《计量经济学实验指导_2.docx》由会员分享，可在线阅读，更多相关《计量经济学实验指导_2.docx（84页珍藏版）》请在三一办公上搜索。
1、计 量 经 济 学 实 验 指 导实验一 多元线性回归模型【实验目的】通过本实验，了解Eviews软件，熟悉软件建立工作文件，文件窗口操作，数据输入与处理等基本操作。掌握多元线性回归模型的估计方法，学会用Eiews软件进行多元回归分析。通过本实验使得学生能够根据所学知识，对实际经济问题进行分析，建立计量模型，利用Eiews软件进行数据分析，并能够对输出结果进行解释说明。【实验内容及步骤】本实验选用美国金属行业主要的27家企业相关数据，如下表，其中被解释变量Y表示产出，解释变量L表示劳动力投入，K表示资本投入。试建立三者之间的回归关系。观测值YLK观测值YLK1657.31162279.9915
2、1917.555362109.342935.93214542.5169849.17156413989.5531110.65186721.51171088.27214884.2441200.892451167.68188095.6310839119.751052.68211811.77193175.395215686.9963406.026904558.02201653.383041701.0672427.894523069.91215159.318355206.3684257.467145585.01223378.42843288.7291625.193201618.7523592.85150
3、357.32101272.052531562.08241601.982592031.93111004.45236662.04252065.854972492.9812598.87140875.37262293.872751711.7413853.11541696.9827745.67134768.59141165.632401078.79【实验内容及步骤】1.数据的输入STEP1：双击桌面上Eviews快捷图标，打开Eviews，如图1. 图1STEP2：点击Eviews主画面顶部按钮file/new/Workfile ，如图2，弹出workfile create对话框如图3。在frequen
4、cy中选择integer data，在start date 和end date 中分别输入1和27，点击OK，出现图如4画面，Workfile定义完毕。在新建的workfile中已经存在两个objects，即c和residual。c是系数向量、residual是残差序列，当估计完一个模型后，该模型的系数、残差就分别保存在c和residual中。图2图3图4STEP3：在workfile空白部分单击右键，选择New object，在Type of object中选择Series，将该对象命名为Y,如图5.单击ok，得到图6。图5图6STEP4：双击图6中的图标“y”，得到如下图7，是关于序列“y
5、”的工作表。点击表示命令栏中的“Edit+/-”即可进入数据输入状态，利用给定的数据逐步输入27个数值。图7STEP5：重复上面的数据输入步骤，依次输入序列“L”和“K”.如下图8所示.图82数据描述 (1). 数据的查看方式。Eviews可以有多种不同数据的查看方式，在数据输入时用的表格形式，即Spreadsheet。双击“y”，得到Spreadsheet形式，点击表格命令栏中的view，选择Graph可以用图的形式显示数据。如选择Line，得到图10的线性图。图9图10(2).数据的统计性质。双击“y”，得到Spreadsheet形式，点击表格命令栏中的“view”，选择“Descript
6、ive Statistics”、“Histogram and State”，如图11，得到图12，其中给出了序列“y”的均值、方差等统计量以及用以判断该序列是否服从正态分布的JB概率等。图11图123.多个序列的走势图。有些时候为了方便找出多个变量之间的关系，需要观察多个变量的走势，Eviews处理这个问题的方法也很简单。在workfile中按住control键依次选中“y”“l”“k”，单击右键，选择“open”“as group”如图13，得到图14。此时3个序列被显示在一张表格中。单击图13中的“View”“Graph”“Line”得到图15。图13图14图154.生成新的序列。有时为了
7、研究的需要要在原有序列的基础上进行处理生产新的序列。比如我们需要对序列“y”“l”“k”取对数的步骤如下：在命令栏中点击“Genr”得到如图15的对话框，在空白部分输入“lny=log（y）”表示新建的序列lny是由原有序列y取对数得到的。点击“ok”后，lny序列被保存。相同的方法可建立新序列lnl与lnk，如图17。图16图174.多元回归分析。利用序列“lny”“lnl”“lnk”进行多元回归分析的方法有两种。按住control键，依次选中三个序列，右键选择“open”“as Equation”如图18得到图19。或者在窗口上方的命令栏中点击选择 “Quick”“Estimate Equ
