计量经济学实验指导书.docx

计量经济学实验指导书.docx

《计量经济学实验指导书.docx》由会员分享，可在线阅读，更多相关《计量经济学实验指导书.docx（29页珍藏版）》请在冰豆网上搜索。

计量经济学实验指导书

实验指导书

课程名称：

计量经济学

编写人：

寇津春余谦

目录

实验一Eviews的基本操作与一元线性回归模型的最小二乘估计1

实验目的：

1

实验内容：

1

实验二：

Eviews的常用函数与多元线性回归分析6

实验目的6

实验内容6

实验三异方差的检验与修正8

实验目的8

实验内容8

实验四序列相关的检验与修正13

实验目的13

实验内容13

实验五多重共线性的检验和修正18

实验目的18

实验内容18

实验六柯布-道格拉斯生产函数的求解22

实验目的22

实验内容22

实验一Eviews的基本操作与一元线性回归模型的最小二乘估计

实验目的：

1、熟悉Eviews的窗口与界面

2、掌握Eviews的命令与菜单的操作

3、掌握用Eviews估计与检验一元线性回归模型

实验内容：

1、启动Eviews

双击Eviews图标，出现Eviews窗口，它由以下部分组成：

标题栏“Eviews”、主菜单“File，Edit，…，Help”、命令窗口（空白处）和工作区域。

图1-1

2、产生文件

Eviews的操作在工作文件中进行，故首先要有工作文件，然后进行数据输入、分析等等操作。

（1）读已存在文件：

File→Open→Workfile。

（2）新建文件：

File→New→Workfile，出现对话框“工作文件范围”，选取或填上数据类型、起止时间。

OK后，得到一个无名字的工作文件，其中有：

时间范围、当前工作文件样本范围、filter、默认方程、系数向量C、序列RESID。

在主菜单上依次点击File/New/Workfile，即选择新建对象的类型为工作文件，将弹出一个对话框（如图所示），由用户选择数据的时间频率（frequency）、起始期和终止期。

图1-2工作文件对话框

其中，Annual——年度Monthly——月度

Semi-annual——半年Weekly——周

Quarterly——季度Daily——日

Undatedorirregular——非时序数据

选择时间频率为Annual（年度），再分别点击起始期栏（Startdate）和终止期栏（Enddate），输入相应的日前1985和1998。

然后点击OK按钮，将在EViews软件的主显示窗口显示相应的工作文件窗口（如图所示）。

图1-3工作文件窗口

工作文件窗口是EViews的子窗口，工作文件一开始其中就包含了两个对象，一个是系数向量C（保存估计系数用），另一个是残差序列RESID（实际值与拟合值之差）。

（3）命令方式新建文件

在EViews软件的命令窗口中直接键入CREATE命令，也可以建立工作文件。

命令格式为：

CREATE时间频率类型起始期终止期

则以上菜单方式过程可写为：

CREATEA19851998

3、输入数据

（1）进入数据编辑窗口，有命令方式和菜单方式两种

①DATA命令方式

在EViews软件的命令窗口键入DATA命令，命令格式为：

DATA<序列名1><序列名2>…<序列名n>

本例中可在命令窗口键入如下命令（如图1-4所示）；将显示一个如图1-5的数组窗口，此时可以按全屏幕编辑方式输入每个变量的数据。

DATAYX

图1-4

图1-5数组窗口

②菜单方式

Object→NewObject，选Series，并输入序列的名称，确认后，点击Edit+/-编辑数据。

（2）数据的输入

在数据编辑窗口，数据的输入方式有如下几种方式：

①从键盘输入；

②从Excel复制数据。

首先，先取定Excel中的数据区域，选“复制”；其次，打开Eviews，同2-

（2），建工作文件，使样本区域包含与被复制数据同样多的观察值个数；第三，击Quick→EmptyGroup（Editseries）；第四，按向上滚动指针，击数据区OBS右边的单元格，点Edit→Paste，再退出，选No，于是，在工作文件中有被复制的数据序列的图标。

