《计量经济学》课程实验报告1

专业   国际经济与贸易    班级   B谢谢谢谢     姓名 XXX              日期   2012.9.28       

一、    实验目的

1．            学会Eviews工作文件的建立、数据输入、数据的编辑和描述；

2．            掌握用Eviews软件求解简单线性回归模型的方法；

3．掌握用Eviews软件输出结果对模型进行统计检验；

4．掌握用Eviews软件进行经济预测。

二、    实验内容：根据1978年到20##年的中国居民的人均消费水平和人均GDP的数据，通过模型设定，估计参数，模型检测，回归预测等步骤，分析中国全体居民的消费水平和经济发展的数量关系，对于探寻居民消费增长的规律性。

三、    实验数据

四：   实验步骤：1：模型设定。由上表分析居民人均消费水平（y）和人均GDP（x）的关系，制作散点图。从中可以看出居民消费水平（y）和人均GDP（x）大体呈现为线性关系。2：估计参数：利用软件eviews作简单线性分析的步骤包括以下几方面内容。建立文件夹，首先双击eviews图标，进入主页。在其菜单栏中点击File|new|workfile，并选择数据频率为1978和2007.输入数据：在eviews命令框中直接输入“data x y”回车出现“Group”窗口数据编辑框，在对应的“y”，“x”下输入数据。估计参数。在eviews命令框中直接键入“LS Y C X”，按回车，即出现回归结果。

若要显示回归结果的图形，在“Equation”框中，点击“Resids”,即出现剩余项、实际值、拟合值的图形：

3：模型检测：包括经济意义检测和拟合有度、统计检验。由上述结果显示可绝系数为0.988884，说明所建模型整体上对样本数据拟合较好，即解释变量“人均GDP”对被解释变量“居民消费水平”的绝大部分差异作出了解释。由数据得出结论：人均GDP对居民消费水平由显著影响。4，回归预测。利用eviews作回归预测，首先在workfile窗口点击Range,出现change workf range 窗口，然后将数据2007改为2008，从而将样本区间改为1978~2008.得出Yf个别置信度95%的预测区间为（8200.26 ，9251.68）元。

五、  实验结论：人均GDP对居民消费水平的确有显著影（8200.66，9251.68）.                                        

   《计量经济学》课程实验报告2

专业      国际经济与贸易     班级    B100906     姓名李泽新    日期    2012.11.9      

一、    实验目的

3．            掌握用Eviews软件求解多元线性回归模型的方法；

2．掌握用Eviews软件输出结果检验是否存在多重共线性；

3．掌握用Eviews软件模型中的纠正多重共线性。

二、    实验内容

根据1994~20##年中国旅游收入及相关数据，进行模型设定及其估计，修正多重共线性。利用eviews软件来估计国内旅游收入Y与各种相关数据的关系。

三、实验数据  

四、实验步骤：1，模型设定及其估计。根据其数据的相关性设定如下的形式的计量经济模型：Yt=B1+B2X2t+B3X3t+B4X4t+B5X5t+B6X6t+u1.其中Y为全国旅游收入，x2为旅游人数，x3为城镇居民人均旅游支出，x4为农村居民人均旅游支出，x5为公路里程，x6为铁路里程。利用eviews软件对数据模型进行OLS回归，得出下表：

上述数据表明;很可能存在严重的多场共线性。而选择x2，x3，x4，x5，x6数据，点view|correlation，得出相关系数矩阵表明，个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。2，修正多重共线性。采用逐步回归的方法检验和解决多重共线性问题。结果如下：

其中，加入x2的方程最大，以x2为基础，顺次加入其他变量逐步回归。表略。在x2，x3基础上加入x4后的方程有所改善，且个参数的t检验显著。X6参数的t检验部显著，甚至x6的参数的符号也变的不合理。最后修正严重多重共线性影响后的回归结果为：Yt=-3136.713+0.0435X2t+3.6660X3t+2.1786X4t   t=(-10.5998)(16.0418)  (3.8314)   (1.9744).

