计量经济学论文eviews分析计量经济作业Word文档下载推荐.docx
《计量经济学论文eviews分析计量经济作业Word文档下载推荐.docx》由会员分享，可在线阅读，更多相关《计量经济学论文eviews分析计量经济作业Word文档下载推荐.docx（16页珍藏版）》请在冰豆网上搜索。
——铁路长度（万公里）
Ｕ——随即扰动项
四、模型的求解和检验
利用Eviews软件，采用以上数据对该模型进行OLS回归，结果如下：
DependentVariable:
Y
Method:
LeastSquares
Date:
12/23/10Time:
01:
56
Sample:
19942003
Includedobservations:
10
Variable
Coefficient
Std.Error
t-Statistic
Prob.?
?
C
-340.5047
1357.835
-0.250770
0.0882
X2
-0.001616
0.013520
-0.119529
0.1524
X3
0.232358
0.128017
1.815050
0.1671
X4
6.391052
1.716888
3.722463
0.0337
X5
-1.046757
1.224011
-0.855187
0.0453
X6
5.673429
6.667266
0.850938
0.4573
X7
-474.3909
355.7167
-1.333620
0.2745
R-squared
0.996391
Meandependentvar
2494.200
AdjustedR-squared
0.989174
S.D.dependentvar
980.4435
S.E.ofregression
102.0112
Akaikeinfocriterion
12.28407
Sumsquaredresid
31218.86
Schwarzcriterion
12.49588
Loglikelihood
-54.42035
F-statistic
138.0609
Durbin-Watsonstat
3.244251
Prob（F-statistic）
0.000944
由此可见，该模型可决系数很高，F检验显着，但是
、
的系数t检验不显着，且
的系数符号不符合经济意义，说明存在严重的多重共线性。
所以进行以下修正：
〈一〉．计量方法检验及修正
多重共线性的检验：
首先对Y进行各个解释变量的逐步回归,由最小二乘法，结合经济意义和统计检验得出拟合效果最好的两个解释变量如下：
02:
00
-3193.041
606.2101
-5.267217
0.0012
9.729003
1.435442
6.777703
0.0003
-1.197036
2.059371
-0.581263
0.1293
0.957285
0.945081
229.7654
13.95532
369544.9
14.04609
-66.77660
78.43859
0.791632
0.000016
继续采用逐步回归法将其余解释变量代入，得出拟合效果最好的三个解释变量，结果如下：
01
-3391.810
514.1119
-6.597416
0.0006
0.029414
0.014525
2.025042
0.0393
6.355459
2.050175
3.099959
0.0211
-0.284542
1.772604
-0.160522
0.1077
0.974627
0.961940
191.2739
13.63446
219514.3
13.75550
-64.17232
76.82334
1.328513
0.000035
以上模型估计效果最好，继续逐步回归得到以下结果：
40
-1973.943
441.5947
-4.470034
0.0066
-0.005095
0.011431
-0.445729
0.6744
0.328279
0.080682
4.068802
0.0096
4.665485
1.158665
4.026602
0.0101
-1.714020
0.999029
-1.715686
0.1469
0.994114
0.989406
100.9150
12.37329
50919.23
12.52458
-56.86644
211.1311
3.034041
0.000009
各项拟合效果都较好。
虽然
的t检验不是很显着，但考虑到其经济意义在模型中的重要地位，暂时保留。
继续引入
。
41
-2034.155
525.2137
-3.873004
0.0179
-0.007033
0.014095
-0.498977
0.6440
0.299562
0.128626
2.328946
0.0803
4.787986
1.339888
3.573423
0.0233
-1.511851
1.282385
-1.178937
0.1638
2.062334
6.659247
0.309695
0.7723
0.994252
0.987067
111.4976
12.54959
49726.89
12.73114
-56.74797
138.3830
3.130122
0.000144
根据以上回归结果可得，
的引入使得模型中
的t检验均不显着，再考察二者的相关系数为0.949132，说明
高度相关，模型产生了多重共线性，因此将
去掉。
再将
代入检验。
42
-641.0670
1265.065
-0.506746
0.0190
0.001432
0.012579
0.113838
0.9149
0.315742
0.079487
3.972264
0.0165
5.694229
1.456042
3.910759
0.0174
-1.631710
0.977195
-1.669790
0.1703
-351.4600
313.6492
-1.120551
0.3252
0.995521
0.989921
98.43019
12.30028
38754.01
12.48183
-55.50141
177.7916
2.850083
0.000087
的系数为负，与经济意义相悖，因此也去掉。
由此确定带入模型的解释变量为
异方差性的检验：
再对模型的异方差性进行检验：
鉴于我们的样本资料是时间序列数据，选用ARCH检验。
ARCHTest:
0.044061
Probability
0.839718
Obs*R-squared
0.056296
0.812449
TestEquation:
RESID^2
43
Sample（adjusted）:
19952003
9afteradjustments
5197.741
3188.960
1.629918
0.1471
RESID^2（-1）
0.079216
0.377385
0.209908
0.8397
0.006255
5645.880
-0.135708
6668.507
7106.603
20.76857
3.54E+08
20.81239
-91.45855
1.810449
这里Obs*R-squared为0.056296，P=0.812449>
0.05所以接受
，表明模型中随机误差项不存在异方差。
再考虑P=3的情况：
0.126837
0.938100
0.787922
0.852354
46
19972003
7afteradjustments
206.9671
8303.931
0.024924
0.9817
0.162377
0.536337
0.302751
0.7819
RESID^2（-2）
0.112799
0.570427
0.197746
0.8559
RESID^2（-3）
0.331276
0.570658
0.580516
0.6023
0.112560
4377.448
-0.774879
7000.432
9326.298
21.41462
2.61E+08
21.38371
-70.95118
1.521751
这里Obs*R-squared为0.787922，P=0.852354>
0.05
所以仍然接受
自相关性的检验：
随机扰动项可能存在一阶负自相关。
借助残差项和其一阶滞后项的二维坐标图进一步分析：
由图示可看出，残差项和其一阶滞后项显然存在负自相关，然后利用对数线形回归修正自相关性，得到相应结果如下：
LOG（Y）
52
-8.769551
2.012276
-4.358027
0.0073
LOG（X2）
0.324789
0.343868
0.944516
0.0383
LOG（X3）
0.384066
0.227746
1.686378
0.0225
LOG（X4）
1.482683
0.313487
4.729643
0.0052
LOG（X5）
0.005750
0.068955
0.083382
0.0468
0.994678
7.740729
0.990421
0.442977
0.043355
-3.131931
Sumsquared
升级会员 