&>&&>&计量经济学实验报告(2)
计量经济学实验报告(2) 投稿：顾媒媓
2 年的数据搜集 3 REVIEWS模型建立及检验3.1 散点图变化分析3.1.1 GDPP（人均GDP）和CSH（城市化）的关系3.1.2 GDPP（人均GDP）和JMKZPSR（城镇居民家庭人均可支配收入）的关系3.1.3 GD…
《责任胜于能力》观后感 对于大多数人而言，工作就意味着完成自己的份内事，然后心安理得地拿自己那份薪水。过去，我也一直这样认为。工作既是自己的谋生手段，也是个人对社会的一份责任。一个人平凡的人，工作日复一日年复一年，上班下班总是忙忙碌碌，似乎也找不到多…
的 实 施 给 内 资 企 业 带 来 的　机 遇 与挑 战　一 ／ 云 丽 刘摘 要：２０ 牟１ 日实行的 《 ０８ 月１ 中华人民共和国企业 并不能享受两税合并的好处．但行业内实际所得税税率高 于２％的部分上市公司也会受益 ．比如交通运输行业中的…
2 年的数据搜集
3 REVIEWS模型建立及检验
3.1 散点图变化分析
3.1.1 GDPP（人均GDP）和CSH（城市化）的关系
3.1.2 GDPP（人均GDP）和
JMKZPSR（城镇居民家庭人均可支配收入）的关系
3.1.3 GDPP（人均GDP）和ZFZC（政府支出）的关系
3.1.4 GDPP(人均GDP)和GMXFSP（城镇居民消费水平）
3.2 Ganger检验
3.2.1首先，我们研究GDPP和CSH的因果检验。
Pairwise Granger Causality Tests
Date: 06/03/12
Time: 10:42 Sample:
Null Hypothesis:
Obs F-Statistic
CSH does not Granger Cause GDPPP
GDPPP does not Granger Cause CSH
由表可知，CSH影响GDPP的概率较大，故可以将CSH作为自变量，GDPP为因变量。
3.2.2其次，我们研究GDPP和JMKZPSR的因果检验。
Pairwise Granger Causality Tests Date: 06/03/12
Time: 10:44 Sample:
Null Hypothesis:
Obs F-Statistic
JMKZPSR does not Granger Cause GDPP
GDPP does not Granger Cause JMKZPSR
由表可知， JMKZPSR影响GDPP的概率高，故可以将JMKZPSR作为自变量，GDPP作为因变量。
3.2.3紧接着，我们研究GDPP和ZFZC之间的因果关系。
Pairwise Granger Causality Tests Date: 06/03/12
Time: 10:45 Sample:
Null Hypothesis:
Obs F-Statistic
ZFZC does not Granger Cause GDPP
GDPP does not Granger Cause ZFZC
由表可知，GDPP和ZFZC相互影响，概率都比较大，所以可以将ZFZC作为自变
3.2.4最后，我们研究GDPP和GMXFSP的因果关系。
Pairwise Granger Causality Tests Date: 06/03/12
Time: 10:44 Sample:
Null Hypothesis:
Obs F-Statistic
JMXFSP does not Granger Cause GDPP
GDPP does not Granger Cause JMXFSP
由表可知，GDPP和 JMXFSP的相关可能性都非常低，顾将JMXFSP作为自变量剔除。
3.3选择模型形式，做回归,描绘模型
估计模型：GDP?C?CSH2?JMKZPRS?ZFZC
Dependent Variable: GDPP Method: Least Squares Date: 06/07/12
Time: 16:47 Sample:
Included observations: 34
C CSH^2 ZFZC JMKZPSR
Coefficient
472.601 0..269763
Std. Error
178.496 0..086591
t-Statistic
2....66399
2.254 13.22 14.488
Mean dependent var 0.999271
S.D. dependent var 250.9664
Akaike info criterion 1889524.
Schwarz criterion -233.9770
Hannan-Quinn criter. 15070.08
Durbin-Watson stat 0.000000
Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
X2? JMKZPSR
Y?472.601x1?0.?1.