③从Excel复制部分数据到已存在的序列中：

取定要复制的数据，复制之；打开包含已存在序列的Group窗口，使之处于Edit模式（开关键是Edit+）；将光标指到目标单元格，点Edit→Paste，其它同3-

（2）。

4、从Excel工作表中读取数据

击Procs→Import→Read-Lotus-Excel，选取文件类型为Text-ASCII或Excel.xls，打开文件；在对话框中，选取要打开的序列名，多个之间用空格隔开（如全用原序列名，输入序列的个数即可），OK。

启动Eviews，练习Eviews菜单与命令的使用；

5、一元线性回归模型的OLS估计

方法1：

在命令窗口，直接输入“LS因变量C自变量”，中间用空格隔开，多个自变量之间也用空格隔开。

方法2：

点Object→NewObject→Equation，出现对话框：

在EquationSpecification内填入方程（不带扰动项）；在EstimationSettings中填入所用估计方法和样本估计区间。

方法3：

点Quick→EstimateEquation，同上填写对话框。

方法4：

在工作文件内，按被解释变量、各解释变量图标的次序取定（按住Ctrl，用鼠标逐个选），对它们双击左键后，再点OpenEquation，出现对话框，根据习惯，将C放在被解释变量与解释变量之间，其它填充同上方法。

