您所在位置： &
&nbsp&&nbsp&nbsp&&nbsp
计量经济学上机实验报告二.doc9页
本文档一共被下载：
次 ,您可全文免费在线阅读后下载本文档。
文档加载中...广告还剩秒
需要金币：100 &&
计量经济学上机实验报告二
你可能关注的文档：
··········
··········
正在加载中，请稍后...人人网 - 抱歉
哦，抱歉，好像看不到了
现在你可以:
看看其它好友写了什么
北京千橡网景科技发展有限公司：
文网文[号··京公网安备号·甲测资字
文化部监督电子邮箱：wlwh@··
文明办网文明上网举报电话： 举报邮箱：&&&&&&&&&&&&[转载]计量经济学实验报告&eviews操作软件&回归检验结果
实验一: 简单线性回归模型
实验学时：2
实验时间： 星期二
实验要求：
第一次实验主要是学习简单线性回归模型，主要是研究只有一个解释变量的模型，分析变量之间的相关性。通过具体案例建立模型，然后估计参数，求出相关的数据。再对模型进行检验，看数据之间是否存在相关性及其大小。最后利用所求出的模型来进行回归预测。
实验内容：P64练习题2.1
1、&首先画出深圳市地方预算内财政收入Y与国内生产总值X的散点图（图1）
图1：深圳市地方预算内财政收入Y和国内生产总值X的散点图
从散点图可以看出深圳市地方预算内政收入Y和国内生产总值X大体上呈线性关系，所以建立深圳市1990年-2001年的地方预算内财政收入Y和国内生产总值X的线性回归方程：
2、利用1990年-2001年的数据估计其参数，结果见表1及（2.1）式。
表1：回归结果
Dependent Variable: Y
Method: Least Squares
Date: 09/19/09&& Time:
Included observations: 12
Variable&Coefficient&Std.
Error&t-Statistic&Prob.&
C&34.12741&30.05654&1.135440&0.2827
X&7.369578&0.211769&34.80013&0.0000
R-squared&0.991810&&&&
Mean dependent var&917.5874
R-squared&0.990991&&&&
S.D. dependent var&587.2686
regression&55.73994&&&&
Akaike info criterion&11.03028
Sum squared
resid&31069.41&&&&
Schwarz criterion&11.11110
likelihood&-64.18170&&&&
F-statistic&
Durbin-Watson
stat&2.033284&&&&
Prob(F-statistic)&0.000000
&&&&&&&&&&&&&&&&&
由表1知，可决系数R2=0.991810，说明所建模型整体上对样本数据拟合较好，即解释变量GDP对被解释变量深圳市地方预算内财政收入的绝大部分差异做出了解释。
对回归系数的t检验：取 ， ，不能拒绝原假设 ；因为
，所以应拒绝。说明GDP对深圳市地方预算内财政收入有显著影响，GDP增加1亿元，平均说来深圳市地方预算内财政收入将增加7.37亿元。
3、若是1998年的国内生产总值为3600亿元，确定2005年深圳市地方预算内财政收入的点预测值为： (亿元)
为进行区间预测，得到X与Y的描述性统计结果（见表2）。
表2：X与Y的描述性统计结果
Mean&119.8793&917.5874
Median&109.8832&872.8698
Maximum&265.6532&
Minimum&21.70370&171.6665
Std. Dev.&79.36124&587.2686
Skewness&0.413294&0.306920
Kurtosis&2.025842&1.895949
Jarque-Bera&0.816117&0.797865
Probability&0.664940&0.671036
Observations&12&12
根据上表的数据可计算：
取 ，1998年财政收入平均值预测区间为:
即当1998年的国内生产总值为3600亿元时，该年深圳市地方预算内财政收入平均值置信度95%的预测区间为（，）亿元。
实验二: 多元线性回归模型
实验学时：2
实验时间： 星期二
实验要求：第二次实验主要是学习多元线性回归模型，主要是研究一个解释变量与多个解释变量的模型，分析变量之间的相关性。通过具体案例建立模型，然后估计参数，求出相关的数据。再对模型进行检验，看数据之间是否存在相关性及其大小。最后利用所求出的模型来进行回归预测。
实验内容：
（1）建立该地区城镇居民人均全年耐用消费品支出的计量经济模型：
&&&&&&&&&&
其中：Y为人均耐用消费品支出、 为人均年可支配收入、 为耐用消费品价格指数
（2）估计模型参数，结果为
Dependent Variable: Y
Method: Least Squares
Date: 10/14/09&& Time:
Included observations: 11
Variable&Coefficient&Std.
