计量经济学实验报告一元线性回归模型实验

20##－2014第1学期

计量经济学实验报告

实验（一）：一元线性回归模型实验

学号姓名：专业：国际经济与贸易

选课班级：实验日期：20##年12月2日实验地点： K306

实验名称：一元线性回归模型实验

【教学目标】

《计量经济学》是实践性很强的学科，各种模型的估计通过借助计算机能很方便地实现，上机实习操作是《计量经济学》教学过程重要环节。目的是使学生们能够很好地将书本中的理论应用到实践中，提高学生动手能力，掌握专业计量经济学软件EViews的基本操作与应用。利用Eviews做一元线性回归模型参数的OLS估计、统计检验、点预测和区间预测。

【实验目的】

使学生掌握

1.Eviews基本操作：

（1）数据的输入、编辑与序列生成；

（2）散点图分析与描述统计分析；

（3）数据文件的存贮、调用与转换。

2. 利用Eviews做一元线性回归模型参数的OLS估计、统计检验、点预测和区间预测

【实验内容】

1.Eviews基本操作：

（1）数据的输入、编辑与序列生成；

（2）散点图分析与描述统计分析；

（3）数据文件的存贮、调用与转换；

2. 利用Eviews做一元线性回归模型参数的OLS估计、统计检验、点预测和区间预测。

实验内容以下面1、2题为例进行操作。

1、为了研究深圳地方预算中财政收入与国内生产总值关系，运用以下数据：

资料来源:《深圳统计年鉴2002》，中国统计出版社

(1)建立深圳的预算内财政收入对GDP的回归；

(2)估计模型的参数，解释斜率系数的意义；

(3)对回归结果进行检验；

(4)若 20##年的国内生产总值为3600亿元，试确定20##年财政收入的预测值和预

测区间()。

2、在《华尔街日报1999年年鉴》（The Wall Street Journal Almanac 1999）上，公布有美国各航空公司业绩的统计数据。航班正点准时到达的正点率和此公司每10万名乘客中投诉的次数的数据如下表[1]。

(1)做出上表数据的散点图

(2)依据散点图，说明二变量之间存在什么关系？

(3)描述投诉率是如何根据航班正点率变化，并求回归方程。

(4)对回归方程的斜率作解释。

(5)假设航班正点率为80%，预测每10万名乘客投诉次数为多少？

【实验步骤】

(1)创建工作文件

在主菜单上依次单击File→New→Workfile，选择数据类型和起止日期。时间序列提供起止日期（年、季度、月度、周、日），非时间序列提供最大观察个数。本题中在Start Data里输入1990，在End data 里输入2001。单击OK后屏幕出现Workfile工作框，如图所示。

(2)输入和编辑数据

在命令窗口直接输入：Data Y GDP .屏幕出现数据编辑框，如下图所示。

(3)估计参数

利用地方预算内财政收入和国内生产总值的数据表，作散点图。

可看出深圳地方预算内财政收入和国内生产总值的关系近似直线关系可建立线性回归模型。

在主菜单命令行键入：“LS Y C ＧＤＰ”，然后回车。即可直接出现如下图所示的计算结果。

参数估计所建立的回归方程为： =-3.611151 + 0.134582*GDP

（4.161790） (0.003867)

t=（-0.867692) (34.80013)

R=0.991810

(4)模型检验

1、经济意义检验

这里所估计的参数β=0.134582表示国内生产总值每增加1亿元，将会导致地方预算内财政收入增加0.134582亿元。这符合经济学中的常理。

2、拟合度和统计检验

由回归结果可知，本题中德可决定系数R＝0.991810，说明模型在整体上对数据拟合很好。解释变量“国内生产总值”对被解释变量“地方预算内财政收入”的99.18%的变化做出了解释。

针对H：β=0以及H：β≠0，由图-回归方程窗口可以看出，回归系数β的标准误差和t值分别为0.003867和34.80013；回归系数β的标准误差和t值分别为4.161790和-0.867692。在给定显著水平α=0.05时，t（10）=2.228，> t（n-2）,这说明解释变量国内生产总值在95%的置信度下对地方预算内财政收入的影响是显著的，即通过了变量的显著性检验。同理，> t（n-2），说明截距项在95%的置信度下对地方预算内财政收入的影响是显著的。

