計量經(jīng)濟學實驗報告

1、word實驗報告課程名稱 計量經(jīng)濟學 實驗工程名稱 多元線性回歸 自相關 異方差 多重共線性 班級與班級代碼 08國際商務1班 實驗室名稱或課室 實驗樓910 專 業(yè) 國際商務 任課教師 劉照德 學 號： 姓 名： 張柳文 實驗日期： 2022 年 06 月 23日 廣東商學院教務處 制 姓名 張柳文 實驗報告成績 評語： 指導教師簽名 年 月 日說明：指導教師評分后，實驗報告交院系辦公室保存。計量經(jīng)濟學實驗報告實驗工程：多元線性回歸、自相關、異方差、多重共線性實驗目的：掌握多元線性回歸模型、自相關模型、異方差模型、多重共線性模型的估計和檢驗方法和處理方法實驗要求：選擇方程進行多元線性回歸；熟

2、悉圖形法檢驗和掌握D-W檢驗，理解廣義差分法變換和掌握迭代法；掌握Park或Glejser檢驗，理解同方差性變換；實驗原理：普通最小二乘法 圖形檢驗法 D-W檢驗 廣義差分變換 加權(quán)最小二乘法 Park檢驗等 實驗步驟：首先：選擇數(shù)據(jù)為了研究影響中國稅收收入增長的主要原因，選擇國內(nèi)生產(chǎn)總值GDP、財政支出ED、商品零售價格指數(shù)RPI做為解釋變量，對稅收收入Y做多元線性回歸。從 中國統(tǒng)計年鑒 2022中收集19782009年各項影響因素的數(shù)據(jù)。如下表所示： 中國稅收收入及相關數(shù)據(jù)年份T商品零售價格指數(shù)RPI/%財政支出ED/億元國內(nèi)生產(chǎn)總值GDP/億元稅收收入Y/億元1978100.7 1122

3、.093645.217519.281979102.0 1281.794062.579537.821980106.0 1228.834545.624571.71981102.4 1138.414891.561629.891982101.9 1229.985323.351700.021983101.5 1409.525962.652775.591984102.8 1701.027208.052947.351985108.8 2004.259016.0372040.791986106.0 2204.9110275.182090.731987107.3 2262.1812058.622140.3619

4、88118.5 2491.2115042.822390.471989117.8 2823.7816992.322727.41990102.1 3083.5918667.822821.861991102.9 3386.6221781.52990.171992105.4 3742.226923.483296.911993113.2 4642.335333.924255.31994121.7 5792.6248197.865126.881995114.8 6823.7260793.736038.041996106.1 7937.5571176.596909.821997100.8 9233.5678

5、973.038234.04199897.4 10798.1884402.289262.8199997.0 13187.6789677.0510682.58200098.5 15886.599214.5512581.51200199.2 18902.58109655.215301.38200298.7 22053.15120332.717636.45200399.9 24649.95135822.820017.312004102.8 28486.89159878.324165.682005100.8 33930.28184937.428778.542006101.0 40422.73216314

6、.434804.352007103.8 49781.35265810.345621.972022105.9 62592.66314045.454223.79200998.8 76299.93340506.959521.59實驗一：多元線性回歸1、將數(shù)據(jù)導入eviews5.0后，分別對三個解釋變量與被解釋變量做散點圖，選擇兩個變量作為group翻開，在數(shù)據(jù)表“ group中點擊view/graph/scatter/simple scatter，出現(xiàn)數(shù)據(jù)的散點圖，分別如下列圖所示：從散點圖看，變量間不一定呈現(xiàn)線性關系，可以試著作線性回歸。2、進行因果關系檢驗在“workfile中按住“ctrl鍵，

7、點擊所要選擇的變量，作為組翻開后，在“View下拉列表中選擇“Grange Causality，滯后期為2，得出如下結(jié)果：Pairwise Granger Causality TestsDate: 06/23/11 Time: 16:14Sample: 1978 2009Lags: 2  Null Hypothesis:ObsF-StatisticProbability  ED does not Granger Cause Y30 8.90261 0.00120  Y does not Granger Cause

8、ED 18.8091 1.0E-05Pairwise Granger Causality TestsDate: 06/23/11 Time: 16:15Sample: 1978 2009Lags: 2  Null Hypothesis:ObsF-StatisticProbability  GDP does not Granger Cause Y30 1.01199 0.37790  Y does not Granger Cause GDP 0.91874 0.41208Pai

