计量实习报告

时间：2020-08-12 11:47:06 来源：蒲公英阅读网 本文已影响人

相关热词搜索：计量 实习报告

　2009-2010

　学年度第

　 2

　学期

　 计量经济学实验报告书

　专

　业

　金融学

　 班

　级

　 三班

　学

　号

　6

　学生姓名

　经济与贸易学院

　实验一

　Eviews 基本操作实验

　 一、实验目的：掌握 Eviews 基本操作 。

　二、实验要求：

　（1）

　EViews 软件的安装； （2）

　数据的输入、编辑与序列生成； （3）

　图形分析与描述统计分析； （4）

　数据文件的存贮、调用与转换。

　三 、实验结果报告：

　（围绕实验要求，结合实验的内容撰写报告）

　一、数据的输入、序列生成

　二、图形分析

　obs Y X 1985 2041 8964 1986 2091 10202 1987 2140 11963 1988 2391 14928 1989 2727 16909 1990 2822 18548 1991 2990 21618 1992 3297 26638 1993 4255 34634 1994 5127 46759 1995 6038 58478 1996 6910 67885 1997 8234 74463 1998 9263 79396

　与 以上可以看出我国税收与 GDP 呈线性递增关系 系

　 obs T X X1 X2 1985 1 8964

　0.0473 1986 2 10202 104080804 9.80199960792e-05 1987 3 11963 143113369 8.35910724735e-05 1988 4 14928 222845184 6.6988210075e-05 1989 5 16909 285914281 5.91401029038e-05 1990 6 18548 344028304 5.39141686435e-05 1991 7 21618 467337924 4.62577481728e-05 1992 8 26638 709583044 3.75403558826e-05 1993 9 34634 1199513956 2.88733614367e-05 1994 10 46759 2186404081 2.e-05 1995 11 58478 3419676484 1.71004480317e-05 1996 12 67885 4608373225 1.47307947264e-05 1997 13 74463 5544738369 1.34294884708e-05 1998 14 79396 6303724816 1.25950929518e-05

　Y X

　Mean

　4309.000

　35098.93

　Median

　3143.500

　24128.00

　Maximum

　9263.000

　79396.00

　Minimum

　2041.000

　8964.000

　Std. Dev.

　2422.631

　25378.06

　Skewness

　0.869889

　0.635116

　Kurtosis

　2.396109

　1.847265

　 Jarque-Bera

　1.978382

　1.716333

　Probability

　0.371877

　0.423939

　 Observations 14 14

　实验二

　一元线性回归分析过程实验

　一、实验目的：掌握一元线性回归模型的估计方法、检验方法和预测方法。

　二、实验要求：

　（1）会选择方程进行一元线性回归； （2）掌握一元回归分析过程； （3）掌握一元回归模型的基本检验方法； （4）会对回归方程进行经济学解释

　 （5）估计非线性回归模型，并进行模型比较 三 、实验结果报告：

　（围绕实验要求，结合实验的内容撰写报告）

　一、

　图形分析

　两变量趋势图分析结果显示，我国税收收入与 GDP 二者存在差距逐渐增大的增长趋势。相关图分析显示，我国税收收入增长与 GDP 密切相关，二者为非线性的曲线相关关系。

　与 我国税收与 GDP 的相关图 二、估计一元线性回归模型 Dependent Variable: Y Method: Least Squares Date: 06/22/10

　 Time: 19:29 Sample: 1985 1998 Included observations: 14 Variable Coefficient Std. Error t-Statistic Prob.

　C 987.5417 155.1430 6.365364 0.0000 GDP 0.094631 0.003627 26.09310 0.0000 R-squared 0.982680

　 Mean dependent var 4309.000 Adjusted R-squared 0.981237

　 S.D. dependent var 2422.631 S.E. of regression 331.8482

　 Akaike info criterion 14.57880 Sum squared resid 1321479.

　 Schwarz criterion 14.67009 Log likelihood -100.0516

　 F-statistic 680.8498 Durbin-Watson stat 0.796256

　 Prob(F-statistic) 0.000000 Y=987.54+0.095GDP R^2=0.983

　 (6.37)

　 (26.09) 二、

　估计非线性回归模型

　1 、 双对数模型 Dependent Variable: LOG(Y) Method: Least Squares Date: 06/22/10

　 Time: 19:45 Sample: 1985 1998 Included observations: 14 Variable Coefficient Std. Error t-Statistic Prob.