由如上的回归结果，分析如何对方程进行拟合优度检验、回归系数的显著性检验以及其置信区间的求解。

6、一元线性回归模型的预测

其步骤为：

（1）扩展工作文件范围。

窗口方式：

Proc→Structure/Resizecurrentpage；命令方式：

EXPAND起始日期结束日期。

（2）扩展样本区间。

窗口方式：

Proc→setsample；命令方式：

SMPL起始日期结束日期。

（3）输入解释变量预测时间的取值，在OLS估计结果窗口，点击forecast，或在命令行输入FORECAST

7、图形分析

点Quick→Graph打开作图对话框，

图1-6

实验二：

Eviews的常用函数与多元线性回归分析

实验目的

1、掌握Eviews中的常用函数及应用

2、掌握用Eviews估计与检验多元线性回归模型

实验内容

1、掌握Eviews中的常用函数及应用

（1）一般函数

（2）关于回归结果的函数

（3）函数在Eviews中应用

2、多元线性回归分析

（1）创建工作文件后（注意文件范围尽量大，能包容序列），用NewObject建立序列，在Edit状态下，在相应位置输入或复制序列数据。

或者从Excel调入数据。

根据下表中的数据分析城镇居民人均全年耐用消费品支出Y和可支配收入X1和耐用消费品价格指数X2

表1城镇居民人均人均耐用消费品支出与可支配收入的统计资料

年份

人均耐用消费品支出

Y（元）

人均全年可支配收入

X1（元）

耐用消费品价格指数

X2

1988

137.16

1181.4

115.96

1989

124.56

1375.7

133.35

1990

107.91

1501.2

128.21

1991

102.96

1700.6

124.85

1992

125.24

2026.6

122.49

1993

162.45

2577.4

129.86

1994

217.43

3496.2

139.52

1995

253.42

4283.0

140.44

1996

251.07

4838.9

139.12

1997

285.85

5160.3

133.35

1998

327.26

5425.1

126.39

①建立工作文件：

CREATEA8898

②输入统计资料：

DATAYX1X2

③建立回归模型：

LSYCX1X2

⒉菜单点击法，Eviews中的多元回归分析的操作方式与一元回归分析相似可参照实验一步骤

则估计结果及有关信息如图2-1所示。

图2-1

由此，回归方程：

＝（1.301564）（10.54786）（－0.921316）

（3）进行回归系数的检验和回归方程的检验，分析回归输出结果是否符合你期望出现的情况。

实验三异方差的检验与修正

实验目的

1、理解异方差的含义后果、

2、学会异方差的检验与加权最小二乘法

实验内容

一、准备工作。

建立工作文件，并输入数据，用普通最小二乘法估计方程（操作步骤与方法同前），得到残差序列。

表2列出了1998年我国主要制造工业销售收入与销售利润的统计资料，请利用统计软件Eviews建立我国制造业利润函数模型。

表2我国制造工业1998年销售利润与销售收入情况

行业名称

销售利润

销售收入

行业名称

销售利润

销售收入

食品加工业

187.25

3180.44

医药制造业

238.71

1264.1

食品制造业

111.42

1119.88

化学纤维制品

81.57

779.46

饮料制造业

205.42

1489.89

橡胶制品业

77.84

692.08

烟草加工业

183.87

1328.59

塑料制品业

144.34

1345

纺织业

316.79

3862.9

非金属矿制品

339.26

2866.14

服装制品业

157.7

1779.1

黑色金属冶炼

367.47

3868.28

皮革羽绒制品

81.7

1081.77

有色金属冶炼

144.29

1535.16

木材加工业

35.67

443.74

金属制品业

201.42

1948.12

家具制造业

31.06

226.78

普通机械制造

354.69

2351.68

造纸及纸品业

134.4

1124.94

专用设备制造

238.16

1714.73

印刷业

90.12

499.83

交通运输设备

511.94

4011.53

文教体育用品

54.4

504.44

电子机械制造

409.83

3286.15

石油加工业

194.45

2363.8

电子通讯设备

508.15

4499.19

化学原料纸品

502.61

4195.22

仪器仪表设备

72.46

663.68

二、异方差的检验

1、图形分析检验

⑴观察销售利润（Y）与销售收入（X）的相关图（图3-1）：

SCATXY

图3-1我国制造工业销售利润与销售收入相关图

从图中可以看出，随着销售收入的增加，销售利润的平均水平不断提高，但离散程度也逐步扩大。

这说明变量之间可能存在递增的异方差性。

⑵残差分析

首先将数据排序（命令格式为：

SORT解释变量），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（或建立方程后在Eviews工作文件窗口中点击resid对象来观察）。

