计量经济学实验指导书.docx

1、计量经济学实验指导书实 验 指 导 书课程名称：计量经济学编 写 人：寇津春 余谦 目 录实验一 Eviews的基本操作与一元线性回归模型的最小二乘估计 1实验目的： 1实验内容： 1实验二：Eviews的常用函数与多元线性回归分析 6实验目的 6实验内容 6实验三 异方差的检验与修正 8实验目的 8实验内容 8实验四 序列相关的检验与修正 13实验目的 13实验内容 13实验五 多重共线性的检验和修正 18实验目的 18实验内容 18实验六 柯布-道格拉斯生产函数的求解 22实验目的 22实验内容 22实验一 Eviews的基本操作与一元线性回归模型的最小二乘估计实验目的：1、熟悉Eview

2、s的窗口与界面2、掌握Eviews的命令与菜单的操作3、掌握用Eviews估计与检验一元线性回归模型实验内容：1、启动Eviews双击Eviews图标，出现Eviews窗口，它由以下部分组成：标题栏“Eviews”、主菜单“File，Edit，Help”、命令窗口（空白处）和工作区域。图1-12、产生文件Eviews的操作在工作文件中进行，故首先要有工作文件，然后进行数据输入、分析等等操作。（1） 读已存在文件：FileOpenWorkfile。（2） 新建文件：FileNewWorkfile，出现对话框“工作文件范围”，选取或填上数据类型、 起止时间。OK后，得到一个无名字的工作文件，其中有

3、：时间范围、当前工作文件样本范围、filter 、默认方程、系数向量C、序列RESID。在主菜单上依次点击File/New/Workfile，即选择新建对象的类型为工作文件，将弹出一个对话框（如图所示），由用户选择数据的时间频率（frequency）、起始期和终止期。 图1-2工作文件对话框其中， Annual年度 Monthly月度Semi-annual半年 Weekly周 Quarterly季度 Daily日Undated or irregular非时序数据选择时间频率为Annual（年度），再分别点击起始期栏（Start date）和终止期栏（End date），输入相应的日前1985和

4、1998。然后点击OK按钮，将在EViews软件的主显示窗口显示相应的工作文件窗口（如图所示）。图1-3工作文件窗口工作文件窗口是EViews的子窗口，工作文件一开始其中就包含了两个对象，一个是系数向量C（保存估计系数用），另一个是残差序列RESID（实际值与拟合值之差）。（3）命令方式新建文件在EViews软件的命令窗口中直接键入CREATE命令，也可以建立工作文件。命令格式为： CREATE 时间频率类型 起始期 终止期则以上菜单方式过程可写为：CREATE A 1985 19983、输入数据（1）进入数据编辑窗口，有命令方式和菜单方式两种DATA命令方式在EViews软件的命令窗口键入D

5、ATA命令，命令格式为：DATA 本例中可在命令窗口键入如下命令（如图1-4所示）；将显示一个如图1-5的数组窗口，此时可以按全屏幕编辑方式输入每个变量的数据。DATA Y X图1-4 图1-5 数组窗口菜单方式ObjectNew Object，选Series，并输入序列的名称，确认后，点击Edit+/-编辑数据。（2）数据的输入在数据编辑窗口，数据的输入方式有如下几种方式：从键盘输入；从Excel复制数据。首先，先取定Excel中的数据区域，选“复制”；其次，打开Eviews，同2-（2），建工作文件，使样本区域包含与被复制数据同样多的观察值个数；第三，击QuickEmpty Group (

6、Edit series)；第四，按向上滚动指针，击数据区OBS右边的单元格，点EditPaste，再退出，选No，于是，在工作文件中有被复制的数据序列的图标。从Excel复制部分数据到已存在的序列中：取定要复制的数据，复制之；打开包含已存在序列的Group窗口，使之处于Edit模式（开关键是Edit+）；将光标指到目标单元格，点EditPaste，其它同3-（2）。 4、从Excel工作表中读取数据击ProcsImportRead-Lotus-Excel，选取文件类型为Text-ASCII或Excel.xls，打开文件；在对话框中，选取要打开的序列名，多个之间用空格隔开（如全用原序列名，输入序

7、列的个数即可），OK。启动Eviews，练习Eviews菜单与命令的使用；5、一元线性回归模型的OLS估计方法1：在命令窗口，直接输入“LS 因变量 C 自变量”，中间用空格隔开，多个自变量之间也用空格隔开。方法2：点ObjectNew ObjectEquation，出现对话框：在Equation Specification内填入方程（不带扰动项）；在Estimation Settings中填入所用估计方法和样本估计区间。方法3：点QuickEstimate Equation，同上填写对话框。方法4：在工作文件内，按被解释变量、各解释变量图标的次序取定（按住Ctrl，用鼠标逐个选），对它们双击

