计量经济学实习报告.docx
《计量经济学实习报告.docx》由会员分享,可在线阅读,更多相关《计量经济学实习报告.docx(69页珍藏版)》请在冰豆网上搜索。
计量经济学实习报告
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】
1.建立CE、DI组成图象,在一个坐标轴上显示两变量序列的线图,如下:
CE、DI的线图不是近似直线。
2.用evicws建立数据截面数据工作文件,创建CE.DI.LE.NI,输入样本数据;并进行统计描述。
以下是CE、DI两变量的散点图:
根据上图,可以看出,CE随着DI的增大,变化程度也很大,所以是线性相关。
下面是LE与NI的线性相关图:
据以上图形所示,两变量的线图都不是近似直线。
以上是LE、NI的散点图,LE随着NI的增大有很大的反应趋势。
所以两变量线性相关。
3.设定总体回归模型:
CE=β1+β2DI+μ
预测回归系数β1、β2的符号都是正号;
LE=β1+β2NI+μ
预测回归系数β1、β2的符号都是正号;
4.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;以LE为被解释变量,NI为解释变量的农村居民消费回归模型。
5.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。
6.拟合优度和统计检验
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较好
7.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)=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,农村居民可支配收入对其消费水平有很大影响。
8.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。
9.拟合优度和统计检验
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:
;
10.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。
11.城市居民的可支配收入相对较高,所以消费支出对收入一栏的程度较农村居民消费支出对可支配收入的程度低。
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】
1.用Eviews创建变量CE、DI、LE、NI,输入样本数据:
2.估计河南省城市居民消费支出CE依可支配收入DI,农村居民消费支出LE依可支配收入NI的一元线性回归模型。
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:
农村居民生活消费支出LE和纯收入NI的一元线性回归结果:
以上模型可以看出模型不存在一阶序列自相关。
3.根据CE与DI、LE与NI的散点图,生成OLS法估计模型的残差变量序列:
残差序列的线图:
根据上图看到,残差平方e2对解释变量DI的散点图主要分布在图形下方,大致可以看出e2随着解释变量DI的变动呈现增大的趋势,因此,模型型很可能存在异方差。
上图是e2与解释变量NI的散点图,从图中可以看出,e2随着解释变量NI的变动呈现增大的趋势,所以模型很可能存在异方差性。
4.goldfield-quandt检验:
1-8城市居民消费回归模型
10-18的城市居民消费回归模型:
由以上两图得到sumsquaredresid的值即得到残差平方和1=6808945.残差平方和2=2433402,根据goldfeld-quanadt检验,F统计量为两个残差平方和相除,得到数据为F=2.7981,取a=0.05,分子分母自由度分别为8和9,查F表临界值F0.05(6,7)=3.87,F=2.7981<F0.05(6,7)=3.87,所以不拒绝原假设,所以模型不存在异方差性。
4、1-8农村居民消费回归模型:
10-18农村居民消费回归模型:
由以上两图得到sumsquaredresid的值即得到残差平方和1=823451.2.残差平方和2=2352025,根据goldfeld-quanadt检验,F统计量为两个残差平方和相除,得到数据为F=0.35,取a=0.05,分子分母自由度分别为8和9,查F表临界值F0.05(6,7)=3.87,F=0.35<F0.05(6,7)=3.87,所以不拒绝原假设,所以模型不存在异方差性。
6.CE、DI模型的White检验:
从上图可以看出:
nR2=0.10668,又White检验知,在a=0.05.查X2分布表,得X2O.O5=5.9915,同时DI和DI2的t检验也显著。
比较计算X2统计量与临界值,因为nR2=0.10668<X2O.O5=5.9915,所以不拒绝原假设,表明模型不存在异方差性。
7.CE、DI模型的ARCH检验:
给定显著性水平a=0.05,查X2分布表临界值X2O.O5=5.9915,自由度p为2,(n-p)R2=1.485711<X2O.O5=5.9915,所以模型中不存在异方差性。
