上海数据分析与Eviews应用.docx
《上海数据分析与Eviews应用.docx》由会员分享，可在线阅读，更多相关《上海数据分析与Eviews应用.docx（33页珍藏版）》请在冰豆网上搜索。
上海数据分析与Eviews应用
例1.3序列T和H分别表示某地区1997年1月至2000年12月的气温和绝对湿度的月平均值序列，数据见表1.2。
要求绘制序列H的经验累计分布函数图和它与序列T的QQ图。
表1.2（0102）某地区气温和绝对湿度月平均值
月
1997
1998
1999
2000
H
T
H
T
H
T
H
T
1
5.4
2
5.4
2.8
6.7
3.6
5.3
2
2
6.2
4
4.7
1.8
6.2
2.6
7.1
6
3
9.1
8.7
8.5
8.8
8.3
6.8
7.1
6
4
13.3
13.6
11.8
13.7
13.7
14.2
11.8
13.1
5
19.1
19.3
17.9
18.7
18
19.6
18.1
18.7
6
25.3
24.3
22.3
22.6
21.2
22.4
22.5
22.7
7
31
28
29.1
26.7
30.1
26.7
30
27.1
8
31.9
24.9
29.4
27.5
31
28
30.6
28.1
9
22.7
24
23.6
23.7
26.7
24.9
27
24.6
10
15.1
18.4
15.1
17.4
14.9
18
17.2
18.5
11
12.1
12.5
12.3
13.3
9.2
10.3
10.8
11.8
12
4.4
1
10.6
9.5
6
4.9
8
6.9
例2.1表2.1是1950—1987年间美国机动车汽油消费量和影响消费量的变量数值。
其中各变量表示：
qmg—机动车汽油消费量（单位：
千加仑）；car—汽车保有量；pmg—机动汽油零售价格；pop—人口数；rgnp—按1982年美圆计算的gnp（单位：
十亿美圆）；pgnp—gnp指数（以1982年为100）。
以汽油量为因变量，其他变量为自变量，建立一个回归模型。
表2.1（0201）1950—1987年间美国机动车汽油消费量数据
年份
QMG
CAR
PMG
POP
RGNP
PGNP
1950
40617285
49195212
0.272
152271
1090.4
26.1
43896887
51948796
0.276
154878
1179.2
27.9
46428148
53301329
0.287
157553
1226.1
28.3
49374047
56313281
0.29
160184
1282.1
28.5
51107135
58622547
0.291
163026
1252.1
29
54333255
62688792
0.299
165931
1356.7
29.3
56022406
65153810
0.31
168903
1383.5
30.3
57415622
67124904
0.304
171984
1410.2
31.4
59154330
68296594
0.305
174882
1384.7
32.1
61596548
71354420
0.311
177830
1481
32.6
1960
62811854
73868682
0.308
180671
1517.2
33.2
63978489
75958215
0.306
183691
1547.9
33.6
62531373
79173329
0.304
186538
1647.9
34
64779104
82713717
0.304
189242
1711.6
34.5
67663848
86301207
0.312
191889
1806.9
35
70337126
90360721
0.321
194303
1918.5
35.7
73638812
93962030
0.332
196560
2048.9
36.6
76139326
96930949
0.337
198712
2100.3
37.8
80772657
101039113
0.348
200706
2195.4
39.4
85416084
103562018
0.357
202677
2260.7
41.2
1970
88684050
106807629
0.364
205052
2250.7
43.4
92194620
111297459
0.361
207661
2332
45.6
95348904
117051638
0.388
209896
2465.5
47.5
99804600
123811741
0.524
211909
2602.8
50.2
100212210
127951254
0.572
213854
2564.2
55.1
102327750
130918918
0.595
215973
2530.9
60.4
106972740
136333934
0.631
218035
2680.5
63.5
110023410
141523197
0.657
220239
2822.4
67.3
113625960
146484336
0.678
222585
3115.2
72.2
107831220
149422205
0.857
225055
3192.4
78.6
1980
100856070
153357876
1.191
227757
3187.1
85.7
100994040
155907473
1.311
230138
3248.8
94
100242870
156993694
1.222
232520
3166
100
101515260
161017926
1.157
234799
3279.1
103.9
102603690
163432944
1.129
237001
3489.9
107.9
104719230
168743817
1.115
239279
3585.2
111.5
1986
107831220
173255850
0.857
241613
3676.5
114.5
1987
110467980
177922000
0.897
243915
3847
117.7
1988
178922000
0.877
245915
3947
119.7
1989
179922000
0.857
247915
4047
121.7
1990
180922000
0.837
249915
4147
123.7
例2.2为研究采取某项保险革新措施的速度y与保险公司的规模x1和保险公司类型的关系，选取下列数据：