(5)预测

得到回归函数后，给定20##年深圳国内生产总值为3600亿元，Eviews预测20##年地方预算内财政收入步骤为：

1双击工作文件“range：1990 2001”。在弹出的对话框的“End”选择框中改为“2002”，点击“OK”，如下图所示。

2双击工作文件“sample：1990 2001”区域。在弹出的对话框的“Sample range pairs”选择框处把“2001”改为“2002”，如下图所示。

3打开估计式eq01窗口，点击“forecast”键。在S.选择框处填入“yfse”，表示需

要计算y的预测值（用yf表示），也需要计算y的预测标准差。点击“OK”，可得到如下图所示的预测图，实线代表各年的深圳地方预算内财政收入，其中包括20##年深圳地方预算内财政收入，虚线代表两个正负预测标准差的范围。

回到工作文件窗口，此时已经出现一个yf序列。双击yf序列，可以看到y=480.8830。

4为了作区间预测，在y和gdp的数据表中，点击“View”选“Descriptive Stats \ Cmmon Sample”,则得到y和gdp的描述统计结果，如下图所示。

通过上图所列出的各项统计数据（下面用X表示ＧＤＰ），可得：

（X-）=(3600-917.5874)=7195337.357

给定显著性水平0.05，查表得t（10）=2.228，

Y平均值置信度95%的预测区间为：

GDP=3600时，480.88302.228*7.5325*

=480.883025.2735(亿元)

Y个别值置信度95%的预测区间为：

即 480.88302.228*7.5325*

=480.883030.3381

美国各航空公司航班正点到达比率和每10万名乘客投诉次数的散点图为

由图形看出航班正点到达比率和每10万名乘客投诉次数呈现负相关关系,计算线性相关系数为-0.882607。

建立描述投诉率（Y）依赖航班按时到达正点率（X）的回归方程：

利用EViews估计其参数结果为

即

（1.017832）（-0.014176）

t=(5.718961) (-4.967254)

R²=0.778996 F=24.67361

这说明当航班正点到达比率每提高1个百分点, 平均说来每10万名乘客投诉次数将下降0.07次。

如果航班按时到达的正点率为80%，估计每10万名乘客投诉的次数为

（次）

第二篇：计量经济学第二章经典单方程计量经济学模型：一元线性回归模型

第二章 经典单方程计量经济学模型：一元线性回归模型

一、内容提要

本章介绍了回归分析的基本思想与基本方法。首先，本章从总体回归模型与总体回归函数、样本回归模型与样本回归函数这两组概念开始，建立了回归分析的基本思想。总体回归函数是对总体变量间关系的定量表述，由总体回归模型在若干基本假设下得到，但它只是建立在理论之上，在现实中只能先从总体中抽取一个样本，获得样本回归函数，并用它对总体回归函数做出统计推断。

本章的一个重点是如何获取线性的样本回归函数，主要涉及到普通最小二乘法（OLS）的学习与掌握。同时，也介绍了极大似然估计法（ML）以及矩估计法（MM）。

本章的另一个重点是对样本回归函数能否代表总体回归函数进行统计推断，即进行所谓的统计检验。统计检验包括两个方面，一是先检验样本回归函数与样本点的“拟合优度”，第二是检验样本回归函数与总体回归函数的“接近”程度。后者又包括两个层次：第一，检验解释变量对被解释变量是否存在着显著的线性影响关系，通过变量的t检验完成；第二，检验回归函数与总体回归函数的“接近”程度，通过参数估计值的“区间检验”完成。

本章还有三方面的内容不容忽视。其一，若干基本假设。样本回归函数参数的估计以及对参数估计量的统计性质的分析以及所进行的统计推断都是建立在这些基本假设之上的。其二，参数估计量统计性质的分析，包括小样本性质与大样本性质，尤其是无偏性、有效性与一致性构成了对样本估计量优劣的最主要的衡量准则。Goss-markov定理表明OLS估计量是最佳线性无偏估计量。其三，运用样本回归函数进行预测，包括被解释变量条件均值与个值的预测，以及预测置信区间的计算及其变化特征。

