作业二完成版Word文档格式.docx
《作业二完成版Word文档格式.docx》由会员分享，可在线阅读，更多相关《作业二完成版Word文档格式.docx（13页珍藏版）》请在冰豆网上搜索。
1、目的
利用Eviews软件，使学生在实验过程中全面了解和熟悉计量经济学。
2、内容及要求
熟悉Eviews软件的操作与应用
二、仪器用具：
仪器名称
规格/型号
数量
备注
三、实验方法与步骤:
1．题表3.6是64个国家儿童死亡率与人均ＧＮＰ数据，请用合适的模型做儿童死亡率对人均ＧＮＰ的一元线形回归，解释回归结果的含义，画出儿童死亡率对人均ＧＮＰ倒数的散点图，并与回归结果对应解释。
答：
设模型为：
其中Y为儿童死亡率，X为1/GNP
进行OLS回归分析结果如下：
VariableCoefficientStd.Errort-StatisticProb.
X27273.173759.9997.2535030.0000
C81.7943610.832067.5511360.0000
R-squared0.459051Meandependentvar141.5000
AdjustedR-squared0.450326S.D.dependentvar75.97807
S.E.ofregression56.33016Akaikeinfocriterion10.93109
Sumsquaredresid196731.4Schwarzcriterion10.99855
Loglikelihood-347.7948Hannan-Quinncriter.10.95767
F-statistic52.61330Durbin-Watsonstat1.959368
Prob（F-statistic）0.000000
回归模型为：
散点图如下：
由回归结果中可知R2=0.459051，即模型的拟合优度较低，即解释变量X-GNP的倒数对被解释变量Y-儿童死亡率的解释能力只有不到一半。
由方差分析中F统计量的P值小于0.05可知，模型显著，即至少有一个参数不为零。
由散点图与回归结果可知X与Y呈正相关关系。
2．题表3.7是我国粮食产量、农业机械总动力、土地灌溉面积、化肥施用量1990-2008年的数据，请用粮食产量作被解释变量，分别用其他三个变量作解释变量进行一元线形回归，并用其中你认为最好的模型预测2009和2010年的粮食产量。
设粮食产量为Y，农用机械总动力为X1，土地灌溉面积为X2，化肥施用量为X3，分别对Y进行一元线性回归结果如下：
①、X1-农用机械总动力对Y-粮食产量的一元线性回归分析：
VariableCoefficientStd.Errort-StatisticProb.
C42952.691908.01722.511700.0000
X10.0874820.0360482.4268240.0266
R-squared0.257300Meandependentvar47348.41
AdjustedR-squared0.213612S.D.dependentvar2947.975
S.E.ofregression2614.220Akaikeinfocriterion18.67462
Sumsquaredresid1.16E+08Schwarzcriterion18.77403
Loglikelihood-175.4089Hannan-Quinncriter.18.69144
F-statistic5.889473Durbin-Watsonstat0.689186
Prob（F-statistic）0.026639
②、土地灌溉面积为X2对粮食产量Y的一元线性回归分析：
VariableCoefficientStd.Errort-StatisticProb.
C21364.959621.9852.2204310.0403
X20.4964940.1835212.7053770.0150
R-squared0.300960Meandependentvar47348.41
AdjustedR-squared0.259840S.D.dependentvar2947.975
S.E.ofregression2536.218Akaikeinfocriterion18.61404
Sumsquaredresid1.09E+08Schwarzcriterion18.71345
Loglikelihood-174.8333Hannan-Quinncriter.18.63086
F-statistic7.319066Durbin-Watsonstat0.680218
Prob（F-statistic）0.015006
③、化肥施用量X3对粮食产量Y的一元线性回归分析：
VariableCoefficientStd.Errort-StatisticProb.
