计量经济学实验指导

计量经济学实验指导

系部：基础部

专业：计算与信息科学

教师：仓定帮

I.实验一多元线性回归模型3

II.实验二异方差的检验与处理16

III.实验三序列相关的检验与处理24

IV实验四多重共线性的检验与处理.23

V实验五虚拟变量模型.93

VI.实验六分布滞后模型45

VII.实验七联立方程模型51

VIII.实验八时间序列模型分析58

IX.实验九VAR模型的建立与分析77

AAO尸检番78

B.VAR模型的建立79

C.协整检验80

D.GRANGER因果检验81

E.脉冲响应分析81

实验内容

序号名称实验内容性质学时上机时间

多元线性回归模数据的输入、作图，多元第3周周

1线性回归的操作及结果必做2

型

分析三3、4节

异方差的检验与图形法检验、Gleiser法第4周周

2检验和处理异方差、加必做2

处理权最小二乘法（WLS）三3、4节

序列相关的检验图形法检验、DW检验第6周周

3和处理自相关模型的广必做2

与处理义差分变换三3、4节

多重共线性的检F值和t值检验、解释变第7周周

4量相关系数检验、逐步回必做2

验与处理归法三3、4节

5虚拟变量模型虚拟变量模型的估计选做

分布滞后模型的参数估

6分布滞后模型选做

计

最小二乘法、工具变量第11周周

7联立方程模型必做2

法、两阶段最小二乘法二9、10节

ADF检验；协整理论，双

时间序列模型分必做2第15周周

8变量的EG两步法和误差

析修正模型分析方法；格兰二9、10节

杰因果检验方法。

VAR模型的建立向量自回归(VAR)模型的

9选做

与分析建模思路

注：必做实验课堂时间完成，选做实验由学生课后选择时间完成。

每次实验后学生上交实验分析结果。

I.实验一多元线性回归模型

【实验目的】

通过本实验，了解Eviews软件，熟悉软件建立工作文件，文件窗口操作，

数据输入与处理等基本操作。掌握多元线性回归模型的估计方法，学会用Eiews

软件进行多元回归分析。通过本实验使得学生能够根据所学知识，对实际经济

问题进行分析，建立计量模型，利用Eiews软件进行数据分析，并能够对输出

结果进行解释说明。

【实验内容及步骤】

本实验选用美国金属行业主要的27家企业相关数据，如下表，其中被解释

变量丫表示产出，解释变量L表示劳动力投入，K表示资本投入。试建立三者

之间的回归关系。

观测值YLK观测值YLK

1657.31162279.99151917.555362109.34

2935.93214542.516984955

31110.65186721.51171088.27214884.24

41200.892451167.68188095.6310839119.7

51052.68211811.77193175.395215686.99

63406.026904558.02201653.383041701.06

72427.894523069.91215159.318355206.36

84257.467145585.01223378.42843288.72

91625.193201618.7523592.85150357.32

101272.052531562.08241601.982592031.93

111004.45236662.04252065.854972492.98

12598.87140875.37262293.872751711.74

13853.11541696.9827745.67134768.59

141165.632401078.79

【实验内容及步骤】

1.数据的输入

STEP1：双击桌面上Eviews快捷图标，打开Eviews,如图1.

图1

STEP2：点击Eviews主画面顶部按钮file/newAVorkfile,如图2,弹出workfile

create对话框如图3。在frequency中选择integerdata,在startdate和enddate中

分别输入1和27,点击OK,出现图如4画面，Workfile定义完毕。在新建的

workfile中已经存在两个objects,即c和residualoc是系数向量、residual是残

差序列，当估计完一个模型后，该模型的系数、残差就分别保存在c和residual

中。

lEViews

111

Pile[：ditObjectViewProcQuickOptionsWindowHelp

I~NIT>1Workfile...1

Open>Database...

SaveProgram

SaveAs...TextFile

Close

Import.

Export卜

Print

PrintSetup...

Run...

