计量经济学实验.docx

1、计量经济学实验第一节 EViews基本操作1、什么是EViews EViews是Econometric Eviews（计量经济学视图）的缩写，通常称为计量经济学软件包，是专门从事数据分析、回归分析和预测的工具，在科学数据分析与评价、金融分析、经济预测、销售预测和成本分析等领域应用非常广泛。 EViews引入了流行的对象概念，操作灵活简便，可在菜单式窗口和编程窗口两种方式下运行，可直接而不需要编程解决绝大部分计量经济学问题。2、EViews安装破解式安装方法： 1、运行压缩包中的INSTALL文件中的setup，输入序列码:demo,将Eviews安装到硬盘指定目录(默认为c:program f

2、ileseviews5)。 2、将压缩包中的Eviews5.exe文件复制到硬盘Eviews安装目录(默认为：c:program fileseviews5)中,覆盖原有的Eviews5.exe文件。即可解除软件的时间限制。3、EViews使用参考书1）、EViews使用指南与案例，张晓峒主编，机械工业出版社 ，20072）、计量经济学试验教程，李国柱，刘德智主编，中国经济出版社，2010图书馆还有EViews使用指导的参考图书。4、认识EViews 主菜单包含九个主菜单，每个主菜单下包含若干菜单项。File(文件)Edit(编辑)Object(对象)：主菜单下有：New Object(新建对象

3、)、Fetch from DB（从数据库导入）、Update selected from DB（从数据库更新对象）、store selected to DB（把选定的对象存储到数据库）、copy selected（复制所选定的对象）、rename（重命名）、 freeze output （冻结当前输入）Qucik提供快速分析过程，即一些频繁使用的功能。主要菜单有：sample（改编样本范围）、generate series（生成序列）、show（打开已选择的对象，或将多个序列合成一个群对象）、graph（画图）、empty group（打开一个空群）、series statics（产生序列统计

4、量）、group statistics（进行群统计）、estimate equation（估计方程）、 estimate VAR（估计向量回归方程）。5、数据操作常用函数：abs(x),exp(x),inv(x),log(x),log10(x),log10(x,b),sqrt(x)常用描述统计函数：cor(x,y),cov(x,y),mean(x),medan(x),min(x),stdev(x),var(x),sum(x)描述性统计常用的量：偏度（skewness）计算公式为s=3, 对称分布的偏度为零;当偏度大于零时，序列的分布为正偏；当偏度小于零时，序列的分布为负偏；如果偏度等于零，则序

5、列呈正态分布。峰度（kurtosis）的计算公式为k=4,正态分布的峰度为3。当序列的峰度大于3时，表示与正态分布相比，序列的分布为尖崤峰；当序列的峰度小于3时，表示与正态分布相比，序列的分布为平缓峰。雅克-贝拉统计量（Jarque-bera statistic）用来检验序列是否服从正态分布，计算公式JB=，原假设为序列服从正态分布时，JB统计量服从自由度为2的卡方分布。只需要比较P值与显著性水平的大小。第二节 简单线形回归一、实验目的掌握一元线形回归模型的估计与应用，熟悉Eviews的基本操作二、实验要求对课本的案例数据作一元回归并进行预测三、预备知识最小二乘估计、t检验、拟合优度检验，点预

6、测与区间预测四、实验步骤1建立工作文件并录入数据FileNewworkfile, 弹出Workfile create对话框中选择数据类型。“Workfile frequency”中选择数据频率： Annual (年度) Weekly ( 周数据 ) Quartrly (季度) Daily (5 day week ) ( 每周5天日数据 ) Semi Annual (半年) Daily (7 day week ) ( 每周7天日数据 ) Monthly (月度) Undated or irreqular (未注明日期或不规则的)Objectnewobjectgroup,按向上的方向键，出现两个o

7、bs,输入变量名Y，X。粘贴收集数据。数据见数据的excel文档。2数据的描述性统计和画图描述性统计：quick/group statistics/ descriptive statisticscommon sample或打开对象x与y,点Viewdescriptive statisticscommon sample画散点图：点viewgraphscatterx y3参数估计点Quickestimate equation,在弹出的对话框中输入”Y C X”，注意变量见留空格.结果的保存。4 模型结果的含义与分析（参考课本）练习题1、美国GDP与个人消费支出数据见下表,设Y=A+B*GDP+U,