C38067.082961.59812.853560.0000
X32.3132050.7252643.1894660.0054
R-squared0.374372Meandependentvar47348.41
AdjustedR-squared0.337570S.D.dependentvar2947.975
S.E.ofregression2399.351Akaikeinfocriterion18.50308
Sumsquaredresid97867010Schwarzcriterion18.60250
Loglikelihood-173.7793Hannan-Quinncriter.18.51991
F-statistic10.17269Durbin-Watsonstat0.755713
Prob（F-statistic）0.005368
由以上分析结果可以看出，线性回归方程三即：
的拟合优度最佳，选择该模型对2009及2010年的粮食产量进行预测：
X2009=5404.40，预测值Y2009=50568.57万吨
X2010=5561.68，预测值Y2010=50932.39万吨
3．为了分析中国的环境库兹涅茨曲线，我们建立了如下的回归方程：
其中：
WE为废水（或废气）人均排放量（单位：
吨），PGDP为人均GDP水平。
具体数据见表4.1
（1）基于表中的数据，估计中国人均工业（或废气）排放量随人均GDP变化的规律，解释估计结果的经济含义。
答：
①、以WEt-废水人均排放量，PGDP进行回归分析，结果如下：
VariableCoefficientStd.Errort-StatisticProb.
PGDP*PGDP4.34E-054.34E-0610.012920.0000
PGDP-0.0533390.004219-12.643720.0000
C31.941960.86021837.132420.0000
R-squared0.935766
Meandependentvar19.41438
AdjustedR-squared0.929343
S.D.dependentvar3.384789
S.E.ofregression0.899724
Akaikeinfocriterion2.747650
Sumsquaredresid16.19006
Schwarzcriterion2.895758
Loglikelihood-28.59798
Hannan-Quinncriter.2.784899
F-statistic145.6816
Durbin-Watsonstat0.859559
估计的回归方程为：
说明人均收入增长PGDP对废水人均排放量的边际影响为：
回归结果显示拟合优度为0.929343，说明模型拟合效果较好，PGDP能解释废水人均排放量的92.9%。
同时、模型参数均显著，说明模型设定正确。
②、以WEt-废气人均排放量，PGDP进行回归分析，结果如下：
VariableCoefficientStd.Errort-StatisticProb.
PGDP-0.0007940.000179-4.4280440.0003
PGDP*PGDP2.58E-061.84E-0714.011190.0000
C0.7492680.03657920.483650.0000
R-squared0.991114Meandependentvar0.977529
AdjustedR-squared0.990226S.D.dependentvar0.386977
S.E.ofregression0.038259Akaikeinfocriterion-3.567782
Sumsquaredresid0.029275Schwarzcriterion-3.419674
Loglikelihood44.02949Hannan-Quinncriter.-3.530533
F-statistic1115.387Durbin-Watsonstat0.996059
回归结果显示拟合优度为0.991114，说明模型拟合效果非常好，PGDP能解释废水人均排放量的99.1%。
同时、模型参数均显著，说明模型是正确设定的。
（2）中国工业污染排放是否符合环境库兹涅茨曲线的特征？
解释你的理由。
不符合，因为环境库兹涅茨曲线的特征是呈倒U型，即二次项系数为负。
然而从以上两步分析中可以发现，二次项系数β1均为正数，所以中国工业污染排放并不符合环境库兹涅茨曲线的特征。
4.为分析中国能源效率的影响因素，有研究者建立了如下的模型：
LEE和LPI分别为取自然对数的能源效率（单位消耗的实际GDP）和能源价格定基指数，SI为第二产业的比重。
题表4.2为中国1978-2006年的数据。
其中：
能源效率为单位能源消耗的实际GDP，能源价格定基指数是按不同能源占总消费比重为权的加权价格（1978年为100）。
具体数据见题表4.2。
（1）基于经济理论和对经济现实的观察，你对LPI和SI系数的符号有怎样的先验预期？
简要说明理由。
LPI系数为正，而SI系数为负。
随着经济增长，技术进步，对能源效率提高的同时，能源的的需求也会加大，然而供给却不能很好的跟上需求的增长，因而相对价格会上升，所以，LPI系数为正。
随着经济发展，服务业在在国民经济中的比例会不断升高，二工业则不然。
因而SI系数为负。
（2）对模型进行OLS估计。
解释估计结果的经济含义？
OLS估计结果如下：
VariableCoefficientStd.Errort-StatisticProb.