8、LE、NI的模型的white检验
从上图可以看出:
nR2=0.221035,又White检验知,在a=0.05.查X2分布表,得X2O.O5=5.9915,同时NI和NI2的t检验也显著。
比较计算X2统计量与临界值,因为nR2=0.221035<X2O.O5=5.9915,所以不拒绝原假设,表明模型不存在异方差性。
9、LE、NI的模型的ARCH检验
给定显著性水平a=0.05,查X2分布表临界值X2O.O5=5.9915,自由度p为2,(n-p)R2=2.017006<X2O.O5=5.9915,所以模型中不存在异方差性。
城市居民消费支出,用w=1/di作为权数,用加权最小二乘法消除异法差性
用white法检验加权回归结果
用ARCH法检验加权回归结果
用w=1/di^2作为权数,用加权最小二乘法消除异法差性
用white法检验加权回归结果
用ARCH法检验加权回归结果
用w=1/sqr(di)作为权数,用加权最小二乘法消除异法差性
用white法检验加权回归结果
用ARCH法检验加权回归结果
农村
用w=1/di作为权数,用加权最小二乘法消除异法差性
用white法检验加权回归结果
用ARCH法检验加权回归结果
用w=1/di^2作为权数,用加权最小二乘法消除异法差性
用white法检验加权回归结果
用ARCH法检验加权回归结果
用w=1/sqr(di)作为权数,用加权最小二乘法消除异法差性
用white法检验加权回归结果
用ARCH法检验加权回归结果
实验三时间序列数据一元线性回归模型
(自相关性)
【实验目的和要求】
1、学会回归模型自相关性的检验方法;
2、掌握消除回归模型自相关性的方法;
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、用图形法判断自相关性的存在及类型;
3、用DW法检验是否存在一阶自相关性;
4、用广义差分法(科克伦-奥科特迭代)对自相关性进行补救。
【实验数据】
1、附表4,1978年到2011年河南省城市居民消费支出与可支配收入。
2、附表4,1978年到2011年河南省农村居民生活消费支出与纯收入。
【实验步骤】
1.建立由被解释变量CE与解释变量DI组成的租对象。
做变量散点图:
从上图可知,变量CE和DI呈明显的线性趋势,所以存在线性相关。
以下是变量CE与DI的线图:
观察上图,CE与DI线图并不是近似直线。
观察log(CE)与log(DI)的线图,近似为直线。
2、建立由被解释变量LE与解释变量NI组成的租对象。
做两变量散点图,如下图:
根据上图所示,两变量之间线性相关。
以下是变量LE与NI的线形图:
根绝图形显示,并不近似为直线。
Log(LE)与log(NI)的线性图,根据图形显示,近似为直线。
3.设定被解释变量CE与解释变量DI的具体形式如下:
CE=β1+β2DI+μ
预测回归系数β1、β2的符号都是正号;
设定被解释变量LE与解释变量NI的具体形式如下:
LE=β1+β2NI+μ预测回归系数β1、β2的符号都是正号;
4、设定被解释变量log(CE)与解释变量log(DI)的具体形式如下:
Log(CE)=β1+β2(DI)+μ
预测回归系数β1、β2的符号都是正号;
设定被解释变量log(LE)与解释变量log(NI)的具体形式如下:
log(LE)=β1+β2log(NI)+μ
预测回归系数β1、β2的符号都是正号;
5、用OLS法估计以CE为解释变量DI为解释变量的城市居民消费回归模型:
用OLS法估计以LE为解释变量NI为解释变量的农村居民消费回归模型:
用OLS法估计以log(CE)为解释变量log(DI)为解释变量的城市居民消费回归模型:
用OLS法估计以log(LE)为解释变量log(NI)为解释变量的农村居民消费回归模型
生成新变量替代新估计模型的残差序列resid:
6、
(1)经济意义检验
所估计参数β1=271.2100,β2=0.664461,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0.664461元。
.
(2)拟合优度和统计检验
通过以上的回归数据可知,可决系数为0.996928,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)=44.27741,t(β1)=6.125246;β2的标准误差和t值分别为SE(β2)=0.006520t(β2)=101.9135,取a=0,05,查t分布表得自由度为n-2=34-2=32的临界值为t0.025=2.0329,t(t(β1)=6.125246>t0.025=2.0329,拒绝H1,t(β2)=7.250000>t0.025=2.0369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、
(1)经济意义检验
所估计参数β1=54.51875,β2=0.659904,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0.659904元。
.
