计量经济学实验讲义

《计量经济学实验讲义》由会员分享，可在线阅读，更多相关《计量经济学实验讲义（26页珍藏版）》请在装配图网上搜索。

1、-*学院实验指导书计 量 经 济 学编 写 人：包妍平. z.-实验一 EViews软件的根本操作【实验目的】通过上机试验，了解EViews软件特点、工作窗口的组成、充分掌握EViews软件的根本操作、熟悉数据处理、统计分析图形分析【实验内容】EViews是专门用于从事数据分析、回归分析和预测的工具，使用EViews可以迅速从数据中找出统计关系，并用得到的关系去预测数据的未来值。最小二乘估计是估计变量间线形关系中相互作用与影响的有效方法，在数据分析中有很重要的作用。本次试验内容包括：进展EViews的一些根本操作来熟悉这个软件。实验内容以表1-1所列出的税收收入和国内生产总值的统计资料为例进展

2、操作。表1-1 我国税收与GDP统计资料 单位：亿元年份税收 YGDP *年份税收 YGDP *1985204189641992329726638198620911020219934255346341987214011963199451274675919882391149281995603858478198927271690919966910678851990282218548199782347446319912990216181998926379396资料来源：中国统计年鉴1999【实验步骤】一、数据的输入、编辑与序列生成创立工作文件菜单方式启动EViews软件之后，进入EViews主窗口。

3、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，由用户选择数据的时间频率frequency、起始期和终止期。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。工作文件窗口是EViews的子窗口，工作文件一开场其中就

4、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。命令方式在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 1998输入Y、*的数据DATA命令方式在EViews软件的命令窗口键入DATA命令，命令格式为：DATA 本例中可在命令窗口键入如下命令：DATA Y *将显示一个数组窗口，此时可以按全屏幕编辑方式输入每个变量的统计资料。鼠标图形界面方式在EViews软件主窗口或工作文件窗口点击Objects/New Obje

5、ct，对象类型选择Series，并给定序列名，一次只能创立一个新序列。再从工作文件目录中选取并双击所创立的新序列就可以展示该对象，选择Edit/，进入编辑状态，输入数据。生成logY、log*、*2、1/*、时间变量T等序列在命令窗口中依次键入以下命令即可：GENR LOGY=LOG(Y)GENR LOG*=LOG(*)GENR *1=*2GENR *2=1/*GENR T=TREND(84)1984年对应时间变量T=0或者使用菜单方式Object/Generate Series生成新序列。选择假设干变量构成数组，在数组中增加、更名在工作文件窗口中单击所要选择的变量，按住Ctrl键不放，继续用

6、鼠标选择要展示的变量，选择完以后，单击鼠标右键，在弹出的快捷菜单中点击Open/as Group，则会弹出数组窗口，其中变量从左至右按在工作文件窗口中选择变量的顺序来排列。在数组窗口点击Edit/，进入全屏幕编辑状态，选择一个空列，点击标题栏，在编辑窗口输入变量名，再点击屏幕任意位置，即可增加一个新变量。增加变量后，即可输入数据。点击要更名的变量列的标题栏，在编辑窗口输入新变量名，再点击屏幕任意位置，弹出RENAME对话框，点击YES按钮即可。在工作文件窗口中删除、更名变量。在工作文件窗口中选取所要删除或更名的变量并单击鼠标右键，在弹出的快捷菜单中选择Delete删除或Rename更名即可。在

7、工作文件窗口中选取所要删除或更名的变量，点击主窗口或工作文件窗口菜单栏中的Objects/Delete selectedRename selected，即可删除更名变量。在工作文件窗口中选取所要删除的变量，点击工作文件窗口菜单栏中的Delete按钮即可删除变量。三、图形分析与描述统计分析利用PLOT命令绘制趋势图在命令窗口中键入：PLOT Y则可以绘制变量Y的趋势图。从图中可以看出，我国19851998年间税收收入是大体呈指数增长趋势的。也可以利用PLOT命令将多个变量的变化趋势描绘在同一*图中，例如键入以下命令，可以观察变量Y、*的变化趋势。PLOT Y * 从图中可以看出，我国198519

