计量经济学综合实验报告73p.docx
《计量经济学综合实验报告73p.docx》由会员分享,可在线阅读,更多相关《计量经济学综合实验报告73p.docx(85页珍藏版)》请在冰豆网上搜索。
![计量经济学综合实验报告73p.docx](https://file1.bdocx.com/fileroot1/2022-10/11/44d2edf0-6971-4ca3-9f72-db0be6ec5ffe/44d2edf0-6971-4ca3-9f72-db0be6ec5ffe1.gif)
计量经济学综合实验报告73p
实验一截面数据一元线性回归模型
(经典估计)
【实验目的和要求】
1、熟练运用计算机和Eviews软件进行计量经济分析,掌握一元线性回归模型的设定、普通最小二乘法求解及其检验方法;
2、学习绝对收入假说消费理论的验证方法;
3、在老师的指导下独立完成实验,并得到正确结果。
【实验内容】
1、对变量样本序列进行统计描述;
2、设定一元线性回归模型的具体形式,预计回归系数的符号;
3、用普通最小二乘法求解模型;
4、对模型的解进行经济理论检验和统计检验;
5、对模型进行结构分析;
6、用模型进行预测分析。
【实验数据】
1、附表5,2011年河南省18个省辖市城市居民消费支出CE与可支配收入DI数据。
2、附表5,2011年河南省18个省辖市农村居民生活消费支出LE与纯收入NI数据。
【实验步骤】
城市居民:
1、打开Eviews工作文件,建立新的文件夹,在命令框中输入“datacedi”回车,从数据表中粘贴数据到Eviews数据表中即可。
2、对变量ce、di进行统计描述
在ce、di组对象窗口选择下拉菜单view---descriptivestatistics---commonsamples,即输出组对象中各序列数据公共样本的统计描述,如下图:
统计描述1:
commonsamples
选择下拉菜单view---descriptivestatistics---individualsamples,即输出组对象中各序列数据的统计描述,各序列包含的观察值数量可以不同。
统计描述2:
individualsamples
在组对象窗口中选择下拉菜单view--covarianceanalysis——balancedsample即可出现以下图表。
统计描述3:
covariance
3、建立由被解释变量ce和解释变量di组成的组对象,在一个坐标轴上显示两变量的序列线图,观察是否接近直线,做两变量的散点图,观察是否线性相关。
两变量序列的线图:
由上图可知,两变量的曲线,都不接近直线。
两变量的散点图:
由上图可知两变量基本呈正相关关系,存在一定的线性相关性。
但相关程度不大。
4、结合凯恩斯绝对收入假说的消费理论和图形分析,设定以ce为被解释变量,di为解释变量的一元线性城市居民消费总体回归模型,预计回归系数的符号;
模型:
CEi=β1+β2DIi+ui
因支出一般随收入的增加而增多,回归系数应为正数。
5、用OLS法估计以ce为被解释变量,di为解释变量的城市居民消费回归模型;
回归估计结果如下:
DependentVariable:
CE
Method:
LeastSquares
Date:
06/23/08Time:
14:
45
Sample:
118
Includedobservations:
18
Coefficient
Std.Error
t-Statistic
Prob.
C
3510.472
2058.070
1.705711
0.1074
DI
0.501352
0.117317
4.273477
0.0006
R-squared
0.533019
Meandependentvar
12265.06
AdjustedR-squared
0.503832
S.D.dependentvar
1188.676
S.E.ofregression
837.2934
Akaikeinfocriterion
16.40267
Sumsquaredresid
11216963
Schwarzcriterion
16.50160
Loglikelihood
-145.6240
Hannan-Quinncriter.
16.41631
F-statistic
18.26260
Durbin-Watsonstat
1.415144
Prob(F-statistic)
0.000582
即CEi=3510.472+0.50135DI
(2058.070)(0.117317)
t=(1.705711)(4.273477)
R2=0.533019F=18.26260n=18
6、对ce为被解释变量,di为解释变量模型输出结果进行经济理论检验,拟合优度检验和t检验。
(1)经济意义检验:
所估计参数β1=3510.472,β2=0.501352,说明可支配收入增加1元,平均说来可导致城市居民消费支出增加0.501352元。
(2)拟合优度检验:
通过以上的回归数据可知,可决系数为0.533019,说明所建模型整体上对样本数据拟合度不是太好。
(3)t检验:
针对H1:
β1=0和H2:
β2=0,由上回归结果可以看出,估计的回归系数B1的标准误差和t值分别为:
SE(β1)=2058.070,t(β1)=1.705711:
β2的标准误差和t值分别为SE(β2)=0.117317t(β2)=4.273477.取a=0,05,查t分布表得自由度为n-2=18-2=16的临界值为t0.025=2.119,t(β1)=1.7057<t0.025=2.119,不拒绝H1,t(β2)=4.1735>t0.025=2.119,拒绝H2.这表明,城市居民可支配收入对其消费水平有很大影响。
