计量经济学检验报告文档格式.docx
《计量经济学检验报告文档格式.docx》由会员分享,可在线阅读,更多相关《计量经济学检验报告文档格式.docx(19页珍藏版)》请在冰豆网上搜索。
黑龙江
6655.43
9182.31
6178.01
上海
14761.75
20667.91
13773.41
江苏
9628.59
14084.26
8621.82
浙江
13348.51
18265.10
12253.74
安徽
7294.73
9771.05
6367.67
福建
9807.71
13753.28
8794.41
江西
6645.54
9551.12
6109.39
山东
8468.40
12192.24
7457.31
河南
6685.18
9810.26
6038.02
湖北
7397.32
9802.65
6736.56
湖南
8169.30
10504.67
7504.99
广东
12432.22
16015.58
11809.87
广西
6791.95
9898.75
7032.80
海南
7126.78
9395.13
5928.79
重庆
9398.69
11569.74
8623.29
四川
7524.81
9350.11
6891.27
贵州
6848.39
9116.61
6159.29
云南
7379.81
10069.89
6996.90
西藏
6192.57
8941.08
8617.11
陕西
7553.28
9267.70
6656.46
甘肃
6974.21
8920.59
6529.20
青海
6530.11
9000.35
6245.26
宁夏
7205.57
9177.26
6404.31
新疆
6730.01
8871.27
6207.52
图1
结合图行及所学的经济学理论,建立模型:
Y=
+
X1+
X2+
2.估计参数
首先对模型有如下假设:
(1)零均值:
(2)同方差无自相关:
(3)随机扰动项与解释变量不相关:
(4)无多重共线性
(5)残差的正态性:
根据以上假设,用Eviews软件得出以下结果:
表2
DependentVariable:
Y
Method:
LeastSquares
Date:
12/08/13Time:
15:
36
Sample:
131
Includedobservations:
31
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
143.3743
260.4048
0.550583
0.5863
0.555654
0.075309
7.378355
0.0000
0.250065
0.113636
2.200584
0.0362
R-squared
0.975633
Meandependentvar
8401.467
AdjustedR-squared
0.973893
S.D.dependentvar
2388.455
S.E.ofregression
385.9202
Akaikeinfocriterion
14.84090
Sumsquaredresid
4170163.
Schwarzcriterion
14.97968
Loglikelihood
-227.0340
F-statistic
560.5533
Durbin-Watsonstat
1.843473
Prob(F-statistic)
0.000000
在本例中,参数估计的结果为:
=143.3743+0.555654X1+0.250065X2
260.40480.0753090.113636
T=(0.550583)(7.378355)(2.200584)
R2=0.975633,R2-=0.973893F=560.5533df=29
Resid^2=4170163
3.模型检验
1、经济意义检验
所估计的参数β0=143.3743表示自发性消费支出平均为143.3743,符合经济学意义,β1=0.55565,说明当上年城镇居民家庭人均消费支出不变时,今年城市居民人均可支配收入每相差1元,可导致今年城镇居民家庭人均消费支出平均相差0.55565元,这与经济学中边际消费倾向的意义相符,β2=0.250065表示当今年城镇居民家庭人均可支配收入时,去年城镇居民家庭人均消费支出每变动一个单位,今年城镇居民家庭人均消费支出同向平均变动0.250065个单位。
2、拟合优度和统计检验
用EViews得出回归模型参数估计结果的同时,已经给出了用于模型检验的相关数据。
拟合优度的度量:
由表2中可以看出,本例中调整可决系数为0.973893,说明所建模型整体上对样本数据拟合较好,即解释变量“城市居民人均可支配收入”、“去年城市居民人均年消费支出”对被解释变量“城市居民人均年消费支出”的97.3893%差异作出了解释。
3、变量的显著性检验(t检验)
针对Η0:
β1=β2=0,H1:
βj不全为零,由表2中还可以看出,估计的回归系数β1的标准误差和t值分别为:
Se(β1)=0.075309,t(β1)=7.378355;
β2的标准误差和t值分别为:
Se(β2)=0.113636,t(β2)=2.200584。
取
,查t分布表得自由度为
的临界值
。
因为t(β1)=7.378355>
,t(β2)=2.200584>
所以拒绝Η0:
β1=β2=0,接受H1,这表明,城镇居民人均年可支配收入及去年城镇居民人均年消费支出对人均年消费支出有显著影响。
4.参数的置信区间
在变量的显著性检验中已经知道
t=(β-β)/Se(βj)~~~t(n-k-1)
容易推出:
在1-a的置信度下βj的置信区间是
(βj-ta/2*Se(βj),βj+ta/2*Se(βj))
从回归计算中得到
β1=0.55565,Se(β1)=0.075309
β2=0.250065,Se(β2)=0.113636
由此得出β1和β2置信区间为(0.401644,0.709657)和(0.017679,0.482451),
5.回归预测
用EViews作回归预测,得到如下数据,见表3
Mean
8401.467
11363.69
7773.217
Median
7379.810
9898.750
6891.270
Maximum
14825.41
20667.91
13773.41
Minimum
6192.570
8871.270
5928.790
Std.Dev.