二、典型例题分析

例1、令kids表示一名妇女生育孩子的数目，educ表示该妇女接受过教育的年数。生育率对教育年数的简单回归模型为

（1）随机扰动项包含什么样的因素？它们可能与教育水平相关吗？

（2）上述简单回归分析能够揭示教育对生育率在其他条件不变下的影响吗？请解释。

解答：

（1）收入、年龄、家庭状况、政府的相关政策等也是影响生育率的重要的因素，在上述简单回归模型中，它们被包含在了随机扰动项之中。有些因素可能与增长率水平相关，如收入水平与教育水平往往呈正相关、年龄大小与教育水平呈负相关等。

（2）当归结在随机扰动项中的重要影响因素与模型中的教育水平educ相关时，上述回归模型不能够揭示教育对生育率在其他条件不变下的影响，因为这时出现解释变量与随机扰动项相关的情形，基本假设4不满足。

例2．已知回归模型，式中E为某类公司一名新员工的起始薪金（元），N为所受教育水平（年）。随机扰动项的分布未知，其他所有假设都满足。

（1）从直观及经济角度解释和。

（2）OLS估计量和满足线性性、无偏性及有效性吗？简单陈述理由。

（3）对参数的假设检验还能进行吗？简单陈述理由。

解答：

（1）为接受过N年教育的员工的总体平均起始薪金。当N为零时，平均薪金为，因此表示没有接受过教育员工的平均起始薪金。是每单位N变化所引起的E的变化，即表示每多接受一年学校教育所对应的薪金增加值。

（2）OLS估计量和仍满足线性性、无偏性及有效性，因为这些性质的的成立无需随机扰动项的正态分布假设。

（3）如果的分布未知，则所有的假设检验都是无效的。因为t检验与F检验是建立在的正态分布假设之上的。

例3、在例2中，如果被解释变量新员工起始薪金的计量单位由元改为100元，估计的截距项与斜率项有无变化？如果解释变量所受教育水平的度量单位由年改为月，估计的截距项与斜率项有无变化？

解答：

首先考察被解释变量度量单位变化的情形。以E*表示以百元为度量单位的薪金，则

由此有如下新模型

或

这里，。所以新的回归系数将为原始模型回归系数的1/100。

再考虑解释变量度量单位变化的情形。设N*为用月份表示的新员工受教育的时间长度，则N*=12N，于是

或

可见，估计的截距项不变，而斜率项将为原回归系数的1/12。

例4、对没有截距项的一元回归模型

称之为过原点回归（regrission through the origin）。试证明

（1）如果通过相应的样本回归模型可得到通常的的正规方程组

则可以得到的两个不同的估计值：，。

（2）在基本假设下，与均为无偏估计量。

（3）拟合线通常不会经过均值点，但拟合线则相反。

（4）只有是的OLS估计量。

解答：

（1）由第一个正规方程得

或

求解得

由第2个下规方程得

求解得

（2）对于，求期望

这里用到了的非随机性。

对于，求期望

（3）要想拟合值通过点，必须等于。但，通常不等于。这就意味着点不太可能位于直线上。

相反地，由于，所以直线经过点。

（4）OLS方法要求残差平方和最小

Min

关于求偏导得

即

可见是OLS估计量。

例5．假设模型为。给定个观察值，，…，，按如下步骤建立的一个估计量：在散点图上把第1个点和第2个点连接起来并计算该直线的斜率；同理继续，最终将第1个点和最后一个点连接起来并计算该条线的斜率；最后对这些斜率取平均值，称之为，即的估计值。