8、估计其参数.美国GDP与个人消费支出YEARGDPY19803776.32447.119813843.12476.919823760.32503.719833906.62619.419844148.52746.119854279.82865.819864404.52969.119874539.93052.219884718.63162.4198948383223.319904877.53260.4199148213240.82、经研究发现，家庭书刊消费受家庭收入及户主受教育年数的影响，表中为对某地区部分家庭抽样调查得到样本数据：家庭书刊年消费支出（元）Y家庭月平均收入（元）X户主受教育年数（年

9、）T家庭书刊年消费支出（元）Y家庭月平均收入（元）X户主受教育年数（年）T4501027.28793.21998.614507.71045.29660.8219610613.91225.812792.72105.412563.41312.29580.82147.48501.51316.47612.7215410781.51442.415890.82231.414541.81641911212611.818611.11768.8101094.23143.4161222.11981.21812533624.620(1) 建立家庭书刊消费的计量经济模型；（2）利用样本数据估计模型的参数；（3）检验户

10、主受教育年数对家庭书刊消费是否有显著影响；（4）分析所估计模型的经济意义和作用.解：（1）建立家庭书刊消费的计量经济模型： 其中：Y为家庭书刊年消费支出、X为家庭月平均收入、T为户主受教育年数（2）估计模型参数，结果为即 （49.46026）（0.02936） （5.20217） t= (-1.011244) (2.944186) (10.06702) R2=0.951235 F=146.2974(3) 检验户主受教育年数对家庭书刊消费是否有显著影响:由估计检验结果, 户主受教育年数参数对应的t 统计量为10.06702, 明显大于t的临界值，同时户主受教育年数参数所对应的P值为0.0000，

11、明显小于，均可判断户主受教育年数对家庭书刊消费支出确实有显著影响。（4）本模型说明家庭月平均收入和户主受教育年数对家庭书刊消费支出有显著影响，家庭月平均收入增加1元，家庭书刊年消费支出将增加0.086元，户主受教育年数增加1年，家庭书刊年消费支出将增加52.37元。3某地区城镇居民人均全年耐用消费品支出、人均年可支配收入及耐用消费品价格指数的统计资料如表所示： 年份人均耐用消费品支出Y（元）人均年可支配收入X1（元）耐用消费品价格指数X2（1990年=100）19911992199319941995199619971998199920002001137.16124.56107.91102.96

12、125.24162.45217.43253.42251.07285.85327.261181.41375.71501.21700.62026.62577.43496.24283.04838.95160.35425.1115.96133.35128.21124.85122.49129.86139.52140.44139.12133.35126.39利用表中数据，建立该地区城镇居民人均全年耐用消费品支出关于人均年可支配收入和耐用消费品价格指数的回归模型，进行回归分析，并检验人均年可支配收入及耐用消费品价格指数对城镇居民人均全年耐用消费品支出是否有显著影响。解：(1) 建立该地区城镇居民人均全年耐用

13、消费品支出关于人均年可支配收入和耐用消费品价格指数的回归模型： （2）估计参数结果由估计和检验结果可看出，该地区人均年可支配收入的参数的t检验值为10.54786，其绝对值大于临界值；而且对应的P值为0.0000，也明显小于。说明人均年可支配收入对该地区城镇居民人均全年耐用消费品支出确实有显著影响。但是，该地区耐用消费品价格指数的参数的t检验值为-0.921316，其绝对值小于临界值；而且对应的P值为0.3838，也明显大于。这说明该地区耐用消费品价格指数对城镇居民人均全年耐用消费品支出并没有显著影响。第三节 可线形化的回归典型例题1：课本105面13题。估计其未知参数并对模型进行评价。典型例

14、题2：随着经济的增长，国家财政收入也随之增长，但这种增长可能是非线性的。如下表列出了中国19892005年的GDP与财政输入的数据。年份财政收入（Y）国内生产总值(X)19892664.9016992.319902937.1018667.819913149.4821781.519923483.3726923.519934348.9535333.919945218.1048197.919956242.2060793.019967407.9971176.619978651.1478973.019989875.9584402.3199911444.0889677.1200013395.2399214

