計(jì)量經(jīng)濟(jì)學(xué)作業(yè)---計(jì)量經(jīng)濟(jì)學(xué)模型設(shè)計(jì)

1、精選優(yōu)質(zhì)文檔-傾情為你奉上計(jì)量經(jīng)濟(jì)學(xué)作業(yè)表5-1列出了2010年江西省環(huán)鄱陽(yáng)湖生態(tài)經(jīng)濟(jì)區(qū)所轄主要縣、市的工業(yè)及建筑業(yè)主營(yíng)業(yè)務(wù)收入與利潤(rùn)總額的統(tǒng)計(jì)資料，利用統(tǒng)計(jì)軟件Eviews建江西省環(huán)鄱陽(yáng)湖生態(tài)經(jīng)濟(jì)區(qū)所轄主要縣、市的工業(yè)及建筑業(yè)利潤(rùn)函數(shù)模型。表1 江西省環(huán)鄱陽(yáng)湖生態(tài)經(jīng)濟(jì)區(qū)所轄主要縣、市的工業(yè)及建筑業(yè)主營(yíng)業(yè)務(wù)收入與利潤(rùn)總額情況地區(qū)利潤(rùn)總額主營(yíng)業(yè)務(wù)收入地區(qū)利潤(rùn)總額主營(yíng)業(yè)務(wù)收入南昌縣湖口縣21964新建縣87103彭澤縣10680安義縣16861瑞昌市66976進(jìn)賢縣31432余江縣18022浮梁縣29189貴溪市樂平市71020新干縣29624九江縣19628豐城市武寧縣54449樟樹市59555

2、修水縣57279高安市72198永修縣88837東鄉(xiāng)縣34753德安縣36721余干縣30041星子縣15055.5.5鄱陽(yáng)縣9225都昌縣8919萬(wàn)年縣47573一、 參數(shù)估計(jì)進(jìn)入EViews軟件包，確定時(shí)間范圍；編輯輸入數(shù)據(jù)；選擇估計(jì)方程菜單，估計(jì)樣本回歸函數(shù)如圖1所示。圖 1 估計(jì)樣本回歸函數(shù)估計(jì)結(jié)果為括號(hào)內(nèi)為t統(tǒng)計(jì)量值。二、 檢驗(yàn)異方差性1、圖形分析檢驗(yàn)觀察利潤(rùn)總額（）與主營(yíng)業(yè)務(wù)收入（）的相關(guān)圖(圖2)：SCAT X Y圖2江西省環(huán)鄱陽(yáng)湖生態(tài)經(jīng)濟(jì)區(qū)所轄主要縣、市的工業(yè)及建筑業(yè)主營(yíng)業(yè)務(wù)收入與利潤(rùn)總額相關(guān)圖從圖中可以看出，隨著主營(yíng)業(yè)務(wù)收入的增加，利潤(rùn)總額的平均水平不斷提高，但離散程度也逐步

3、擴(kuò)大。這說(shuō)明變量之間可能存在遞增的異方差性。殘差分析首先將數(shù)據(jù)排序（命令格式為：SORT 解釋變量），然后建立回歸方程。在方程窗口中點(diǎn)擊“Resids”按鈕就可以得到模型的殘差分布圖（或建立方程后在Eviews工作文件窗口中點(diǎn)擊“resid”對(duì)象來(lái)觀察）。圖 3 江西省環(huán)鄱陽(yáng)湖生態(tài)經(jīng)濟(jì)區(qū)所轄主要縣、市的工業(yè)及建筑業(yè)利潤(rùn)總額回歸模型殘差分布圖3顯示回歸方程的殘差分布有明顯的擴(kuò)大趨勢(shì)，即表明存在異方差性。2、Goldfeld-Quant檢驗(yàn)（1）將樣本按解釋變量排序（SORT X）并分成兩部分（分別有1到8共8個(gè)樣本和14到21共8個(gè)樣本）（2）利用樣本1建立回歸模型1，其殘差平方和為=。（3）利

4、用樣本2建立回歸模型2，其殘差平方和為=。（4）計(jì)算F統(tǒng)計(jì)量：/=16.22。取時(shí)，查F分布表得,，所以存在異方差性。3、White檢驗(yàn)（1）建立回歸模型：LS Y C X，回歸結(jié)果如圖4。圖4 江西省環(huán)鄱陽(yáng)湖生態(tài)經(jīng)濟(jì)區(qū)所轄主要縣、市的工業(yè)及建筑業(yè)利潤(rùn)總額回歸模型（2）在方程窗口上點(diǎn)擊ViewResidualTestWhite Heteroskedastcity,檢驗(yàn)結(jié)果如圖5。圖5 White檢驗(yàn)結(jié)果其中F值為輔助回歸模型的F統(tǒng)計(jì)量值。取顯著水平，由于,所以不存在異方差性。實(shí)際應(yīng)用中可以直接觀察相伴概率p值的大小，若p值較小，則認(rèn)為存在異方差性。反之，則認(rèn)為不存在異方差性。4、Park檢驗(yàn)（

5、1）建立回歸模型（結(jié)果同圖4所示）。（2）生成新變量序列：GENR LNE2=log(RESID2)GENR LNX=log（x）（3）建立新殘差序列對(duì)解釋變量的回歸模型：LS LNE2 C LNX，回歸結(jié)果如圖6所示。圖6 Park檢驗(yàn)回歸模型從圖5-7所示的回歸結(jié)果中可以看出，LNX的系數(shù)估計(jì)值不為0且能通過(guò)顯著性檢驗(yàn)，即隨機(jī)誤差項(xiàng)的方差與解釋變量存在較強(qiáng)的相關(guān)關(guān)系，即認(rèn)為存在異方差性。5、Gleiser檢驗(yàn)（Gleiser檢驗(yàn)與Park檢驗(yàn)原理相同）（1）建立回歸模型（結(jié)果同圖4所示）。（2）生成新變量序列：GENR E=ABS(RESID)（3）分別建立新殘差序列（E）對(duì)各解釋變量（X

6、,X2,X(1/2),X(1),X(2), X(1/2)）的回歸模型：LS E C X，回歸結(jié)果如下所示： (4.4315) (0.0296) (5.6705) (-0.4190) (1.9905) (0.4788) （4.5320）（-1.4311）（5.6922） （-1.4563） （3.1546） （-1.2831）由上述各回歸結(jié)果可知，回歸模型中解釋變量的系數(shù)估計(jì)值顯著為0, 回歸模型不能通過(guò)顯著性檢驗(yàn)，所以不能確定存在異方差性。（4）由F值或確定異方差類型Gleiser檢驗(yàn)中可以通過(guò)F值或值確定異方差的具體形式。本例中，所有方程均無(wú)效。三、 調(diào)整異方差性1、確定權(quán)數(shù)變量根據(jù)Park檢驗(yàn)，可以得出的一般形式為：生成權(quán)數(shù)變量：GENR W1=1/X(0.9158/2)根據(jù)Gleiser檢驗(yàn)，可以取以下兩種形式作為權(quán)數(shù)變量：生成權(quán)數(shù)變量：GENR W2=1/ABS(RESID）GENR W3=1/ RESID 22、利用加權(quán)最小二乘法估計(jì)模型在Eviews命令窗口中依次鍵入命令：LS(W=) Y C X經(jīng)估計(jì)檢驗(yàn)發(fā)現(xiàn)用權(quán)數(shù)的效果最好。下面僅給出用權(quán)數(shù)的結(jié)果。3、對(duì)所估計(jì)的模型再進(jìn)行White檢驗(yàn)，觀察異方差的調(diào)整情況對(duì)所估計(jì)的模型再進(jìn)行White檢驗(yàn)，其結(jié)果對(duì)