（1）画出散点图，给出的几何表示并推出代数表达式。

（2）计算的期望值并对所做假设进行陈述。这个估计值是有偏的还是无偏的？解释理由。

（3）证明为什么该估计值不如我们以前用OLS方法所获得的估计值，并做具体解释。

解答：

（1）散点图如下图所示。

（X₂,Y₂）

（X_n,Y_n）

（X₁,Y₁）

首先计算每条直线的斜率并求平均斜率。连接和的直线斜率为。由于共有－1条这样的直线，因此

（2）因为X非随机且，因此

这意味着求和中的每一项都有期望值，所以平均值也会有同样的期望值，则表明是无偏的。

（3）根据高斯－马尔可夫定理，只有的OLS估计量是最付佳线性无偏估计量，因此，这里得到的的有效性不如的OLS估计量，所以较差。

例6．对于人均存款与人均收入之间的关系式使用美国36年的年度数据得如下估计模型，括号内为标准差：

＝0.538　　

（1）的经济解释是什么？

（2）和的符号是什么？为什么？实际的符号与你的直觉一致吗？如果有冲突的话，你可以给出可能的原因吗？

（3）对于拟合优度你有什么看法吗？

（4）检验是否每一个回归系数都与零显著不同（在1%水平下）。同时对零假设和备择假设、检验统计值、其分布和自由度以及拒绝零假设的标准进行陈述。你的结论是什么？

解答：

（1）为收入的边际储蓄倾向，表示人均收入每增加1美元时人均储蓄的预期平均变化量。

（2）由于收入为零时，家庭仍会有支出，可预期零收入时的平均储蓄为负，因此符号应为负。储蓄是收入的一部分，且会随着收入的增加而增加，因此预期的符号为正。实际的回归式中，的符号为正，与预期的一致。但截距项为负，与预期不符。这可能与由于模型的错误设定形造成的。如家庭的人口数可能影响家庭的储蓄形为，省略该变量将对截距项的估计产生影响；另一种可能就是线性设定可能不正确。

（3）拟合优度刻画解释变量对被解释变量变化的解释能力。模型中53.8%的拟合优度，表明收入的变化可以解释储蓄中53.8 %的变动。

（4）检验单个参数采用t检验，零假设为参数为零，备择假设为参数不为零。双变量情形下在零假设下t 分布的自由度为n-2=36-2=34。由t分布表知，双侧1%下的临界值位于2.750与2.704之间。斜率项计算的t值为0.067/0.011=6.09，截距项计算的t值为384.105/151.105=2.54。可见斜率项计算的t 值大于临界值，截距项小于临界值，因此拒绝斜率项为零的假设，但不拒绝截距项为零的假设。

三、习题

（一）基本知识类题型

2-1．解释下列概念：

1) 总体回归函数

2) 样本回归函数

3) 随机的总体回归函数

4) 线性回归模型

5) 随机误差项（u_i）和残差项（e_i）

6) 条件期望

7) 非条件期望

8) 回归系数或回归参数

9) 回归系数的估计量

10) 最小平方法

11) 最大似然法

12) 估计量的标准差

13) 总离差平方和

14) 回归平方和

15) 残差平方和

16) 协方差

17) 拟合优度检验

18) t检验

19) F检验

2-2．判断正误并说明理由：

1) 随机误差项u_i和残差项e_i是一回事

2) 总体回归函数给出了对应于每一个自变量的因变量的值

3) 线性回归模型意味着变量是线性的

4) 在线性回归模型中，解释变量是原因，被解释变量是结果

5) 随机变量的条件均值与非条件均值是一回事

2-3．回答下列问题：

1) 线性回归模型有哪些基本假设？违背基本假设的计量经济学模型是否就不可估计？

2) 总体方差与参数估计误差的区别与联系。

3) 随机误差项u_i和残差项e_i的区别与联系。

4) 根据最小二乘原理，所估计的模型已经使得拟合误差达到最小，为什么还要讨论模型的拟合优度问题？

5) 为什么用决定系数R²评价拟合优度，而不用残差平方和作为评价标准？

6) R2检验与F检验的区别与联系。

7) 回归分析与相关分析的区别与联系。

8) 最小二乘法和最大似然法的基本原理各是什么？说明它们有何区别？

9) 为什么要进行解释变量的显著性检验？

10) 是否任何两个变量之间的关系，都可以用两变量线性回归模型进行分析？

2-2．下列方程哪些是正确的？哪些是错误的？为什么？

⑴

⑵

⑶

⑷

⑸

⑹

⑺

⑻

其中带“＾”者表示“估计值”。

2-3．下表列出若干对自变量与因变量。对每一对变量，你认为它们之间的关系如何？是正的、负的、还是无法确定？并说明理由。

（二）基本证明与问答类题型

2-4．对于一元线性回归模型，试证明：

（1）

（2）

（3）

2-5．参数估计量的无偏性和有效性的含义是什么？从参数估计量的无偏性和有效性证明过程说明，为什么说满足基本假设的计量经济学模型的普通最小二乘参数估计量才具有无偏性和有效性？

