1、1、目的利用Eviews软件,使学生在实验过程中全面了解和熟悉计量经济学。2、内容及要求熟悉Eviews软件的操作与应用二、仪器用具:仪器名称规格/型号数量备注三、实验方法与步骤:1题表3.6是64个国家儿童死亡率与人均数据,请用合适的模型做儿童死亡率对人均的一元线形回归,解释回归结果的含义,画出儿童死亡率对人均倒数的散点图,并与回归结果对应解释。 答:设模型为:其中Y为儿童死亡率,X为1/GNP进行OLS回归分析结果如下:Variable Coefficient Std. Error t-Statistic Prob. X 27273.17 3759.999 7.253503 0.0000C
2、 81.79436 10.83206 7.551136 0.0000 R-squared 0.459051 Mean dependent var 141.5000Adjusted R-squared 0.450326 S.D. dependent var 75.97807S.E. of regression 56.33016 Akaike info criterion 10.93109Sum squared resid 196731.4 Schwarz criterion 10.99855Log likelihood -347.7948 Hannan-Quinn criter. 10.9576
3、7F-statistic 52.61330 Durbin-Watson stat 1.959368Prob(F-statistic) 0.000000 回归模型为:散点图如下:由回归结果中可知R2=0.459051,即模型的拟合优度较低,即解释变量X-GNP的倒数对被解释变量Y-儿童死亡率的解释能力只有不到一半。由方差分析中F统计量的P值小于0.05可知,模型显著,即至少有一个参数不为零。由散点图与回归结果可知X与Y呈正相关关系。2题表3.7是我国粮食产量、农业机械总动力、土地灌溉面积、化肥施用量1990-2008年的数据,请用粮食产量作被解释变量,分别用其他三个变量作解释变量进行一元线形回归
4、,并用其中你认为最好的模型预测2009和2010年的粮食产量。设粮食产量为Y,农用机械总动力为X1,土地灌溉面积为X2,化肥施用量为X3,分别对Y进行一元线性回归结果如下:、X1-农用机械总动力对Y-粮食产量的一元线性回归分析:Variable Coefficient Std. Error t-Statistic Prob. C 42952.69 1908.017 22.51170 0.0000X1 0.087482 0.036048 2.426824 0.0266 R-squared 0.257300 Mean dependent var 47348.41Adjusted R-squared
5、 0.213612 S.D. dependent var 2947.975S.E. of regression 2614.220 Akaike info criterion 18.67462Sum squared resid 1.16E+08 Schwarz criterion 18.77403Log likelihood -175.4089 Hannan-Quinn criter. 18.69144F-statistic 5.889473 Durbin-Watson stat 0.689186Prob(F-statistic) 0.026639 、土地灌溉面积为X2对粮食产量Y的一元线性回归
6、分析: Variable Coefficient Std. Error t-Statistic Prob. C 21364.95 9621.985 2.220431 0.0403X2 0.496494 0.183521 2.705377 0.0150 R-squared 0.300960 Mean dependent var 47348.41Adjusted R-squared 0.259840 S.D. dependent var 2947.975S.E. of regression 2536.218 Akaike info criterion 18.61404Sum squared res
7、id 1.09E+08 Schwarz criterion 18.71345Log likelihood -174.8333 Hannan-Quinn criter. 18.63086F-statistic 7.319066 Durbin-Watson stat 0.680218Prob(F-statistic) 0.015006 、化肥施用量X3对粮食产量Y的一元线性回归分析:Variable Coefficient Std. Error t-Statistic Prob. C 38067.08 2961.598 12.85356 0.0000X3 2.313205 0.725264 3.1
8、89466 0.0054 R-squared 0.374372 Mean dependent var 47348.41Adjusted R-squared 0.337570 S.D. dependent var 2947.975S.E. of regression 2399.351 Akaike info criterion 18.50308Sum squared resid 97867010 Schwarz criterion 18.60250Log likelihood -173.7793 Hannan-Quinn criter. 18.51991F-statistic 10.17269
9、Durbin-Watson stat 0.755713Prob(F-statistic) 0.005368 由以上分析结果可以看出,线性回归方程三即:的拟合优度最佳,选择该模型对2009及2010年的粮食产量进行预测:X2009=5404.40,预测值Y2009=50568.57万吨X2010=5561.68,预测值Y2010=50932.39万吨3为了分析中国的环境库兹涅茨曲线,我们建立了如下的回归方程: 其中:WE为废水(或废气)人均排放量(单位:吨),PGDP为人均GDP水平。具体数据见表4.1 (1)基于表中的数据,估计中国人均工业(或废气)排放量随人均GDP变化的规律,解释估计结果的
10、经济含义。答:、以WEt-废水人均排放量,PGDP进行回归分析,结果如下:Variable Coefficient Std. Error t-Statistic Prob.PGDP*PGDP 4.34E-05 4.34E-06 10.01292 0.0000PGDP -0.053339 0.004219 -12.64372 0.0000C 31.94196 0.860218 37.13242 0.0000 R-squared 0.935766 Mean dependent var 19.41438Adjusted R-squared 0.929343 S.D. dependent var 3.
