计量经济学 实验报告模板

大连海事大学

┊┊┊┊┊┊┊┊┊┊┊┊┊┊┊┊┊┊┊┊┊┊┊┊┊┊┊┊

实 验 报 告

实验名称： 计量经济学软件应用

专业班级： 2006 级经济学（1）班

姓 名： 董子静

指导教师： 赵冰茹 交通运输管理学院

二○○九 年 六 月

大连海事大学实验报告 学号：2220063887

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：Eview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2000操作系统下，基于EVIEWS5.1平台。

三、实验模型建立与分析

案例1：

我国1991-2000年的国家财政收入和国民收入的统计资料（此资料来自《中国统计年鉴2002年》）如表一所示，做回归分析。

表一 1991-2000年的国家财政收入和国民收入的统计资料 单位：亿元

年份

1991 1992 1993 1994 1995 1996 1997 1998 1999 2000

国民收入

21617.8 26638.1 34634.4 46759.4 58478.1 67884.6 74462.6 78345.2 82067.5 89442.2

财政收入

3149.48 3483.37 4348.95 5218.1 6242.2 7407.99 8651.14 9875.95 11444.08 13395.23

（1） 做出散点图，建立财政收入随国民收入变化的一元线性回归方程，并解释

斜率的经济意义；

- 1 -

大连海事大学实验报告 学号：2220063887

140001200010000800060004000200020000R4000060000GDP80000 利用eviews软件输出结果报告如下：

Dependent Variable: R Method: Least Squares Date: 05/13/09 Time: 21:07

Sample: 1991 2000 Included observations: 10 Variable C GDP R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

Coefficient Std. Error -622.3629 0.136888 0.918447 0.908253 1052.901 8868796. -82.66671 0.423859

900.7267 0.014422

t-Statistic -0.690956 9.491870

Prob. 0.5091 0.0000 7321.649 3476.089 16.93334 16.99386 90.09559 0.000013

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion

F-statistic Prob(F-statistic)

由上表可知财政收入随国内生产总值变化的一元线性回归方程为: Y = -622.3629+ 0.1369* GDP

其中斜率0.1369表示国内生产总值每增加一元,财政收入平均增长0.1369元. （2） 对所建立建立的回归方程进行检验；（t（8）=2.306）

- 2 -

大连海事大学实验报告 学号：2220063887

对于参数c假设: H0: c=0. 对立假设:H1: c≠0

对于参数GDP假设: H0: GDP=0. 对立假设:H1: GDP≠0

由上表知:

对于c,∣t∣=0.691

因此接受H0: c=0,拒绝对立假设:H1: c≠0 对于GDP,∣t∣=9.492﹥t(n-2)=t(8)=2.306

因此拒绝H0: GDP=0,接受对立假设: H1: GDP≠0

(3) 若2001年国民收入为95933.3亿元，求财政收入的预测值和预测区间。 国民收入为95933.3亿元，财政收入的预测值 =-622.3629+0.1369 * 95933.3=12510.91 亿元 经计算 Var(Yo) = 4133.8901

故财政收入的预测区间为: （8375.8499亿元，16643.6301亿元）

案例2：

下面给出了我国20年的人均收入（y）和人均现金收入（x1）和人均实物收入（x2）数据，对它们三者之间的关系进行研究。具体数据如表二所示。

表二：1978年到1997年的统计资料 单位：元 年份 y x1 x2 年份 y x1 x2

1978 116.06 63.88 87.91 1988 476.66 449.8 335.5 1979 134.51 84.68 99.33 1989 535.37 503.22 371.75 1980 162.21 105.47 110.75 1990 584.63 525.36 465.02 1981 190.81 134.52 119.45 1991 619.79 573.39 472.71 1982 220.23 160.05 146.45 1992 659.01 782.45 472.93 1983 248.29 217.78 194.32 1993 769.65 879.8 554.02 1984 237.8 246.93 228.72 1994 1016.81 1215.66 537.72 1985 317.42 288.63 258.68 1995 1310.36 1577.17 760.7 1986 356.95 324.5 268.52 1996 1572.08 1895.68 911.05 1987 398.29 356.8 296.6 1997 1617.15 2099.38 899.82

