计量经济学上机实验一：一元线性回归模型

上机实验一：一元线性回归模型

实验目的：EViews软件的基本操作

实验内容：对线性回归模型进行参数估计并进行检验

上机步骤：中国内地2023年中国各地区城镇居民每百户计算机拥有量和人均总收入

地区平均每百户人均总收入地区平均每百户人均总收入

计算机拥有X/元计算机拥有X/元

量Y/台量Y/台

北京103.5137124.39湖北75.4920233.27

天津95.4029916.04湖南66.3620233.87

河北74.7419591.91广东104.1330218.76

山西69.4519666.10广西91.7220846.11

内蒙古60.8321890.19海南63.8220234.18

辽宁71.6622879.77重庆76.0721794.27

吉林68.0419211.71四川68.8619688.09

黑龙江55.3617118.49贵州63.8917598.87

上海137.7040532.29云南63.5520255.13

江苏96.9428971.98西藏58.8318115.76

浙江103.1734264.38陕西82.4320069.87

安徽71.0120751.11甘肃56.M16267.37

福建103.0027378.11青海52.6517794.98

江西73.8718656.52宁夏59.3919654.59

山东85.8824889.80新疆61.2017631.15

河南71.4119526.92

一.建立工作文件:

1.在主菜单上点击File\New\Workfile；

2.选择时间频率，A

3.键入起始期和终止期，然后点击0K；

二.输入数据：

1.键入命令：DATAYX

2.输入每个变量的统计数据；

3.关闭数组窗口（回答Yes）;

三.图形分析：

1.趋势图：键入命令PLOTYX

2.相关图：键入命令SCATYX

散点图：

趋势图：

四.估计回归模型：

键入命令LSYCX

上机结果：

Y=11.958+0.003X

s(3)5.62280.0002

I(6)2.126711.9826

prob0.04210.0000

R'=Q.831R2=0.826F=143.584prob(F)=0.0000

上机实验二：多元线性回归模型

实验目的：多元回归模型的建立、比较与筛选，掌握基本的操作

要求并能根据理论对分析结果进行解释

实验内容：对线性回归模型进行参数估计并进行检验

上机步骤：

商品的需求量与商品价格和消费者平均收入

n需求量Y价格XI收入X2

158956

248853

363760

468670

573778

698584

798491

878682

91083100

10883120

趋势图：

散点图：

上机结果:

fri-O.038888X2

s(方)57.1184.2910.419

t(6)2.321-2.069-0.093

prob0.05330.07730.9286

R2=0.79R2=0.73F=13.14prob(F)=0.00427

H：非线性回归模型

实验目的：EViews软件的基本操作

实验内容：对线性回归模型进行参

上机步骤：

我国国有独立核算工业企业统计资料

工业产值职工人数固定资产

年份时间t

Y（亿元）L（万人）K（亿元）

197813289.1831392225.7

197923581.2632082376.34

198033782.1733342522.81

198143877.8634882700.9

198254151.2535822902.19

198364541.0536323141.76

198474946.1136693350.95

198585586.1438153835.79

198695931.3639554302.25

1987106601.64086478G.05

1988117434.0642295251.9

1989127721.0142735808.71

1990137949.5543646365.79

1991148634.844727071.35

1992159705.5245217757.25

19931610261.6544988628.77

19941710928.6645459374.34

一.建立工作文件:

1.在主菜单上点击Fi1e\New\Workfi1e；

2.选择时间频率，A

3.键入起始期和终止期，然后点击0K；

二.输入数据：

1.键入命令：DATAYLK

2.输入每个变量的统计数据；

3.关闭数组窗口(回答Yes);

三.图形分析：

1.趋势图：键入命令PLOTYKL

2.相关图：键入命令SCATYKL

四.估计回归模型：

键入命令LSYCKL

上机结果:Y=4047.866E2622。工227⑸

S(方)17694.1802325930.759696

t(6)0.2287685.426669-1.615325

prob0.82420.00040.1407

R2=0.989758R=0.987482F=434.8689prob(F)=0.0000

上机实验I见异方差

实验目的：：掌握异方差的检验与调整方法的上机实现

实验内容：我国制造工业利润函数

我国各行业利润与销售收入情况

行业名称销售利润律售收入行业名称销售利涧销售收入

食品加工业187.253180.44医药制造业238.711264.I

化学纤维制

食品制造业111.421119,8881.57779.46

品

饮料制造业205.421489.89橡胶制品业77.84692.08

烟草加工业183.871328.59塑料制品业144.341345

非金属矿制

纺织业316.793862.9339.262866.14

品

黑色金属冶

服装制品业157.71779.1367.473868.28

炼

皮革羽绒制有色金属冶

81.71081.77144.291535.16

品炼

木材加工业35.67443.74金属制品业201.421948.12

普通机械制

家具制造业31.06226.78354.692351.68

造

造纸及纸品专用设备制

134.41124.94238.161714.73

业造

交通运输设

印刷业90.12499.83511.944011.53

备

文教体育用电子机械制

54.4504.44409.833286.15

品造

电子通讯设

石油加工业194.452363.8508.154499.19

备

化学原料纸仪器仪表设

502.614195.2272.46663.68

品备

实验步骤：

一.检验异方差性

1.图形分析检验:

1）观察Y、X相关图：SCATYX

2）残差分析:观察回归方程的残差图

LSYCX

在方程窗口上点击Residual按钮；

2.Goldfeld-Quant检验：

SORTX

SMPL110

LSYCX（计算第一组残差平方和）

SMPL1928

LSYCX（计算第二组残差平方和）

计算F统计量，判断异方差性

3.White检验：

SMPL128

LSYCX

在方程窗口上点击：

View\Residual\Test\WhiteHeteroskedastcity

由概率值判断异方差性。

4.Park检验

LSYCX

GENRLNE2=log（reside）

GENRLNX=log（X）

LSLNE2CLNX

5.Gleiser检验:

LSYCX

GENRE1=ABS(resid)

LSElCX

再在方程窗口中点击Estimete按钮，并在方程描述框中依次输

入其它方程：

ElCX-2

ElCXX1/2)

ElCXX-1)

ElCXX-2)

ElCX7-1/2)

二.调整异方差性(WLS估计)：

1.计算权数变量：

GENRWl=l/X71.6743)

GENRW2=l/X70.5)

GENRW3=l/X-2

GENRW4=1/E1

GENRW5=l/E2

2.依次进行WLS估计：

LSYCX

在方程窗口中点击Estimete\Options,然后在权数变量栏依次输

入也、W2...W5,并选择WLS估计，从中筛选出最佳的异方差调

整模型。

检验异方差性

回归模型

参数估计和检验结果写为:

口Equation:UNTITLEDWorkfile:UNTITLED::Untitled\|o

[view)[Proc[ob]ect|Print〔Name[Freeze|Estimate忏precast|Stats|Resids

DependentVariable:Y

Method:LeastSquares

Date:06/14/15Time:23:22

Sample:128

Includedobservations:27

CoefficientStd.Errort-StatisticProb.

C13.3265220.298410.6565300.5175

X0.1040650.00865712.020580.0000

R-squared0.852502Meandependent</ar217.2433

AdjustedR-squared0.846603S.D.dependentvar147.8834

S.E.ofregression57.91998Akaikeinfocriterion11.02719

Sumsquaredresid83868.10Schwarzcriterion11.12318

Loglikelihood-146.8671Hannan-Quinncrter.11.05573

F-statistic144.4944Durbin-Watsonslat0.984388

Prob(F-statistic)0.000000

20.2980.009

t（3）0.65712.021

Prob0.518o.ooo

R2=0.85^2=0.84F=144.49

一.检验异方差性

1.图形分析检验

观察销售利润（Y）销售收入（X）的相关图

从图中可以看出随着销售收入的增加，销售利润的水平不断

提高，但离散程度也逐步扩大，这说明存在递增的异方差性

上图回归方程的残差分布有明显的扩大趋势，表明存在异方

差性

2.Goldfeld-Quant检验：

（1）将样本按解释变量排序（SORTX）分成为两部分（分别有

1到10共10个样本和19到28共10个样本）

（2）利用样本1建立回归模型1,其残差平方和为RSS1=2579.587

（3）利用样本2建立回归模型2,其残差平方和为

RSS2=63769.67

（4）计算F统计量：F=RSS2/RSS1=63769.67/2579.587=24.72,取

a=0.05时，查F分布表得F0.05（10-2,10-2）=3.44,

F=24.72>F0.05=3.44,所以存在异方差性

3.White检验

（1）建立回归模型

（2）在方程窗口上点击：

View\Residual\Test\WhiteHeteroskedastcity

其中F值为辅助回归模型的F统计量，取显著水平a

=0.05,由于X0.05八2（2）<nR于=7.554,所以存在异方差性

4.Park检验

（1）建立回归模型

（2）GENRLNE2=log（reside）

GENRLNX=log(X)

(3)LSLNE2CLNX

由回归结果看出LNX的系数估计值不为0且能通过显著性检

验，即随机误差项的方差与解释变量存在较强的相关关系，

即存在异方差性

5.Gleiser检验:

(1建立回归模型

2)生成新变量序列GENRE1=ABS(resid)

LSElCX

再在方程窗口中点击Estimete按钮，并在方程描述框中依次输

入其它方程：

ElCX-2

ElCX71/2)

ElCx7-D

ElCXX-2):

ElCXX-1/2):

□Equation:UNTHLEDWorkfile:UNTITLED::Untitled\fo||B|

(view|Proc||object|Print|Name(FreezeEstimate|Forecast^Stats11Resids

DependentVariable:E1

Method:LeastSquares

Date:06/15/15Time:00:13

Sample(adjusted):228

Includedobservations:27afteradjustments

CoefficientStd.Error1-StatisticProb.