11、384789S.E. of regression 0.899724 Akaike info criterion 2.747650Sum squared resid 16.19006 Schwarz criterion 2.895758Log likelihood -28.59798 Hannan-Quinn criter. 2.784899F-statistic 145.6816 Durbin-Watson stat 0.859559估计的回归方程为:说明人均收入增长PGDP对废水人均排放量的边际影响为:回归结果显示拟合优度为0.929343,说明模型拟合效果较好,PGDP能解释废水人均排放量
12、的92.9%。同时、模型参数均显著,说明模型设定正确。、以WEt-废气人均排放量,PGDP进行回归分析,结果如下:Variable Coefficient Std. Error t-Statistic Prob. PGDP -0.000794 0.000179 -4.428044 0.0003PGDP*PGDP 2.58E-06 1.84E-07 14.01119 0.0000C 0.749268 0.036579 20.48365 0.0000 R-squared 0.991114 Mean dependent var 0.977529Adjusted R-squared 0.990226
13、S.D. dependent var 0.386977S.E. of regression 0.038259 Akaike info criterion -3.567782Sum squared resid 0.029275 Schwarz criterion -3.419674Log likelihood 44.02949 Hannan-Quinn criter. -3.530533F-statistic 1115.387 Durbin-Watson stat 0.996059回归结果显示拟合优度为0.991114,说明模型拟合效果非常好,PGDP能解释废水人均排放量的99.1%。同时、模型
14、参数均显著,说明模型是正确设定的。(2)中国工业污染排放是否符合环境库兹涅茨曲线的特征?解释你的理由。不符合,因为环境库兹涅茨曲线的特征是呈倒U型,即二次项系数为负。然而从以上两步分析中可以发现,二次项系数1均为正数,所以中国工业污染排放并不符合环境库兹涅茨曲线的特征。4.为分析中国能源效率的影响因素,有研究者建立了如下的模型:LEE和LPI分别为取自然对数的能源效率(单位消耗的实际GDP)和能源价格定基指数,SI为第二产业的比重。题表4.2为中国1978-2006年的数据。其中:能源效率为单位能源消耗的实际GDP,能源价格定基指数是按不同能源占总消费比重为权的加权价格(1978年为100)。
15、具体数据见题表4.2。(1)基于经济理论和对经济现实的观察,你对LPI和SI系数的符号有怎样的先验预期?简要说明理由。LPI系数为正,而SI系数为负。随着经济增长,技术进步,对能源效率提高的同时,能源的的需求也会加大,然而供给却不能很好的跟上需求的增长,因而相对价格会上升,所以,LPI系数为正。随着经济发展,服务业在在国民经济中的比例会不断升高,二工业则不然。因而SI系数为负。(2)对模型进行OLS估计。解释估计结果的经济含义?OLS估计结果如下:Variable Coefficient Std. Error t-Statistic Prob.LPI 0.490731 0.016245 30.
