計(jì)量經(jīng)濟(jì)學(xué)上機(jī)實(shí)驗(yàn)一：一元線性回歸模型

上機(jī)實(shí)驗(yàn)一：一元線性回歸模型

實(shí)驗(yàn)?zāi)康模篍Views軟件的基本操作

實(shí)驗(yàn)內(nèi)容：對(duì)線性回歸模型進(jìn)行參數(shù)估計(jì)并進(jìn)行檢驗(yàn)

上機(jī)步驟：中國(guó)內(nèi)地2023年中國(guó)各地區(qū)城鎮(zhèn)居民每百戶計(jì)算機(jī)擁有量和人均總收入

地區(qū)平均每百戶人均總收入地區(qū)平均每百戶人均總收入

計(jì)算機(jī)擁有X/元計(jì)算機(jī)擁有X/元

量Y/臺(tái)量Y/臺(tái)

北京103.5137124.39湖北75.4920233.27

天津95.4029916.04湖南66.3620233.87

河北74.7419591.91廣東104.1330218.76

山西69.4519666.10廣西91.7220846.11

內(nèi)蒙古60.8321890.19海南63.8220234.18

遼寧71.6622879.77重慶76.0721794.27

吉林68.0419211.71四川68.8619688.09

黑龍江55.3617118.49貴州63.8917598.87

上海137.7040532.29云南63.5520255.13

江蘇96.9428971.98西藏58.8318115.76

浙江103.1734264.38陜西82.4320069.87

安徽71.0120751.11甘肅56.M16267.37

福建103.0027378.11青海52.6517794.98

江西73.8718656.52寧夏59.3919654.59

山東85.8824889.80新疆61.2017631.15

河南71.4119526.92

一.建立工作文件:

1.在主菜單上點(diǎn)擊File\New\Workfile；

2.選擇時(shí)間頻率，A

3.鍵入起始期和終止期，然后點(diǎn)擊0K；

二.輸入數(shù)據(jù)：

1.鍵入命令：DATAYX

2.輸入每個(gè)變量的統(tǒng)計(jì)數(shù)據(jù)；

3.關(guān)閉數(shù)組窗口（回答Yes）;

三.圖形分析：

1.趨勢(shì)圖：鍵入命令PLOTYX

2.相關(guān)圖：鍵入命令SCATYX

散點(diǎn)圖：

趨勢(shì)圖：

四.估計(jì)回歸模型：

鍵入命令LSYCX

上機(jī)結(jié)果：

Y=11.958+0.003X

s(3)5.62280.0002

I(6)2.126711.9826

prob0.04210.0000

R'=Q.831R2=0.826F=143.584prob(F)=0.0000

上機(jī)實(shí)驗(yàn)二：多元線性回歸模型

實(shí)驗(yàn)?zāi)康模憾嘣貧w模型的建立、比較與篩選，掌握基本的操作

要求并能根據(jù)理論對(duì)分析結(jié)果進(jìn)行解釋

實(shí)驗(yàn)內(nèi)容：對(duì)線性回歸模型進(jìn)行參數(shù)估計(jì)并進(jìn)行檢驗(yàn)

上機(jī)步驟：

商品的需求量與商品價(jià)格和消費(fèi)者平均收入

n需求量Y價(jià)格XI收入X2

158956

248853

363760

468670

573778

698584

798491

878682

91083100

10883120

趨勢(shì)圖：

散點(diǎn)圖：

上機(jī)結(jié)果:

fri-O.038888X2

s(方)57.1184.2910.419

t(6)2.321-2.069-0.093

prob0.05330.07730.9286

R2=0.79R2=0.73F=13.14prob(F)=0.00427

H：非線性回歸模型

實(shí)驗(yàn)?zāi)康模篍Views軟件的基本操作

實(shí)驗(yàn)內(nèi)容：對(duì)線性回歸模型進(jìn)行參

上機(jī)步驟：

我國(guó)國(guó)有獨(dú)立核算工業(yè)企業(yè)統(tǒng)計(jì)資料

工業(yè)產(chǎn)值職工人數(shù)固定資產(chǎn)