五、实验结论：逐步回归的结果虽然实现了减轻多重共线性的目的，但反映基础设施类影响的因素x5，x6也一并从模型中剔除出去了，可能会带来设定偏误，这是在使用逐步回归是时需要注意的问题。

《计量经济学》课程实验报告3

专业  国际经济与贸易  班级    B100906   姓名   李泽新     日期   2012.11.14       

一、    实验目的

1．掌握用Eviews软件检验线性回归模型是否存在异方差的图形检验法、Goldfeld-Quanadt检验和White检验的方法；

2．掌握用Eviews软件消除模型中的异方差的方法；

二、    实验内容：根据四川省20##年各地区医疗机构数与人口数的数据，进行提出问题和模型的设定;参数估计;检验模型的异方差；异方差的修正等过程来说明卫生医疗机构数对人口数的回归结果。

三、    实验数据：

四、实验步骤：1，问题的提出和模型设定。通过分析比较医疗机构和人口数量的关系，建立医疗机构属于人口数量的回归模型。2，参数估计,。进入eviews软件包，确定样本范围，编辑输入数据，选择估计方程菜单，估计一下样本回归函数，

估计结果为：

                     （-.1.9306）（8.3398）

                      R²=0.7854  F=69.55   

括号内为t统计量值。

3，检验模型的异方差。

（1）图形法。先按路径Procs/Generate Series，进入Generate Series by Equation对话框，在其中输入“e2=(resid)^2”生成e2。选择X与e2，按路径View/Graph/Scatter,可得散点图

通过eviews软件操作，对变量取值排序以及构造样本区间，建立回归模型。在Sample菜单里，将区间定义为1~8，然后用OLS方法球的结果如下：

在Sample菜单里，将区间定义为14~21，再用OLS方法求的如下结果：

求F统计量值。根据Goldfeld—Quanadt检验，F统计量为5.0762，表明模型确实存在异方差。而采用White检验会出现以下结果：

由White检验知，模型确实存在异方差。4，异方差性的修正。运用加权最小二乘法（WLS）估计过程中，分别选用权数w1=1/x,w2=1/x^2,w3=1/sqr(x),权数生成如下表：

经估计检验发现权数w2效果最好。

(4.3796)       (3.5893)

                             ，DW=1.7060，F=12.8829                       括号中数据为t统计量值。

五、实验结论：由此次试验看出运用加权最小二乘法消除了异方差性后，参数的t检验均显著。F检验也显著，并说明人口数量每增加1万人，平均说来将增加2.953个机构，而不是引子中得出的5.3735各医疗机构。虽然这个模型还存在其他某些需要进一步解决的问题，但这以估计结果或许比引子中的结论更为接近真实情况。

 

第二篇：计量经济学实验报告模版

计量经济学实验报告

姓名：罗静      班级：B100906      学号：B10090605

          《计量经济学》课程实验报告1

专业国际贸易   班级  B100906     姓名  罗静     日期   2012.9.28

一、    实验目的

1．  学会Eviews工作文件的建立、数据输入、数据的编辑和描述；

2．  掌握用Eviews软件求解简单线性回归模型的方法；

3．掌握用Eviews软件输出结果对模型进行统计检验；

4．掌握用Eviews软件进行经济预测。

二、    实验内容

首先根据实际分析居民消费水平与经济增长的关系，并建立回归模型，然后以最小二乘法利用Eviews软件估计参数值，得到估计值后，再根据估计值来进行模型检验，包括经济意义检验、拟合优度和统计检验。最后便可进行回归预测。

三、    实验数据

  

教材p55页，表2.5。

四、    实验步骤

1.       分析居民人均消费水平Y和人均GDP的关系

2.       模型设定：Yt=β1+β2Xt+Ut

3.       用Eviews估计参数。步骤如下：

      1，建立工作文件：双击Eviews图标，进入Eviews主页。在菜单选项中依次点击New --- Workfile，出现“Workfile Range”。在“Workfile Frequency”中选择数据频率“Annual”，并在“start Date”菜单中输入“1978”，在“End”菜单中输入“2007”点击“OK”出现未命名文件的“Workfile UNTITLED”工作框。已有对象“c”为截距项，“resid”为剩余项。

      2，输入数据：在“Quick”菜单中点击“Empty Group”，出现数据编辑窗口。将第一列命名为“Y”：方法是按上行键“↑”，对应“obs”格自动上跳，，在对应的第二行有边框的“obs”空格中输入变量名为“Y”，再按下行键“↓”，变量名一下各格出现“NA”，依次输入Y的对应数据。按同样的方法，可对“X”等其他变量命名，并输入对应数据

      3，参数估计：在Eviews主页面直接点击“Quick”菜单，点击“Estimate Equation”，出现“Equation specification”对话框，选用OLS估计，然后在该对话框中输入“Y C X”，点击“OK”即出现以下结果

