经济计量学实验2报告书.doc

课内实验报告课 程 名： 计量经济学 任课教师： 沈毅 20142015年度 第2学期南京邮电大学 经济学院计量经济学课程实验第 2 次实验报告实验内容及基本要求：实验项目名称：1、进一步熟练使用计算机和Eviews软件进行计量分析的方法2、理解多重共线性成因、检验及校正的基本原理。3、掌握该软件中对多重共线性的检验和校正方法。4、在老师的指导下独立完成实验，并得到正确的结果。实验内容及要求：1、总体要求：利用Eviews软件，根据下附的数据建立模型，用最小二乘法估计参数，判断是否存在多重共线性，并采用逐步回归法修正模型。2、在eviews中录入数据，建立线性经济模型。3、采用全部变量作为解释变量，给出回归结果，判断是否存在多重共线性4、采用逐步回归法，修正模型，给出最终回归模型。实验结果：1.启动软件包（双击“Eviews”，进入Eviews主页），创建工作文件（点击“File/New/Workfile/Ok”）出现“Workfile Range”，目的：选择数据频率（类型）Undated or irrequar（未注明日期或不规则的），确定Date range(18) 出现“Workfile对话框（子窗口）”中已有两个变量： c-常数项 resid-模型将产生的残差项2.输入（编辑）数据：单击“Quick”，在出现的下拉菜单中单击“ ”，出现窗口。数据表第一序列取名Y，键入Y的数据;再将数据表第二序列取名X1,键入X1的数据，第三列取名为X2出现的对话框中有四个（一元）或五个及五个以上的（多元）变量：c-常数项; resid-将产生的残差 ; y-被解释（因）变量;x1-解释（自）变量 ; x2-解释（自）变量;x3-解释（自）变量 ; x4-解释（自）变量；x5-解释（自）变量；3.回归模型及分析：(1)做Y对X1 X2 X3 X4 X5的回归：点击“Quick/Estimate E”；在估计对话框中，键入y c x1 x2 x3 x4 x5/ok如图所示：根据图中数据，模型估计的结果为：Y=-12817.21+6.212653X1+0.421396X20.166254X30.097781X40.028438X5 (14079.01) (0.740891) (0.126925) (0.05923) (0.067647) (0.202359)T=(-0.910377) (8.385382) (3.320043) (-2.806932) (-1.445464) (-0.140533)R2=0.982797 2=0.975629 F=137.1112 n=18该模型R2=0.982797 2=0.975629 可决系数很高，F检验值为137.1112，明显显著。当a=0.05时，t(a/2)(n-k)=t0.025(18-6)=2.179不仅X4、X5的系数不显著，而且X4、X5的符号与期相反，这表明可能存在严重的多重共线性。（2）计算解释变量的相关系数，点击“quick/group statistics/correlation/ /ok得到相关系数矩阵。由关系数矩阵可以看出，各释变量相互之间的相关系数较高，证实确实存在一定的多重共线性。4.多重共线性检验：为了进一步了解多重共线性的性质，我们做辅助回归，即将每一个X分别作为被解释变量都对其余的X变量进行回归，以下为相应的回归；作被解释变量X1对解释变量X2、X3、X4、X5的回归：X5=8453.011+1.586079X1+0.188345X2+0.082436X3-0.115672X4R2=0.426953 F=2.421434X1=-3175.694-0.001972X2-0.010215X3+0.084487X4+0.118321X5R2=0.938684 F=49.75454作被解释变量X3对解释变量X1、X2、X4、X5的回归：X3=132097.8-1.598272X1-1.329226X2+0.427316X4+0.962245X5R2=0.686301 F=7.110259作被解释变量X4对解释变量X1、X2、X3、X5的回归：X4=-1285.803+10.13455X1+0.265654X2+0.327593X3-1.0351X5R2=0.939911 F=50.83668作被解释变量X2对解释变量X1、X3、X4、X5的回归：X2=10079-0.067204X1-0.289456X3+0.07546X4+0.478747X5R2=0.421042 F=2.36353作被解释变量X5对解释变量X1、X2、X3、X4的回归：以下为回归得到的可决系数和方差扩大因子的数值：被解释变量可决系数R2的值方差扩大因子VIFj=X10.93868416.308957X20.4210421.727241X30.6863013.187769X40.93991116.641981X50.4269531.745057 由于辅助回归的可决系数很高，经验表明，方差扩大因子VIFj=10时，通常说明该解释变量与其余解释变量之间由严重的多重共线性，这里X1、 X4的方差扩大因子远大于10，表明存在严重的多重共线性问题。5.对多重共线性的修正：逐步回归法先用被解释变量对每一个解释变量作简单回归，然后以对被解释变量贡献最大的解释变量所对应的回归方程作为基础。