年份時(shí)間t

Y（億元）L（萬人）K（億元）

197813289.1831392225.7

197923581.2632082376.34

198033782.1733342522.81

198143877.8634882700.9

198254151.2535822902.19

198364541.0536323141.76

198474946.1136693350.95

198585586.1438153835.79

198695931.3639554302.25

1987106601.64086478G.05

1988117434.0642295251.9

1989127721.0142735808.71

1990137949.5543646365.79

1991148634.844727071.35

1992159705.5245217757.25

19931610261.6544988628.77

19941710928.6645459374.34

一.建立工作文件:

1.在主菜單上點(diǎn)擊Fi1e\New\Workfi1e；

2.選擇時(shí)間頻率，A

3.鍵入起始期和終止期，然后點(diǎn)擊0K；

二.輸入數(shù)據(jù)：

1.鍵入命令：DATAYLK

2.輸入每個(gè)變量的統(tǒng)計(jì)數(shù)據(jù)；

3.關(guān)閉數(shù)組窗口(回答Yes);

三.圖形分析：

1.趨勢(shì)圖：鍵入命令PLOTYKL

2.相關(guān)圖：鍵入命令SCATYKL

四.估計(jì)回歸模型：

鍵入命令LSYCKL

上機(jī)結(jié)果:Y=4047.866E2622。工227⑸

S(方)17694.1802325930.759696

t(6)0.2287685.426669-1.615325

prob0.82420.00040.1407

R2=0.989758R=0.987482F=434.8689prob(F)=0.0000

上機(jī)實(shí)驗(yàn)I見異方差

實(shí)驗(yàn)?zāi)康模海赫莆债惙讲畹臋z驗(yàn)與調(diào)整方法的上機(jī)實(shí)現(xiàn)

實(shí)驗(yàn)內(nèi)容：我國(guó)制造工業(yè)利潤(rùn)函數(shù)

我國(guó)各行業(yè)利潤(rùn)與銷售收入情況

行業(yè)名稱銷售利潤(rùn)律售收入行業(yè)名稱銷售利澗銷售收入

食品加工業(yè)187.253180.44醫(yī)藥制造業(yè)238.711264.I

化學(xué)纖維制

食品制造業(yè)111.421119,8881.57779.46

品

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

非金屬礦制

紡織業(yè)316.793862.9339.262866.14

品

黑色金屬冶

服裝制品業(yè)157.71779.1367.473868.28

煉

皮革羽絨制有色金屬冶

81.71081.77144.291535.16

品煉

木材加工業(yè)35.67443.74金屬制品業(yè)201.421948.12

普通機(jī)械制

家具制造業(yè)31.06226.78354.692351.68

造

造紙及紙品專用設(shè)備制

134.41124.94238.161714.73

業(yè)造

交通運(yùn)輸設(shè)

印刷業(yè)90.12499.83511.944011.53

備

文教體育用電子機(jī)械制

54.4504.44409.833286.15

品造

電子通訊設(shè)

石油加工業(yè)194.452363.8508.154499.19

備

化學(xué)原料紙儀器儀表設(shè)

502.614195.2272.46663.68

品備

實(shí)驗(yàn)步驟：

一.檢驗(yàn)異方差性

1.圖形分析檢驗(yàn):

1）觀察Y、X相關(guān)圖：SCATYX

2）殘差分析:觀察回歸方程的殘差圖

LSYCX

在方程窗口上點(diǎn)擊Residual按鈕；

2.Goldfeld-Quant檢驗(yàn)：

SORTX

SMPL110

LSYCX（計(jì)算第一組殘差平方和）

SMPL1928

LSYCX（計(jì)算第二組殘差平方和）

計(jì)算F統(tǒng)計(jì)量，判斷異方差性

3.White檢驗(yàn)：

SMPL128

LSYCX

在方程窗口上點(diǎn)擊：

View\Residual\Test\WhiteHeteroskedastcity

由概率值判斷異方差性。

4.Park檢驗(yàn)