2-6．对于过原点回归模型，试证明

2-7．试证明：

（1），从而：

（2）

（3）；即残差与的估计值之积的和为零。

2-8．为什么在一元线性方程中，最小二乘估计量与极大似然估计量的表达式是一致的？证明：σ²的ML估计量为，并且是有偏的。

2-9．熟悉t统计量的计算方法和查表判断。

2-10．证明：；其中R²是一元线性回归模型的判定系数，是y与x的相关系数。

2-11．试根据置信区间的概念解释t检验的概率意义，即证明：对于显著性水平α，当时，b_i的100（1-α）%的置信区间不包含0。

2-12．线性回归模型

的0均值假设是否可以表示为？为什么？

2-13．现代投资分析的特征线涉及如下回归方程：；其中：r表示股票或债券的收益率；r_m表示有价证券的收益率（用市场指数表示，如标准普尔500指数）；t表示时间。在投资分析中，β₁被称为债券的安全系数β，是用来度量市场的风险程度的，即市场的发展对公司的财产有何影响。依据1956~1976年间240个月的数据，Fogler和Ganpathy得到IBM股票的回归方程；市场指数是在芝加哥大学建立的市场有价证券指数：

(0.3001) (0.0728)

要求：（1）解释回归参数的意义；（2）如何解释r²？（3）安全系数β>1的证券称为不稳定证券，建立适当的零假设及备选假设，并用t检验进行检验（α=5%）。

2-14．已知模型，证明：估计量α可以表示为：这里

2-15．已知两个量X和Y的一组观察值（x_i，y_i），i=1，2，…，n。

证明：Y的真实值和拟合值有共同的均值。

2-16．一个消费分析者论证了消费函数是无用的，因为散点图上的点（，）不在直线上。他还注意到，有时Y_i上升但C_i下降。因此他下结论：C_i不是Y_i的函数。请你评价他的论据（这里C_i是消费，Y_i是收入）。

2-17．证明：仅当R²=1时，y对x的线性回归的斜率估计量等于x对y的线性回归的斜率估计量的倒数。

2-18．证明：相关系数的另一个表达式是：其中为一元线性回归模型一次项系数的估计值，S_x、S_y分别为样本标准差。

2-19．对于经济计量模型：，其OLS估计参数的特性在下列情况下会受到什么影响：（1）观测值数目n增加；（2）Xi各观测值差额增加；（3）Xi各观测值近似相等；（4）E（u²）=0 。

2-20．假定有如下的回归结果：，其中，Y表示美国的咖啡的消费量（每天每人消费的杯数），X表示咖啡的零售价格（美元/杯），t表示时间。

要求：

（1）这是一个时间序列回归还是横截面序列回归？做出回归线；

（2）如何解释截距的意义，它有经济含义吗？如何解释斜率？

（3）能否求出真实的总体回归函数？

（4）根据需求的价格弹性定义：弹性=斜率×（X/Y），依据上述回归结果，你能求出对咖啡需求的价格弹性吗？如果不能，计算此弹性还需要其他什么信息？

（三）基本计算类题型

2-21．下面数据是对X和Y的观察值得到的。

∑Y_i=1110； ∑X_i=1680； ∑X_iY_i=204200

∑X_i²=315400； ∑Y_i²=133300

假定满足所有的古典线性回归模型的假设，要求：（1）b₁和b₂？（2）b₁和b₂的标准差？（3）r²？（4）对B₁、B₂分别建立95%的置信区间？利用置信区间法，你可以接受零假设：B₂=0吗？