8、左键后，再点Open Equation，出现对话框，根据习惯，将C放在被解释变量与解释变量之间，其它填充同上方法。由如上的回归结果，分析如何对方程进行拟合优度检验、回归系数的显著性检验以及其置信区间的求解。6、一元线性回归模型的预测其步骤为：（1）扩展工作文件范围。窗口方式：ProcStructure/Resize current page；命令方式：EXPAND 起始日期 结束日期。（2）扩展样本区间。窗口方式：Procset sample；命令方式：SMPL 起始日期 结束日期。（3）输入解释变量预测时间的取值，在OLS估计结果窗口，点击forecast，或在命令行输入FORECAST7、

9、图形分析点QuickGraph打开作图对话框，图1-6实验二：Eviews的常用函数与多元线性回归分析实验目的1、掌握Eviews中的常用函数及应用2、掌握用Eviews估计与检验多元线性回归模型实验内容1、掌握Eviews中的常用函数及应用（1）一般函数（2）关于回归结果的函数（3）函数在Eviews中应用2、多元线性回归分析（1）创建工作文件后（注意文件范围尽量大，能包容序列），用New Object建立序列，在Edit状态下，在相应位置输入或复制序列数据。或者从Excel调入数据。根据下表中的数据分析城镇居民人均全年耐用消费品支出Y和可支配收入X1和耐用消费品价格指数X2表1 城镇居民人

10、均人均耐用消费品支出与可支配收入的统计资料年份人均耐用消费品支出Y（元）人均全年可支配收入X1（元）耐用消费品价格指数X21988137.161181.4115.961989124.561375.7133.351990107.911501.2128.211991102.961700.6124.851992125.242026.6122.491993162.452577.4129.861994217.433496.2139.521995253.424283.0140.441996251.074838.9139.121997285.855160.3133.351998327.265425.1126

11、.39 建立工作文件： CREATE A 88 98 输入统计资料： DATA Y X1 X2 建立回归模型：LS Y C X1 X2 菜单点击法，Eviews中的多元回归分析的操作方式与一元回归分析相似可参照实验一步骤则估计结果及有关信息如图2-1所示。图2-1由此，回归方程： (1.301564) (10.54786) (0.921316) （3）进行回归系数的检验和回归方程的检验，分析回归输出结果是否符合你期望出现的情况。实验三 异方差的检验与修正实验目的1、理解异方差的含义后果、2、学会异方差的检验与加权最小二乘法实验内容一、准备工作。建立工作文件，并输入数据，用普通最小二乘法估计方程

12、（操作步骤与方法同前），得到残差序列。表2列出了1998年我国主要制造工业销售收入与销售利润的统计资料，请利用统计软件Eviews建立我国制造业利润函数模型。表2 我国制造工业1998年销售利润与销售收入情况行业名称销售利润销售收入行业名称销售利润销售收入食品加工业187.253180.44医药制造业238.711264.1食品制造业111.421119.88化学纤维制品81.57779.46饮料制造业205.421489.89橡胶制品业77.84692.08烟草加工业183.871328.59塑料制品业144.341345纺织业316.793862.9非金属矿制品339.262866.14服

13、装制品业157.71779.1黑色金属冶炼367.473868.28皮革羽绒制品81.71081.77有色金属冶炼144.291535.16木材加工业35.67443.74金属制品业201.421948.12家具制造业31.06226.78普通机械制造354.692351.68造纸及纸品业134.41124.94专用设备制造238.161714.73印刷业90.12499.83交通运输设备511.944011.53文教体育用品54.4504.44电子机械制造409.833286.15石油加工业194.452363.8电子通讯设备508.154499.19化学原料纸品502.614195.22仪

14、器仪表设备72.46663.68二、异方差的检验1、图形分析检验观察销售利润（Y）与销售收入（X）的相关图(图3-1)：SCAT X Y图3-1 我国制造工业销售利润与销售收入相关图从图中可以看出，随着销售收入的增加，销售利润的平均水平不断提高，但离散程度也逐步扩大。这说明变量之间可能存在递增的异方差性。 残差分析首先将数据排序（命令格式为：SORT 解释变量），然后建立回归方程。在方程窗口中点击Resids按钮就可以得到模型的残差分布图（或建立方程后在Eviews工作文件窗口中点击resid对象来观察）。图3-2 我国制造业销售利润回归模型残差分布图3-2显示回归方程的残差分布有明显的扩大趋