LSYCX

GENRLNE2=log（reside）

GENRLNX=log（X）

LSLNE2CLNX

5.Gleiser檢驗(yàn):

LSYCX

GENRE1=ABS(resid)

LSElCX

再在方程窗口中點(diǎn)擊Estimete按鈕，并在方程描述框中依次輸

入其它方程：

ElCX-2

ElCXX1/2)

ElCXX-1)

ElCXX-2)

ElCX7-1/2)

二.調(diào)整異方差性(WLS估計(jì))：

1.計(jì)算權(quán)數(shù)變量：

GENRWl=l/X71.6743)

GENRW2=l/X70.5)

GENRW3=l/X-2

GENRW4=1/E1

GENRW5=l/E2

2.依次進(jìn)行WLS估計(jì)：

LSYCX

在方程窗口中點(diǎn)擊Estimete\Options,然后在權(quán)數(shù)變量欄依次輸

入也、W2...W5,并選擇WLS估計(jì)，從中篩選出最佳的異方差調(diào)

整模型。

檢驗(yàn)異方差性

回歸模型

參數(shù)估計(jì)和檢驗(yàn)結(jié)果寫為:

口Equation:UNTITLEDWorkfile:UNTITLED::Untitled\|o

[view)[Proc[ob]ect|Print〔Name[Freeze|Estimate懺precast|Stats|Resids

DependentVariable:Y

Method:LeastSquares

Date:06/14/15Time:23:22

Sample:128

Includedobservations:27

CoefficientStd.Errort-StatisticProb.

C13.3265220.298410.6565300.5175

X0.1040650.00865712.020580.0000

R-squared0.852502Meandependent</ar217.2433

AdjustedR-squared0.846603S.D.dependentvar147.8834

S.E.ofregression57.91998Akaikeinfocriterion11.02719

Sumsquaredresid83868.10Schwarzcriterion11.12318

Loglikelihood-146.8671Hannan-Quinncrter.11.05573

F-statistic144.4944Durbin-Watsonslat0.984388

Prob(F-statistic)0.000000

20.2980.009

t（3）0.65712.021

Prob0.518o.ooo

R2=0.85^2=0.84F=144.49

一.檢驗(yàn)異方差性

1.圖形分析檢驗(yàn)

觀察銷售利潤(rùn)（Y）銷售收入（X）的相關(guān)圖

從圖中可以看出隨著銷售收入的增加，銷售利潤(rùn)的水平不斷

提高，但離散程度也逐步擴(kuò)大，這說明存在遞增的異方差性

上圖回歸方程的殘差分布有明顯的擴(kuò)大趨勢(shì)，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（SORTX）分成為兩部分（分別有

1到10共10個(gè)樣本和19到28共10個(gè)樣本）

（2）利用樣本1建立回歸模型1,其殘差平方和為RSS1=2579.587

（3）利用樣本2建立回歸模型2,其殘差平方和為

RSS2=63769.67

（4）計(jì)算F統(tǒng)計(jì)量：F=RSS2/RSS1=63769.67/2579.587=24.72,取

a=0.05時(shí)，查F分布表得F0.05（10-2,10-2）=3.44,

F=24.72>F0.05=3.44,所以存在異方差性

3.White檢驗(yàn)

（1）建立回歸模型

（2）在方程窗口上點(diǎn)擊：

View\Residual\Test\WhiteHeteroskedastcity

其中F值為輔助回歸模型的F統(tǒng)計(jì)量，取顯著水平a

=0.05,由于X0.05八2（2）<nR于=7.554,所以存在異方差性

4.Park檢驗(yàn)

（1）建立回歸模型

（2）GENRLNE2=log（reside）

GENRLNX=log(X)

