计量经济学软件操作知识分享.docx
《计量经济学软件操作知识分享.docx》由会员分享,可在线阅读,更多相关《计量经济学软件操作知识分享.docx(17页珍藏版)》请在冰豆网上搜索。
![计量经济学软件操作知识分享.docx](https://file1.bdocx.com/fileroot1/2022-12/31/26ee79fb-4362-4d77-b0f2-203b33fd3c5d/26ee79fb-4362-4d77-b0f2-203b33fd3c5d1.gif)
计量经济学软件操作知识分享
计量经济学软件操作应用
北京市
住宅商品房平均销售价格(元/平方米)
房屋供应面积(百万平方米)
城镇固定资产投资额(万元)
在岗职工平均工资(元)
2000年
4557
497.7
11963000
16536
2001年
4716
593.1
14196000
19509.33
2002年
4467
624
16936000
22108.53
2003年
4467
693.3
19999107
25697.95
2004年
4747
786.6
23330046
29674
2005年
6162
835.7
25954100
34191
2006年
7375
993.8
30124500
40117
2007年
10661.24
1137.7
36567000
46508
2008年
11648
1253.9
35548000
56328
2009年
13224
1438.4
41496286
58140
2010年
17151
1761
50026000
65683
2011年
15517.9
1988
55198403
75834.61
2012年
16553
2393
60648591
85306
2013年
17854
2500
67975373
93960
以上是北京2000年—2013年的住宅商品房销售价格、房屋供应面积、在岗职工平均工资和城镇固定资产投资额的统计数据。
下面我们应用Eviews软件对此统计数据进行分析。
1、首先大体分析数据内容,我们根据经济关系认为住宅商品房销售价格是受房屋供应面积、在岗职工平均工资和城镇固定资产投资额的影响的,所以:
建立一般模型:
Y=C+b1X1+b2X2+b3X3+U
其中:
Y——住宅商品房销售价格
X1——房屋供应面积
X2——在岗职工平均工资
X3——城镇固定资产投资额
C——常数系数
2、Eviews软件估计结果如下:
DependentVariable:
Y
Method:
LeastSquares
Date:
11/02/15Time:
12:
54
Sample:
20002013
Includedobservations:
14
Variable
Coefficient
Std.Error
t-Statistic
Prob.
X1
-1.843118
5.039291
-0.365749
0.7222
X2
0.000153
0.000244
0.629262
0.5433
X3
0.143269
0.172230
0.831845
0.4249
C
14.82325
969.7240
0.015286
0.9881
R-squared
0.934974
Meandependentvar
9935.724
AdjustedR-squared
0.915467
S.D.dependentvar
5318.260
S.E.ofregression
1546.264
Akaikeinfocriterion
17.76003
Sumsquaredresid
23909319
Schwarzcriterion
17.94261
Loglikelihood
-120.3202
Hannan-Quinncriter.
17.74313
F-statistic
47.92849
Durbin-Watsonstat
0.971177
Prob(F-statistic)
0.000003
可以看到可决系数为0.93,比较高,样本回归线与样本观测值拟合程度比较好。
Y变化的93.5%可以由其他三个变量的变化来解释。
拟合优度越高,解释变量对被解释变量的解释程度就越高。
自由度为14-3-1=10,F检验大于27.23表明在1%的显著性水平下,模型的线性关系显著成立。
根据相关系数关系发现X1、X2、X3之间的相关关系都很高,其中X2、X3之间的最高;其次是X2和X1之间的相关关系;然后是X1和X3。
表明他们之间有较强的共线性。
说到T检验,因为方程的总体线性关系是显著的,并不能说明每个解释变量对被解释变量的影响都是显著的,必须对每个解释变量进行显著性检验,以来决定是否作为解释变量保存在模型中。
如果某个变量对被解释变量的影响不显著,应该剔除,已建立更为简单的模型。
故用T检验。
-0.365749;0.629262;0.831845分别为X1、X2、X3的T检验值。
都不高,X2和X3在75%的影响下显著,而X1不显著。
没有通过变量显著性检验。
说明存在严重多重共线性。
要进行以下修正:
一、看看是否真的有多重共线性:
可以看到真的存在多重共线性,他们之间的相关系数都达到了0.99以上。
1、下面进行X1和Y的检验:
DependentVariable:
Y
Method:
LeastSquares
Date:
11/02/15Time:
18:
35
Sample:
20002013
Includedobservations:
14
Variable
Coefficient
Std.Error
t-Statistic
Prob.
X1
7.555146
0.677912
11.14472
0.0000
C
493.8431
954.2447
0.517522
0.6142
R-squared
0.911897
Meandependentvar
9935.724
AdjustedR-squared
0.904556
S.D.dependentvar
5318.260
S.E.ofregression
1643.028
Akaikeinfocriterion
17.77803
Sumsquaredresid
32394485
Schwarzcriterion
17.86933
Loglikelihood
-122.4462
Hannan-Quinncriter.
17.76958
F-statistic
124.2049
Durbin-Watsonstat
0.763881
Prob(F-statistic)
0.000000
可以看到可决系数为0.91,而且T检验通过,我们暂且保留。
2、在进行X2和Y的检验:
DependentVariable:
Y
Method:
LeastSquares
Date:
11/02/15Time:
18:
38
Sample:
20002013
Includedobservations:
14
Variable
Coefficient
Std.Error
t-Statistic
Prob.
X2
0.000286
2.26E-05
12.67101
0.0000
C
-75.94089
881.1922
-0.086180
0.9327
R-squared
0.930457
Meandependentvar
9935.724
AdjustedR-squared
0.924662
S.D.dependentvar
5318.260
S.E.ofregression
1459.748
Akaikeinfocriterion
17.54148
Sumsquaredresid
25570383
Schwarzcriterion
17.63277
Loglikelihood
-120.7904
Hannan-Quinncriter.