Exit

图2

forkfileCreate冈

WorkfilestructuretypeDatespecification

〔Dated二regularfrequ▼|FrequencyIntegerdati▼；

StartAnnual

Semi-annual

EndQuarterly

IrregularDatedand

Monthly

Panelworkfilesmaybe

Weekly

madefromUnstructured

Daily-5day琳

workfilesbylater

Daily-7dayw

specifyingdateand/orNames(op,

Integerdate

WF：

OK|CancelPage：「

图3

图4

STEP3：在workfile空白部分单击右键，选择Newobject,在Typeofobject

中选择Series,将该对象命名为丫，如图5.单击ok,得到图6。

图5

图6

STEP4：双击图6中的图标“y”，得到如下图7,是关于序列“y”的工作表。

点击表示命令栏中的“Edit+/-”即可进入数据输入状态，利用给定的数据逐步输入

27个数值。

EViewsr日回回

£ileEditQbjectView£rocQuackOjitxonsWindowHelp

图7

STEP5：重复上面的数据输入步骤，依次输入序列“L”和“K”.如下图8所示.

新EVievs

ExleEditQbj®ctJfi£rocQuickOptionsWindowH«lp

图8

2数据描述

(1).数据的查看方式。Eviews可以有多种不同数据的查看方式，在数据

输入时用的表格形式，即Spreadsheet。双击“y"，得到Spreadsheet形式，点击表

格命令栏中的view,选择Graph可以用图的形式显示数据。如选择Line,得到

图10的线性图。

图9

图10

(2).数据的统计性质。双击“y”，得到Spreadsheet形式，点击表格命令栏中

的“view”,选择"DescriptiveStatistics“、"HistogramandState”，如图11,得到图

12,其中给出了序歹U“y”的均值、方差等统计量以及用以判断该序列是否服从正

态分布的JB概率等。

制EVie.s匚叵〕区|

Eile£ditQbjectewRrocQuickOptionsWindowHelp

图11

需EVievs13回国

FileEditObject¥iewProcQuickOptionsWixidowHelp

Series:YVork£lie:实验一'多元回归分析\UrrtitledQ@®1

View|Proc|Object|Properties|Print|Name|Freeze|Sample|Genr15heet|5sts]IdenP|Line|Bar|

图12

3.多个序列的走势图。有些时候为了方便找出多个变量之间的关系，需要观

察多个变量的走势，Eviews处理这个问题的方法也很简单。在workfile中按住

control键依次选中“y”“l”“k”，单击右键，选择“open”“asgroup”如图13,得到图

14o此时3个序列被显示在一张表格中。单击图13中的“View”“Graph”“Line，^

到图15o

图13

EViews13回国

FileEditObjectViewProcQuickOptionsWindowHelp

View]Proc]Object|Print|Pave]Details+/-1Show|Fetch|Store

Range:127-27obsDisplayFilter:*I

Samnle:127—27obs

1.Group:UNTITLEDWorkfile:实验一多元回归分析\・・・二||亘|区|

IView|ProcObject|Print|Name|Freeze||Default▼]Sort|Transpose]Edit+/-|Smpl+川InsoJ

obsY|LKI

]657.3100162.0000279.9900_______T

935.9300214.0000542.5000

1110.650186.0000721.5100

1200.890245.00001167.680

1052.680211.0000811.7700

3406.020690.00004558.020

1I.

2427.890452.00003069.910

-u4257.460714.00005585.010

口1625.190320.00001618.750

101272.050253.00001562.080

I1004.450236.0000662.0400

598.8700140.0000875.3700___I_J

am-innnnnnn1GQGQQD

<—I

图14

日画区

£ile£ditQbject]£iew£rocQuickOjtiionsWindowHelp

ViewjProc|Object[Print|Save\Details-4-/-jShow]FetchjStorejDelete|Genr]Sarnple]

Range127-27obsDisplayFilter

Ucmcla，1*77—>57nhc

图15

4.生成新的序列。有时为了研究的需要要在原有序列的基础上进行处理生产

新的序列。比如我们需要对序列“y”“F“k”取对数的步骤如下：在命令栏中点击

“Genr”得到如图15的对话框，在空白部分输入“lny=log(y)”表示新建的序列Iny

是由原有序列y取对数得到的。点击“ok”后，Iny序列被保存。相同的方法可建

立新序列Ini与Ink,如图17。

:Vie，s□!，X

^orkfile:卖酷一多元回归分析(£:\日常工作...一口X

|Proc|Object|Print15ave][>etails+/-|Show|Fetch|Store|Delete|

Range:127-27obsDi^iyFilter:*

Sample：127--27obs

国c

0GenerateSeriesbyEquation

0k

1l

2£nt«r•quation

1

2r¥elny=log(y1)

Sample

127

OKCancelI

图16

Eile£ditQbjectViewProcQuickOptionsWindowHelp

■lorkfile:实验一多元回归分析-日常工作.一匚］回冈

ViewlProclObjectIPrint|SaveIDetails+/-1ShowIFetchIStoreIDeleteIGenrISampleI

Range:127-27obsDisplayFilter:

Sample:127-27obs

回

0

0

»Mk

1

M—

M

38lV

s

I

y

Uiititled么NewPage/

图17

4.多元回归分析。利用序列“1吨”“血”“1成”进行多元回归分析的方法有两种。按

住control键，依次选中三个序列，右键选择"open""asEquation”如图18得到图

19o或者在窗口上方的命令栏中点击选择“Quick”“EstimateEquation”如图19

得到图20。在图20中输入Iny、Inc、Ini、Ink,中间用空格键隔开，点击“确定”

得到最终的回归分析结果，如图21。

图18

EViews□0®

FileEditObjectViewProcQuickOptionsWindowHelp

Sample...

GenerateSeries...

析-(f:\日常工作...国同区I

EmptyGroupUditSeries)

SeriesStatistics

GroupStatistics

EstinateEquation..

EstimateVAR...

S

S

S

0resid

0y

八Untitled(NewPage/

图19

图20

图21

5.结果分析。从图20可以看出，回归方程为LNY=0.6078151931*LNL+

0.371887487*LNK+1.171524819,并且通过了F检验和t检验,并且可决系数

为0.9424,调整后的可决系数为0.9377,表明建立的回归方程的统计性质是是

比较好的。点击命令栏中的“Resids”得到图21,可以看出实际值和拟合值是非

常的接近的。

图22

从图22中可以看出残差在0的上下摆动，可以对其进行正态性检验。点击“resid”

序列，选择"View""DescriptiveStatistics","HistogramandState”得到图23,通过

正态性检验。

图23

作业：利用中国统计年鉴2011,建立我国税收收入、国内生产总值、财政支出、

商品零售价格指数的回归模型。

课堂练习

据相关数据以税收收入为被解释变量，国民生产总值和财政支出及商品零售

价格指数为解释变量建立我国税收收入的多元模型。

H.实验二异方差的检验与处理

【实验目的】

了解异方差的概念及产生的原因，学会异方差的检验方法（图示法、帕克检

验法、格里瑟检验法、GQ检验法等）和修正的方法-加权最小二乘法。

【实验内容及步骤】

丫消费性支出X可支配支出丫消费性支出X可支配支出

8493.4910349.697020.229279.16

6121.048140.550226489.97

4348.475661.163830.714766.26

3941.874724.114644.55524.54

3927.755129.055218.796218.73

4356.065357.798016.919761.57

4020.8748104276.675124.24

3824.444912.884126.474916.25

8868.1911718.014185.735169.96

5323.186800.234422.935644.86

⑴采用OLS估计结果如图1：

图1

⑵观察e2—X图。首先生成e?序列。点击“genr”输入“e2=resid*resid”得到残差

的平方e2。点击窗口上方的“Quick”“Graph”“Scatter'WI?|2,得到图3,在空白

部分输入“x,e2”，点击“ok”得到图4。从中不看出随着X的增大e?有变大的趋

势，可以初步判断存在递增型的异方差。

图2

区

FileEditObjtctWewProcQuickOfitHelp

SeriesList

ViewIProc|ObjectIPrintISave

Range:20012020-20

SaEmCple:20012020-20

0

0e2

0rxe

0y

JPath=c:\documentsandsettings\thinkpad\mydocDB=noneWF=实验二异方差

图3

图4

(3)G-Q检验首先对序列“x”进行排序，然后选择前8个样本进行最小二乘回归,

结果如下图5,选择后8个样本回归的结果如图6。

图5

图6

由图5和图6知道两组样本的残差平方和即SSR分别是126528.3、615472.0。

构造F统计量F=SS&/，二一?=4.86,又因为七05(6,6)=4.28,于是拒绝无异

SSR1/(8—1—1)

方差的假设，表明模型存在异方差。

(4)怀特检验。在对原模型进行OLS估计后的窗口中，选择“View”“ResidualTests”

“WhiteHetero…”，如图7,得到如图8的检验结果。

Fil«EditObjectViProcQuickOptionsYindowH«lp

Equation:UNTITLEDVorkfile:实药二舁方差…

蛹制Proc|Object|Print|Name|Frege|Estimate|Forecast15tats[Resids|

Representations

EstimationOutput

Actual,Fitted,Residual

□VorkfxlARMAStructure..