?178.0388?
?0.011037? ?0.086591?
R2?0.999337
2?0.999271
DW?1.179488
SE?250.9664
3.4随机误差项的正态性检验（JB检验）
JB检验发现，估计模型随机误差项可能为正太分布的可能性P>5%,所以通
3.5 Ramsey reset test检验
Ramsey RESET Test:
F-statistic
Log likelihood ratio
Test Equation:
Dependent Variable: GDPP Method: Least Squares Date: 06/03/12
Time: 13:59 Sample:
Prob. F(1,27)
Prob. Chi-Square(1)
Included observations: 32
C CSH^2 JMKZPSR ZFZC FITTED^2
Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
Coefficient
-44.4129 1...81E-06
Std. Error t-Statistic
313.441 0...36E-06
-0...9447 2.021353
0.3 0.0 0..906 .99 14.922
Mean dependent var 0.998787
S.D. dependent var 246.1018
Akaike info criterion 1635285.
Schwarz criterion -218.8715
Hannan-Quinn criter.
Durbin-Watson stat 0.000000
Prob.F值为0.533>5%,所以模型被误设可能性较小。
3.6 T、F检验，拟合优度检验
t-Statistic
T值的绝对值>2，通过检验，说明此模型拟合优度较好。
Prob(F-statistic)
F值为0，远远小于5%，说明此模型拟合优度较好。
R2=0.99，说明改模型可行性很大，拟合度好。
3.7 Wald Test检验，若 Prob. F>5%，接受约束条件
Wald Test:
Equation: Untitled
Test Statistic
F-statistic Chi-square
Probability
Null Hypothesis Summary:
Normalized Restriction (= 0)
-1 + C(2)^2 - 3*C(3) + C(4)
Delta method computed using analytic derivatives.
3.8邹氏突变检验：若 Prob. F<5%，认为该点很可能是突变点
通过观察整体数据较为平稳，未发现明显突变点，其中对1995年、2004年进行随机检测，如下图：
Chow Breakpoint Test: 1994
Null Hypothesis: No breaks at specified breakpoints Varying regressors: All equation variables Equation Sample:
F-statistic
10.74 42.64146
Prob. F(4,24) Prob. Chi-Square(4) Prob. Chi-Square(4)
0.0 0.0000
Prob. F(4,24) Prob. Chi-Square(4) Prob. Chi-Square(4)
0.0 0.0000
Log likelihood ratio Wald Statistic
Chow Breakpoint Test: 2004
Null Hypothesis: No breaks at specified breakpoints Varying regressors: All equation variables Equation Sample:
F-statistic
51.98 205.3194
Log likelihood ratio Wald Statistic
所以通过邹氏检验，发现无突变点。
3.9模型的比较：观察AIC和SC值的变化，若有下降的现象，该模型可能更好些。
Dependent Variable: GDPP Method: Least Squares Date: 06/07/12
Time: 19:12 Sample:
Included observations: 32
C CSH^2 ZFZC JMKZPSR JMKZPSR^2 R-squared
Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
Coefficient
-355.857 -0...91E-05
Std. Error
157.006 0...81E-06
t-Statistic
0.1 0.0 0..906 .49 13.435
Mean dependent var 0.999553
S.D. dependent var 149.3804
Akaike info criterion
Schwarz criterion -202.8955
Hannan-Quinn criter. 17333.87
Durbin-Watson stat 0.000000
此时AIC?12.99347
SC?13.22249 原模型AIC?13.99865
SC?14.17822 通过比较发现 增加一个变量后的模型更适合
4 REVIEWS异方差检验及克服
4.1异方差检验
4.1.1图形法
4.1.2 WHITE检验
Heteroskedasticity Test: White
F-statistic Obs*R-squared Scaled explained SS
Test Equation:
Dependent Variable: RESID^2 Method: Least Squares Date: 06/03/12
Time: 14:01 Sample:
Included observations: 32
C CSH^2 (CSH^2)^2 (CSH^2)*JMKZPSR (CSH^2)*ZFZC JMKZPSR JMKZPSR^2 JMKZPSR*ZFZC
Coefficient
1.429 -0...131 -0.005733
Prob. F(9,22)
0.9 0.0022
