计量经济学综合实验报告74p

1、计量经济学综合实验报告实验一截面数据一元线性回归模型（经典估计）【实验目的和要求】1、熟练运用计算机和Eviews软件进行计量经济分析，掌握一元线性回归模型的设定、普通最小二乘法求解及其检验方法；2、学习绝对收入假说消费理论的验证方法；3、在老师的指导下独立完成实验，并得到正确结果。【实验内容】1、对变量样本序列进行统计描述；2、设定一元线性回归模型的具体形式，预计回归系数的符号；3、用普通最小二乘法求解模型；4、对模型的解进行经济理论检验和统计检验；5、对模型进行结构分析；6用模型进行预测分析。【实验数据】1、附表5,2011年河南省18个省辖市城市居民消费支出CE与可支配收入DI数据。2、

2、附表5,2011年河南省18个省辖市农村居民生活消费支出LE与纯收入NI数据。【实验步骤】城市居民：1、打开Eviews工作文件，建立新的文件夹，在命令框中输入“datacedi”回车，从数据表中粘贴数据到Eviews数据表中即可。2、对变量ce、di进行统计描述在ce、di组对象窗口选择下拉菜单view-descriptivestatistics-commonsamples，即输出组对象中各序列数据公共样本的统计描述，如下图：统计描述1:commonsamples选择下拉菜单view-descriptivestatistics-ndividualsamples，即输出组对象中各序列数据的统计

3、描述，各序列包含的观察值数量可以不同。统计描述2：individualsamples在组对象窗口中选择下拉菜单view-covarianeeanalysisbalaneedsample即可出现以下图表。统计描述3：covarianee3、建立由被解释变量ce和解释变量di组成的组对象，在一个坐标轴上显示两变量的序列线图，观察是否接近直线，做两变量的散点图，观察是否线性相关。两变量序列的线图：由上图可知，两变量的曲线，都不接近直线。两变量的散点图：由上图可知两变量基本呈正相关关系，存在一定的线性相关性。但相关程度不大。4、结合凯恩斯绝对收入假说的消费理论和图形分析，设定以ce为被解释变量，di为

4、解释变量的一元线性城市居民消费总体回归模型，预计回归系数的符号；模型：CEi=沏+B2Dli+ui因支出一般随收入的增加而增多，回归系数应为正数。5、用OLS法估计以ce为被解释变量，di为解释变量的城市居民消费回归模型；回归估计结果如下：DependentVariable:CEMethod:LeastSquaresDate:06/23/08Time:14:45Sample:118Includedobservations:18CoefficientStd.Errort-StatisticProb.?C3510.4722058.0701.7057110.1074DI0.5013520.11731

5、74.2734770.0006R-squared0.533019?Meandependentvar12265.06AdjustedR-squared0.503832?S.D.dependentvar1188.676S.E.ofregression837.2934?Akaikeinfocriterion16.40267Sumsquaredresid?Schwarzcriterion16.50160Loglikelihood-145.6240?Hannan-Quinncriter.16.41631F-statistic18.26260?Durbin-Watsonstat1.415144Prob(F

6、-statistic)0.000582即CEi=3510.472+0.50135DI(2058.070)(0.117317)t=(1.705711)(4.273477)R2=0.533019F=18.26260n=186、对ce为被解释变量，di为解释变量模型输出结果进行经济理论检验，拟合优度检验和t检验。(1) 经济意义检验：所估计参数B仁3510.472,B2=0.501352,说明可支配收入增加1元，平均说来可导致城市居民消费支出增加0.501352元。(2) 拟合优度检验：通过以上的回归数据可知，可决系数为0.533019，说明所建模型整体上对样本数据拟合度不是太好。(3) t检验：针

7、对H1:B仁0和H2B2=0,由上回归结果可以看出，估计的回归系数B1的标准误差和t值分别为：SE(B1)=2058.070，t(B1)=1.705711:B2的标准误差和t值分别为SE(B2)=0.117317t(B2)=4.273477.取a=0,05，查t分布表得自由度为n-2=18-2=16的临界值为10.025=2.119,t(B1)=1.7057V10.025=2.119，不拒绝H1,t(B2)=4.1735>10.025=2.119,拒绝H2.这表明，城市居民可支配收入对其消费水平有很大影响。7、当城市居民可支配收入在14500元时，支出的均值为10780.076元。在95