15、.6200116386.04109655.2200218903.64120332.7200321715.25135822.8200426396.47159878.3200531649.29183084.8实验步骤：1、 画出国内生产总值（x）与财政收入 (y) 的散点图。2、 根据散点图，考虑以下模型：线性模型：y=a+bx+u倒数模型：1/y=a+bx+u (1/y)指数模型：lny=a+bx+u (或lny=a+blnx+u)多项式模型：y=a+bx+cx2根据上面数据，分别计算出以上模型的结果。 注：生成新序列：lnx=log(x), lny=log(y)或直接输入命令log(y) c

16、log(x)注意：常用函数abs(x),exp(x),inv(x),log(x),log10(x),log10(x,b),sqrt(x)3、 比较以上模型，判断哪个模型的拟合效果最好。第四节 多重共线性实验多重共线性数据国内旅游业收入Y国内旅游人数X2人均旅游支出X3农村居民人均旅游支出公路里程铁路里程19941023.50 52400.00 414.70 54.90 111.78 5.90 19951375.70 62900.00 464.00 61.50 115.70 5.97 19961638.40 63900.00 534.10 70.50 118.58 6.49 19972112.7

17、0 64400.00 599.80 145.70 122.64 6.60 19982391.20 69450.00 607.00 197.00 127.85 6.64 19992831.90 71900.00 614.80 249.50 135.17 6.74 20003175.50 74400.00 678.60 226.60 140.27 6.87 20013522.40 78400.00 708.30 212.70 169.80 7.01 20023878.40 87800.00 739.70 209.10 176.52 7.19 20033442.30 87000.00 684.90

18、200.00 180.98 7.30 第四节 异方差的检验与修正典型例题1：课本116面案例中国农村居民人均消费函数。（数据见数据文档）主要步骤：1、 得出模型lny=a+blnx1+clnx2+u的结果；输入命令：log(y) c log(x1) log(x2)2、 异方差的检验图示法：可以认为不同地区农村人均消费支出的差别主要来源于非农经营收入及工资收入、财产收入等其他收入的差别上，因此，如果存在异方差，则可能是由X2引起的，作出的散点图；Graph/scatter 输入log(x2) e2G-Q检验第一步：将原始数据按X2排成升序，去掉中间的7个数据，得两个容量为12的子样本。Srot命

19、令，升序（Ascenging）和降序（Descending）排列第二步：对两个子样本分别作OLS回归，求各自的残差平方和RSS1和RSS2（可以在excel中排序后再，再选分组样本作回归）,再根据F统计量判断怀特检验 作辅助回归: 再比较n与临界值的大小在equation窗口中选择View/residual test/white heteroskedasticity结果有交叉项和没有交叉项的结果。3异方差的修正可以在evies主窗口中选择quick/estimate equation/options,在窗口中输入全书如1/x1,1/log(x1)等。典型例题2：1、问题的提出和模型设定为了给制

20、定医疗机构的规划提供依据，分析比较医疗机构与人口数量的关系，建立卫生医疗机构数与人口数的回归模型。假定医疗机构数与人口数之间满足线性约束，则理论模型设定为其中表示卫生医疗机构数，表示人口数。由2001年四川统计年鉴得到如下数据。表5.1 四川省2000年各地区医疗机构数与人口数地区人口数（万人）X医疗机构数（个）Y地区人口数（万人）X医疗机构数（个）Y成都1013.36304眉山339.9827自贡315911宜宾508.51530攀枝花103934广安438.61589泸州463.71297达州620.12403德阳379.31085雅安149.8866绵阳518.41616巴中346.71

21、223广元302.61021资阳488.41361遂宁3711375阿坝82.9536内江419.91212甘孜88.9594乐山345.91132凉山402.41471南充 709.2 4064二、参数估计设模型为，估计其参数。三、检验模型的异方差（一）图示法（1）画出Y-X的散点图；（2）画出的散点图；从以上图形判断.是否存在异方差.（二）Goldfeld-Quanadt检验（三）White检验四、异方差性的修正详细的过程二、参数估计进入EViews软件包，确定时间范围；编辑输入数据；选择估计方程菜单，估计样本回归函数如下 表5.2估计结果为 (5.32)括号内为t统计量值。 三、检验模型