Error&t-Statistic&Prob.&
C&158.5398&121.8071&1.301564&0.2293
X1&0.049404&0.004684&10.54786&0.0000
X2&-0.911684&0.989546&-0.921316&0.3838
R-squared&0.947989&&&&
Mean dependent var&190.4827
R-squared&0.934986&&&&
S.D. dependent var&79.29127
regression&20.21757&&&&
Akaike info criterion&9.077982
Sum squared
resid&&&&&
Schwarz criterion&9.186499
likelihood&-46.92890&&&&
F-statistic&72.90647
Durbin-Watson
stat&1.035840&&&&
Prob(F-statistic)&0.000007
即&&&&&&&&&&&
&&&&&&&&&&&&&&&&
（121.8071）（0.004684） （0.989546）
&&&&&&&&&&&&&&&
t= (1.301564)& (10.54786)&
(-0.921316)
&&&&&&&&&&&&&&
R2=0.947989&&&&
F=72.90647
(3) 检验人均可支配收入对城镇居民人均全年耐用消费品支出是否有显著影响:
由估计检验结果, 人均可支配收入参数对应的t 统计量为10.54786
明显大于t的临界值，同时人均可支配收入参数所对应的P值为0，小于
，均可判断人均可支配收入对城镇居民人均全年耐用消费品支出明显有有显著影响。
（4）检验耐用消费品价格指数对城镇居民人均全年耐用消费品支出是否有显著影响:
由估计检验结果, 耐用消费品价格指数参数对应的t 统计量为-0.921316,
明显小于t的临界值，同时人均可支配收入参数所对应的P值为0.3838，大于，均可判断耐用消费品价格指数对城镇居民人均全年耐用消费品支出有显著影响。
实验三：多重共线性的检验与处理
实验学时：2
实验时间：
实验要求：
第三次实验主要是学习多重共线性的检验与处理，主要是研究解释变量与其余解释变量之间有严重多重共线性的模型，分析变量之间的相关系数。通过具体案例建立模型，然后估计参数，求出相关的数据。再对模型进行检验，看数据之间是否存在多重共线性。最后利用所求出的模型来进行修正。
实验内容：
实例：我国钢材供应量分析
通过分析我国改革开放以来（）钢材供应量的历史资料，可以建立一个单一方程模型。根据理论及对现实情况的认识，影响我国钢材供应量Y（万吨）的主要因素有：原油产量X1（万吨），生铁产量X2（万吨），原煤产量X3（万吨），电力产量X4（亿千瓦小时），固定资产投资X5(亿元)，国内生产总值X6(亿元)，铁路运输量X7（万吨）。
（一）建立我国钢材供应量的计量经济模型：
（二）估计模型参数，结果为：
Dependent Variable: Y
Method: Least Squares
Date: 11/02/09&& Time:
Included observations: 20
Variable&Coefficient&Std.
