計(jì)量學(xué)實(shí)驗(yàn)報(bào)告

1、2,解：設(shè)學(xué)生月消費(fèi)支出為Y,家庭月收入水平為X則在不考慮其他因素的影響時(shí)，其基本回歸模型：-=-：-其他定性因素可用如下虛擬變量表示：=1得到獎(jiǎng)學(xué)金=1來(lái)自城市L = to未得到獎(jiǎng)學(xué)金2 = to來(lái)自農(nóng)村_fl 來(lái)自發(fā)達(dá)地區(qū)男性3 io來(lái)自欠發(fā)達(dá)地區(qū)1 - io女性則引入個(gè)虛擬變量后的回歸模型如下：Yl = 0口 + pLXj + ct2D; + ctsDs + uL由此回歸模型，可得如下各種情況下學(xué)生的平均消費(fèi)支出：（1）來(lái)自欠發(fā)達(dá)農(nóng)村地區(qū)的女生，未得到獎(jiǎng)學(xué)金時(shí)的月消費(fèi)支出：E（Yl|Xp Dh = D2: = DEi = D4l = o） = % +（2）來(lái)自欠發(fā)達(dá)城市地區(qū)的男生，得到獎(jiǎng)

2、學(xué)金時(shí)的月消費(fèi)支出：Dii = 口土 = D_!i = L = 0）= 0口+ c._ + C!； +匚）+ 臼危：（3）來(lái)自發(fā)達(dá)地區(qū)的農(nóng)村女生，得到獎(jiǎng)學(xué)金時(shí)的月消費(fèi)支出：Dh = OE: = L Si = D4L = 0）= （30 + ! + aa） + 但*（4）來(lái)自發(fā)達(dá)地區(qū)的城市男生，未得到獎(jiǎng)學(xué)金時(shí)的月消費(fèi)支出：E，工D】i = D&： = Dji = L D=0）=0口 + * + 匚+ 0上：P186 T3答：滯后變量模型有分布滯后模型和自回歸模型兩大類，前者只有解釋變量及其滯后變量作 為模型的解釋變量，不包含被解釋變量的滯后變量作為模型的解釋變量；而后者則以當(dāng)期解 釋變量與被解釋

3、變量的若干期滯后變量作為模型的解釋變量。分布滯后變量有無(wú)嫌棄的分布5, 19701991年美國(guó)制造業(yè)固定廠房設(shè)備投資Y和銷售量X的相關(guān)數(shù)據(jù)如下表所示。單位：10億美元年份廠房開支Y銷售量X年份廠房開支Y銷售量X197036.9952.8051981128.68168.129197133.655.9061982123.97163.351197235.4263.0271983117.35172.547197342.3572.9311984139.61190.682197452.4884.791985152.88194.538197553.6686.5891986137.95194.65719766

4、8.5398.7971987141.06206.326197767.48113.2011988163.45223.547197878.13126.9051989183.8232.7241979198095.13143.9361990192.61239.459112.6154.3911991182.81235.142以r代表理想的貨長(zhǎng)期的新建廠房設(shè)備企業(yè)開支，估計(jì)如下模型r* =。+p x + utt01 t t如果模型設(shè)定為r= &0Xf烈，請(qǐng)用存量調(diào)整模型進(jìn)行估計(jì)，同(1)中的結(jié)果相比，你會(huì)選擇哪個(gè)模型？3，以X *代表理想的銷售量，請(qǐng)估計(jì)如下的模型：tr = p +。x * + u與(1)

5、中的模型相比，你認(rèn)為哪個(gè)模型更合適一些？【實(shí)驗(yàn)步驟】1，首先打開eview，由于廠房的長(zhǎng)期開支是不可預(yù)測(cè)量，則我們進(jìn)行如下的局部調(diào)整假設(shè):r - r = 5 (r * - r ) t t 1t t 1則原模型變換成為r =5p 0 +5p 1 X + (1 5)r 1 +5 u則在模型中進(jìn)行估計(jì)：Dependent Variable: YMethod: Least SquaresDate: 12/1511 Time: 21:30Sample adjusted): 222Included observations: 21 after adjustmentsVariable Coefficient