LPI0.4907310.01624530.208880.0000
SI-0.0415880.006807-6.1091650.0000
C0.2848830.2828771.0070890.3232
R-squared0.973803
Meandependentvar1.210797
AdjustedR-squared0.971788
S.D.dependentvar0.391911
S.E.ofregression0.065827
Akaikeinfocriterion-2.505872
Sumsquaredresid0.112664
Schwarzcriterion-2.364427
Loglikelihood39.33514
Hannan-Quinncriter.-2.461573
F-statistic483.2421
Durbin-Watsonstat0.565152
Prob（F-statistic）0.000000
由估计结果得回归方程为：
拟合优度为0.971788，F检验P值为0说明模型拟合效果很好，模型成功的解释了LEE（取自然对数的能源效率）变化的97.17%。
但参数检验中，常数β0不显著，即常数项为0。
系数的符号与预期相同。
说明能源的相对稀缺（价格上涨）与服务业的兴起（工业的减少）大致反映中国经济的发展，以及技术的进步。
（3）有人认为。
中国第二产业比重的增加对提高能源效率具有反向作用，你如何检验这一观点？
H0:
α2=0H1:
α2<
假设原假设成立的情况下，
而t~t（N-K-1）=t（26）,在显著性水平为0.05时，查表得-t0.05（26）=-1.706，拒绝域为（-∞，-1.706）由于t落在此区间内，因此拒绝原假设，即认为α2<
0，中国第二产业比重的增加对提高能源效率具有反向作用。
（4）1992年7月，中国试点防开了煤炭价格，而煤炭在我国能源消费总量中一直占70%左右。
所以，有人认为，能源效率与能源价格的关系在1978-1992年和1993-2006年两个时期可能会有显著的变化。
你如何检验这一假设？
对这两个时期的数据分别进行回归分析，然后进行邹检验；
1978-1992年回归方程为：
RSS1=0.02739
1993-2006年回归方程如下：
RSS2=0.030114
1978-2006年的回归方程如下：
RSSr=0.112664
原假设：
H0：
α0=β0，α1=β1，α2=β2H1：
原假设中有至少有一个不成立
F统计量：
其中F~F（3,23）,计算得出F=7.35416，在显著性水平为0.05的条件下，F0.05（3.23）=3.03，由于F显然大于F0.05（3.23），所以。
拒绝原假设，即认为能源效率与能源价格的关系在1978-1992年和1993-2006年两个时期有显著的变化。
4．在本章第一节的例子中，我们知道，当基于新凯恩斯混合Phillips曲线研究中国通货膨胀的动态性质时，需要建立如下的计量经济学模型：
通胀率可以基于消费物价指数（consumerpriceindex,CPI）计算，并用下一期的实际通胀率作为上一期的通胀率预期，即
。
以劳动份额指标作为
的替代变量。
具体数据见题表4.3。
（1）基于经济理论，你对模型中各参数有怎样的先验预期，解释你的理由。
三个系数均为正。
一般说来，通胀会伴随着就业的增长。
即劳动份额越高，失业越低，通胀率就越高，因而
为正；
由于，预期下一期的通胀率会高，即货币会贬值，则本期就会增加消费，则货币需求增大，通胀率上升，因而对下一期通胀率的预期也是正相关的关系，
也为正。
同理，前一期的通胀率对本期的影响效果也是同向的，因而
依然为负。
估计结果如下：
VariableCoefficientStd.Errort-StatisticProb.
