计量经济学1.docx

1、计量经济学1计量经济学搜集一组数据，先对该数据进行参数估计，然后分别用异方差检验，序列相关检验，多重共线性检验。一、 引言“计量经济学”，是高校经济和管理类本科生的必修课（或专业基础课），这门课一般由理论和实验两部分组成。“计量经济学”实验课程，是对收集的大量数据信息进行科学、合理地组织管理，并用计量经济学的方法对这些数据进行一系列复杂的数值运算。通过实验，帮助我们更深入、直观地理解和掌握计量经济学的理论和方法，了解和掌握计量经济学分析的步骤和程序，从而达到实际应用的目的。二、研究背景近年来，我国旅游业一直保持着高速发展的态势，旅游业作为国民经济新的增长点，在整个社会经济发展中的作用日益显现。

2、子19942007年，我国的国内旅游收入年均增长率高达16.87%。为了规划我国未来旅游产业的发展，需要定量地分析影响我国国内旅游市场发展的主要因素。三、模型假定经分析，影响我国国内旅游市场发展的主要因素，除了国内旅游人数和旅游消费支出外，还可能与相关的基础设施有关。因此，考虑的影响因素主要为国内旅游人数X1，城镇居民旅游人均花费X2，农村居民旅游人均花费X3，并以公路里程X4和铁路里程X5作为相关基础设施的代表，构造以下形式的计量经济模型： Yt=0+1X1t+2X2t+3X3t+4X4t+5X5t+ut其中：Xt为第t年国内旅游收入（单位：亿元）；X1t为第t年国内旅游人数（单位：万人次）

3、；X2t为第t年城镇居民旅游人均花费（单位：元）；X3t为第t年农村居民旅游人均花费（单位：元）；X4t为第t年公路里程（单位：万公里）；X5t为第t年铁路里程（单位：万公里）。四、数据搜集为估计模型参数，从历年中国统计年鉴中搜集旅游事业发展较快的19942007年的统计数据，如表所示。 我国1994-2007年国内旅游收入及相关数据年份（年）国内旅游收入Y(亿元)国内旅游人数X1（万人次）城镇居民旅游人均花费X2（元）农村居民旅游人均花费X3（元）公路里程X4（万公里）铁路里程X5（万公里）19941023.51 52400414.7 54.9 111.78 5.90 19951375.70

4、 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 78400708.3 212.7 169.80 7.01 20023878.36 87800739.7 209

5、.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，“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、

6、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命令窗口中直接输入命令“DATA Y X1 X2 X3 X4 X5”并回车，将会出现Gro

7、up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: YMethod: Least SquaresDate: 12/22/11 T

8、ime: 08:05Sample: 1994 2007Included observations: 14VariableCoefficientStd. Errort-StatisticProb.C-468.02311163.470-0.4022650.6980X10.0430020.0050498.5173170.0000X25.1518971.0117065.0922870.0009X32.6933430.9944572.7083550.0267X41.4426611.3394481.0770560.3129X5-568.9649240.5462-2.3653040.0456R-square

9、d0.997756Mean 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-statistic711.5288Durbin-Watson stat1.379117Prob(F-stati

10、stic)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

11、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； 在主菜单上依次点击【Quick】【Generate Series】； 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=3.191818，给定显著性水平，比如=0.05，查 分布表得临界值 （5

12、）=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:F-statistic0.448366Prob. F(2,6)0.6585Obs*R-squar

13、ed1.820318Prob. Chi-Square(2)0.4025Test Equation:Dependent Variable: RESIDMethod: Least SquaresDate: 12/22/11 Time: 08:55Sample: 1994 2007Included observations: 14Presample missing value lagged residuals set to zero.VariableCoefficientStd. Errort-StatisticProb.C1650.6062513.6150.6566660.5358X10.0042

14、090.0071730.5868610.5787X2-0.1439891.217527-0.1182630.9097X31.7650102.2728490.7765630.4669X4-0.4041291.507774-0.2680300.7977X5-311.9375502.4340-0.6208530.5575RESID(-1)0.4889870.5459770.8956190.4050RESID(-2)0.5445310.8445880.6447300.5430R-squared0.130023Mean dependent var4.55E-13Adjusted R-squared-0.

15、884951S.D. dependent var91.29956S.E. of regression125.3484Akaike info criterion12.79563Sum squared resid94273.28Schwarz criterion13.16081Log likelihood-81.56941Hannan-Quinn criter.12.76183F-statistic0.128105Durbin-Watson stat1.968305Prob(F-statistic)0.992070LM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

16、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 X3 X4 X5 AR(1)并回车，得到回归结果，如下图所示。Dependent Variable: YMethod: Least SquaresDate: 12/26/11 Time: 14:20Sample (adjusted): 1995 2007Included observations: 13 after adjustmentsConvergence achieved after 50 iterationsVariableCoefficientStd. Errort-Statisti

17、cProb.C-2319.4301538.474-1.5076170.1824X10.0417300.00414310.072150.0001X25.1467910.8893775.7869610.0012X32.9350691.5577591.8841620.1085X40.6283201.0255480.6126670.5626X5-276.9109267.5490-1.0349910.3406AR(1)0.3019020.4206150.7177630.4999R-squared0.998703Mean dependent var3720.411Adjusted R-squared0.9

18、97405S.D. dependent var1860.649S.E. of regression94.78330Akaike info criterion12.24480Sum squared resid53903.24Schwarz criterion12.54900Log likelihood-72.59118Hannan-Quinn criter.12.18227F-statistic769.7179Durbin-Watson stat2.190536Prob(F-statistic)0.000000Inverted AR Roots.30从上图可以看出，模型中DW值为2.19，有du

19、DW4-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+5.146791X2+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回归注：（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的回归注：（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