16、20888 0.0000SI -0.041588 0.006807 -6.109165 0.0000C 0.284883 0.282877 1.007089 0.3232 R-squared 0.973803 Mean dependent var 1.210797Adjusted R-squared 0.971788 S.D. dependent var 0.391911S.E. of regression 0.065827 Akaike info criterion -2.505872Sum squared resid 0.112664 Schwarz criterion -2.364427
17、Log likelihood 39.33514 Hannan-Quinn criter. -2.461573F-statistic 483.2421 Durbin-Watson stat 0.565152Prob(F-statistic) 0.000000 由估计结果得回归方程为:拟合优度为0.971788,F检验P值为0说明模型拟合效果很好,模型成功的解释了LEE(取自然对数的能源效率)变化的97.17%。但参数检验中,常数0不显著,即常数项为0。系数的符号与预期相同。说明能源的相对稀缺(价格上涨)与服务业的兴起(工业的减少)大致反映中国经济的发展,以及技术的进步。(3)有人认为。中国第二产
18、业比重的增加对提高能源效率具有反向作用,你如何检验这一观点?H0: 2=0 H1:2假设原假设成立的情况下,而tt(N-K-1)=t(26),在显著性水平为0.05时,查表得-t0.05(26)=-1.706,拒绝域为(-,-1.706)由于t落在此区间内,因此拒绝原假设,即认为20,中国第二产业比重的增加对提高能源效率具有反向作用。(4)1992年7月,中国试点防开了煤炭价格,而煤炭在我国能源消费总量中一直占70%左右。所以,有人认为,能源效率与能源价格的关系在1978-1992年和1993-2006年两个时期可能会有显著的变化。你如何检验这一假设?对这两个时期的数据分别进行回归分析,然后进
19、行邹检验;1978-1992年回归方程为:RSS1=0.027391993-2006年回归方程如下:RSS2=0.0301141978-2006年的回归方程如下:RSSr=0.112664原假设: H0:0=0 ,1=1 ,2=2 H1:原假设中有至少有一个不成立F统计量:其中FF(3,23),计算得出F=7.35416,在显著性水平为0.05的条件下,F0.05(3.23)=3.03,由于F显然大于F0.05(3.23),所以。拒绝原假设,即认为能源效率与能源价格的关系在1978-1992年和1993-2006年两个时期有显著的变化。4在本章第一节的例子中,我们知道,当基于新凯恩斯混合Phi
20、llips曲线研究中国通货膨胀的动态性质时,需要建立如下的计量经济学模型:通胀率可以基于消费物价指数(consumer price index,CPI)计算,并用下一期的实际通胀率作为上一期的通胀率预期,即。以劳动份额指标作为的替代变量。具体数据见题表4.3。(1)基于经济理论,你对模型中各参数有怎样的先验预期,解释你的理由。三个系数均为正。一般说来,通胀会伴随着就业的增长。即劳动份额越高,失业越低,通胀率就越高,因而为正;由于,预期下一期的通胀率会高,即货币会贬值,则本期就会增加消费,则货币需求增大,通胀率上升,因而对下一期通胀率的预期也是正相关的关系,也为正。同理,前一期的通胀率对本期的影
21、响效果也是同向的,因而依然为负。估计结果如下:Variable Coefficient Std. Error t-Statistic Prob.PAI(-1) 0.582346 0.116934 4.980138 0.0004PAI(1) 0.575681 0.112914 5.098390 0.0003MC 0.419931 12.63048 0.033247 0.9741C -1.112303 7.877777 -0.141195 0.8903 R-squared 0.896452 Mean dependent var 5.326667Adjusted R-squared 0.868212
22、 S.D. dependent var 7.594309S.E. of regression 2.756933 Akaike info criterion 5.089293Sum squared resid 83.60745 Schwarz criterion 5.278106Log likelihood -34.16970 Hannan-Quinn criter. 5.087282F-statistic 31.74374 Durbin-Watson stat 2.034199Prob(F-statistic) 0.000010 其中PAI为本期通胀率,PAI(-1)为前一期通胀率,PAI(1