y—一个公司提出该项革新直至革新被采纳间隔的月数，x1—公司的资产总额（单位：
百万元），x2—定性变量，表示公司类型：
其中1表示股份制公司，0表示互助公司。
数据资料见表2.5。
表2.5（0205）保险公司革新数据
y
X1
X2
y
X1
X2
17
151
0
28
164
1
26
92
0
15
272
1
21
175
0
11
295
1
30
31
0
38
68
1
22
104
0
31
85
1
0
277
0
21
224
1
12
210
0
20
166
1
19
120
0
13
305
1
4
290
0
30
124
1
16
238
0
14
246
1
要建立的模型：
得到模型为
y=33.87407-0.101742*x1+8.055469*x2
差分回归方程：
即
即
消除自相关的模型：
qmg=75541509.38+1.4390*car-10354749*pmg-503.50*pop-5290.80*rgnp-565089.4*pgnp
某市楼盘销售价格及相关情况的抽样调查表，其中建筑类别分别用1、2、3、4表示多层、多层别墅、小高层、高层；交通状况综合分、物业管理综合分、周边配套等级是通过对居民用户的问卷调查平均而得。
楼盘名
均价Y
建筑类别X1
交通状况X2
物业管理综合分X3
绿化率X4（%）
周边配套等级X5
1
2150
2
7
7
33
6
2
2600
3
8
8
30
7
3
2400
3
7
7
40
6
4
1800
1
6
6
30
6
5
3000
3
9
8
43
8
6
3000
3
9
9
45
8
7
2300
3
7
7
33
6
8
2100
2
6
6
30
7
9
3000
3
8
8
40
10
10
3750
4
10
9
50
10
11
2800
3
9
8
40
8
12
2450
3
5
6
34
6
13
2100
2
5
6
30
7
求：
1.Y关于X1、X2、X3、X4和X5的回归方程；
2.对回归方程和解释变量做显著性检验；
3.当X1=4，X2=8，X3=7，X4=36%，X5=8时，对楼盘的均价进行预测。
例3.1表3.3是某企业在16个月度的产品产量和单位成本资料，研究二者关系。
表3.3（0301）某企业某产品产量和单位成本资料
月度序号obs
产量（台）x
单机位成本（元/台）y
1
4300
346.23
2
4004
343.34
3
4300
327.46
4
5016
313.27
5
5511
310.75
6
5648
307.61
7
5876
314.56
8
6651
305.72
9
6024
310.82
10
6194
306.83
11
7558
305.11
12
7381
300.71
13
6950
306.84
14
6471
303.44
15
6354
298.03
16
8000
296.21
为了明确产量和单机成本是何种关系，先绘制散点图。
双曲线模型：
y=a+b/x
对数曲线模型：
y=a+blnx
双对数曲线模型：
lny=a+lnx
在自变量个数K=1，样本量n=16，在显著性水平
=0.01下，dL=0.84，du=1.00，此时有
D．W=1.151568
D．W=1.115981
D．W=1.156127
均有du=1.0≤D．W=1.151568≤4-du=3
说明三种模型来描述x与y的关系都比较好。
例3.2根据例3.1中数据，用非线性最小二乘法建立成本函数模型
例3.3粮食产量通常由粮食生产劳动力（L）、化肥施用量（K）等因素决定。
表3.8是我国粮食生产的有关数据（由于粮食生产劳动力不易统计，假定它在农业劳动力中的比例是一定的，故用农业劳动力的数据代替），研究其间关系，建立Cobb—Douglas生产函数模型。
生产的产出量与投入要素之间并不简单地满足线性关系，通常讨论的生产函数，都是以非线性的形式出现。
Cobb—Douglas生产函数模型为
Y=aLbK1-b（3.2.4）
表3.8（0308）我国1975—2000年粮食产量、农业劳动力、播种面积和化肥使用量
年份
粮食产量
（Y）
（万吨）
农业劳动力
（L）
（万人）
粮食播种面积
（M）
（万公顷）
化肥使用量
（K）
（万公斤）
1975
28452
27561
12106.2
550000
1976
28631
27965
12074.3
597000
1977
28273
28124
12040.0
679000
1978
30477
28373
12058.7
884000
1979
33212
28692
11926.3
1080000
1980
32056
29181
11723.4
1269000
1981
32502
29836
11495.8
1335000
1982
35450
30917
11346.3
1513000
1983
38728
31209
11404.7
1660000
1984
40731
30927
11288.4
1740000
1985
37911
30352
10884.5
1776000
1986
39151
31311
11093.3
1931000
1987
40298
30870
11126.8
1999000
1988
39408
31455.7
11012.3
2141500
1989
40755
32440.5
11220.5
2357400
1990
44624
33336.4
11346.6
2590300
1991
43529
34186.3
11231.4
2805100
1992
44266
34037
11056.0
2930200
1993
45649
33258.2
11050.9
3151900
1994
44510
32690.3
10954.4
3317900
1995
46662
32334.5
11006.0
3593700
1996
50454
32260.4
11254.8
3827900
1997
49417
32433.9
11291.2
3980700
1998
51230
32626.4
11378.7
4083700
1999
50389
32911.8
11316.1
4124300
2000
46218
32797.5
10846.3
4146400
例4.1我国轿车保有量资料见表4.1
表4.1（0401）1971—1992年我国轿车保有量
年份obs
时间（T）
保有量（辆，Y）