Error&t-Statistic&Prob.&
C&139.2362&718.2493&0.193855&0.8495
X1&-0.051954&0.090753&-0.572483&0.5776
X2&0.127532&0.132466&0.962751&0.3547
X3&-24.29427&97.48792&-0.249203&0.8074
X4&0.863283&0.186798&4.621475&0.0006
X5&0.330914&0.105592&3.133889&0.0086
X6&-0.070015&0.025490&-2.746755&0.0177
X7&0.002305&0.019087&0.120780&0.9059
R-squared&0.999222&&&&
Mean dependent var&
R-squared&0.998768&&&&
S.D. dependent var&
regression&88.17626&&&&
Akaike info criterion&12.08573
Sum squared
resid&93300.63&&&&
Schwarz criterion&12.48402
likelihood&-112.8573&&&&
F-statistic&
Durbin-Watson
stat&1.703427&&&&
Prob(F-statistic)&0.000000
由此可见，该模型 可绝系数很高，F检验值，明显显著。但当 ，
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。
（三）计算各解释变量的相关系数，选择 数据，得相关系数矩阵（表3.1）。
表3.1 相关系数矩阵
&X2&X3&X4&X5&X6&X7
X2& 1.000000&
0.964400& 0.994921&
0.969686& 0.972530&
X3& 0.964400&
1.000000& 0.974809&
0.894963& 0.913344&
X4& 0.994921&
0.974809& 1.000000&
0.959613& 0.969105&
X5& 0.969686&
0.894963& 0.959613&
1.000000& 0.996169&
X6& 0.972530&
0.913344& 0.969105&
0.996169& 1.000000&
X7& 0.931689&
0.982943& 0.945444&
0.827643& 0.846079&
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。
（四）修正多重共线性
&采用逐步回归的办法，去检验和解决多重共线性问题。分别做Y对 的一元回归，结果如表3.2所示
表3.2 一元回归结果
参数估计量&1.181784&0.926212&926.7178&0.884047&0.572451&0.108665&0.106826
t统计量&10.10629&57.82017&15.87243&62.49381&15.47892&16.54535&11.45524
0.850171&0.994645&0.933317&0.995412&0.930123&0.938303&0.879375
0.841847&0.994347&0.929612&0.995157&0.926241&0.934875&0.872673
&其中，加入 的方程 最大，以 为基础，顺次加入其他变量逐步回归，结果如表3.3所示。
表3.3 加入新变量的回归结果（一）
变量&X1&X2&X3&X4&X5&X6&X7&
X4、X1&-0.074944
（-1.359593）&&&0.932329
（24.46548）
&&&&0.995375
X4、X2&&0.429201
（3.895858）&&0.476623
（4.534407）&&&&0.997291
X4、X3&&&-125.0949
（-1.960538）&0.996689
（16.91041）&&&&0.995818
X4X5&&&&0.808630
（16.81022）&0.052646
（1.633786）&&&0.995568
X4、X6&&&&0.858914
（14.63712）
&&0.003283
（0.441961）&&0.994931
X4、X7&&&&0.927639
&&&-0.005928
（-1.065860）&0.995194
经比较，新加入 的方程 =0.997291，改进最大，而且各参数的t检验显著，选择保留
,再加入其他新变量逐步回归，结果如表3.4所示：
表3.4 加入新变量的回归结果（二）
&X1&X2&X3&X4&X5&X6&X7&
X4、X2、X1&-0.052631
-1.255622&0.409652
3.742505&&0.529087
4.745215&&&&0.997380
X4、X2、X3&&0.386819
3.559933&-81.25478
-1.604227&0.590021
4.800056&&&&0.997521
&在 、 基础上加入 后的方程 增大，但 参数的t检验不显著，甚至
的符号也变得不合理。加入后的方程 增大，但 参数的t检验不显著，甚至 的符号也变得不合理。加入 后的方程 下降，而且
参数的t检验不显著。加入 后的方程下降，而且 参数的t检验不显著，甚至 的符号也变得不合理。加入 后的方程 下降，而且
参数的t检验不显著，甚至的符号也变得不合理。这说明 、 、 、 、 引起严重多重共线性，应予剔除。
&最后修正严重多重共线性影响的回归结果为：
&&t=(-3.179263) ( 3.895858) (
F=& DW=0.864859
这说明，在其他因素不变的情况下，当生铁产量 每增长1万吨，电力产量 每增长1亿千瓦小时，钢材供应量 将分别增长 万吨和 万吨。
实验四：异方差性、自相关的检验与处理
实验学时：2
实验时间：
实验要求：
第四次实验主要是学习异方差性、自相关的检验与处理，主要是研究解释变量与其余解释变量之间是否有异方差，自相关的模型，分析参数显著性。通过具体案例建立模型，然后估计参数，求出相关的数据。再对模型进行检验，看数据之间是否存在异方差，。最后利用所求出的模型来进行修正。
实验内容：P151习题5.6
一、参数估计
X4、X2、X5&&0.426515
3.190204&&0.477506
4.309744&0.001164
0.038062&&&0.997122
X4、X2、X6&&0.458646
3.868063&&0.481722
4.511794&&-0.004318
-0.738661&&0.997217
X4、X2、X7&&0.417628
3.552245&&0.499422
3.993004&&&-0.001606
-0.360521&0.997145
表估计样本回归函数
Dependent Variable: Y
Method: Least Squares
Date: 11/23/09&& Time:
Sample: 1 20
Included observations: 20
Variable&Coefficient&Std.