图3-2我国制造业销售利润回归模型残差分布

图3-2显示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、Goldfeld-Quant检验

⑴将样本安解释变量排序（SORTX）并分成两部分（分别有1到10共11个样本合19到28共10个样本）

⑵利用样本1建立回归模型1（回归结果如图3-3），其残差平方和为2579.587。

SMPL110

LSYCX

图3-3样本1回归结果

⑶利用样本2建立回归模型2（回归结果如图3-4），其残差平方和为63769.67。

SMPL1928

LSYCX

图3-4样本2回归结果

⑷计算F统计量：

＝63769.67/2579.59=24.72，

分别是模型1和模型2的残差平方和。

取

时，查F分布表得

，而

，所以存在异方差性

3、White检验

⑴建立回归模型：

LSYCX，回归结果如图3-5。

图3-5我国制造业销售利润回归模型

⑵在方程窗口上点击View\Residual\Test\WhiteHeteroskedastcity,检验结果如图3-6。

图3-6White检验结果

其中F值为辅助回归模型的F统计量值。

取显著水平

，由于

所以存在异方差性。

实际应用中可以直接观察相伴概率p值的大小，若p值较小，则认为存在异方差性。

反之，则认为不存在异方差性。

4、斯皮尔曼等级相关系数检验

其操作步骤为：

A.对X排序：

命令行输入SORTX

B.输入X的等级：

datad1（依次输入1-n的自然数）；

C.对残差绝对值排序：

命令行输入SORTabs（resid）；

D.输入残差绝对值的等级：

datad2（依次输入1-n的自然数）；

E.依据公式计算等级相关系数检验统计量，并查表得出结论。

5、异方差的消除—加权最小二乘法

加权最小二乘法中，最重要的是确定权重的确定，一般而言，采用残差绝对值的倒数作为权重，也可以采用其他形式。

A.首先，用SMPL命令设定样本的区间（包括所有观测值），如：

SMPL131

B.进行最小二乘回归，得到残差序列，LSYCX

C.根据残差确定权重，GENRW1=1/ABS（RESID）

D.进行加权最小二乘估计，LS（W=W1）YCX；或在方程窗口中点击Estimate\Option按钮，并在权数变量栏里依次输入W1

回归结果如下图3-7所示：

图3-7

E.对回归方程在进行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，其结果如下图3-8所示：

图3-8

图3-8对应的White检验没有显示F值和

的值，这表示异方差性已经得到很好的解决。

实验四序列相关的检验与修正

实验目的

1、理解序列相关的含义后果、

2、学会序列相关的检验与消除方法

实验内容

利用下表资料，试建立我国城乡居民储蓄存款模型，并检验模型的自相关性。

表3我国城乡居民储蓄存款与GDP统计资料（1978年＝100）

年份

存款余额Y

GDP指数X

年份

存款余额Y

GDP指数X

1978

210.60

100.0

1989

5146.90

271.3

1979

281.00

107.6

1990

7034.20

281.7

1980

399.50

116.0

1991

9107.00

307.6

1981

523.70

122.1

1992

11545.40

351.4

1982

675.40

133.1

1993

14762.39

398.8

1983

892.50

147.6

1994

21518.80

449.3

1984

1214.70

170.0

1995

29662.25

496.5

1985

1622.60

192.9

1996

38520.84

544.1

1986

2237.60

210.0

1997

46279.80

592.0

1987

3073.30

234.0

1998

53407.47

638.2

1988

3801.50

260.7

一、模型的估计

0、准备工作。

建立工作文件，并输入数据。

1、相关图分析

SCATXY

相关图表明，GDP指数与居民储蓄存款二者的曲线相关关系较为明显。

现将函数初步设定为线性、双对数等不同形式，进而加以比较分析。

2、估计模型，利用LS命令分别建立以下模型

⑴线性模型：

LSYCX

（-6.706）（13.862）

＝0.9100F＝192.145S.E＝5030.809

⑵双对数模型：

GENRLNY=LOG（Y）

GENRLNX=LOG（X）

LSLNYCLNX

（-31.604）（64.189）

＝0.9954F＝4120.223S.E＝0.1221

3、选择模型

比较以上模型，可见各模型回归系数的符号及数值较为合理。

各解释变量及常数项都通过了

检验，模型都较为显著。

比较各模型的残差分布表。

线性模型的残差在较长时期内呈连续递减趋势而后又转为连续递增趋势，残差先呈连续递增趋势而后又转为连续递减趋势，因此，可以初步判断这种函数形式设置是不当的。

而且，这个模型的拟合优度也较双对数模型低，所以又可舍弃线性模型。

双对数模型具有很高的拟合优度，因而初步选定回归模型为双对数回归模型。

二、模型自相关的检验

1.图示法

其一，残差序列et的变动趋势图。

菜单：

Quick→Graph→line，在对话框中输入resid；或者用命令操作，直接在命令行输入：

lineX。

其二，作et-1和et之间的散点图。

菜单：

Quick→Graph→Scatter，在对话框中输入resid（-1）resid；或者用命令操作，直接在命令行输入：