（1） 试建立二元线性回归方程。

利用eviews软件输出结果报告如下：

- 3 -

大连海事大学实验报告 学号：2220063887

Dependent Variable: Y Method: Least Squares Date: 05/13/09 Time: 21:52 Sample: 1978 1997 Included observations: 20

Variable C X1 X2

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

Coefficient 38.35940 0.541655 0.528751

Std. Error 16.46453 0.044752 0.107622

t-Statistic 2.329821 12.10341 4.913046

Prob. 0.0324 0.0000 0.0001 577.2040 463.8775 9.652441 9.801801 2566.101 0.000000

0.996699 Mean dependent var 0.996310 S.D. dependent var 28.17800 Akaike info criterion 13497.99 Schwarz criterion -93.52441 F-statistic 1.519199 Prob(F-statistic)

由上表可知，线性回归方程为：

Y=38.3594+0.5416X1+0.5287X2

(2) 对所建立建立的回归方程的系数进行检验；（t（17）=2.11） 对于参数c假设: H0: c(1)=0. 对立假设:H1: c(1)≠0 对于参数x1假设: H0: c(2)=0. 对立假设:H1: c(2)≠0 对于参数x2假设: H0: c(3)=0. 对立假设:H1: c(3)≠0

由上表知:

对于c,∣t∣=2.3299﹥t(n-2)=t(17)=2.11

因此拒绝H0: c=0,接受对立假设:H1: c≠0 对于x1,∣t∣=12.1044﹥t(n-2)=t(17)=2.11

因此拒绝H0: x1=0,接受对立假设: H1: x1≠0 对于x2,∣t∣=4.9128﹥t(n-2)=t(17)=2.11

因此拒绝H0: x2=0,接受对立假设: H1: x2≠0

案例3：

- 4 -

大连海事大学实验报告 学号：2220063887

表3 列出了2000年中国部分省市城镇居民每个家庭平均全年可支配收入（income）与消费性支出（expense）的统计数据。 表3 pro_chn 北京 天津 内蒙古 辽宁 吉林 黑龙江 上海 江苏 浙江 山东 pro_egn beijing tianjin neimenggu liaoning jilin heilongjiang shanghai jiangsu zhejiang shandong income 10349.69 8140.50 5129.05 5357.79 4810.00 4912.88 11718.01 6800.23 9279.16 6489.97 expense pro_chn pro_egn hebei shanxi henan hubei hunan guangdong shan'xi gansu qinghai xinjiang income 5661.16 4724.11 4766.26 5524.54 6218.73 9761.57 5124.24 4916.25 5169.96 5644.86 expense 4348.47 3941.87 3830.71 4644.50 5218.79 8016.91 4276.67 4126.47 4185.73 4422.93 8493.49 河北 6121.04 山西 3927.75 河南 4356.06 湖北 4020.87 湖南 3824.44 广东 8868.19 陕西 5323.18 甘肃 7020.22 青海 5022.00 新疆

（1）试用OLS法建立居民消费支出对可支配收入的线性模型 利用eviews软件输出结果报告如下：

Dependent Variable: EXPENSE Method: Least Squares Date: 05/13/09 Time: 22:08 Sample: 1 20

Included observations: 20

Variable C INCOME

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

Coefficient 272.3635 0.755125

Std. Error 159.6773 0.023316

t-Statistic 1.705713 32.38690

Prob. 0.1053 0.0000 5199.515 1625.275 13.69130 13.79087 1048.912 0.000000

0.983129 Mean dependent var 0.982192 S.D. dependent var 216.8900 Akaike info criterion 846743.0 Schwarz criterion -134.9130 F-statistic 1.189253 Prob(F-statistic)

异方差的图形检验：输出残差、拟合值图形报告：

- 5 -

大连海事大学实验报告 学号：2220063887

1000080006004002000-200-40024681012Actual14161820600040002000ResidualFitted

散点图、直线图形报告：

900080007000EXPENSE6000500040003000400060008000INCOME1000012000 从图形上可以看出，平均而言，城镇居民家庭支出随可支配收入的增加而增加。但是，值得指出：随着可支配收入的增加，支出的变动幅度也增大了，可能存在异方差。从残差图和散点拟合图可以明显地观察出来；

