《计量经济学》李子奈版课后习题实验报告.docx
《《计量经济学》李子奈版课后习题实验报告.docx》由会员分享,可在线阅读,更多相关《《计量经济学》李子奈版课后习题实验报告.docx(23页珍藏版)》请在冰豆网上搜索。
![《计量经济学》李子奈版课后习题实验报告.docx](https://file1.bdocx.com/fileroot1/2023-4/18/82bfabb5-7458-4fd0-a2dd-5f52384f748b/82bfabb5-7458-4fd0-a2dd-5f52384f748b1.gif)
《计量经济学》李子奈版课后习题实验报告
《计量经济学》实验报告
实验一:
EViews5.0软件安装及基本操作
1.Eviews5.0的安装过程
解压安装包,双击“Setup.exe”,选择安装路径进行安装;安装完毕后,复制“eviews5.0破解文件夹”下的“eviews5.reg文件”和“eviews5.exe文件”到安装目录下;双击“Eviews5.reg”进行注册,安装完毕。
2.基本操作(数据来源于李子奈版课后习题P61.12)
运行Eviews,依次单击file→new→workfile→unstructed→observation31。
命令栏中输入“dataygdp”,打开“ygdp”表,接下来将数据输入其中。
做出“ygdp”的散点图,依次单击quick→graph→scatter→gdpy。
结果如下:
开始进行LS回归:
命令栏中输入“lsycgdp”回车,即得到回归结果如下:
DependentVariable:
Y
Method:
LeastSquares
Date:
12/11/11Time:
09:
38
Sample:
131
Includedobservations:
31
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-10.39341
86.05105
-0.120782
0.9047
GDP
0.071032
0.007406
9.591249
0.0000
R-squared
0.760315
Meandependentvar
621.0548
AdjustedR-squared
0.752050
S.D.dependentvar
619.5803
S.E.ofregression
308.5175
Akaikeinfocriterion
14.36377
Sumsquaredresid
2760308.
Schwarzcriterion
14.45629
Loglikelihood
-220.6385
F-statistic
91.99205
Durbin-Watsonstat
1.570581
Prob(F-statistic)
0.000000
回归方程为:
Y=-10.39340931+0.07103165248*GDP
对回归方程做检验:
斜率项t值9.59大于t在5%显著水平下的检验值2.045,拒绝零假设;截距项t值0.121小于2.045,接受零假设。
可决系数0.76,拟合较好,方程F检验值91.99通过F检验。
下面进行预测:
拓展工作空间:
打开workfile窗口,单击Proc→Structure,将Enddate的数据31→32;确定预测值的起止日期:
打开workfile窗口,点击Quick→Sample,填入“132”。
打开GDP数据表,在GDP的最下方填,按回车键。
在出现的Equation界面,点击Forecast出现相应界面如下:
双击YF,得到y32=593.3756,预测完毕。
实验二:
回归模型的建立与检验
(数据来源于李子奈版课后习题P105.11)
运行Eviews,依次单击file→new→workfile→unstructed→observation10。
命令栏中输入“datayx1x2”,打开“yx1x2”表,接下来将数据输入其中。
开始进行LS回归:
命令栏中输入“lsycx1x2”回车,即得到回归结果:
DependentVariable:
Y
Method:
LeastSquares
Date:
12/11/11Time:
10:
17
Sample:
110
Includedobservations:
10
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
626.5093
40.13010
15.61195
0.0000
X1
-9.790570
3.197843
-3.061617
0.0183
X2
0.028618
0.005838
4.902030
0.0017
R-squared
0.902218
Meandependentvar
670.3300
AdjustedR-squared
0.874281
S.D.dependentvar
49.04504
S.E.ofregression
17.38985
Akaikeinfocriterion
8.792975
Sumsquaredresid
2116.847
Schwarzcriterion
8.883751
Loglikelihood
-40.96488
F-statistic
32.29408
Durbin-Watsonstat
1.650804
Prob(F-statistic)
0.000292
估计方程:
依次单击view→representations,得到回归方程为:
Y=626.5092847-9.790570097*X1+0.02861815879*X2,参数估计完毕。
直接查看结果计算得到随机干扰项的方差值为2116.847/(10-2-1)=309.55,可决系数为0.902,修正后的可决系数为0.874。
F=32.294>5%显著水平下的F值4.74,即方程通过F检验;两个参数的t检验值均通过了5%显著水平下的t检验值2.365。
下面进行预测:
拓展工作空间:
打开workfile窗口,单击Proc→Structure,将Enddate的数据10→11;确定预测值的起止日期:
打开workfile窗口,点击Quick→Sample,填入“111”。
在x1的最下方填入35,在x2的最下方填入20000,按回车键。
在出现的Equation界面,点击Forecast出现相应界面如下:
