计量经济学实验报告模板.docx
《计量经济学实验报告模板.docx》由会员分享,可在线阅读,更多相关《计量经济学实验报告模板.docx(16页珍藏版)》请在冰豆网上搜索。
计量经济学实验报告模板
学生姓名
学号
同组人——
实验项目
回归模型
□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
实验仪器台号
指导教师
实验日期及节次
一、实验目的及要求:
1、目的
利用EVIEWS实验软件,使学生在实验过程中全面了解和熟悉计量经济学的基本概念,熟悉回归模型估计的基本程序和基本方法。
2、内容及要求
(1)、熟悉EVIEWS实验软件的基本操作程序和方法;
(2)、掌握一元线性回归模型基本概念,了解其估计和检验原理
(3)、提交实验报告
二、仪器用具:
仪器名称
规格/型号
数量
备注
计算机
1
有网络环境
《多媒体会计模拟实验室》系统
1
三、实验结果与数据处理:
1、下表是北京市连续19年城镇居民家庭人均收入与人均支出的数据。
北京市19年来城镇居民家庭收入与支出数据表(单位:
元)
年份
顺序
人均收入
(元)
人均生活消
费支出(元)
商品零售
物价指数(%)
人均实
际收入(元)
人均实际
支出(元)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
450.18
491.54
599.40
619.57
668.06
716.60
837.651158.84
1317.33
1413.24
1767.67
1899.57
2067.33
2359.88
2813.10
3935.39
5585.88
6748.687945.78
359.86
408.66
490.44
511.43
534.82
574.06
666.75
923.32
1067.38
1147.60
1455.55
1520.41
1646.05
1860.17
2134.65
2939.60
4134.12
5019.76
5729.45
100.00
101.50
108.60
110.20
112.30
113.00
115.40
136.80
145.90
158.60
193.30
229.10
238.50
258.80
280.30
327.70
386.40
435.10
466.90
450.18
484.28
551.93
562.22
594.89
634.16
725.87
847.11
902.90
891.07
914.47
829.14
866.81
911.85
1003.60
1200.91
1445.62
1551.06
1701.82
359.86
402.62
451.60
464.09
476.24
508.02
577.77
674.94
731.58
723.58
753.00
663.64
690.17
718.77
761.56
897.04
1069.91
1153.70
1227.13
(1)建立居民收入—消费函数;
答:
建立家庭实际人均收入与人均支出函数的线性模型:
结合表格数据,利用eviews回归,得到以下结果:
DependentVariable:
Y
Method:
LeastSquares
Date:
04/30/02Time:
03:
43
Sample:
119
Includedobservations:
19
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
79.93004
12.39919
6.446390
0.0000
X
0.690488
0.012877
53.62068
0.0000
R-squared
0.994122
Meandependentvar
700.2747
AdjustedR-squared
0.993776
S.D.dependentvar
246.4491
S.E.ofregression
19.44245
Akaikeinfocriterion
8.872095
Sumsquaredresid
6426.149
Schwarzcriterion
8.971510
Loglikelihood
-82.28490
F-statistic
2875.178
Durbin-Watsonstat
0.574663
Prob(F-statistic)
0.000000
即回归方程:
(2)对模型结果进行经济解释。
答:
人均实际可支配收入每增加一个单位,平均而言,人均实际支出就会增加0.6905个单位,且其自发性消费为79.9300。
2、下表给出了日本工薪家庭实际消费支出与可支配收入数据
日本工薪家庭实际消费支出与实际可支配收入单位:
1000日元
年份
个人实际可支配收入
X
个人实际
消费支出
Y
年份
个人实际可支配收入
X
个人实际
消费支出
Y
1970
1971
1972
1973
1974
1975
1976
1977
1978
1979
1980
1981
1982
239
248
258
272
268
280
279
282
285
293
291
294
302
300
311
329
351
354
364
360
366
370
378
374
371
381
1983
1984
1985
1986
1987
1988
1989
1990
1991
1992
1993
1994
304
308
310
312
314
324
326
332
334
336
334
330
384
392
400
403
411
428
434
441
449
451
449
449
注:
资料来源于日本银行《经济统计年报》数据为1990年价格。
(1)建立日本工薪家庭的收入—消费函数;
答:
建立家庭收入与消费函数的线性模型:
结合表格数据,利用eviews回归,得到以下结果:
DependentVariable:
Y
Method:
LeastSquares
Date:
04/30/02Time:
02:
24
Sample:
19701994
Includedobservations:
25
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-68.16026
15.26513
-4.465096
0.0002
X
1.529712
0.050976
30.00846
0.0000
R-squared
0.975095
Meandependentvar
388.0000
AdjustedR-squared
0.974012
S.D.dependentvar
43.33397
S.E.ofregression
6.985763
Akaikeinfocriterion
6.802244
Sumsquaredresid
1122.420
Schwarzcriterion
6.899754
Loglikelihood
-83.02805
F-statistic
900.5078
Durbin-Watsonstat
0.348288
Prob(F-statistic)