9、rwise Granger Causality TestsDate: 06/23/11 Time: 16:19Sample: 1978 2009Lags: 2  Null Hypothesis:ObsF-StatisticProbability  RPI does not Granger Cause Y30 0.66167 0.52479  Y does not Granger Cause RPI 1.60624 0.22067從因果關系檢驗看，ED明顯影響財政收入Y，其他兩個因素影響不顯著。3

10、、做多元線性回歸選中變量作為組翻開，在下拉列表“Proc中選擇“MakeEquation按“確定，得到多元回歸模型：根據(jù)圖中數(shù)據(jù)，模型估計的結(jié)果為： 29.44784 (0.012839) (0.062849) (3135.746) t=(1.915151) (3.609459) (9.805713) (-2.043646) F=2714.480 df=27模型估計結(jié)果說明，在假定其他變量不變的情況下，當年RPI每增長1%，平均來說稅收收入會增長29.44784億元；當年GDP每增長1億元，平均來說稅收收入會增長0.012839億元；當年財政支出每增長1億元，平均來說稅收收入會增長0.0628

11、49億元。可決系數(shù)，修正后的可決系數(shù)，說明模型的樣本的擬合很好。F檢驗的數(shù)值很大，可以判定，在給定顯著性水平=0.05的情況下，拒絕原假設。說明回歸方程顯著，既“國內(nèi)生產(chǎn)總值、“財政支出、“商品零售價格指數(shù)等變量聯(lián)合起來確實對“稅收收入有顯著影響。 從t檢驗的值可以看出，GDP、ED均對稅收收入有顯著影響，但是RPI 指數(shù)的t檢驗值為1.915151，不通過檢驗。實驗二：自相關1、根據(jù)前面的數(shù)據(jù)把GDP作為解釋變量，稅收收入作為被解釋變量進行一元回歸。結(jié)果如下：Dependent Variable: YMethod: Least SquaresDate: 06/23/11 Time: 19:0

12、1Sample: 1978 2009Included observations: 32VariableCoefficientStd. Errort-StatisticProb.  GDP0.1696820.00389943.517420.0000C-1552.721478.9886-3.2416660.0029R-squared0.984406    Mean dependent var12135.70Adjusted R-squared0.983886    S.D. dependent va

13、r16097.40S.E. of regression2043.434    Akaike info criterion18.14311Sum squared resid1.25E+08    Schwarz criterion18.23472Log likelihood-288.2898    F-statistic1893.765Durbin-Watson stat0.115021    Prob(F-statistic)0.000

14、000把回歸分析結(jié)果報告出來如下： 0.003899 478.9886 t=(43.51742) (-3.241666) SE=2043.434 DW=0.115021 F=1893.765從報告可以一目了然地看出，D-W值近似為0，存在自相關。2、用圖形檢驗法檢查是否存在自相關做殘差趨勢圖：在進行一元回歸的界面上，點擊“resid，生成殘差趨勢圖：在“workfile窗口找到“show，點擊在彈出的“show對話框中輸入“resid(-1) resid，單擊“OK點擊“view/graph/scatter/simple scatter，生成殘差散點圖：從以上殘差趨勢圖和殘差散點圖可以看出，方

15、程存在正自相關。3、回歸自相關的處理在Y對GDP遠回歸中添入AR1項，如圖：點擊“確定，回歸結(jié)果如下：此時D-W值由原來的0.115021提高到1.125604，還沒有消除自相關，繼續(xù)處理，再參加AR2項，結(jié)果如下：Dependent Variable: YMethod: Least SquaresDate: 06/23/11 Time: 20:01Sample (adjusted): 1980 2009Included observations: 30 after adjustmentsConvergence achieved after 9 iterationsVariableCoeffi

16、cientStd. Errort-StatisticProb.  GDP0.1885240.01251315.066630.0000C-4664.0374712.907-0.9896310.3315AR(1)1.4142210.1775087.9670880.0000AR(2)-0.4620350.185079-2.4964180.0192R-squared0.998941    Mean dependent var12909.51Adjusted R-squared0.998819    S.

