计量经济学1Word文档格式.docx

1、52400414.7 54.9 111.78 5.90 19951375.70 62900464.0 61.5 115.70 6.24 19961638.38 64000534.1 70.5 118.58 6.49 19972112.70 64400599.8 145.7 122.64 6.60 19982391.18 69500607.0 197.0 127.85 6.64 19992831.92 71900614.8 249.5 135.17 6.74 20003175.54 74400678.6 226.6 140.27 6.87 20013522.36 78400708.3 212.7

2、 169.80 7.01 20023878.36 87800739.7 209.1 176.52 7.19 20033442.27 87000684.9 200.0 180.98 7.30 20044710.71 110200731.8 210.2 187.07 7.44 20055285.86 121200737.1 227.6 334.52 7.54 20066229.74 139400766.4 221.9 345.70 7.71 20077770.62 161000906.9 222.5 358.37 7.80 数据来源：中国统计年鉴19952008年。需要说明的是，由于从2005年起

3、，“公路里程”包括村道，所以20052007年的该数据与其历史数据不可比。五、参数估计（1）创建工作文件启动Eviews，在主菜单上依次点击【File】【New】【Workfile】,在弹出的“Workfile Range”对话框中选择“Annual”，并在Start date 里输入开始时间“1994”，在End date里输入最后时间“2007”，点击【OK】后屏幕上出现“Workfile ：UNTITLED ”工作文件窗口。其中已有两个对象：“c“-截距项和” resid“-残差。此时可单击主菜单上的【File】【Save】，给工作文件命名后保存。（2）输入数据在Eviews命令窗口中直

4、接输入命令“DATA Y X1 X2 X3 X4 X5”并回车，将会出现Group数据编辑框，然后在对应的序列中输入表中的数据。（3）估计参数单击【Quick】下拉菜单中的【Estimate Equation】，在出现的“Equation Specification”对话框的“Equation specification”文本框中输入“Y C X1 X2 X3 X4 X5”，在“Estimation settings”栏的“Method”下拉列表中选择“LS-Least Squares（NLS and ARMA）”，点击【OK】，即出现回归结果，如图所示。Dependent Variable:

5、 YMethod: Least SquaresDate: 12/22/11 Time: 08:05Sample: 1994 2007Included observations: 14VariableCoefficientStd. Errort-StatisticProb.C-468.02311163.470-0.4022650.6980X10.0430020.0050498.5173170.0000X25.1518971.0117065.0922870.0009X32.6933430.9944572.7083550.0267X41.4426611.3394481.0770560.3129X5-

6、568.9649240.5462-2.3653040.0456R-squared0.997756Mean dependent var3527.775Adjusted R-squared0.996354S.D. dependent var1927.492S.E. of regression116.3846Akaike info criterion12.64920Sum squared resid108362.9Schwarz criterion12.92309Log likelihood-82.54443Hannan-Quinn criter.12.62385F-statistic711.528

7、8Durbin-Watson stat1.379117Prob（F-statistic）0.000000根据图中的数据，可得报告分析结果：Y=-468.0231+0.0430X1+5.1519X2+2.6933X3+1.4427X4-568.9349X5SE （1163.470） （0.0050） （1.0117） （0.9945） （1.3394） （240.5462）t （-468.0227） （8.5173） （5.0923） （2.7084） （1.0771） （-2.3653）R2=0.9978 R2=0.9964 DW=1.378 F=711.5288（4）获得残差在获得上图中的参

8、数估计结果之后，立即将得到的残差序列resid值保存到序列e0中，并在此基础上获得残差平方序列。具体步骤如下： 将工作文件窗口置为当前窗口；2在主菜单上依次点击【Quick】【Generate Series】；3在“Enter equation”文本框中输入描述新序列的公式，如：E0=RESID，点击【OK】。六、检验方法1、异方差的检验（White检验）（1）检验的具体步骤 根据White检验的基本思路，可建立辅助回归模型： 在得到图中的参数估计结果后，单击方程窗口工具栏里的【View】,如图所示。此时屏幕上将出现White检验的结果，如下图所示。（2）判断是否存在异方差从上图可以看出，nR

9、=3.191818，给定显著性水平，比如=0.05，查 分布表得临界值 （5）=11.071。由于nR （5）,所以不拒绝零假设，认为模型不存在异方差。2、序列相关的检验（LM检验法）在OLS估计结果的窗口中单击工具栏上的【View】,如图所示。 设置滞后长度屏幕上将弹出“Lag Specification”的对话框，可使用默认滞后长度“2”，点击【OK】，得出检验的结果。观察图可发现，LM=nR=1.820318，小于5%的显著性水平下 分布的临界值11.071，说明模型不存在序列相关。Breusch-Godfrey Serial Correlation LM Test:0.448366Pr

10、ob. F（2,6）0.6585Obs*R-squared1.820318Prob. Chi-Square（2）0.4025Test Equation: RESID55Presample missing value lagged residuals set to zero.1650.6062513.6150.6566660.53580.0042090.0071730.5868610.5787-0.1439891.217527-0.1182630.90971.7650102.2728490.7765630.4669-0.4041291.507774-0.2680300.7977-311.9375

11、502.4340-0.6208530.5575RESID（-1）0.4889870.5459770.8956190.4050RESID（-2）0.5445310.8445880.6447300.54300.1300234.55E-13-0.88495191.29956125.348412.7956394273.2813.16081-81.5694112.761830.1281051.9683050.992070LM检验结果完成上述的有关操作后，可判断模型中确实存在着序列相关的问题。假定模型中随机干扰项Ut存在一阶自回归形式的序列相关，在EViews命令窗口中直接输入：LS Y C X1 X2

12、X3 X4 X5 AR（1）并回车，得到回归结果，如下图所示。 12/26/11 Time: 14:20Sample （adjusted）: 1995 2007 13 after adjustmentsConvergence achieved after 50 iterations-2319.4301538.474-1.5076170.18240.0417300.00414310.072150.00015.1467910.8893775.7869610.00122.9350691.5577591.8841620.10850.6283201.0255480.6126670.5626-276.91

13、09267.5490-1.0349910.3406AR（1）0.3019020.4206150.7177630.49990.9987033720.4110.9974051860.64994.7833012.2448053903.2412.54900-72.5911812.18227769.71792.190536Inverted AR Roots.30从上图可以看出，模型中DW值为2.19，有duDW4-du。此时，模型的序列相关已得到修正。同时，可决系数、t统计量和F统计量也均达到理想水平。根据上图中的回归结果，得到最终的模型为： Y=-2319.430+0.041730X1+5.14679

14、1X2+2.935069X3+0.628320X4-276.9109X53、多重共线性的检验（1） lny与lnx1的回归（2）lny与lnx2的回归（3）lny与lnx3的回归（4）lny与lnx4的回归（5）lny与lnx5的回归注：（1）-（5）中可决系数lnx5最大，选取lnx5（6）lny与lnx5、lnx1回归（7）lny与lnx5、lnx2回归（8）lny与lnx5、lnx3回归（9）lny与lnx5、lnx4回归（6）-（9）中可决系数lnx2最大，引入lnx2（10）lny、lnx5、lnx2、与lnx1的回归（11）lny、lnx5、lnx2、与lnx3的回归（12）lny、lnx5、lnx2、与lnx4的回归（10）-（12）中的可决系数最大的是lnx1，引入lnx1，去掉lnx3（13）lny、lnx5、lnx2、lnx1与lnx4的回归加入lnx4后，可决系数未能够提高，去掉lnx4. 拟合结果如下：lny=-10.08106+0.529337lnx1+1.135653lnx2+1.4527lnx5