　C 1.270443 0.331668 3.830470 0.0024 LOG(GDP) 0.682297 0.032415 21.04866 0.0000

　R-squared 0.973629

　 Mean dependent var 8.233505 Adjusted R-squared 0.971431

　 S.D. dependent var 0.528347 S.E. of regression 0.089302

　 Akaike info criterion -1.862014 Sum squared resid 0.095699

　 Schwarz criterion -1.770720 Log likelihood 15.03409

　 F-statistic 443.0462 Durbin-Watson stat 0.476382

　 Prob(F-statistic) 0.000000 LOG （Y ）=1.27+0.68LOG(GDP)

　R^2=0.97

　 (3.83)

　(21.05) 2 、对数模型 Dependent Variable: Y Method: Least Squares Date: 06/22/10

　 Time: 19:50 Sample: 1985 1998 Included observations: 14 Variable Coefficient Std. Error t-Statistic Prob.

　C -26163.32 3149.684 -8.306649 0.0000 LOG(GDP) 2985.923 307.8313 9.699870 0.0000 R-squared 0.886886

　 Mean dependent var 4309.000 Adjusted R-squared 0.877460

　 S.D. dependent var 2422.631 S.E. of regression 848.0607

　 Akaike info criterion 16.45535 Sum squared resid 8630484.

　 Schwarz criterion 16.54664 Log likelihood -113.1874

　 F-statistic 94.08748 Durbin-Watson stat 0.318941

　 Prob(F-statistic) 0.000000 Y=-26163.32+2985.92LOG(GDP) R^2=0.887

　(-8.31)

　 (9.7) 3 、指数模型

　Dependent Variable: LOG(Y) Method: Least Squares Date: 06/22/10

　 Time: 19:55 Sample: 1985 1998 Included observations: 14 Variable Coefficient Std. Error t-Statistic Prob.

　C 7.508605 0.032400 231.7463 0.0000 GDP 2.07E-05 7.57E-07 27.26846 0.0000 R-squared 0.984118

　 Mean dependent var 8.233505 Adjusted R-squared 0.982794

　 S.D. dependent var 0.528347 S.E. of regression 0.069303

　 Akaike info criterion -2.369086

　Sum squared resid 0.057635

　 Schwarz criterion -2.277792 Log likelihood 18.58360

　 F-statistic 743.5689 Durbin-Watson stat 0.600192

　 Prob(F-statistic) 0.000000

　4 、二次模型

　 Dependent Variable: Y Method: Least Squares Date: 06/22/10

　 Time: 19:59 Sample: 1985 1998 Included observations: 14 Variable Coefficient Std. Error t-Statistic Prob.

　C 2323.813 114.4226 20.30904 0.0000 GDP^2 1.08E-06 4.07E-08 26.65249 0.0000 R-squared 0.983388

　 Mean dependent var 4309.000 Adjusted R-squared 0.982003

　 S.D. dependent var 2422.631 S.E. of regression 325.0002

　 Akaike info criterion 14.53709 Sum squared resid 1267502.

　 Schwarz criterion 14.62839 Log likelihood -99.75965

　 F-statistic 710.3550 Durbin-Watson stat 0.645855

　 Prob(F-statistic) 0.000000 四、模型比较 （以二次模型、指数模型为例）

　二次函数回归模型残差分别表

　 指数函数模型残差分布表

　 实验三

　多元线性回归模型

　一、实验目的：掌握多元线性回归模型的估计和检验方法。

　二、实验要求：

　（1）会选择方程进行多元线性回归； （2）掌握多元回归分析过程；

　 （3）掌握多元回归模型的基本检验方法；

　 （4）会对回归方程进行经济学解释。

　 （5）比较选择最佳模型 三 、实验结果报告：

　（围绕实验要求，结合实验的内容撰写报告）

　一、

　多元线 性回归模型的建立

　Dependent Variable: Y

　Method: Least Squares Date: 06/22/10

　 Time: 20:30 Sample: 1978 1994 Included observations: 17 Variable Coefficient Std. Error t-Statistic Prob.