8、98年间税收收入与GDP都大体呈指数增长趋势。利用SCAT命令绘制*、Y的相关图在命令窗口中键入：SCAT *横坐标变量 Y纵坐标变量则可以初步观察变量之间的相关程度与相关类型。图形说明，税收收入水平与GDP密切相关，税收收入水平随着GDP的增加而增加，两者大体呈线性变化趋势。观察图形参数的设置情况双击图形区域中任意处或在图形窗口中点击Procs/Options，则会弹出Graph Options窗口，进入图形编辑状态。选择图形类型、图形属性是否置入图框内，刻度，是否用彩色、柱和线的选项，设定竖轴单个，双个，是否穿插，设定比例尺度优化线性尺度，强制通过0线，对数尺度，正态化尺度，手动设定比例尺

9、度、线形图选项、柱形图选项、散点图选项连接，配拟合直线、饼图选项等。从图中可以看出，本例中*、Y相关图使用散点图，且置入图框内，带有刻度与色彩，竖轴是单个刻度，比例尺度为优化线性尺度，散点图未连接，未配拟合直线，其余一些参数模式是自动设置的。在序列和数组窗口观察变量的描述统计量假设是单独序列窗口，从序列窗口菜单项选择择View/Descriptive Statistics/Histogram and Stats，则会显示变量的描述统计量。假设是数组窗口，从数组窗口菜单项选择择View/Descriptive Stats/Individual Samples，就对每个序列计算描述统计量。其中，

10、Mean均值 Median中位数 Ma*imum最大值Minimum最小值 Std.Dev.标准差 Skewness偏度 Kurtosis峰度 Jarque-Bera正态分布统计量 Probability概率Observations观测值个数四、数据文件的存贮、调用与转换存贮并调用工作文件存贮在Eviews主窗口的工具栏上选择File/SaveSave as，再在弹出的对话框中指定存贮路径，点击确定按钮即可。调用在Eviews主窗口的工具栏上选择File/Open/Workfile，再在弹出的对话框中选取要调用的工作文件，点击确定按钮即可。存贮假设干个变量，并在另一个工作文件中调用存贮的变量在

11、工作文件窗口中选取所要存贮的变量，点击工作文件窗口菜单栏中的Store按钮，弹出store对话框，指定存贮路径，点击YES按钮即可。翻开另一个工作文件，点击工作文件窗口菜单栏中的Fetch按钮，弹出fetch对话框，在指定目录下选取要调用的变量，点击确定按钮即可。将工作文件分别存贮成文本文件和E*cel文件在工作文件窗口中选择要保存的一个或多个变量，点击Eviews主窗口菜单栏中的File/E*port/Write Te*t-Lotus-E*cel，在弹出的对话框中指定存贮路径和存贮的文件格式，假设存贮成文本文件则选择Te*t-ASCII，假设存贮成E*cel文件则选择E*cel.*ls，再点

12、击保存按钮，弹出ASCII Te*t E*portE*cel E*port窗口，点击OK按钮即可。其中，By Observation-Series in columns表示各观测值按列排列，By Series-Series in rows表示各观测值按行排列。在工作文件中分别调用文本文件和E*cel文件点击Eviews主窗口菜单栏中的File/Import/Read Te*t-Lotus-E*cel，在弹出的对话框中选取要调用的文本文件或E*cel文件，点击翻开按钮后，弹出ASCII Te*t ImportE*cel Import窗口，在Name for series or Number of