8、%勺置信度下，预测某省辖市城市居民可支配收入在17500元时的消费支出的均值区间。计算后区间为(10976.747113591.4469)模型预测农村居民：1、打开Eviews工作文件，建立新的文件夹，在命令框中输入“dataleni”回车，从数据表中粘贴数据到Eviews数据表中即可。4、对变量le、ni进行统计描述在le、ni组对象窗口选择下拉菜单view-descriptivestatistics-commonsamples，即输出组对象中各序列数据公共样本的统计描述，如下图：选择下拉菜单view-descriptivestatistics-ndividualsamples，即输出组对象

9、中各序列数据的统计描述，各序列包含的观察值数量可以不同，如下表：在组对象窗口中选择下拉菜单view-covarianeeanalysisbalaneedsample即可出现以下图表：3、建立由被解释变量ce和解释变量di组成的组对象，在一个坐标轴上显示两变量的序列线图，观察是否接近直线，做两变量的散点图，观察是否线性相关。两变量序列的线图：由上图可知，两变量的曲线，都不接近直线。两变量的散点图：由上图可知两变量基本呈正相关关系，存在一定的线性相关性。但相关程度不大。4、结合凯恩斯绝对收入假说的消费理论和图形分析，设定以le为被解释变量，ni为解释变量的一元线性城市居民消费总体回归模型，预计回归

10、系数的符号；模型：LEi=B1+B2Nli+ui因支出一般随收入的增加而增加，预测回归系数B1、B2的符号都是正号。5、用OLSI估计以ce为被解释变量，di为解释变量的城市居民消费回归模型；模型回归估计结果即LEi=275.9194+0.606027Nli(623.4453)(0.08359)T=(0.442572)(7.25000)R2=0.766636F=52.5625n=186、对le为被解释变量，ni为解释变量模型输出结果进行经济理论检验，拟合优度检验和t检验。(1) 经济意义检验：所估计参数B1=275.9194，B2=0.606027,说明可支配收入增加1元，平均说来可导致乡村居

11、民消费支出增加0.606027元。(2) 拟合优度检验：通过以上的回归数据可知，可决系数为0.766636，说明所建模型整体上对样本数据拟合度较好；(3) 对回归系数的t检验：针对H1:B1=0和H2:B2=0，由上回归结果可以看出，估计的回归系数B1的标准误差和t值分别为：SE(B1)=623.4453，t(B1)=0.442572;B2的标准误差和t值分别为SE(B2)=0.083590t(B2)=7.250000，取a=0,05，查t分布表得自由度为n-2=18-2=16的临界值为10.025=2.119,t(t(B1)=0.442572v10.025=2.119，不拒绝H1,t(B2)

12、=7.250000>10.025=2.119，拒绝H2.这表明，农村居民可支配收入对其消费水平有很大影响。模型预测【实验总结】本次试验，我们主要是根据数据，利用Eviews软件进行分析，如果两变量基本符合线性关系就可建立一元线性计量模型，用普通最小二乘法进行模型求解，再对求解出的模型进行经济意义检验，拟合优度检验和t检验。从可决系数R2的大小可以判断模型的拟合效果，可决系数越大拟合程度越高。还可以把城市与农村的消费总体回归模型进行比较，都可发现收入提高消费也随之增加，只不过城市与农村居民的收入增加的部分用于消费的比例不同，城市的该比例小于农村的。但两者的之一比例均大于0.5，可见用凯恩斯

13、的绝对收入假说解释现阶段河南省居民消费规律是合理的。实验二截面数据一元线性回归模型(异方差性)【实验目的和要求】1、掌握一元线性回归估计方程的异方差性检验方法；2、掌握一元线性回归估计方程的异方差性纠正方法；3、在老师的指导下独立完成实验，并得到正确结果。【实验内容】1、估计河南省城市居民消费支出CE依可支配收入DI的一元线性回归模型和农村居民生活消费支出LE与纯收入NI的一元线性回归模型；2、用图形法判断是否存在异方差性；3、用goldfield-quandt法检验是否存在异方差性；4、用white法检验是否存在异方差性；5、用ARCHfe等检验是否存在异方差性；6用加权最小二乘法消除异方差