2388.455
3294.469
2183.308
Skewness
1.647935
1.691973
1.615209
Kurtosis
4.586318
4.739267
4.471055
Jarque-Bera
17.28142
18.69835
16.27449
Probability
0.000177
0.000087
0.000292
Observations
31
根据表3的数据及
=143.3743+0.555654X1+0.250065X2可计算:
当X1=11363.69,X2=7773.217,则Y=8401.467。
6.异方差性检验
6.1.利用图示检验法,作城市居民人均年食品类消费支出(X)和普通最小二乘法估计出的残差平方的散点图,如图1:
6.2.利用G-Q检验
先将数据按照X的升序进行排列,将中间的7个数据除去,把剩下的观测值划分为较大与较小的容量相同的两子字样本,分别对子样本进行普通最小二乘回归,计算得出较小样本残差平方和为RSS1=3319849,较大样本残差平方和为RSS2=1761084;
在同方差假定下,构造满足F分布的统计量:
F=RSS1/RSS2=1.885>
F(10,10)=2.97(显著性水平为5%),则拒绝同方差假定,表明存在异方差性。
6.3.利用White检验法进行检验
WhiteHeteroskedasticityTest:
F-statistic
0.764095
0.475222
Obs*R-squared
1.604361
0.448350
TestEquation:
RESID^2
21:
10
790059.6
871236.1
0.906826
0.3722
X
-71.55181
120.3115
-0.594721
0.5568
X^2
0.001766
0.003893
0.453757
0.6535
0.051754
183143.6
-0.015978
271668.6
273830.4
27.97017
2.10E+12
28.10894
-430.5377
2.021647
从中可以得出在同方差性假设下,利用White检验得出的nR2=31*1.604361>
2
(2)=5.99(显著性水平为5%)。
综上所述,观测值存在异方差性,若采用最小二乘估计,则会违背基本假定,因此,需要对数据进行修正。
6.4.异方差的修正
6.4.1.利用加权最小二乘法进行修正
对原数据给予w=abs(e)的权重,
12/10/13Time:
22:
11
Weightingseries:
1/ABS(E)
846.4402
52.39650
16.15452
0.297470
0.003468
85.78331
WeightedStatistics
0.999656
4963.176
0.999644
6882.967
129.8397
12.63282
488892.2
12.72533
-193.8087
7358.776
2.610016
UnweightedStatistics
0.835943
4637.550
0.830286
1074.179
442.5232
Sumsquaredresid
5678975.
2.492535
在对其进行White检验,得出
1.648622
0.210439
3.265929
0.195350
STD_RESID^2
34
612.4701
9509.715
0.064405
0.9491
2.197524
1.313224
1.673380
0.1054
-7.43E-05
4.25E-05
-1.748736
0.0913
0.105353
15770.72
0.041449
3052.852
2988.914
18.93497
2.50E+08
19.07375
-290.4921
2.536190
对比修正前可知,此时,nR2=31*0.665929>
31*1.604361,没有起到修正作用.
6.4.2.利用对数变换法,令lny=log(y),lnx=log(x);
并估计他们之间的关系,得出
LNX
30
1.625729
0.781509
2.080243
0.0464
LNY
0.926752
0.092804
9.986165
0.774711
9.427527
0.766942
0.227259
0.109711
-1.519585
0.349061
-1.427070
25.55357
99.72349
1.991996
对其进行White检验,也可知其nR2远小于修正前的数据,修正效果较好。
0.159172
0.853616
0.348490
0.840091
28
-1.902398
4.394924
-0.432863
0.6684
0.445462
1.036453
0.429795
0.6706
LNY^2
-0.025896
0.061080
-0.423976
0.6748
0.011242
0.011260
-0.059384
0.018776
0.019325
-4.963053
0.010457
-4.824280
79.92733
1.802500
7.自相关性检验
7.1.利用图示,作方程随机扰动项e和e(-1)和散点图,如图1:
由图可以看出,随机扰动项存在相关性。
7.2.回归检验法
写出方程:
e=a+be(-1)+u
E
12/14/13Time:
01:
00
Sample(adjusted):
19021916
15afteradjustingendpoints
0.055744
0.247018
0.225669
0.8250
E(-1)
0.611455
0.209658
2.916436
0.0120
0.395506
0.100927
0.349007
1.183395
0.954812
2.868961
11.85165
2.963368
-19.51721
8.505597
1.582922
0.012023
由检验结果得知:
t=2.916436>
ta/2,b显著。
方程为:
e=a+be(-1)
1.22572.9164
7.3.DW检验
00:
58
19011916
16
27.91230
1.86