江财计量 实验报告三.docx
《江财计量 实验报告三.docx》由会员分享,可在线阅读,更多相关《江财计量 实验报告三.docx(17页珍藏版)》请在冰豆网上搜索。
江财计量实验报告三
2013-2014第1学期
计量经济学实验报告
实验(三):
计量经济检验与修正实验
学号:
姓名:
专业:
选课班级:
实验日期:
实验地点:
实验名称:
计量经济检验与修正实验
【实验目标、要求】
使学生掌握用Eviews做
1.异方差性检验和修正方法;
2.自相关性检验和修正方法;
【实验内容】
实验内容以课后练习:
以116页第8题、第9题为例进行操作。
【实验步骤】
一.第116页第8题
(一)创建工作文件
在主菜单上依次单击File→New→Workfile,选择数据类型和起止日期。
时间序列提供起止日期(年、季度、月度、周、日),非时间序列提供最大观察个数。
本题中在workfilestructuretype中选Unstructured/Undated,在DatarangeObservation中填28。
单击OK后屏幕出现Workfile工作框,如图所示。
(二)输入和编辑数据
在命令窗口直接输入:
DataYX.屏幕出现数据编辑框,如下图所示。
点击上图中对话框的“Edit+/-”,将数据进行输入,如下图所示。
数据输入完毕,单击工作文件窗口工具条的Save或单击菜单兰的File→Save将数据存入磁盘。
(三)OLS估计参数
利用2008年中国部分省市城镇居民家庭平均全年可支配收入(X)与消费性支出(Y)的相关数据表,作散点图。
Eviews命令:
scatXY ;如图所示
可看出2008年中国部分省市城镇居民家庭平均全年可支配收入(X)与消费性支出(Y)的关系近似直线关系可建立线性回归模型。
在主菜单命令行键入:
“LSYCX”,然后回车。
即可直接出现如下图所示的计算结果
DependentVariable:
Y
Method:
LeastSquares
Date:
12/12/12Time:
20:
15
Sample:
128
Includedobservations:
28
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
735.1080
477.1123
1.540744
0.1355
X
0.666222
0.030558
21.80213
0.0000
R-squared
0.948138
Meandependentvar
10780.65
AdjustedR-squared
0.946144
S.D.dependentvar
2823.752
S.E.ofregression
655.3079
Akaikeinfocriterion
15.87684
Sumsquaredresid
11165139
Schwarzcriterion
15.97199
Loglikelihood
-220.2757
F-statistic
475.3327
Durbin-Watsonstat
1.778976
Prob(F-statistic)
0.000000
点击“object\storetoDB…”,将估计式以“eq01”为名保存。
参数估计所建立的回归方程为:
=735.1080+0.666222x
(477.1123)(0.030558)
t=(1.540744)(21.80213)
R
=0.948138
=0.946144 F=475.3327
(四)检验异方差性
1、残差分析
首先将数据排序,然后建立回归方程。
在方程窗口中点击“Resids”按钮就可以得到模型的残差分布图。
由图可知回归方程的残差分布有明显的扩大趋势,即表明存在异方差性。
2、White检验
在方程窗口上点击“View\ResidualTest\WhiteHeteroskedastcity”,检验结果如图所示:
其中,F值为辅助回归模型的F统计量值。
取显著水平α=0.05,由于
=5.99
<nR
=8.315098,所以存在异方差性。
故本题数据不符合OLS经典假设中同方差性的假设,即存在异方差性。
(五)异方差的修正
①确定权数变量
根据Park检验,可以得出
的一般形式为:
生成权数变量:
GENRW1=1/X^3.2670
根据Gleiser检验,可以取以下三种形式作为权数变量:
生成权数变量:
GENRW2=1/X^0.5
GENRW3=1/ABS(RESID)
GENRW4=1/RESID^2
②利用加权最小二乘法估计模型
在Eviews命令窗口中依次键入命令:
LS(W=
)YCX
经估计检验发现用权数W3的效果最好。
下面仅给出用权数W3的结果。
DependentVariable:
Y
Method:
LeastSquares
Date:
12/12/12Time:
20:
46
Sample:
128
Includedobservations:
28
Weightingseries:
W3
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