Error&t-Statistic&Prob.&
C&0.890000&0.204312&4.356086&0.0004
X&0.237200&0.014921&15.89724&0.0000
R-squared&0.933511&&&&
Mean dependent var&3.855000
R-squared&0.929817&&&&
S.D. dependent var&1.408050
regression&0.373021&&&&
Akaike info criterion&0.960274
Sum squared
resid&2.504600&&&&
Schwarz criterion&1.059847
likelihood&-7.602738&&&&
F-statistic&252.7223
Durbin-Watson
stat&1.363966&&&&
Prob(F-statistic)&0.000000
估计结果为
（4.3561）（15.8972）
&，F=252.7223
二、检验模型的异方差
（一）图形法
由图可以看出，残差平方 对解释变量X的散点图主要分布在图形中的下三角部分，大致可以看出残差平方
随的变动呈增大的趋势，因此，模型很可能存在异方差。但是，是否存在异方差还应通过更进一步的检验。
（二）Goldfeld-Quanadt检验
表1.0 OLS回归结果
Dependent Variable: Y
Method: Least Squares
Date: 11/23/09&& Time:
Sample: 1 10
Included observations: 10
Variable&Coefficient&Std.
Error&t-Statistic&Prob.&
C&0.600000&0.193649&3.098387&0.0147
X&0.276000&0.024495&11.26765&0.0000
R-squared&0.940723&&&&
Mean dependent var&2.670000
R-squared&0.933314&&&&
S.D. dependent var&0.749889
regression&0.193649&&&&
Akaike info criterion&-0.268681
Sum squared
resid&0.300000&&&&
Schwarz criterion&-0.208164
likelihood&3.343404&&&&
F-statistic&126.9600
Durbin-Watson
stat&1.414667&&&&
Prob(F-statistic)&0.000003
&在sample菜单里，将区间定义为11~20，再用OLS方法球的以下结果，见表2.0。
表2 .0OLS回归结果
Dependent Variable: Y
Method: Least Squares
Date: 11/23/09&& Time:
Sample: 11 20
Included observations: 10
Variable&Coefficient&Std.
Error&t-Statistic&Prob.&
C&1.540000&1.124722&1.369227&0.2081
X&0.200000&0.063624&3.143473&0.0137
R-squared&0.552608&&&&
Mean dependent var&5.040000
R-squared&0.496684&&&&
S.D. dependent var&0.708990
regression&0.502991&&&&
Akaike info criterion&1.640368
Sum squared
resid&2.024000&&&&
Schwarz criterion&1.700885
likelihood&-6.201839&&&&
F-statistic&9.881423
Durbin-Watson
stat&0.830040&&&&
Prob(F-statistic)&0.013733
&&&&&&&&&&
基于以上两表残差平方和的值，由表1.0中可以得到残差平方和为
，由表2.0可以得到残差平方和为，根据Goldfeld-Quanadt检验，F统计量为F=&&&
=0.05下，（1.1）式中分子、分母的自由度均为8，查F分布表，得临界值，因为F=6.7467&
,所以拒绝原假设，表明模型确实存在异方差。
（三）White检验
表 White检验结果
White Heteroskedasticity Test:
F-statistic&5.979575&&&&
Probability&0.010805
Obs*R-squared&8.259324&&&&
Probability&0.016088
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 11/23/09&& Time:
Sample: 1 20
Included observations: 20
Variable&Coefficient&Std.