0.1 0.2 0.8 0.2
Prob. Chi-Square(9) 25.76099
Prob. Chi-Square(9)
Std. Error t-Statistic
....792 0.017857
0........321084
ZFZC ZFZC^2
225.6 25.11 25.294
Mean dependent var 0.494932
S.D. dependent var 76913.92
Akaike info criterion 1.30E+11
Schwarz criterion -399.4251
Hannan-Quinn criter. 4.375318
Durbin-Watson stat 0.002261
Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
nR2?20.53007，由white检验知，在??0.05，查?2分布表，得临界值
?20.05?3??7.81473，所以拒绝原假设，接受备择假设，表明模型存在异方差。
4.2异方差的修正
Dependent Variable: GDPP Method: Least Squares Date: 06/03/12
Time: 14:34 Sample:
Included observations: 32 Weighting series: 1/RESID^2
C CSH ZFZC JMKZPSR
Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
Coefficient
849.55 0..185499
Std. Error t-Statistic
171.355 0..028887
633.1 3....364803
Weighted Statistics
Mean dependent var 0.999917
S.D. dependent var 1.135960
Akaike info criterion 36.13133
Schwarz criterion -47.34883
Hannan-Quinn criter.
Durbin-Watson stat 0.000000
Unweighted Statistics
Mean dependent var
Adjusted R-squared S.E. of regression Durbin-Watson stat
S.D. dependent var 309.4658
Sum squared resid 0.658206
4.3再次对修正后的模型做white检验
Heteroskedasticity Test: White
F-statistic Obs*R-squared Scaled explained SS
Test Equation:
Dependent Variable: WGT_RESID^2 Method: Least Squares Date: 06/03/12
Time: 14:41 Sample:
Included observations: 32
Collinear test regressors dropped from specification
Adjusted R-squared S.E. of regression F-statistic Prob(F-statistic)
Coefficient
2.45E-16 3.14E-08
Std. Error t-Statistic
5.44E-17 3.00E-19
1.00E-06 5.68E-06 2.75E-30 1.800809
Prob. F(1,30)
0.0 1.0000
Prob. Chi-Square(1) 3.01E-10
Prob. Chi-Square(1)
Mean dependent var 1.000000
S.D. dependent var 3.03E-16
Sum squared resid 1.09E+22
Durbin-Watson stat 0.000000
nR2?3.01E?10??20.05?3??7.81473,所以修正后的模型通过WHITE检验得到无
异方差。 此时模型为：
Y?849.55x1?0.?1.
?171.2264? ?8.460355? ?0.004839?
?0.028887?
R2?0.999925
2?0.999917
DW?1.364803
SE?1.135960
5 REVIEWS自相关检验及克服
5.1 自相关检验
5.1.1 DW检验法
Dependent Variable: GDPP Method: Least Squares Date: 06/07/12
Time: 17:28 Sample:
Included observations: 32
C CSH^2 ZFZC JMKZPSR
Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
Coefficient
459.879 0..265428
Std. Error
200.444 0..090506
t-Statistic
2....98170
6.021 14.60 14.692
Mean dependent var 0.998653
S.D. dependent var 259.3089
Akaike info criterion 1882750.
Schwarz criterion -221.1262
Hannan-Quinn criter.
Durbin-Watson stat 0.000000
DW?1.020692
说明在滞后一期时 该模型存在一阶自相关
Breusch-Godfrey Serial Correlation LM Test: F-statistic
Prob. F(1,27)
Obs*R-squared
Test Equation:
Dependent Variable: RESID Method: Least Squares
Prob. Chi-Square(1)
Coefficient
Std. Error
t-Statistic
Date: 06/07/12
Time: 18:03 Sample:
Included observations: 32
Presample missing value lagged residuals set to zero.