(3)LSLNE2CLNX

由回歸結(jié)果看出LNX的系數(shù)估計(jì)值不為0且能通過顯著性檢

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，

即存在異方差性

5.Gleiser檢驗(yàn):

(1建立回歸模型

2)生成新變量序列GENRE1=ABS(resid)

LSElCX

再在方程窗口中點(diǎn)擊Estimete按鈕，并在方程描述框中依次輸

入其它方程：

ElCX-2

ElCX71/2)

ElCx7-D

ElCXX-2):

ElCXX-1/2):

□Equation:UNTHLEDWorkfile:UNTITLED::Untitled\fo||B|

(view|Proc||object|Print|Name(FreezeEstimate|Forecast^Stats11Resids

DependentVariable:E1

Method:LeastSquares

Date:06/15/15Time:00:13

Sample(adjusted):228

Includedobservations:27afteradjustments

CoefficientStd.Error1-StatisticProb.

C1.2256080.4260642.8765840.0081

XA(-1/2)-4.15072114.00027-0.2964740.7693

R-squared0.003504Meandependentvar1.109678

AdjustedR-squared-0.036356S.D.dependentvar0.863582

S.E.ofregression0.879140Akaikeinfocriterion2.651442

Sumsquaredresid19.32217Schwarzcriterion2.747430

Loglikelihood-33.79446Hannan-Quinnenter.2.679984

F-statistic0.087897Durbin-Watsonstat1.772959

Prob(F-statistic)0.769317

如下

①V=1.219-5.06X@r=1.213-111.76X

0.3080.0000.243188.79

R2=0.007F=0.182R2=0.014F=0.350

②V=1.190—1.47X：'③？=1.236-0.003X(1/2)

0.2262.750.5030.011

R2=0.OilF=0.286R2=0.003F=0.071

@f=1.178-41342.74.￥3⑥Y=1.226-4.151X,⑶

0.18244598.720.42614.000

R2=0.033F=0.859R'=0.004F=10.542

有上述各回歸結(jié)果可知，各回歸模型解釋變量的系數(shù)估計(jì)值

顯著不為0且均能通過顯著性檢驗(yàn)，所以存在異方差性.

上機(jī)實(shí)驗(yàn)五:自相關(guān)

實(shí)驗(yàn)?zāi)康模赫莆兆韵嚓P(guān)性的檢驗(yàn)與調(diào)整方法。通過中國(guó)農(nóng)村居民

消費(fèi)模型的分析可判斷農(nóng)村居民的邊際消費(fèi)傾向同時(shí)，農(nóng)村居民

消費(fèi)模型也能用于農(nóng)村居民消費(fèi)水平的預(yù)測(cè)。

實(shí)驗(yàn)內(nèi)容：我國(guó)農(nóng)村居民儲(chǔ)蓄函數(shù)

模型設(shè)定

影響居民消費(fèi)的因素很多，但由于受各種條件的限制，通常

只引入居民收入一個(gè)變量做解釋變量，即消費(fèi)模型設(shè)定為：

匕=￡。+￡江+Ut

參數(shù)說明：

匕一一農(nóng)村居民人均消費(fèi)支出（單位：元）

x——農(nóng)村居民人均純收入（單位：元）

〃一一隨機(jī)誤差項(xiàng)

1985-2023年農(nóng)村居民人均收入和消費(fèi)單位：元

人均純收人均消費(fèi)支消費(fèi)價(jià)格指數(shù)人均收入人均消費(fèi)支出

年份

入現(xiàn)價(jià)出現(xiàn)價(jià)1985=1001985可比價(jià)1985可比價(jià)