(2)拟合优度和统计检验
通过以上的回归数据可知,可决系数为0.996533,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)=16.91203,t(β1)=3.223668;β2的标准误差和t值分别为SE(β2)=0.006991t(β2)=94.38890,取a=0,05,查t分布表得自由度为n-2=33-2=31的临界值为t0.025=2.0395,t(t(β1)=3.223668>t0.025=2.0395,拒绝H1,t(β2)=7.250000>t0.025=2.0395,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。
8、对模型进行White检验,检验模型是否存在异方差性:
从上图可以看出:
nR2=0.3667,又White检验知,在a=0.05.查X2分布表,得X2O.O5=5.9915,同时DI和DI2的t检验也显著。
比较计算X2统计量与临界值,因为nR2=0.3667<X2O.O5=5.9915,所以不拒绝原假设,表明模型不存在异方差性。
从上图可以看出:
nR2=0.7873,又White检验知,在a=0.05.查X2分布表,得X2O.O5=5.9915,同时DI和DI2的t检验也显著。
比较计算X2统计量与临界值,因为nR2=0.7873<X2O.O5=5.9915,所以不拒绝原假设,表明模型不存在异方差性。
9、一阶自相关检验
一阶偏自相关系数条形超出了随机区间,其他各阶都落入了随机区间内,表明残差序列残在一阶自相关。
一阶偏自相关系数条形超出了随机区间,其他各阶都落入了随机区间内,表明残差序列残在一阶自相关。
实验四滞后变量回归模型
【实验目的和要求】
1、学会滞后变量模型的设定;
2、掌握滞后变量模型的估计和检验;
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、建立Eviews时间序列数据工作文件输入样本数据。
2、判断变量的滞后阶数,建立有限分布滞后模型。
3、用OLS法对模型进行估计和检验。
4、根据绝对收入假说建立居民消费自回归模型。
5、用OLS法估计居民消费自回归模型。
6、检验自回归模型的自相关性。
7、用工具变量法消除随机解释变量的影响,用广义差分法消除自相关性的影响。
8、对最终模型进行结构分析。
【实验数据】
1、附表4,1978年到2011年河南省城市居民消费支出与可支配收入。
2、附表4,1978年到2011年河南省农村居民生活消费支出与纯收入。
【实验步骤】
1、用交叉相关图法判断变量的滞后阶数,建立城市居民消费有限分布滞后期模型
农村居民消费有限分布滞后期模型
2、用OLS法估计有限分布滞后模型,对模型进行检验,并取得模型的点预测值序列cef、lef
lscedidi(-1)di(-2)di(-3)di(-4)di(-5)di(-6)
DependentVariable:
CE
Method:
LeastSquares
Date:
04/06/11Time:
16:
36
Sample(adjusted):
19842011
Includedobservations:
28afteradjustments
Coefficient
Std.Error
t-Statistic
Prob.
DI
0.562426
0.335248
1.677643
0.1082
DI(-1)
0.269024
0.670649
0.401140
0.6924
DI(-2)
-0.202003
0.770662
-0.262117
0.7958
DI(-3)
0.117113
0.867642
0.134978
0.8939
DI(-4)
-0.158796
0.994145
-0.159731
0.8746
DI(-5)
0.731715
0.940877
0.777694
0.4454
DI(-6)
-0.685304
0.529777
-1.293571
0.2099
R-squared
0.992751
Meandependentvar
4013.350
AdjustedR-squared
0.990680
S.D.dependentvar
3340.573
S.E.ofregression
322.5074
Akaikeinfocriterion
14.60245
Sumsquaredresid
2184232.
Schwarzcriterion
14.93550
Loglikelihood
-197.4343
Hannan-Quinncriter.
14.70426
Durbin-Watsonstat
0.226208
3、用OLS法估计城市居民消费自回归模型和农村居民消费自回归模型
城市居民消费自回归模型
农村居民消费自回归模型
3、用cef(-1)作为工具变量替代城市居民消费自回归模型中的ce(-1),用lef(-1)作为工具变量替代城市居民消费自回归模型中的le(-1),消除随机解释变量的影响
DependentVariable:
CE
Method:
Two-StageLeastSquares
Date:
04/07/11Time:
09:
43
Sample(adjusted):
19792011
Includedobservations:
33afteradjustments
Instrumentlist:
CDICEF(-1)
Coefficient
Std.Error
t-Statistic
Prob.
C
121.2384
37.69420
3.216368
0.0031
DI
0.302026
0.053842
5.609444
0.0000
CE(-1)
0.611478
0.090846
6.730898
0.0000
R-squared
0.998793
Meandependentvar
3459.470
AdjustedR-squared
0.998712
S.D.dependentvar
3344.793
S.E.ofregression
120.0264
Sumsquaredresid
432190.0
F-statistic
12410.25
Durbin-Watsonstat
1.355188
Prob(F-statistic)
0.000000
Second-StageSSR
432190.0
4、LScefcef(-1)di
DependentVariable:
CEF
Method:
LeastSquares
Date:
04/07/11Time:
09:
04
Sample(adjusted):
19852011
Includedobservations:
27afteradjustments
Coefficient
Std.Error
t-Statistic
Prob.
CEF(-1)
0.223840
0.090395
2.476241
0.0204
DI
0.554271
0.055555
9.977011
0.0000
R-squared
0.999414
Meandependentvar
3990.905
AdjustedR-squared
0.999390
S.D.dependentvar
3507.983
S.E.ofregression
86.62496
Akaikeinfocriterion
11.83224
Sumsquaredresid
187597.1
Schwarzcriterion
11.92823
Loglikelihood
-157.7352
Hannan-Quinncriter.
11.86078
Durbin-Watsonstat
1.448857
LSLELEF(-1)NI
DependentVariable:
LE
Method:
LeastSquares
Date:
04/07/11Time:
09:
05
Sample(adjusted):
19852011
Includedobservations:
27afteradjustments
Coefficient
Std.Error
t-Statistic
Prob.
LEF(-1)
-0.006997
0.055811
-0.125361
0.9012
NI
0.688192
0.097783
7.037928
0.0000
R-squared
0.994345
Meandependentvar
1430