經(jīng)濟(jì)計(jì)量管理學(xué)與財(cái)務(wù)知識(shí)分析課程

計(jì)量經(jīng)濟(jì)學(xué)課程實(shí)驗(yàn)實(shí)驗(yàn)一EViews軟件的基本操作【實(shí)驗(yàn)?zāi)康摹苛私釫Views軟件的基本操作對(duì)象，掌握軟件的基本操作?！緦?shí)驗(yàn)內(nèi)容】一、EViews軟件的安裝；二、數(shù)據(jù)的輸入、編輯與序列生成；三、圖形分析與描述統(tǒng)計(jì)分析；四、數(shù)據(jù)文件的存貯、調(diào)用與轉(zhuǎn)換。實(shí)驗(yàn)內(nèi)容中后三步以表1-1所列出的稅收收入和國(guó)內(nèi)生產(chǎn)總值的統(tǒng)計(jì)資料為例進(jìn)行操作。表1-1我國(guó)稅收與GDP統(tǒng)計(jì)資料單位：億元年份稅收YGDPX年份稅收YGDPX1985204189641992329726638198620911020219934255346341987214011963199451274675919882391149281995603858478198927271690919966910678851990282218548199782347446319912990216181998926379396資料來(lái)源：《中國(guó)統(tǒng)計(jì)年鑒1999》【實(shí)驗(yàn)步驟】一、安裝EViews軟件㈠EViews對(duì)系統(tǒng)環(huán)境的要求⒈一臺(tái)386、486奔騰或其他芯片的計(jì)算機(jī)，運(yùn)行Windows3.1、Windows9X、Windows2000、WindowsNT或WindowsXP操作系統(tǒng)；⒉至少4MB內(nèi)存；⒊VGA、SuperVGA顯示器；⒋鼠標(biāo)、軌跡球或?qū)懽职?；⒌至?0MB以上的硬盤空間。㈡安裝步驟⒈點(diǎn)擊“網(wǎng)上鄰居”，進(jìn)入服務(wù)器；⒉在服務(wù)器上查找“計(jì)量經(jīng)濟(jì)軟件”文件夾，雙擊其中的setup.exe，會(huì)出現(xiàn)如圖1-1所示的安裝界面，直接點(diǎn)擊next按鈕即可繼續(xù)安裝；⒊指定安裝EViews軟件的目錄（默認(rèn)為C:\EViews3，如圖1-2所示），點(diǎn)擊OK按鈕后，一直點(diǎn)擊next按鈕即可；⒋安裝完畢之后，將EViews的啟動(dòng)設(shè)置成桌面快捷方式。圖1-1安裝界面1圖1-2安裝界面2二、數(shù)據(jù)的輸入、編輯與序列生成㈠創(chuàng)建工作文件⒈菜單方式啟動(dòng)EViews軟件之后，進(jìn)入EViews主窗口（如圖1-3所示）。命令窗口口菜單欄命令窗口口菜單欄標(biāo)題欄狀態(tài)欄工作區(qū)域狀態(tài)欄工作區(qū)域圖1-3EViews主窗口在主菜單上依次點(diǎn)擊File/New/Workfile，即選擇新建對(duì)象的類型為工作文件，將彈出一個(gè)對(duì)話框（如圖1-4所示），由用戶選擇數(shù)據(jù)的時(shí)間頻率（frequency）、起始期和終止期。圖1-4工作文件對(duì)話框其中，Annual——年度Monthly——月度Semi-annual——半年Weekly——周Quarterly——季度Daily——日Undatedorirregular——非時(shí)序數(shù)據(jù)選擇時(shí)間頻率為Annual（年度），再分別點(diǎn)擊起始期欄（Startdate）和終止期欄（Enddate），輸入相應(yīng)的日前1985和1998。然后點(diǎn)擊OK按鈕，將在EViews軟件的主顯示窗口顯示相應(yīng)的工作文件窗口（如圖1-5所示）。圖1-5工作文件窗口工作文件窗口是EViews的子窗口，工作文件一開(kāi)始其中就包含了兩個(gè)對(duì)象，一個(gè)是系數(shù)向量C（保存估計(jì)系數(shù)用），另一個(gè)是殘差序列RESID（實(shí)際值與擬合值之差）。⒉命令方式在EViews軟件的命令窗口中直接鍵入CREATE命令，也可以建立工作文件。命令格式為：CREATE時(shí)間頻率類型起始期終止期則以上菜單方式過(guò)程可寫(xiě)為：CREATEA19851998㈡輸入Y、X的數(shù)據(jù)⒈DATA命令方式在EViews軟件的命令窗口鍵入DATA命令，命令格式為：DATA<序列名1><序列名2>…<序列名n>本例中可在命令窗口鍵入如下命令（圖1-6所示）：DATAYX將顯示一個(gè)數(shù)組窗口（圖1-7所示），此時(shí)可以按全屏幕編輯方式輸入每個(gè)變量的統(tǒng)計(jì)資料。圖1-6鍵入DATA命令圖1-7數(shù)組窗口⒉鼠標(biāo)圖形界面方式在EViews軟件主窗口或工作文件窗口點(diǎn)擊Objects/NewObject，對(duì)象類型選擇Series，并給定序列名，一次只能創(chuàng)建一個(gè)新序列（圖1-8所示）。再?gòu)墓ぷ魑募夸浿羞x取并雙擊所創(chuàng)建的新序列就可以展示該對(duì)象，選擇Edit＋/－，進(jìn)入編輯狀態(tài)，輸入數(shù)據(jù)。圖1-8創(chuàng)建新對(duì)象窗口㈢生成log（Y）、log（X）、X^2、1/X、時(shí)間變量T等序列在命令窗口中依次鍵入以下命令即可：GENRLOGY=LOG(Y)GENRLOGX=LOG(X)GENRX1=X^2GENRX2=1/XGENRT=@TREND(84)㈣選擇若干變量構(gòu)成數(shù)組，在數(shù)組中增加、更名變量在工作文件窗口中單擊所要選擇的變量，按住Ctrl鍵不放，繼續(xù)用鼠標(biāo)選擇要展示的變量，選擇完以后，單擊鼠標(biāo)右鍵，在彈出的快捷菜單中點(diǎn)擊Open/asGroup（圖1-9），則會(huì)彈出如圖1-10所示的數(shù)組窗口，其中變量從左至右按在工作文件窗口中選擇變量的順序來(lái)排列。圖1-9選擇變量構(gòu)成數(shù)組圖1-10彈出的數(shù)組窗口在數(shù)組窗口點(diǎn)擊Edit＋/－，進(jìn)入全屏幕編輯狀態(tài)，選擇一個(gè)空列，點(diǎn)擊標(biāo)題欄，在編輯窗口輸入變量名，再點(diǎn)擊屏幕任意位置，即可增加一個(gè)新變量（圖1-11所示）。圖1-11在數(shù)組窗口增加變量增加變量后，即可輸入數(shù)據(jù)。點(diǎn)擊要?jiǎng)h除的變量列的標(biāo)題欄，在編輯窗口輸入新變量名，再點(diǎn)擊屏幕任意位置，彈出RENAME對(duì)話框，點(diǎn)擊YES按鈕即可。（圖1-12所示）。圖1-12在數(shù)組窗口更名變量㈤在工作文件窗口中刪除、更名變量。⒈在工作文件窗口中選取所要?jiǎng)h除或更名的變量并單擊鼠標(biāo)右鍵，在彈出的快捷菜單中選擇Delete（刪除）或Rename（更名）即可（如圖1-13所示）。圖1-13在工作文件窗口刪除、更名變量1⒉在工作文件窗口中選取所要?jiǎng)h除或更名的變量，點(diǎn)擊工作文件窗口菜單欄中的Objects/Deleteselected…（Renameselected…），即可刪除（更名）變量（如圖1-14所示）。圖1-14在工作文件窗口刪除、更名變量2⒊在工作文件窗口中選取所要?jiǎng)h除的變量，點(diǎn)擊工作文件窗口菜單欄中的Delete按鈕即可刪除變量（如圖1-15所示）。圖1-15在工作文件窗口刪除變量3三、圖形分析與描述統(tǒng)計(jì)分析㈠利用PLOT命令繪制趨勢(shì)圖在命令窗口中鍵入：PLOTY則可以繪制變量Y的趨勢(shì)圖（圖1-16）。圖1-16變量Y的趨勢(shì)圖從圖1-16中可以看出，我國(guó)1985－1998年間稅收收入是大體呈指數(shù)增長(zhǎng)趨勢(shì)的。也可以利用PLOT命令將多個(gè)變量的變化趨勢(shì)描繪在同一張圖中，例如鍵入以下命令，可以觀察變量Y、X的變化趨勢(shì)（圖1-17）。PLOTYX圖1-17變量Y、X的趨勢(shì)圖從圖1-17中可以看出，我國(guó)1985－1998年間稅收收入與GDP都大體呈指數(shù)增長(zhǎng)趨勢(shì)。㈡利用SCAT命令繪制X、Y的相關(guān)圖在命令窗口中鍵入：SCATXY則可以初步觀察變量之間的相關(guān)程度與相關(guān)類型（圖1-18）。圖1-18變量X、Y相關(guān)圖圖1-18表明，稅收收入水平與GDP密切相關(guān)，稅收收入水平隨著GDP的增加而增加，兩者大體呈線性變化趨勢(shì)。㈢觀察圖形參數(shù)的設(shè)置情況雙擊圖形區(qū)域中任意處或在圖形窗口中點(diǎn)擊Procs/Options（圖1-19），則會(huì)彈出如圖1-20所示的GraphOptions窗口，進(jìn)入圖形編輯狀態(tài)。選擇圖形類型、圖形屬性（是否置入圖框內(nèi)，刻度，是否用彩色）、柱和線的選項(xiàng)，設(shè)定豎軸（單個(gè)，雙個(gè)，是否交叉），設(shè)定比例尺度（優(yōu)化線性尺度，強(qiáng)制通過(guò)0線，對(duì)數(shù)尺度，正態(tài)化尺度），手動(dòng)設(shè)定比例尺度、線形圖選項(xiàng)、柱形圖選項(xiàng)、散點(diǎn)圖選項(xiàng)（連接，配擬合直線）、餅圖選項(xiàng)等。圖1-19在圖形窗口選擇GraphOptions圖1-20圖形選項(xiàng)窗口從圖1-20中可以看出，本例中X、Y相關(guān)圖使用散點(diǎn)圖，且置入圖框內(nèi)，帶有刻度與色彩，豎軸是單個(gè)刻度，比例尺度為優(yōu)化線性尺度，散點(diǎn)圖未連接，未配擬合直線，其余一些參數(shù)模式是自動(dòng)設(shè)置的。㈣在序列和數(shù)組窗口觀察變量的描述統(tǒng)計(jì)量若是單獨(dú)序列窗口，從序列窗口菜單選擇View/DescriptiveStatistics/HistogramandStats，則會(huì)顯示變量的描述統(tǒng)計(jì)量（圖1-21）。