C CSH^2 ZFZC JMKZPSR RESID(-1)
-164.769 -0...772596
177.008 0...226482
-0.....411291
0.6 0.3 0.0021
-4.19E-13 246.51 14.43 1.197067
Mean dependent var 0.197658
S.D. dependent var 220.7472
Akaike info criterion 1315692.
Schwarz criterion -215.3922
Hannan-Quinn criter. 2.909226
Durbin-Watson stat 0.040137
Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
nR2?9..05?3??9.637960
LM检验也说明该模型在滞后一期时存在一
阶自相关。
5.2 广义差分法克服自相关
^?DW/2?0.510346
滞后一期时，
Yx?1??0??1(x1?1)??2?x2?1???3?x3?1?
两边同时乘以?
并将原模型与所得模型相减 得到差方后模型：
^*?389.x*?0.04233x*?0.9083x*
6 REVIEWS多重共线检验及克服
6.1多重共线检验
GDPP CSH^2 ZFZC JMKZPSR
CSH^2 47061
6.1.1 去掉CSH2后 对模型R2重新进行计算
Dependent Variable: GDPP Method: Least Squares Date: 06/07/12
Time: 19:02 Sample:
Included observations: 32
C ZFZC JMKZPSR
Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
Coefficient
-167.358 0.992477
Std. Error
90.051 0.047977
t-Statistic
-1...68630
0.0 0..906 .44 14.511
Mean dependent var 0.998167
S.D. dependent var 302.4890
Akaike info criterion 2653487.
Schwarz criterion -226.6164
Hannan-Quinn criter.
Durbin-Watson stat 0.000000
此时R2?0..999337
所以CSH2不应该被剔除
去掉ZFZC后 对模型R重新进行计算
Dependent Variable: GDPP Method: Least Squares Date: 06/07/12
Time: 19:05 Sample:
Included observations: 32
C CSH^2 JMKZPSR
Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
Coefficient
995.546 1.871291
Std. Error
327.954 0.078598
t-Statistic
0.0 0..906 .02 15.818
Mean dependent var 0.995927
S.D. dependent var 450.9395
Akaike info criterion 5897047.
Schwarz criterion -239.3937
Hannan-Quinn criter.
Durbin-Watson stat 0.000000
此时R2?0..999337
所以ZFZC不应该被剔除
6.1.3 去掉JMKZPSR后 对模型R重新进行计算
Dependent Variable: GDPP Method: Least Squares Date: 06/07/12
Time: 19:11 Sample:
Included observations: 32
C CSH^2 ZFZC
Coefficient
Std. Error
395.862 0.017324
t-Statistic
-3...31145
0.0 0.0000
6.021 16.45 16.288
Mean dependent var 0.989621
S.D. dependent var 719.8556
Akaike info criterion
Schwarz criterion -254.3606
Hannan-Quinn criter.