970.6104
254.5362
3.813250
0.0008
X
0.649355
0.018418
35.25576
0.0000
WeightedStatistics
R-squared
1.000000
Meandependentvar
9942.842
AdjustedR-squared
1.000000
S.D.dependentvar
46660.83
S.E.ofregression
27.34564
Akaikeinfocriterion
9.523740
Sumsquaredresid
19442.39
Schwarzcriterion
9.618898
Loglikelihood
-131.3324
F-statistic
1242.969
Durbin-Watsonstat
1.481595
Prob(F-statistic)
0.000000
UnweightedStatistics
R-squared
0.947484
Meandependentvar
10780.65
AdjustedR-squared
0.945465
S.D.dependentvar
2823.752
S.E.ofregression
659.4257
Sumsquaredresid
11305899
Durbin-Watsonstat
1.893691
③对所估计的模型再进行White检验,观察异方差的调整情况
对所估计的模型再进行White检验,其结果对应图所示。
所对应的White检验显示,P值较大,所以接受不存在异方差的原假设,即认为已经消除了回归模型的异方差性。
二.第117页第九题
(一)建立多元回归模型和估计
利用Eviews分别绘制名义服务业产出与服务业就业人数,软件外包服务收入,技术进步指数的散点图,了解他们的关系。
1.数据的输入
2.散点图:
在数据输入之后,分别输入eviews命令:
scatx1y;scatx2y;scatx3y;得到散点图。
Y与x1的散点图
Y与x2的散点图
Y与x3的散点图
从以上三幅图可以看出y与x1存在线性关系,但是Y与x2,x3不存在线性关系。
3.模型估计
为了通过AIC和SC准则来判断软件外包服务收入和技术进步指数是否应该作为解释变量,输入eviews命令:
lsycx1。
得到Y与x1的估计结果。
在以上模型中,得到:
AIC=21.51513SC=21.20605
再次输入eviews命令:
lsycx1x2.得到y与x1,x2的估计结果。
在以上模型中,得到:
AIC=20.10313SC=20.23351
从上面可以看出,加入X2后的模型AIC和SC的值均变小,所以应该将X2包含在模型中。
再次输入eviews命令:
lsycx1x2x3.得到y与x1,x2,x3的估计结果。
在此模型中,得到
AIC=19.98080SC=20.15463
从上面可以看出,加入X3后的模型AIC和SC的值均变小,所以应该将X3包含在模型中。
即,x2和x3均要包含在模型中,模型的估计结果为:
Y=-140628.8+8.404923X1-10.51442X2+13275.56X3
Se=(10930.76)(0.748947)(1.615580)(7846.169)
T=(-12.86542)(11.22232)(-6.508141)(1.691980)
(二).white检验
在方程窗口上点击“View\ResidualTest\WhiteHeteroskedastcity”,检验结果如图所示:
其中,F值为辅助回归模型的F统计量值。
取显著水平α=0.05,由于
=5.99
>nR
=0.617177,所以不存在异方差性。
(三)LM检验自相关性
在方程窗口中,点击“View—ResidualTests—SerialCorrelationLMTest”,输出结果如下:
可得:
nR
=2.215395,相伴概率为0.330319.因此在显著性水平α=0.05的条件下,接受无自相关的原假设,即随即干扰项不存在自相关。
又因为回归系数都显著不为0,表明存在一阶自相关。
(四)T检验和F检验
T检验:
根据
(一)中建立的多元回归方程,Y=-140628.8+8.404923X1-10.51442X2+13275.56X3
各项系数对应的t统计量分别为:
11.22232,-6.508141,1.691980。
因为在给定的显著性水平α=0.05时,tα/2(13-4)=t0.025(9)=2.2622。
显然,x1,x2的绝对值均大于临界值2.2622,所以均通过t检验。
而x3小于2.2622,所以不通过t检验。
F检验:
针对H0:
β1=β2=β3=0,对于给定的显著性水平α=0.05,在F分布表中查出自由度为3和9的临界值F0.05(3,9)=3.86,。
由于F=123.6727>3.86,应该拒绝原假设H0,说明回归方程显著,即服务员就业人数,软件外包服务收入,技术进步指数对名义服务业产出有显著影响,即方程通过了F检验。