作业二完成版.docx
《作业二完成版.docx》由会员分享,可在线阅读,更多相关《作业二完成版.docx(13页珍藏版)》请在冰豆网上搜索。
作业二完成版
学生实验报告
学院:
经济学院
课程名称:
计量经济学
专业班级:
经济学111班
*************************
学号:
*******
学生实验报告
学生姓名
郑廷志
学号
0112146
同组人
实验项目
Eviews软件操作与应用一
□必修□选修
□演示性实验□验证性实验□操作性实验□综合性实验
实验地点
0203
实验仪器台号
指导教师
封福育
实验日期及节次
2013年11月30日5、6、7节
一、实验目的及要求:
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。
答:
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
Prob(F-statistic)0.000000
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
Prob(F-statistic)0.000000
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0.991114,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。
答:
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:
其中:
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。
答:
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?
答:
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?
答:
H0:
α2=0H1:
α2<0
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?
答:
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:
其中:
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。
答:
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。
(2)对模型进行OLS估计。
解释估计结果的经济含义?
答:
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?
答:
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。
答:
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)。
答:
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
NullHypothesisSummary:
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。