计量经济学作业.docx
- 文档编号:11089196
- 上传时间:2023-05-29
- 格式:DOCX
- 页数:17
- 大小:244.94KB
计量经济学作业.docx
《计量经济学作业.docx》由会员分享,可在线阅读,更多相关《计量经济学作业.docx(17页珍藏版)》请在冰点文库上搜索。
计量经济学作业
江西农业大学经济管理学院
学生实验报告
课程名称:
计量经济学
专业班级:
金融1502
姓名:
连起平
学号:
20153047
指导教师:
徐冬梅
职 称:
讲师
实验日期:
2017.06.09
学生实验报告
学生姓名
连起平
学号
20153047
组员:
无
实验项目
EVIEWS的使用
√必修□选修
√演示性实验√验证性实验□操作性实验□综合性实验
实验地点
管理模拟实验室
实验仪器台号
计算机
指导教师
徐冬梅
实验日期及节次
2017.06.09
一、实验目的及要求
1、目的
会使用EVIEWS对计量经济模型进行分析
2、内容及要求
(1)对经典线形回归模型进行参数估计、参数的检验与区间估计,对模型总体进行显著性检验;
(2)异方差的检验及其处理;
(3)自相关的检验及其处理;
(4)多重共线性检验及其处理;
二、仪器用具
仪器名称
规格/型号
数量
备注
计算机
1
无网络环境
Eviews
1
三、实验方法与步骤
(一)数据的输入、描述及其图形处理;
(二)方程的估计;
(三)参数的检验、违背经典假定的检验;
(四)模型的处理与预测
四、实验结果与数据处理
为了全面反映影响我国钢铁供应量的主要因素,选取了我国1990-2010年我国钢材供应量的具体数据。
DependentVariable:
Y
Method:
LeastSquares
Date:
06/09/17Time:
15:
17
Sample:
19902010
Includedobservations:
21
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-452.8154
801.0981
-0.565243
0.5815
X1
0.062684
0.014012
4.473631
0.0006
X2
0.104551
0.359731
0.290635
0.7759
X3
0.976119
0.350913
2.781658
0.0156
X4
73.91190
29.37302
2.516319
0.0258
X5
5.991195
1.657092
3.615487
0.0031
X6
-0.560294
0.200419
-2.795617
0.0152
X7
-0.136624
0.130769
-1.044776
0.3152
R-squared
0.999713
Meandependentvar
25747.28
AdjustedR-squared
0.999558
S.D.dependentvar
23439.99
S.E.ofregression
492.7001
Akaikeinfocriterion
15.52001
Sumsquaredresid
3155794.
Schwarzcriterion
15.91792
Loglikelihood
-154.9601
F-statistic
6464.825
Durbin-Watsonstat
2.119103
Prob(F-statistic)
0.000000
计算各个解释变量之间的相关系数
x1
x2
x3
x4
x5
x6
x7
x1
1
0.985582
0.986416
0.921206
0.971793
0.993415
0.977554
x2
0.985582
1
0.999358
0.955089
0.961173
0.994638
0.99246
x3
0.986416
0.999358
1
0.957215
0.965818
0.994735
0.989021
x4
0.921206
0.955089
0.957215
1
0.882979
0.950293
0.945986
x5
0.971793
0.961173
0.965818
0.882979
1
0.958868
0.944466
x6
0.993415
0.994638
0.994735
0.950293
0.958868
1
0.988418
x7
0.977554
0.99246
0.989021
0.945986
0.944466
0.988418
1
从以上数据可以看出模型存在多重共线性
参数估计值
x1
x2
x3
x4
x5
x6
x7
系数估计值
0.2089
1.3365
1.266
1091.653
48.557
2.1094
2.2985
t统计量
31.282
55.5791
79.5745
13.226
19.6543
38.1182
24.5567
R2
0.981
0.9939
0.997
0.902
0.9531
0.987
0.9695
修正的R2
0.98
0.9936
0.9969
0.8969
0.9507
0.9864
0.9678
F统计量
978.58
3089.04
6332.093
174.926
386.292
1452.995
603.031
从以上数据可以看出Y对x3拟合的效果最佳。
现在按照各个解释变量一元回归模型的拟合优度大小进行排序:
x3、x2、x6、x1、x7、x5、x4,以Y对x3的一元回归模型为最优基本模型,将其他解释变量引入,寻找最优回归模型。
1、加入x2,以x3、x2为解释变量,重新估计方程得到回归结果
DependentVariable:
Y
Method:
LeastSquares
Date:
06/09/17Time:
15:
39
Sample:
19902010
Includedobservations:
21
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-3060.436
514.4597
-5.948835
0.0000
X3
2.176269
0.402358
5.408783
0.0000
X2
-0.963160
0.425444
-2.263895
0.0362
R-squared
0.997671
Meandependentvar
25747.28
AdjustedR-squared