17.53303
F-statistic
160.5546
Durbin-Watsonstat
0.762553
Prob(F-statistic)
0.000000
可以看到可决系数为0.93,T检验同样通过,因为大于8.12。
暂时保留。
3、同理,X3和Y的检验:
DependentVariable:
Y
Method:
LeastSquares
Date:
11/02/15Time:
18:
40
Sample:
20002013
Includedobservations:
14
Variable
Coefficient
Std.Error
t-Statistic
Prob.
X3
0.202936
0.015788
12.85383
0.0000
C
229.6596
847.5785
0.270960
0.7910
R-squared
0.932288
Meandependentvar
9935.724
AdjustedR-squared
0.926645
S.D.dependentvar
5318.260
S.E.ofregression
1440.402
Akaikeinfocriterion
17.51480
Sumsquaredresid
24897102
Schwarzcriterion
17.60609
Loglikelihood
-120.6036
Hannan-Quinncriter.
17.50635
F-statistic
165.2209
Durbin-Watsonstat
1.151232
Prob(F-statistic)
0.000000
可以看到,可决系数为0.93,T检验为12.85通过,暂时保留。
但是X1、X2、X3三者比较,X3的调整可决系数最大,为0.927。
故用X3和其他变量间同Y进行回归分析:
1、先是Y与X3和X2回归分析:
DependentVariable:
Y
Method:
LeastSquares
Date:
11/02/15Time:
18:
56
Sample:
20002013
Includedobservations:
14
Variable
Coefficient
Std.Error
t-Statistic
Prob.
X3
0.119256
0.152828
0.780329
0.4517
X2
0.000119
0.000216
0.550676
0.5929
C
75.97497
916.8205
0.082868
0.9354
R-squared
0.934104
Meandependentvar
9935.724
AdjustedR-squared
0.922123
S.D.dependentvar
5318.260
S.E.ofregression
1484.133
Akaikeinfocriterion
17.63046
Sumsquaredresid
24229160
Schwarzcriterion
17.76740
Loglikelihood
-120.4132
Hannan-Quinncriter.
17.61778
F-statistic
77.96547
Durbin-Watsonstat
0.938566
Prob(F-statistic)
0.000000
可以看到虽然可决系数通过,但T检验通过的不好,特别是X2。
2、下面进行Y与X3和X1的回归分析:
DependentVariable:
Y
Method:
LeastSquares
Date:
11/02/15Time:
18:
57
Sample:
20002013
Includedobservations:
14
Variable
Coefficient
Std.Error
t-Statistic
Prob.
X3
0.218938
0.119867
1.826504
0.0950
X1
-0.608132
4.512175
-0.134776
0.8952
C
224.3200
885.4237
0.253348
0.8047
R-squared
0.932400
Meandependentvar
9935.724
AdjustedR-squared
0.920109
S.D.dependentvar
5318.260
S.E.ofregression
1503.210
Akaikeinfocriterion
17.65600
Sumsquaredresid
24856057
Schwarzcriterion
17.79294
Loglikelihood
-120.5920
Hannan-Quinncriter.
17.64333
F-statistic
75.86038
Durbin-Watsonstat
1.185660
Prob(F-statistic)
0.000000
可以看到同样可决系数通过,但是T检验过程中X1不通过。
因为只有三个解释变量,故舍弃X1。
成为二元回归。
此时的调整可决系数大于原三元回归的模型。
虽然Prob仍不符合,即数据还是有偏差,但仍是有所改进。
此时的回归方程为:
Y=0.119255899172*X3+0.000118750998689*X2+75.9749703821
以上即为多重共线性的检验与修正。
2、异方差的检验:
以上是这是做完后的样子。
下面是异方差散点图:
可以看到有增大的趋势。
下面进行怀特检验:
由怀特检验结果可知F检验通过、调整可决系数为6.8、Prob小于0.05。
说明他们是显著的,是拒绝原假设的。
模型中随机误差项存在异方差。
所以下面进行异方差的修正:
书本上的方法:
建立权变量W1、W2和W3。
进行加权最小二乘法:
进行W1的检验:
Modified:
20002013//w1=1/x
看到可决系数有了提高为0.8。
进行W2的检验:
Modified:
20002013//w2=1/x^2
看到可决系数有了提高为0.8。
进行W3的检验:
Modified:
20002013//w3=1/x^0.5
看到可决系数有了提高为0.91。
可以看出这里W3的加权为最好。
故进行W3的加权修正。
还有些推荐的方法:
与课本上的比较这种方法做得更差。
不用它。
3、自相关检验
可以看到这个回归检验很完美,如果看D.W.检验的话。
查D.W.分布表可知(n=14;k=3)dl和du的临界值为(0.90544,1.55066),同样符合。
没有自相关。
查看残差图为:
它的2010年超过了范围,因为拟合值越小拟合效果越好。
逆转正常。
散点图:
如果正相关则在一三象限散点较多,这表示有自相关,而且是正的自相关。
进行一阶自相关修正:
在Y、X、C后面加ar
(1)或ar
(2)进行修正,但修正的结果并没有原模型好。
说明可能并不存在自相关,即使存在也不能用这种方法修正。
综上:
最后的模型得到的方程为:
Y=0.119255899172*X3+0.000118750998689*X2+75.9749703821
其经济含义为:
Y——住宅商品房销售价格
X2——在岗职工平均工资
X3——城镇固定资产投资额
在北京的岗职工平均工资每增加1元,北京住宅商品房平均销售价格就约增加0.12元/平方米;城镇固定资产投资额每增加1元,北京住宅商品房平均价格就增加1.1875元/平方米。