23、)为预期下一期的通胀率。回归方程为:R2=0.86821,F统计量的P值为0.00001,说明模型拟合较好。能够解释本期通胀率变化的86.8%。参数符号与预期相同。=0.582346说明前一期通胀率变化一单位对本期通胀率的影响为0.582346;=0.575681代表下一期通胀率预期变化一单位对本期通胀率的影响为0.575681;=0.419931表示劳动份额每增加一单位,本期通胀率将增加0.419931个单位。(3)理论上,意味着垂直的长期Phillips曲线。基于样本信息,你如何检验这一假设是否成立?对进行Wald检验结果如下:Wald Test:Test Statistic Value
24、df Probability F-statistic 1.766062 (1, 11) 0.2108Chi-square 1.766062 1 0.1839Null Hypothesis Summary:Normalized Restriction (= 0) Value Std. Err.-1 + C(1) + C(2) 0.158027 0.118913Restrictions are linear in coefficients.由检验结果中F统计量为1.766062.P值大于0.05,所以接受原假设。即,这是一条垂直的菲利普斯曲线。(4)基于样本数据,说明中国通胀预期的特征。从数据来看
25、,我国的通胀预期既有向后看的适应性预期,又有向前看的理性预期。因而有“扎堆”的现象,即前后波动不会很突然,相互之间有约束作用。(5)考虑到预期的非完全理性的现实,在新凯恩斯Phillips曲线中可能需要加入通胀率的高阶滞后项,基于表中的样本数据,的滞后阶数应该选为几阶?你的选择依据是什么?如果滞后阶数大于一阶,请重新估计模型,并解释估计结果的经济含义?并检验的约束是否成立(此时是各阶滞后项系数之和)。、的滞后阶数为6.选择依据是最适的滞后阶数会使得R2最大,而AIC(赤池信息准则)和SC(施瓦茨准则)最小化,由于数据有限,最大只能选到6阶滞后。、重新估计结果如下:Variable Coeffi
26、cient Std. Error t-Statistic Prob. PAI(1) -0.146838 0.601857 -0.243974 0.8477PAI(-1) 0.470125 0.450441 1.043700 0.4864PAI(-2) -1.338970 0.235148 -5.694159 0.1107PAI(-3) 1.481388 0.317247 4.669514 0.1343MC 65.64625 36.73692 1.786928 0.3248C -42.80301 23.52580 -1.819407 0.3199PAI(-4) -0.408626 0.12753
27、4 -3.204043 0.1926PAI(-5) 0.090102 0.092411 0.975015 0.5081PAI(-6) 0.139218 0.089035 1.563633 0.3622 R-squared 0.990572 Mean dependent var 0.930000Adjusted R-squared 0.915150 S.D. dependent var 1.674017S.E. of regression 0.487625 Akaike info criterion 0.898873Sum squared resid 0.237778 Schwarz crite
28、rion 1.171199Log likelihood 4.505636 Hannan-Quinn criter. 0.600131F-statistic 13.13371 Durbin-Watson stat 3.784446Prob(F-statistic) 0.210408 重新估计的模型为:回归模型显示,本期通胀率受前一期通胀率为正相关关系,与预期下一期通胀率的影响为负相关关系。受t-2期与t-4期影响,为负相关关系,且越接近本期,影响程度越大。其他期影响为正相关。受劳动份额的正相关影响。、检验 约束:eviews检验结果如下: Test Statistic Value df Probability F-statistic 1.028091 (1, 1) 0.4956Chi-square 1.028091 1 0.3106 Normalized Restriction (= 0) Value Std. Err. -1 + C(1) + C(2) + C(3) + C(4) + C(7) + C(8) + C(9) -0.713600 0.703784Restrictions are linear in coefficients. 检验结果说明约束仍然成立,接受原假设,依然是垂直的菲利普斯曲线。
copyright@ 2008-2022 冰豆网网站版权所有
经营许可证编号:鄂ICP备2022015515号-1