13、 series if file names in file编辑框中要输入调用的变量名，点击OK按钮即可。其中in columns表示按列调用数据，in rows表示按行调用数据。在对象窗口中点击Name按钮，将对象存贮于工作文件。以Y、*变量组成的数组为例，点击Name菜单，弹出object name对话框，在Name to identify object文本框中输入要命名的数组名称，点击OK按钮即可。实验二 线性回归模型第一局部 一元线性回归模型【实验目的】掌握一元线性、非线性回归模型的建模方法【实验内容】建立我国税收预测模型【实验步骤】建立我国税收预测模型。利用实验一的数据使用Eviews

14、软件建立一元线性回归模型。一、估计线性回归模型在数组窗口中点击ProcMake Equation，如果不需要重新确定方程中的变量或调整样本区间，可以直接点击OK进展估计。也可以在Eviews主窗口中点击QuickEstimate Equation，在弹出的方程设定框内输入模型：Y C * 或 还可以通过在Eviews命令窗口中键入LS命令来估计模型，其命令格式为：LS 被解释变量 C 解释变量系统将弹出一个窗口来显示有关估计结果。因此，我国税收模型的估计式为：这个估计结果说明，GDP每增长1亿元，我国税收收入将增加0.09646亿元。二、估计非线性回归模型由相关图分析可知，变量之间也可视为非线

15、性的曲线相关关系。因此，可初步将模型设定为指数函数模型、对数模型和二次函数模型并分别进展估计。在Eviews命令窗口中分别键入以下命令命令来估计模型：双对数函数模型：LS log(Y) C log(*)对数函数模型：LS Y C log(*)指数函数模型：LS log(Y) C *二次函数模型：LS Y C * *2还可以采取菜单方式，在上述已经估计过的线性方程窗口中点击Estimate项，然后在弹出的方程定义窗口中依次输入上述模型方法通线性方程的估计。三、模型比较四个模型的经济意义都比较合理，解释变量也都通过了T检验。但是从模型的拟合优度来看，二次函数模型的值最大，其次为指数函数模型。因此，

16、对这两个模型再做进一步比较。在回归方程以二次函数模型为例窗口中点击ViewActual,Fitted,Residual Actual,Fitted,Residual Table,可以得到相应的残差分布表。比较可以发现，虽然二次函数模型总拟合误差较小，但其近期误差却比指数函数模型大。所以，如果所建立的模型是用于经济预测，则指数函数模型更加适合。第二局部 多元回归模型【实验目的】掌握建立多元回归模型和比较、筛选模型的方法。【实验内容】建立我国国有独立核算工业企业生产函数。根据生产函数理论，生产函数的根本形式为：。其中，L、K分别为生产过程中投入的劳动与资金，时间变量反映技术进步的影响。表3-1列出

17、了我国1978-1994年期间国有独立核算工业企业的有关统计资料；其中产出Y为工业总产值可比价，L、K分别为年末职工人数和固定资产净值可比价。表3-1 我国国有独立核算工业企业统计资料年份时间工业总产值Y亿元职工人数L万人固定资产K亿元197813289.1831392225.70197923581.2632082376.34198033782.1733342522.81198143877.8634882700.90198254151.2535822902.19198364541.0536323141.76198474946.1136693350.95198585586.1438153835.

18、79198695931.3639554302.251987106601.6040864786.051988117434.0642295251.901989127721.0142735808.711990137949.5543646365.791991148634.8044727071.351992159705.5245217757.2519931610261.6544988628.7719941710928.6645459374.34资料来源：根据中国统计年鉴1995和中国工业经济年鉴-1995计算整理【实验步骤】一、建立多元线性回归模型建立包括时间变量的三元线性回归模型；在命令窗口依次键入以

19、下命令即可：建立工作文件： CREATE A 78 94输入统计资料： DATA Y L K生成时间变量： GENR T=TREND(77)建立回归模型： LS Y C T L K我国国有独立工业企业的生产函数为： 模型1(-0.252) (0.672) (0.781) (7.433)模型的计算结果说明，我国国有独立核算工业企业的劳动力边际产出为0.6667，资金的边际产出为0.7764，技术进步的影响使工业总产值平均每年递增77.68亿元。回归系数的符号和数值是较为合理的。，说明模型有很高的拟合优度，F检验也是高度显著的，说明职工人数L、资金K和时间变量对工业总产值的总影响是显著的。从图3-