scatresid（-1）resid。

2.DW检验

因为n＝21，k＝1，取显著性水平

＝0.05时，查表得

＝1.22，

＝1.42，而0<0.7062＝DW<

，所以存在（正）自相关。

3.LM（BG）检验

在方程窗口中点击View/ResidualTest/SeriesCorrelationLMTest，并选择滞后期为2，则会得到如图4-1所示的信息。

图4-1双对数模型的BG检验

图中，

=11.31531，临界概率P=0.0034，因此辅助回归模型是显著的，即存在自相关性。

又因为

，

的回归系数均显著地不为0，说明双对数模型存在一阶和二阶自相关性。

三、自相关的修正

（1）自相关系数ρ的估计

主要的方法有：

A.根据ρ和DW统计量之间的近似关系，取ρ的估计为：

1-DW/2

B.直接取ρ=1

C.采用杜宾两步法估计。

LSYCY（-1）XX（-1），Y（-1）的系数估计即为ρ的估计

D.科克伦-奥科特迭代法。

首先产生残差序列，命名为e，然后e对其滞后1阶回归（无常数项），LSee（-1），e（-1）的系数估计作为ρ的估计

（2）加入AR项

在LS命令中加上AR

（1）和AR

（2），使用迭代估计法估计模型。

键入命令：

LSLNYCLNXAR

（1）AR

（2）

则估计结果如图4-2所示。

图4-2加入AR项的双对数模型估计结果

图4-2表明，调整后模型的DW＝1.6445，n＝19，k＝1，取显著性水平

＝0.05时，查表得

＝1.18，

＝1.40，而

<1.6445＝DW<4－

，说明模型不存在一阶自相关性；再BG检验（图4-3），也表明不存在高阶自相关性，因此，中国城乡居民储蓄存款的双对数模型为：

（-25.263）（52.683）

＝0.9982F＝2709.985S.E＝0.0744DW＝1.6445

图4-3

实验五多重共线性的检验和修正

实验目的

1、理解多重共线性的含义与后果、

2、学会序多重共线性的修正

实验内容

1、例表4是1978－1997年我国钢材产量（万吨）、生铁产量（万吨）、发电量（亿千瓦时）、固定资产投资（亿元）、国内生产总值（亿元）、铁路运输量（万吨）的统计资料。

表4我国钢材产量及其它相关经济变量统计资料

年份

钢材产量Y

生铁产量X1

发电量X2

固定资产投资X3

国内生产总值X4

铁路运输量X5

1978

2208

3479

2566

668.72

3264

110119

1979

2497

3673

2820

699.36

4038

111893

1980

2716

3802

3006

746.9

4518

111279

1981

2670

3417

3093

638.21

4862

107673

1982

2920

3551

3277

805.9

5295

113495

1983

3072

3738

3514

885.26

5935

118784

1984

3372

4001

3770

1052.43

7171

124074

1985

3693

4384

4107

1523.51

8964

130709

1986

4058

5064

4495

1795.32

10202

135635

1987

4386

5503

4973

2101.69

11963

140653

1988

4689

5704

5452

2554.86

14928

144948

1989

4859

5820

5848

2340.52

16909

151489

1990

5153

6238

6212

2534

18548

150681

1991

5638

6765

6775

3139.03

21618

152893

1992

6697

7589

7539

4473.76

26638

157627

1993

7716

8956

8395

6811.35

34634

162663

1994

8428

9741

9281

9355.35

46759

163093

1995

8980

10529

10070

10702.97

58478

165855

1996

9338

10723

10813

12185.79

67885

168803

1997

9979

11511

11356

13838.96

74463

169734

2、多重共线性的检验

（1）综合统计检验法

若在OLS法下：

R2与F值较大，但t检验值较小，则可能存在多重共线性。

（2）简单相关系数检验

利用相关系数可以分析解释变量之间的两两相关情况。

在Eviews软件中可以直接计算相关系数矩阵。

本例中，在Eviews软件命令窗口中键入：

CORX1X2X3X4X5

或在包含所有解释变量的数组窗口中点击View\Correlations，其结果如图1所示。

由相关系数矩阵可以看出，解释变量之间的相关系数均为0.93以上，即解释变量之间是高度相关的。

图5-1

（3）判定系数检验法

当解释变量多余两个且变量之间呈现出较复杂的相关关系时，可以通过建立辅助回归模型来检验多重共线性。

本例中，在Eviews软件命令窗口中键入：

LSX1CX2X3X4X5

LSX2CX1X3X4X5

LSX3CX1X2X4X5

LSX4CX1X2X3X5

LSX5CX1X2X3X4

得到相应的回归结果，分析每个方程对应的F值和T值，来检验这些变量间是否相关以及相关联程度。

对应的回归结果如下图所示。

图5-2

图5-3

图5-4

图5-5

图5-6

上述每个回归方程的F检验值都非常显著，方程回归系数的T