14、性。【实验数据】1、附表5,2011年河南省18个省辖市城市居民消费支出CE与可支配收入DI数据。2、附表5,2011年河南省18个省辖市农村居民生活消费支出LE与纯收入NI数据。【实验步骤】城市居民：1、用Eviews创建变量CEDI，输入样本数据，、打开Eviews工作文件，建立新的文件夹，在命令框中输入“datacedi”回车，从数据表中粘贴数据到Eviews数据表中即可。2、估计河南省城市居民消费支出CE依可支配收入DI的一元回归模型下图就是河南省城市居民消费支出CE和可支配收入DI的一元线性回归结果：即CEi=3510.472+0.50135DI(2058.070)(0.117317

15、)t=(1.705711)(4.273477)2R=0.533019F=18.26260n=183、观察模型是否存在一阶序列相关原序列自相关图一阶序列相关图由以上图可以看出模型不存在一阶序列相关。4、观察变量ce与di的散点图，生成ols法估计模型的残差变量序列，观察残差序列线图，残差平方与di的散点图，判断是否存在异方差性。残差序列线图残差平方与di的散点图根据上图看到，残差平方e2对解释变量DI的散点图主要分布在图形下方，大致可以看出e2随着解释变量DI的变动呈现增大的趋势，因此，模型型很可能存在异方差。5、goldfield-quandt检验：用sort命令di排序序列，首先排序的为1-

16、8的个体子样的城市居民消费回归模型如下图：再求排序为10-18的个子字样的城市居民消费回归模型如下图：由以上两图得到sumsquaredresid的值即得到残差平方和仁6808945.残差平方和2=2433402,根据goldfeld-quanadt检验，F统计量为两个残差平方和相除，得到数据为F=2.7981，取a=0.05，分子分母自由度分别为8和9,查F表临界值F0.05(6,7)=3.87,F=2.7981vF0.05(6,7)=3.87,所以不拒绝原假设，所以模型不存在异方差性。6ce、di的White检验结果从上图可以看出：nR2=8.9519,又White检验知，在a=0.05.

17、查x2分布表，得x2。.。尹5.9915,同时DI和DI2的t检验也显着。比较计算X2统计量与临界值，因为nR2=8.9519.>x2。.。尹5.9915,所以拒绝原假设，表明模型存在异方差性。7、CEDI模型的ARCH检验：回归结果后点击view-residualtests-serialcorrelationLMtests给定显着性水平a=0.05，查x2分布表临界值x2o.of5.9915,自由度p为17,(n-p)R2=1.3636vX2d.o尸5.9915，所以模型中不存在异方差性。8、用w=1/di作为权数，用加权最小二乘法消除异法差性：权数W1检验结果用white法检验加权回

18、归结果用ARCH法检验加权回归结果用w=1/diA2作为权数，用加权最小二乘法消除异法差性W2检验结果用white法检验加权回归结果用ARC!法检验加权回归结果用w=1/sqr（di）作为权数，用加权最小二乘法消除异法差性W3回归结果用white法检验加权回归结果用ARCHfe检验加权回归结果从以上的估计检验发现用权数w2的效果最好，则以w2的检验结果为模型的估计结果即CE=3552.339+0.498947DI（2218.312）（0.130952）T=（1.60137）（3.810155R2=0.53301DW=1.41251可以看出利用加权最小二乘法消除了异方差后，参数的t检验均显着可决

19、系数也有所提高，这一模型更接近真实情况。农村居民：1、用Eviews创建变量LE、NI，输入样本数据，、打开Eviews工作文件，建立新的文件夹，在命令框中输入“dataleni”回车，从数据表中粘贴数据到Eviews数据表中即可。2、估计河南省农村居民消费支出LE依可支配收入NI的一元回归模型下图就是河南省农村居民消费支出LE和可支配收入NI的一元线性回归结果：即LEi=275.9194+0.606027Nli（623.4453）（0.08359）T=（0.442572）（7.25000）R2=0.766636F=52.5625n=183、观察模型是否存在一阶序列相关一阶序列相关图由上表知模

20、型不存在一阶序列相关4、观察变量le与ni的散点图，生成ols法估计模型的残差变量序列，观察残差序列线图，残差平方与ni的散点图，判断是否存在异方差性。在新建的文件中点击genr在弹出的窗口中输入e2=（resid）A2即可生成残差序列残差平方序列图点击残差平方序列中viewgraphok残差平方与ni的散点图选择ni与e2回车点击view-graphscatterok从图中可以看出，e2随着解释变量NI的变动呈现增大的趋势，所以模型很可能存在异方差性。5、在le与ni的序列中点击sort-全选ni-ascendingok即可对ni递增排序在eview窗口点击quickestimateequa

