计量经济学实验.docx
《计量经济学实验.docx》由会员分享，可在线阅读，更多相关《计量经济学实验.docx（20页珍藏版）》请在冰豆网上搜索。
计量经济学实验
第一节EViews基本操作
1、什么是EViews
EViews是EconometricEviews（计量经济学视图）的缩写，通常称为计量经济学软件包，是专门从事数据分析、回归分析和预测的工具，在科学数据分析与评价、金融分析、经济预测、销售预测和成本分析等领域应用非常广泛。
EViews引入了流行的对象概念，操作灵活简便，可在菜单式窗口和编程窗口两种方式下运行，可直接而不需要编程解决绝大部分计量经济学问题。
2、EViews安装
破解式安装方法：
1、运行压缩包中的INSTALL文件中的setup，输入序列码:
demo,将Eviews安装到硬盘指定目录（默认为c:
\programfiles\eviews5\）。
2、将压缩包中的Eviews5.exe文件复制到硬盘Eviews安装目录（默认为：
c:
\programfiles\eviews5\）中,覆盖原有的Eviews5.exe文件。
即可解除软件的时间限制。
3、EViews使用参考书
1）、《EViews使用指南与案例》，张晓峒主编，机械工业出版社，2007
2）、《计量经济学试验教程》，李国柱，刘德智主编，中国经济出版社，2010
图书馆还有EViews使用指导的参考图书。
4、认识EViews
主菜单包含九个主菜单，每个主菜单下包含若干菜单项。
File（文件）
Edit（编辑）
Object（对象）：
主菜单下有：
NewObject（新建对象）、FetchfromDB（从数据库导入）、UpdateselectedfromDB（从数据库更新对象）、storeselectedtoDB（把选定的对象存储到数据库）、copyselected（复制所选定的对象）、rename（重命名）、freezeoutput（冻结当前输入）
Qucik提供快速分析过程，即一些频繁使用的功能。
主要菜单有：
sample（改编样本范围）、generateseries（生成序列）、show（打开已选择的对象，或将多个序列合成一个群对象）、graph（画图）、emptygroup（打开一个空群）、seriesstatics（产生序列统计量）、groupstatistics（进行群统计）、estimateequation（估计方程）、estimateVAR（估计向量回归方程）。
5、数据操作
常用函数：
abs（x）,exp（x）,inv（x）,log（x）,log10（x）,log10（x,b）,sqrt（x）
常用描述统计函数：
cor（x,y）,cov（x,y）,mean（x）,medan（x）,min（x）,stdev（x）,var（x）,sum（x）
描述性统计常用的量：
偏度（skewness）计算公式为s=
3,对称分布的偏度为零;当偏度大于零时，序列的分布为正偏；当偏度小于零时，序列的分布为负偏；如果偏度等于零，则序列呈正态分布。
峰度（kurtosis）的计算公式为k=
4,正态分布的峰度为3。
当序列的峰度大于3时，表示与正态分布相比，序列的分布为尖崤峰；当序列的峰度小于3时，表示与正态分布相比，序列的分布为平缓峰。
雅克-贝拉统计量（Jarque-berastatistic）用来检验序列是否服从正态分布，计算公式JB=
，原假设为序列服从正态分布时，JB统计量服从自由度为2的卡方分布。
只需要比较P值与显著性水平的大小。
第二节简单线形回归
一、实验目的
掌握一元线形回归模型的估计与应用，熟悉Eviews的基本操作
二、实验要求
对课本的案例数据作一元回归并进行预测
三、预备知识
最小二乘估计、t检验、拟合优度检验，点预测与区间预测
四、实验步骤
1建立工作文件并录入数据
File\New\workfile,弹出Workfilecreate对话框中选择数据类型。
“Workfilefrequency”中选择数据频率：
Annual（年度）Weekly（周数据）
Quartrly（季度）Daily（5dayweek）（每周5天日数据）
SemiAnnual（半年）Daily（7dayweek）（每周7天日数据）
Monthly（月度）Undatedorirreqular（未注明日期或不规则的）
Object\newobject\group,按向上的方向键，出现两个obs,输入变量名Y，X。
粘贴收集数据。
数据见数据的excel文档。
2数据的描述性统计和画图
描述性统计：
quick/groupstatistics/descriptivestatistics\commonsample或打开对象x与y,点View\descriptivestatistics\commonsample
画散点图：
点view\graph\scatter\xy
3参数估计
点Quick\estimateequation,在弹出的对话框中输入”YCX”，注意变量见留空格.结果的保存。
4模型结果的含义与分析（参考课本）
练习题
1、美国GDP与个人消费支出数据见下表,设Y=A+B*GDP+U,估计其参数.
