計(jì)量經(jīng)濟(jì)學(xué)作業(yè)

計(jì)量經(jīng)濟(jì)學(xué)作業(yè)計(jì)量經(jīng)濟(jì)學(xué)作業(yè)學(xué)科：計(jì)量經(jīng)濟(jì)學(xué)學(xué)院：經(jīng)濟(jì)管理學(xué)院班級：2011級經(jīng)濟(jì)（2）班學(xué)號：2011111108姓名：彌欣哲則有取,，,已知,平均值置信度95%的預(yù)測區(qū)間為：==（億元）練習(xí)題2.8分別設(shè)定簡單線性回歸模型，分析各國人均壽命與人均GDP、成人識字率、一歲兒童疫苗接種率的數(shù)量關(guān)系:人均壽命與人均GDP關(guān)系估計(jì)檢驗(yàn)結(jié)果:人均壽命與成人識字率關(guān)系人均壽命與一歲兒童疫苗接種率關(guān)系（2）對所建立的多個(gè)回歸模型進(jìn)行檢驗(yàn)由人均GDP、成人識字率、一歲兒童疫苗接種率分別對人均壽命回歸結(jié)果的參數(shù)t檢驗(yàn)值均明確大于其臨界值,而且從對應(yīng)的P值看,均小于0.05,所以人均GDP、成人識字率、一歲兒童疫苗接種率分別對人均壽命都有顯著影響.（3）分析對比各個(gè)簡單線性回歸模型人均壽命與人均GDP回歸的可決系數(shù)為0.5261人均壽命與成人識字率回歸的可決系數(shù)為0.7168人均壽命與一歲兒童疫苗接種率的可決系數(shù)為0.5379相對說來,人均壽命由成人識字率作出解釋的比重更大一些第三章多元線性回歸模型3.4（1、）設(shè)：回歸模型為：DependentVariable:YMethod:LeastSquaresDate:12/14/13Time:15:15Sample:113Includedobservations:13VariableCoefficientStd.Errort-StatisticProb.

C7.1059751622442721.6185548710929314.3903208282620370.001355381440614532X2-1.3931145497189190.3100497844654508-4.493196317232580.001155190883304689X31.4806742989840530.18018535881200018.2175061766752269.30215692576779e-06R-squared0.8727592631500402

Meandependentvar7.756923076923078AdjustedR-squared0.8473111157800484

S.D.dependentvar3.041891912980541S.E.ofregression1.188632194310138

Akaikeinfocriterion3.382657722463343Sumsquaredresid14.12846493350534

Schwarzcriterion3.513030651108313Loglikelihood-18.98727519601173

Hannan-Quinncriter.3.355860215424009F-statistic34.29559136313334

Durbin-Watsonstat2.254851008937963Prob(F-statistic)3.335269079106179e-05

對模型進(jìn)行估計(jì)，根據(jù)回歸結(jié)果得：（1.618555）（0.310050）（0.180185）t=(4.390321)(-4.493196)(8.217506)SE=1.1888632DW=2.254851模型估計(jì)表明：在預(yù)期通貨膨脹率不變的情況下，失業(yè)率每增長1個(gè)百分點(diǎn)，實(shí)際通貨膨脹率平均降低1.393115個(gè)百分點(diǎn)；在失業(yè)率不變的情況下，預(yù)期通貨膨脹率每增長1個(gè)百分點(diǎn)，實(shí)際通貨膨脹率平均增長1.480674個(gè)百分點(diǎn)。這與理論分析和經(jīng)驗(yàn)判斷一致。（2、）統(tǒng)計(jì)檢驗(yàn)t檢驗(yàn)：給定顯著性水平查表得，與、、對應(yīng)的t統(tǒng)計(jì)了分別為4.390321、-4.493196、8.217506，其絕對值均大于，說明應(yīng)拒絕原假設(shè)。在其他解釋變量不變的情況下，“失業(yè)率”和“預(yù)期通貨膨脹率”分別對被解釋變量“實(shí)際通貨膨脹率”有顯著影響。F檢驗(yàn)：針對,給定顯著性水平,由于F=34.29559>(2)=19,所以拒絕原假設(shè)，說明回歸方程顯著，“失業(yè)率”和“預(yù)期通貨膨脹率”聯(lián)合起來對被解釋變量“實(shí)際通貨膨脹率”有顯著影響。擬合優(yōu)度：，修正的可決系數(shù)，說明模型對樣本擬合很好。（3）3.7（1）、建立線性模型：預(yù)期的參數(shù)符號為：+、+、+、+、+、+（2）、OLS參數(shù)估計(jì)如下：DependentVariable:YMethod:LeastSquaresDate:12/14/13Time:17:48Sample:114Includedobservations:14VariableCoefficientStd.Errort-StatisticProb.