21、tion在specification中输入lecni在sample中输入18点击确定即可出现18样本回归结果如下表同理得1018回归结果如下表由以上两图得到sumsquaredresid的值即得到残差平方和仁823451.2.残差平方和2=2352025,根据goldfeld-quanadt检验，F统计量为两个残差平方和相除，得到数据为F=0.35，取a=0.05，分子分母自由度分别为8和9,查F表临界值F0.05（6,7）=3.87,F=0.35vF0.05（6，7）=3.87,所以不拒绝原假设，所以模型不存在异方差性。6White检验在模型回归结果中点击viewresidualtests-

22、heteroskedasticityTests在testtype中选择white点击ok即可由上表可以看出nR2=1.99465,在给定显着性水平0.05，查x2分布表得临界值为28.869因1.99465<28.869，则不拒绝原假设，表明模型中不存在异方差。7、ARCH检验结果给定显着性水平a=0.05，查W分布表临界值X2o.of26.296,自由度p为16,(n-p)氏=0.176VX2oo=26.296，所以模型中不存在异方差性。8、在workfile窗口中点击genr在enterequation中分别输入w1w2w3在eviews窗口中点击quick-estimateequa

23、tion在specification中输入lecni在options中分别选择w1、w2w3用w=1/ni作为权数，用加权最小二乘法消除异法差性W1检验结果White法检验加权回归结果ARCH法检验加权回归结果用w=1/niA2作为权数，用加权最小二乘法消除异法差性W2检验结果用white法检验加权回归结果用ARCHfe检验加权回归结果用w=1/sqr(ni)作为权数，用加权最小二乘法消除异法差W3检验结果用white法检验加权回归结果HeteroskedasticityTest:WhiteF-statisticObs*R-squaredScaledexplainedSS1.1123223.4

24、660332.051SS2Prob.F(3,14)Probjjctil-SquareProc.Crtl-Square0.37700.32520.5617TestDependentVariableWGT_RESIDA2Method:LeastSquaresDate:12J2S/12Time:16.52Sample:11SIncludedobeervationg：1eCoefficientStd.Errort-StatisticProbC1.40E4-091IDE-090.127045D.9O07WGT1.37E+C3-0.1259670.90150.SO36-0.0725400.504407-0

25、.1220370,9046R-squared0.192561Meandependent帧3942325AdjustedR-squared0.019530S.p.dependent433S9359E.ofregression479222.2AkaikeInfo亡riterion2919089Sumsquaredreid3.22E+12Scliwarzcriterion2938875Loglikelihood-258.71«0Hannan-Ouinncriter.29.21817F-statisticV113922Durbin-Watsonstat2177521Prob(F-sUiist

26、ic)0.3770CD用ARCHfe检验加权回归结果由以上估计检验发现用权数w2的效果最好，可以用权数w2的结果作为模型的估计结果即LE=583.1494+0.562674NI(682.7615)(0.103596)T=（0.854104）（5.431433）R2=0.762609DW=1.745498从回归结果可以看出运用加权最小二乘法消除了异方差性后，参数的t检验均显着，且可决系数也有所增加，这一估计结果更接近真实情况。【实验总结】该实验利用Eviews软件先排除序列的一阶相关，再通过观察残差序列线图，残差平方与解释变量的散点图判断模型的异方差性，如果残差随着解释变量的变化，不是在一定的范

27、围内变化，那么即认为有异方差性。Goldfield检验法，根据得出的分段回归数据表，可以得到残差平方的值，再根据残差平方的值，求出F统计量的值，再根据自由度的统计量的值，进行比较大小，如果前者大于后者，那么就存在异方差性，反之，则不存在异方差性。White检验法和ARCH佥验法，分别也进行检验。在消除异方差方面：在运用最小二乘法修正过程中，我们分别选取了权数w1=1/x,w2=1/xA2,w3=1/xA0.5，权数生成的过程，是在相应的对话框中，的ENTEREQUATION,分别输入选取的权数，即可进行修正。可以看出运用加权最小二乘法消除异方差性后，参数的T检验均显着，F检验也同样显着。实验三