15、势，即表明存在异方差性。2、Goldfeld-Quant检验将样本安解释变量排序（SORT X）并分成两部分（分别有1到10共11个样本合19到28共10个样本）利用样本1建立回归模型1（回归结果如图3-3），其残差平方和为2579.587。SMPL 1 10LS Y C X图3-3 样本1回归结果利用样本2建立回归模型2（回归结果如图3-4），其残差平方和为63769.67。SMPL 19 28LS Y C X图3-4 样本2回归结果计算F统计量：63769.67/2579.59=24.72，分别是模型1和模型2的残差平方和。取时，查F分布表得，而，所以存在异方差性3、White检验建立回归

16、模型：LS Y C X，回归结果如图3-5。图3-5 我国制造业销售利润回归模型在方程窗口上点击ViewResidualTestWhite Heteroskedastcity,检验结果如图3-6。图3-6 White检验结果其中F值为辅助回归模型的F统计量值。取显著水平，由于,所以存在异方差性。实际应用中可以直接观察相伴概率p值的大小，若p值较小，则认为存在异方差性。反之，则认为不存在异方差性。4、斯皮尔曼等级相关系数检验其操作步骤为：A. 对X排序：命令行输入SORT XB. 输入X的等级：data d1（依次输入1-n的自然数）；C. 对残差绝对值排序：命令行输入SORT abs(resi

17、d)；D. 输入残差绝对值的等级：data d2（依次输入1-n的自然数）；E. 依据公式计算等级相关系数检验统计量，并查表得出结论。5、异方差的消除加权最小二乘法 加权最小二乘法中，最重要的是确定权重的确定，一般而言，采用残差绝对值的倒数作为权重，也可以采用其他形式。A. 首先，用SMPL命令设定样本的区间（包括所有观测值），如：SMPL 1 31B. 进行最小二乘回归，得到残差序列，LS Y C XC. 根据残差确定权重， GENR W1=1/ABS(RESID)D. 进行加权最小二乘估计，LS(W=W1) Y C X；或在方程窗口中点击EstimateOption按钮，并在权数变量栏里依

18、次输入W1回归结果如下图3-7所示：图3-7 E. 对回归方程在进行White 检验，观察异方差的调整情况对所估计的模型再进行White检验，其结果如下图3-8所示：图3-8图3-8对应的White检验没有显示F值和的值，这表示异方差性已经得到很好的解决。实验四 序列相关的检验与修正实验目的1、理解序列相关的含义后果、2、学会序列相关的检验与消除方法实验内容利用下表资料，试建立我国城乡居民储蓄存款模型，并检验模型的自相关性。表3 我国城乡居民储蓄存款与GDP统计资料（1978年100）年份存款余额YGDP指数X年份存款余额YGDP指数X1978210.60100.019895146.90271

19、.31979281.00107.619907034.20281.71980399.50116.019919107.00307.61981523.70122.1199211545.40351.41982675.40133.1199314762.39398.81983892.50147.6199421518.80449.319841214.70170.0199529662.25496.519851622.60192.9199638520.84544.119862237.60210.0199746279.80592.019873073.30234.0199853407.47638.219883801

20、.50260.7一、模型的估计0、准备工作。建立工作文件，并输入数据。1、相关图分析SCAT X Y相关图表明，GDP指数与居民储蓄存款二者的曲线相关关系较为明显。现将函数初步设定为线性、双对数等不同形式，进而加以比较分析。2、估计模型，利用LS命令分别建立以下模型线性模型： LS Y C X(-6.706) (13.862)0.9100 F192.145 S.E5030.809双对数模型：GENR LNY=LOG(Y) GENR LNX=LOG(X) LS LNY C LNX(-31.604) (64.189)0.9954 F4120.223 S.E0.12213、选择模型比较以上模型，可见

21、各模型回归系数的符号及数值较为合理。各解释变量及常数项都通过了检验，模型都较为显著。比较各模型的残差分布表。线性模型的残差在较长时期内呈连续递减趋势而后又转为连续递增趋势，残差先呈连续递增趋势而后又转为连续递减趋势，因此，可以初步判断这种函数形式设置是不当的。而且，这个模型的拟合优度也较双对数模型低，所以又可舍弃线性模型。双对数模型具有很高的拟合优度，因而初步选定回归模型为双对数回归模型。二、模型自相关的检验1.图示法其一，残差序列et的变动趋势图。菜单：QuickGraphline，在对话框中输入resid；或者用命令操作，直接在命令行输入：line X。其二，作et-1和et之间的散点图。