8、ation” 如图19得到图20。在图20中输入lny、lnc、lnl、lnk，中间用空格键隔开，点击“确定”得到最终的回归分析结果，如图21。图18图19图20图215.结果分析。从图20可以看出，回归方程为LNY = 0.6078151931*LNL + 0.371887487*LNK + 1.171524819，并且通过了F检验和t检验，并且可决系数为0.9424，调整后的可决系数为0.9377，表明建立的回归方程的统计性质是是比较好的。点击命令栏中的 “Resids”得到图21，可以看出实际值和拟合值是非常的接近的。图22从图22中可以看出残差在0的上下摆动，可以对其进行正态性检验。点
9、击“resid”序列，选择“View”“Descriptive Statistics”，“Histogram and State”得到图23，通过正态性检验。图23作业：利用中国统计年鉴2011，建立我国税收收入、国内生产总值、财政支出、商品零售价格指数的回归模型。课堂练习 据相关数据以税收收入为被解释变量，国民生产总值和财政支出及商品零售价格指数为解释变量建立我国税收收入的多元模型。实验二 异方差的检验与处理【实验目的】了解异方差的概念及产生的原因，学会异方差的检验方法(图示法、帕克检验法、格里瑟检验法、GQ检验法等)和修正的方法-加权最小二乘法。【实验内容及步骤】Y消费性支出X可支配支出Y
10、消费性支出X可支配支出8493.4910349.697020.229279.166121.048140.550226489.974348.475661.163830.714766.263941.874724.114644.55524.543927.755129.055218.796218.734356.065357.798016.919761.574020.8748104276.675124.243824.444912.884126.474916.258868.1911718.014185.735169.965323.186800.234422.935644.86(1)采用OLS估计结果如图1
11、：图1(2)观察e2X图。首先生成 e2序列。点击“genr”输入“e2=resid*resid”得到残差的平方e2。点击窗口上方的“Quick”“Graph”“Scatter”如图2，得到图3，在空白部分输入“x，e2”，点击“ok”得到图4。从中不看出随着X的增大e2有变大的趋势，可以初步判断存在递增型的异方差。图2图3图4(3)G-Q检验首先对序列“x”进行排序，然后选择前8个样本进行最小二乘回归，结果如下图5，选择后8个样本回归的结果如图6。图5图6由图5和图6知道两组样本的残差平方和即SSR分别是126528.3、615472.0。构造F统计量，又因为，于是拒绝无异方差的假设，表明模
12、型存在异方差。(4)怀特检验。在对原模型进行OLS估计后的窗口中，选择“View”“Residual Tests”“White Hetero”，如图7，得到如图8的检验结果。图7图8从图8中可以看出nR2统计量的伴随概率为0.001789，即在5%的显著性水平下，原模型存在异方差。(5)异方差的修正。首先用log(e2)关于x的OLS回归，如下图9图9结果显示，变量的线性关系在5%的显著性水平下成立。可生成权序列。具体的方法为点击“genr”在对话框中输入w=1/sqrt(exp(6.8251+0.00046)如下图10。点击“ok”即可生成序列“w”图10下面用加权最小二乘法进行估计。首先选
13、中序列“x”“y”，右键选择“open”“as equation”，在出现的对话框中输入“y c x”，如图11。然后选择“option”，选中“Weighted LS/TSLS”，输入“w”，如图12。点击“确定”，得到加权最小二乘的估计表达式，如图13。图11图12图13 可以看出与不加权的最小二乘小比较，加权的最小二乘估计使得参数估计值有所下降，但是标准差却增大了。表明最小二乘低估了x对应参数的标准差。可以验证加权最小二乘估计的模型已经不存在异方差，怀特检验的结果如图14。图14注：在实际建立模型时候，可以对原有的序列取对数，这种方法有时可以消除异方差或者有效降低异方差。课堂练习 选择某
14、省份，查找该省城镇居民家庭人均消费和收入的相关数据，建立回归模型后在进行异方差的检验与处理。实验三 序列相关的检验与处理【实验目的】 在理解自相关的基本概念及其导致的后果的基础上，掌握诊断自相关存在的方法和修正自相关的方法。能够熟练使用Eviews对实际经济问题独立进行自相关的诊断与处理。【实验内容及步骤】下表是我国1980-2007年社会固定资产总额X和工业增加值的统计结果，如果采用对数形式的模型：，试对该模型进行序列相关的检验，若存在序列相关的问题，请采用相关方法处理。obsYXobsYX19801996.5910.9199419480.717042.119812048.496119952