28、时间序列数据一元线性回归模型（自相关性）【实验目的和要求】1、学会回归模型自相关性的检验方法；2、掌握消除回归模型自相关性的方法；3、在老师的指导下独立完成实验，并得到正确结果。【实验内容】1、估计河南省城市居民消费支出CE依可支配收入DI的一元线性回归模型和农村居民生活消费支出LE与纯收入NI的一元线性回归模型；2、用图形法判断自相关性的存在及类型；3、用DW去检验是否存在一阶自相关性；4、用广义差分法（科克伦-奥科特迭代）对自相关性进行补救。【实验数据】1、附表4，1978年到2011年河南省城市居民消费支出与可支配收入。2、附表4，1978年到2011年河南省农村居民生活消费支出与纯收入

29、。【实验步骤】城市居民1、建立时间序列工作文件、用Eviews创建变量CEDI，输入样本数据，、打开Eviews工作文件，建立新的文件夹，在命令框中输入“datacedi”回车，从数据表中粘贴数据到Eviews数据表中即可。2、建立由被解释变量CE与解释变量DI组成的组对象。时间序列数据一元线性回归模型ce与di的散点图从上图可知，变量CE和DI呈明显的线性趋势，所以存在线性相关。Ce与di序列的线图观察上图，CE与DI线图并不是近似直线。Ln（ce）与In（di）序列的线图观察log（CE与log（DI）的线图，近似为直线。3、设定被解释变量CE与解释变量DI的具体形式如下：CE=1+B2D

30、I+y预测回归系数B1、B2的符号都是正号；设定被解释变量log(CE与解释变量log(DI)的具体形式如下：Log(CE=B1+B2(DI)+卩预测回归系数B1、B2的符号都是正号；4、用OLS法估计以ce或者In(ce)为被解释变量，di或者In(di)为解释变量的城市居民消费一元线性回归模型，同时生成新变量替代新估计模型的残差序列ce为被解释变量di为解释变量的回归结果如下：即CE=271.2100+0.664461DI(44.27741)(0.006520)T=(6.125246)(101.9135)Lnce为被解释变量lndi为解释变量的回归结果如下：LNCE=0.391159+0.

31、920921LNDI(0,047544)(0.006046)T=(8.227274)(152.3106)5、ce为被解释变量di为解释变量的回归模型(1) 经济意义检验：所估计参数B1=271.2100,B2=0.664461,说明可支配收入增加1元，平均说来可导致城市居民消费支出增加0.664461元。(2) 拟合优度和统计检验：通过以上的回归数据可知，可决系数为0.996928，说明所建模型整体上对样本数据拟合度较好：；(3) 对回归系数的t检验：针对H1:B1=0和H2:B2=0，由上回归结果可以看出，估计的回归系数B1的标准误差和t值分别为：SE(B1)=44.27741，t(B1)=

32、6.125246;B2的标准误差和t值分别为SE(B2)=0.006520t(B2)=101.9135，取a=0,05，查t分布表得自由度为n-2=34-2=32的临界值为t0.025=2.0329,t(t(B1)=6.125246>t0.025=2.0329，拒绝H1,t(B2)=7.250000>t0.025=2.0369拒绝H2.这表明，城市居民可支配收入对其消费水平有很大影响。经以上对比可以看出非对数模型的拟合效果较好。故选择非对数模型&对所估计的模型进行异方差性和一阶自相关性检验。异方差性检验残差平方与di序列散点图White检验结果从上图可以看出：nR2=0.3

33、667,又White检验知，在a=0.05.查X2分布表，得X2O.O5=5.9915，同时DI和DI2的t检验也显着。比较计算X2统计量与临界值，因为nR2=0.3667vX2O.O5=5.9915,所以不拒绝原假设，表明模型不存在异方差性。ARCH佥验结果从上图可以看出：nR2=0.7873,又White检验知，在a=0.05.查X2分布表，得X2O.O5=5.9915，同时DI和DI2的t检验也显着。比较计算X2统计量与临界值，因为nR2=0.7873vX2O.O5=5.9915,所以不拒绝原假设，表明模型不存在异方差性。一阶自相关性检验原序列的自相关图一阶相关图一阶偏自相关系数条形超出

34、了随机区间，其他各阶都落入了随机区间内，表明序列存在一阶自相关。7、用图示法进行一阶自相关性检验；用DWfe检验一阶自相关性。8、用广义差分法和德宾两步法消除一阶自相关，并比较二者差别。9、用white法检验消除自相关后模型是否存在异方差。由上表知nR2=3.53107在给定显着性水平a=0.05条件下，临界值大于3.53107则说明不存在异方差性。10、用模型最优估计结果，进行成居民消费行为和农村居民消费行为的比较分析。农村居民1、建立工作文件，用Eviews创建变量LE、NI，输入样本数据。打开Eviews工作文件，建立新的文件夹，在命令框中输入“dataleni”回车，从数据表中粘贴数据

