得到了估计方程 (自动保存的)

计量经济学实验报告学号：20104982 专业班级：金融二班 姓名：王慧 一、实验目的：1、 掌握一元、多元线性回归模型的估计方法及检验方法；2、 异方差检验及异方差的消除的分析过程；3、 自回归检验及自回归消除的分析过程；4、 多重共线性及多重共线性消除的分析过程。 二、实验要求：选择方程进行一元线性回归、异方差、自回归和多重共线性的检验与消除。三、实验原理：普通最小二乘法（OLS） 、加权普通最小二乘法（WLS）四、实验数据：1、东莞市经济部分数据、广东省宏观经济部分数据。2、自选数据实验一、回归分析实验要求：第一题使用 t 检验进行检验（需要有计算过程） ，其余题目可以通过观察Eviews 输出结果用 p 检验即可。第 3、4 必须是多远回归分析内容。实验目的：掌握一元、多元线性回归模型的估计方法及检验方法。实验要求：选择方程进行一元、多元回归线性回归。实验原理：普通最小二乘法（OLS） 。实验数据：东莞市经济部分数据、广东省宏观经济部分数据。实验步骤：选择方程进行一元回归线性回归分析第一部分一元回归分析：一、 根据东莞数据，选择国内生产总值（GDP） 、财政收入(REV) 、财政支出（EXB）和社会消费品零售额（SLC） ，分别进行如下处理：（a ）把 REV 作为应变量，把 GDP作为解释变量：（b）把 EXB 作为应变量，把 REV 作为解释变量；（c）把 SLC 作为应变量，把 GDP 作为解释变量进行一元线性回归分析。1、 （a）REV 作为因变量，GDP 作为解释变量从散点图可知，这对变量成线性关系。得到了估计方程：REV=-5826.158+0.084781*GDP（2517.475） （0.003311）（-2.314286 ） （25.60453）R2=0.976176 SE=7732.823 模型检验：(1) 拟合优度检验：从回归估计的结果来看，模型拟合较好。可决系数 R2=0.976176，表明财政收入变化的 97.6176%可由国内生产总值的变化来解释。(2) 变量显著性检验（计算过程如下）：从斜率项的 t 检验值来看，大于 5%显著性水平下的自由度为 n-2=16 的临界值 t0.025（16）=2.120，即 t=（0.084781-0 ）/0.003311=25.604532.120, 通过了变量显著性检验。(3) 方程显著性检验：因为该模型是一元回归模型，所以该检验与 t 检验是一致的。(4) 经济意义检验：该斜率值满足 02.120,通过了变量的显著性检验，并且斜率值 02.120,通过了变量的显著性检验，并且，斜率值 00.05,所以常数项不显著，去掉常数项再回归得：（b）对 GDP12 回归得结果为：（c）对 SQR（GDP1 ）回归的结果为：因为 P=0.47680.05,所以常数项不显著，去掉常数项再回归得：（d）对 1/GDP1 回归的结果为：从四个回归结果来看， （a） 、 （b） 、 （c） 、 （d）都显著，比较（a） 、 （b） 、 （c） 、 （d）的回归，选择（c）,方程为 ABS（RESID）=0.134548*SQR(GDP1)，即异方差的形式为： =（0.134545*（SQR（GDP1） ） ）2i2也即异方差的形式为： = GDP1i2i第二部分异方差模型的处理：（通过对前面对异方差模型的检验，根据广东数据 ZJ 对 GDP1 的回归存在异方差，现在对其进行处理，加权最小二乘法（WLS）是处理异方差模型的标准方法，下面是实验步骤：）要求三：ZJ 对 GDP1 回归异方差的处理一、 根据异方差形式，选择权数，进行加权最小二乘法，得到回归截图：得到了回归方程：ZJ=-16.12033+0.153429*GDP1，它与存在异方差的方程显然不同。二、进行同方差性变换，然后回归就是 ZJ/(GDP1(1/2)对 1/(GDP1(1/2) 和GDP1/(GDP1(1/2)回归，EVIEWS 的语言为：Ls ZJ/(GDP1(1/2) 1/(GDP1(1/2) GDP1/(GDP1(1/2)，截图如下：其残差图如下：可以看出还是存在异方差的，再改为 ZJ/GDP1 对 1/GDP1 和 C 回归，EVIEWS 语言为：Ls ZJ/GDP1 C 1/GDP1，截图如下为：其残差图如下：如图可知，不存在异方差了，其方程为：ZJ/GDP1=-7.641161*1/GDP1+0.140232将原方程变换为：ZJ=-7.641161+0.140232*GDP1实验三、自相关检验与消除实验实验目的：掌握自相关模型的检验方法与消除方法。实验要求：熟悉图形法检验和掌握 DW 检验，理解广义差分法变换和掌握迭代法。实验原理：图形检验法和 DW 检验法，广义差分变换、迭代法和广义最小二乘法（ GLS） 。实验步骤：第一部分：自相关模型的检验一、图形法检验要求一、1.