15、4950.620019.319822162.31230.4199629447.622913.519832375.61430.1199732921.424941.1198427891832.9199834018.428406.219853448.72543.2199935861.529854.7198639673120.6200040033.632917.719874585.83791.7200143580.637213.519885777.24753.8200247431.343499.9198964844410.4200354945.555566.6199068584517200465210
16、70477.419918087.15594.5200577230.888773.6199210284.58080.1200691310.9109998.219931418813072.32007107367.2137323.9(1)首先对取对数后的lny与lnx进行回归分析，结果如图1。点击“Resids”得到残差序列图2。(2)从残差图观察，此时似乎不太好像结论，下面用其他的检验方法检验相关性。(3)D.W检验。从图1中发现D.W.的值为0.379323。又因为5%的显著性水平下，样本容量为28的D.W.分布的下限临界值为dL为1.33，因此模型存在1阶序列相关。(4)LM检验。在估计窗口中
17、依次选中“View”“Residual Tests”“Serial Correlation LM Test”如图3。在得到的窗口中输入滞后阶数“1”如图4所示。点击“ok”后得到图5。图1图2图3图4图5从图5中发现nR2统计量的伴随概率小于显著性水平5%，从而可知模型存在1阶的序列自相关。同样的方法输入滞后阶数“2”“3”得到图6和图7。图6从图6和图7我们可以发现，本模型存在2阶自相关，但是不存在3阶自相关。图7(5)模型的估计。选择“Quick”“Estimate Equation”，在出现的对话框中输入“lny c lnx AR(1) AR(2)”，得到图8的估计结果。图8由图8可以知
18、道原估计的模型可写为：LNY = 1.462411093 + 0.8657254045*LNX + 1.153099738AR(1) -0.5166722259AR(2)。其中AR(1)和AR(2)前面的系数即为随机扰动项的相关系数。我们还可以发现经广义最小二乘估计的模型已经不存在1阶序列相关性。LM的检验结果如图9。图9(6)在Eviews中，回到OLS估计的窗口，点击“Estimate”在出现的对话框中点击“Option”，在出现的窗口中选择“Heteroskedastic”选项，并选中“New-West”选项。如图10所示。图10点击“确定”，得到图11。从该图结果中可以发现变量X的对数
19、修正后的标准差比OLS估计的结果有所增大，表明原模型的OLS的估计结果低估了X的标准差。图11课堂练习 查找中国统计年鉴得到我国GDP与进出口的相关数据，建立回归模型，并进行自相关检验与修正。实验四 多重共线性的检验与处理【实验目的】通过本实验，要求学生在理解计量经济模型能够中出现的多重共线性的不良后果的基础上，掌握诊断多重共线性和修正多重共线性的方法。【实验内容及步骤】建立我国农业生产相关计量模型。原始数据表:年份粮食产量（万吨）/Y农业化肥施用量（万公斤）/X粮食播种面积（千公顷）/X成灾面积（公顷）/X农业机械总动力（万千瓦）/X农业劳动力（万人）/X198338728166011404
20、716209180223115119844073117401128841526419497308681985379111776108845227052091331130198639151193111093323656229503125419874020819991112682039324836316631988394082142110123239452657532249198940755235711220524449280673322519904462425901134661781928708389141991435292806112314278142938939098199244264293
21、011056025895303083869919934564931521105092313331817376801994445103318109544313833380236628199546662359411006022267361183553019965045438281125482123338547348201997494173981112912303094201634840199851230408411378725181452083517719995083941241131612673148996357682000462184146108463343745257436043200145