（2）检验模型是否存在异方差 White检验：

White Heteroskedasticity Test: F-statistic Obs*R-squared

Test Equation:

Dependent Variable: RESID^2 Method: Least Squares Date: 05/13/09 Time: 21:58 Sample: 1 20

- 6 -

0.000201 0.001789

14.63595 Prob. F(2,17)

12.65213 Prob. Chi-Square(2)

大连海事大学实验报告 学号：2220063887

Included observations: 20

Variable C INCOME INCOME^2 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

Coefficient -180998.9 49.42846 -0.002115

Std. Error 103318.2 28.93929 0.001847

t-Statistic -1.751858 1.708006 -1.144742

Prob. 0.0978 0.1058 0.2682 42337.15 45279.67 23.52649 23.67585 14.63595 0.000201

0.632606 Mean dependent var 0.589384 S.D. dependent var 29014.92 Akaike info criterion 1.43E+10 Schwarz criterion -232.2649 F-statistic 1.061453 Prob(F-statistic)

根据White检验，可以判定通过P值可以精确地判断出可以拒绝原假设的最小概率为0.201%。根据F统计量也可以做出同样的结论。当然根据临界值也可以判断出。（原假设是不存在异方差）

（3）如果存在异方差，试采用适当的方法估计模型

以(resid01)的绝对值的倒数为权重，采用加权最小二乘法。进行模型修正，结果如下：

Dependent Variable: EXPENSE Method: Least Squares Date: 05/13/09 Time: 22:09 Sample: 1 20

Included observations: 20

Weighting series: 1/ABS(RESID01)

Variable C INCOME

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood

Coefficient 415.6603 0.729026

Std. Error 116.9791 0.022429

t-Statistic 3.553288 32.50349

Prob. 0.0023 0.0000 4471.606 7313.160 11.62138 11.72096 1056.477

Weighted Statistics

0.983248 Mean dependent var 0.982317 S.D. dependent var 77.04831 Akaike info criterion 106856.0 Schwarz criterion -114.2138 F-statistic

- 7 -

大连海事大学实验报告 学号：2220063887

Durbin-Watson stat

R-squared Adjusted R-squared S.E. of regression Durbin-Watson stat

1.622495 Prob(F-statistic) Unweighted Statistics

0.000000

5199.515 1625.275 920263.9

0.981664 Mean dependent var 0.980645 S.D. dependent var 226.1101 Sum squared resid 1.223519

新模型的White检验：

White Heteroskedasticity Test: F-statistic Obs*R-squared

Test Equation:

Dependent Variable: WGT_RESID^2 Method: Least Squares Date: 05/13/09 Time: 22:06 Sample: 1 20

Included observations: 20

Variable C WGT WGT^2 INCOME*WGT^2 INCOME*WGT INCOME^2*WGT^2 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

Coefficient 4222.186 -28551.94 -41900.91 22.82307 6.094610 -0.002863

Std. Error 1275.374 13340.54 28464.87 11.88734 2.772124 0.001261

t-Statistic 3.310546 -2.140238 -1.472022 1.919948 2.198534 -2.270498

4.924466 Prob. F(5,14)

0.008272 0.025834

Prob. 0.0052 0.0504 0.1631 0.0755 0.0452 0.0395 5342.798 3140.196 18.47589 18.77461 4.924466 0.008272

12.75031 Prob. Chi-Square(5)

0.637515 Mean dependent var 0.508057 S.D. dependent var 2202.492 Akaike info criterion 67913597 Schwarz criterion -178.7589 F-statistic 2.421526 Prob(F-statistic)

结果：经过模型的修正后，P值增大，不存在异方差。

四、 实验总结

- 8 -

大连海事大学实验报告 学号：2220063887

1、通过实验掌握了EVIEWS5.1的安装及其应用相关（包括数据的输入、数据的分析、及其分析结果的输出）

2、实验凸现不足的是对书本的理论没有足够深入的思考和认识，而仅仅从“得到数据—数据Import—数据分析—结果输出”的固定流程去解决分析问题，需要在今后的学习过程中加强。

3、今后还应将计量经济学模型及其应用与现代计量经济学软件EViews进行有机结合，更好的应用EViews软件解决算研究的实际问题。

- 9 -

本文来源：https://www.bwwdw.com/article/297a.html