Error&t-Statistic&Prob.&
C&0.092180&0.178932&0.515169&0.6131
X&-0.021234&0.032647&-0.650395&0.5241
X^2&0.001592&0.001285&1.238321&0.2324
R-squared&0.412966&&&&
Mean dependent var&0.125230
R-squared&0.343903&&&&
S.D. dependent var&0.177434
regression&0.143721&&&&
Akaike info criterion&-0.904400
Sum squared
resid&0.351149&&&&
Schwarz criterion&-0.755040
likelihood&12.04400&&&&
F-statistic&5.979575
Durbin-Watson
stat&1.796392&&&&
Prob(F-statistic)&0.010805
从上表可以看出，nR2=8.2593，由White检验知，在 =0.05下，查 分布表，得临界值
，同时X和的t检验值夜显著。比较计算的 统计量与临界值，因为nR2=8.2593&
，所以拒绝原假设，不拒绝备择假设，表明模型存在异方差。
&三、异方差性的修正
&&&&&&&&&&&&&&&&&
表用权数 的结果
Dependent Variable: Y
Method: Least Squares
Date: 11/23/09&& Time:
Sample: 1 20
Included observations: 20
Weighting series: W1
Variable&Coefficient&Std.
Error&t-Statistic&Prob.&
C&0.752923&0.098255&7.662934&0.0000
X&0.249487&0.011723&21.28124&0.0000
Statistics&&&&
R-squared&0.765382&&&&
Mean dependent var&3.148000
R-squared&0.752348&&&&
S.D. dependent var&0.493204
regression&0.245441&&&&
Akaike info criterion&0.123122
Sum squared
resid&1.084347&&&&
Schwarz criterion&0.222696
likelihood&0.768775&&&&
F-statistic&452.8914
Durbin-Watson
stat&1.240480&&&&
Prob(F-statistic)&0.000000
Unweighted
Statistics&&&&
R-squared&0.930862&&&&
Mean dependent var&3.855000
R-squared&0.927020&&&&
S.D. dependent var&1.408050
regression&0.380381&&&&
Sum squared resid&2.604413
Durbin-Watson
stat&0.974217&&&
表 用权数 的结果
Dependent Variable: Y
Method: Least Squares
Date: 11/23/09&& Time:
Sample: 1 20
Included observations: 20
Weighting series: W2
Variable&Coefficient&Std.
Error&t-Statistic&Prob.&
C&0.685030&0.092371&7.416050&0.0000
X&0.259618&0.016082&16.14369&0.0000
Statistics&&&&
R-squared&0.990251&&&&
Mean dependent var&2.578439
R-squared&0.989710&&&&
S.D. dependent var&1.849823
regression&0.187650&&&&
Akaike info criterion&-0.413839
Sum squared
resid&0.633824&&&&
Schwarz criterion&-0.314265
likelihood&6.138387&&&&
F-statistic&260.6187
Durbin-Watson
stat&1.702004&&&&
Prob(F-statistic)&0.000000
Unweighted
Statistics&&&&
R-squared&0.922166&&&&
Mean dependent var&3.855000
R-squared&0.917842&&&&
S.D. dependent var&1.408050
regression&0.403594&&&&
Sum squared resid&2.931981
Durbin-Watson
stat&0.869462&&&
表 用权数 的结果
Dependent Variable: Y
Method: Least Squares
Date: 11/23/09&& Time:
Sample: 1 20
Included observations: 20
Weighting series: W3
Variable&Coefficient&Std.
Error&t-Statistic&Prob.
C&0.807586&0.135739&5.949539&0.0000
X&0.243793&0.012391&19.67462&0.0000
Statistics&&&&
R-squared&0.680632&Mean dependent
var&3.500521
Adjusted R-squared&0.662890&S.D.
dependent var&0.522092
regression&0.303133&Akaike info
criterion&0.545350
Sum squared
resid&1.654015&Schwarz
criterion&0.644923
likelihood&-3.453502&F-statistic&387.0909
Durbin-Watson
stat&1.102781&Prob(F-statistic)&0.000000
Unweighted
Statistics&&&&
R-squared&0.932790&Mean dependent
var&3.855000
Adjusted R-squared&0.929056&S.D.
dependent var&1.408050
S.E. of regression&0.375038&Sum
squared resid&2.531768
Durbin-Watson
stat&1.002179&&&
经估计检验发现，用权数 的效果最好，其的估计结果如下
（7.416050）（16.14369）
&=0.090251，DW=1.702004， F=260.6187
&可以看出运用加权最小二乘法消除了异方差后，参数的t检验均显著，可决系数大幅提高，F检验也显著，并说明收入每增加1百元，住房支出将增加0.2596百元。
建立进口额的计量模型：
OLS估计结果：
Dependent Variable: Y
Method: Least Squares
Date: 11/30/09&& Time:
Included observations: 19
Variable&Coefficient&Std.