美国GDP与个人消费支出
YEAR
GDP
Y
1980
3776.3
2447.1
1981
3843.1
2476.9
1982
3760.3
2503.7
1983
3906.6
2619.4
1984
4148.5
2746.1
1985
4279.8
2865.8
1986
4404.5
2969.1
1987
4539.9
3052.2
1988
4718.6
3162.4
1989
4838
3223.3
1990
4877.5
3260.4
1991
4821
3240.8
2、经研究发现，家庭书刊消费受家庭收入及户主受教育年数的影响，表中为对某地区部分家庭抽样调查得到样本数据：
家庭书刊年消费支出（元）Y
家庭月平均收入
（元）X
户主受教育年数
（年）T
家庭书刊年消费支出（元）Y
家庭月平均收入
（元）X
户主受教育年数
（年）T
450
1027.2
8
793.2
1998.6
14
507.7
1045.2
9
660.8
2196
10
613.9
1225.8
12
792.7
2105.4
12
563.4
1312.2
9
580.8
2147.4
8
501.5
1316.4
7
612.7
2154
10
781.5
1442.4
15
890.8
2231.4
14
541.8
1641
9
1121
2611.8
18
611.1
1768.8
10
1094.2
3143.4
16
1222.1
1981.2
18
1253
3624.6
20
（1）建立家庭书刊消费的计量经济模型；
（2）利用样本数据估计模型的参数；
（3）检验户主受教育年数对家庭书刊消费是否有显著影响；
（4）分析所估计模型的经济意义和作用.
解：
（1）建立家庭书刊消费的计量经济模型：
其中：
Y为家庭书刊年消费支出、X为家庭月平均收入、T为户主受教育年数
（2）估计模型参数，结果为
即
（49.46026）（0.02936）（5.20217）
t=（-1.011244）（2.944186）（10.06702）
R2=0.951235
F=146.2974
（3）检验户主受教育年数对家庭书刊消费是否有显著影响:
由估计检验结果,户主受教育年数参数对应的t统计量为10.06702,明显大于t的临界值
，同时户主受教育年数参数所对应的P值为0.0000，明显小于
，均可判断户主受教育年数对家庭书刊消费支出确实有显著影响。
（4）本模型说明家庭月平均收入和户主受教育年数对家庭书刊消费支出有显著影响，家庭月平均收入增加1元，家庭书刊年消费支出将增加0.086元，户主受教育年数增加1年，家庭书刊年消费支出将增加52.37元。
3某地区城镇居民人均全年耐用消费品支出、人均年可支配收入及耐用消费品价格指数的统计资料如表所示：
年份
人均耐用消费品支出
Y（元）
人均年可支配收入
X1（元）
耐用消费品价格指数
X2（1990年=100）
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
137.16
124.56
107.91
102.96
125.24
162.45
217.43
253.42
251.07
285.85
327.26
1181.4
1375.7
1501.2
1700.6
2026.6
2577.4
3496.2
4283.0
4838.9
5160.3
5425.1
115.96
133.35
128.21
124.85
122.49
129.86
139.52
140.44
139.12
133.35
126.39
利用表中数据，建立该地区城镇居民人均全年耐用消费品支出关于人均年可支配收入和耐用消费品价格指数的回归模型，进行回归分析，并检验人均年可支配收入及耐用消费品价格指数对城镇居民人均全年耐用消费品支出是否有显著影响。
解：
（1）建立该地区城镇居民人均全年耐用消费品支出关于人均年可支配收入和耐用消费品价格指数的回归模型：
（2）估计参数结果
由估计和检验结果可看出，该地区人均年可支配收入的参数的t检验值为10.54786，其绝对值大于临界值
；而且对应的P值为0.0000，也明显小于
。
说明人均年可支配收入对该地区城镇居民人均全年耐用消费品支出确实有显著影响。
但是，该地区耐用消费品价格指数的参数的t检验值为-0.921316，其绝对值小于临界值
；而且对应的P值为0.3838，也明显大于
。
这说明该地区耐用消费品价格指数对城镇居民人均全年耐用消费品支出并没有显著影响。
第三节可线形化的回归
典型例题1：
课本105面13题。
估计其未知参数并对模型进行评价。
典型例题2：
随着经济的增长，国家财政收入也随之增长，但这种增长可能是非线性的。
如下表列出了中国1989—2005年的GDP与财政输入的数据。
年份
财政收入（Y）
国内生产总值（X）
1989
2664.90
16992.3
1990
2937.10
18667.8
1991
3149.48
21781.5
1992
3483.37
26923.5
1993
4348.95
35333.9
1994
5218.10
48197.9
1995
6242.20
60793.0
1996
7407.99