0.000000
即回归方程:
(2)对模型结果进行经济解释。
答:
截距项
=-68.16026,没什么经济含义;
斜率系数
=1.5297,大于0,即个人实际可支配收入每增加一个单位,平均而言,个人实际消费支出将平均增加1.5297个单位,说明个人实际消费支出
与个人实际可支配收入成正比关系。
3、下表给出了中国进口需求(Y)与国内生产总值(X)的数据。
1985~2003年中国实际GDP、进口需求单位:
亿元
年份
实际GDP
(X,亿元)
实际进口额
(Y,亿元)
1985
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
8964.40
9753.27
10884.65
12114.62
12611.32
13090.55
14294.88
16324.75
18528.59
20863.19
23053.83
25267.00
27490.49
29634.75
31738.82
34277.92
36848.76
39907.21
43618.58
2543.2
2983.4
3450.1
3571.6
3045.9
2950.4
3338.0
4182.2
5244.4
6311.9
7002.2
7707.2
8305.4
9301.3
9794.8
10842.5
12125.6
14118.8
17612.2
注:
表中数据来源于《中国统计年鉴2004》光盘。
实际GDP和实际进口额均为1985年可比价指标。
(1)分别应用线形模型,半对数模型和双对数模型进行估计;
答:
a、线性模型:
结合表格数据,利用eviews回归,得到以下结果:
DependentVariable:
Y
Method:
LeastSquares
Date:
04/30/02Time:
02:
53
Sample:
19852003
Includedobservations:
19
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-1690.309
441.9276
-3.824856
0.0014
X
0.387979
0.017688
21.93401
0.0000
R-squared
0.965870
Meandependentvar
7075.321
AdjustedR-squared
0.963863
S.D.dependentvar
4325.813
S.E.ofregression
822.3285
Akaikeinfocriterion
16.36146
Sumsquaredresid
11495811
Schwarzcriterion
16.46087
Loglikelihood
-153.4338
F-statistic
481.1009
Durbin-Watsonstat
0.523859
Prob(F-statistic)
0.000000
即回归方程:
b、半对数模型1:
结合表格数据,利用eviews回归,得到以下结果:
DependentVariable:
Y
Method:
LeastSquares
Date:
04/30/02Time:
03:
00
Sample:
19852003
Includedobservations:
19
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-72039.18
7228.039
-9.966628
0.0000
LOG(X)
7985.107
728.6300
10.95907
0.0000
R-squared
0.876004
Meandependentvar
7075.321
AdjustedR-squared
0.868710
S.D.dependentvar
4325.813
S.E.ofregression
1567.413
Akaikeinfocriterion
17.65154
Sumsquaredresid
41765307
Schwarzcriterion
17.75096
Loglikelihood
-165.6896
F-statistic
120.1012
Durbin-Watsonstat
0.293177
Prob(F-statistic)
0.000000
即回归方程:
半对数模型2:
结合表格数据,利用eviews回归,得到以下结果:
DependentVariable:
LOG(Y)
Method:
LeastSquares
Date:
04/30/02Time:
03:
32
Sample:
19852003
Includedobservations:
19
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
7.457608
0.054935
135.7524
0.0000
X
5.46E-05
2.20E-06
24.82760
0.0000
R-squared
0.973161
Meandependentvar
8.690999
AdjustedR-squared
0.971582
S.D.dependentvar
0.606390
S.E.ofregression
0.102222
Akaikeinfocriterion
-1.624031
Sumsquaredresid
0.177640
Schwarzcriterion
-1.524616
Loglikelihood
17.42829
F-statistic
616.4098
Durbin-Watsonstat
0.566105
Prob(F-statistic)
0.000000
即回归方程:
c、双对数模型:
结合表格数据,利用eviews回归,得到以下结果:
DependentVariable:
LOG(Y)
Method:
LeastSquares
Date:
04/30/02Time:
03:
36
Sample:
19852003
Includedobservations:
19
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-2.969610
0.511273
-5.808269
0.0000
LOG(X)
1.176917
0.051539
22.83529
0.0000
R-squared
0.968428
Meandependentvar
8.690999
AdjustedR-squared
0.966571
S.D.dependentvar
0.606390
S.E.ofregression
0.110870
Akaikeinfocriterion
-1.461609
Sumsquaredresid
0.208968
Schwarzcriterion
-1.362194
Loglikelihood
15.88528
F-statistic
521.4506
Durbin-Watsonstat
0.450146
Prob(F-statistic)
0.000000
即回归方程:
(2)选择最合适的模型形式,并说明为什么?