　C -675.3208 2682.060 -0.251792 0.8051 T 77.67893 115.6731 0.671538 0.5136 L 0.666665 0.853626 0.780980 0.4488 K 0.776417 0.104459 7.432745 0.0000 R-squared 0.995764

　 Mean dependent var 6407.249 Adjusted R-squared 0.994786

　 S.D. dependent var 2486.742 S.E. of regression 179.5630

　 Akaike info criterion 13.42125 Sum squared resid 419157.5

　 Schwarz criterion 13.61730 Log likelihood -110.0807

　 F-statistic 1018.551 Durbin-Watson stat 1.510903

　 Prob(F-statistic) 0.000000

　因此，我国国有独立工业企业的生产函数为：

　K L t y 7764 . 0 6667 . 0 6789 . 77 32 . 675 ˆ     

　 （模型 1）

　t ＝(-0.252) (0.672)

　(0.781)

　(7.433) 9958 . 02 R

　 9948 . 02 R

　 551 . 1018  F

　9958 . 02 R ，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 t 对工业总产值的总影响是显著的。但是，模型中其他变量（包括常数项）的 t 统计量值都较小，未通过检验。因此需要做适当的调整。

　 二、建立剔除时间变量的二元线性回归模型 Dependent Variable: Y Method: Least Squares Date: 06/22/10

　 Time: 20:36 Sample: 1978 1994 Included observations: 17 Variable Coefficient Std. Error t-Statistic Prob.

　C -2387.269 816.8895 -2.922390 0.0111 L 1.208532 0.273020 4.426528 0.0006 K 0.834496 0.057421 14.53287 0.0000 R-squared 0.995617

　 Mean dependent var 6407.249 Adjusted R-squared 0.994990

　 S.D. dependent var 2486.742 S.E. of regression 176.0069

　 Akaike info criterion 13.33771 Sum squared resid 433697.8

　 Schwarz criterion 13.48475 Log likelihood -110.3705

　 F-statistic 1589.953 Durbin-Watson stat 1.481994

　 Prob(F-statistic) 0.000000

　此时我国国有独立工业企业的生产函数为：

　K L y 8345 . 0 2085 . 1 27 . 2387 ˆ    

　 （模型 2）

　t ＝(-2.922)

　(4.427) (14.533) 9956 . 02 R

　 9950 . 02 R

　 953 . 1589  F

　模型 2 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。但这里，解释变量、常数项的 t 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。

　三、建立非线性回归模型 ——C C- -D D 生产函数

　Dependent Variable: LNY Method: Least Squares Date: 06/22/10

　 Time: 20:42 Sample: 1978 1994 Included observations: 17 Variable Coefficient Std. Error t-Statistic Prob.

　C -1.951253 1.665320 -1.171698 0.2609 LNL 0.604467 0.272697 2.216625 0.0437 LNK 0.673658 0.072357 9.310131 0.0000 R-squared 0.995753

　 Mean dependent var 8.692837 Adjusted R-squared 0.995147

　 S.D. dependent var 0.394921 S.E. of regression 0.027512

　 Akaike info criterion -4.189602 Sum squared resid 0.010597

　 Schwarz criterion -4.042564 Log likelihood 38.61162

　 F-statistic 1641.407 Durbin-Watson stat 1.338201

　 Prob(F-statistic) 0.000000

　C-D 生产函数的估计式为：

　K L y ln 6737 . 0 ln 6045 . 0 9513 . 1 ˆ ln    

　（模型 3）

　t ＝

　(-1.172)

　(2.217)

　 (9.310) 9958 . 02 R

　 9951 . 02 R

　 407 . 1641  F

　从模型 3 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，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。

　 实验四

　异方差模拟实验

　一、实验目的：了解异方差模型的检验方法和异方差模型的处理方法。

　二、实验要求：

　（1）模拟线性回归模型中随机扰动项为异方差的样本数据 （2）进行 Goldfeld-Quandt 检验 （3）利用 WLS 方法进行参数估计，建立模型。

　三 、实验结果报告：

　（围绕实验要求，结合实验的内容撰写报告）

　一、人均消费与人均收入 Dependent Variable: Y Method: Least Squares Date: 06/23/10

　 Time: 19:15 Sample: 1 27 Included observations: 27 Variable Coefficient Std. Error t-Statistic Prob.

　C 15.83853 9.416160 1.682058 0.1050 X 0.103854 0.011149 9.314931 0.0000 R-squared 0.776322

　 Mean dependent var 94.44444 Adjusted R-squared 0.767375

　 S.D. dependent var 45.00712 S.E. of regression 21.70747

　 Akaike info criterion 9.064377 Sum squared resid 11780.36

　 Schwarz criterion 9.160365 Log likelihood -120.3691

　 F-statistic 86.76793 Durbin-Watson stat 2.614427

　 Prob(F-statistic) 0.000000 Y=15.84+0.104X R^2=0.78

　T 统计

　1.68

　 9.31

　F=86.77 戈德菲尔德—匡特法（双变量模型）检验 前 前 1-10 个数据的回归 Dependent Variable: Y Method: Least Squares Date: 06/23/10

　 Time: 20:18 Sample: 1 10 Included observations: 10 Variable Coefficient Std. Error t-Statistic Prob.

　C -3.121210 10.53931 -0.296149 0.7747 X 0.144960 0.026196 5.533703 0.0006 R-squared 0.792863

　 Mean dependent var 52.50000

　Adjusted R-squared 0.766971

　 S.D. dependent var 20.76455 S.E. of regression 10.02368

　 Akaike info criterion 7.624634 Sum squared resid 803.7933

　 Schwarz criterion 7.685151 Log likelihood -36.12317

　 F-statistic 30.62187 Durbin-Watson stat 2.703606

　 Prob(F-statistic) 0.000551 RSS1=803.79 后 后 10 个数据的回归 Dependent Variable: Y Method: Least Squares Date: 06/23/10

　 Time: 20:20 Sample: 18 27 Included observations: 10 Variable Coefficient Std. Error t-Statistic Prob.

　C 48.41870 56.70995 0.853795 0.4180 X 0.075211 0.047631 1.579027 0.1530 R-squared 0.237611

　 Mean dependent var 136.4000 Adjusted R-squared 0.142312

　 S.D. dependent var 36.04688 S.E. of regression 33.38354

　 Akaike info criterion 10.03086 Sum squared resid 8915.686

　 Schwarz criterion 10.09138 Log likelihood -48.15430

　 F-statistic 2.493326 Durbin-Watson stat 2.988119

　 Prob(F-statistic) 0.152983

　 RSS2=8915.69 RSS2/RSS1= 11.09>F(8,8)=3.44 所以存在异方差 用 利用 WLS 进行异方差的消除(W=1/RESID)

　 Dependent Variable: Y Method: Least Squares Date: 06/23/10

　 Time: 19:59 Sample: 1 27 Included observations: 27 Weighting series: RESID Variable Coefficient Std. Error t-Statistic Prob.

　C 58.98937 22.78914 2.588486 0.0158

　X 0.067308 0.018290 3.680133 0.0011 Weighted Statistics

　 R-squared 0.941484

　 Mean dependent var -1.18E+17 Adjusted R-squared 0.939144

　 S.D. dependent var 8.31E+17 S.E. of regression 2.05E+17

　 Akaike info criterion 82.63371 Sum squared resid 1.05E+36

　 Schwarz criterion 82.72969 Log likelihood -1113.555

　 F-statistic 13.54338 Durbin-Watson stat 0.338876

　 Prob(F-statistic) 0.001121 Unweighted Statistics

　 R-squared 0.557188

　 Mean dependent var 94.44444 Adjusted R-squared 0.539475

　 S.D. dependent var 45.00712 S.E. of regression 30.54273

　 Sum squared resid 23321.45 Durbin-Watson stat 1.287687

　 二、

　对区 某地区 1 31 年来居民的收入与储蓄建立的线性回归模型进行异方差检验及校正方法。

　Dependent Variable: Y Method: Least Squares Date: 06/23/10

　 Time: 20:08 Sample: 1 31 Included observations: 31 Variable Coefficient Std. Error t-Statistic Prob.

　C -665.6043 113.4187 -5.868556 0.0000 X 0.084550 0.004687 18.04056 0.0000 R-squared 0.918186

　 Mean dependent var 1230.000 Adjusted R-squared 0.915365

　 S.D. dependent var 817.1759 S.E. of regression 237.7341

　 Akaike info criterion 13.84252 Sum squared resid 1639007.

　 Schwarz criterion 13.93504 Log likelihood -212.5591

　 F-statistic 325.4618 Durbin-Watson stat 1.036781

　 Prob(F-statistic) 0.000000 Y=-665.6+0.08X R^2=0.918

　(-5.87)

　(18.04) Goldfeld-Quandt 检验前 10 个数据的回归 Dependent Variable: Y Method: Least Squares Date: 06/23/10

　 Time: 21:19 Sample: 1 11 Included observations: 11

　Variable Coefficient Std. Error t-Statistic Prob.

　C -744.6351 195.4108 -3.810614 0.0041 X 0.088258 0.015705 5.619619 0.0003 R-squared 0.778216

　 Mean dependent var 331.3636 Adjusted R-squared 0.753574

　 S.D. dependent var 260.8157 S.E. of regression 129.4724

　 Akaike info criterion 12.72778 Sum squared resid 150867.9

　 Schwarz criterion 12.80012 Log likelihood -68.00278

　 F-statistic 31.58011 Durbin-Watson stat 1.142088

　 Prob(F-statistic) 0.000326 RSS1= 150867.9

　后 后 10 个数据的回归 Dependent Variable: Y Method: Least Squares Date: 06/23/10

　 Time: 21:21 Sample: 20 31 Included observations: 12 Variable Coefficient Std. Error t-Statistic Prob.

　C 1141.066 709.8428 1.607491 0.1390 X 0.029409 0.021992 1.337264 0.2108 R-squared 0.151699

　 Mean dependent var 2084.250 Adjusted R-squared 0.066869

　 S.D. dependent var 287.2405 S.E. of regression 277.4706

　 Akaike info criterion 14.24032 Sum squared resid 769899.2

　 Schwarz criterion 14.32114 Log likelihood -83.44191

　 F-statistic 1.788274 Durbin-Watson stat 2.864726

　 Prob(F-statistic) 0.210758

　RSS2= 769899.2

　F=FRSS2/RSS1=5.103>F(8,8)=3.44 所以存在异方差 用 利用 WLS 进行消除(W=1/RESID) Dependent Variable: Y Method: Least Squares Date: 06/23/10

　 Time: 20:41 Sample: 1 31 Included observations: 31 Weighting series: 1/RESID Variable Coefficient Std. Error t-Statistic Prob.

　C -686.0761 23.55233 -29.12986 0.0000

　X 0.085747 0.001967 43.58293 0.0000 Weighted Statistics

　 R-squared 0.995497

　 Mean dependent var 126.3255 Adjusted R-squared 0.995342

　 S.D. dependent var 1586.032 S.E. of regression 108.2469

　 Akaike info criterion 12.26905 Sum squared resid 339804.5

　 Schwarz criterion 12.36156 Log likelihood -188.1702

　 F-statistic 1899.471 Durbin-Watson stat 0.156397

　 Prob(F-statistic) 0.000000 Unweighted Statistics

　 R-squared 0.917939

　 Mean dependent var 1230.000 Adjusted R-squared 0.915110

　 S.D. dependent var 817.1759 S.E. of regression 238.0918

　 Sum squared resid 1643943. Durbin-Watson stat 1.923620

　、 三、 全国各地区年人均通讯 费用支出与家庭可支配收入建立的线性回归模型进行异方差检验及校正方法。

　Goldfeld-Quandt 检验前 10 个数据的回归 Dependent Variable: Y Method: Least Squares Date: 06/23/10

　 Time: 21:09 Sample: 1 30 Included observations: 30 Variable Coefficient Std. Error t-Statistic Prob.