71176.6
1997
8651.14
78973.0
1998
9875.95
84402.3
1999
11444.08
89677.1
2000
13395.23
99214.6
2001
16386.04
109655.2
2002
18903.64
120332.7
2003
21715.25
135822.8
2004
26396.47
159878.3
2005
31649.29
183084.8
实验步骤：
1、画出国内生产总值（x）与财政收入（y）的散点图。
2、根据散点图，考虑以下模型：
线性模型：
y=a+bx+u
倒数模型：
1/y=a+bx+u（1/y）
指数模型：
lny=a+bx+u（或lny=a+blnx+u）
多项式模型：
y=a+bx+cx^2
根据上面数据，分别计算出以上模型的结果。
注：
生成新序列：
lnx=log（x）,lny=log（y）或直接输入命令log（y）clog（x）
注意：
常用函数abs（x）,exp（x）,inv（x）,log（x）,log10（x）,log10（x,b）,sqrt（x）
3、比较以上模型，判断哪个模型的拟合效果最好。
第四节多重共线性实验
多重共线性数据
国内旅游
业收入Y
国内旅游
人数X2
人均旅游
支出X3
农村居民人
均旅游支出
公路里程
铁路里程
1994
1023.50
52400.00
414.70
54.90
111.78
5.90
1995
1375.70
62900.00
464.00
61.50
115.70
5.97
1996
1638.40
63900.00
534.10
70.50
118.58
6.49
1997
2112.70
64400.00
599.80
145.70
122.64
6.60
1998
2391.20
69450.00
607.00
197.00
127.85
6.64
1999
2831.90
71900.00
614.80
249.50
135.17
6.74
2000
3175.50
74400.00
678.60
226.60
140.27
6.87
2001
3522.40
78400.00
708.30
212.70
169.80
7.01
2002
3878.40
87800.00
739.70
209.10
176.52
7.19
2003
3442.30
87000.00
684.90
200.00
180.98
7.30
第四节异方差的检验与修正
典型例题1：
课本116面案例——中国农村居民人均消费函数。
（数据见数据文档）
主要步骤：
1、得出模型lny=a+blnx1+clnx2+u的结果；输入命令：
log（y）clog（x1）log（x2）
2、异方差的检验
图示法：
可以认为不同地区农村人均消费支出的差别主要来源于非农经营收入及工资收入、财产收入等其他收入的差别上，因此，如果存在异方差，则可能是由X2引起的，作出
的散点图；
Graph/scatter输入log（x2）e2
G-Q检验
第一步：
将原始数据按X2排成升序，去掉中间的7个数据，得两个容量为12的子样本。
Srot命令，升序（Ascenging）和降序（Descending）排列
第二步：
对两个子样本分别作OLS回归，求各自的残差平方和RSS1和RSS2
（可以在excel中排序后再，再选分组样本作回归）,再根据F统计量判断
怀特检验
作辅助回归:
再比较n
与临界值的大小
在equation窗口中选择View/residualtest/whiteheteroskedasticity
结果有交叉项和没有交叉项的结果。
3异方差的修正
可以在evies主窗口中选择quick/estimateequation/options,在窗口中输入全书如1/x1,1/log（x1）等。
典型例题2：
1、问题的提出和模型设定
为了给制定医疗机构的规划提供依据，分析比较医疗机构与人口数量的关系，建立卫生医疗机构数与人口数的回归模型。
假定医疗机构数与人口数之间满足线性约束，则理论模型设定为
其中
表示卫生医疗机构数，
表示人口数。
由2001年《四川统计年鉴》得到如下数据。
表5.1四川省2000年各地区医疗机构数与人口数
地区
人口数（万人）
X
医疗机构数（个）Y
地区
人口数（万人）
X
医疗机构数（个）Y
成都
1013.3
6304
眉山
339.9
827
自贡
315
911
宜宾
508.5
1530
攀枝花
103
934
广安
438.6
1589
泸州
463.7
1297
达州
620.1
2403
德阳
379.3
1085
雅安
149.8
866
绵阳
518.4
1616
巴中
346.7
1223
广元
302.6
1021
资阳
488.4
1361
遂宁
371
1375
阿坝
82.9
536
内江
419.9
1212
甘孜
88.9
594
乐山
345.9
1132
凉山
402.4
1471
南充
709.2
4064
二、参数估计
设模型为
，估计其参数。
三、检验模型的异方差
（一）图示法
（1）画出Y-X的散点图；
（2）画出
的散点图；
从以上图形判断
.是否存在异方差.