Durbin-Watson stat 0.000000
Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
此时R2?0..999337
所以JMKZPSR不应该被剔除
结果表明，虽然模型存在多重共线，但是并不影响本模型的分析效果，所以不必要进行处理。
从对于年的数据的计量分析中，我们发现了以下结论：
（1）城镇居民消费水平与人均GDP显著相关，但没有不显著影响人均GDP，不能构成影响人均GDP的自变量。故我们踢出了该自变量，初步估计是由于当前中国居民收入的不均衡，抑制了他更进一步发挥对经济增长的拉动作用。做出仅含三个自变量的回归模型。
（2）城镇居民家庭人均可支配收入、城市化率及城市政府支出对GDP的具有较大的影响，随着这三个自变量的增加，人均GDP显著增加，构成影响人均GDP的关键影响因素。
（3）为了GDP的更快更健康的增长，应加大城镇居民家庭人均可支配收入、城市化率及城市政府支出，另外要均衡居民收入，减小贫富差距。
2 年的数据搜集 3 REVIEWS模型建立及检验3.1 散点图变化分析3.1.1 GDPP（人均GDP）和CSH（城市化）的关系3.1.2 GDPP（人均GDP）和JMKZPSR（城镇居民家庭人均可支配收入）的关系3.1.3 GD…
2 年的数据搜集 3 REVIEWS模型建立及检验3.1 散点图变化分析3.1.1 GDPP（人均GDP）和CSH（城市化）的关系3.1.2 GDPP（人均GDP）和JMKZPSR（城镇居民家庭人均可支配收入）的关系3.1.3 GD…
2 年的数据搜集 3 REVIEWS模型建立及检验3.1 散点图变化分析3.1.1 GDPP（人均GDP）和CSH（城市化）的关系3.1.2 GDPP（人均GDP）和JMKZPSR（城镇居民家庭人均可支配收入）的关系3.1.3 GD…
本文由()首发，转载请保留网址和出处！
免费下载文档：苹果/安卓/wp
积分 146, 距离下一级还需 114 积分
权限: 自定义头衔
道具: 彩虹炫, 涂鸦板, 雷达卡, 热点灯, 金钱卡, 显身卡, 匿名卡下一级可获得
权限: 签名中使用图片
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
本帖最后由 wanghaidong918 于
22:07 编辑
是什么？什么时候用？ 我看paper上面很多都是report pseudo r^2 没有report r^2 or&&adjusted r^2.
载入中......
鼓励学术探讨
总评分:&论坛币 + 20&
本帖被以下文库推荐
& |主题: 11985, 订阅: 27
When analyzing data with a logistic regression, an equivalent statistic to R-squared does not exist.&&The model estimates from a logistic regression are maximum likelihood estimates arrived at through an iterative process.&&They are not calculated to minimize variance, so the OLS approach to goodness-of-fit does not apply.&&However, to evaluate the goodness-of-fit of logistic models, several pseudo R-squareds have been developed.& &These are &pseudo& R-squareds because they look like R-squared in the sense that they are on a similar scale, ranging from 0 to 1 (though some pseudo R-squareds never achieve 0 or 1) with higher values indicating better model fit, but they cannot be interpreted as one would interpret an OLS R-squared and different pseudo R-squareds can arrive at very different values.&&
Tere are some Pseudo R-Squared, such as Efron's ,McFadden's, Cox & Snell, Nagelkerke / Cragg & Uhler's, McKelvey & Zavoina.
分析的有道理
对论坛有贡献
总评分:&经验 + 20&
论坛币 + 12&
学术水平 + 10&
热心指数 + 8&
信用等级 + 6&
Tere are some Pseudo R-Squared, such as Efron's ,McFadden's, Cox & Snell, Nagelkerke / Cragg & Uhler's, McKelvey & Zavoina.
对论坛有贡献
总评分:&经验 + 20&
学术水平 + 1&
热心指数 + 1&
请问，Logit回归出来直接报告的是Pseudo R2,怎么确定是什么的Pseudo R2呢？是McFadden's,还是其他的？
本文来自: 人大经济论坛 计量经济学与统计 版，详细出处参考：
我想知道中文翻译是？？
烦请智者赐教，谢谢！
到底多少比较好，
<font color="#1015042 发表于
When analyzing data with a logistic regression, an equivalent statistic to R-squared does not exist. ...为什么我的pseudo R^2才0.09，是不是很不好？怎么分析？
logit模型的R方就是伪R方
小点@心晴 发表于
为什么我的pseudo R^2才0.09，是不是很不好？怎么分析？遇到和你一样的问题，请问你后来是怎么解决的？求赐教！
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
&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
论坛法律顾问：王进律师计量经济学填空题精选2_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
计量经济学填空题精选2
上传于|0|0|暂无简介
阅读已结束，如果下载本文需要使用1下载券
想免费下载本文？
定制HR最喜欢的简历
下载文档到电脑，查找使用更方便
还剩3页未读，继续阅读
定制HR最喜欢的简历
你可能喜欢}