22、264425410608031793551723651320024570643391038912731957930368702003430704412994103251660387365462004469474637101606162976402835269200548402476610427819966683983397020064980449281049582463272522325612007501605108105638250647659031444中国粮食生产与相关投入资料，来源中国统计年鉴下面建立Y与Xi之间的计量模型。(1)输入原始数据，按照以前的方法再生成去对数后的序列，如下图
23、1。图1对对数序列做多元回归分析，结果如图2。从该图中可以发现，回归方程有较高的可决系数，并且F统计量的值较大，伴随概率为零，这都说明方程有着较好的拟合优度。但是，我们可以发现，某些参数没能通过t检验，并且符号的经济意义也不合理，故认为模型存在多重共线性。图2(3)检验5个解释变量之间的相关系数。将lny与lnxi展开成组，点击“View”选择“Correlations”“Common Sample”如图2，可以得到图3。图2图3从图3中发现，lny与lnx1的相关性较高，相关系数为0.277596。lnx1与lnx4的相关性也较高，为0.776276。(4)逐步回归。第一步将lny和lnx1
24、做回归分析，结果如下图4。可以看出，方程的拟合优度较高，变量也通过了t检验。D.W.检验表明模型不存在1阶序列相关。图4第二步在模型中加入lnx2，进行回归分析结果如图5。图5通过图4和图5的比较分析可以看出引入lnx2后，模型的拟合优度得到了提高，变量通过t检验，不存在序列相关性。第三步再在模型中引入lnx3，进行回归分析，结果如下如图6。与图5比较发现模型的拟合优度再次得到了提高，变量也通过t检验，且由LM检验结果发现不存在序列相关性，图7所示。图6图7第四步在模型中引入lnx4，如图8。发现引入后的修正的可决系数较上一步有所降低，并且lnx4也未能通过t检验。第五部去掉lnx4，引入ln
25、x5的回归结果见图9。从图9中可以发现，引入lnx5后虽然拟合优度有所提高，单数参数未能通过t检验。第四步和第五步的结果表明模型中的lnx4和lnx5两个变量是多余的。同样还可以验证若首先让lnx4进入模型，最终发现模型的拟合效果都没有以lnx1、lnx2、lnx3的效果好。最终通过上述分析可以得到最终的回归形式为：LNY = 0.32338*LNX1 + 1.29073*LNX2 0.08675*LNX3- 5.9996图8图9课堂练习 根据相关数据，建立我国旅游年收入和旅游人数、城镇居民人均旅游支出、农村居民旅游支出、公里里程、铁路里程之间的计量关系，并进行多重共线性的检验与处理。实验五
26、虚拟变量模型【实验目的】通过本实验，要求学生能够在理解虚拟变量的意义和实际中的存在必要性的基础上，熟练使用Eviews软件对虚拟被解释变量模型进行估计。【实验内容及步骤】改革开放以来，随着经济的发展中国城乡居民的收入快速增长，同时城乡居民的储蓄存款也迅速增长。经济学界的一种观点认为，20世纪90年代以后由于经济体制、住房、医疗、养老等社会保障体制的变化，使居民的储蓄行为发生了明显改变。为了考察改革开放以来中国居民的储蓄存款与收入的关系是否已发生变化，以城乡居民人民币储蓄存款年底余额代表居民储蓄（Y），以国民总收入GNI代表城乡居民收入，分析居民收入对储蓄存款影响的数量关系。表8.1为1978-
27、2003年中国的国民总收入和城乡居民人民币储蓄存款年底余额及增加额的数据。国民总收入（GNI），城乡居民人民币储蓄存款年底余额（Y），城乡居民人民币储蓄存款增加额（YY）表8.1 国民总收入与居民储蓄存款 单位：亿元年 份（GNI）（Y）（YY）年 份（GNI）（Y）（YY）19783624.1210.6NA199121662.59241.62121.80019794038.2281.070.4199226651.911759.42517.80019804517.8399.5118.5199334560.515203.53444.10019814860.3532.7124.2199446670
