计量经济学实验报告.docx

计量经济学实验报告.docx

《计量经济学实验报告.docx》由会员分享，可在线阅读，更多相关《计量经济学实验报告.docx（14页珍藏版）》请在冰豆网上搜索。

计量经济学实验报告

计量经济学实验报告

（实验4）

实验四

实验4-1虚拟解释变量

一、实验目的

掌握虚拟变量的应用及解释，及引入虚拟变量的方法。

二、实验环境

微型计算机（要求必须能够连接Internet,且安装有Eviews6.0软件。

）

三、实验步骤及结果分析

第一问：

1模型设定

（1）创建工作文件

启动Eviews，在主菜单依次点击【File】-【New】-【Workfile】，在Datespecification栏中选择Quarterly，起止时间中输入“1965q1”，终止时间中输入“1970q4”，点击“OK”

（2）输入数据

DataYXD1D2D3，此时认为季度影响使利润平均值发生变化，引入虚拟变量D1D2D3分别表示第二季度、第三季度、第四季度。

2参数估计

点击【Quick】-【EstimationEquation】,在文本框中输入“YCXD1D2D3”，选择“LS-LeastSquares”为回归方法，点击“OK”，出现如下结果。

由回归结果可看出，引入虚拟变量后，销售额X和第二季度D1对应的P<0.05，所以通过了t检验，而虚拟变量D2和D3对应的P>0.05，明显不能通过t检验，剔除虚拟变量D2和D3，对自变量X和虚拟变量D1做一次参数回归，得到的回归结果如下：

www.xiaoche-

由回归结果可以看出，自变量X和虚拟变量D1所对应的P<0,05，所以它们都通过了t检验，虽然拟合优度稍微降低，但是调整可决系数提高了，所以可知销售额和第二季度的影响使利润的平均值发生了变化，X前的系数为正数符合实际经济意义表示销售额每增加一个单位，利润就增加0.038945。

此时回归结果可表示为：

Y=6562.952+0.038945X+1372.811D1

Tt3.9660893.6143502.756180

P0.00070.00160.0118

R2=0.505155R2=0.458026

第二问：

1模型设定

（1）创建工作文件

启动Eviews，在主菜单依次点击【File】-【New】-【Workfile】，在Datespecification栏中选择Quarterly，起止时间中输入“1965q1”，终止时间中输入“1970q4”，点击“OK”

（2）输入数据

DataYXD1XD2XD3X，此时认为季度影响使利润对销售额的变化率发生变化，所以引入虚拟变量D1XD2XD3X，分别代表第二季度、第三季度、第四季度。

2.参数估计

点击【Quick】-【EstimationEquation】,在文本框中输入“YCXD1XD2XD3X”，选择“LS-LeastSquares”为回归方法，点击“OK”，出现如下结果。

由回归结果可以看出，自变量X和虚拟变量D1X通过t检验（P<0.1），说明销售额和第二季度影响使利润对销售额的变化率发生变异的影响显著，而虚拟变量D2X和D3X没有通过t检验（P>0.05），所以剔除D2X和D3X，再对被解释变量Y、解释变量X和的虚拟变量D1X做一次参数回归，得到的回归结果如下：

由回归结果可以看出，自变量X和虚拟变量D1X都通过了t检验（P<0.05）且调整可决系数R2也有所提高，即说明销售额和第二季度影响使利润对销售额的变化率的效果较显著。

此时回归结果可以表示为：

Y=6901.114+0.036710X+0.00899D1X

t4.1888993.4030292.800902

P0.00040.00270.0107

R2=0.509418R2=0.462696

第三问：

1模型设定

（1）创建工作文件

启动Eviews，在主菜单依次点击【File】-【New】-【Workfile】，在Datespecification栏中选择Quarterly，起止时间中输入“1965q1”，终止时间中输入“1970q4”，点击“OK”

（2）输入数据

DataYXD1D2D3D1XD2XD3X回车，此时认为以上两种情况都存在，因此引入虚拟变量D1D2D3D1XD2XD3X

2.参数估计

点击【Quick】-【EstimationEquation】,在文本框中输入“YCXD1D2D3D1XD2XD3X”，选择“LS-LeastSquares”为回归方法，点击“OK”，出现如下结果。

由回归结果可以看出，虚拟变量D1D2D3D1XD2XD3X都没有通过显著性检验（P>0.05），所以说明上述两种情况不可能都存在，排除这种情况。

实验4-2

一、实验题目：

为分析家庭收入与汽车拥有的关系，在某市居民中随即抽取了40个家庭，这40个家庭的年收入X（万元）、汽车拥有Y（Y取0表示该户家庭未拥有汽车，Y取1表示该户家庭已拥有汽车）的数据见表作业数据二。

1、分别建立家庭年收入X与汽车拥有Y之间的Logit模型和Probit模型，写出实验步骤。

2、分别对Logit模型和Probit模型的参数显著性、拟合优度及总体显著性进行检验。

（给定显著性水平0.05）

3.Logit模型模型中Pi的表达式为什么？

当X=25时，拥有汽车的概率是多少？

二、实验步骤：

（一）模型设定

（1）创建工作文件

启动Eviews，在主菜单依次点击【File】-【New】-【Workfile】，在弹出的“WorkfileRange”对话框中选择“Unstructured/Undated”（不规则或非时间序列数据），在“Daterange”里面输入“40”，点击OK。

（2）输入数据

DataYXD1

（3）绘制散点图

在主菜单依次点击【Quick】-【Show】，在弹出的对话框中输入“XY”，点击“OK”后屏幕上出现“Group”组窗口，点击工具栏上的“View”按钮，在弹出的快捷菜单依次点击“Graph”-“Scatter”，出现下图：

可以看出，因变量Y只有两种状态，所以应该建立二元选择模型。

（二）参数估计

（1）估计logit模型

点击【Quick】-【EstimateEquation】,在文本框中输入“YCX”，在对话框下半部分的“Estimationsettings”栏的“Method”下拉列表中选择“BINARY-Binarychoice（logit,probit,extremevalue）”，在“Binaryestimationmethod”中选择“Logit”，点击“OK”，出现如下回归结果。

Logit模型结果：

Y=0.8758x-12.5370

Z3.3404-3.2273

P0.00080.0012

R2MCF=0.6897

LR=38.1762P=0.00

根据这一估计结果，可知logit模型估计结果的相应表达式为：

Pi=E（Y=11Xi）=

（三）估计probit模型

点击【Quick】-【EstimateEquation】,在文本框中输入

“YCX”，在对话框下半部分的“Estimationsettings”栏的“Method”下拉列表中选择“BINARY-Binarychoice（logit,probit,extremevalue）”，在“Binaryestimationmethod”中选择“Probit”，点击“OK”，出现如下回归结果。

probit模型估计结果：

Y=-7.2917+0.5067x

Z-3.46933.6257

P0.00050.0003

R2MCF=0.6963

LR=38.5442P=0.00