计量经济学实验六

实 验 报 告课程名称： 计量经济学 实验项目： 实验六 自相关模型的 检验和处理 实验类型：综合性 设计性 验证性R专业班别： 姓 名： 学 号： 实验课室： 指导教师： 实验日期： 2014-6-6 广东商学院华商学院教务处 制 一、实验项目训练方案小组合作：是 否R小组成员：无实验目的：掌握自相关模型的检验和处理方法实验场地及仪器、设备和材料实验室：普通配置的计算机，Eviews软件及常用办公软件。实验训练内容（包括实验原理和操作步骤）：【实验原理】自相关的检验：图形法检验、D-W检验自相关的处理：广义差分变换、迭代法【实验步骤】本实验中考虑以下模型：【模型1】财政收入CS对收入法GDPS的回归模型【模型2】财政支出CZ对财政收入CS的回归模型【模型3】消费品零售额SLC对收入法GDPS的回归模型【模型4】财政收入的对数log（cs）对时间T的回归模型【模型5】收入法GDPS的对数log（GDPS）对时间T的回归模型数据见“附表：广东省宏观经济数据（部分）-第六章”（一）自相关的检验1.图形法检验使用图形检验法分别检验上述【模型1-4】是否存在自相关问题。分别作这四个模型的残差散点图（即残差后一项对前一项的散点图：对）和残差趋势图（即残差对时间的线图），并判断模型是否存在自相关以及是正的自相关还是负的自相关。【模型1】 残差散点图 残差趋势图-120-80-4004080120160200-120-80-4004080120160200R1(-1)R1 结论：从图上看CS对GDPS回归的残差有一定的自相关，为正相关。【模型2】 残差散点图 残差趋势图 结论：从图上看CZ对CS回归的残差没有自相关。【模型3】 残差散点图 残差趋势图 结论：从图上看SLC对GDPS回归的残差有很强的自相关，为正相关【模型4】 残差散点图 残差趋势图 结论：从图上看LOG(CS)对T回归的残差有较强的自相关，为正相关（请对得到的图表进行处理，以上在一页内）2.D-W检验分别计算上述【模型1-3】和【模型5】的D-W统计量的值，判断模型是否存在自相关问题。【模型1】DW=0.结论：D-W值偏近0，存在自相关【模型2】DW=1.结论：D-W值接近2，不存在自相关【模型3】DW=0.结论：D-W值接近0，存在很强的自相关【模型5】DW=0.结论：D-W值偏近0，存在严重的自相关（请对得到的图表进行处理，以上在一页内）（二）自相关的处理1.【模型3】SLC对GDPS回归自相关的处理 Dependent Variable: SLCMethod: Least SquaresDate: 06/06/14 Time: 15:09Sample (adjusted): 1979 2005Included observations: 27 after adjustmentsConvergence achieved after 12 iterationsCoefficientStd. Errort-StatisticProb.GDPS.0000C-712.1776513.1442-1.0.1779AR(1)26450.0000R-squared0.Mean dependent var2241.080Adjusted R-squared0.S.D. dependent var2348.211S.E. of regression64.88908Akaike info criterion11.28767Sum squared resid.2Schwarz criterion11.43166Log likelihood-149.3836Hannan-Quinn criter.11.33049F-statistic17012.50Durbin-Watson stat1.Prob(F-statistic)0.Inverted AR Roots1.06Estimated AR process is nonstationaryD-W检验值由0.提高到1.，还没有消除了自相关，继续处理Dependent Variable: SLCMethod: Least SquaresDate: 06/06/14 Time: 15:10Sample (adjusted): 1980 2005Included observations: 26 after adjustmentsConvergence achieved after 14 iterationsCoefficientStd. Errort-StatisticProb.GDPS.0000C-863.1769929.2543-0.0.3630AR(1).0000AR(2)-0.0.-2.0.0196R-squared0.Mean dependent var2323.710Adjusted R-squared0.S.D. dependent var2354.344S.E. of regression59.39227Akaike info criterion11.14684Sum squared resid77603.71Schwarz criterion11.34040Log likelihood-140.9090Hannan-Quinn criter.11.20258F-statistic13087.46Durbin-Watson stat1.Prob(F-statistic)0.Inverted AR Roots1.06.47Estimated AR process is nonstationaryD-W检验值达到1.，消除了自相关2. 【模型5】LOG(GDPS)对T回归自相关的处理Dependent Variable: LOG(GDPS)Method: Least SquaresDate: 06/06/14 Time: 15:11Sample (adjusted): 1979 2005Included observations: 27 after adjustmentsConvergence achieved after 4 iterationsCoefficientStd. Errort-StatisticProb.T.0001C.0001AR(1)66090.0000R-squared0.Mean dependent var7.Adjusted R-squared0.S.D. dependent var1.S.E. of regression0.Akaike info criterion-2.Sum squared resid0.Schwarz criterion-2.Log likelihood34.63244Hannan-Quinn criter.-2.F-statistic5847.068Durbin-Watson stat0.Prob(F-statistic)0.Inverted AR Roots.93D-W检验值也由0.