作业二完成版Word文档格式.docx

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。