17、D. dependent var16342.77S.E. of regression561.7293    Akaike info criterion15.62348Sum squared resid8204036.    Schwarz criterion15.81031Log likelihood-230.3522    F-statistic8173.607Durbin-Watson stat2.154231    Prob(F-

18、statistic)0.000000Inverted AR Roots      .90          .51此時D-W檢驗值到達2.154231，消除了自相關。沒有消除和消除了自相關的回歸方程分別為：實驗三、異方差1、圖形檢驗法首先，Y對GDP回歸的殘差趨勢圖在前面自相關的實驗中已經(jīng)出現(xiàn)為：接著，用SORT命令對變量進行排序：然后，進行殘差散點圖，在“show窗口輸入指令“gdp resid2，點擊“OK，按照路徑“view/gr

19、aph/scatter/simple scatter，生成殘差散點圖如下：從殘差散點圖上可以直觀地看出，方程不存在異方差。2、Park檢驗對Y與GDP回歸的Park檢驗，實際上就是做形如如下的回歸觀察其顯著性 進行回歸，的結(jié)果為：Dependent Variable: LOG(RESID2)Method: Least SquaresDate: 06/23/11 Time: 21:53Sample: 1 32Included observations: 32VariableCoefficientStd. Errort-StatisticProb.  LOG(GDP)0.161

20、3700.1701460.9484220.3505C12.899861.7980547.1743460.0000R-squared0.029111    Mean dependent var14.58963Adjusted R-squared-0.003252    S.D. dependent var1.367971S.E. of regression1.370194    Akaike info criterion3.528243Sum squared resid56.3

21、2295    Schwarz criterion3.619852Log likelihood-54.45189    F-statistic0.899503Durbin-Watson stat0.815372    Prob(F-statistic)0.350493從結(jié)果可以看出，方程是不顯著的，既不存在異方差3、White檢驗由一元回歸估計結(jié)果，按照路徑“view/residual tests/White heteroskedasticity(no cross terms

22、 or cross terms)，進入White檢驗，根據(jù)White檢驗中附注函數(shù)的構(gòu)造，最后一項為變量的交叉乘積項，因為檢驗一元函數(shù)，故無交叉乘積項，因此應選no cross 。經(jīng)估計出現(xiàn)White檢驗結(jié)果如下： White Heteroskedasticity Test:F-statistic1.596084    Probability0.219985Obs*R-squared3.173112    Probability0.204629Test Equation:Dependent Variable: RE

23、SID2Method: Least SquaresDate: 06/23/11 Time: 22:05Sample: 1 32Included observations: 32VariableCoefficientStd. Errort-StatisticProb.  C2593976.1086913.2.3865540.0238GDP23.5275022.839211.0301360.3115GDP2-3.83E-057.44E-05-0.5141970.6110R-squared0.099160    Mean dependent

24、 var3914645.Adjusted R-squared0.037033    S.D. dependent var3866921.S.E. of regression3794644.    Akaike info criterion33.22514Sum squared resid4.18E+14    Schwarz criterion33.36255Log likelihood-528.6022    F-statistic1

25、.596084Durbin-Watson stat0.360789    Prob(F-statistic)0.219985從表中可以看出，n=3.173112，由White檢驗知，在=0.05下，查分布表，得臨界值2=5.9915同時，GDP和GDP2的t值也不顯著，n=3.173112小于2=5.9915，說明模型不存在異方差。實驗四：多重共線性1、在前面所做的多元線性回歸模型中，回歸結(jié)果如下：由此可見，該模型可決系數(shù)很高，F(xiàn)值明顯顯著，但是當=0.05時，RPI的t檢驗不通過，有可能存在多重共線性。2、計算各解釋變量的相關系數(shù)，點“view/cor

26、relation得相關系數(shù)矩陣由相關系數(shù)矩陣可以看出，各解釋變量之間某些相關系數(shù)較高，證實存在一定程度的多重共線性。3、對多重共線性的處理才用逐步回歸法，去檢驗和解決多重共線性問題，分別作Y對RPI、GDP、ED、的一元回歸，結(jié)果如下：變量 RPI GDP ED參數(shù)估計值 -688.9698 0.169682 0.835385T統(tǒng)計量 -1.539794 43.51742 74.23802 0.073244 0.984406 0.994586 0.042352 0.983886 0.994406其中，ED的方程最大，以ED為根底，順次參加其它變量逐步回歸，結(jié)果參加GDP后，=0.996125，參加