双击YF,得到y11=856.2025,预测完毕。
实验三:
异方差、自相关、多重共线性的检验
1.异方差检验(数据来源于李子奈版课后习题P154.8)
运行Eviews,依次单击file→new→workfile→unstructed→observation20。
命令栏中输入“datayx”,打开“yx”表,接下来将数据输入其中。
开始进行LS回归,命令栏中输入“lsycx”回车,即得到回归结果如下:
DependentVariable:
Y
Method:
LeastSquares
Date:
12/11/11Time:
10:
38
Sample:
120
Includedobservations:
20
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
272.3635
159.6773
1.705713
0.1053
X
0.755125
0.023316
32.38690
0.0000
R-squared
0.983129
Meandependentvar
5199.515
AdjustedR-squared
0.982192
S.D.dependentvar
1625.275
S.E.ofregression
216.8900
Akaikeinfocriterion
13.69130
Sumsquaredresid
846743.0
Schwarzcriterion
13.79087
Loglikelihood
-134.9130
F-statistic
1048.912
Durbin-Watsonstat
2.087986
Prob(F-statistic)
0.000000
回归方程为:
Y=272.3635389+0.7551249391*X
开始检验异方差
图示法:
在工作文件窗口按Genr,在主窗口键入命令e2=resid^2,依次单击Quick→Graph→Scatter可得散点图:
显然,散点不在一条水平直线上,即说明存在异方差性。
White检验法:
依次单击View→ResidualTests→WhiteHeteroskedasticity因为本题为一元函数,故无交叉乘积项,选nocrossterms。
经估计出现white检验结果,如下图:
WhiteHeteroskedasticityTest:
F-statistic
14.63595
Probability
0.000201
Obs*R-squared
12.65213
Probability
0.001789
TestEquation:
DependentVariable:
RESID^2
Method:
LeastSquares
Date:
12/11/11Time:
11:
16
Sample:
120
Includedobservations:
20
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-180998.9
103318.2
-1.751858
0.0978
X
49.42846
28.93929
1.708006
0.1058
X^2
-0.002115
0.001847
-1.144742
0.2682
R-squared
0.632606
Meandependentvar
42337.15
AdjustedR-squared
0.589384
S.D.dependentvar
45279.67
S.E.ofregression
29014.92
Akaikeinfocriterion
23.52649
Sumsquaredresid
1.43E+10
Schwarzcriterion
23.67585
Loglikelihood
-232.2649
F-statistic
14.63595
Durbin-Watsonstat
2.081758
Prob(F-statistic)
0.000201
所以拒绝原假设,表明模型存在异方差。
Goldfeld-Quanadt检验法:
在命令栏中直接输入:
sortx,得到按照升序排列的x。
开始取样本,依次单击quick→sample,填入“18”,回归模型lsycx;
得到如下结果:
DependentVariable:
Y
Method:
LeastSquares
Date:
12/11/11Time:
11:
26
Sample:
18
Includedobservations:
8
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
1277.161
1540.604
0.829000
0.4388
X
0.554126
0.311432
1.779287
0.1255
R-squared
0.345397
Meandependentvar
4016.814
AdjustedR-squared
0.236296
S.D.dependentvar
166.1712
S.E.ofregression
145.2172
Akaikeinfocriterion
13.00666
Sumsquaredresid
126528.3
Schwarzcriterion
13.02652
Loglikelihood
-50.02663
F-statistic
3.165861
Durbin-Watsonstat
3.004532
Prob(F-statistic)
0.125501
继续取样本,依次单击quick→sample,填入“1320”,回归模型lsycx;
得到如下结果:
DependentVariable:
Y
Method:
LeastSquares
Date:
12/11/11Time:
11:
28
Sample:
1320
Includedobservations:
8
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
212.2118
530.8892
0.399729
0.7032
X
0.761893
0.060348
12.62505
0.0000
R-squared
0.963723
Meandependentvar
6760.477
AdjustedR-squared
0.957676
S.D.dependentvar