28、.021518.86315.30019825301.8675.4151.7199557494.929662.38143.50019835957.4892.5217.1199666850.538520.88858.50019847206.71214.7322.2199773142.746279.87759.00019858989.11622.6407.9199876967.253407.57615.400198610201.42237.6615.0199980579.459621.86253.000198711954.53073.3835.7200088254.064332.44976.7001
29、98814922.33801.5728.2200195727.973762.49457.600198916917.85146.91374.22002103935.386910.613233.20199018598.47119.81923.42003116603.2103617.716631.90 数据来源：中国统计年鉴2004，中国统计出版社。表中“城乡居民人民币储蓄存款年增加额”为年鉴数值，与用年底余额计算的数值有差异。为了研究19782003年期间城乡居民储蓄存款随收入的变化规律是否有变化,考证城乡居民储蓄存款、国民总收入随时间的变化情况，如下图1所示：图1从图1中，尚无法得到居民的储蓄行
30、为发生明显改变的详尽信息。若取居民储蓄的增量(yy)，并作时序图，为此点击“Genr”，在生成的对话框中输入“yy=d(y)”见图2。d(y)指的是生产y的一阶差分序列。图2图3从居民储蓄增量图3可以看出，城乡居民的储蓄行为表现出了明显的阶段特征：在1996年和2000年有两个明显的转折点。再从城乡居民储蓄存款增量与国民总收入之间关系的图看，见图6(通过图4和图5得到)，也呈现出了相同的阶段性特征。 图4图5 图6 为了分析居民储蓄行为在1996年前后和2000年前后三个阶段的数量关系，引入虚拟变量D1和D2。D1和D2的选择，是以1996、2000年两个转折点作为依据，1996年的GNI为6
31、6850.50亿元,2000年的GNI为国为民8254.00亿元,并设定了如下以加法和乘法两种方式同时引入虚拟变量的的模型：其中： 对上式进行回归后，在命令栏中输入“smpl 1978 2003LS YY C GNI (GNI-66850.5)*D1 (GNI-88254.0)*D2”ls yy c gni (gni-66850.5)*d1 (gni-88254.0)*d2得到如下的结果：图7由于各个系数的t检验均大于2，表明各解释变量的系数显著地不等于0，居民人民币储蓄存款年增加额的回归模型分别为：这表明三个时期居民储蓄增加额的回归方程在统计意义上确实是不相同的。1996年以前收入每增加1亿
32、元，居民储蓄存款的增加额为0.1445亿元；在2000年以后，则为0.4133亿元，已发生了很大变化。上述模型与城乡居民储蓄存款与国民总收入之间的散布图是吻合的，与当时中国的实际经济运行状况也是相符的。需要指出的是，在上述建模过程中，主要是从教学的目的出发运用虚拟变量法则，没有考虑通货膨胀因素。而在实证分析中，储蓄函数还应当考虑通货膨胀因素。实验六 分布滞后模型【实验目的】 本实验是经典的线性回归模型的扩充，是动态计量经济模型的一种。通过本实验，在了解分布滞后模型与自回归模型的区别和联系的基础上，掌握Eviews软件进行分布滞后模型的参数估计方法。【实验内容及步骤】货币供应量与物价指数模型分析
33、原始数据如下表。M2Z ：广义货币月增长量；TBZS：居民消费价格同比指数obsM2ZTBZSobsM2ZTBZSobsM2ZTBZS1996M011998M051.274992000M092.68381001996M025.377109.31998M060.72298.72000M10-0.95181001996M030.733109.81998M071.65698.62000M111.4721101.31996M041.212109.71998M080.98598.62000M123.6162101.51996M051.157108.91998M092.49698.52001M012.93
34、33101.21996M061.252108.61998M101.080298.92001M02-1.33341001996M071.214108.31998M111.353898.82001M032.5343100.81996M082.963108.11998M122.2695992001M041.2054101.61996M09-2.666107.41999M011.001598.82001M05-0.9341101.71996M103.50921071999M022.27898.72001M068.7939101.41996M110.9898106.91999M030.6698.2200