6、 Std. Error t-Statistic Prob.X0.64S0190.1034476 2642420.0000Y10.2415180.1223S11.9734890.0640C-14.5S4404.87 7170-2.9800890.0030R-squared0.985723Mean dependent var109.6929Adjusted R-squared0.934136S.D. dependent var51.34017S.E. of regession6.466326Akaike info criterion6.702657Sum squared resid752.6407

7、Schwarz criterion6.85137 4-Log likelihood-67.37790Hannan-Quinn criter.6.735041F-statistic621.3756Durbin-Watson stat1.676191Prob(F-statistic)0.000000則可以見到如下的數(shù)值：r = 14.53 + 0.648 X + 0.2415 r ttt1-2.986.261.97R 2=0.9857 R 2 =0.9841F=621.38 DW= 1.676我們可以發(fā)現(xiàn)此時(shí)的DWdu=1.43.但是由于模型之中含有被解釋變量的滯后期作為解釋變得出檢驗(yàn)結(jié)果量，姑不

8、能就此判斷模型不具有序列相關(guān)性，到我們依據(jù)拉格朗日乘數(shù)方法， 中我們發(fā)現(xiàn)：Breusch-Godfrey Serial Correlation LM TestF-statistic1.564717 Prob.0.2279 -ObsR-squared1.769974- Prob. Chi-Square(l) 0.1834Test Equation:ependentVariable: RESIDMethod: Least SquaresDate: 12J15711 Time: 21:35Sample:222Included observations: 21Pre sample missing va

9、lue lagged residuals set to zero.VariableCoefficientStd. Errort-StatisticProb.X0.1995260.1892581.0&42550.3065Y1-0.2303420.225735-1.057S290.3049C-6.1034966.349100-0.891S690.3S49RESIDH)0.5457540 4362941.2508870.2279表明該模型確實(shí)不存在一階序列相關(guān)性2,對(duì)于原模型進(jìn)行調(diào)整，兩邊取對(duì)數(shù)進(jìn)行局部調(diào)整分析，得出如下的模型: ln Y =5 ln P。+ 七8 In X + (1 -5 )ln

10、Y 1 +5 u則進(jìn)行回歸分析：Dependent Variable: LNYMethod: Least SquaresDate: 12/1511 Time: 21:45Sample (adjusted): 222Included observations: 21 after adjustmentsVariable Coefficient Std. Error t-Statistic Prob.LNX0.9037030.1342447.3277800.0000LNY10.1366690.1068091.74-76S90.0976C-1.1344940.216456-5.2412170.0001

11、R-squared0.991286Mean dependent var4.567S34Adjusted R-squared0.990317S.D. dependent var0.557106S.E. of regression0.054819Akaike info criterion-2.837988Sum squared resid0.054093Schwarz criterion-2.6S3771Log likelihood32.79838Hannan-Quinn criter.-2.305604F-statistic1023.786urbin-Watson stat1.973581Pro

12、b(F-statistic)0.000000據(jù)估計(jì)值我們可以看到:In Y = -1.1345+ 0.9837 In X+ 0.1867 In Yttt-1-5.247.331.75R 2=0.9912R 2 =0.9903F=1023.78DW=1.979同樣的，進(jìn)行LM檢驗(yàn)Breusch-Godfrey Serial Correlation LM Test:F-statistic0.001606Prob.0.9685Obs*R-squared0.001934Prob. Chi-Square(l)0.9645Test Equation: ependentVariable: RESIDMeth

13、od: Least SquaresDate: 121511 Time: 21:50Sample: 222Included observations: 21Presample missing value lagged residuals set to zero.VariableCoefficientStd. Errort-StatisticProb.LNX0.0051240.1882100.0272230.9786LNY1-0.0041190.150461-0.0273730.9785C-0.0068400.530595-0.0243770.9008RESIDH)0.0133290.332567

14、0.04-00730.9685-|_ _rrr卜可見模型不存在一階序列相關(guān)性雖然這里的模型比（1）中的模型的擬合優(yōu)度高，但是不能就此認(rèn)為這里的模型就一定要比（1） 中的模型，因?yàn)槎叩谋唤忉屪兞坎灰粯印榱吮容^二者，就行如下的變化. . . . . . . .一 . . 首先計(jì)算被解釋變量的新序列七，并用它替代原序列，分估計(jì)雙雙對(duì)數(shù)線性模型與線性模型：Y = 0.1577+ 0.0070 Xt+ 0.2415 Yt1-0.2986.261.97R 2=0.9857R 2 =0.9841F=621.38RSS . =0.088577ln Y = 4.8139 + 0.983 ln X + 0.1

15、867 ln Y-7.217.331.75R 2=0.9912R 2 =0.9903F=1023.78RSS 0.0540932計(jì)算下面服從自由度為1的X 2分布的統(tǒng)計(jì)量：-n ln =5.42 2 RSS2該數(shù)值大于5%顯著性水平下自由度為1的X 2分布的臨界值為3.84，由此可以知道2中的模型優(yōu)于1中的模型3，由于設(shè)計(jì)解釋變量的預(yù)期水平，可以作出如下自適應(yīng)預(yù)期假定：X * - X * = r （X - X * ） tt 1tt 1則原模型變成如下的形式：Y =。r +。rX + （1 一 r）Y + u （1 一 r）u t 01 tt1tt1由于該模型存在隨機(jī)解釋變量與滯后期的被解釋變量

16、同期相關(guān)的問(wèn)題，無(wú)法直接使用OLS 進(jìn)行估計(jì)，需采用工具變量法，用X,1作為七1的工具變量，這是因?yàn)樗麄兪歉叨认嚓P(guān)的， 其次原模型之中的最小二乘假設(shè)之中有X和u不存在相關(guān)性的假設(shè)，則選擇 Quickestimate equation 選擇 equation specification 輸入 Y C X Y(-1)選擇 TSLS，在出現(xiàn)的新結(jié)果里面instrument list輸入C X X(-1)，得到：Dependent Variable: YMethod: Two-Stage Least SquaresDate: 12/1511 Time: 22:17Sample (adjusted):

17、222Included observations: 21 after adjustmentsInstrument list CX X(-1VaiiableCoefficientStd. Errort-StatisticProb.C-14.178325.033630-2.3167190.0114X0.6354940.1122675.6605400.00000256753口.1333341.9249150.0702R-squared0.985711Mean dependent var109.6929Adjusted R-squared0.9S412SS.D. dependent var51.S40

18、17S.E. of regression6.469109Sum squared resid753.2887F-statistic620.7480Durbin-Watson stat1.696758Prob(F-statistic)0.000000Second-Stage SSR760.4250即模型的工具變量法估計(jì)結(jié)果如下:Y = -14.178 + 0.6355 X + 0.2568 Y + v ttt-1t-2.825.661.92R 2=0.9857 R 2 =0.9841F=620.75DW=1.697再加上LM檢驗(yàn)：Breusch-Godfrey Serial Correlation

19、 LM Test:Obs*R-squared0.838965 Prob. Chi-Square(l) 0.3597Test Equation: ependentVariable: RESIDMethod: Two-Stage Least SquaresDate:Time: 22:22Sample: 222Included observations: 21Pre sample missing value lagged residuals set to zero.VariableCoefficientStd. Errort-StatisticProb.C-2.7683246.043902-0.45

20、76570.6530X0.0900070.1557690.5773230.5710-0.107634-0185680-0.5799460.5696RESID(-1)0.2770440.3293390.3410350.4120可見此模型已經(jīng)不存在序列相關(guān)性。從總體上面看來(lái)，(1)中的模型不涉及隨機(jī)解釋變量與隨機(jī)干擾項(xiàng)的同期相關(guān)性，而這里涉 及，采用了工具變量法，因此綜合評(píng)定(1)中的模型更加合適一些。19701991年美國(guó)制造業(yè)固定廠房設(shè)備投資Y和銷售量X的相關(guān)數(shù)據(jù)如下表所示。單位：10億美元年份廠房開支Y銷售量X年份廠房開支Y銷售量X197036.9952.8051981128.68168.1

21、29197133.655.9061982123.97163.351197235.4263.0271983117.35172.547197342.3572.9311984139.61190.682197452.4884.791985152.88194.538197553.6686.5891986137.95194.657197668.5398.7971987141.06206.326197767.48113.2011988163.45223.547197878.13126.9051989183.8232.724197995.13143.9361990192.61239.4591980112.61

22、54.3911991182.81235.142假定銷售量對(duì)廠房設(shè)備支出有一個(gè)分布滯后效應(yīng)，使用4期滯后和2次多項(xiàng)式去估計(jì)此 分布滯后模型；檢驗(yàn)銷售量與廠房設(shè)備支出的格蘭杰因果關(guān)系，使用直至6期為止的滯后并評(píng)述你的結(jié) 果。(1)設(shè)要估計(jì)的分布滯后模型為：Y = a + 0 X + 0 X +0 X +0 X +0 X +p t0 t 1 t-12 t - 23 t - 34 t - 4t根據(jù)阿爾蒙變換，令0 .=以0 +以i +以2 i 2( i = 0,1,2,3,4)或Y = a+ a W + a W + a W + 0 011 1t 2 21 tW 0 t = Xt + Xt-1 + Xt

23、-2 +Xt-3 + Xt-4其中：W = X+ 2X+ 3X+ 4XW = X+ 4 X+ 9 X+ 16 X在 EVIEWS 軟件下，可通過(guò)選擇 QuickGenerate Series.,在出現(xiàn) Generate Series 階段 by Eq.窗口 分別輸入 “ W0 =X+X ( -1 ) +X ( -2 ) +X ( -3 ) +X ( -4 )； W1 =X(-1)+2*X(-2)+3*X(-3)+4*(X-4); W2 =X(-1)+4*X(-2)+9*X(-3)+16*X(-4)生成三個(gè)序列W、W、W然后做Y關(guān)于W、W、W 的OLS回歸，估計(jì)結(jié)果如下：0t1t2t011t21

24、ml EViewsFile Edi t Ob j e c t Vi ew Froc 蟲tick Options Window Helpgenrwot=x+x(-l)+x (-2)+x (-3)+x (-4) genrw1t=X(-1)+2*X(-2)+3*X(-3)+4*X(-4) genrw2X(-1)+4*X(-2)+9*X(-3)+1 6*X(-4) Equation: UNTITLED lorkfile: UWTITLED: :. . 回國(guó)NameFreezeEstimateForecastResidsDependent Variable: YMethod: Least Squares

25、Date: 05/03/1 2 Time: 02:50Sample (adjusted): 1 974 1 991Included observations: 18 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.C-30.825543.916420-3.4571 660.0030WOT0.3324210.1899714.3S104O0.0006W1T-0.6079230.276901-2.1954540.0455W2T0.0929210.06701 01.37031 70.1922R-squared0.981227M

26、ean dependent var1 21.7378Adjusted R-squared0.977204S.D. dependent var44.07907S.E. of regression6.776057Akaike info criterion6.057793Sum squared resid642.3093Schwa iz criterion7.055658Log likelihood-57.7201 0Hannan-Quinn criter.6.005000F-statistic243.9194Durbin-Watson stat1.358472Prciti(F-statistic)

27、0.000000a & = -30.8255 ,耽=0.8324 ;嘰=0.3174 ;= -0.0117 ;嘰=-0.1551 ;嘰=-0.1125步驟:1建立工作文件并錄入數(shù)據(jù)，如圖1所示圖12使用4期滯后2次多項(xiàng)式估計(jì)模型在工作文件中，點(diǎn)擊QuickEstimate Equation，然后在彈出的對(duì)話框中輸入：Y C PDL(X,4,2)，點(diǎn)擊OK，得到如圖2所示的回歸分析結(jié)果。其中，“PDL指令”表示進(jìn)行多項(xiàng)式分布滯后(Ploynamial Distributed Lags)模型的估計(jì)， X為滯后序列名，4表示滯后長(zhǎng)度，2表示多項(xiàng)式次數(shù)。由圖2中的數(shù)據(jù)，我們得到估計(jì)結(jié)果如下： AY =

28、 30.82554 - 0.1174 W0 - 0.236237 W】+ 0.092921 W2(-3.457)(-0.087)(-3.476)(1.370)R 2 = 0.981227R2 = 0.9 7 7 2 0 4D .W .= 1.3 5 8 4 7F = 243.9194R S S= 6 4 2.8 0 9最后得到的分布滯后模型估計(jì)式為：AYt = - 30.82554+ 0.83242X + 0.31742X 0.01174X 0.15506X 0.11 253X(3.457)(4.382)(3.242)(0.087)(1.679)(0.57 3) Equat ion: UNTI

29、TLED1Torkfile:UNTITLED:1 回Prinl:Name日也R 已 sidsDependent Variable: YMethod: Least SquaresDate: 05/08/1 2 Time: 02:15Sample (adjusted): 1 974 1 991Included observations: 18 after adjustmentsLag Distribution ofXi Coefficient圖2=Std. Errort-Statistic0 0.832420.1 89974.381 84部分格式與一般的回歸方程相闊邛給出了模型1參數(shù)估計(jì)值、t的上

30、半圖所示輸及對(duì)應(yīng)的概率值，以及模型的其他統(tǒng)計(jì)量。圖2窗口的下半部分則給出了模型 解析變量X及X各滯后變量的系數(shù)0估計(jì)值、-標(biāo)準(zhǔn)差、t統(tǒng)計(jì)量以及滯后系數(shù)之和檢驗(yàn)統(tǒng)計(jì)Lags )等iSum of Lags 0.870520.0327226.6025(Sum ofVariableCoefficientStd. Errort-StatisticProb.C-30.825543.916420-3.4571 660.0033PDL01-0.0117400.134307-0.00741 00.9316PDL02-0.2362370.067956-3.47631 20.0037PDL030.0929210.0

31、6731 01.37031 70.1922R-squared0.981227Mean dependent var121.7070Adjusted R-squared0.977204S.D. dependent var44.87937S.E. of regression6.776057Aka ike info criterion6.857798Sum squared resid642.0093Schwarz criterion7.05565SLog likelihood-57.7201 0Hannan-Quinn criter.6.085000F-statistic243.9194Durbin-

32、Watson stat1.358472Prob(F-statistic)0.000000圖2上部分中的PDL01、PDL02、PDL03分別代表式Y(jié) = a+ a W +a W +a W +口t0 011 1t2 t t中的W01、W11、W21。由于多項(xiàng)式次數(shù)為2,因此除了常數(shù)項(xiàng)外共有3個(gè)參數(shù)估計(jì)值。在3 個(gè)PDL變量系數(shù)估計(jì)值中變量PDL01、PDL03的系數(shù)估計(jì)值的t統(tǒng)計(jì)量沒(méi)有通過(guò)顯著性檢 驗(yàn)，而PDL02的系數(shù)估計(jì)值在5%的檢驗(yàn)水平是顯著的。但是F統(tǒng)計(jì)量=243.9194，其對(duì)應(yīng) 的概率值P非常小，從而可以拒絕“整體上諸變量PDL之間對(duì)Y沒(méi)有影響”的原假設(shè)，參 數(shù)估計(jì)值不顯著很可能是由

33、于諸變量之間存在多重共線性問(wèn)題。圖2下半部分，Lag Distribution of X列繪制出了分布滯后變量X的諸系數(shù)0的分布圖，其圖形有呈現(xiàn)二次拋物線形狀的趨勢(shì)。緊接著，Eviews給出了分布滯后模型中諸0,的估計(jì) 值。這些系數(shù)值分別為0.83242、0.31742、-0.01174、-0.15506、-0.11253，分別表示銷售量 X增加一個(gè)單位，在當(dāng)期將使廠房開支Y增加0.83242個(gè)單位；由于存在時(shí)間滯后的影響， 銷售量X還將在下一期使得廠房開支Y增加0.31742個(gè)單位；在第二期使得廠房開支Y減 少0.01174個(gè)單位；在第三期使得廠房開支Y減少0.15506個(gè)單位；第四期舍得廠

34、房開支Y 減少0.11253個(gè)單位。圖2所示的估計(jì)結(jié)果的最后一行Sum of Lags是諸系數(shù)&，.估計(jì)值的總和，其反映的分布 滯后變量X對(duì)因變量Y的長(zhǎng)期影響(即長(zhǎng)期乘數(shù))，即從長(zhǎng)期看，X增加一個(gè)單位將使得Y 增加0.87052個(gè)單位。為了進(jìn)行比較，下面直接對(duì)滯后4期的模型進(jìn)行OLS估計(jì)。在工作文件中，點(diǎn)擊 QuickEstimate Equation.，然后在彈出的對(duì)話框中輸入：Y C X X(-1) X(-2) X(-3) X(-4)，點(diǎn) 擊OK，得到如圖3所示的回歸分析結(jié)果。由圖VariableCoefficientStd. Errort-StatisticProb.C-27.70366

35、9.112935-3.0493640.0101X0.5665620.2646432.140S570.0535X(-1)0.7636020.3760012.0390080.0640X(-2)-0.22671 90.393064-0.5768000.5747X(-3)-0.2760790.385931-0.717432O.406SX(-4)0.0333470.2836470.1175660.9034R-squared0 984122 圖:Mn dependent var1 21.7070Adjusted R-squared0.977506S.D. dependent var44.079376.73

36、1110到:quareaLog likelihood=-2 7.78866st + 0.566562Prob(F-statistic)3.049)(2.141)543.6955-56.21 305+ 0.7686020.000000 (2.040)Akaike info criterion Schwarz criterion Hannan-Quinn criter. Xurl-r026719 s X(0.577)6.91 25617.2093526.953435-0.27.6870X0.033347(0.717)(0.118)R 2 = 0.9 8 4 1 2 22R 2 = 0.9 7 7

37、5 0 6D ,W .= 1.5 5 5 3 0F = 148.7498R S S= 5 4 3.6 9 5 Equation:UKTITLED| lorkfile: UNTITLED:. 日回區(qū)Print制血已Free況氐洲眥腫口館做!:臉北屜引山Dependent Variable: YMethod: Least SquaresDate: 05/03/12 Time: 02:24Sample (adjusted): 1 974 1 991Included observations: 18 after adjustments可以看出，盡管擬合優(yōu)度有所提高，但所有變量的系數(shù)均未通過(guò)顯著性水平為

38、5%的t 檢驗(yàn)。3格蘭杰因果關(guān)系檢驗(yàn)打開序列組，如圖1所示，在其窗口工具欄中單擊ViewGranger Causality.，；屏幕彈 出如圖4所示的對(duì)話框。在圖4所示對(duì)話框中輸入滯后長(zhǎng)度“1”，然后單擊OK按鈕，屏幕會(huì)輸出Granger因果 關(guān)系檢驗(yàn)結(jié)果，如圖5所示。 Group: UKTITLED Torkfile: UNTITLED: :Unt. . 回區(qū)WiewRPr匚CibjE匚H |Print|Nmnni|FrEiEE |弱叩1司|511汜51:融圳卯e匚Pairwise Granger Causality TestsDate: 05/08/12 Time: 02:53Sample

39、: 1 970 1 991Lags: 1Null Hypothesis:ObsF-StatisticProb.X does not Granger Cause Y2131.90612.E-05Y does not Granger Cause X23.83390.0001圖5由圖5中伴隨概率知，在5%的顯著性水平下，拒絕“X不是Y的格蘭杰原因”的原 假設(shè)，即“X是Y的格蘭杰原因”；同時(shí)拒絕“ Y不是X的格蘭杰原因”。因此，從1階滯 后情況來(lái)看，X的增長(zhǎng)是廠房開支Y增長(zhǎng)的格蘭杰原因，同時(shí)廠房開支Y增長(zhǎng)是X增長(zhǎng)的 格蘭杰原因，即廠房開支Y與銷售量X的增長(zhǎng)互為格蘭杰原因。下面再利用拉格朗日乘數(shù)法進(jìn)行模

40、型的序列相關(guān)性檢驗(yàn)。13回區(qū)I點(diǎn)擊主界面菜單QuickEstimate Equation，在彈出的對(duì)話框中輸入X C X(-1) Y(-1)，在 輸出的回歸結(jié)果中(如圖 6 所示)，點(diǎn)擊 ViewResidual TestsSerial Correlation LM Tess.，在彈 出的對(duì)話框中輸入1，點(diǎn)擊確定即可得到1階滯后殘差項(xiàng)的輔助回歸函數(shù)結(jié)果，如圖7所示。 Equation: UVTITLEDTorkfile: UHTITLED:ViewObjectPrintNameFreezeEstimateForecast也ResidsDependent Variable: XMethod: L

41、east SquaresDate: 05/03/1 2 Time: 03:00Sample (adjusted): 1971 1991Included observations: 21 after adjustmentsVariableCoefficientStd. Error t-StatisticProb.C-0.2940313.531326-0.0032730.9345X(-1)1.5531 940.11027613.131900.0000Y(-1)-0.691 8270.141710-4.SS1993圖60.0001R-squared0.994891-4lMean dependent

42、var1 53.4003Adjusted R-squared0.994323S.D. dependent var60.1 1556S.E. of regression4.529435Aka ike info criterion5.990657Sum squared resid369.2923Schwarz criterion6.139075Log likelihood-59.901 90Hannan-Quinn criter.6.023041F-statisticProb(F-statistic)1752.4730.000000Durbin-Watson stat2.867723Equatio

43、n: UNTITLEDTorkfile: UNTITLED:.MIviewllProclobject Print Name Freeze Estimate Forecast Stats ResidsBreusch-Godfrey Serial Correlation LM Test:F-statisticObs*R-squared4.642332 Prob. F(1,1 7)0.04584.504551 Prob. Chi-Square(l)0.033STest Equation:Dependent Variable: RESIDMethod: Least SquaresDate: 05/08

44、/1 2 Time: 03:02Sample: 1 971 1 991Included observations: 21Presample missing value laggedduals set to zero.由圖7知，拉格朗日乘數(shù)統(tǒng)啊倒花世nR 2更*504551 ，大于噂的顯著性水平下自,_ A / 八 田 1 -1 y ti ti U 7 由度有1的x 2分布的臨界值X *5（H球.渤 型存在一階自相關(guān)性。言撰津?qū)?yīng)的伴隨概率用噩蹦050.1 30478-0.2965840.2221 61-2.1 54607在彈山的對(duì)話框中輸入Y C拗以判斷模0.77040.0450-Y4)X(-

45、)，在輸出的回歸結(jié)果中（如圖8所示），點(diǎn)擊即ew櫥鼬塞懶邸!甜那Correlation謝良s.彈出的 所示J 點(diǎn)擊主界面菜單 QuickEstimateEquation Equat ion:UNTITLEDiorkfile:UNTITLED:. T回Vi 日囚PrcuzRobjmiztPrint廂 mmFr日英司Ertim曰tmFur日匚圣印5目也屜引山Dependent Variable: YMethod: Least SquaresDate: 05/03/1 2 Time: 03:06Sample (adjusted): 1 971 1 991Included observations:

46、21 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.C-1 5.066455.399114-2.7905400.0121Y(-1)-0.2245320.216663-1.0363200.3133X(-1)1.0214490.1 308345.6435440.0000R-squared0.933624圖Mean dependent var 圖8X). dependent var1 09.6929Adjusted R-squared0.90130551.3401 7S.E. of regression6.925220Akaike info criterion6.039730Sum squared resid063.2561Schwarz criterion6.903990Log likelihood-60.31769Hannan-Quinn criter.6.3721 64F-statistic540.6009Du