圖1-21單獨(dú)變量序列描述統(tǒng)計(jì)量窗口若是數(shù)組窗口，從數(shù)組窗口菜單選擇View/DescriptiveStats/IndividualSamples，就對(duì)每個(gè)序列計(jì)算描述統(tǒng)計(jì)量（圖1-22）。圖1-22數(shù)組描述統(tǒng)計(jì)量窗口其中，Mean——均值Median——中位數(shù)Maximum——最大值Minimum——最小值Std.Dev.——標(biāo)準(zhǔn)差Skewness——偏度Kurtosis——峰度Jarque-Bera——Probability——概率Observations——觀測(cè)值個(gè)數(shù)四、數(shù)據(jù)文件的存貯、調(diào)用與轉(zhuǎn)換㈠存貯并調(diào)用工作文件⒈存貯在Eviews主窗口的工具欄上選擇File/Save（Saveas），再在彈出的對(duì)話框中指定存貯路徑，點(diǎn)擊確定按鈕即可。⒉調(diào)用在Eviews主窗口的工具欄上選擇File/Open/Workfile，再在彈出的對(duì)話框中選取要調(diào)用的工作文件，點(diǎn)擊確定按鈕即可。㈡存貯若干個(gè)變量，并在另一個(gè)工作文件中調(diào)用存貯的變量在工作文件窗口中選取所要存貯的變量，點(diǎn)擊工作文件窗口菜單欄中的Store按鈕，彈出store對(duì)話框，指定存貯路徑，點(diǎn)擊YES按鈕即可（圖1-23）。打開(kāi)另一個(gè)工作文件，點(diǎn)擊工作文件窗口菜單欄中的Fetch按鈕，彈出fetch對(duì)話框，在指定目錄下選取要調(diào)用的變量，點(diǎn)擊確定按鈕即可（圖1-24）。圖1-23Store窗口圖1-24Fetch窗口㈢將工作文件分別存貯成文本文件和Excel文件在工作文件窗口中選擇要保存的一個(gè)或多個(gè)變量，點(diǎn)擊Eviews主窗口菜單欄中的File/Export/WriteText-Lotus-Excel，在彈出的對(duì)話框中指定存貯路徑和存貯的文件格式（圖1-25），若存貯成文本文件則選擇Text-ASCII，若存貯成Excel文件則選擇Excel.xls，再點(diǎn)擊保存按鈕，彈出ASCIITextExport（ExcelExport）窗口（圖1-26），點(diǎn)擊OK按鈕即可。其中，ByObservation-Seriesincolumns表示各觀測(cè)值按列排列，BySeries-Seriesinrows表示各觀測(cè)值按行排列。圖1-25指定存貯路徑圖1-26存貯為文本格式㈣在工作文件中分別調(diào)用文本文件和Excel文件點(diǎn)擊Eviews主窗口菜單欄中的File/Import/ReadText-Lotus-Excel，在彈出的對(duì)話框中選取要調(diào)用的文本文件或Excel文件，點(diǎn)擊打開(kāi)按鈕后，彈出ASCIITextImport（ExcelImport）窗口（圖1-27），在NameforseriesorNumberofseriesiffilenamesinfile編輯框中要輸入調(diào)用的變量名，點(diǎn)擊OK按鈕即可。其中incolumns表示按列調(diào)用數(shù)據(jù)，inrows表示按行調(diào)用數(shù)據(jù)。圖1-27調(diào)用文本文件或Excel文件窗口㈤在對(duì)象窗口中點(diǎn)擊Name按鈕，將對(duì)象存貯于工作文件。以Y、X變量組成的數(shù)組為例，點(diǎn)擊Name菜單，彈出objectname對(duì)話框，在Nametoidentifyobject文本框中輸入要命名的數(shù)組名稱，點(diǎn)擊OK按鈕即可（圖1-28）。圖1-28存貯對(duì)象于工作文件實(shí)驗(yàn)二一元回歸模型【實(shí)驗(yàn)?zāi)康摹空莆找辉€性、非線性回歸模型的建模方法【實(shí)驗(yàn)內(nèi)容】建立我國(guó)稅收預(yù)測(cè)模型【實(shí)驗(yàn)步驟】【例1】建立我國(guó)稅收預(yù)測(cè)模型。表1列出了我國(guó)1985－1998年間稅收收入Y和國(guó)內(nèi)生產(chǎn)總值（GDP）x的時(shí)間序列數(shù)據(jù)，請(qǐng)利用統(tǒng)計(jì)軟件Eviews建立一元線性回歸模型。表1我國(guó)稅收與GDP統(tǒng)計(jì)資料年份稅收GDP年份稅收GDP1985204189641992329726638198620911020219934255346341987214011963199451274675919882391149281995603858478198927271690919966910678851990282218548199782347446319912990216181998926379396建立工作文件⒈菜單方式在錄入和分析數(shù)據(jù)之前，應(yīng)先創(chuàng)建一個(gè)工作文件（Workfile）。啟動(dòng)Eviews軟件之后，在主菜單上依次點(diǎn)擊File\New\Workfile（菜單選擇方式如圖1所示），將彈出一個(gè)對(duì)話框（如圖2所示）。用戶可以選擇數(shù)據(jù)的時(shí)間頻率（Frequency）、起始期和終止期。圖1Eviews菜單方式創(chuàng)建工作文件示意圖圖2工作文件定義對(duì)話框本例中選擇時(shí)間頻率為Annual（年度數(shù)據(jù)），在起始欄和終止欄分別輸入相應(yīng)的日期85和98。然后點(diǎn)擊OK，在Eviews軟件的主顯示窗口將顯示相應(yīng)的工作文件窗口（如圖3所示）。圖3Eviews工作文件窗口一個(gè)新建的工作文件窗口內(nèi)只有2個(gè)對(duì)象(Object）,分別為c（系數(shù)向量）和resid（殘差）。它們當(dāng)前的取值分別是0和NA（空值）。可以通過(guò)鼠標(biāo)左鍵雙擊對(duì)象名打開(kāi)該對(duì)象查看其數(shù)據(jù)，也可以用相同的方法查看工作文件窗口中其它對(duì)象的數(shù)值。⒉命令方式還可以用輸入命令的方式建立工作文件。在Eviews軟件的命令窗口中直接鍵入CREATE命令，其格式為：CREATE時(shí)間頻率類型起始期終止期本例應(yīng)為：CREATEA8598輸入數(shù)據(jù)在Eviews軟件的命令窗口中鍵入數(shù)據(jù)輸入/編輯命令：DATAYX此時(shí)將顯示一個(gè)數(shù)組窗口（如圖4所示），即可以輸入每個(gè)變量的數(shù)值圖4Eviews數(shù)組窗口三、圖形分析借助圖形分析可以直觀地觀察經(jīng)濟(jì)變量的變動(dòng)規(guī)律和相關(guān)關(guān)系，以便合理地確定模型的數(shù)學(xué)形式。⒈趨勢(shì)圖分析命令格式：PLOT變量1變量2……變量K作用：⑴分析經(jīng)濟(jì)變量的發(fā)展變化趨勢(shì)⑵觀察是否存在異常值本例為：PLOTYX⒉相關(guān)圖分析命令格式：SCAT變量1變量2作用：⑴觀察變量之間的相關(guān)程度⑵觀察變量之間的相關(guān)類型，即為線性相關(guān)還是曲線相關(guān)，曲線相關(guān)時(shí)大致是哪種類型的曲線說(shuō)明：⑴SCAT命令中，第一個(gè)變量為橫軸變量，一般取為解釋變量；第二個(gè)變量為縱軸變量，一般取為被解釋變量⑵SCAT命令每次只能顯示兩個(gè)變量之間的相關(guān)圖，若模型中含有多個(gè)解釋變量，可以逐個(gè)進(jìn)行分析⑶通過(guò)改變圖形的類型，可以將趨勢(shì)圖轉(zhuǎn)變?yōu)橄嚓P(guān)圖本例為：SCATYX圖5稅收與GDP趨勢(shì)圖圖5、圖6分別是我國(guó)稅收與GDP時(shí)間序列趨勢(shì)圖和相關(guān)圖分析結(jié)果。兩變量趨勢(shì)圖分析結(jié)果顯示，我國(guó)稅收收入與GDP二者存在差距逐漸增大的增長(zhǎng)趨勢(shì)。相關(guān)圖分析顯示，我國(guó)稅收收入增長(zhǎng)與GDP密切相關(guān)，二者為非線性的曲線相關(guān)關(guān)系。圖6稅收與GDP相關(guān)圖估計(jì)線性回歸模型在數(shù)組窗口中點(diǎn)擊Proc\MakeEquation，如果不需要重新確定方程中的變量或調(diào)整樣本區(qū)間，可以直接點(diǎn)擊OK進(jìn)行估計(jì)。也可以在Eviews主窗口中點(diǎn)擊Quick\EstimateEquation，在彈出的方程設(shè)定框（圖7）內(nèi)輸入模型：YCX或圖7方程設(shè)定對(duì)話框還可以通過(guò)在Eviews命令窗口中鍵入LS命令來(lái)估計(jì)模型，其命令格式為：LS被解釋變量C解釋變量系統(tǒng)將彈出一個(gè)窗口來(lái)顯示有關(guān)估計(jì)結(jié)果（如圖8所示）。因此，我國(guó)稅收模型的估計(jì)式為：這個(gè)估計(jì)結(jié)果表明，GDP每增長(zhǎng)1億元，我國(guó)稅收收入將增加0.09646億元。圖8我國(guó)稅收預(yù)測(cè)模型的輸出結(jié)果估計(jì)非線性回歸模型由相關(guān)圖分析可知，變量之間是非線性的曲線相關(guān)關(guān)系。因此，可初步將模型設(shè)定為指數(shù)函數(shù)模型、對(duì)數(shù)模型和二次函數(shù)模型并分別進(jìn)行估計(jì)。在Eviews命令窗口中分別鍵入以下命令命令來(lái)估計(jì)模型：雙對(duì)數(shù)函數(shù)模型：LSlog(Y)Clog(X)對(duì)數(shù)函數(shù)模型：LSYClog(X)指數(shù)函數(shù)模型：LSlog(Y)CX二次函數(shù)模型：LSYCXX^2還可以采取菜單方式，在上述已經(jīng)估計(jì)過(guò)的線性方程窗口中點(diǎn)擊Estimate項(xiàng)，然后在彈出的方程定義窗口中依次輸入上述模型（方法通線性方程的估計(jì)），其估計(jì)結(jié)果顯示如圖9、圖10、圖11圖、12所示。雙對(duì)數(shù)模型：(3.8305)(21.0487)對(duì)數(shù)模型：(-8.3066)(9.6999)指數(shù)模型：(231.7463)(27.2685)二次函數(shù)模型：(7.4918)(3.3422)(3.4806)圖9雙對(duì)數(shù)模型回歸結(jié)果圖10對(duì)數(shù)模型回歸結(jié)果圖11指數(shù)模型回歸結(jié)果圖12二次函數(shù)模型回歸結(jié)果模型比較四個(gè)模型的經(jīng)濟(jì)意義都比較合理，解釋變量也都通過(guò)了T檢驗(yàn)。但是從模型的擬合優(yōu)度來(lái)看，二次函數(shù)模型的值最大，其次為指數(shù)函數(shù)模型。因此，對(duì)這兩個(gè)模型再做進(jìn)一步比較。在回歸方程（以二次函數(shù)模型為例）窗口中點(diǎn)擊View\Actual,Fitted,Residual\Actual,Fitted,ResidualTable（如圖13）,可以得到相應(yīng)的殘差分布表。圖13回歸方程殘差分析菜單上述兩個(gè)回歸模型的殘差分別表分別如下（圖14、圖15）。比較兩表可以發(fā)現(xiàn)，雖然二次函數(shù)模型總擬合誤差較小，但其近期誤差卻比指數(shù)函數(shù)模型大。所以，如果所建立的模型是用于經(jīng)濟(jì)預(yù)測(cè)，則指數(shù)函數(shù)模型更加適合。圖14二次函數(shù)回歸模型殘差分別表圖15指數(shù)函數(shù)模型殘差分布表實(shí)驗(yàn)三多元回歸模型【實(shí)驗(yàn)?zāi)康摹空莆战⒍嘣貧w模型和比較、篩選模型的方法。【實(shí)驗(yàn)內(nèi)容】建立我國(guó)國(guó)有獨(dú)立核算工業(yè)企業(yè)生產(chǎn)函數(shù)。根據(jù)生產(chǎn)函數(shù)理論，生產(chǎn)函數(shù)的基本形式為：。其中，L、K分別為生產(chǎn)過(guò)程中投入的勞動(dòng)與資金，時(shí)間變量反映技術(shù)進(jìn)步的影響。表3-1列出了我國(guó)1978-1994年期間國(guó)有獨(dú)立核算工業(yè)企業(yè)的有關(guān)統(tǒng)計(jì)資料；其中產(chǎn)出Y為工業(yè)總產(chǎn)值（可比價(jià)），L、K分別為年末職工人數(shù)和固定資產(chǎn)凈值（可比價(jià)）。表3-1我國(guó)國(guó)有獨(dú)立核算工業(yè)企業(yè)統(tǒng)計(jì)資料年份時(shí)間工業(yè)總產(chǎn)值Y（億元）職工人數(shù)L（萬(wàn)人）固定資產(chǎn)K（億元）197813289.1831392225.70197923581.2632082376.34198033782.1733342522.81198143877.8634882700.90198254151.2535822902.19198364541.0536323141.76198474946.1136693350.95198585586.1438153835.79198695931.3639554302.251987106601.6040864786.051988117434.0642295251.901989127721.0142735808.711990137949.5543646365.791991148634.8044727071.351992159705.5245217757.2519931610261.6544988628.7719941710928.6645459374.34資料來(lái)源：根據(jù)《中國(guó)統(tǒng)計(jì)年鑒－1995》和《中國(guó)工業(yè)經(jīng)濟(jì)年鑒-1995》計(jì)算整理【實(shí)驗(yàn)步驟】一、建立多元線性回歸模型㈠建立包括時(shí)間變量的三元線性回歸模型；在命令窗口依次鍵入以下命令即可：⒈建立工作文件：CREATEA7894⒉輸入統(tǒng)計(jì)資料：DATAYLK⒊生成時(shí)間變量：GENRT=@TREND(77)⒋建立回歸模型：LSYCTLK則生產(chǎn)函數(shù)的估計(jì)結(jié)果及有關(guān)信息如圖3-1所示。圖3-1我國(guó)國(guó)有獨(dú)立核算工業(yè)企業(yè)生產(chǎn)函數(shù)的估計(jì)結(jié)果因此，我國(guó)國(guó)有獨(dú)立工業(yè)企業(yè)的生產(chǎn)函數(shù)為：（模型1）＝(-0.252)(0.672)(0.781)(7.433)模型的計(jì)算結(jié)果表明，我國(guó)國(guó)有獨(dú)立核算工業(yè)企業(yè)的勞動(dòng)力邊際產(chǎn)出為0.6667，資金的邊際產(chǎn)出為0.7764，技術(shù)進(jìn)步的影響使工業(yè)總產(chǎn)值平均每年遞增77.68億元?；貧w系數(shù)的符號(hào)和數(shù)值是較為合理的。，說(shuō)明模型有很高的擬合優(yōu)度，F(xiàn)檢驗(yàn)也是高度顯著的，說(shuō)明職工人數(shù)L、資金K和時(shí)間變量對(duì)工業(yè)總產(chǎn)值的總影響是顯著的。從圖3-1看出，解釋變量資金K的統(tǒng)計(jì)量值為7.433，表明資金對(duì)企業(yè)產(chǎn)出的影響是顯著的。但是，模型中其他變量（包括常數(shù)項(xiàng)）的統(tǒng)計(jì)量值都較小，未通過(guò)檢驗(yàn)。因此，需要對(duì)以上三元線性回歸模型做適當(dāng)?shù)恼{(diào)整，按照統(tǒng)計(jì)檢驗(yàn)程序，一般應(yīng)先剔除統(tǒng)計(jì)量最小的變量（即時(shí)間變量）而重新建立模型。㈡建立剔除時(shí)間變量的二元線性回歸模型；命令：LSYCLK則生產(chǎn)函數(shù)的估計(jì)結(jié)果及有關(guān)信息如圖3-2所示。圖3-2剔除時(shí)間變量后的估計(jì)結(jié)果因此，我國(guó)國(guó)有獨(dú)立工業(yè)企業(yè)的生產(chǎn)函數(shù)為：（模型2）＝(-2.922)(4.427)(14.533)從圖3-2的結(jié)果看出，回歸系數(shù)的符號(hào)和數(shù)值也是合理的。勞動(dòng)力邊際產(chǎn)出為1.2085，資金的邊際產(chǎn)出為0.8345，表明這段時(shí)期勞動(dòng)力投入的增加對(duì)我國(guó)國(guó)有獨(dú)立核算工業(yè)企業(yè)的產(chǎn)出的影響最為明顯。模型2的擬合優(yōu)度較模型1并無(wú)多大變化，F(xiàn)檢驗(yàn)也是高度顯著的。這里，解釋變量、常數(shù)項(xiàng)的檢驗(yàn)值都比較大，顯著性概率都小于0.05，因此模型2較模型1更為合理。㈢建立非線性回歸模型——C-D生產(chǎn)函數(shù)。C-D生產(chǎn)函數(shù)為：，對(duì)于此類非線性函數(shù)，可以采用以下兩種方式建立模型。方式1：轉(zhuǎn)化成線性模型進(jìn)行估計(jì)；在模型兩端同時(shí)取對(duì)數(shù)，得：在EViews軟件的命令窗口中依次鍵入以下命令：GENRLNY=log（Y）GENRLNL=log（L）GENRLNK=log（K）LSLNYCLNLLNK則估計(jì)結(jié)果如圖3-3所示。圖3-3線性變換后的C-D生產(chǎn)函數(shù)估計(jì)結(jié)果即可得到C-D生產(chǎn)函數(shù)的估計(jì)式為：（模型3）＝(-1.172)(2.217)(9.310)即：從模型3中看出，資本與勞動(dòng)的產(chǎn)出彈性都是在0到1之間，模型的經(jīng)濟(jì)意義合理，而且擬合優(yōu)度較模型2還略有提高，解釋變量都通過(guò)了顯著性檢驗(yàn)。方式2：迭代估計(jì)非線性模型，迭代過(guò)程中可以作如下控制：⑴在工作文件窗口中雙擊序列C，輸入?yún)?shù)的初始值；⑵在方程描述框中點(diǎn)擊Options，輸入精度控制值?？刂七^(guò)程：①參數(shù)初值：0，0，0；迭代精度：10－3；則生產(chǎn)函數(shù)的估計(jì)結(jié)果如圖3-4所示。圖3-4生產(chǎn)函數(shù)估計(jì)結(jié)果此時(shí)，函數(shù)表達(dá)式為：（模型4）＝(0.313)(－2.023)(8.647)可以看出，模型4中勞動(dòng)力彈性＝-1.01161，資金的產(chǎn)出彈性＝1.0317，很顯然模型的經(jīng)濟(jì)意義不合理，因此，該模型不能用來(lái)描述經(jīng)濟(jì)變量間的關(guān)系。而且模型的擬合優(yōu)度也有所下降，解釋變量L的顯著性檢驗(yàn)也未通過(guò)，所以應(yīng)舍棄該模型。②參數(shù)初值：0，0，0；迭代精度：10－5；圖3-5生產(chǎn)函數(shù)估計(jì)結(jié)果從圖3-5看出，將收斂的誤差精度改為10－5后，迭代100次后仍報(bào)告不收斂，說(shuō)明在使用迭代估計(jì)法時(shí)參數(shù)的初始值與誤差精度或迭代次數(shù)設(shè)置不當(dāng)，會(huì)直接影響模型的估計(jì)結(jié)果。③參數(shù)初值：0，0，0；迭代精度：10－5，迭代次數(shù)1000；圖3-6生產(chǎn)函數(shù)估計(jì)結(jié)果此時(shí)，迭代953次后收斂，函數(shù)表達(dá)式為：（模型5）＝(0.581)(2.267)(10.486)從模型5中看出，資本與勞動(dòng)的產(chǎn)出彈性都是在0到1之間，模型的經(jīng)濟(jì)意義合理，，具有很高的擬合優(yōu)度，解釋變量都通過(guò)了顯著性檢驗(yàn)。將模型5與通過(guò)方式1所估計(jì)的模型3比較，可見(jiàn)兩者是相當(dāng)接近的。④參數(shù)初值：1，1，1；迭代精度：10－5，迭代次數(shù)100；圖3-7生產(chǎn)函數(shù)估計(jì)結(jié)果此時(shí)，迭代14次后收斂，估計(jì)結(jié)果與模型5相同。比較方式2的不同控制過(guò)程可見(jiàn)，迭代估計(jì)過(guò)程的收斂性及收斂速度與參數(shù)初始值的選取密切相關(guān)。若選取的初始值與參數(shù)真值比較接近，則收斂速度快；反之，則收斂速度慢甚至發(fā)散。因此，估計(jì)模型時(shí)最好依據(jù)參數(shù)的經(jīng)濟(jì)意義和有關(guān)先驗(yàn)信息，設(shè)定好參數(shù)的初始值。二、比較、選擇最佳模型估計(jì)過(guò)程中，對(duì)每個(gè)模型檢驗(yàn)以下內(nèi)容，以便選擇出一個(gè)最佳模型：㈠回歸系數(shù)的符號(hào)及數(shù)值是否合理；㈡模型的更改是否提高了擬合優(yōu)度；㈢模型中各個(gè)解釋變量是否顯著；㈣殘差分布情況以上比較模型的㈠、㈡、㈢步在步驟一中已有闡述，現(xiàn)分析步驟一中5個(gè)不同模型的殘差分布情況。分別在模型1～模型5的各方程窗口中點(diǎn)擊View/Actual,Fitted,Residual/Actual,Fitted,ResidualTable（圖3-8），可以得到各個(gè)模型相應(yīng)的殘差分布表（圖3-9至圖3-13）?？梢钥闯觯Ｐ?的殘差在前段時(shí)期內(nèi)連續(xù)取負(fù)值且不斷增大，在接下來(lái)的一段時(shí)期又連續(xù)取正值，說(shuō)明模型設(shè)定形式不當(dāng)，估計(jì)過(guò)程出現(xiàn)了較大的偏差。而且，模型4的表達(dá)式也說(shuō)明了模型的經(jīng)濟(jì)意義不合理，不能用于描述我國(guó)國(guó)有工業(yè)企業(yè)的生產(chǎn)情況，應(yīng)舍棄此模型。模型1的各期殘差中大多數(shù)都落在的虛線框內(nèi)，且殘差分別不存在明顯的規(guī)律性。但是，由步驟一中的分析可知，模型1中除了解釋變量K之外，其余變量均為通過(guò)變量顯著性檢驗(yàn)，因此，該模型也應(yīng)舍棄。模型2、模型3、模型5都具有合理的經(jīng)濟(jì)意義，都通過(guò)了檢驗(yàn)和F檢驗(yàn)，擬合優(yōu)度非常接近，理論上講都可以描述資本、勞動(dòng)的投入與產(chǎn)出的關(guān)系。但從圖3-13看出，模型5的近期誤差較大，因此也可以舍棄該模型。最后將模型2與模型3比較發(fā)現(xiàn)，模型3的近期預(yù)測(cè)誤差略小，擬合優(yōu)度比模型2略有提高，因此可以選擇模型2為我國(guó)國(guó)有工業(yè)企業(yè)生產(chǎn)函數(shù)。圖3-8回歸方程的殘差分析圖3-9模型1的殘差分布圖3-10模型2的殘差分布圖3-11模型3的殘差分布圖3-12模型4的殘差分布圖3-13模型5的殘差分布三、模型預(yù)測(cè)假設(shè)估計(jì)的模型為一元線性回歸模型。1．樣本期內(nèi)預(yù)測(cè)①利用樣本數(shù)據(jù)估計(jì)方程，LSYCX，并保存方程；②在方程窗口點(diǎn)擊FORECAST按鈕，在彈出的預(yù)測(cè)對(duì)話框中輸入預(yù)測(cè)變量名，也即Y擬合值的變量名（被解釋變量為Y，則軟件默認(rèn)的變量名是YF）；③關(guān)閉彈出的預(yù)測(cè)變量描述性統(tǒng)計(jì)分析界面，在工作文件窗口中即可發(fā)現(xiàn)新出現(xiàn)的預(yù)測(cè)變量YF。2．外推預(yù)測(cè)①先利用樣本數(shù)據(jù)估計(jì)方程，LSYCX，并保存方程；②修改數(shù)據(jù)區(qū)間和樣本區(qū)間，將區(qū)間擴(kuò)充到預(yù)測(cè)年份：鼠標(biāo)放在工作文件窗口Range和sample位置，雙擊即可修改數(shù)據(jù)區(qū)間和樣本區(qū)間；【或者用命令】修改數(shù)據(jù)區(qū)間：RANGE起始期終止期擴(kuò)充數(shù)據(jù)區(qū)間：EXPAND起始期終止期（注：EXPAND這條命令只能增加數(shù)據(jù)區(qū)間，不能縮減）調(diào)整樣本區(qū)間：SMPL起始期終止期③輸入解釋變量預(yù)測(cè)年份的數(shù)值，點(diǎn)擊方程之前保存的方程窗口的FORECAST按鈕進(jìn)行預(yù)測(cè)，注意，此時(shí)預(yù)測(cè)的樣本區(qū)間已經(jīng)包含了擴(kuò)充的年份；④觀察保存的預(yù)測(cè)變量，預(yù)測(cè)年份的被解釋變量也已填充了數(shù)據(jù)，此即點(diǎn)預(yù)測(cè)結(jié)果。實(shí)驗(yàn)四異方差性【實(shí)驗(yàn)?zāi)康摹空莆债惙讲钚缘臋z驗(yàn)及處理方法【實(shí)驗(yàn)內(nèi)容】建立并檢驗(yàn)我國(guó)制造業(yè)利潤(rùn)函數(shù)模型【實(shí)驗(yàn)步驟】【例1】表1列出了1998年我國(guó)主要制造工業(yè)銷售收入與銷售利潤(rùn)的統(tǒng)計(jì)資料，請(qǐng)利用統(tǒng)計(jì)軟件Eviews建立我國(guó)制造業(yè)利潤(rùn)函數(shù)模型。表1我國(guó)制造工業(yè)1998年銷售利潤(rùn)與銷售收入情況行業(yè)名稱銷售利潤(rùn)銷售收入行業(yè)名稱銷售利潤(rùn)銷售收入食品加工業(yè)187.253180.44醫(yī)藥制造業(yè)238.711264.1食品制造業(yè)111.421119.88化學(xué)纖維制品81.57779.46飲料制造業(yè)205.421489.89橡膠制品業(yè)77.84692.08煙草加工業(yè)183.871328.59塑料制品業(yè)144.341345紡織業(yè)316.793862.9非金屬礦制品339.262866.14服裝制品業(yè)157.71779.1黑色金屬冶煉367.473868.28皮革羽絨制品81.71081.77有色金屬冶煉144.291535.16木材加工業(yè)35.67443.74金屬制品業(yè)201.421948.12家具制造業(yè)31.06226.78普通機(jī)械制造354.692351.68造紙及紙品業(yè)134.41124.94專用設(shè)備制造238.161714.73印刷業(yè)90.12499.83交通運(yùn)輸設(shè)備511.944011.53文教體育用品54.4504.44電子機(jī)械制造409.833286.15石油加工業(yè)194.452363.8電子通訊設(shè)備508.154499.19化學(xué)原料紙品502.614195.22儀器儀表設(shè)備72.46663.68檢驗(yàn)異方差性⒈圖形分析檢驗(yàn)⑴觀察銷售利潤(rùn)（Y）與銷售收入（X）的相關(guān)圖(圖1)：SCATXY圖1我國(guó)制造工業(yè)銷售利潤(rùn)與銷售收入相關(guān)圖從圖中可以看出，隨著銷售收入的增加，銷售利潤(rùn)的平均水平不斷提高，但離散程度也逐步擴(kuò)大。這說(shuō)明變量之間可能存在遞增的異方差性。⑵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2我國(guó)制造業(yè)銷售利潤(rùn)回歸模型殘差分布圖2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。⒉Goldfeld-Quant檢驗(yàn)⑴將樣本安解釋變量排序（SORTX）并分成兩部分（分別有1到10共11個(gè)樣本合19到28共10個(gè)樣本）⑵利用樣本1建立回歸模型1（回歸結(jié)果如圖3），其殘差平方和為2579.587。SMPL110LSYCX圖3樣本1回歸結(jié)果⑶利用樣本2建立回歸模型2（回歸結(jié)果如圖4），其殘差平方和為63769.67。SMPL1928LSYCX圖4樣本2回歸結(jié)果⑷計(jì)算F統(tǒng)計(jì)量：＝63769.67/2579.59=24.72，分別是模型1和模型2的殘差平方和。取時(shí)，查F分布表得，而，所以存在異方差性⒊White檢驗(yàn)⑴建立回歸模型：LSYCX，回歸結(jié)果如圖5。圖5我國(guó)制造業(yè)銷售利潤(rùn)回歸模型⑵在方程窗口上點(diǎn)擊View\Residual\Test\WhiteHeteroskedastcity,檢驗(yàn)結(jié)果如圖6。圖6White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。⒋Park檢驗(yàn)⑴建立回歸模型（結(jié)果同圖5所示）。⑵生成新變量序列：GENRLNE2=log(RESID^2)GENRLNX=log⑶建立新殘差序列對(duì)解釋變量的回歸模型：LSLNE2CLNX，回歸結(jié)果如圖7所示。圖7Park檢驗(yàn)回歸模型從圖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)，即隨即誤差項(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。⒌Gleiser檢驗(yàn)（Gleiser檢驗(yàn)與Park檢驗(yàn)原理相同）⑴建立回歸模型（結(jié)果同圖5所示）。⑵生成新變量序列：GENRE=ABS(RESID)⑶分別建立新殘差序列（E）對(duì)各解釋變量（X/X^2/X^(1/2)/X^(－1)/X^(－2)/X^(－1/2)）的回歸模型：LSECX，回歸結(jié)果如圖8、9、10、11、12、13所示。圖8圖9圖10圖11圖12圖13由上述各回歸結(jié)果可知，各回歸模型中解釋變量的系數(shù)估計(jì)值顯著不為0且均能通過(guò)顯著性檢驗(yàn)。所以認(rèn)為存在異方差性。⑷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，圖10所示的回歸方程F值（）最大，可以據(jù)次來(lái)確定異方差的形式。調(diào)整異方差性⒈確定權(quán)數(shù)變量根據(jù)Park檢驗(yàn)生成權(quán)數(shù)變量：GENRW1=1/X^1.6743根據(jù)Gleiser檢驗(yàn)生成權(quán)數(shù)變量：GENRW2=1/X^0.5另外生成：GENRW3=1/ABS(RESID）GENRW4=1/RESID^2⒉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=)YCX或在方程窗口中點(diǎn)擊Estimate\Option按鈕，并在權(quán)數(shù)變量欄里依次輸入W1、W2、W3、W4，回歸結(jié)果圖14、15、16、17所示。圖14圖15圖16圖17⒊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)果分別對(duì)應(yīng)圖14、15、16、17的回歸模型（如圖18、19、20、21所示）。圖18、19、21所對(duì)應(yīng)的White檢驗(yàn)顯示，P值較大，所以接收不存在異方差的原假設(shè)，即認(rèn)為已經(jīng)消除了回歸模型的異方差性。圖20對(duì)應(yīng)的White檢驗(yàn)沒(méi)有顯示F值和的值，這表示異方差性已經(jīng)得到很好的解決。圖18圖19圖20圖21實(shí)驗(yàn)五自相關(guān)性【實(shí)驗(yàn)?zāi)康摹空莆兆韵嚓P(guān)性的檢驗(yàn)與處理方法。【實(shí)驗(yàn)內(nèi)容】表5-1列出了我國(guó)城鄉(xiāng)居民儲(chǔ)蓄存款年底余額（單位：億元）和國(guó)內(nèi)生產(chǎn)總值指數(shù)（1978年＝100）的歷年統(tǒng)計(jì)資料，試建立我國(guó)城鄉(xiāng)居民儲(chǔ)蓄存款模型，并檢驗(yàn)?zāi)Ｐ偷淖韵嚓P(guān)性。表5-1我國(guó)城鄉(xiāng)居民儲(chǔ)蓄存款與GDP統(tǒng)計(jì)資料年份存款余額YGDP指數(shù)X年份存款余額YGDP指數(shù)X1978210.60100.019895146.90271.31979281.00107.619907034.20281.71980399.50116.019919107.00307.61981523.70122.1199211545.40351.41982675.40133.1199314762.39398.81983892.50147.6199421518.80449.319841214.70170.0199529662.25496.519851622.60192.9199638520.84544.119862237.60210.0199746279.80592.019873073.30234.0199853407.47638.219883801.50260.7資料來(lái)源：《中國(guó)統(tǒng)計(jì)年鑒1999》【實(shí)驗(yàn)步驟】一、回歸模型的篩選⒈相關(guān)圖分析：SCATXY存款余額為被解釋變量Y，GDP指數(shù)為解釋變量X，可得到二者的相關(guān)關(guān)系圖如5-1所示。圖5-1表明隨著GDP指數(shù)的上升，居民儲(chǔ)蓄存款也逐步增加，二者的曲線相關(guān)關(guān)系較為明顯，線性關(guān)系則不太明顯。因此，為了合理估計(jì)居民儲(chǔ)蓄存款模型，可以將函數(shù)初步設(shè)定為線性、雙對(duì)數(shù)、對(duì)數(shù)、指數(shù)、二次多項(xiàng)式等不同形式，進(jìn)而加以比較分析。圖5-1我國(guó)城鄉(xiāng)居民儲(chǔ)蓄存款與GDP指數(shù)相關(guān)圖⒉估計(jì)模型，利用LS命令分別建立以下模型⑴線性模型：LSYCX由此得到估計(jì)結(jié)果及相關(guān)信息如圖5-2所示。圖5-2線性模型估計(jì)結(jié)果其檢驗(yàn)報(bào)告如下：(-6.706)(13.862)＝0.9100⑵雙對(duì)數(shù)模型：GENRLNY=LOG(Y)GENRLNX=LOG(X)LSLNYCLNX估計(jì)結(jié)果及相關(guān)信息如圖5-3所示。圖5-3雙對(duì)數(shù)模型估計(jì)結(jié)果其檢驗(yàn)報(bào)告如下：(-31.604)(64.189)＝0.9954F＝4120.223S.E＝0.122⑶對(duì)數(shù)模型：LSYCLNX估計(jì)結(jié)果及相關(guān)信息如圖5-4所示。圖5-4對(duì)數(shù)模型估計(jì)結(jié)果其檢驗(yàn)報(bào)告如下：(-6.501)(7.200)＝0.7318F＝51.8455S.E＝⑷指數(shù)模型：LSLNYCX估計(jì)結(jié)果及相關(guān)信息如圖5-5所示。圖5-5指數(shù)模型估計(jì)結(jié)果其檢驗(yàn)報(bào)告如下：(23.716)(14.939)＝0.9215F＝223.166S.E＝0.504⑸二次多項(xiàng)式模型：GENRX2=X^2LSYCXX2估計(jì)結(jié)果及相關(guān)信息如圖5-6所示。圖5-6二次多項(xiàng)式模型估計(jì)結(jié)果其檢驗(yàn)報(bào)告如下：(3.747)(-8.235)(25.886)＝0.9976F＝3814.274S.E＝⒊選擇模型比較以上模型，可見(jiàn)各模型回歸系數(shù)的符號(hào)及數(shù)值較為合理。各解釋變量及常數(shù)項(xiàng)都通過(guò)了檢驗(yàn)，模型都較為顯著。除了對(duì)數(shù)模型的擬合優(yōu)度較低外，其余模型都具有高擬合優(yōu)度，因此可以首先剔除對(duì)數(shù)模型。各模型的殘差分布表如圖5-7至圖5-10所示。圖5-7線性模型殘差分布圖5-8雙對(duì)數(shù)模型殘差分布圖5-9指數(shù)模型殘差分布圖5-10二次多項(xiàng)式模型殘差分布從以上殘差分布表可見(jiàn)，線性模型的殘差在較長(zhǎng)時(shí)期內(nèi)呈連續(xù)遞減趨勢(shì)而后又轉(zhuǎn)為連續(xù)遞增趨勢(shì)，指數(shù)模型則大體相反，殘差先呈連續(xù)遞增趨勢(shì)而后又轉(zhuǎn)為連續(xù)遞減趨勢(shì)，因此，可以初步判斷這兩種函數(shù)形式設(shè)置是不當(dāng)?shù)?。而且，這兩個(gè)模型的擬合優(yōu)度也較雙對(duì)數(shù)模型和二次多項(xiàng)式模型低，所以又可舍棄線性模型和指數(shù)模型。雙對(duì)數(shù)模型和二次多項(xiàng)式模型都具有很高的擬合優(yōu)度，因而初步選定回歸模型為這兩個(gè)模型。二、自相關(guān)性檢驗(yàn)⒈DW檢驗(yàn)；⑴雙對(duì)數(shù)模型因?yàn)閚＝21，k＝1，取顯著性水平＝0.05時(shí)，查表得＝1.22，＝1.42，而0<0.7062＝DW<，所以存在（正）自相關(guān)。⑵二次多項(xiàng)式模型＝1.22，＝1.42，而<1.2479＝DW<，所以通過(guò)DW檢驗(yàn)并不能判斷是否存在自相關(guān)。⒉偏相關(guān)系數(shù)檢驗(yàn)在方程窗口中點(diǎn)擊View/ResidualTest/Correlogram-Q-statistics，并輸入滯后期為10，則會(huì)得到殘差與的各期相關(guān)系數(shù)和偏相關(guān)系數(shù)，如圖5-11、5-12所示。圖5-11雙對(duì)數(shù)模型的偏相關(guān)系數(shù)檢驗(yàn)圖5-12二次多項(xiàng)式模型的偏相關(guān)系數(shù)檢驗(yàn)從5-11中可以看出，雙對(duì)數(shù)模型的第1期、第2期偏相關(guān)系數(shù)的直方塊超過(guò)了虛線部分，存在著一階和二階自相關(guān)。圖5-12則表明二次多項(xiàng)式模型僅存在二階自相關(guān)。⒊BG檢驗(yàn)在方程窗口中點(diǎn)擊View/ResidualTest/SeriesCorrelationLMTest，并選擇滯后期為2，則會(huì)得到如圖5-13所示的信息。圖5-13雙對(duì)數(shù)模型的BG檢驗(yàn)圖中，=11.31531，臨界概率P=0.0034，因此輔助回歸模型是顯著的，即存在自相關(guān)性。又因?yàn)?，的回歸系數(shù)均顯著地不為0，說(shuō)明雙對(duì)數(shù)模型存在一階和二階自相關(guān)性。二次多項(xiàng)式BG檢驗(yàn)BG檢驗(yàn)與偏相關(guān)系數(shù)檢驗(yàn)結(jié)果不同三、自相關(guān)性的調(diào)整：加入AR項(xiàng)⒈對(duì)雙對(duì)數(shù)模型進(jìn)行調(diào)整；在LS命令中加上AR(1)和AR(2)，使用迭代估計(jì)法估計(jì)模型。鍵入命令：LSLNYCLNXAR(1)AR(2)則估計(jì)結(jié)果如圖5-16所示。圖5-16加入AR項(xiàng)的雙對(duì)數(shù)模型估計(jì)結(jié)果圖5-16表明，估計(jì)過(guò)程經(jīng)過(guò)4次迭代后收斂；，的估計(jì)值分別為0.9459和-0.5914，并且檢驗(yàn)顯著，說(shuō)明雙對(duì)數(shù)模型確實(shí)存在一階和二階自相關(guān)性。調(diào)整后模型的DW＝1.6445，n＝19，k＝1，取顯著性水平＝0.05時(shí)，查表得＝1.18，＝1.40，而<1.6445＝DW<4－，說(shuō)明模型不存在一階自相關(guān)性；再進(jìn)行偏相關(guān)系數(shù)檢驗(yàn)（圖5-17）和BG檢驗(yàn)（圖5-18），也表明不存在高階自相關(guān)性，因此，中國(guó)城鄉(xiāng)居民儲(chǔ)蓄存款的雙對(duì)數(shù)模型為：(-25.263)(52.683)＝0.9982F＝2709.985S.E＝圖5-17雙對(duì)數(shù)模型調(diào)整后的偏相關(guān)系數(shù)檢驗(yàn)結(jié)果圖5-18雙對(duì)數(shù)模型調(diào)整后的BG檢驗(yàn)結(jié)果⒉對(duì)二次多項(xiàng)式模型進(jìn)行調(diào)整；鍵入命令：LSYCXX2AR(2)則估計(jì)結(jié)果如圖5-19所示。加上ar12調(diào)整后不存在自相關(guān)性，但僅有AR(2)項(xiàng)調(diào)整后用偏相關(guān)系數(shù)檢驗(yàn)仍然存在2階和6階自相關(guān)，且BG檢驗(yàn)結(jié)果與偏相關(guān)系數(shù)檢驗(yàn)結(jié)果不同，且BG檢驗(yàn)滯后期不同，結(jié)果不同。⒊從雙對(duì)數(shù)模型和二次多項(xiàng)式模型中選擇調(diào)整結(jié)果較好的模型。四、重新設(shè)定雙對(duì)數(shù)模型中的解釋變量：模型1：加入上期儲(chǔ)蓄LNY(-1)；模型2：解釋變量取成：上期儲(chǔ)蓄LNY(-1)、本期X的增長(zhǎng)DLOG(X)。⒈檢驗(yàn)自相關(guān)性；⑴模型1鍵入命令：LSLNYCLNXLNY(-1)則模型1的估計(jì)結(jié)果如圖5-21所示。圖5-21模型1的估計(jì)結(jié)果圖5-21表明了DW=1.358，n＝20，k＝2，查表得＝1.100，＝1.537，而<1.358＝DW<，屬于無(wú)法判定區(qū)域。采用偏相關(guān)系數(shù)檢驗(yàn)的結(jié)果如圖5-22所示，圖中偏相關(guān)系數(shù)方塊均未超過(guò)虛線，模型1不存在自相關(guān)性。圖5-22模型1的偏相關(guān)系數(shù)檢驗(yàn)結(jié)果⑵模型2鍵入命令：GENRDLNX=D(LNX)LSLNYCLNY(-1)DLNX則模型2的估計(jì)結(jié)果如圖5-23所示。圖5-23模型2的估計(jì)結(jié)果圖5-23表明了DW=1.388，n＝20，k＝2，查表得＝1.100，＝1.537，而<1.388＝DW<，屬于無(wú)法判定區(qū)域。采用偏相關(guān)系數(shù)檢驗(yàn)的結(jié)果如圖5-24所示，圖中偏相關(guān)系數(shù)方塊均未超過(guò)虛線，模型2不存在自相關(guān)性。圖5-24模型2的偏相關(guān)系數(shù)檢驗(yàn)結(jié)果⒉解釋模型的經(jīng)濟(jì)含義。⑴模型1模型1的表達(dá)式為：表示我國(guó)城鄉(xiāng)居民儲(chǔ)蓄存款余額的相對(duì)變動(dòng)不僅與GDP指數(shù)相關(guān)，而且受上期居民存款余額的影響。當(dāng)GDP指數(shù)相對(duì)增加1％時(shí)，城鄉(xiāng)居民存款余額相對(duì)增加0.32％，當(dāng)上期居民存款余額相對(duì)增加1％時(shí)，城鄉(xiāng)居民存款余額相對(duì)增加0.8794％。⑵模型2模型2的表達(dá)式為：表示上期居民存款余額相對(duì)增加1％時(shí)，城鄉(xiāng)居民存款余額相對(duì)增加0.9865％，當(dāng)GDP指數(shù)的發(fā)展速度相對(duì)增加1％時(shí)，城鄉(xiāng)居民存款余額相對(duì)增加0.1128％。實(shí)驗(yàn)六多重共線性【實(shí)驗(yàn)?zāi)康摹空莆斩嘀毓簿€性的檢驗(yàn)及處理方法【實(shí)驗(yàn)內(nèi)容】建立并檢驗(yàn)我國(guó)鋼材產(chǎn)量預(yù)測(cè)模型【實(shí)驗(yàn)步驟】【例1】表1是1978－1997年我國(guó)鋼材產(chǎn)量（萬(wàn)噸）、生鐵產(chǎn)量（萬(wàn)噸）、發(fā)電量（億千瓦時(shí)）、固定資產(chǎn)投資（億元）、國(guó)內(nèi)生產(chǎn)總值（億元）、鐵路運(yùn)輸量（萬(wàn)噸）的統(tǒng)計(jì)資料。表1我國(guó)鋼材產(chǎn)量及其它相關(guān)經(jīng)濟(jì)變量統(tǒng)計(jì)資料年份鋼材產(chǎn)量Y生鐵產(chǎn)量X1發(fā)電量X2固定資產(chǎn)投資X3國(guó)內(nèi)生產(chǎn)總值X4鐵路運(yùn)輸量X51978220834792566668.7232641101191979249736732820699.3640381118931980271638023006746.945181112791981267034173093638.2148621076731982292035513277805.952951134951983307237383514885.26593511878419843372400137701052.43717112407419853693438441071523.51896413070919864058506444951795.321020213563519874386550349732101.691196314065319884689570454522554.861492814494819894859582058482340.5216909151489199051536238621225341854815068119915638676567753139.032161815289319926697758975394473.762663815762719937716895683956811.353463416266319948428974192819355.354675916309319958980105291007010702.975847816585519969338107231081312185.796788516880319979979115111135613838.9674463169734一、檢驗(yàn)多重共線性⒈相關(guān)系數(shù)檢驗(yàn)利用相關(guān)系數(shù)可以分析解釋變量之間的兩兩相關(guān)情況。在Eviews軟件中可以直接計(jì)算相關(guān)系數(shù)矩陣。本例中，在Eviews軟件命令窗口中鍵入：CORX1X2X3X4X5或在包含所有解釋變量的數(shù)組窗口中點(diǎn)擊View\Correlations，其結(jié)果如圖1所示。由相關(guān)系數(shù)矩陣可以看出，解釋變量之間的相關(guān)系數(shù)均為0.93以上，即解釋變量之間時(shí)高度相關(guān)的。圖1解釋變量相關(guān)系數(shù)矩陣⒉輔助回歸方程檢驗(yàn)當(dāng)解釋變量多余兩個(gè)且變量之間呈現(xiàn)出較復(fù)雜的相關(guān)關(guān)系時(shí)，可以通過(guò)建立輔助回歸模型來(lái)檢驗(yàn)多重共線性。本例中，在Eviews軟件命令窗口中鍵入：LSX1CLSX2CX1X3X4X5LSX3CX1X2X4X5LSX4CX1X2X3X5LSX5CX1X2X3X4對(duì)應(yīng)的回歸結(jié)果如圖2－6所示。圖2圖3圖4圖5圖6上述每個(gè)回歸方程的F檢驗(yàn)值都非常顯著，方程回歸系數(shù)的T檢驗(yàn)值表明：X1與X5、X2與X3、X3與X5、X4與X、X5與X1、X3、X4的T檢驗(yàn)值較小，這些變量之間可能不相關(guān)或相關(guān)程度較小。二、利用逐步回歸方法處理多重共線性⒈建立基本的一元回歸方程根據(jù)相關(guān)系數(shù)和理論分析，鋼材產(chǎn)量與生鐵產(chǎn)量關(guān)聯(lián)程度最大。所以，設(shè)建立的一元回歸方程為：⒉逐步引入其它變量，確定最適合的多元回歸方程（回歸結(jié)果如表2所示）表2鋼材產(chǎn)量預(yù)測(cè)模型逐步回歸結(jié)果模型X1X2X3X4X5Y=f(X1)0.9214(56.807)0.99490.9941Y=f(X1,X2)0.4159(3.5394)0.4872(4.3234)0.99740.9970Y=f(X1,X3)0.959(14.185)0.0249(-0.5738)0.99500.9940Y=f(X1,X4)0.9414(13.025)-0.0025(-0.2846)0.99450.9938Y=f(X1,X5)0.8578(20.229)0.0084(-0.2846)0.99190.9910Y=f(X1,X2,X3)0.405(2.835)0.491(4.1225)0.0046(0.1424)0.99690.9974Y=f(X1,X2,X4)0.4433(3.4857)0.4911(4.2748)-0.0039(-0.6347)0.99690.9974Y=f(X1,X2,X5)0.4073(3.1797)0.5025(3.6357)-0.001(-0.2041)0.99690.9974所以，建立的多元回歸模型為：Y=-287.68669+0.4159*X1+0.4872*X2實(shí)驗(yàn)七虛擬變量【實(shí)驗(yàn)?zāi)康摹空莆仗摂M變量的設(shè)置方法。【實(shí)驗(yàn)內(nèi)容】一、試根據(jù)表7-1的1998年我國(guó)城鎮(zhèn)居民人均收入與彩電每百戶擁有量的統(tǒng)計(jì)資料建立我國(guó)城鎮(zhèn)居民彩電需求函數(shù)；表7-1我國(guó)城鎮(zhèn)居民家庭抽樣調(diào)查資料收入等級(jí)彩電擁有量Y（臺(tái)/百戶）人均收入X(元/年)DiXDi困難戶83.642198.8800最低收入戶87.012476.7500低收入戶96.753303.1700中等偏下戶100.94107.2614107.26中等收入戶105.895118.9915118.99中等偏上戶109.646370.5916370.59高收入戶115.137877.6917877.69最高收入戶122.5410962.16110962.16資料來(lái)源：據(jù)《中國(guó)統(tǒng)計(jì)年鑒1999》整理計(jì)算得到二、試建立我國(guó)稅收預(yù)測(cè)模型（數(shù)據(jù)見(jiàn)實(shí)驗(yàn)一）；三、試根據(jù)表7-2的資料用混合樣本數(shù)據(jù)建立我國(guó)城鎮(zhèn)居民消費(fèi)函數(shù)。表7-2我國(guó)城鎮(zhèn)居民人均消費(fèi)支出和可支配收入統(tǒng)計(jì)資料收入等級(jí)19981999消費(fèi)支出Y收入XD消費(fèi)支出Y收入XD困難戶2214.472198.8802327.542325.71最低收入戶2397.62476.7502523.12617.81低收入戶2979.273303.1703137.343492.271中等偏下戶3503.244107.2603694.464363.781中等收入戶4179.645118.9904432.485512.121中等偏上戶4980.886370.5905347.096904.961高收入戶6003.217877.6906443.338631.941最高收入戶7593.9510962.1608262.4212083.791資料來(lái)源：據(jù)《中國(guó)統(tǒng)計(jì)年鑒》1999－2000整理計(jì)算得到【實(shí)驗(yàn)步驟】一、我國(guó)城鎮(zhèn)居民彩電需求函數(shù)⒈相關(guān)圖分析；鍵入命令：SCATXY，則人均收入與彩電擁有量的相關(guān)圖如7-1所示。從相關(guān)圖可以看出，前3個(gè)樣本點(diǎn)（即低收入家庭）與后5個(gè)樣本點(diǎn)（中、高收入）的擁有量存在較大差異，因此，為了反映“收入層次”這一定性因素的影響，設(shè)置虛擬變量如下：圖7-1我國(guó)城鎮(zhèn)居民人均收入與彩電擁有量相關(guān)圖⒉構(gòu)造虛擬變量；方式1：使用DATA命令直接輸入；方式2：使用SMPL和GENR命令直接定義。DATAD1GENRXD=X*D1⒊估計(jì)虛擬變量模型：LSYCXD1XD再由檢驗(yàn)值判斷虛擬變量的引入方式，并寫(xiě)出各類家庭的需求函數(shù)。按照以上步驟，虛擬變量模型的估計(jì)結(jié)果如圖7-2所示。圖7-2我國(guó)城鎮(zhèn)居民彩電需求的估計(jì)我國(guó)城鎮(zhèn)居民彩電需求函數(shù)的估計(jì)結(jié)果為：(16.249)(9.028)(8.320)(-6.593)＝0.9964＝0.9937F＝366.374S.E＝1.066虛擬變量的回歸系數(shù)的檢驗(yàn)都是顯著的，且模型的擬合優(yōu)度很高，說(shuō)明我國(guó)城鎮(zhèn)居民低收入家庭與中高收入家庭對(duì)彩電的消費(fèi)需求，在截距和斜率上都存在著明顯差異，所以以加法和乘法方式引入虛擬變量是合理的。低收入家庭與中高收入家庭各自的需求函數(shù)為：低收入家庭：中高收入家庭：由此可見(jiàn)我國(guó)城鎮(zhèn)居民家庭現(xiàn)階段彩電消費(fèi)需求的特點(diǎn)：對(duì)于人均年收入在3300元以下的低收入家庭，需求量隨著收入水平的提高而快速上升，人均年收入每增加1000元，百戶擁有量將平均增加12臺(tái)；對(duì)于人均年收入在4100元以上的中高收入家庭，雖然需求量隨著收入水平的提高也在增加，但增速趨緩，人均年收入每增加1000元，百戶擁有量只增加3臺(tái)。事實(shí)上，現(xiàn)階段我國(guó)城鎮(zhèn)居民中國(guó)收入家庭的彩電普及率已達(dá)到百分之百，所以對(duì)彩電的消費(fèi)需求處于更新?lián)Q代階段。二、我國(guó)稅收預(yù)測(cè)模型要求：設(shè)置虛擬變量反映1996年稅收政策的影響。方法：取虛擬變量D1＝1（1996年以后），D1＝0（1996年以前）。鍵入命令：GENRXD=X*D1LSYCXD1XD則模型估計(jì)的相關(guān)信息如圖7-3所示。圖7-3引入虛擬變量后的我國(guó)稅收預(yù)測(cè)模型我國(guó)稅收預(yù)測(cè)函數(shù)的估計(jì)結(jié)果為：(24.748)(47.949)(-10.329)(11.208)＝0.9990＝0.9987F＝3332.429S.E＝87.317可見(jiàn)，虛擬變量的回歸系數(shù)的檢驗(yàn)都是顯著的，且模型的擬合優(yōu)度很高，說(shuō)明1996年的稅收政策對(duì)稅收收入在截距和斜率上都產(chǎn)生了明顯影響。1996年前的稅收函數(shù)為：1996年后的稅收函數(shù)為：由此可見(jiàn)，在實(shí)施1996年的稅收政策前，國(guó)內(nèi)生產(chǎn)總值每增加10000元，稅收收入增加828.6元；而1996年后，國(guó)內(nèi)生產(chǎn)總值每增加10000元，稅收收入則增加2042.5元，因此，1996年的稅收政策大大提高了稅收收入水平。三、我國(guó)城鎮(zhèn)居民消費(fèi)函數(shù)要求：⒈利用虛擬變量分析兩年的消費(fèi)函數(shù)是否有顯著差異；⒉利用混合樣本建立我國(guó)城鎮(zhèn)居民消費(fèi)函數(shù)。設(shè)1998年、1999年我國(guó)城鎮(zhèn)居民消費(fèi)函數(shù)分別為：1998年：1999年：為比較兩年的數(shù)據(jù)，估計(jì)以下模型：其中，，。具體估計(jì)過(guò)程如下：CREATEU16建立工作文件DATAYX(輸入1998，1999年消費(fèi)支出和收入的數(shù)據(jù)，1－8期為1998年資料，9－16期為1999年資料)SMPL18樣本期調(diào)成1998年GENRD1=0輸入虛擬變量的值SMPL916樣本期調(diào)成1999年GENRD1=1輸入虛擬變量的值SMPL116樣本期調(diào)成1998～1999年GENRXD=X*D1生成XD的值LSYCXD1XD利用混合樣本估計(jì)模型則估計(jì)結(jié)果如圖7-4：圖7-4引入虛擬變量后的我國(guó)城鎮(zhèn)居民消費(fèi)模型(10.776)(43.591)(0.510)(-0.417)＝0.9972＝0.9965F＝1411.331S.E＝113.459根據(jù)檢驗(yàn)，D和XD的回歸系數(shù)均不顯著，即可以認(rèn)為＝0，＝0；這表明1998年、1999年我國(guó)城鎮(zhèn)居民消費(fèi)函數(shù)并沒(méi)有顯著差異。因此，可以將兩年的樣本數(shù)據(jù)合并成一個(gè)樣本，估計(jì)城鎮(zhèn)居民的消費(fèi)函數(shù)。獨(dú)立樣本回歸與混合樣本回歸結(jié)果如圖7-5～圖7-7所示。圖7-51998年樣本回歸的我國(guó)城鎮(zhèn)居民消費(fèi)模型圖7-61999年樣本回歸的我國(guó)城鎮(zhèn)居民消費(fèi)模型圖7-7混合樣本回歸的我國(guó)城鎮(zhèn)居民消費(fèi)模型將不同樣本估計(jì)的消費(fèi)函數(shù)結(jié)果列在表7－3中，可以看出，使用混合回歸明顯地降低了系數(shù)的估計(jì)誤差。表7-3利用不同樣本估計(jì)的消費(fèi)模型樣本1998～1999年955.670.619555.910.00890.99711998年924.710.623786.430.01440.99681999年985.90.615783.210.01270.9974實(shí)驗(yàn)八滯后變量【實(shí)驗(yàn)?zāi)康摹空莆辗植紲竽Ｐ偷墓烙?jì)方法【實(shí)驗(yàn)內(nèi)容】建立庫(kù)存函數(shù)【實(shí)驗(yàn)步驟】表1列出了某地區(qū)制造行業(yè)歷年庫(kù)存Y與銷售額X的統(tǒng)計(jì)資料。請(qǐng)利用分布滯后模型建立庫(kù)存函數(shù)。表1某地區(qū)制造行業(yè)統(tǒng)計(jì)資料單位：億元年份庫(kù)存Y銷售額X年份庫(kù)存Y銷售額X198150070272801990846554644919825270730219199190875502821983538143079619929707453555198454939308961993101645528591985582133311319941024455591719866004335032199510771962017198763383373351996120870713981988682214100319971471358207819897796544869Almon估計(jì)⒈分析滯后期長(zhǎng)度在Eviews命令窗口中鍵入：CROSSYX，輸出結(jié)果見(jiàn)圖1。圖1互相關(guān)分析圖圖中第一欄是Y與X各滯后期相關(guān)系數(shù)的直方圖?？梢钥闯?，庫(kù)存額與當(dāng)年及前三年的銷售額相關(guān)。因此可以設(shè)：假定可以由一個(gè)二次多項(xiàng)式逼近。⒉利用Almon方法估計(jì)模型在Eviews命令窗口中鍵入：LSYCPDL(X,3,2)輸出結(jié)果見(jiàn)圖2，Eviews分別給出了Almon方法估計(jì)的模型和還原后的估計(jì)模型及相應(yīng)參數(shù)。圖2Almon估計(jì)輸出結(jié)果經(jīng)過(guò)Almon變化之后的估計(jì)結(jié)果為：（即圖2中的PDL項(xiàng)）：（0.7938）（－3.1145）還原后的分布滯后模型為：（3.4431）（6.6477）（4.922）（－2.7124）二、滯后期長(zhǎng)度的調(diào)整將PDL項(xiàng)的參數(shù)依次設(shè)定為：PDL(X,3,2)、PDL(X,4,2)、PDL(X,5,2)，其調(diào)整的判定系數(shù)、SC、AIC值如表2所示。表2Almon估計(jì)法滯后期確定參數(shù)類型AICSCPDL(X,3,2)0.99617.950418.133PDL(X,4,2)0.99717.59717.772PDL(X,5,2)0.995717.916218.0778從表2中可以看出，當(dāng)滯后期由3增加至4時(shí)，調(diào)整的判定系數(shù)增大而AIC和SC值均減小。當(dāng)滯后期由4增大到5時(shí)，調(diào)整的判定系數(shù)減小，AIC值、SC值增大。所以，將滯后期確定為4時(shí)合理的。Almon估計(jì)的模擬⒈Almon變換genrz0=x+x(-1)+x(-2)+x(-3)genrz1=x(-1)+2*x(-2)+3*x(-3)genrz2=x(-1)+4*x(-2)+9*x(-3)⒉估計(jì)變化后的模型LSYCZ0Z1Z2圖3回歸結(jié)果見(jiàn)圖3，即：（3.4431）（2.4112）（－3.1145）⒊計(jì)算原模型中的系數(shù)估計(jì)值根據(jù)Almon變換原理有：所以有：0.58250.5825＋1.2231－0.5446=1.2610.5825+2*1.2231-4*0.5446=0.8503=-0.6496所以還原成原分布滯后模型為：

會(huì)計(jì)科目和賬戶

第一節(jié)會(huì)計(jì)科目

一、會(huì)計(jì)科目的概念

會(huì)計(jì)科目是指對(duì)會(huì)計(jì)要素的具體內(nèi)容進(jìn)行分類核算的項(xiàng)目?！纠繒?huì)計(jì)科目是對(duì)（

）的具體內(nèi)容進(jìn)行分類核算的項(xiàng)目。

A經(jīng)濟(jì)業(yè)務(wù)B會(huì)計(jì)主體C會(huì)計(jì)對(duì)象

D會(huì)計(jì)要素

二、會(huì)計(jì)科目的分類

1、按其所提供信息的詳細(xì)程度及其統(tǒng)馭關(guān)系不同，分為：總分類科目和明細(xì)分類科目。（1）總分類科目——總賬科目或一級(jí)科目總分類科目是對(duì)會(huì)計(jì)要素具體內(nèi)容進(jìn)行總括分類、提供總括信息的會(huì)計(jì)科目；（2）明細(xì)分類科目——明細(xì)賬科目或子目、細(xì)目或二級(jí)、三級(jí)。。。。如：銀行存款（一級(jí)）——中行存款（二級(jí)）——人民幣存款（三級(jí)）明細(xì)分類科目是對(duì)總分類科目作進(jìn)一步分類、提供更詳細(xì)更具體會(huì)計(jì)信息的科目。對(duì)于明細(xì)科目較多的總賬科目，可在總分類科目與明細(xì)科目之間設(shè)置二級(jí)或多級(jí)科目。2、按其所歸屬的會(huì)計(jì)要素不同，分為：舊準(zhǔn)則：五類資產(chǎn)類、負(fù)債類、所有者權(quán)益類、成本類、損益類五類。新準(zhǔn)則：六類資產(chǎn)類、負(fù)債類、共同類、所有者權(quán)益類、成本類、損益類六類。科目參照表一、資產(chǎn)類

1001庫(kù)存現(xiàn)金

1002銀行存款

1012其他貨幣資金

1101交易性金融資產(chǎn)

1121應(yīng)收票據(jù)

1122應(yīng)收賬款

1123預(yù)付賬款

1131應(yīng)收股利

1132應(yīng)收利息

1221其他應(yīng)收款

1231壞賬準(zhǔn)備

1321代理業(yè)務(wù)資產(chǎn)

1401材料采購(gòu)

1402在途物資

1403原材料

1404材料成本差異

1405庫(kù)存商品

1406發(fā)出商品

1407商品進(jìn)銷差價(jià)

1408委托加工物資

1411周轉(zhuǎn)材料

包裝物

低值易耗品

1461融資租賃資產(chǎn)

1471存貨跌價(jià)準(zhǔn)備

1501持有至到期投資

1502持有至到期投資減值準(zhǔn)備

1503可供出售金融資產(chǎn)

1511長(zhǎng)期股權(quán)投資

1512長(zhǎng)期股權(quán)投資減值準(zhǔn)備

1521投資性房地產(chǎn)

1531長(zhǎng)期應(yīng)收款

1532未實(shí)現(xiàn)融資收益

1601固定資產(chǎn)

1602累計(jì)折舊

1603固定資產(chǎn)減值準(zhǔn)備

1604在建工程

1605工程物資

在建工程減值準(zhǔn)備

1606固定資產(chǎn)清理

1701無(wú)形資產(chǎn)

1702累計(jì)攤銷

1703