Error&t-Statistic&Prob.&
C&-&441.9276&-3.824856&0.0014
X&0.387979&0.017688&21.93401&0.0000
R-squared&0.965870&&&&
Mean dependent var&
R-squared&0.963863&&&&
S.D. dependent var&
regression&822.3285&&&&
Akaike info criterion&16.36146
Sum squared
resid&&&&&
Schwarz criterion&16.46087
likelihood&-153.4338&&&&
F-statistic&481.1009
Durbin-Watson
stat&0.523859&&&&
Prob(F-statistic)&0.000000
样本量为19,两个解释变量的模型,显著水平5%，查DW统计表可知，dL=1.180,dU=
1.401。由表二可知，DW=0.5239，因此，DW& dL,存在自相关。
科克伦-奥克特迭代法:
Dependent Variable: Y
Method: Least Squares
Date: 11/30/09&& Time:
Sample(adjusted):
Included observations: 17 after adjusting endpoints
Convergence achieved after 23 iterations
Variable&Coefficient&Std.
Error&t-Statistic&Prob.&
C&-17595.36&27900.08&-0.630656&0.5392
X&0.950002&0.312034&3.044550&0.0094
AR(1)&1.864777&0.391121&4.767778&0.0004
AR(2)&-0.893848&0.421523&-2.120522&0.0538
R-squared&0.995065&&&&
Mean dependent var&
R-squared&0.993926&&&&
S.D. dependent var&
regression&334.7458&&&&
Akaike info criterion&14.66694
Sum squared
resid&1456712.&&&&
Schwarz criterion&14.86299
likelihood&-120.6690&&&&
F-statistic&873.7164
Durbin-Watson
stat&1.897927&&&&
Prob(F-statistic)&0.000000
Inverted AR
Roots&&& .93
T=(-0.630656)& (3.044550)
&& F=873.7164&
其中， = ,
DW=1.8979&
,说明模型中已无自相关，同时可见，可决系数，F，t统计量也均达到理想水平。
中国实际GDP每增加1亿元，实际进口额增加0.950002亿元。
实验五：分布滞后模型、自回归模型的估计
实验学时：2
实验时间：星期二
实验要求：
第五次实验主要是学习分布滞后模型、自回归模型的估计，主要是研究解释变量与其余解释变量之间是否有分布滞后、自回归，分析滞后变量。通过具体案例建立模型，然后估计参数，求出相关的数据。再对模型进行检验。
实验内容：P211练习题7.2
设定模型：
OLS回归结果
Dependent Variable: Y
Method: Least Squares
Date: 12/09/09&& Time:
Sample(adjusted):
Included observations: 21 after adjusting endpoints
Variable&Coefficient&Std.
Error&t-Statistic&Prob.&
C&-15.10403&4.729450&-3.193613&0.0050
X&0.629273&0.097819&6.433031&0.0000
Y(-1)&0.271676&0.114858&2.365315&0.0294
R-squared&0.987125&&&&
Mean dependent var&109.2167
R-squared&0.985695&&&&
S.D. dependent var&51.78550
regression&6.193728&&&&
Akaike info criterion&6.616515
Sum squared
resid&690.5208&&&&
Schwarz criterion&6.765733
likelihood&-66.47341&&&&
F-statistic&690.0561
Durbin-Watson
stat&1.518595&&&&
Prob(F-statistic)&0.000000
Dependent Variable: Y
Method: Least Squares
Date: 12/09/09&& Time:
Sample(adjusted):
Included observations: 18 after adjusting endpoints
Variable&Coefficient&Std.