C-3.49656271696898930.00659119978778-0.11652648891999830.9101074456037003X20.12532958144616270.059138795485964982.1192447430875790.06690379691133891X30.073666724450094790.037876924313190671.9448972107917510.0876806465774886X42.6775894617517021.2572930677610722.1296462458986010.06582921427505968X53.4534482635254592.4508502533042781.4090817090393270.1964743435152896X6-4.4911167633206712.214861943802902-2.0277186015528610.07712972398052255R-squared0.9704419997276341

Meandependentvar142.7128571428571AdjustedR-squared0.9519682495574055

S.D.dependentvar26.09804661967323S.E.ofregression5.719686291663866

Akaikeinfocriterion6.623232055162787Sumsquaredresid261.7184902003803

Schwarzcriterion6.897113767855041Loglikelihood-40.36262438613951

Hannan-Quinncriter.6.597879296257673F-statistic52.5308608585358

Durbin-Watsonstat1.972755234415315Prob(F-statistic)6.64487605265514e-06估計(jì)的結(jié)果如下：(30.00675)(0.059143)(0.037882)(1.257313)(2.450213)(2.214325)

t=(-0.116272)(2.118673)(1.945135)(2.130271)(1.408242)(-2.027838)=0.951972F=52.53512SE=5.719461DW=1.972791可以看出模型估計(jì)與自己預(yù)測的不相符。（3）、從檢驗(yàn)結(jié)果中可以看出：該模型=0.951972可決系數(shù)很高。F檢驗(yàn)值為F=52.53512，明顯顯著，但當(dāng)時(shí)，，不僅、、的系數(shù)t檢驗(yàn)不顯著，而的系數(shù)符號與預(yù)期相反，表明存在多重共線。第四章多重共線練習(xí)題4.6：(1)建立對數(shù)線性多元回歸模型，引入全部變量建立對數(shù)線性多元回歸模型如下:生成:lny=log(y),同樣方法生成:lnx1,lnx2,lnx3,lnx4,lnx5,lnx6,lnx7.作全部變量對數(shù)線性多元回歸,結(jié)果為:從修正的可決系數(shù)和F統(tǒng)計(jì)量可以看出，全部變量對數(shù)線性多元回歸整體對樣本擬合很好，，各變量聯(lián)合起來對能源消費(fèi)影響顯著?？墒瞧渲械膌nX3、lnX4、lnX6對lnY影響不顯著,而且lnX2、lnX5的參數(shù)為負(fù)值，在經(jīng)濟(jì)意義上不合理。所以這樣的回歸結(jié)果并不理想。(2)預(yù)料此回歸模型會遇到多重共線性問題,因?yàn)閲窨偸杖肱cGDP本來就是一對關(guān)聯(lián)指標(biāo)；而工業(yè)增加值、建筑業(yè)增加值、交通運(yùn)輸郵電業(yè)增加值則是GDP的組成部分。這兩組指標(biāo)必定存在高度相關(guān)。解釋變量國民總收入(億元)X1(代表收入水平)、國內(nèi)生產(chǎn)總值(億元)X2(代表經(jīng)濟(jì)發(fā)展水平)、工業(yè)增加值(億元)X3、建筑業(yè)增加值(億元)X4、交通運(yùn)輸郵電業(yè)增加值(億元)X5(代表產(chǎn)業(yè)發(fā)展水平及產(chǎn)業(yè)結(jié)構(gòu))、人均生活電力消費(fèi)(千瓦小時(shí))X6(代表人民生活水平提高)、能源加工轉(zhuǎn)換效率(%)X7(代表能源轉(zhuǎn)換技術(shù))等很可能線性相關(guān),計(jì)算相關(guān)系數(shù)如下:可以看出lnx1與lnx2、lnx3、lnx4、lnx5、lnx6之間高度相關(guān)，許多相關(guān)系數(shù)高于0.900以上。