提高到0.，还没有消除自相关，继续处理Dependent Variable: LOG(GDPS)Method: Least SquaresDate: 06/06/14 Time: 15:13Sample (adjusted): 1980 2005Included observations: 26 after adjustmentsConvergence achieved after 3 iterationsCoefficientStd. Errort-StatisticProb.T34610.0000C31600.0000AR(1).0000AR(2)-0.0.-3.0.0019R-squared0.Mean dependent var7.Adjusted R-squared0.S.D. dependent var1.S.E. of regression0.Akaike info criterion-2.Sum squared resid0.Schwarz criterion-2.Log likelihood39.23137Hannan-Quinn criter.-2.F-statistic5233.128Durbin-Watson stat1.Prob(F-statistic)0.Inverted AR Roots.74+.27i.74-.27iD-W检验值达到1.，消除了自相关。（请对得到的图表进行处理，以上在一页内）（三）补充实验1.使用图形检验法检验【模型5】是否存在自相关问题。分别作这个模型的残差散点图（即残差后一项对前一项的散点图：对）和残差趋势图（即残差对时间的散点图），并判断模型是否存在自相关以及是正的自相关还是负的自相关。 趋势图： 残差散点图：（请对得到的图表进行处理，以上在一页内）2. 计算上述【模型4】的D-W统计量的值，判断模型是否存在自相关问题。Dependent Variable: LOG(CS)Method: Least SquaresDate: 06/06/14 Time: 15:23Sample: 1978 2005Included observations: 28CoefficientStd. Errort-StatisticProb.T55450.0000C66940.0000R-squared0.Mean dependent var5.Adjusted R-squared0.S.D. dependent var1.S.E. of regression0.Akaike info criterion-0.Sum squared resid0.Schwarz criterion-0.Log likelihood11.57201Hannan-Quinn criter.-0.F-statistic1677.349Durbin-Watson stat0.Prob(F-statistic)0.D-W检验值=0.，表示存在自相关3.对【模型1】、【模型2】和【模型4】的自相关问题进行处理。（1） CS对GDPS回归自相关的处理：Dependent Variable: CSMethod: Least SquaresDate: 06/12/06 Time: 00:39Sample (adjusted): 1979 2005Included observations: 27 after adjustmentsConvergence achieved after 5 iterationsVariableCoefficientStd. Errort-StatisticProb.GDPS51880.0000C12.3092530.167590.0.6869AR(1).0055R-squared0.Mean dependent var464.6559Adjusted R-squared0.S.D. dependent var512.8281S.E. of regression54.66577Akaike info criterion10.94479Sum squared resid71720.32Schwarz criterion11.08877Log likelihood-144.7547F-statistic1132.079Durbin-Watson stat1.Prob(F-statistic)0.Inverted AR Roots.53DW的检验值由0.提高到1.547,消除了自相关没有消除和消除了自相关的回归方程分别为:CS = 0.*GDPS + 12.CS = 0.*GDPS + 12. + AR(1)=0.（2） CZ对CS回归自相关的处理Dependent Variable: CZMethod: Least SquaresDate: 06/12/06 Time: 00:45Sample (adjusted): 1979 2005Included observations: 27 after adjustmentsConvergence achieved after 6 iterationsVariableCoefficientStd. Errort-StatisticProb.CS97080.0000C-20.9571115.74830-1.0.1958AR(1).2663R-squared0.Mean dependent var571.6333Adjusted R-squared0.S.D. dependent var657.3673S.E. of regression46.36886Akaike info criterion10.61557Sum squared resid51601.71Schwarz criterion10.75955Log likelihood-140.3102F-statistic2600.804Durbin-Watson stat1.Prob(F-statistic)0.Inverted AR Roots.23DW的检验值由1.提高到1.,消除了自相关没有消除和消除了自相关的回归方程分别为:CZ = 1.*CS - 22.CZ = 1.*CS - 20. + AR(1)=0.（3）Log(cs)对T回归自相关的处理Dependent Variable: LOG(CS)Method: Least SquaresDate: 06/12/06 Time: 00:48Sample (adjusted): 1979 2005Included observations: 27 after adjustmentsConvergence achieved after 3 iterationsVariableCoefficientStd. Errort