　C -56.91798 36.20624 -1.572049 0.1272 X 0.058075 0.006480 8.962009 0.0000 R-squared 0.741501

　 Mean dependent var 256.8727 Adjusted R-squared 0.732269

　 S.D. dependent var 97.56583 S.E. of regression 50.48324

　 Akaike info criterion 10.74550 Sum squared resid 71359.62

　 Schwarz criterion 10.83891 Log likelihood -159.1825

　 F-statistic 80.31760 Durbin-Watson stat 2.008179

　 Prob(F-statistic) 0.000000 Goldfeld-Quandt 检验前 10 个数据的回归 Dependent Variable: Y Method: Least Squares Date: 06/23/10

　 Time: 21:12 Sample: 1 10 Included observations: 10 Variable Coefficient Std. Error t-Statistic Prob.

　C -261.1499 358.2945 -0.728869 0.4869 X 0.106334 0.085327 1.246183 0.2480

　R-squared 0.162564

　 Mean dependent var 185.2400 Adjusted R-squared 0.057885

　 S.D. dependent var 25.97864 S.E. of regression 25.21555

　 Akaike info criterion 9.469655 Sum squared resid 5086.592

　 Schwarz criterion 9.530172 Log likelihood -45.34828

　 F-statistic 1.552972 Durbin-Watson stat 3.044685

　 Prob(F-statistic) 0.247952

　RSS1=5086.592

　后 后 10 个数据的回归 Dependent Variable: Y Method: Least Squares Date: 06/23/10

　 Time: 21:13 Sample: 21 30 Included observations: 10 Variable Coefficient Std. Error t-Statistic Prob.

　C -75.48340 154.9201 -0.487241 0.6392 X 0.060433 0.021628 2.794170 0.0234 R-squared 0.493907

　 Mean dependent var 350.4440 Adjusted R-squared 0.430646

　 S.D. dependent var 115.8410 S.E. of regression 87.40844

　 Akaike info criterion 11.95592 Sum squared resid 61121.88

　 Schwarz criterion 12.01643 Log likelihood -57.77959

　 F-statistic 7.807387 Durbin-Watson stat 1.846850

　 Prob(F-statistic) 0.023407 Rss2=61121.88 F=Rss2/Rss1=12.02>F(8,8)=3.44 所以存在异方差 用 利用 WLS 进行消除(W=1/RESID) Dependent Variable: Y Method: Least Squares Date: 06/23/10

　 Time: 21:16 Sample: 1 30 Included observations: 30 Weighting series: 1/RESID Variable Coefficient Std. Error t-Statistic Prob.

　C -46.99125 9.238453 -5.086485 0.0000 X 0.056230 0.001717 32.74588 0.0000

　Weighted Statistics

　 R-squared 1.000000

　 Mean dependent var 255.5239 Adjusted R-squared 1.000000

　 S.D. dependent var 1400.279 S.E. of regression 0.025604

　 Akaike info criterion -4.427763 Sum squared resid 0.018356

　 Schwarz criterion -4.334350 Log likelihood 68.41644

　 F-statistic 1072.292 Durbin-Watson stat 0.130304

　 Prob(F-statistic) 0.000000 Unweighted Statistics

　 R-squared 0.740752

　 Mean dependent var 256.8727 Adjusted R-squared 0.731494

　 S.D. dependent var 97.56583 S.E. of regression 50.55628

　 Sum squared resid 71566.25 Durbin-Watson stat 1.998810

　 实验五

　序列自相关模拟实验

　一、实验目的：了解序列相关模型的检验方法以及序列相关模型的处理方法。

　二、实验要求：

　（1）模拟线性回归模型中随机扰动项为序列自相关的样本数据， （2）进行 D-W 检验； （3）利用 Durbin 两步法进行参数估计，建立模型 三 、实验结果报告：

　（围绕实验要求，结合实验的内容撰写报告）

　实验六

　 计量经济分析的创新性实验

　一、实验目的：提高计量分析的创新能力。

　二、实验要求 求：

　（1）提出一个经济问题； （2）提出经济模型；

　（3）收集相关数据并进行检验； （4）建立计量经济模型，并提出对策建议。

　三 、实验结果报告：

　（围绕实验要求，结合实验的内容撰写报告）