答:
双对数模型较好,因为该模型的斜率系数直接给出了弹性。
4根据某地区1970-1991年固定资产投资Y与销售额X的资料(单位:
亿元)。
用OLS法估计出如下模型:
(A)
(B)
(C)
试对上述三个估计模型进行评价,从经济背景和估计结果来看,你认为哪一个模型更恰当。
答:
A、B、C三个模型的参数在统计上是显著的,且与预期一致,B模型比A多了一个回归元,前一期的资产投资,为了评估增加的这个回归元对模型的贡献,我们计算其F统计量为7.6589,大于1,会增加残差平方和,所以,引进此变量是值得的。
同样的,模型C较模型B也多了一个回归元,同样利用F检验法,计算得其F值为10.6667大于临界值,所以引入该变量也是值得的。
本题研究的是固定资产投资与销售额之间的关系,所以,出于经济背景和估计模型的结果,可以认为模型C较好。
5为了估计某国设备利用对于通货膨胀的影响,现根据1981年到1998年该国的数据获得了如下回归:
其中,Y=GNP隐含折算数(%)(通货膨胀率的一种测度);
Xt=制造业设备利用率(%);
Xt-1=滞后一年的设备利用率;
(1)阐述上述回归。
先验地,为什么在通货膨胀和设备利用之间存在着正相关。
答:
上述回归为设备利用率对通货膨胀的回归,尝试利用已知的制造业设备利用率去预测GNP隐含折算率。
先验地,货膨胀和设备利用之间存在着正相关关系,因为制造业的设备利用率越高。
(2)设备利用对于通货膨胀的短期影响是多少?
长期影响又是多少?
答:
设备利用对通货膨胀的短期影响是Xt的系数:
0.141;
从长期看,在忽略扰动项的情况下,如果Yt趋向于某一均衡水平Y,则Xt和Xt-1也将趋向于某一均衡水平
:
所以,设备利用对通货膨胀的长期影响是Xt和Xt-1的系数之和:
0.377。
(3)每个斜率系数是统计显著的吗?
答:
对模型的回归参数的显著性检验:
在自由度为15=18-3,显著性水平为0.05的情况下,
H0:
H1:
从回归结果可知,检验统计量
,
查表得
=2.131, 由于
=2.60>
=2.131,
故拒绝原假设,即Xt对Y有显著影响。
同理:
H0:
H1:
从回归结果可知,检验统计量
,
查表得
=2.131,由于
=4.26>
=2.131,
故拒绝原假设,即Xt-1对y有显著影响。
综上所述,每个斜率系数均显著异于0,即设备利用和滞后一期的设备利用对通货膨胀都有显著的影响。
(4)你是否会拒绝零假设:
两个斜率系数同时为零?
你将利用何种检验?
答:
对此回归方程而言,检验两个斜率系数为零,等于检验回归方程的显著性,可用F检验。
H0:
H1:
检验统计量
,
根据k=2,n-k-1=15,
=5%,查临界值表得Fc=3.68,
由于F=19.973>Fc=3.68,
故拒绝原假设,即Xt、Xt-1至少有一个变量对Y有显著影响,表明方程总体是显著的。
(5)如果有数据进行如下回归分析:
你如何找出设备利用对于通货膨胀的短期和长期影响?
你能够将这一模型的结果与前面给出的结果作一比较吗?
答:
利用库伊克模型变换得:
从而,设备利用对通货膨胀的短期影响是Xt的系数
;
从长期看,在忽略扰动项的情况下,如果Yt趋向于某一均衡水平Y,则Xt和Xt-1也将趋向于某一均衡水平
,所以,设备利用对通货膨胀的长期影响是Xt和Xt-1的系数之和,即
。
四、指导教师评语及成绩:
评语:
成绩:
指导教师签名:
批阅日期: