1、本科计量经济学实验上机手册学生版附页:上机手册实验一 一元线性回归模型的参数估计和统计检验模型:1978-2000年中国人均居民消费支出()对人均GDP()的回归分析程序:(一) A 二版P50页表2.5.1 (第二版)data china;input year CONSP GDPP ;cards;数据行(自己输入);run;proc print data=china;title china;run;/*proc gplot data=china;symbol v=plus i=join;plot CONSP*GDPP;run; */proc reg data=china;model CONS
2、P=GDPP;title china;run;模型:课本P53-55页实例2006年中国城镇居民人均消费支出模型:截面数据模型,消费支出( )对可支配收入( )的回归分析三版P54页表2.6.1数据,请大家注意此表中X与Y的数据弄反了,但是53页估计的结论没问题:程序:(一)Bdata chengzhen;input diqu $ Y X ;cards4;数据行(自己输入);run;proc print data=chengzhen;title chengzhen;run;/*proc gplot data=chengzhen;symbol v=plus i=join;plot Y*X;run
3、; */proc reg data=chengzhen;model Y=X;title chengzhen;run;proc univariate data=chengzhen;/*单变量分析,为了得到常见的描述统计量*/var X Y;id diqu;/*标识语句*/title chengzhen1;run;程序 (二)二版P54页习题11数据data caizheng;input year Y GDP ;cards;数据行(自己输入);run;proc print data=caizheng;title caizheng;run;/*proc gplot data= caizheng;sy
4、mbol v=plus i=join;plot Y*GDP;run; */proc reg data= caizheng;model Y=GDP;title caizheng;run; 实验二 多元线性回归模型的参数估计和统计检验程序(一)二版课本P77页表3.5.1数据,或者三版P85页表3.5.1数据,仅是年份差别,分别估计课本中P78或85页式子(3.5.18)和P80或87页中式子(3.5.19):data xiaofei;input year XC1990 Q1990 P01990 P11990 ;cards;数据行(自己输入);run;proc print data=xiaofei
5、;title中国城镇居民人均消费支出;run;data xiaofei2;set xiaofei;lnQ=log(Q1990);lnX=log(XC1990);lnP0=log(P01990); lnP1=log(P11990);x1=XC1990/P01990;y1=P11990/P01990;lnXP0=log(x1);lnP1P0=log(y1);run;proc reg data=xiaofei2;model lnQ=lnX lnP1 lnP0/DW;title 模型3.5.18;run;proc reg data=xiaofei2;model lnQ=lnXP0 lnP1P0/DW;
6、title 模型3.5.19;run;程序(二)二版课本P92页习题11数据,模型为对数线性模型或者三版P105页习题13数据:data zhizhao;input number Y K L;cards;数据行(自己输入);run;proc print data=zhizhao;title 中国2000年的制造业总体规模;run;data zhizhao2;set zhizhao;lnY=log(Y);lnK=log(K);lnL=log(L);run;proc print data=zhizhao2;title zhizhao2;run;proc reg data=zhizhao2;mode
7、l lnY=lnK lnL;print cli;/*可得95%的置信区间及相对误差值*/run;data zhizhao3;set zhizhao2(keep=Y lnY lnK lnL);lnYY=1.15397+0.60925*lnK+0.36078*lnL; /* 即为 */YY=exp(lnYY); /* 即为 */aa=Y-YY; /* 即为 */Yresid=aa/Y; /* 即为 */proc print data=zhizhao3;title 简单拟合;run;data zhizhao4;set zhizhao3;keep Y lnYY YY Yresid;proc print
8、 data=zhizhao4;run;data zhizhao5;set zhizhao;a=Y/L;lnYL=log(a);b=K/L;lnKL=log(b);run;proc print data=zhizhao5;title zhizhao5;run;proc reg data=zhizhao5;model lnYL=lnKL;run; 实验三 异方差模型的检验和处理程序(一)二版课本P101页表4.1.1数据或三版课本P116页表4.1.1数据:data nongcun;input diqu $ Y X1 X2 ;cards4;数据行(自己输入);run;proc print data
9、=nongcun;title 中国农村居民人均消费;run;data nongcun2;set nongcun;lnY=log(Y);lnX1=log(X1);lnX1X1=lnX1*lnX1;lnX2=log(X2);lnX2X2=lnX2*lnX2;lnX1X2= lnX1*lnX2;run;proc reg data=nongcun2;model lnY=lnX1 lnX2;title nongcun2;run;data nongcun3;set nongcun2;e=lnY-(1.60258+0.32541*lnX1+0.50708*lnX2);e1=abs(e);e2=e*e;run
10、;/*proc gplot data=nongcun3;symbol v=plus i=jion;plot e2*lnX2;run;*/proc reg data=nongcun3;model e1=lnX1 lnX2;title 用戈里瑟法检验异方差;run;proc reg data=nongcun3;model e1=X1 X2;title 用戈里瑟法检验异方差1;run;proc reg data=nongcun3;model e2=lnX1 lnX1X1 lnX2 lnX2X2 lnX1X2;title 怀特检验法检验异方差;run;proc reg data=nongcun3;mo
11、del e2=lnX1 lnX1X1 lnX2 lnX2X2 ;title 没有交叉项的怀特检验;run;data nongcun4;set nongcun2;proc sort data=nongcun4;by X2;proc print data=nongcun4;title nongcun4;run;data nongcun5;set nongcun2;X22=X2;if X2=1303.6;proc sort data=nongcun6;by X2;proc print data=nongcun6;title nongcun6;run;proc reg data=nongcun6;mo
12、del lnY=lnX1 lnX2;title G-Q检验子样本2;run;data nongcun7;set nongcun3;lnYjiaq=lnY/e1;lnX1jiaq=lnX1/e1;lnX2jiaq=lnX2/e1;proc print data=nongcun7;title nongcun7;run;proc reg data=nongcun7;model lnYjiaq=lnX1jiaq lnX2jiaq /DW noint;title 加权最小二乘法;run;实验四 序列相关模型的检验和处理程序(一)第三版课本P56页中国居民总量消费函数模型,表2.6.2中数据,与实验1.2
13、数据相同:data jumin;input year T X Y ;cards;数据自己输入;run;proc print data=jumin;title jumin;run;/*proc gplot data= jumin;symbol v=plus i=join;plot Y*X;run; */proc reg data= jumin;model Y=X/dw;title jumin;run;/*画参差相关图*/data jumin2;set jumin;YY=2091.29476+0.43753*X;et=Y-YY;et_1=lag(et);et_2=lag(et_1);et_3=la
14、g(et_2);run;/* proc gplot data=jumin2;Symbol v=star i=join;plot et*year;run;proc gplot data=jumin2;Symbol v=plus i=join;plot et* et_1;run;*/*回归检验法*/proc reg data=jumin2;model et=et_1;title 回归法1;run;proc reg data=jumin2;model et=et_1 et_2;title 回归法2;run;/*引入时间变量T以平方的形式出现,依据P59页图2.6.1*/data jumin3;set
15、 jumin2;T2=T*T;run;proc reg data=jumin3/dw;model Y=X T2;title 引入时间变量T的回归模型;run;run;/*拉格朗日乘数检验*/data jumin4;set jumin3;YYY=3328.19055+0.17615*X+21.65582*T2;ett=Y-YYY;ett_1=lag(ett);ett_2=lag(ett_1);ett_3=lag(ett_2);Y_1=lag(Y);Y_2=lag(Y_1);X_1=lag(X);X_2=lag(X_1);T2_1=lag(T2);T2_2=lag(T2_1);run;proc r
16、eg data=jumin4;model ett=X T2 ett_1 ;title 含1阶滞后残差项的辅助回归拉格朗日乘数检验序列相关;run;proc reg data=jumin4;model ett=X T2 ett_1 ett_2 ;title 含2阶滞后残差项的辅助回归拉格朗日乘数检验序列相关;run;proc reg data=jumin4;model ett=ett_1 ett_2 ett_3/noint;title 估计各阶相关系数;run;proc reg data=jumin4;model ett=ett_1 ett_2 /noint;title 估计各阶相关系数;run
17、;proc reg data=jumin4;model ett=ett_1/noint;title 估计各阶相关系数;run;data jumin5;set jumin4;Ystar=Y-0.73761*Y_1;Xstar=X-0.73761*X_1;T2star=T2-0.73761*T2_1;run;proc reg data=jumin5;model Ystar=Xstar T2star;title 一阶广义差分法;run;data jumin6;set jumin4;AR1=Y_1-(3328.19055+0.17615*X+21.65582*T2);Ystar=Y-1.05582*Y
18、_1+0.38105*Y_2;Xstar=X-1.05582*X_1+0.38105*X_2;T2star=T2-1.05582*T2_1+0.38105*T2_2;run;proc reg data=jumin6;model Ystar=Xstar T2star;title 二阶广义差分法;/*形如P129页(4.2.22)式估计*/run;proc reg data=jumin6;model Y=X T2 AR1;title 二阶广义差分法;/*形如P130页(4.2.21)式改写而成的式子来估计,或直接对应P133页(4.2.25)式*/run;/*用拉格朗日乘数检验模型(4.2.25)
19、式已不存在序列相关*/data jumin7;set jumin6;eresidu=Y-(3296.3154+0.22541*X+19.69796*T2+0.71199*AR1);Xstar1=X-0.73761*X_1;T2star1=T2-0.73761*T2_1;run;proc reg data=jumin7;model eresidu=Xstar1 T2star1;title 用拉格朗日乘数检验模型(4.2.25)式已不存在序列相关;run;程序(一)二版课本P115页中国商品进口模型,表4.2.1中数据:data MGDP;input year GDP Mt ;cards;数据自己
20、输入;run;proc print data=MGDP;title MGDP;run;proc reg data=MGDP;model Mt=GDP/DW;title 中国商品进口模型;run;data MGDP2;set MGDP;MM= 152.90574+ 0.02039*GDP;et=Mt-MM;et_1=lag(et);et_2=lag(et_1);et_3=lag(et_2);run;/* proc gplot data=MGDP2;Symbol v=star i=join;plot et*year;run;proc gplot data=MGDP2;Symbol v=plus i
21、=join;plot et* et_1;run;*/*回归检验法*/proc reg data=MGDP2;model et=et_1;title 回归法1;run;proc reg data=MGDP2;model et=et_1 et_2;title 回归法2;run;/*拉格朗日乘数检验*/proc reg data=MGDP2;model et=GDP et_1 et_2;title 拉格朗日乘数检验2阶序列相关;run;proc reg data=MGDP2;model et=GDP et_1 et_2 et_3;title 拉格朗日乘数检验3阶序列相关;run;/*杜宾两步法修正*
22、/data MGDP3;set MGDP2(drop=et et_1 et_2 et_3);Mt_1=lag(Mt);Mt_2=lag(Mt_1);GDPt_1=lag(GDP);GDPt_2=lag(GDPt_1);run;proc reg data=MGDP3;model Mt=Mt_1 Mt_2 GDP GDPt_1 GDPt_2;title 杜宾法第一步估计相关系数;run;data MGDP4;set MGDP3;Mtstar=Mt-( 0.93825*Mt_1-0.46865*Mt_2);GDPstar=GDP-( 0.93825*GDPt_1-0.46865*GDPt_2);ru
23、n;proc print data=MGDP4;title MGDP4;run;proc reg data=MGDP4;model Mtstar=GDPstar;title 杜宾法第二步;run;/*科克伦-奥克特迭代法(只迭代两步)修正*/proc reg data=MGDP2;model et=et_1 et_2/noint;title 第一次估计相关系数;run;data MGDP5;set MGDP3; MtM=Mt-(1.10999*Mt_1-0.75138*Mt_2);GDPG=GDP-(1.10999*GDPt_1-0.75138*GDPt_2);run;proc reg dat
24、a=MGDP5;model MtM=GDPG;title 第一次估计待估参数;run;data MGDP6;set MGDP3;MMM=107.39666+0.01991*GDP;et=Mt-MMM;et_1=lag(et);et_2=lag(et_1);et_3=lag(et_2);run;proc reg data=MGDP6;model et=et_1 et_2/noint;title 第二次估计相关系数;run;data MGDP7;set MGDP6; MtMt=Mt-(1.19578*Mt_1-0.76487*Mt_2);GDPGD=GDP-(1.19578*GDPt_1-0.76
25、487*GDPt_2);run;proc reg data=MGDP7;model MtMt=GDPGD;title 第二次估计待估参数;run;/*回归法求4.2.26式*/data MGDP8;set MGDP3;AR1=Mt_1-93.74328-0.02001*GDPt_1;AR2=Mt_2-93.74328-0.02001*GDPt_2;run;proc print data=MGDP8;title MGDP8;run;proc reg data=MGDP8;model Mt=GDP AR1 AR2/DW;title 估计式4.2.26;run;实验五 多重共线性模型的检验和处理程序
26、(一)二版课本P124页粮食生产模型,表格4.3.3数据或者三版P141页表4.3.2:data grain1;input year total X1 X2 X3 X4 X5 ;cards;数据自己输入; run; proc print data=grain1; title 粮食生产模型原始样本观测值数据; run; proc reg data=grain1; model total=X1 X2 X3 X4 X5/DW;run;proc corr;/*求相关系数矩阵*/var X1 X2 X3 X4 X5;run;proc reg data=grain1; model total=X1 /DW
27、;run;proc reg data=grain1;model total=X2/DW;run;proc reg data=grain1;model total=X4/DW;run;proc reg data=grain1;model total=X5/DW;run;/*以下是逐步回归过程*/proc reg data=grain1;model total=X1 X2 X3 X4 X5/ dw selection=stepwise details=all slentry=0.05 slstay=0.05;/*selecton=stepwise 表示的是reg过程所提供的九种模型选择方法中的逐步
28、法:从不包含任何自变量的模型开始,每一步加入一个自变量,同时判断模型内自变量是否达到剔除标准,如果是则剔除一个自变量;可以先不用details=all这个选项运行一下查看结果,再与有details=all的结果作比较。可选all、或steps显示每一步骤的信息和变量筛选汇总表、或summary表示仅显示变量筛选汇总表;slentry=0.05表示用来指定变量的入选标准(变量进入模型所需达到的显著性水平,此处为0.05),默认值为0.15;slstay=0.05表示用来指定变量的剔除标准(模型中的变量剔除出模型(或者是理解成将变量保留在模型中)所需达到的显著性水平,此处为0.05),默认值为0.15*/title 粮食生产模型逐步回归;run;data grain;set grain1 ;totalguji=-11978+5.25594*X1+0.40843*X2-0.19461*X3;/*加波浪线的数值是前面估计得来的参数值,需要从前面的回归结果中得到。*/wucha=total-totalguji;xdwucha=wucha/total;keep year total et w
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