35、到Eviews数据表中即可。2、建立由被解释变量LE与解释变量NI组成的组对象。时间序列数据一元线性回归模型Le、ni散点图根据上图所示，两变量之间线性相关。变量LE与NI的线形图根据图形显示，并不近似为直线。Log(LE)与log(NI)的线性图根据图形显示，近似为直线。3、(1)设定被解释变量LE与解释变量NI的具体形式如下：LE=B1+B2NI+卩预测回归系数B1、B2的符号都是正号；(2)设定被解释变量log(LE)与解释变量log(NI)的具体形式如下：log(LE)=B1+B2log(NI)+卩预测回归系数B1、B2的符号都是正号；4、用OLS法估计以LE为解释变量NI为解释变量的

36、农村居民消费回归模型：即LE=54.51875+0.659904NI(16.91203)(0.006991)T=(3.223668)(94.38890)用OLS法估计以log(LE)为解释变量log(NI)为解释变量的农村居民消费回归模型即LOG(LE)=0.096777+0.941206LOG(NI)(0.096818)(0.013852)T=(0.999572)(68.08211)5、LE为解释变量NI为解释变量的农村居民消费回归模型(1) 经济意义检验：所估计参数B仁54.51875，B2=0.659904，说明可支配收入增加1元，平均说来可导致城市居民消费支出增加0.659904元。(

37、2) 拟合优度和统计检验：通过以上的回归数据可知，可决系数为0.996533，说明所建模型整体上对样本数据拟合度较好：；(3) 对回归系数的t检验：针对H1:B1=0和H2:B2=0，由上回归结果可以看出，估计的回归系数B1的标准误差和t值分别为：SE(B1)=16.91203，t(B1)=3.223668;B2的标准误差和t值分别为SE(B2)=0.006991t(B2)=94.38890，取a=0,05，查t分布表得自由度为n-2=33-2=31的临界值为t0.025=2.0395,t(t(B1)=3.223668>t0.025=2.0395，拒绝H1,t(B2)=7.250000&

38、gt;t0.025=2.0395,拒绝H2.这表明，城市居民可支配收入对其消费水平有很大影响。从以上比较可以看出非对数模型的可决系数较大拟合程度较好。故选择非对数模型。&对所估计的模型进行异方差性和一阶自相关性检验。对模型进行White检验，检验模型是否存在异方差性：从上图可以看出：nR2=0.7873,又White检验知，在a=0.05.查X2分布表，得X2O.O5=5.9915，同时DI和DI2的t检验也显着。比较计算X2统计量与临界值，因为nR2=0.7873vX2O.O5=5.9915,所以不拒绝原假设，表明模型不存在异方差性。一阶自相关检验一阶偏自相关系数条形超出了随机区间，

39、其他各阶都落入了随机区间内，表明残差序列残在一阶自相关。7、用图示法进行一阶自相关性检验；用DW法检验一阶自相关性。8、用广义差分法和德宾两步法消除一阶自相关，并比较二者差别。9、用white法检验消除自相关后模型是否存在异方差。由上表知nR2=5.097801,在给定显着性水平a=0.05条件下查x2分布表知临界值大于nR2=5.097801，故不拒绝原假设，表明模型不存在异方差。10、用模型最优估计结果，进行成居民消费行为和农村居民消费行为的比较分析。【实验总结】模型选择：当发现变量之间有明显的的线性关系的时候，可以采用非对数线性模型，如果变量之间线性关系不太明显，此时可以用对数模型。也可

40、两模型作为比较。图行检验法：建立工作文件后。图示法检验异方差性：根据数据做出两变量的残差图，如果残差随着解释变量的变化，不是在一定的范围内变化，那么即认为有异方差性。Goldfield检验法，根据得出的分段回归数据表，可以得到残差平方的值，再根据残差平方的值，求出F统计量的值，再根据自由度的统计量的值，进行比较大小，如果前者大于后者，那么就存在异方差性，反之，则不存在异方差性。White检验法和ARCH佥验法，分别也进行检验。广义差分法消除自相关：先有模型得到残差序列et，在EVIEW中，每次回归的残差存放在resid序列中，为了对残差进行回归分析，需生成命名为e的残差序列。在主菜单选择qui