22、菜单：QuickGraphScatter，在对话框中输入resid(-1) resid；或者用命令操作，直接在命令行输入：scat resid(-1) resid。2.DW检验因为n21，k1，取显著性水平0.05时，查表得1.22，1.42，而00.7062DW，所以存在（正）自相关。3.LM(BG)检验在方程窗口中点击View/Residual Test/Series Correlation LM Test，并选择滞后期为2，则会得到如图4-1所示的信息。图4-1 双对数模型的BG检验图中， =11.31531，临界概率P=0.0034，因此辅助回归模型是显著的，即存在自相关性。又因为，的

23、回归系数均显著地不为0，说明双对数模型存在一阶和二阶自相关性。三、自相关的修正（1）自相关系数的估计主要的方法有：A. 根据和DW统计量之间的近似关系，取的估计为：1-DW/2B. 直接取=1C. 采用杜宾两步法估计。LS Y C Y(-1) X X(-1)，Y(-1)的系数估计即为的估计D. 科克伦-奥科特迭代法。首先产生残差序列，命名为e，然后e对其滞后1阶回归（无常数项），LS e e(-1)，e(-1) 的系数估计作为的估计（2）加入AR项在LS命令中加上AR(1)和AR(2)，使用迭代估计法估计模型。键入命令：LS LNY C LNX AR(1) AR(2)则估计结果如图4-2所示。

24、图4-2 加入AR项的双对数模型估计结果 图4-2表明，调整后模型的DW1.6445，n19，k1，取显著性水平0.05时，查表得1.18，1.40，而1.6445DW4，说明模型不存在一阶自相关性；再BG检验（图4-3），也表明不存在高阶自相关性，因此，中国城乡居民储蓄存款的双对数模型为：(-25.263) (52.683)0.9982 F2709.985 S.E0.0744 DW1.6445图4-3实验五 多重共线性的检验和修正实验目的1、理解多重共线性的含义与后果、2、学会序多重共线性的修正实验内容1、例表4是19781997年我国钢材产量（万吨）、生铁产量（万吨）、发电量（亿千瓦时）、

25、固定资产投资（亿元）、国内生产总值（亿元）、铁路运输量（万吨）的统计资料。表4 我国钢材产量及其它相关经济变量统计资料年份钢材产量Y生铁产量X1发电量X2固定资产投资X3国内生产总值X4铁路运输量X51978220834792566668.7232641101191979249736732820699.3640381118931980271638023006746.945181112791981267034173093638.2148621076731982292035513277805.952951134951983307237383514885.2659351187841984337240

26、0137701052.43717112407419853693438441071523.51896413070919864058506444951795.321020213563519874386550349732101.691196314065319884689570454522554.861492814494819894859582058482340.5216909151489199051536238621225341854815068119915638676567753139.032161815289319926697758975394473.7626638157627199377168

27、95683956811.353463416266319948428974192819355.354675916309319958980105291007010702.975847816585519969338107231081312185.796788516880319979979115111135613838.96744631697342、多重共线性的检验（1）综合统计检验法若 在OLS法下：R2与F值较大，但t检验值较小，则可能存在多重共线性。（2）简单相关系数检验利用相关系数可以分析解释变量之间的两两相关情况。在Eviews软件中可以直接计算相关系数矩阵。本例中，在Eviews软件命令窗

28、口中键入：COR X1 X2 X3 X4 X5或在包含所有解释变量的数组窗口中点击ViewCorrelations，其结果如图1所示。由相关系数矩阵可以看出，解释变量之间的相关系数均为0.93以上，即解释变量之间是高度相关的。图5-1（3）判定系数检验法当解释变量多余两个且变量之间呈现出较复杂的相关关系时，可以通过建立辅助回归模型来检验多重共线性。本例中，在Eviews软件命令窗口中键入：LS X1 C X2 X3 X4 X5LS X2 C X1 X3 X4 X5LS X3 C X1 X2 X4 X5LS X4 C X1 X2 X3 X5LS X5 C X1 X2 X3 X4得到相应的回归结果，分析每个方程对应的F值和T值，来检验这些变量间是否相关以及相关联程度。对应的回归结果如下图所示。图5-2图5-3图5-4图5-5图5-6上述每个回归方程的F检验值都非常显著，方程回归系数的T