7、当城市居民可支配收入在14500元时,支出的均值为10780.076元。
在95%的置信度下,预测某省辖市城市居民可支配收入在17500元时的消费支出的均值区间。
计算后区间为(10976.747113591.4469)
模型预测
农村居民:
1、打开Eviews工作文件,建立新的文件夹,在命令框中输入“dataleni”回车,从数据表中粘贴数据到Eviews数据表中即可。
4、对变量le、ni进行统计描述
在le、ni组对象窗口选择下拉菜单view---descriptivestatistics---commonsamples,即输出组对象中各序列数据公共样本的统计描述,如下图:
选择下拉菜单view---descriptivestatistics---individualsamples,即输出组对象中各序列数据的统计描述,各序列包含的观察值数量可以不同,如下表:
在组对象窗口中选择下拉菜单view--covarianceanalysis——balancedsample即可出现以下图表:
3、建立由被解释变量ce和解释变量di组成的组对象,在一个坐标轴上显示两变量的序列线图,观察是否接近直线,做两变量的散点图,观察是否线性相关。
两变量序列的线图:
由上图可知,两变量的曲线,都不接近直线。
两变量的散点图:
由上图可知两变量基本呈正相关关系,存在一定的线性相关性。
但相关程度不大。
4、结合凯恩斯绝对收入假说的消费理论和图形分析,设定以le为被解释变量,ni为解释变量的一元线性城市居民消费总体回归模型,预计回归系数的符号;
模型:
LEi=β1+β2NIi+ui
因支出一般随收入的增加而增加,预测回归系数β1、β2的符号都是正号。
5、用OLS法估计以ce为被解释变量,di为解释变量的城市居民消费回归模型;
模型回归估计结果
即LEi=275.9194+0.606027NIi
(623.4453)(0.08359)
T=(0.442572)(7.25000)
R2=0.766636F=52.5625n=18
6、对le为被解释变量,ni为解释变量模型输出结果进行经济理论检验,拟合优度检验和t检验。
(1)经济意义检验:
所估计参数β1=275.9194,β2=0.606027,说明可支配收入增加1元,平均说来可导致乡村居民消费支出增加0.606027元。
(2)拟合优度检验:
通过以上的回归数据可知,可决系数为0.766636,说明所建模型整体上对样本数据拟合度较好;
(3)对回归系数的t检验:
针对H1:
β1=0和H2:
β2=0,由上回归结果可以看出,估计的回归系数B1的标准误差和t值分别为:
SE(β1)=623.4453,t(β1)=0.442572;β2的标准误差和t值分别为SE(β2)=0.083590t(β2)=7.250000,取a=0,05,查t分布表得自由度为n-2=18-2=16的临界值为t0.025=2.119,t(t(β1)=0.442572<t0.025=2.119,不拒绝H1,t(β2)=7.250000>t0.025=2.119,拒绝H2.这表明,农村居民可支配收入对其消费水平有很大影响。
模型预测
【实验总结】本次试验,我们主要是根据数据,利用Eviews软件进行分析,如果两变量基本符合线性关系就可建立一元线性计量模型,用普通最小二乘法进行模型求解,再对求解出的模型进行经济意义检验,拟合优度检验和t检验。
从可决系数R2的大小可以判断模型的拟合效果,可决系数越大拟合程度越高。
还可以把城市与农村的消费总体回归模型进行比较,都可发现收入提高消费也随之增加,只不过城市与农村居民的收入增加的部分用于消费的比例不同,城市的该比例小于农村的。
但两者的之一比例均大于0.5,可见用凯恩斯的绝对收入假说解释现阶段河南省居民消费规律是合理的。
实验二截面数据一元线性回归模型
(异方差性)
【实验目的和要求】
1、掌握一元线性回归估计方程的异方差性检验方法;
2、掌握一元线性回归估计方程的异方差性纠正方法;
3、在老师的指导下独立完成实验,并得到正确结果。
【实验内容】
1、估计河南省城市居民消费支出CE依可支配收入DI的一元线性回归模型和农村居民生活消费支出LE与纯收入NI的一元线性回归模型;
2、用图形法判断是否存在异方差性;
3、用goldfield-quandt法检验是否存在异方差性;
4、用white法检验是否存在异方差性;
5、用ARCH法等检验是否存在异方差性;
6、用加权最小二乘法消除异方差性。
【实验数据】
1、附表5,2011年河南省18个省辖市城市居民消费支出CE与可支配收入DI数据。
2、附表5,2011年河南省18个省辖市农村居民生活消费支出LE与纯收入NI数据。
【实验步骤】
城市居民:
1、用Eviews创建变量CE、DI,输入样本数据,、打开Eviews工作文件,建立新的文件夹,在命令框中输入“datacedi”回车,从数据表中粘贴数据到Eviews数据表中即可。
2、估计河南省城市居民消费支出CE依可支配收入DI的一元回归模型
下图就是河南省城市居民消费支出CE和可支配收入DI的一元线性回归结果:
即CEi=3510.472+0.50135DI
(2058.070)(0.117317)
t=(1.705711)(4.273477)
R2=0.533019F=18.26260n=18
3、观察模型是否存在一阶序列相关
原序列自相关图
一阶序列相关图
由以上图可以看出模型不存在一阶序列相关。
4、观察变量ce与di的散点图,生成ols法估计模型的残差变量序列,观察残差序列线图,残差平方与di的散点图,判断是否存在异方差性。
残差序列线图