0.997413
S.D.dependentvar
23439.99
S.E.ofregression
1192.290
Akaikeinfocriterion
17.13670
Sumsquaredresid
25588018
Schwarzcriterion
17.28592
Loglikelihood
-176.9354
F-statistic
3856.011
Durbin-Watsonstat
0.694925
Prob(F-statistic)
0.000000
可以发现x2的系数估计值为负,参数经济意义不合理,予以剔除
2、加入x6,以x3、x6为解释变量,重新估计方程得到回归结果
DependentVariable:
Y
Method:
LeastSquares
Date:
06/09/17Time:
15:
42
Sample:
19902010
Includedobservations:
21
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-3962.184
1250.352
-3.168853
0.0053
X3
1.232413
0.159295
7.736693
0.0000
X6
0.056471
0.266759
0.211693
0.8347
R-squared
0.997016
Meandependentvar
25747.28
AdjustedR-squared
0.996684
S.D.dependentvar
23439.99
S.E.ofregression
1349.736
Akaikeinfocriterion
17.38477
Sumsquaredresid
32792168
Schwarzcriterion
17.53399
Loglikelihood
-179.5401
F-statistic
3006.902
Durbin-Watsonstat
0.697766
Prob(F-statistic)
0.000000
可以发现x6的系数估计值不显著,予以剔除。
3、加入x1,以x3、x1为解释变量,重新估计方程得到回归结果
DependentVariable:
Y
Method:
LeastSquares
Date:
06/09/17Time:
15:
44
Sample:
19902010
Includedobservations:
21
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-3688.969
381.0571
-9.680882
0.0000
X3
1.011420
0.078750
12.84344
0.0000
X1
0.042928
0.013101
3.276735
0.0042
R-squared
0.998126
Meandependentvar
25747.28
AdjustedR-squared
0.997918
S.D.dependentvar
23439.99
S.E.ofregression
1069.558
Akaikeinfocriterion
16.91944
Sumsquaredresid
20591177
Schwarzcriterion
17.06866
Loglikelihood
-174.6541
F-statistic
4793.929
Durbin-Watsonstat
0.611208
Prob(F-statistic)
0.000000
可以发现系数估计值高度显著,故保留x1.
4、加入x7,以x3、x1、x7为解释变量,重新估计方程得到回归结果
DependentVariable:
Y
Method:
LeastSquares
Date:
06/09/17Time:
15:
46
Sample:
19902010
Includedobservations:
21
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-1641.885
876.2767
-1.873706
0.0783
X3
1.190004
0.098825
12.04155
0.0000
X1
0.045290
0.011531
3.927584
0.0011
X7
-0.358540
0.141869
-2.527258
0.0217
R-squared
0.998638
Meandependentvar
25747.28
AdjustedR-squared
0.998398
S.D.dependentvar
23439.99
S.E.ofregression
938.3245
Akaikeinfocriterion
16.69571
Sumsquaredresid
14967698
Schwarzcriterion
16.89467
Loglikelihood
-171.3050
F-statistic
4154.565
Durbin-Watsonstat
0.831726
Prob(F-statistic)
0.000000
可以发现x7的系数估计值不显著,予以剔除。
5、加入x5,以x3、x1、x5为解释变量,重新估计方程得到回归结果
DependentVariable:
Y
Method:
LeastSquares
Date:
06/09/17Time:
15:
47
Sample:
19902010
Includedobservations:
21
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-2749.775
291.0058
-9.449208
0.0000
X3
0.960694
0.049525
19.39822
0.0000
X1
0.020629
0.009056
2.277972
0.0359
X5
7.430757
1.353228
5.491134
0.0000
R-squared
0.999324
Meandependentvar
25747.28
AdjustedR-squared
0.999205
S.D.dependentvar
23439.99
S.E.ofregression
660.8273
Akaikeinfocriterion
15.99451
Sumsquaredresid
7423776.