41、ck/generateseries，在弹出的对话框中输入e=resid，点击ok得到残差序列et。使用et进行滞后一期的自回归，同时在命令栏中输入lsee(-1)可得回归方程，然后对原模型进行广义差分，得到广义差分方程，然后在进行回归，得出结果。实验四滞后变量回归模型【实验目的和要求】1、学会滞后变量模型的设定；2、掌握滞后变量模型的估计和检验；3、在老师的指导下独立完成实验，并得到正确结果。【实验内容】1、建立Eviews时间序列数据工作文件输入样本数据。2、判断变量的滞后阶数，建立有限分布滞后模型。3、用OLS法对模型进行估计和检验。4、根据绝对收入假说建立居民消费自回归模型。5、用OLS

42、法估计居民消费自回归模型。6检验自回归模型的自相关性。7、用工具变量法消除随机解释变量的影响，用广义差分法消除自相关性的影响。8、对最终模型进行结构分析。【实验数据】1、附表4，1978年到2011年河南省城市居民消费支出与可支配收入。2、附表4，1978年到2011年河南省农村居民生活消费支出与纯收入。【实验步骤】1、建立Eviews工作文件，分别在命令框中输入“datacedi”“dataleni”回车，从数据表中粘贴数据到Eviews数据表中即可。2、用交叉相关图法判断变量的滞后阶数，建立城市居民消费有限分布滞后期模型和农村居民消费有限分布滞后模型。分别在命令框中输入crosscedi并

43、回车得城市居民交叉相关图如下：横条落入虚线内表示无交叉相关，在虚线外表示存在交叉相关，改图表明该模型的滞后阶数为6.农村居民交叉相关图如下横条落入虚线内表示无交叉相关，在虚线外表示存在交叉相关，改图表明该模型的滞后阶数为6.分别建立分布滞后模型为CE=x+B1Dlt+B2Dlt-1+B3Dlt-2+B4Dlt-3+B5Dlt-4+B6Dlt-5+B7Dlt-6LE=a+B1Nlt+B2Nlt-1+B3Nlt-2+B4Nlt-3+B5Nlt-4+B6Nlt-5+B7Nlt-63、用OLS法估计有限分布滞后模型，对模型进行检验，并取得模型的点预测值序列cef、lef。分别在命令框中输入Iscecd

44、i(0to-6)Islecni(0to-6)回车得城市居民有限分布滞后模型如下：预测值序列如下得农村居民有限分布滞后模型如下预测值序列如下4、根据持久收入假说建立城市居民消费自回归模型和农村居民消费自回归模型，预计各模型中各偏回归系数的符号和数值范围。5、OLS法估计城市居民消费自回归模型和农村居民消费自回归模型。城市居民自回归模型估计结果农村居民自回归模型估计结果&用宾德-H法或LM法检验自回归模型的自相关性。城市居民LM法农村居民LM法7、用cef(-1)作为工具变量替代城市居民消费自回归模型中的ce(-1),用lef(-1)代替作为工具变量替代城市居民消费自回归模型中le(-1)

45、，消除随机解释变量的影响，用广义差分法消除自相关的影响。重新估计城市居民消费自回归模型和农村居民消费自回归模型，并检验模型估计结果。城市居民替代法消除随机解释变量的影响广义差分法消除自相关农村居民Lef(-1)替代法消除随机解释变量的影响广义差分法消除自相关的影响重估城市居民消费自回归模型DependentVariable:CEMethod:LeastSquaresDate:12/28/12Time:11:15Sample(adjusted):19802011Includedobservations:32afteradjustmentsConvergenceachievedafter7iter

46、ationsCoefficientStd.Errort-StatisticProb.?C387.1170184.96512.0929190.0455Dl0.6630090.0782308.4750990.0000CE(-1)-0.0123060.136517-0.0901410.9288AR(1)0.8422160.0985848.5431160.0000R-squared0.999211?Meandependentvar3558.110AdjustedR-squared0.999126?S.D.dependentvar3349.192S.E.ofregression99.00450?Akai

47、keinfocriterion12.14468Sumsquaredresid274452.9?Schwarzcriterion12.32789Loglikelihood-190.3148?Hannan-Quinncriter.12.20541F-statistic11815.93?Durbin-Watsonstat2.127049Prob(F-statistic)0.000000InvertedARRoots?848、对模型进行结构分析，讨论持久收入假说是否适合解释河南省居民消费规律。【实验总结】分别建立有限分布滞后模型和自回归模型，并通过LM法检验自回归模型的自相关性，分别用变量替代法消除随

