regression 10.02368 Akaike info criterion 7.624634 Sum squared resid 803.7933 Schwarz criterion 7.685151 Log likelihood -36.12317 F-statistic 30.62187 Durbin-Watson stat 2.703606 Prob(F-s

34、tatistic) 0.000551 RSS1=803.79 后10個數(shù)據(jù)的回歸 Dependent Variable: Y Method: Least Squares Date: 06/23/10 Time: 20:20 Sample: 18 27 Included observations: 10 Variable Coefficient Std. Error t-Statistic Prob. C 48.41870 56.70995 0.853795 0.4180 X 0.075211 0.047631 1.579027 0.1530

35、 R-squared 0.237611 Mean dependent var 136.4000 Adjusted R-squared 0.142312 S.D. dependent var 36.04688 S.E. of regression 33.38354 Akaike info criterion 10.03086 Sum squared resid 8915.686 Schwarz criterion 10.09138 Log likelihood -48.15430 F-statistic 2.4933

36、26 Durbin-Watson stat 2.988119 Prob(F-statistic) 0.152983 RSS2=8915.69 RSS2/RSS1= 11.09>F(8,8)=3.44 所以存在異方差 利用WLS進行異方差的消除(W=1/RESID) Dependent Variable: Y Method: Least Squares Date: 06/23/10 Time: 19:59 Sample: 1 27 Included observations:

37、 27 Weighting series: RESID Variable Coefficient Std. Error t-Statistic Prob. C 58.98937 22.78914 2.588486 0.0158 X 0.067308 0.018290 3.680133 0.0011 Weighted Statistics R-squared 0.941484 Mean dependent var -1.18E+17 Adjusted R-squared 0.939144 S.D. depende

38、nt var 8.31E+17 S.E. of regression 2.05E+17 Akaike info criterion 82.63371 Sum squared resid 1.05E+36 Schwarz criterion 82.72969 Log likelihood -1113.555 F-statistic 13.54338 Durbin-Watson stat 0.338876 Prob(F-statistic) 0.001121 Unweighted Statistics R-squ

39、ared 0.557188 Mean dependent var 94.44444 Adjusted R-squared 0.539475 S.D. dependent var 45.00712 S.E. of regression 30.54273 Sum squared resid 23321.45 Durbin-Watson stat 1.287687 二、 對某地區(qū)31年來居民的收入與儲蓄建立的線性回歸模型進行異方差檢驗及校正方法。 Dependent Variable: Y Method: Least Squar

40、es Date: 06/23/10 Time: 20:08 Sample: 1 31 Included observations: 31 Variable Coefficient Std. Error t-Statistic Prob. C -665.6043 113.4187 -5.868556 0.0000 X 0.084550 0.004687 18.04056 0.0000 R-squared 0.918186 Mean dependent var 1230.000 Adjusted R-squared 0.915365

41、 S.D. dependent var 817.1759 S.E. of regression 237.7341 Akaike info criterion 13.84252 Sum squared resid 1639007. Schwarz criterion 13.93504 Log likelihood -212.5591 F-statistic 325.4618 Durbin-Watson stat 1.036781 Prob(F-statistic) 0.000000 Y=-665.6+0.08X R^2

42、=0.918 (-5.87) (18.04) Goldfeld-Quandt檢驗前10個數(shù)據(jù)的回歸 Dependent Variable: Y Method: Least Squares Date: 06/23/10 Time: 21:19 Sample: 1 11 Included observations: 11 Variable Coefficient Std. Error t-Statistic Prob. C -744.6351 195.4108 -3.810614 0.0041 X 0.088258 0.015705 5.61

43、9619 0.0003 R-squared 0.778216 Mean dependent var 331.3636 Adjusted R-squared 0.753574 S.D. dependent var 260.8157 S.E. of regression 129.4724 Akaike info criterion 12.72778 Sum squared resid 150867.9 Schwarz criterion 12.80012 Log likelihood -68.00278 F-stati

44、stic 31.58011 Durbin-Watson stat 1.142088 Prob(F-statistic) 0.000326 RSS1=150867.9 后10個數(shù)據(jù)的回歸 Dependent Variable: Y Method: Least Squares Date: 06/23/10 Time: 21:21 Sample: 20 31 Included observations: 12 Variable Coefficient Std. Error t-Statistic Prob. C 1141.066 709.842

45、8 1.607491 0.1390 X 0.029409 0.021992 1.337264 0.2108 R-squared 0.151699 Mean dependent var 2084.250 Adjusted R-squared 0.066869 S.D. dependent var 287.2405 S.E. of regression 277.4706 Akaike info criterion 14.24032 Sum squared resid 769899.2 Schwarz criterion

46、14.32114 Log likelihood -83.44191 F-statistic 1.788274 Durbin-Watson stat 2.864726 Prob(F-statistic) 0.210758 RSS2=769899.2 F=FRSS2/RSS1=5.103>F(8,8)=3.44所以存在異方差 利用WLS進行消除(W=1/RESID) Dependent Variable: Y Method: Least Squares Date: 06/23/10 Time: 20:41 Sample: 1 31 Inclu

47、ded observations: 31 Weighting series: 1/RESID Variable Coefficient Std. Error t-Statistic Prob. C -686.0761 23.55233 -29.12986 0.0000 X 0.085747 0.001967 43.58293 0.0000 Weighted Statistics R-squared 0.995497 Mean dependent var 126.3255 Adjusted R-squared 0.9953