Error&t-Statistic&Prob.&
C&-32.22579&7.842747&-4.108993&0.0012
Z0&0.662705&0.207040&3.200853&0.0070
Z1&0.607018&0.755901&0.803039&0.4364
Z2&-0.773504&0.496925&-1.556580&0.1436
Z3&0.147052&0.082669&1.778810&0.0987
R-squared&0.987671&&&&
Mean dependent var&121.2322
R-squared&0.983877&&&&
S.D. dependent var&45.63348
regression&5.794362&&&&
Akaike info criterion&6.581781
Sum squared
resid&436.4702&&&&
Schwarz criterion&6.829107
likelihood&-54.23603&&&&
F-statistic&260.3497
Durbin-Watson
stat&1.235392&&&&
Prob(F-statistic)&0.000000
分布滞后模型的最终估计式为：
计量经济学是以一定的经济理论和统计资料为基础，运用数学、统计学方法与电脑技术，以建立经济计量模型为主要手段，定量分析研究具有随机性特性的经济变量关系。主要内容包括理论计量经济学和应用经济计量学。理论经济计量学主要研究如何运用、改造和发展数理统计的方法，使之成为随机经济关系测定的特殊方法。应用计量经济学是在一定的经济理论的指导下，以反映事实的统计数据为依据，用经济计量方法研究经济数学模型的实用化或探索实证经济规律。而我们这学期学的主要就是应用计量经济学。
这学期总共做了五次实验，分别是简单线性回归模型，多元线性回归模型，多重共线性的检验与处理，异方差性、自相关的检验与处理，分布滞后模型、自回归模型的估计。经过5次试验，每次作业我都认真完成了。从实验中，我了解到很多经济模型，对于计量经济学这门学课有了更深刻的了解，也熟练掌握了用eviews软件的基本操作。实验当中，注重例题，注重运用，及注重模型的建立的思路和方法，而不是单纯的模型的套用。做实验让我们把所学到的知识运用到实践问题中，并针对实际问题通过建立模型，然后估计参数，求出相关的数据，再对经济模型进行检验。
Eview是一种科学的软件，它让我们用更科学的方法对数据进行处理。我们要用严谨的态度来对待它，我们才能学好它。
以上网友发言只代表其个人观点，不代表新浪网的观点或立场。 上传我的文档
 下载
 收藏
将推出物美价廉的文档，欢迎各位。
 下载此文档
正在努力加载中...
计量经济学实验一
EViews软件的基本操作
下载积分：300
内容提示：计量经济学实验一
EViews软件的基本操作
文档格式：PPT|
浏览次数：153|
上传日期： 10:36:32|
文档星级：
该用户还上传了这些文档
计量经济学实验一
EViews软件的基本操作
官方公共微信苹果/安卓/wp
积分 54, 距离下一级还需 31 积分
道具: 彩虹炫, 涂鸦板, 雷达卡, 热点灯, 金钱卡, 显身卡下一级可获得
权限: 自定义头衔
购买后可立即获得
权限: 隐身
道具: 金钱卡, 彩虹炫, 雷达卡, 热点灯, 涂鸦板
无聊签到天数: 16 天连续签到: 1 天[LV.4]偶尔看看III
本帖最后由 零星夜123 于
20:19 编辑
计量经济学在eviews软件上实验操作流程
(4.34 MB, 售价: 3 个论坛币)
20:21:00 上传
计量经济学，eviews
售价: 3 个论坛币
通过例题分析多元线性回归模型、异方差的检验与处理、序列相关的检验与处、多重共线性的检验与处理、虚拟变量模型、分布滞后模型、联立方程模型、时间序列模型分析、VAR模型的建立与分析
支持楼主：、
购买后，论坛将奖励 10 元论坛资金给楼主，以表示您对TA发好贴的支持
载入中......
奖励积极上传好的资料
总评分:&经验 + 80&
本帖被以下文库推荐
& |主题: 2508, 订阅: 1139
上传资料最好有个说明，详细点方便大家选择购买
零星夜123 发表于
计量经济学在eviews软件上实验操作流程
通过例题分析多元线性回归模型、异方差的检验与处理、序列相关的检 ...谢谢分享
谢谢分享~~很穷啊~~·
无限扩大经管职场人脉圈！每天抽选10位免费名额，现在就扫& 论坛VIP& 贵宾会员& 可免费加入
加入我们,立即就学扫码下载「就学」app& Join us!& JoinLearn&
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
如有投资本站或合作意向，请联系（010-）；
邮箱：service@pinggu.org
投诉或不良信息处理：（010-）
京ICP证090565号
京公网安备号
论坛法律顾问：王进律师}