（二）Goldfeld-Quanadt检验
（三）White检验
四、异方差性的修正
详细的过程
二、参数估计
进入EViews软件包，确定时间范围；编辑输入数据；选择估计方程菜单，估计样本回归函数如下
表5.2
估计结果为
（5.32）
括号内为t统计量值。
三、检验模型的异方差
本例用的是四川省2000年各地市州的医疗机构数和人口数，由于地区之间存在的不同人口数，因此，对各种医疗机构的设置数量会存在不同的需求，这种差异使得模型很容易产生异方差，从而影响模型的估计和运用。
为此，必须对该模型是否存在异方差进行检验。
（一）图形法
1、EViews软件操作。
由路径：
Quick/QstimateEquation，进入EquationSpecification窗口，键入“ycx”，确认并“ok”，得样本回归估计结果，见表5.2。
（1）生成残差平方序列。
在得到表5.2估计结果后，立即用生成命令建立序列
，记为e2。
生成过程如下，先按路径：
Procs/GenerateSeries，进入GenerateSeriesbyEquation对话框，即
图5.4
然后，在GenerateSeriesbyEquation对话框中（如图5.4），键入“e2=（resid）^2”，则生成序列
。
（2）绘制
对
的散点图。
选择变量名X与e2（注意选择变量的顺序，先选的变量将在图形中表示横轴，后选的变量表示纵轴），进入数据列表，再按路径view/graph/scatter，可得散点图，见图5.5。
图5.5
2、判断。
由图5.5可以看出，残差平方
对解释变量X的散点图主要分布在图形中的下三角部分，大致看出残差平方
随
的变动呈增大的趋势，因此，模型很可能存在异方差。
但是否确实存在异方差还应通过更进一步的检验。
（二）Goldfeld-Quanadt检验
1、EViews软件操作。
（1）对变量取值排序（按递增或递减）。
在Procs菜单里选SortSeries命令，出现排序对话框，如果以递增型排序，选Ascenging，如果以递减型排序，则应选Descending，键入X，点ok。
本例选递增型排序，这时变量Y与X将以X按递增型排序。
（2）构造子样本区间，建立回归模型。
在本例中，样本容量n=21，删除中间1/4的观测值，即大约5个观测值，余下部分平分得两个样本区间：
1—8和14—21，它们的样本个数均是8个，即
。
在Sample菜单里，将区间定义为1—8，然后用OLS方法求得如下结果
表5.3
在Sample菜单里,将区间定义为14—21，再用OLS方法求得如下结果
表5.4
（3）求F统计量值。
基于表5.3和表5.4中残差平方和的数据，即Sumsquaredresid的值。
由表5.3计算得到的残差平方和为
，由表5.4计算得到的残差平方和为
，根据Goldfeld-Quanadt检验，F统计量为
（5.33）
（4）判断。
在
下，式（5.33）中分子、分母的自由度均为6，查F分布表得临界值为
，因为
，所以拒绝原假设，表明模型确实存在异方差。
（三）White检验
由表5.2估计结果，按路径view/residualtests/whiteheteroskedasticity（nocrosstermsorcrossterms），进入White检验。
根据White检验中辅助函数的构造，最后一项为变量的交叉乘积项，因为本例为一元函数，故无交叉乘积项，因此应选nocrossterms，则辅助函数为
（5.34）
经估计出现White检验结果，见表5.5。
从表5.5可以看出，
，由White检验知，在
下，查
分布表,得临界值
（在（5.34）式中只有两项含有解释变量，故自由度为2），比较计算的
统计量与临界值，因为
＞
，所以拒绝原假设，不拒绝备择假设，表明模型存在异方差。
表5.5
四、异方差性的修正
（一）加权最小二乘法（WLS）
在运用WLS法估计过程中，我们分别选用了权数
。
权数的生成过程如下，由图5.4，在对话框中的EnterQuation处，按如下格式分别键入：
；
；
，经估计检验发现用权数
的效果最好。
下面仅给出用权数
的结果。
表5.7
表5.7的估计结果如下
（5.36）
括号中数据为t统计量值。
可以看出运用加权小二乘法消除了异方差性后，参数的t检验均显著，可决系数大幅提高，F检验也显著，并说明人口数量每增加1万人，平均说来将增加2.953个卫生医疗机构，而不是引子中得出的增加5.3735个医疗机构。
虽然这个模型可能还存在某些其他需要进一步解决的问题，但这一估计结果或许比引子中的结论更为接近真实情况。
升级会员 