做出 EXB 对 REV 回归的残差趋势图和残差散点图，从图上看，EXB 对REV 回归的残差是否存在自相关？2.做出 SLC 对 GDP 回归的残差趋势图和残差散点图，从图上看，SLC 对 GDP 回归的残差是否存在自相关？1.EXB 对 REV 回归的残差趋势图和残差散点图如下：从图上看，EXB 对 REV 回归的残差不存在自相关。2.SLC 对 GDP 回归的残差趋势图和残差散点图如下：从图上看，SLC 对 GDP 回归的残差不存在自相关。二、DW 检验要求二、1.EXB 作为应变量，REV 作为解释变量的回归结果，判断是否存在自相关。2.SLC 作为应变量，GDP 作为解释变量的回归结果，判断是否存在自相关。3.用 DW 检验，根据东莞数据 LOG（REV）对 T 和 GDP 的回归结果，判断它们是否存在自相关性。1EXB 作为应变量，REV 作为解释变量的回归结果如下：根据上面图，可得 DW=2.181183k=2,n=18,查表得 dl=1.16 du=1.39 4-1.39 4-1.16 4区间：0 1.16 1.39 2.61 2.84 4 则 DW=2.181183 落在（1.39,2.61）内，说明不存在自相关性。2.SLC 作为应变量，GDP 作为解释变量的回归截图如下：根据上图，可知 DW=1.697298k=2,n=18 查表得 dl=1.16 du=1.39 4-1.39 4-1.16 4区间为：0 1.16 1.39 2.61 2.84 4 则 DW=1.1697298 落在（1.39,2. 16）内说明不存在自相关。3.LOG（REV）对 T 和 GDP 的回归结果如下：根据上图，可知：DW=0.719654k=3,n=18,查表得 dl=1.05 du=1.53 4-1.53 4-1.05 4区间为：0 1.05 1.53 2.47 2.95 4 则 DW=0.719654 落在（0,1.05）内说明存在正自相关。第二部分自相关模型的处理（迭代法作为处理自相关模型的标准方法，在EVIEWS 中使用时，就是要在解释变量中添加 AR 项消除自相关） 。要求三、LOG（REV）对 T 和 GDP 回归自相关的处理:在 LOG（REV ）对 T 和 GDP 原回归中添加 AR（1）项，在 EVIEWS 语言中：LS LOG(REV) C T GDP AR(1) 回归结果得：根据上图，可知 DW=1.549943，从 0.719654 提高到了 1.549943，DW 约等于 2，则在(du,4-du)区间内，说明不存在自相关了，没有消除自相关和消除自相关性的回归方程如下：LOG（ REV）=8.381377+0.118192*T+8.62E-07*GDPLOG（ REV）=7.809662+0.186993*T+4.54E-07*GDP+AR(1)=0.671985实验四、多重共线性性实验实验目的：掌握多重共线性模型的检验方法和处理方法实验要求：了解辅助回归检验、掌握 R2 值和 t 值检验及解释变量相关系数检验、了解变量变换法和掌握先验信息法。实验原理：R2 值和 t 值检验、解释变量相关系数检验和辅助回归检验、变量变换法和先验信息法。实验步骤：第一部分：多重共线性模型的检验一、R2 值和 t 值检验要求一：在多元线性回归模型的估计和检验中，根据广东数据，建立固定资产投资模型，固定资产投资 TZG 取决于固定资产折旧 ZJ、营业盈余 YY 和财政支出 CZ，进行三元线性回归。根据估计方程的判定系数 R2，方程显著性 F 检验，参数显著性 t 检验，判定是否出现了很严重的多重共线性。根据要求在 EVIEWS 输进语言 LS TZG C ZJ YY CZ 得到如下回归结果图根据上图，可知，判定系数 R2 很高，方程很显著，但是有一个参数 t 检验不显著，且为负值，不符合经济理论，显然出现了多重共线性。二、解释变量相关系数检验要求二、根据广东数据，TZG 对 ZJ、YY、CZ 的回归中，利用 EVIEWS 求解释变量ZJ、YY、CZ 之间的相关系数。并据此判定是否存在多重共线性。根据广东数据，TZG 对 ZJ、YY、CZ 的回归中，EVIEWS 语言为：data ZJ YY CZ结果得：可以看出，三个变量 ZJ、YY、CZ 之间高度相关，必然存在多重共线性。三、辅助回归检验要求三、根据广东数据，TZG 对 ZJ、YY、CZ 的回归中，分别作解释变量 ZJ、YY、CZ之间的辅助回归，三个回归方程是否高度显著，哪些方程存在严重的多重共线性？三个变量之间的回归分别如下：（a） LS ZJ C YY CZ（b） LS YY C ZJ CZ（c） LS CZ C ZJ YY根据（a） 、 （b） 、 （c ）三个回归结果可以看出，方程均高度显著，显示存在严重的多重共线性。特别是 ZJ 和 CZ 之间存在严重的共线性。第二部分：多重共线性模型的处理（根据以上的多