C1.2256080.4260642.8765840.0081

XA(-1/2)-4.15072114.00027-0.2964740.7693

R-squared0.003504Meandependentvar1.109678

AdjustedR-squared-0.036356S.D.dependentvar0.863582

S.E.ofregression0.879140Akaikeinfocriterion2.651442

Sumsquaredresid19.32217Schwarzcriterion2.747430

Loglikelihood-33.79446Hannan-Quinnenter.2.679984

F-statistic0.087897Durbin-Watsonstat1.772959

Prob(F-statistic)0.769317

如下

①V=1.219-5.06X@r=1.213-111.76X

0.3080.0000.243188.79

R2=0.007F=0.182R2=0.014F=0.350

②V=1.190—1.47X：'③？=1.236-0.003X(1/2)

0.2262.750.5030.011

R2=0.OilF=0.286R2=0.003F=0.071

@f=1.178-41342.74.¥3⑥Y=1.226-4.151X,⑶

0.18244598.720.42614.000

R2=0.033F=0.859R'=0.004F=10.542

有上述各回归结果可知，各回归模型解释变量的系数估计值

显著不为0且均能通过显著性检验，所以存在异方差性.

上机实验五:自相关

实验目的：掌握自相关性的检验与调整方法。通过中国农村居民

消费模型的分析可判断农村居民的边际消费倾向同时，农村居民

消费模型也能用于农村居民消费水平的预测。

实验内容：我国农村居民储蓄函数

模型设定

影响居民消费的因素很多，但由于受各种条件的限制，通常

只引入居民收入一个变量做解释变量，即消费模型设定为：

匕=£。+£江+Ut

参数说明：

匕一一农村居民人均消费支出（单位：元）

x——农村居民人均纯收入（单位：元）

〃一一随机误差项

1985-2023年农村居民人均收入和消费单位：元

人均纯收人均消费支消费价格指数人均收入人均消费支出

年份

入现价出现价1985=1001985可比价1985可比价

1985397.60317.42100.0397.60317.42

1986423.76356.95106.1399.40336.43

1987462.55388.29112.7410.43353.41

1988544.94476.66132.4411.59360.02

1989601.51535.37157.9380.94339.08

1990686.30584.63165.1415.70354.11

1991708.60619.80168.9419.50366.96

1992784.00659.80176.8443.40373.19

1993921.60769.70201.0458.50382.94

19941221.001016.80248.0492.30410.00

19951577.701310.40291.4541.40449.69

19961923.101572.10314.4611.70500.03

19972090.101617.20322.3648.50501.77

19982162.001590.30319.1677.50498.28

19992214.301577.40314.3704.50501.75

20002253.401670.00314.0717.70531.85

20012366.401741.00316.5747.70550.08

20022475.601834.00315.2785.40581.85

20032622.241943.30320.2818.90606.81

20042936.42184.70335.6875.00650.97

20053254.932555.40343.0949.00745.01

20063587.042829.00348.11030.50812.70

20074140.363223.90366.91128.50878.67

20234760.623660.70390.71218.50936.95

20235153.173993.50389.51323.001025.28

20235919.014381.80403.51466.901085.95

20236977.295221.10426.91634.401223.03

人均纯收入X和人均消费支出Y相关图,

趋势图：

(-)上机结果:

□Equation:UNTITLEDWorkfile:UNHTLED

View|Procs|Objects|Print|Name|Freeze|Estimate〔Forecast|Stats|Resids|

DependentVariable:Y

Method:LeastSquares

Date:06/07/15Time:17:21

Sample:19852011

Includedobservations:27

VariableCoefficientStd.Errort-StatisticProb.

C45.4040710.301714.4074290.0002

X0.7185190.01252657.363370.0000

R-squared0992460Meandependentvar5805270

AdjustedR-squared0.992158S.D.dependentvar2664629

SEofregression22.70995Akaikeinfocriterion9.154670

Sumsquaredresid1289354Schwarzcriterion9.250658

Loglikelihood-121.5880F-statistic3290.556

Durbin-Watsonstat0.527714Prob(F-statistic)0.000000

yt=45.40407+0.7185Xt

s(3)10.301710.012526

t(/)4.407257.3633

R'O.9925葭=09922F=3290.556prob(F)=0.0000

(二)BG检验做自相关检验：

残差图：

回归结果:

OEquation:UNTITLEDWorkfile:UNHTLED

View|Procs]Objects|Print|Name|Freeze|Estimate|Forecast|Stats|Resids|

▲

Breusch-GodfreySerialCorrelationLMTest:

F-statistic13.17125Probability0.000154

Obs*R-squared14.41450Probability0.000741

TestEquation:

DependentVariable:RESID

Method:LeastSquares

Date:06/07/15Time:17:35

VariableCoefficientStd.Errort-StatisticProb.—

C0.1000537.38246700135530.9893

X3.33E-050.0090070.0036980.9971

RESID(-1)078629002120713.70767100012

RESID(-2)-0.0780510.214730-0.3634830.7196

R-squared0533870Meandependentvar-1.07E-13

AdjustedR-squared0.473071SDdependentvar22.26894

SEofregression1616499Akaikeinfocriterion8.539527

Sumsquaredresid6010062Schwarzcriterion8731503

Loglikelihood-111.2836F-statistic8.780836

Durbin-Watsonstat1955116Prob(F-statistic)0.000460▼

存在自相关！

（三）采用广义差分法解决自相关问题：操作命令：DATAXY

GENRel=resid

SCATelel(-1)残差图

得回归方程：2.0.729屋一

对元模型进行广义差分法：

Y「0・7291Yi二(1-0.7291)+P2(Xt-0・7292X-)+ut

按如下步骤

回EViews

FileEditObjectsViewProcsQuickOptionsWindowHelp

LSY-07为CX-0.729rX(-1)

输出回归结果

OEquation:UNTITLEDWorkfile:UNTTLED

View|Procs|Objects|Print|Freeze|Estimate|Forecast|Stats|Resids|

DependentVariable:Y-0.7291*Y(-1)

Method:LeastSquares

Date:06/07/15Time:13:10

Sample(adjusted):19862011

Includedobservations:26afteradjustingendpoints

VariableCoefficientStdErrort-Statis:icProb.

C14.056606.6153322.1248520.0441

X-0.7291*X(-1)0.7137750.02443429.212200.0000

R-squared0.972645Meandependentvar185.4015

AdjustedR-squared0.971505S.D.dependentvar92.40594

S.E.ofregression15.59850Akaikeinfocriterion8.406030

Sumsquaredresid5839517Schwarzcriterion8.502807

Loglikelihood-1072784F-statistic853.3524

Durbin-Watsonstat1.764221Prob(F-statistic)0.000000

得回归方程：r>14.0566+0.71378X；

s(2)6.61530.0244

t(/)2.124929.2122

prob(F)=0.0000

2

R=0.9726R2=O9715F=853.3524

样本容量减少为26个。

P=0.7291,1=14.0566/1-0.7291=51.8885

最终中国农村居民消费模型为：yt-51.8885+0.71378Xt

上机实验六：多重共线性

实验目的：多元回归模型的建立、比较与筛选，掌握基本的操作

要求并能根据理论对分析结果进行解释

实验内容：中国旅游收入与花费

实验步骤；

1994-2023年中国旅游收入及相关数据

国内旅游收入国内旅游人数城镇居民人均旅游农村居民人均旅铁路里程

年份

Y/亿元X2/万人次花费X3/元游花费X4/元X5/万公里

19941023.552400414.754.95.9

19951375.762900464.061.55.97

19961638.463900534.170.56.49

19972112.764400599.8145.76.6

19982391.269450607.0197.06.64

19992831.971900614.8249.56.74

20003175.574400678.6226.66.87

20013522.478400708.3212.77.01

20023878.487800739.7209.17.19

20033442.387000684.9200.07.30

20044710.7110200731.8210.27.44

20055285.9121200737.1227.67.54

20066229.74139400766.4221.97.71

20077770.62161000906.9222.57.80

20238749.3171200849.4275.38.0

202310183.7190200801.1295.38.6

202312579.8210300883.0306.09.1

202319305.4264100877.8471.49.3

一.建立工作文件:

1.在主菜单上点击File\New\Workfi1e；

2.选择时间频率，A

3.键入起始期和终止期，然后点击0K；

二.输入数据：

1.键入命令：DATAYX

2,输入每个变量的统计数据；

3•关闭数组窗口(回答Yes)；

三.估计回归模型：

方式1：键入命令LSYCX2X3X4X5

□Equation;UNTITLEDWorkfile;UNHTLED

View|Procs|Objects|Print|Na/ne|Freeze|Estimate|Forecast|Stats|Resids|

>

DependentVariable:Y

Method:LeastSquares

Date:06/06/15Time:2010

Sample:19942011

Includedobservations:18

VariabeCoefficientStd.Errort-StatisticProb.

C

450.97993932.3140.1146860.9104

X20.0730210.0095337.6597720.0000

X3-6.6555052675543-2.4875340.0272

X414.150193.4828464.0628240.0013

X5-23098448225258-02808230.7833

R-squared0985814Meandependentvar5567064

AdjustedR-squared0.981449S.D.dependentva