Vtew|Proc|Ob”gradientsandDerivatives

Range:12(CovarianceMatrix

Sample121IStdErrort-Statistic

CoefficientTests

囿

CResidualTestsCorrelogram-Q-st&tistics

Se2

“abilityTestsCorrelogramSquaredResidual:

R7Iresid

Hiztogran-Nomal:tyTost

Sei

SerialCorrelationLNTost.

AdjustedR-squared

&RCHLMTest..._____________

S.Eofregression216.891.

Sumsquaredresid84674三IWhiteHet«roskedasticity(no

Loglikelihood-134.91：Whi_tcHatcroxkodastic>ty(cr<

Durbin-Watsonstat1.301684-PToS^Tstatistic)

>\Uiititled/NewPage/

图7

图8

从图8中可以看出〃/?2统计量的伴随概率为0.001789,即在5%的显著性水平下,

原模型存在异方差。

(5)异方差的修正。首先用log(e2)关于x的OLS回归，如下图9

EView:00®

Qbjtci£i•*£rocQuickOptionsWindow

■IEquation:UHTITLEDforkfile:实验二异方差\一.0回区I

；"tPrint：NameFreezeEstimateForecastStatsResids

DependentVariable:LOG(E2)

Method:LeastSquares

Date:07Z20/12Time:23:10

口Sample:120

IViewIProcjObjectiPtIncludedobservations:20

Range120-VariableCoefficientStd.Errort-StatisticProb.

Sample:12。--

C

c6.8251331.12844560482660.0000

e2X0.0004600.0001652.7922580.0120

id

rxe

yR-squared0.302237Meandependentvar9.827192

AdjustedR-squared0.263472S.D.dependentvar1.786002

S.E.ofregression1.532769Akaikeinfocriterion3.786668

Sumsquaredresid42.28885Schwarzcriterion3.886242

Loglikelihood-35.86668F-statistic7.796706

Durbin-Watsonstat2.215944Prob(F-statistic)0.012035

Path=c:\documentsandsettings\thinkpad\mydocDB=noneWF=实验二异方差

图9

结果显示，变量的线性关系在5%的显著性水平下成立。可生成权序列

//exp(6.8251+0.00046x)°

具体的方法为点击“genr”在对话框中输入w=1/@sqrt(exp(6.8251+0.00046))如下

图10。点击“ok”即可生成序列””

w=l/8sqrt(exp(6.8251+0.00046))

View|Proc|Object|Print|Save|Detafc+/-

Range:120-20obs

Sample:120-20obs

C

e2

rexs

y

OK|Cancel|

Path=c:\documentsandsettings\thinkpad\nydocDB=noneWF=实脸二异方差

冬I10

下面用加权最小二乘法进行估计。首先选中序列“x”“y”，右键选择“open”“as

equation”，在出现的对话框中输入“ycx"，如图II。然后选择“option”,选中

“WeightedLS/TSLS"，输入“w”，如图12。点击“确定”，得到加权最小二乘的估

计表达式，如图13。

图11

EquationEstiaation

Iterationcontrol

Max[500-

Convergence|o.0001

View|Proc|Object|PrinU

「Displaysettings

Range:120-20

Samp@12。-2。

固C

0

1

2e2Derivatives

0rewsSelectmethodto

S&artingcoefficient“Accuracy

|0LS/TSLS「Speed

，Backc&stMAtermsr-Usenumericonlj

-藤

JPath=c:\documentsands«ttings\thinkptd\mydoc：DB=non*WF=实验二异方差

图12

Jr?EViews

FileEditObjectViewProcQuickOptionsWindowHelp

・Equation:UITITLEDlorkfile:实装二异方差Mintitled

View|Proc|Obj函Print|Name|Freeze]Estimate|Forecast|Stats|Resids|

LZUpGlUUIIlVC1W5D.I

Method:LeastSquares

Date:07/21/12Time:20:09

Sample:120

,orkflie:实蛉Includedobservations:20

View|Proc|object|Weightingseries:W

Range:120-20oVariableCoefficientStd.Errort-StatisticProb

Sample:120-20o

固C

0C359.3592197.85951.8162340.0860

He2X07399600.03572920.710490.0000

0reswiid

WeightedStatistics

R-squared0.964219Meandependentvar4649659

AdjustedR-squared0.962232S.D.dependentvar885.0580

S.E.ofregression172.0031Akaikeinfocriterion13.22754

Sumsquaredresid532531.4Schwarzcriterion13.32712

Loglikelihood-130.2754F-statistic428.9242

Durbin-Watsonstat1.555274Prob(F-statistic