Schwarzcriterion
16.19346
Loglikelihood
-163.9423
F-statistic
8382.125
Durbin-Watsonstat
1.565396
Prob(F-statistic)
0.000000
可以发现系数估计值高度显著,故保留x5.
6、加入x4,以x3、x1、x5、x4为解释变量,重新估计方程得到回归结果
DependentVariable:
Y
Method:
LeastSquares
Date:
06/09/17Time:
15:
51
Sample:
19902010
Includedobservations:
21
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-3096.231
335.8070
-9.220268
0.0000
X3
0.847722
0.078638
10.78002
0.0000
X1
0.025707
0.008988
2.860224
0.0113
X4
53.22928
29.83799
1.783943
0.0934
X5
8.513538
1.411128
6.033145
0.0000
R-squared
0.999436
Meandependentvar
25747.28
AdjustedR-squared
0.999296
S.D.dependentvar
23439.99
S.E.ofregression
622.1002
Akaikeinfocriterion
15.90834
Sumsquaredresid
6192139.
Schwarzcriterion
16.15703
Loglikelihood
-162.0375
F-statistic
7094.460
Durbin-Watsonstat
1.154788
Prob(F-statistic)
0.000000
可以发现x4的系数估计值不显著,予以剔除。
那么消除多重共线性后的最终回归模型为
Y=-2749.775+0.960694x3+0.020629x1+7.430757x5
对模型进行自相关检验
Breusch-GodfreySerialCorrelationLMTest:
F-statistic
0.588625
Probability
0.454125
Obs*R-squared
0.745157
Probability
0.388014
TestEquation:
DependentVariable:
RESID
Method:
LeastSquares
Date:
06/09/17Time:
16:
03
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-47.71788
301.0860
-0.158486
0.8761
X3
0.002324
0.050227
0.046262
0.9637
X1
0.001119
0.009283
0.120533
0.9056
X5
-0.360785
1.448369
-0.249097
0.8065
RESID(-1)
0.199200
0.259639
0.767219
0.4541
R-squared
0.035484
Meandependentvar
8.52E-12
AdjustedR-squared
-0.205645
S.D.dependentvar
609.2527
S.E.ofregression
668.9709
Akaikeinfocriterion
16.05362
Sumsquaredresid
7160354.
Schwarzcriterion
16.30231
Loglikelihood
-163.5630
F-statistic
0.147156
Durbin-Watsonstat
1.884424
Prob(F-statistic)
0.961607
由p值可以判断该模型不具有自相关性
五、讨论与结论
模型最终确定为:
Y=-2749.775+0.960694x3+0.020629x1+7.430757x5
说明钢材供应量主要与GDP、粗钢产量和汽车产量有关,且GDP每增加一亿元,钢材供应量增加0.020629万吨;粗钢产量每增加一万吨,钢材供应量增加0.960694万吨;汽车产量每增加一万辆,钢材供应量增加7.430757万吨。
第二次
四、实验结果与数据处理
1、相关图形分析
税金及附加和主营业务利润的散点图
2、残差检验法
上图显示回归方程的残差分布有明显的扩大趋势,即表明存在异方差性
3、怀特检验法
取显著性水平为0.05,得X0.05
(2)=5.99 4、模型修正 五、讨论与结论 模型最终确定为Y=2.702862+0.033099X,税金及附加和主营业务利润呈正相关关系,且主营业务利润增加一亿元,税金及附加增加0.033099元。 六、指导教师评语及成绩: 评语: 步骤详细,态度认真 成绩: 优指导教师签名: 徐冬梅 批阅日期: 2017.6.9
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 计量 经济学 作业