      

4.  模型检验：

     1，经济意义检验：所估计参数β1=224.3149，β2=0.38643，说明人均GDP每增加1元，平均来说可导致居民消费水平提高0.38643元。这与经济学中边际消费倾向的意义相符。

     2，拟合优度和统计检验：通过Eviews软件，估计出可决系数R^2=0.988884，说明所建模型整体上对样本数据拟合较好，即解释变量“人均GDP”对被解释变量“居民消费水平”的绝大部分差异作出了解释。

     对回归系数t的检验：针对H0：β₁=0和β=0，通过Eviews软件，估计的回归系数β₁的估计值的标准误差和t值分别为： 55.64114和4.031457；β2估计值的标准误差和t值分别为0.007743和49.90815.若取α=0.05，查t0.025（28）=2.048.因为β1和β2的估计值的t值都大于t0.025（28），所以拒绝H0，即表明，人均GDP对居民消费水平确有影响。

五、    实验结论

通过Eviews估计样本模型如下：

Ýt=224.3149+0.38643Xt

  （55.64114）（0.007743）

T=（4.031457）（49.90815）

R^2=0.98884 F=2490.823 n=30

1，实验从科学的角度解释了人均GDP与居民消费之间的关

2，建立正确的回归预测模型是很关键的一步

3，简单随机模型是在一下假定的：零均值假定、同方差假定、无自相关假定、随机扰动与解释变量不相关假定、正态假定

4，普通最小二乘法估计参数的基本思想是基于随机误差值最小的

《计量经济学》课程实验报告2

专业  国际贸易      班级 B100906     姓名罗静     日期    2012.11.9   

一、    实验目的

3．  掌握用Eviews软件求解多元线性回归模型的方法；

2．掌握用Eviews软件输出结果检验是否存在多重共线性；

3．掌握用Eviews软件模型中的纠正多重共线性。

二、          实验内容

首先分析解释变量和被解释变量之间的关系，然后建立相应的回归模型，利用Eviews软件最小二乘法进行参数估计，用经济意义检验，拟合优度检验和统计检验来判定是否存在多重共线性，若存在，用Eviews软件进行修正，最后的出修正的结果。

三、    实验数据

  

教材p119页，表4.3。

四、    实验步骤

1，  分析国内旅游收入、国内旅游人数、城镇居民人均旅游花费、农村居民人均旅游花费、公路里程、铁路里程之间的关系

2，  建立模型：Yt=β0+β1X1+β2X2+β3X3+β4X4+β5X5+β6X6+β7X7+Ut

3，  用Eviews估计参数。步骤如下（其他步骤参见实验一）：

首先建立数据文件Y和X2、X3、X4、X5、X6，其次输入各年对应数据，然后进行参数估计得到如下所示回归结果

4，模型检验：

1，  经济意义检验：所估计参数β6=-354.8261，说明公路里程每增加一个单位，国内旅游收入就减少-354.8261个单位，这与实际不相符合。

2，  拟合优度和t 统计检验：通过Eviews模型估计的可决系数R^2=0.997311，说明所建模型整体上对样本数据拟合较好，对国内旅游收入、国内旅游人数、城镇居民人均旅游花费、农村居民人均旅游花费、公路里程、铁路里程说明的大部分差异作出解释。

对回归系数t的检验：若取α=0.05，t0.025（8）=2.31，很显然x5、x6t检验部显著

     3，由1,2可以表明，很可能存在严重的多重共线性。

5，修正多重共线性：

     1，分别作y对先、x2、x3、x4、x5、x6的一元回归，结果如下

      

其中，加入x2的方程修正的R^2最大，x2为基础，顺次加入其他变量逐步回归，结果如下

经比较，新加入x3的方程拟合优度即修正的R^2=0.993519比较高，改进最大,而且各参数的t检验最显著，选择保留x3，再加入其他的新变量逐步回归，结果如下

当加入x4时，修正的R^2有所改进，保留x4，再加入其他变量逐步回归，结果如下

当加入x4时，修正的R^2有所增加，但其t检验不显著。加入x6后，修正R^2有所增加，但t检验部显著，且参数为负，与实际不相符合。从相关关系可知，x5、x6与其他变量高度相关，这说明主要是x5、x6引起了多重共线性，应当剔除。