20、1看出，解释变量资金K的统计量值为7.433，说明资金对企业产出的影响是显著的。但是，模型中其他变量包括常数项的统计量值都较小，未通过检验。因此，需要对以上三元线性回归模型做适当的调整，按照统计检验程序，一般应先剔除统计量最小的变量即时间变量而重新建立模型。建立剔除时间变量的二元线性回归模型； 命令：LS Y C L K我国国有独立工业企业的生产函数为： 模型2(-2.922) (4.427) (14.533)从结果看出，回归系数的符号和数值也是合理的。劳动力边际产出为1.2085，资金的边际产出为0.8345，说明这段时期劳动力投入的增加对我国国有独立核算工业企业的产出的影响最为明显。模型2

21、的拟合优度较模型1并无多大变化，F检验也是高度显著的。这里，解释变量、常数项的检验值都比较大，显著性概率都小于0.05，因此模型2较模型1更为合理。建立非线性回归模型C-D生产函数。C-D生产函数为：，对于此类非线性函数，可以采用以下两种方式建立模型。方式1：转化成线性模型进展估计；在模型两端同时取对数，得：在EViews软件的命令窗口中依次键入以下命令：GENR LNY=logYGENR LNL=logLGENR LNK=logKLS LNY C LNL LNK得到C-D生产函数的估计式为： 模型3 (-1.172) (2.217) (9.310)即：从模型3中看出，资本与劳动的产出弹性都是

22、在0到1之间，模型的经济意义合理，而且拟合优度较模型2还略有提高，解释变量都通过了显著性检验。方式2：迭代估计非线性模型，迭代过程中可以作如下控制：在工作文件窗口中双击序列C，输入参数的初始值；在方程描述框中点击Options，输入精度控制值。控制过程：参数初值：0，0，0；迭代精度：103；此时，函数表达式为： 模型4(0.305)(2.063)(8.606)可以看出，模型4中劳动力弹性-1.01161，资金的产出弹性1.0317，很显然模型的经济意义不合理，因此，该模型不能用来描述经济变量间的关系。而且模型的拟合优度也有所下降，解释变量L的显著性检验也未通过，所以应舍弃该模型。参数初值：0

23、，0，0；迭代精度：105；迭代次数：100将收敛的误差精度改为105后，迭代100次后仍报告不收敛，说明在使用迭代估计法时参数的初始值与误差精度或迭代次数设置不当，会直接影响模型的估计结果。参数初值：0，0，0；迭代精度：105，迭代次数1000；此时，迭代414次后收敛，函数表达式为： 模型5(0.581)(2.2653)(10.47975)从模型5中看出，资本与劳动的产出弹性都是在0到1之间，模型的经济意义合理，具有很高的拟合优度，解释变量都通过了显著性检验。将模型5与通过方式1所估计的模型3比较，可见两者是相当接近的。参数初值：1，1，1；迭代精度：105，迭代次数1000；此时，迭代

24、129次后收敛，估计结果与模型5一样。比较方式2的不同控制过程可见，迭代估计过程的收敛性及收敛速度与参数初始值的选取密切相关。假设选取的初始值与参数真值比较接近，则收敛速度快；反之，则收敛速度慢甚至发散。因此，估计模型时最好依据参数的经济意义和有关先验信息，设定好参数的初始值。二、比较、选择最正确模型估计过程中，对每个模型检验以下内容，以便选择出一个最正确模型：回归系数的符号及数值是否合理；模型的更改是否提高了拟合优度；模型中各个解释变量是否显著；残差分布情况以上比较模型的、步在步骤一中已有阐述，现分析步骤一中5个不同模型的残差分布情况。分别在模型1模型5的各方程窗口中点击View/Actua