48、机解释变量的影响，通过广义差分法消除自相关的影响，对自回归进行检验的时候，需要用德宾h检验1、对一阶自回归方程直接进行最小二乘估计得到各个数值。2、根据得到数值，计算h统计量的值。3、给定显着性水平a,查标准正态分布表得临界值ha,如果拒绝原假设，说明存4、在一阶自相关，接受说明不存在一阶自相关。实验五时间序列多元线性回归模型【实验目的和要求】1、熟练运用计算机和Eviews软件进行计量经济分析，掌握多元线性回归模型的设定、普通最小二乘法求解及其检验方法。2、学会依据Eviews回归结果诊断是否存在多重共线性的方法。3、在老师的指导下独立完成实验，并得到正确结果。【实验内容】1、对变量样本序列

49、的关系进行统计描述。2、设定多元线性回归模型的具体形式。3、用普通最小二乘法求解模型。4、对模型的解进行经济理论检验和统计检验。5、对模型进行多重共线性诊断，并用逐步回归法消除多重共线性。6对模型进行异方差性检验和自相关性检验。7、对最终模型进行结构分析。8、用最终模型进行预测分析。【实验数据】1、附表1，1978年-2011年名义人均生产总值。2、附表2，1978年-2011年可比价格人均生产总值增长速度。3、附表4，1978年到2011年河南省城市居民消费支出与可支配收入。4、附表6，1978年到2011年年末河南省城乡居民储蓄存款余额。【实验步骤】1、加工数据，求可比价人均生产总值序列2

50、、建立序列工作文件，创建变量城市居民消费支出CE、城市居民可支配收入DI、可比价格人均生产总值GDPP、城乡居民储蓄存款余额SD，输入样本数据。3、建立由被解释变量和解释变量组成的组对像，在一个坐标轴上显示多变量序列的线图4、结合理论分析，设定多元线性回归模型的具体形式。LNCEt=B1+B2LNDI2t+B2LNSD3t+B3GDPP4t+ut欢迎阅读5、用OLS法及求解所设定的多元回归模型genrlnce=log(ce)genrlndi=log(di)Genrnsd=log(s)DependentVariable:LNCEMethod:LeastSquaresDate:12/28/12Ti

51、me:15:03Sample:19782011Includedobservations:34CoefficientStd.Errort-StatisticProb.?C0.9654760.1133418.5183080.0000LNDI0.7730950.02810827.504320.0000LNSD0.0868080.0162995.3260190.0000R-squared0.999281?Meandependentvar7.536760AdjustedR-squared0.999234?S.D.dependentvar1.192960S.E.ofregression0.033011?A

52、kaikeinfocriterion-3.899859Sumsquaredresid0.033781?Schwarzcriterion-3.765180Loglikelihood69.29760?Hannan-Quinncriter.-3.853929F-statistic21533.17?Durbin-Watsonstat1.379652Prob(F-statistic)0.0000006对模型输出结果进行经济理论检验、拟合度检验、F检验、t检验。广义差分法(1)经济意义检验：模型估计结果说明，在假定其他变量不变的情况下，城市居民可支配收入每增长1%平均说来城市居民消费支出会增长0.7731

53、%;在假定其他变量不变的情况下，城乡居民储蓄存款余额每增长1%平均说来城市居民消费支出会增长0.0869%。(2)拟合优度检验：由表可以看出，修正的可决系数为0.999234，说明所建模型整体上对样本数据拟合较好。7、用逐步回归法消除多重共线性的回归估计模型分别对CE与DI、SD、GDPP的一元回归IIDependentVariable:CEMethod:LeastSquaresDate:12/28/12Time:15:31Sample:19782011Includedobservations:34CoefficienStd.Errort-StatisticProb.?tC271.210044

54、.277416.1252460.0000DI0.6644610.006520101.91350.0000欢迎阅读R-squared0.996928?Meandependentvar3365.780AdjustedR-squared0.996833?S.D.dependentvar3338.723S.E.ofregression187.9047?Akaikeinfocriterion13.36677Sumsquaredresid1129862.?Schwarzcriterion13.45656Loglikelihood-225.2351?Hannan-Quinncriter.13.39739F-statistic10386.36?Durbin-Watsonstat0.272582Prob(F-statistic)0.000000DependentVariable:CEMethod:LeastSq