PAI（-1）0.5823460.1169344.9801380.0004
PAI
（1）0.5756810.1129145.0983900.0003
MC0.41993112.630480.0332470.9741
C-1.1123037.877777-0.1411950.8903
R-squared0.896452
Meandependentvar5.326667
AdjustedR-squared0.868212
S.D.dependentvar7.594309
S.E.ofregression2.756933
Akaikeinfocriterion5.089293
Sumsquaredresid83.60745
Schwarzcriterion5.278106
Loglikelihood-34.16970
Hannan-Quinncriter.5.087282
F-statistic31.74374
Durbin-Watsonstat2.034199
Prob（F-statistic）0.000010
其中PAI为本期通胀率，PAI（-1）为前一期通胀率，PAI
（1）为预期下一期的通胀率。
回归方程为：
R2=0.86821，F统计量的P值为0.00001，说明模型拟合较好。
能够解释本期通胀率变化的86.8%。
参数符号与预期相同。
=0.582346说明前一期通胀率变化一单位对本期通胀率的影响为0.582346；
=0.575681代表下一期通胀率预期变化一单位对本期通胀率的影响为0.575681；
=0.419931表示劳动份额每增加一单位，本期通胀率将增加0.419931个单位。
（3）理论上，
意味着垂直的长期Phillips曲线。
基于样本信息，你如何检验这一假设是否成立？
对
进行Wald检验结果如下：
WaldTest:
TestStatisticValue
df
Probability
F-statistic1.766062（1,11）
0.2108
Chi-square1.7660621
0.1839
NullHypothesisSummary:
NormalizedRestriction（=0）Value
Std.Err.
-1+C
（1）+C
（2）0.1580270.118913
Restrictionsarelinearincoefficients.
由检验结果中F统计量为1.766062.P值大于0.05，所以接受原假设。
即
，这是一条垂直的菲利普斯曲线。
（4）基于样本数据，说明中国通胀预期的特征。
从数据来看，我国的通胀预期既有向后看的适应性预期，又有向前看的理性预期。
因而有“扎堆”的现象，即前后波动不会很突然，相互之间有约束作用。
（5）考虑到预期的非完全理性的现实，在新凯恩斯Phillips曲线中可能需要加入通胀率的高阶滞后项，基于表中的样本数据，
的滞后阶数应该选为几阶？
你的选择依据是什么？
如果滞后阶数大于一阶，请重新估计模型，并解释估计结果的经济含义？
并检验
的约束是否成立（此时是各阶滞后项系数之和）。
①、
的滞后阶数为6.选择依据是最适的滞后阶数会使得R2最大，而AIC（赤池信息准则）和SC（施瓦茨准则）最小化，由于数据有限，最大只能选到6阶滞后。
②、重新估计结果如下：
VariableCoefficientStd.Errort-StatisticProb.
PAI
（1）-0.1468380.601857-0.2439740.8477
PAI（-1）0.4701250.4504411.0437000.4864
PAI（-2）-1.3389700.235148-5.6941590.1107
PAI（-3）1.4813880.3172474.6695140.1343
MC65.6462536.736921.7869280.3248
C-42.8030123.52580-1.8194070.3199
PAI（-4）-0.4086260.127534-3.2040430.1926
PAI（-5）0.0901020.0924110.9750150.5081
PAI（-6）0.1392180.0890351.5636330.3622
R-squared0.990572Meandependentvar0.930000
AdjustedR-squared0.915150S.D.dependentvar1.674017
S.E.ofregression0.487625Akaikeinfocriterion0.898873
Sumsquaredresid0.237778Schwarzcriterion1.171199
Loglikelihood4.505636Hannan-Quinncriter.0.600131
F-statistic13.13371Durbin-Watsonstat3.784446
Prob（F-statistic）0.210408
重新估计的模型为：
回归模型显示，本期通胀率受前一期通胀率为正相关关系，与预期下一期通胀率的影响为负相关关系。
受t-2期与t-4期影响，为负相关关系，且越接近本期，影响程度越大。
其他期影响为正相关。
受劳动份额的正相关影响。
③、检验
约束：
eviews检验结果如下：
TestStatisticValuedfProbability
F-statistic1.028091（1,1）0.4956
Chi-square1.02809110.3106
NormalizedRestriction（=0）ValueStd.Err.
-1+C
（1）+C
（2）+C（3）+C（4）+C（7）+C（8）+C（9）-0.7136000.703784
Restrictionsarelinearincoefficients.
检验结果说明约束仍然成立，接受原假设，依然是垂直的菲利普斯曲线。
升级会员 