25、l, Fitted, Residual/ Actual, Fitted, Residual Table，可以得到各个模型相应的残差分布表。实验三 多重共线性【实验目的】掌握多重共线性的检验及处理方法【实验内容】建立并检验我国钢材产量预测模型【实验步骤】表4-1是19781997年我国钢材产量万吨、生铁产量万吨、发电量亿千瓦时、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4-1 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*1发电量*2固定资产投资*3国内生产总值*4铁路运输量*51978220834792566668.72326411011919792497

26、36732820699.3640381118931980271638023006746.945181112791981267034173093638.2148621076731982292035513277805.952951134951983307237383514885.26593511878419843372400137701052.43717112407419853693438441071523.51896413070919864058506444951795.321020213563519874386550349732101.69119631406531988468957045452

27、2554.861492814494819894859582058482340.5216909151489199051536238621225341854815068119915638676567753139.032161815289319926697758975394473.762663815762719937716895683956811.353463416266319948428974192819355.354675916309319958980105291007010702.975847816585519969338107231081312185.79678851688031997997

28、9115111135613838.9674463169734一、检验多重共线性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。在Eviews软件命令窗口中键入：COR *1 *2 *3 *4 *5或在包含所有解释变量的数组窗口中点击ViewCorrelations。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，即解释变量之间时高度相关的。辅助回归方程检验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 *1 C *2 *3 *

29、4 *5LS *2 C *1 *3 *4 *5LS *3 C *1 *2 *4 *5LS *4 C *1 *2 *3 *5LS *5 C *1 *2 *3 *4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检验值说明：*1与*5、*2与*3、*3与*5、*4与*、*5与*1、*3、*4的T检验值较小，这些变量之间可能不相关或相关程度较小。二、利用逐步回归方法处理多重共线性建立根本的一元回归方程根据相关系数和理论分析，钢材产量与生铁产量关联程度最大。所以，设建立的一元回归方程为：逐步引入其它变量，确定最适合的多元回归方程回归结果如表所示表 钢材产量预测模型逐步回归结果模型*1*2*3*4

30、*5Y=f(*1)0.92 (56.8)0.9949 0.99 Y=f(*1,*2)0.416(3.5394)0.4872 (4.3234)0.9974 0.997 Y=f(*1,*3)0.959 (14.2)0.0249 (-0.574)0.9950 0.994 Y=f(*1,*4)0.94 (13.0)-0.0025 (-0.285)0.9945 0.9948 Y=f(*1,*5)0.858 (20.2)0.0084 (-0.285)0.9919 0.991 Y=f(*1,*2,*3)0.405 (2.84)0.491 (4.1225)0.0046 (0.1424)0.99690.997Y

31、=f(*1,*2,*4)0.4433 (3.49)0.4911 (4.2748)-0.0039 (-0.635)0.99690.997Y=f(*1,*2,*5)0.4073 (3.18)0.5025 (3.6357)-0.001 (-0.204)0.99690.997所以，建立的多元回归模型为：Y = -287.68669 + 0.4159*1 + 0.4872*2实验四 异方差性【实验目的】掌握异方差性的检验及处理方法【实验内容】建立并检验我国制造业利润函数模型【实验步骤】表5-1列出了1998年我国28个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

32、函数模型。表5-1 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

33、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仪器仪表设备72.46663.68一、 检验异方差性图形分析检验散点图分析从散点图中可以看出，随着销售收入的增加，销售利润的平均水平不断提高，但离

34、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。显示回归方程的残差分布有明显的扩大趋势，即说明存在异方差性。Goldfeld-Quant检验将样本安解释变量排序SORT *并分成两局部分别有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，其残差平方和为2579.587。SMPL 1 10LS Y C *利用样本2建立回归模型2，其残差平方和为63769.67。SMPL 1

35、9 28LS Y C *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White检验建立回归模型：LS Y C *。在方程窗口上点击ViewResidualTestHeteroskedastcity TestsWhite。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，假设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。Park检验建立回归模型。生成新变量序列：GENR LNE2=log(RESID2)GENR LN*=log(*)

