计量经济学EView分析.docx
《计量经济学EView分析.docx》由会员分享，可在线阅读，更多相关《计量经济学EView分析.docx（9页珍藏版）》请在冰豆网上搜索。
计量经济学EView分析
2
三、实验步骤：
（一）、数据基本处理：
年农村居人均可配收城镇居人均可配收农村居消费水城镇居消费水房地产场价（平米
200123666860196971614357200224767703206274864983.5200326008472210380605299.52004293694222319891256972005325510493257996446249.5200635871175928681068270962007414013786329312211809920084761157813795138459703.5200951531717540211502511982.52010
5919
19109
4455
15907
13250
1、Y代表房地产市场价格水平，X1代表城镇居民人均可支配收入水平，X2代表农村居民人均可支配收入水平，X3代表城镇居民消费水平，X4代表农村居民消费水平
2、建立新的Workfile，输入被解释变量Y和解释变量X1X2X3X4，
3
观察每个变量的图形
4
可以看出Y与X1、X2、X3、X4都是随着时间的变动递增的，而且解释变量X1、X2、X3和X4对被解释变量Y可能存在一定的非完全线性关系。
（二）模型建立：
因为是针对增长率，所以我们取对数形式建立模型
模型建立：
由于线性回归模型较简单，且符合古典假设的条件下，对参数的最小二乘估计满足参数估计的准则：
无偏性，有效性，线性性和一致性
设定模型为多元线性回归模型：
Yi=C
（1）+C
（2）*X1+C（3）*X2+C（4）*X3+C（5）*X4+Ui
5
（三）模型结果分析：
用最小二乘法对模型进行估计，输入Y、C、X1、X2、X3、X4则结果如下：
6
7
整理回归结果：
Yi=-2114.664+5.700675*X1+（-0.703771）*X2+（-4.505519）*X3+0.949540*X4
t=（-0.954397）（1.639004）（-0.576444）（-0.892766）（0.656703）R-squared=0.982777adjusted-squared=0.968998F-statistics=71.32673D.W.=1.637236
（三）模型的检验
对模型进行多重共线性、异方差、序列相关性的检验
多重共线性的检验与修正
他们之间的相关系数：
8
通过矩阵方程，可以看出Y、X1、X2、X3、X4之间有着显著的相关性
从经济上来解释：
居民收入上升，从而导致消费水平上升，随之必然导致房地产市场价格上升。
既然Y、X1、X2、X3与X4之间存在着明显的相关性，则要采用逐步回归法对其进行修正
步骤：
用最小二乘法逐一对各个解释变量的回归。
结合上述结果和经济意义可以看出，Y与X1的回归方程线性关系最强，拟合程度最好，因此将其作为基本回归方程。
（1）建立方程Y、C、
X1
整理结果：
Yi=-1471.350+2.458285*X1t=（-3.006118）（19.57915）
9
R-squared=0.979558AdjustedR-squared=0.977002F-statistic=383.3432D.W.=1.516460
（2）建立方程Y、C、X1、X2、X3、X4
整理回归结果：
Yi=-2114.664+5.700675*X1+（-0.703771）*X2+（-4.505519）*X3+0.949540*X4
t=（-0.954397）（1.639004）（-0.576444）（-0.892766）（0.656703）R-squared=0.982777adjusted-squared=0.968998F-statistics=71.32673D.W.=1.637236
通过三个回归结果的比较，不剔除任何变量。
则可得出模型的方程是
Yi=-2114.664+5.700675*X1+（-0.703771）*X2+（-4.505519）*X3+0.949540*X4
对于X1、X2、X3、X4之间存在高度相关性，则可认为这是四个解释变量之间的简单相关系数，实际上隐含着其他变量变化的相关影响，所有他们的值大小不一定是真是相关程度的反应。
10
2．检验模型是否存在异方差及其修正
a.先观察残差图：
可以看出前面波动小，后面波动大，说明模型没有异方差
b.进行white检验法：
（1）有交叉项：
11
由Obs*R-squared的P值看出该模型没有异方差。
（2）没有交叉项：
12
由Obs*R-squared的P值看出该模型没有异方差。
3．检验模型是否具有序列相关性
通过图像与检验结果分析，可以得出结论：
模型不存在异方差
由上表可知，D.W.的值为1.753884，查表可知，这无法判断模型是否具有序列相关性。
因此对其进行拉格朗日乘数检验法。
（1）1阶序列相关检验
13
由Obs*R-squared得P值可以看出该模型没有序列相关
（2）2阶序列相关检验：
14
由Obs*R-squared得P值可以看出该模型没有序列相关
（3）3阶序列相关检验：
由Obs*R-squared得P值可以看出该模型没有序列相关
综上所述，该模型没有序列相关性。
4、对模型进行预测：
15
四、实验结论
通过对所设定的模型
Yi=C
（1）+C
（2）*X1+C（3）*X2+C（4）*X3+C（5）*X4+Ui
进行多重共线性，异方差以及序列相关性的检验，可以得出该模型能够较好的反应被解释变量与解释变量之间的关系，所有可以确定模型为
Yi=-2114.664+5.700675*X1+（-0.703771）*X2+（-4.505519）*X3+0.949540*X4
t=（-0.954397）（1.639004）（-0.576444）（-0.892766）（0.656703）R-squared=0.982777adjusted-squared=0.968998F-statistics=71.32673D.W.=1.637236五、实验总结
影响我国房地产市场价格因素的实证分析这个统计模型具有良好的分析结果，它既不存在有异方差也不存在序列相关性，而且预测效果好。
升级会员 