1985397.60317.42100.0397.60317.42

1986423.76356.95106.1399.40336.43

1987462.55388.29112.7410.43353.41

1988544.94476.66132.4411.59360.02

1989601.51535.37157.9380.94339.08

1990686.30584.63165.1415.70354.11

1991708.60619.80168.9419.50366.96

1992784.00659.80176.8443.40373.19

1993921.60769.70201.0458.50382.94

19941221.001016.80248.0492.30410.00

19951577.701310.40291.4541.40449.69

19961923.101572.10314.4611.70500.03

19972090.101617.20322.3648.50501.77

19982162.001590.30319.1677.50498.28

19992214.301577.40314.3704.50501.75

20002253.401670.00314.0717.70531.85

20012366.401741.00316.5747.70550.08

20022475.601834.00315.2785.40581.85

20032622.241943.30320.2818.90606.81

20042936.42184.70335.6875.00650.97

20053254.932555.40343.0949.00745.01

20063587.042829.00348.11030.50812.70

20074140.363223.90366.91128.50878.67

20234760.623660.70390.71218.50936.95

20235153.173993.50389.51323.001025.28

20235919.014381.80403.51466.901085.95

20236977.295221.10426.91634.401223.03

人均純收入X和人均消費(fèi)支出Y相關(guān)圖,

趨勢(shì)圖：

(-)上機(jī)結(jié)果:

□Equation:UNTITLEDWorkfile:UNHTLED

View|Procs|Objects|Print|Name|Freeze|Estimate〔Forecast|Stats|Resids|

DependentVariable:Y

Method:LeastSquares

Date:06/07/15Time:17:21

Sample:19852011

Includedobservations:27

VariableCoefficientStd.Errort-StatisticProb.

C45.4040710.301714.4074290.0002

X0.7185190.01252657.363370.0000

R-squared0992460Meandependentvar5805270

AdjustedR-squared0.992158S.D.dependentvar2664629

SEofregression22.70995Akaikeinfocriterion9.154670

Sumsquaredresid1289354Schwarzcriterion9.250658

Loglikelihood-121.5880F-statistic3290.556

Durbin-Watsonstat0.527714Prob(F-statistic)0.000000

yt=45.40407+0.7185Xt

s(3)10.301710.012526

t(/)4.407257.3633

R'O.9925葭=09922F=3290.556prob(F)=0.0000

(二)BG檢驗(yàn)做自相關(guān)檢驗(yàn)：

殘差圖：

回歸結(jié)果:

OEquation:UNTITLEDWorkfile:UNHTLED

View|Procs]Objects|Print|Name|Freeze|Estimate|Forecast|Stats|Resids|

▲

Breusch-GodfreySerialCorrelationLMTest:

F-statistic13.17125Probability0.000154

Obs*R-squared14.41450Probability0.000741

TestEquation:

DependentVariable:RESID

Method:LeastSquares

Date:06/07/15Time:17:35

VariableCoefficientStd.Errort-StatisticProb.—

C0.1000537.38246700135530.9893

X3.33E-050.0090070.0036980.9971

RESID(-1)078629002120713.70767100012

RESID(-2)-0.0780510.214730-0.3634830.7196

R-squared0533870Meandependentvar-1.07E-13

AdjustedR-squared0.473071SDdependentvar22.26894

SEofregression1616499Akaikeinfocriterion8.539527

Sumsquaredresid6010062Schwarzcriterion8731503

Loglikelihood-111.2836F-statistic8.780836

Durbin-Watsonstat1955116Prob(F-statistic)0.000460▼

存在自相關(guān)！

（三）采用廣義差分法解決自相關(guān)問題：操作命令：DATAXY

GENRel=resid

SCATelel(-1)殘差圖

得回歸方程：2.0.729屋一

對(duì)元模型進(jìn)行廣義差分法：

Y「0?7291Yi二(1-0.7291)+P2(Xt-0?7292X-)+ut

按如下步驟

回EViews

FileEditObjectsViewProcsQuickOptionsWindowHelp

LSY-07為CX-0.729rX(-1)

輸出回歸結(jié)果

OEquation:UNTITLEDWorkfile:UNTTLED

View|Procs|Objects|Print|Freeze|Estimate|Forecast|Stats|Resids|

DependentVariable:Y-0.7291*Y(-1)

Method:LeastSquares

Date:06/07/15Time:13:10

Sample(adjusted):19862011

Includedobservations:26afteradjustingendpoints

VariableCoefficientStdErrort-Statis:icProb.