36、建立新残差序列对解释变量的回归模型：LS LNE2 C LN*。回归结果中可以看出，LN*的系数估计值不为0且能通过显著性检验，即随即误差项的方差与解释变量存在较强的相关关系，即认为存在异方差性。或在方程窗口上点击ViewResidualTestHeteroskedastcity TestsHarvey。Gleiser检验Gleiser检验与Park检验原理一样建立回归模型。生成新变量序列：GENR E=ABS(RESID)分别建立新残差序列E对各解释变量*/*2/*(1/2)/*(1)/ *(2)/ *(1/2)的回归模型：LS E C *。由上述各回归结果可知，各回归模型中解释变量的系数估

37、计值显著不为0且均能通过显著性检验。所以认为存在异方差性。由F值或确定异方差类型Gleiser检验中可以通过F值或值确定异方差的具体形式。一般选用回归方程F值最大作为异方差的形式。或在方程窗口上点击ViewResidualTestHeteroskedastcity TestsGleiser。二、 调整异方差性确定权数变量根据Park检验生成权数变量：GENR W1=1/*1.6743根据Gleiser检验生成权数变量：GENR W2=1/*0.5另外生成：GENR W3=1/ABS(RESIDGENR W4=1/ RESID 2利用加权最小二乘法估计模型在Eviews命令窗口中依次键入命令：L

38、S(W=) Y C * i=1,2,3,4或在方程窗口中点击EstimateOption按钮，并在权数变量栏里依次输入W1、W2、W3、W4。对所估计的模型再进展White检验，观察异方差的调整情况对所估计的模型再进展White检验，P值如果较大，就接收不存在异方差的原假设，即认为已经消除了回归模型的异方差性。如果对应的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。实验五 自相关性【实验目的】掌握自相关性的检验与处理方法。【实验内容】利用表6-1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6-1 我国城乡居民储蓄存款与GDP统计资料1978年100年份存

39、款余额YGDP指数*年份存款余额YGDP指数*1978210.60100.019895146.90271.31979281.00107.619907034.20281.71980399.50116.019919107.00307.61981523.70122.1199211545.40351.41982675.40133.1199314762.39398.81983892.50147.6199421518.80449.319841214.70170.0199529662.25496.519851622.60192.9199638520.84544.119862237.60210.0199746

40、279.80592.019873073.30234.0199853407.47638.219883801.50260.7【实验步骤】一、回归模型的筛选相关图分析SCAT * Y相关图说明，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、对数、指数、二次多项式等不同形式，进而加以比较分析。估计模型，利用LS命令分别建立以下模型线性模型： LS Y C * (-6.706) (13.862)0.9100 F192.145 S.E5030.809双对数模型：GENR LNY=LOG(Y) GENR LN*=LOG(*) LS LNY C LN* (-31.604)

41、 (64.189)0.9954 F4120.223 S.E0.1221对数模型：LS Y C LN* (-6.501) (7.200)0.7318 F51.8455 S.E8685.043指数模型：LS LNY C * (23.716) (14.939)0.9215 F223.166 S.E0.5049二次多项式模型：GENR *2=*2LS Y C * *2 (3.747) (-8.235) (25.886)0.9976 F3814.274 S.E835.979选择模型比较以上模型，可见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。除了对数模型的拟合优度

42、较低外，其余模型都具有高拟合优度，因此可以首先剔除对数模型。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，指数模型则大体相反，残差先呈连续递增趋势而后又转为连续递减趋势，因此，可以初步判断这两种函数形式设置是不当的。而且，这两个模型的拟合优度也较双对数模型和二次多项式模型低，所以又可舍弃线性模型和指数模型。双对数模型和二次多项式模型都具有很高的拟合优度，因而初步选定回归模型为这两个模型。三、自相关性检验DW检验；双对数模型因为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。二次多项式模型1.22，

43、1.42，而1.2479DW，所以通过DW检验并不能判断是否存在自相关。偏相关系数检验在方程窗口中点击View/Residual Test/Correlogram-Q-statistics，并输入滞后期为10，则会得到残差与的各期相关系数和偏相关系数。从图中可以看出，双对数模型的第1期、第2期偏相关系数的直方块超过了虚线局部，存在着一阶和二阶自相关，二次多项式模型仅存在二阶自相关。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。=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

44、关性。又因为，的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。二次多项式BG检验BG检验与偏相关系数检验结果不同四、自相关性的调整：参加AR项对双对数模型进展调整；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 LN* AR(1) AR(2)估计过程经过4次迭代后收敛；，的估计值分别为0.9459和-0.5914，并且检验显著，说明双对数模型确实存在一阶和二阶自相关性。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；再进展偏相关系数检验和B

45、G检验，也说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对二次多项式模型进展调整；键入命令：LS Y C * *2 AR(2)则估计结果如图5-19所示。加上ar1 2调整后不存在自相关性，但仅有AR(2)项调整后用偏相关系数检验仍然存在2阶和6阶自相关，且BG检验结果与偏相关系数检验结果不同，且BG检验滞后期不同，结果不同。从双对数模型和二次多项式模型中选择调整结果较好的模型。五、重新设定双对数模型中的解释变量：模型1：参加上期储蓄LNY(-1)；模型2：解释变量取

46、成：上期储蓄LNY(-1)、本期*的增长DLOG(*)。检验自相关性；模型1键入命令：LS LNY C LN* LNY(-1)结果说明了DW=1.358，n20，k2，查表得1.100，1.537，而1.358DW，属于无法判定区域。采用偏相关系数检验的结果模型1不存在自相关性。模型2键入命令：GENR DLN*=D(LN*)LS LNY C LNY(-1) DLN*结果说明了DW=1.388，n20，k2，查表得1.100，1.537，而1.388DW，属于无法判定区域。采用偏相关系数检验的结果模型2不存在自相关性。解释模型的经济含义。模型1模型1的表达式为：表示我国城乡居民储蓄存款余额的相

47、对变动不仅与GDP指数相关，而且受上期居民存款余额的影响。当GDP指数相对增加1时，城乡居民存款余额相对增加0.32，当上期居民存款余额相对增加1时，城乡居民存款余额相对增加0.8794。模型2模型2的表达式为：表示上期居民存款余额相对增加1时，城乡居民存款余额相对增加0.9865，当GDP指数的开展速度相对增加1时，城乡居民存款余额相对增加0.1128。实验七 滞后变量模型选作【实验目的】掌握分布滞后模型的估计方法【实验内容】建立天然橡胶价格影响的分布滞后模型。表7-1列出期货市场29个连续交易日的原油和天然橡胶的价格数据，请利用分布滞后模型建立天然橡胶价格影响模型。表7-1 29个连续交易

48、日的原油和天然橡胶的价格数据日期橡胶价格原油价格日期橡胶价格原油价格12.0111800369.4912.2310520355.8012.0211185314.7512.2410350342.1212.0310515314.7512.2610680355.8012.049965294.2212.2910895362.6512.0810195294.2212.3011045369.4912.099925267.3812.3111360396.8612.1010320307.901.0511905423.8312.1110275321.591.0612615430.6712.1210045314.

49、751.0813200403.3212.1510425301.071.0913550403.3212.1610495294.221.1213200396.4912.1710695273.701.1313185403.3212.1810135246.331.1413500389.6512.1910110225.801.1513500396.4912.2210515383.17【实验步骤】一、 Almon估计分析滞后期长度在Eviews命令窗口中键入：CROSS Y *，输出结果见图7-1。图7-1 互相关分析图图中第一栏是Y 与*各滞后期相关系数的直方图。可以看出，库存额与当年及前七年的销售额相

50、关。因此初步可以设：假定可以由一个二次多项式逼近。利用Almon方法估计模型在Eviews命令窗口中键入：LS Y C PDL(*,5,2)LS Y C PDL(*,6,2)LS Y C PDL(*,7,2)LS Y C PDL(*,8,2)LS Y C PDL(*,9,2)LS Y C PDL(*,10,2)然后根据，t值发现，滞后期为9的模型估计效果较好。输出结果见图7-2，Eviews分别给出了Almon方法估计的模型和复原后的估计模型及相应参数。图7-2 Almon估计输出结果经过Almon变化之后的估计结果为：即图7-2中的PDL项：（9.837） 0.1107 0.9950复原后的

51、分布滞后模型为：二、 Almon估计的模拟Almon变换genr z0=*+*(-1)+*(-2)+*(-3)+*(-4)+*(-5)+*(-6)+*(-7)+*(-8)+*(-9)genr z1= *(-1)+2*(-2)+3*(-3)+4*(-4)+5*(-5)+6*(-6) +7*(-7)+8* *(-8) +9*(-9)genrz2=*(-1)+4*(-2)+9*(-3)+16*(-4)+25*(-5)+36*(-6)+49*(-7)+64*(-8) +81*(-9)估计变化后的模型LS Y C Z0 Z1 Z2图7-3 Almon变换估计结果1回归结果见图7-3，即：3.8768)

52、0.9154 0.9950计算原模型中的系数估计值根据Almon变换原理有：所以有： 所以复原成原分布滞后模型为：如果按照：genr z0=*+*(-1)+*(-2)+*(-3)+*(-4)+*(-5)+*(-6)+*(-7)+*(-8)+*(-9)genr z1=-4*-3*(-1)-2*(-2)-*(-3)+*(-5)+2*(-6)+3*(-7)+4*(-8)+5*(-9)genrz2=*+*(-2)+4*(-3)+9*(-4)+16*(-5)+25*(-6)+36*(-7)+49*(-8)+ 64*(-9)LS Y C Z0 Z1 Z2回归结果见图7-4，此时和图7-2的上半局部一致。图

53、7-4 Almon变换估计结果2实验八 虚拟变量模型【实验目的】掌握虚拟变量的设置方法。【实验内容】一、试根据表8-1的1998年我国城镇居民人均收入与彩电每百户拥有量的统计资料建立我国城镇居民彩电需求函数；表8-1 我国城镇居民家庭抽样调查资料收入等级彩电拥有量Y台/百户人均收入*(元/年)Di*Di困难户83.642198.8800最低收入户87.012476.7500低收入户96.753303.1700中等偏下户100.94107.2614107.26中等收入户105.895118.9915118.99中等偏上户109.646370.5916370.59高收入户115.137877.69

54、17877.69最高收入户122.5410962.16110962.16资料来源：据中国统计年鉴1999整理计算得到二、试建立我国税收预测模型；数据见实验一。三、试根据表7-2的资料用混合样本数据建立我国城镇居民消费函数。表8-2 我国城镇居民人均消费支出和可支配收入统计资料收入等级19981999消费支出Y收入*D消费支出Y收入*D困难户2214.472198.8802327.542325.71最低收入户2397.62476.7502523.12617.81低收入户2979.273303.1703137.343492.271中等偏下户3503.244107.2603694.464363.78

55、1中等收入户4179.645118.9904432.485512.121中等偏上户4980.886370.5905347.096904.961高收入户6003.217877.6906443.338631.941最高收入户7593.9510962.1608262.4212083.791资料来源：据中国统计年鉴19992000整理计算得到【实验步骤】一、我国城镇居民彩电需求函数相关图分析；键入命令：SCAT * Y。从相关图可以看出，前3个样本点即低收入家庭与后5个样本点中、高收入的拥有量存在较大差异，因此，为了反映收入层次这一定性因素的影响，设置虚拟变量如下：构造虚拟变量；方式1：使用DATA命令直接输入；方式2：使用SMPL和GENR命令直接定义。DATA D1GENR