2-22．假设王先生估计消费函数（用模型表示），并获得下列结果：

，n=19

（3.1） (18.7) R²=0.98 这里括号里的数字表示相应参数的T比率值。

要求：（1）利用T比率值检验假设：b=0（取显著水平为5%）；（2）确定参数估计量的标准方差；（3）构造b的95%的置信区间，这个区间包括0吗？

2-23．下表给出了每周家庭的消费支出Y（美元）与每周的家庭的收入X（美元）的数据。

要求：

（1）对每一收入水平，计算平均的消费支出，E（Y︱X_i），即条件期望值；

（2）以收入为横轴、消费支出为纵轴作散点图；

（3）在散点图中，做出（1）中的条件均值点；

（4）你认为X与Y之间、X与Y的均值之间的关系如何？

（5）写出其总体回归函数及样本回归函数；总体回归函数是线性的还是非线性的？

2-24．根据上题中给出的数据，对每一个X值，随机抽取一个Y值，结果如下：

要求：

（1）以Y为纵轴、X为横轴作图，并说明Y与X之间是怎样的关系？

（2）求样本回归函数，并按要求写出计算步骤；

（3）在同一个图中，做出样本回归函数及从上题中得到的总体回归函数；比较二者相同吗？为什么？

2-25．下表给出了1990~1996年间的CPI指数与S&P500指数。

资料来源：总统经济报告，1997，CPI指数见表B-60，第380页；S&P指数见表B-93，第406页。

要求：（1）以CPI指数为横轴、S&P指数为纵轴做图；

（2）你认为CPI指数与S&P指数之间关系如何？

（3）考虑下面的回归模型：，根据表中的数据运用OLS估计上述方程，并解释你的结果；你的结果有经济意义吗？

2-26．下表给出了美国30所知名学校的MBA学生1994年基本年薪（ASP）、GPA分数（从1~4共四个等级）、GMAT分数以及每年学费的数据。

要求：（1）用双变量回归模型分析GPA是否对ASP有影响？

（2）用合适的回归模型分析GMAT分数是否与ASP有关？

（3）每年的学费与ASP有关吗？你是如何知道的？如果两变量之间正相关，是否意味着进到最高费用的商业学校是有利的；

（4）你同意高学费的商业学校意味着高质量的MBA成绩吗？为什么？

2-27．从某工业部门抽取10个生产单位进行调查，得到下表所列的数据：

要求：假定年产量与工作人员数之间存在线性关系，试用经典回归估计该工业部门的生产函数及边际劳动生产率。

2-28．下表给出了1988年9个工业国的名义利率（Y）与通货膨胀率（X）的数据：

资料来源：原始数据来自国际货币基金组织出版的《国际金融统计》

要求：

（1）以利率为纵轴、通货膨胀率为横轴做图；

（2）用OSL进行回归分析，写出求解步骤；

（3）如果实际利率不变，则名义利率与通货膨胀率的关系如何？

（四）自我综合练习类题型

2-29．综合练习：自己选择研究对象，收集样本数据（利用我国公开发表的统计资料），应用计量经济学软件（建议使用Eviews3.1）完成建立计量经济学模型的全过程，并写出详细的研究报告。（通过练习，能够熟练应用计量经济学软件Eviews3.1中的最小二乘法）

四、习题参考答案

2-1．答：

⑴总体回归函数是指在给定下的的分布的总体均值与有函数关系。

⑵样本回归函数指对应于某个给定的的值的一个样本而建立的回归函数。

⑶ 随机的总体回归函数指含有随机误差项的总体回归函数，形如：

⑷线性回归模型指对参数为线性的回归，即只以它的1次方出现，对可以是或不是线性的。

⑸随机误差项也称误差项，是一个随机变量，针对总体回归函数而言。

⑹残差项是一随机变量，针对样本回归函数而言。

⑺条件期望又称条件均值，指取特定值时的的期望值。

⑼回归系数（或回归参数）指、等未知但却是固定的参数。

⑽回归系数的估计量指用、等表示的用已知样本所提供的信息去估计出来的量。

⒀估计量的标准差指度量一个变量变化大小的标准。

⒁总离差平方和用TSS表示，用以度量被解释变量的总变动。

⒂回归平方和用ESS表示，用以度量由解释变量变化引起的被解释变量的变化。

⒃残差平方和用RSS表示，用以度量实际值与拟合值之间的差异，是由除解释变量以外的其他因素引起的。

⒄协方差用Cov（X，Y）表示，是用来度量X、Y二个变量同时变化的统计量。

2-2．答：错；错；错；错；错。（理由见本章其他习题答案）

2-3．答：

⑴线性回归模型的基本假设（实际是针对普通最小二乘法的基本假设）是：解释变量是确定性变量，而且解释变量之间互不相关；随机误差项具有0均值和同方差；随机误差项在不同样本点之间是独立的，不存在序列相关；随机误差项与解释变量之间不相关；随机误差项服从0均值、同方差的正态分布。违背基本假设的计量经济学模型还是可以估计的，只是不能使用普通最小二乘法进行估计。

⑸判定系数，含义为由解释变量引起的被解释变量的变化占被解释变量总变化的比重，用来判定回归直线拟合的优劣。该值越大说明拟合得越好。