如果決定用表中全部變量作為解釋變量，很可能會出現(xiàn)嚴(yán)重多重共線性問題。（3）因?yàn)榇嬖诙嘀毓簿€性，解決方法如下：A：修正理論假設(shè)，在高度相關(guān)的變量中選擇相關(guān)程度最高的變量進(jìn)行回歸建立模型：而對變量取對數(shù)后，能源消費(fèi)總量的對數(shù)與人均生活電力消費(fèi)的對數(shù)相關(guān)程度最高，可建立這兩者之間的回歸模型。如B：進(jìn)行逐步回歸，直至模型符合需要研究的問題，具有實(shí)際的經(jīng)濟(jì)意義和統(tǒng)計(jì)意義。采用逐步回歸的辦法，去檢驗(yàn)和解決多重共線性問題。分別作對的一元回歸，結(jié)果如下:一元回歸結(jié)果：變量lnX1lnX2lnX3lnX4lnX5lnX6lnX7參數(shù)估計(jì)值0.3160.3150.2770.2970.2730.4218.73T統(tǒng)計(jì)量14.98514.629.71813.2211.71716.1734.648可決系數(shù)0.9140.9110.8180.8930.8670.9260.507調(diào)整可決系數(shù)0.9100.9060.8090.8880.8610.9220.484其中加入lnX6的方程調(diào)整的可決系數(shù)最大,以lnX6為基礎(chǔ),順次加入其他變量逐步回歸。結(jié)果如下表:變量lnX1lnX2lnX3lnX4lnX5lnX6lnX7lnX6lnX1-0.186(-0.698)0.666(1.891)0.920lnX6lnX2-0.251(-1.021)0.753(2.308)0.922lnX6lnX30.061(1.548)0.341(5.901)0.927lnX6lnX4-0.119(-0.897)0.585(3.167)0.921lnX6lnX5-0.623(-7.127)1.344(10.314)0.977lnX6lnX70.391(11.071)0.924經(jīng)比較，新加入lnX5的方程調(diào)整可決系數(shù)改進(jìn)最大,各參數(shù)的t檢驗(yàn)也都顯著，但是lnX5參數(shù)的符號與經(jīng)濟(jì)意義不符合。若再加入其他變量后的逐步回歸,若剔除不顯著的變量和無經(jīng)濟(jì)意義的變量后,仍為第一步所建只包含lnX6的一元回歸模型。如果需要建立多元線性回歸模型，則需尋找新的變量或改變模型形式。例如,不取對數(shù)作全部變量多元線性回歸,結(jié)果為可以看出還是有嚴(yán)重多重共線性。作逐步回歸:分別作一元回歸得到：變量X1X2X3X4X5X6X7參數(shù)估計(jì)值0.73330.73531.665513.190910.8980678.005819332.30t統(tǒng)計(jì)量26.469825.362718.025725.963613.514722.42294.70240.97090.96840.93930.96970.89690.95990.51290.96950.96690.93640.96830.89200.95800.4897以X1為基礎(chǔ)加入其他變量,結(jié)果為:X1X2X3X4X5X6X7X1，X26.6399（0.0022）-5.9308(0.0054)0.9785X1，X30.5512(0.0000)0.4349(0.0821)0.9726X1，X40.5040(0.3356)4.1326(0.6580)0.9683X1，X51.0516(0.0000)-5.0269(0.013)0.9766X1，X61.0075(0.0088)-255.80(0.438)0.9690X1，X70.7499(0.0000) -813.44(0.5988)0.9684注:括號中為p值.可以發(fā)現(xiàn)加入X2、X5、X6、X7后參數(shù)的符號不合理,加入X4后并不顯著。只有加入X3后修正的可決系數(shù)有所提高,而且參數(shù)符號的經(jīng)濟(jì)意義合理,X3參數(shù)估計(jì)值的p值為0.0821，在10%的顯著性水平下是顯著的。所以相對較為合理的模型估計(jì)結(jié)果