五、    实验结论

最后修正多重共线性影响后的回归结果为

   Ýt=-3136.713+0.00458X2t+3.66603X3t+2.17858X4t

      （295.9214）（0.0027）（90.9568）（1.12342）

   T=(9-10.5998）(16.0418)(3.83139)(1.974398)

R^2=0.996054 修正的R^2=0.99487 F=841.4324 DW=1.17632

1，在生活中的很多模型是存在多重共线性，利用Eviews软件，然后进行各种检验可基本判别哪些解释变量存在多重共线性

2，多重共线性的修正步骤比较多，但思路是比较清晰的，尤其是逐步回归法

3，逐步回归的结果虽然减轻多重共线性的目的，但某些解释变量被剔除，可能会给模型带来设定偏误，这是需要我们注意的

《计量经济学》课程实验报告3

专业国际贸易     班级 B100906     姓名  罗静     日期   2012.11.14       

一、    实验目的

1．掌握用Eviews软件检验线性回归模型是否存在异方差的图形检验法、Goldfeld-Quanadt检验和White检验的方法；

2．掌握用Eviews软件消除模型中的异方差的方法；

二、    实验内容

根据实际分析医疗机构数和人口数的关系，建立回归模型，利用Eviews软件进行回归的参数预测，然后通过图形法、Goldfeld-Quanadt检验、White检验来判定模型是否存在异方差性，若存在，则进行模型修正。最后得出修正结果

三、    实验数据

  

教材p142-143页，表5.1。

四、    实验步骤

1， 分析医疗机构和人口数的关系

2， 模型建立：Yt=β1+β2X+Ut

3，  用Eviews估计参数。步骤如下（其他步骤参见实验一）：

首先建立数据文件Y和X1，其次输入各年对应数据，然后进行参数估计得到如下所示回归结果

4，模型的异方差检验：

1，图形法：1，生成残差平方序列ei^2，记为e2，路径：Object→Generate Series，进入Generate Series by Equation对话框，在对话框中输入“e2=（resid）^2”，则生成ei^2系列.

       2，绘制et^2对Xt的散点图。选择变量X与e2，进入数据列表，再按路径View→Graph→Scatter，可得散点图，如下

   3，判断，由图可知道，残差平方ei2对解释变量X的散点图主要分布在图形中的下三角部分，大致看出残差平方ei2随Xi的变动呈增大的趋势，因此模型很可能存在异方差。

2，Goldfeld-Quanadt检验：1，对变量取值排序。在Procs菜单中选Sort Series命令，选Ascending，表示递增型排序，输入X，点击Ok

             2，构造子样本区间，建立回归模型。样本容量n=21，删除中间的4分之1，余下1-8,和14-21，在sample菜单中将区间定义为1-8，然后用OLS方法估计，结果如下

      3，求F统计量。由以上Σe1i^2=144958.9，Σe2i^2=73588.4，那么

               F=Σe1i^2÷Σe2i^2=73588.4÷144958.9=5.0762

     4，判断，在α=0.05下，以上F统计量的自由度都为6，查F表可得F0.05（6,6）=4.28<F=5.0762，所以模型确实存在异方差。

3，White检验：对原始Y和X进行参数估计，然后按路径View→Residual→White heteroskedasticity，进入White检验，选择no cross terms，估计结果如下

由以上结果可得到，nR^2=18.07481,由White检验知，在α=0.05下，查2 0.05（2）=5.9915，同时X和X2的t检验值也显著。因为nR^2=18.07481>2 .05（2）=5.9915，所以，表明模型存在异方差。

5，异方差的修正

       运用加权最小二乘法，分别选择权数w1t=/Xt，w2t=1/Xt^2，w3t=1/√Xt。权数的生成过程如下，在Enter equation处，分别输入w1=1/X，w2=1/X^2，w3=1/sqr（X），各种估计如下

       

由以上可知，w2的效果最好，那么估计结果如下

           Ýi=368.6203+2.9528Xi

              （4.3796）（3.5893）

           R^2=0.9378 DW=1.7060 F=12.8829

五、    验结论

1，异方差在生活中很多见，利用Eviews估计检验异方差不能单靠图形法，还需要利用其他方法来进行确认是否存在异方差性，避免偶然错误，并且要注意他们的假设条件

2，在选择权数的时候一般选择1/X或者1/X^2，来尽量抵销异方差性

3，在选择使用Goldfeld-Quanadt检验时，选择排序类型对结果至关重要

4，修正异方差性的主要方法是加权最小二乘法，也可以用变量变换法和对数变换法