22、的异方差本例用的是四川省2000年各地市州的医疗机构数和人口数，由于地区之间存在的不同人口数，因此，对各种医疗机构的设置数量会存在不同的需求，这种差异使得模型很容易产生异方差，从而影响模型的估计和运用。为此，必须对该模型是否存在异方差进行检验。（一）图形法1、EViews软件操作。由路径：Quick/Qstimate Equation，进入Equation Specification窗口，键入“y c x”，确认并“ok”，得样本回归估计结果，见表5.2。（1）生成残差平方序列。在得到表5.2估计结果后，立即用生成命令建立序列，记为e2。生成过程如下，先按路径：Procs/Generate S

23、eries，进入Generate Series by Equation对话框，即 图5.4然后，在Generate Series by Equation对话框中（如图5.4），键入“e2=（resid）2”，则生成序列。（2）绘制对的散点图。选择变量名X与e2（注意选择变量的顺序，先选的变量将在图形中表示横轴，后选的变量表示纵轴），进入数据列表，再按路径view/graph/scatter，可得散点图，见图5.5。 图5.52、判断。由图5.5可以看出，残差平方对解释变量X的散点图主要分布在图形中的下三角部分，大致看出残差平方随的变动呈增大的趋势，因此，模型很可能存在异方差。但是否确实存在异方

24、差还应通过更进一步的检验。（二）Goldfeld-Quanadt检验1、EViews软件操作。（1）对变量取值排序（按递增或递减）。在Procs菜单里选Sort Series命令，出现排序对话框，如果以递增型排序，选Ascenging，如果以递减型排序，则应选Descending，键入X，点ok。本例选递增型排序，这时变量Y与X将以X按递增型排序。（2）构造子样本区间，建立回归模型。在本例中，样本容量n=21，删除中间1/4的观测值，即大约5个观测值，余下部分平分得两个样本区间：18和1421，它们的样本个数均是8个，即。在Sample菜单里，将区间定义为18，然后用OLS方法求得如下结果表5

25、.3在Sample菜单里,将区间定义为1421，再用OLS方法求得如下结果表5.4（3）求F统计量值。基于表5.3和表5.4中残差平方和的数据，即Sum squared resid的值。由表5.3计算得到的残差平方和为，由表5.4计算得到的残差平方和为，根据Goldfeld-Quanadt检验，F统计量为 （5.33）（4）判断。在下，式（5.33）中分子、分母的自由度均为6，查F分布表得临界值为，因为，所以拒绝原假设，表明模型确实存在异方差。（三）White检验由表5.2估计结果，按路径view/residual tests/white heteroskedasticity（no cross

26、 terms or cross terms），进入White检验。根据White检验中辅助函数的构造，最后一项为变量的交叉乘积项，因为本例为一元函数，故无交叉乘积项，因此应选no cross terms，则辅助函数为 （5.34）经估计出现White检验结果，见表5.5。从表5.5可以看出，由White检验知，在下，查分布表,得临界值（在（5.34）式中只有两项含有解释变量，故自由度为2），比较计算的统计量与临界值，因为，所以拒绝原假设，不拒绝备择假设，表明模型存在异方差。表5.5 四、异方差性的修正 （一）加权最小二乘法（WLS）在运用WLS法估计过程中，我们分别选用了权数。权数的生成过程如下，由图5.4，在对话框中的Enter Quation处，按如下格式分别键入：；，经估计检验发现用权数的效果最好。下面仅给出用权数的结果。表5.7表5.7的估计结果如下 （5.36）括号中数据为t统计量值。可以看出运用加权小二乘法消除了异方差性后，参数的t检验均显著，可决系数大幅提高，F检验也显著，并说明人口数量每增加1万人，平均说来将增加2.953个卫生医疗机构，而不是引子中得出的增加5.3735个医疗机构。虽然这个模型可能还存在某些其他需要进一步解决的问题，但这一估计结果或许比引子中的结论更为接近真实情况。