48、42 S.D. dependent var 1586.032 S.E. of regression 108.2469 Akaike info criterion 12.26905 Sum squared resid 339804.5 Schwarz criterion 12.36156 Log likelihood -188.1702 F-statistic 1899.471 Durbin-Watson stat 0.156397 Prob(F-statistic) 0.000000 Unweighted Stati

49、stics R-squared 0.917939 Mean dependent var 1230.000 Adjusted R-squared 0.915110 S.D. dependent var 817.1759 S.E. of regression 238.0918 Sum squared resid 1643943. Durbin-Watson stat 1.923620 三、全國各地區(qū)年人均通訊費用支出與家庭可支配收入建立的線性回歸模型進行異方差檢驗及校正方法。 Goldfeld-Quandt檢驗前1

50、0個數(shù)據(jù)的回歸 Dependent Variable: Y Method: Least Squares Date: 06/23/10 Time: 21:09 Sample: 1 30 Included observations: 30 Variable Coefficient Std. Error t-Statistic Prob. C -56.91798 36.20624 -1.572049 0.1272 X 0.058075 0.006480 8.962009 0.0000 R-squared 0.741501 Mean dep

51、endent var 256.8727 Adjusted R-squared 0.732269 S.D. dependent var 97.56583 S.E. of regression 50.48324 Akaike info criterion 10.74550 Sum squared resid 71359.62 Schwarz criterion 10.83891 Log likelihood -159.1825 F-statistic 80.31760 Durbin-Watson stat 2.008179

52、 Prob(F-statistic) 0.000000 Goldfeld-Quandt檢驗前10個數(shù)據(jù)的回歸 Dependent Variable: Y Method: Least Squares Date: 06/23/10 Time: 21:12 Sample: 1 10 Included observations: 10 Variable Coefficient Std. Error t-Statistic Prob. C -261.1499 358.2945 -0.728869 0.4869 X 0.106334 0.085327

53、1.246183 0.2480 R-squared 0.162564 Mean dependent var 185.2400 Adjusted R-squared 0.057885 S.D. dependent var 25.97864 S.E. of regression 25.21555 Akaike info criterion 9.469655 Sum squared resid 5086.592 Schwarz criterion 9.530172 Log likelihood -45.34828 F-s

54、tatistic 1.552972 Durbin-Watson stat 3.044685 Prob(F-statistic) 0.247952 RSS1=5086.592 后10個數(shù)據(jù)的回歸 Dependent Variable: Y Method: Least Squares Date: 06/23/10 Time: 21:13 Sample: 21 30 Included observations: 10 Variable Coefficient Std. Error t-Statistic Prob. C -75.48340

55、 154.9201 -0.487241 0.6392 X 0.060433 0.021628 2.794170 0.0234 R-squared 0.493907 Mean dependent var 350.4440 Adjusted R-squared 0.430646 S.D. dependent var 115.8410 S.E. of regression 87.40844 Akaike info criterion 11.95592 Sum squared resid 61121.88 Schwarz c

56、riterion 12.01643 Log likelihood -57.77959 F-statistic 7.807387 Durbin-Watson stat 1.846850 Prob(F-statistic) 0.023407 Rss2=61121.88 F=Rss2/Rss1=12.02>F(8,8)=3.44所以存在異方差 利用WLS進行消除(W=1/RESID) Dependent Variable: Y Method: Least Squares Date: 06/23/10 Time: 21:16 Sample: 1 30

57、 Included observations: 30 Weighting series: 1/RESID Variable Coefficient Std. Error t-Statistic Prob. C -46.99125 9.238453 -5.086485 0.0000 X 0.056230 0.001717 32.74588 0.0000 Weighted Statistics R-squared 1.000000 Mean dependent var 255.5239 Adjusted R-squared

58、 1.000000 S.D. dependent var 1400.279 S.E. of regression 0.025604 Akaike info criterion -4.427763 Sum squared resid 0.018356 Schwarz criterion -4.334350 Log likelihood 68.41644 F-statistic 1072.292 Durbin-Watson stat 0.130304 Prob(F-statistic) 0.000000 Unweight

59、ed Statistics R-squared 0.740752 Mean dependent var 256.8727 Adjusted R-squared 0.731494 S.D. dependent var 97.56583 S.E. of regression 50.55628 Sum squared resid 71566.25 Durbin-Watson stat 1.998810 實驗五 序列自相關模擬實驗 一、實驗目的：了解序列相關模型的檢驗方法以及序列相關模型的處理方法。

60、 二、實驗要求： （1）模擬線性回歸模型中隨機擾動項為序列自相關的樣本數(shù)據(jù)， （2）進行D-W檢驗； （3）利用Durbin兩步法進行參數(shù)估計，建立模型 三、實驗結果報告： （圍繞實驗要求，結合實驗的內(nèi)容撰寫報告） 實驗六 計量經(jīng)濟分析的創(chuàng)新性實驗 一、實驗目的：提高計量分析的創(chuàng)新能力。 二、實驗要求： （1）提出一個經(jīng)濟問題； （2）提出經(jīng)濟模型； （3）收集相關數(shù)據(jù)并進行檢驗； （4）建立計量經(jīng)濟模型，并提出對策建議。 三、實驗結果報告： （圍繞實驗要求，結合實驗的內(nèi)容撰寫報告） .