C14.056606.6153322.1248520.0441

X-0.7291*X(-1)0.7137750.02443429.212200.0000

R-squared0.972645Meandependentvar185.4015

AdjustedR-squared0.971505S.D.dependentvar92.40594

S.E.ofregression15.59850Akaikeinfocriterion8.406030

Sumsquaredresid5839517Schwarzcriterion8.502807

Loglikelihood-1072784F-statistic853.3524

Durbin-Watsonstat1.764221Prob(F-statistic)0.000000

得回歸方程：r>14.0566+0.71378X；

s(2)6.61530.0244

t(/)2.124929.2122

prob(F)=0.0000

2

R=0.9726R2=O9715F=853.3524

樣本容量減少為26個(gè)。

P=0.7291,1=14.0566/1-0.7291=51.8885

最終中國(guó)農(nóng)村居民消費(fèi)模型為：yt-51.8885+0.71378Xt

上機(jī)實(shí)驗(yàn)六：多重共線性

實(shí)驗(yàn)?zāi)康模憾嘣貧w模型的建立、比較與篩選，掌握基本的操作

要求并能根據(jù)理論對(duì)分析結(jié)果進(jìn)行解釋

實(shí)驗(yàn)內(nèi)容：中國(guó)旅游收入與花費(fèi)

實(shí)驗(yàn)步驟；

1994-2023年中國(guó)旅游收入及相關(guān)數(shù)據(jù)

國(guó)內(nèi)旅游收入國(guó)內(nèi)旅游人數(shù)城鎮(zhèn)居民人均旅游農(nóng)村居民人均旅鐵路里程

年份

Y/億元X2/萬人次花費(fèi)X3/元游花費(fèi)X4/元X5/萬公里

19941023.552400414.754.95.9

19951375.762900464.061.55.97

19961638.463900534.170.56.49

19972112.764400599.8145.76.6

19982391.269450607.0197.06.64

19992831.971900614.8249.56.74

20003175.574400678.6226.66.87

20013522.478400708.3212.77.01

20023878.487800739.7209.17.19

20033442.387000684.9200.07.30

20044710.7110200731.8210.27.44

20055285.9121200737.1227.67.54

20066229.74139400766.4221.97.71

20077770.62161000906.9222.57.80

20238749.3171200849.4275.38.0

202310183.7190200801.1295.38.6

202312579.8210300883.0306.09.1

202319305.4264100877.8471.49.3

一.建立工作文件:

1.在主菜單上點(diǎn)擊File\New\Workfi1e；

2.選擇時(shí)間頻率，A

3.鍵入起始期和終止期，然后點(diǎn)擊0K；

二.輸入數(shù)據(jù)：

1.鍵入命令：DATAYX

2,輸入每個(gè)變量的統(tǒng)計(jì)數(shù)據(jù)；

3?關(guān)閉數(shù)組窗口(回答Yes)；

三.估計(jì)回歸模型：

方式1：鍵入命令LSYCX2X3X4X5

□Equation;UNTITLEDWorkfile;UNHTLED

View|Procs|Objects|Print|Na/ne|Freeze|Estimate|Forecast|Stats|Resids|

>

DependentVariable:Y

Method:LeastSquares

Date:06/06/15Time:2010

Sample:19942011

Includedobservations:18

VariabeCoefficientStd.Errort-StatisticProb.

C

450.97993932.3140.1146860.9104

X20.0730210.0095337.6597720.0000

X3-6.6555052675543-2.4875340.0272

X414.150193.4828464.0628240.0013

X5-23098448225258-02808230.7833

R-squared0985814Meandependentvar5567064

AdjustedR-squared0.981449S.D.dependentva