作被解释变量Y对解释变量X5的回归如下：Y=-28260.02+2.239614X5 R2=0.306429 F=7.069018作被解释变量Y对解释变量X1的回归如下：Y=30867.31+4.576115X1 R2=0.891941 F=132.0666作被解释变量Y对解释变量X2的回归如下：Y=-33822.41+0.69888X2 R2=0.075073 F=1.298665作被解释变量Y对解释变量X4的回归如下：Y=31918.72+0.379967X4 R2=0.752707 F=48.70067作被解释变量Y对解释变量X3的回归如下：Y=35712.59+0.34999X3 R2=0.159566 F=3.037794根据以上被解释变量Y对解释变量各自的回归结果，Y对X1的回归方程中可决系数R2=0.891941最大，所以可以确定X1对Y的贡献最大，所以选择Y对X1的回归方程作为基础回归方程。以Y对X1的回归方程作为基础回归方程，下边逐个引入其余的解释变量，若新变量的引入改进了2和F检验，且其它回归参数的t检验在统计上仍是显著的，则可考虑在模型中保留该变量；若新变量的引入未改进2和F检验，并且对其它回归参数的t检验也未带来什么影响，则认为该变量是多余的；若新变量的引入未改进2和F检验，并且显著地影响了其它回归参数的估计值的数值或符号，致使某些回归参数未能通过t检验，则认为出现了多重共线性。作被解释变量Y对解释变量X1、X2的回归如下：Y=-43872.27+4.561055X1+0.670491X2T=(-3.023002)(18.46632)(5.15676) 2=0.955833 F=184.9504由回归模型可知：引入X2解释变量后，2=0.955833 R2=0.891941(Y对X1的回归模型)，F=184.9504F=132.0666；并且都通过了t检验取a=0.05时，t(a/2)(n-k)=t0.025(18-3)=2.131；tb1=18.46632t0.025(15)=2.131 ；tb2=5.15676t0.025(15)=2.131表明X1、X2对Y的影响是显著地，因此保留新引进的解释变量X2，此时回归模型为：Y=-43872.27+4.561055X1+0.670491X2作被解释变量Y对解释变量X1、X2、X3的回归如下：Y=-11980.35+5.2559898X1+0.408451X2-0.054536X3T=(-0.851285)(19.56761)(3.348604)（-3.568376） 2=0.975218 F=223.9927由回归模型可知：引入X3解释变量后2=0.9752182=0.955833 (Y对X1、X2的回归模型)，F=223.9927F=184.9504；并且都通过了t检验取a=0.05时，t(a/2)(n-k)=t0.025(18-4)=2.145；tb1=19.56761t0.025(14)=2.145 ；tb2=3.348604t0.025(14)=2.145；|tb3|=3.568375t0.025(14)=2.145；表明X1、X2、X3对Y的影响是显著地，因此保留新引进的解释变量X3，此时回归模型为： Y=-11980.35+5.2559898X1+0.408451X2-0.054536X3 ；作被解释变量Y对解释变量X1、X2、X3、X4的回归如下：Y=-13057.6+6.167548X1+0.41604X2-0.168598X3-0.094491X4T=(-0.971727)(9.605395)(3.573814)（-3.085201）（-1.548324） 2=0.977467 F=185.361由回归模型可知：引入X4解释变量后2=0.9774672=0.975218 (Y对X1、X2、X3的回归模型)，但是F=185.361t0.025(13)=2.16；tb2=3.573814t0.025(13)=2.16；|tb3|=3.085201t0.025(13)=2.16；|tb4|=1.548324t0.025(13)=2.16；表明X1、X2、X3对Y的影响是显著地，但是新引进的解释变量X4未通过t检验，并且该回归参数符号与预期相反；因此该解释变量引起多重共线性，不保留新引进的解释变量X4，此时回归模型仍为： Y=-11980.35+5.2559898X1+0.408451X2-0.054536X3 ；作被解释变量Y对解释变量X1、X2、X3、X5的回归如下：Y=-12691.48+5.221689X1+0.395421X2-0.198286X3+0.072775X5T=(-0.865914)(17.85491)(3.02298)（-3.467575）（0.368193） 2=0.973587 F=157.6555由回归模型可知：引入X5解释变量后2=0.9735872=0.975218(Y对X1、X2、X3的回归模型)，而且F=157.6555t0.025(13)=2.16；tb2=3.02298t0.025(13)=2.16；|tb3|=3.467575t0.025(13)=2.16；tb5=0.368193t0.025(13)=2.1