1556.814
S.E.ofregression
320.2790
Akaikeinfocriterion
14.58858
Sumsquaredresid
615472.0
Schwarzcriterion
14.60844
Loglikelihood
-56.35432
F-statistic
159.3919
Durbin-Watsonstat
1.722960
Prob(F-statistic)
0.000015
计算F统计量:
F=RSS2/RSS1=615472.0/126528.3=4.864;F=4.864>F0.05(6,6)=4.28,拒绝原假设,表明模型确实存在异方差性。
异方差的修正:
在对原模型进行OLS后,单击Quick→GenerateSeries,在弹出的对话框内输w1=1/e,w2=1/e^2。
再选择Quick→EstimateEquation,在弹出的对话框中选择Options按钮,在出现的画面中,选中WeightLs/TLS复选框,在Weight内分别输入“w1”,“w2”,分别得下图:
DependentVariable:
Y
Method:
LeastSquares
Date:
12/11/11Time:
11:
33
Sample:
120
Includedobservations:
20
Weightingseries:
W1
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
415.6603
116.9791
3.553288
0.0023
X
0.729026
0.022429
32.50349
0.0000
WeightedStatistics
R-squared
0.999895
Meandependentvar
4471.606
AdjustedR-squared
0.999889
S.D.dependentvar
7313.160
S.E.ofregression
77.04831
Akaikeinfocriterion
11.62138
Sumsquaredresid
106856.0
Schwarzcriterion
11.72096
Loglikelihood
-114.2138
F-statistic
1056.477
Durbin-Watsonstat
2.367808
Prob(F-statistic)
0.000000
UnweightedStatistics
R-squared
0.981664
Meandependentvar
5199.515
AdjustedR-squared
0.980645
S.D.dependentvar
1625.275
S.E.ofregression
226.1101
Sumsquaredresid
920263.9
Durbin-Watsonstat
1.886959
DependentVariable:
Y
Method:
LeastSquares
Date:
12/11/11Time:
11:
34
Sample:
120
Includedobservations:
20
Weightingseries:
W2
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
117.0597
134.7186
0.868920
0.3963
X
0.786976
0.026058
30.20073
0.0000
WeightedStatistics
R-squared
0.999999
Meandependentvar
4207.516
AdjustedR-squared
0.999999
S.D.dependentvar
15774.21
S.E.ofregression
15.35992
Akaikeinfocriterion
8.396039
Sumsquaredresid
4246.688
Schwarzcriterion
8.495613
Loglikelihood
-81.96039
F-statistic
912.0839
Durbin-Watsonstat
2.113659
Prob(F-statistic)
0.000000
UnweightedStatistics
R-squared
0.980281
Meandependentvar
5199.515
AdjustedR-squared
0.979185
S.D.dependentvar
1625.275
S.E.ofregression
234.4844
Sumsquaredresid
989692.9
Durbin-Watsonstat
1.836717
经估计发现用w2=1/e^2作为合适的权。
再检验:
单击Quick→GenerateSeries,分别输入x1=x*w2,y1=y*w2,按住ctrl,依次点击x1,y1,右键选择Openasgroup,依次单击Quick→Graph可得下图:
由该图可知,加权后X和Y的散点图在同一直线上,所以是同方差性。
2.自相关检验(数据来源于李子奈版课后习题P155.9)
运行Eviews,依次单击file→new→workfile→Annual→strat1980end2007。
命令栏中输入“datayx”,打开“yx”表,接下来将数据输入其中。
开始进行LS回归,命令栏中输入“lslog(y)clog(x)”回车,即得到回归结果如下:
DependentVariable:
LOG(Y)
Method:
LeastSquares
Date:
12/11/11Time:
11:
49
Sample:
19802007
Includedobservations:
28
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
1.588478
0.134220
11.83492
0.0000
LOG(X)
0.854415
0.014219
60.09058
0.0000
R-squared
0.992851
Meandependentvar
9.552256
AdjustedR-squared
0.992576
S.D.dependentvar
1.303948
S.E.ofregression
0.112351
Akaikeinf