预览加载中,请您耐心等待几秒...
1/9
2/9
3/9
4/9
5/9
6/9
7/9
8/9
9/9

在线预览结束,喜欢就下载吧,查找使用更方便

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

《计量经济学》实验报告 PAGE-9- 《计量经济学》课内实验报告 学生姓名:张学阳1009300132及学号:学院:理学院班级:数学101课程名称:计量经济学实验题目:经典模型的线性回归分析指导教师 姓名及职称:朱秀丽讲师朱振菊实验师 2013年05月08日 一、实验目的 1.掌握三种非经典线性回归模型的概念; 2.学会利用Eviews软件检验非经典线性回归模型的形式; 3.学会利用Eviews软件处理非经典线性回归模型。 二、实验内容 1.表1列出了1998年我国主要制造工业销售收入与销售利润的统计资料,请利用统计软件Eviews建立我国制造业利润函数模型,要求检验异方差性,并处理异方差性。 2.利用表2资料,试建立我国城乡居民储蓄存款模型,并检验模型的自相关性。 3.经分析,影响国内旅游市场收入的主要因素,除了国内旅游人数和旅游支出以外,还可能与相关基础设施有关。为此,考虑的影响因素主要有国内旅游人数,城镇居民人均旅游支出X3,农村居民人均旅游支出X4,并以公路里程X5和铁路里程作为相关基础设施的代表。为此设定了如下对数形式的计量经济模型: 其中:——第t年全国旅游收入 ——国内旅游人数(万人) ——城镇居民人均旅游支出(元) ——农村居民人均旅游支出(元) ——公路里程(万公里) ——铁路里程(万公里) 为估计模型参数,收集旅游事业发展最快的1994—2003年的统计数据。利用Eviews软件,对模型进行OLS回归,并且讨论多重共线性。 三、建立模型 注:此部分对实验问题的进行描述,建立经典线性模型,进行必要说明。 格式:小四,宋体(timesnewroman),段间距单倍,首行缩进2个字符 1.统计量 对给定的显著水平,查分布表得的临界值,若,表明样本数据异方差性显著,否则,认为不存在异方差性。 2.自相关系数 当样本容量很大时 四、实验方法及结果 1. 图4-1回归 图4-2怀特检验 从结果中可以看出,Obs*R-squared=6.270439,对于0.05的显著水平应该否定零假设,即随机项中存在异方差。 图4-3处理异方差 2.使用普通最小二乘法估计模型,得 图4-4模型估计 该回归方程的判定系数很高,回归系数很显著。对样本量n=21,一个解释变量的模型,在5%的显著水平下,查DW表可知,dL=1.22,du=1.42,得到DW<dL,说明模型中存在自相关。这一点也可以从残差图中看出,该模式的残差图和散点图分别如下: 图4-5残差图 图4-6散点图 在残差图中,残差随着时间的变化逐次有规律的变化,先为负再为正最后为负,说明残差项存在一阶的正相关,模型估计得到的t估计量和F估计量不可靠,需要统计补救措施。 图4-8模型估计 对原有模型进行广义差分变换得:Yt-0.9025Yt-1=B1(1-0.9025)+B2(Xt-0.9025Xt-1)+Vt 令Yt*=Yt-0.9025Yt-1Xt*=Xt-0.9025Xt-1 使用普通最小二乘法估计模型得回归方程为: Yt*=30.2955+0.0064Xt*Se=(3.4329)(0.0006) T=(8.8251)(10.4894)R^2=0.8594 F=110.0268DW=1.7856 图4-9 查表知道,对于样本容量为20的5%显著水平DW,Dl=1.20,Du=1.41。由于DW>Du,所以模型中已经没有序列相关。 3.利用Eviews软件,输入Y、X2、X3、X4、X5、X6等数据,采用这些数据对模型进行OLS回归,结果如图4-9: 图4-9回归 由此可见,该模型,可决系数很高,F检验值173.3525,明显显著。但是当时,不仅、系数的t检验不显著,而且系数的符号与预期的相反,这表明很可能存在严重的多重共线性。 计算各解释变量的相关系数,选择X2、X3、X4、X5、X6数据,点”view/correlations”得相关系数矩阵(如图4-10): 图4-10相关矩阵 由相关系数矩阵可以看出:各解释变量相互之间的相关系数较高,证实确实存在严重多重共线性。 消除多重共线性 采用逐步回归的办法,去检验和解决多重共线性问题。分别作Y对X2、X3、X4、X5、X6的一元回归,结果如表4.5所示: 表4.1 变量X2X3X4X5X6参数估计值0.08429.052311.667334.33242014.146t统计量8.665913.15985.19676.46758.74870.90370.95580.77150.83940.9054按的大小排序为:X3、X6、X2、X5、X4。 以X3为基础,顺次加入其他变量逐步回归。首先加入X6回归结果为: t=(2.9086)(0.46214) 当取时,,X6参数的t检