35、1M071.419101.51996M121.95291071999M040.7897.82001M080.71311011997M012.5531105.91999M050.84397.82001M091.880899.91997M020.35105.61999M061.30297.92001M10-0.3253100.21997M030.8911041999M070.05198.62001M112.59199.71997M040.929103.21999M081.41398.72001M124.213699.71997M050.333102.81999M092.25299.22002M01
36、1.3374991997M061.638102.81999M100.31199.42002M021.29631001997M070.671102.71999M111.16999.12002M033.12999.21997M081.286101.91999M123.339992002M040.50698.71997M091.146101.82000M011.32299.82002M051.490498.91997M100.752101.52000M020.3634100.72002M063.540299.21997M110.946101.12000M030.997399.82002M071.24
37、9999.11997M123.4053100.42000M041.541299.72002M082.399899.31998M011.2161100.32000M05-0.0686100.12005M014.54513101.91998M02-0.187499.92000M062.552100.52005M021.60327103.91998M03-0.009100.72000M07-0.2814100.52005M035.2328102.71998M040.64799.72000M081.4661100.32005M042.40376101.82003M015.481100.42003M10
38、0.9023101.82004M084.88679105.32003M02-0.3799100.22003M111.88231032004M094.02781105.22003M034.3789100.92003M124.8711103.22004M10-0.017104.32003M041.64281012004M013.87913103.22004M113.39558102.82003M053.3751100.72004M021.94879102.12004M126.07212102.42003M065.4262100.32004M034.603881032005M052.23674101
39、.82003M071.2617100.52004M041.97326103.82002M093.731599.32003M084.3988100.92004M051.21454104.42002M100.311899.22003M092.9752101.12004M063.585091052002M112.442199.32004M07-3.58509105.32002M125.27199.6金融领域是数据发生量大，数据发送频率最高的领域，金融变量之间关系研究十分有必要。计量模型特有的处理问题的特点成为金融工作者常用的处理金融问题的手段与方法。然而金融变量的关系因为政策效应的滞后和行为人的预期
40、往往显现出滞后关系。将货币供应量与物价指数的滞后量进行反复试算，长度选择6、12、18进行回归分析，判断的标准是SC、SIC越小越好，因为他们都是残差的函数。在图1的对话框中输入要估计的方程，包含m2z的滞后6期的变量。图2是滞后6期的分析结果图。图1图2从图2中可以看出，滞后期的系数逐步增加，表明当期的货币供应量的变化对物价水平的影响需要经过一段时间才能显示出来。但是t统计量检验不显著。为此下面做滞后12期的分析结果，如图3所示。图3自图3可以看出，从m2z到m2z(-11)，回归系数都不显著。而m2z(-12)的回归系数t统计量的值为3.016798，在5%的显著性水平下拒绝系数为零的原假
41、设。表明当期货币供应量变化对物价水平的影响在经过12个月后明显的显示出来。为了考察货币供应量变化对物价水平影响的持续期，做滞后18期的回归分析。结果如图4所示。图4图4表明，从滞后12期开始，t统计量显著，一直到滞后16个月为止，从滞后17期开始，t值变得不显著。我们可以做出这样的判断，在我国，货币供应量变化对物价水平的影响具有明显的滞后性，滞后期大约为一年，而且滞后影响具有持续性，持续期大约为半年。从图4中我们还可以发现，模型的R2不高，DW值也偏低，表明出来货币供应量外，还有其他的因素影响物价变化。如果我们要提高模型的精度，当滞后期比较大时可以用自回归模型代替。因此我们估计如下的模型：回归结果如下图5所示。图5从图5看出m2z的t统计连不显著，表明当期货币量的变化对当期物价水平的影响在统计上意义不明显，可以剔除，重新估价的图6结果。图6从图6中可看出，并且模型不存在自相关