1971
1
47994
2
59519
3
71993
4
86221
5
105456
6
117411
7
142014
8
162844
9
193945
1980
10
200947
11
243227
12
285719
13
319335
14
363733
15
484806
16
610153
17
876215
18
1060637
19
1156265
1990
20
1340153
21
1500557
1992
22
1844184
根据表绘制时间序列曲线趋势图。
例4.6我国民航客运量数据的季节调整。
有关数据见表4.6
表4.6（0406）我国1993年10月至1998年3月民航客运量数据
年、月
民航客运量
年、月
民航客运量
1993年10
328.00
1996年1月
369.00
263.00
403.00
251.00
436.00
1994年1月
241.00
447.00
249.00
483.00
316.00
439.00
344.00
514.00
360.00
550.00
321.00
489.00
344.00
534.00
384.00
498.00
368.00
402.00
401.00
1997年1月
397.00
363.00
416.00
336.00
451.00
1995年1月
366.00
486.20
331.00
507.00
390.00
458.99
401.00
493.00
439.00
562.00
397.31
474.00
463.00
528.00
509.00
436.13
474.00
398.00
508.00
1998年1月
442.00
458.94
404.55
1995年12月
412.00
1998年3月
428.00
例5.4序列Pt是某国1960年至1993年GNP平减指数的季度时间序列。
表5.4（0504）某国1960年至1993年GNP平减指数的季度时间序列
年/季
GNP指数
年/季
GNP指数
年/季
GNP指数
年/季
GNP指数
1960.1
56.04
1969.1
67.04
1978.1
81.15
1987.1
136.80
56.21
67.55
82.14
139.01
56.41
67.81
82.84
141.03
56.67
68.00
83.99
143.24
1961.1
56.77
1970.1
68.44
1979.1
84.97
1988.1
145.12
57.01
68.56
86.10
148.89
56.99
68.86
87.49
152.02
57.58
68.96
88.62
155.38
1962.1
57.58
1971.1
68.88
1980.1
89.89
1989.1
158.60
57.57
69.22
91.07
161.85
57.92
69.54
91.79
165.12
58.58
69.65
93.03
168.05
1963.1
58.76
1972.1
70.23
1981.1
94.40
1990.1
171.94
58.80
70.48
95.70
176.46
59.00
70.62
96.52
180.24
58.74
71.08
97.39
185.13
1964.1
59.38
1973.1
71.41
1982.1
98.72
1991.1
190.01
59.58
71.46
99.42
193.03
59.45
71.66
100.25
197.70
59.77
72.17
101.54
201.69
1965.1
60.27
1974.1
72.36
1983.1
102.95
1992.1
203.98
60.65
72.57
104.75
206.77
61.03
72.97
106.53
208.53
61.40
73.16
108.74
210.27
1966.1
61.91
1975.1
73.77
1984.1
110.72
1993.1
212.87
62.43
74.13
113.48
214.25
63.13
74.56
116.42
215.89
63.69
74.96
119.79
218.21
1967.1
64.40
1976.1
75.71
1985.1
122.88
64.65
76.58
124.44
65.28
76.99
126.68
65.37
77.75
128.99
1968.1
65.63
1977.1
78.27
1986.1
130.12
65.79
78.53
131.30
66.17
79.28
132.89
66.47
80.13
134.99
例5.6表5.4是我国1990年1月至1997年12月工业总产值的月度资料（1990年不变价格），记作IPt，共有96个观测值，对序列IPt建立ARMA模型。
表5.41990年1月至1997年12月我国工业总产值单位：
亿元
月/年
1990
1991
1992
1993
1994
1995
1996
1997
1
1421.4
1757.8
1984.2
2179.1
2903.3
2996.7
3476.6
3843.84
2
1367.4
1485.7
1812.4
2408.7
2513.8
2740.3
2970.3
3181.26
3
1719.7
1893.9
2274.7
2869.4
3409
3580.9
3942.6
4404.49
4
1759.6
1969.8
2328.9
2916.7
3499.5
3746.3
4067.6
4520.18
5
1795.7
2033.7
2373.1
3022.1
3642.6
3817.9
4746.899
4638.99
6
1748.1
2103
2515.8
3274.5
3871.4
4046.6
4417.299
4969.93
7
1637.3
1836.3
2288
2862.9
3373
3483.9
3806.8
4146.899
8
1670.9
1914.7
2321
2864.2
3463.4
3510.6
3746.3
4198.7
9
1760.1
2022.2
2441.1
2908
3663.74
3703.1
4011.1
4536.839
10
1789.5
2045.1
2502.6
2911.8
3753.38
3810.7
4129.6
4718.91
11
1888.6
2069.2
2608.8
3101.3
3973.17
4091
升级会员 