806编号计量经济学实验报告(多元线性回归自相关)

《806编号计量经济学实验报告(多元线性回归自相关)》由会员分享，可在线阅读，更多相关《806编号计量经济学实验报告(多元线性回归自相关)（15页珍藏版）》请在金锄头文库上搜索。

1、实 验 报 告实 验 报 告 课程名称 课程名称 计量经济学 实验项目名称实验项目名称 多元线性回归 自相关 异方差 多重共线性 班级与班级代码班级与班级代码 08 国际商务 1 班 实验室名称（或课室） 实验楼 910 实验室名称（或课室） 实验楼 910 专 业 国际商务 专 业 国际商务 任课教师 刘照德 任课教师 刘照德 学 号：学 号： 08250603143 姓 名：姓 名： 张柳文 实验日期：实验日期： 2011 年 06 月 23 日年 06 月 23 日 广东商学院教务处 制 姓名 张柳文 实验报告成绩姓名 张柳文 实验报告成绩 评语：评语： 指导教师（签名） 指导教师（签名

2、） 年 月 日 年 月 日 说明：指导教师评分后，实验报告交院（系）办公室保存。 计量经济学实验报告计量经济学实验报告 实验项目：多元线性回归、自相关、异方差、多重共线性 实验目的：掌握多元线性回归模型、自相关模型、异方差模型、多重 共线性模型的估计和检验方法和处理方法 实验要求：选择方程进行多元线性回归；熟悉图形法检验和掌握 D-W 检验，理解广义差分法变换和掌握迭代法；掌握 Park 或 Glejser 检验，理解同方差性变换； 实验原理：普通最小二乘法 图形检验法 D-W 检验 广义差分变换 加权最小二乘法 Park 检验等 实验步骤： 首先：选择数据 为了研究影响中国税收收入增长的主要

3、原因，选择国内生产总值（GDP） 、财政 支出（ED） 、商品零售价格指数（RPI）做为解释变量，对税收收入（Y）做多元 线性回归。 从 中国统计年鉴 2011 中收集 19782009 年各项影响因素的数据。 如下表所示： 中国税收收入及相关数据 年份（T） 商品零售价格 指数（RPI）/% 财政支出 （ED） /亿元 国内生产总值 （GDP）/亿元 税收收入（Y） /亿元 1978100.7 1122.093645.217519.28 1979102.0 1281.794062.579537.82 1980106.0 1228.834545.624571.7 1981102.4 1138.

4、414891.561629.89 1982101.9 1229.985323.351700.02 1983101.5 1409.525962.652775.59 1984102.8 1701.027208.052947.35 1985108.8 2004.259016.0372040.79 1986106.0 2204.9110275.182090.73 1987107.3 2262.1812058.622140.36 1988118.5 2491.2115042.822390.47 1989117.8 2823.7816992.322727.4 1990102.1 3083.5918667.

5、822821.86 1991102.9 3386.6221781.52990.17 1992105.4 3742.226923.483296.91 1993113.2 4642.335333.924255.3 1994121.7 5792.6248197.865126.88 1995114.8 6823.7260793.736038.04 1996106.1 7937.5571176.596909.82 1997100.8 9233.5678973.038234.04 199897.4 10798.1884402.289262.8 199997.0 13187.6789677.0510682.

6、58 200098.5 15886.599214.5512581.51 200199.2 18902.58109655.215301.38 200298.7 22053.15120332.717636.45 200399.9 24649.95135822.820017.31 2004102.8 28486.89159878.324165.68 2005100.8 33930.28184937.428778.54 2006101.0 40422.73216314.434804.35 2007103.8 49781.35265810.345621.97 2008105.9 62592.663140

7、45.454223.79 200998.8 76299.93340506.959521.59 实验一：多元线性回归实验一：多元线性回归 1、将数据导入 eviews5.0 后，分别对三个解释变量与被解释变量做散点图，选 择 两 个 变 量 作 为group 打 开 ， 在 数 据 表 “ group” 中 点 击 view/graph/scatter/simple scatter，出现数据的散点图，分别如下图所示： 从散点图看，变量间不一定呈现线性关系，可以试着作线性回归。 2、进行因果关系检验 在 “workfile” 中按住 “ctrl” 键， 点击所要选择的变量， 作为组打开后， 在 “

8、View” 下拉列表中选择“Grange Causality” ，滞后期为 2，得出如下结果： Pairwise Granger Causality Tests Date: 06/23/11 Time: 16:14 Sample: 1978 2009 Lags: 2 Null Hypothesis:ObsF-StatisticProbability ED does not Granger Cause Y30 8.90261 0.00120 Y does not Granger Cause ED 18.8091 1.0E-05 Pairwise Granger Causality Tests D

9、ate: 06/23/11 Time: 16:15 Sample: 1978 2009 Lags: 2 Null Hypothesis:ObsF-StatisticProbability GDP does not Granger Cause Y30 1.01199 0.37790 Y does not Granger Cause GDP 0.91874 0.41208 Pairwise Granger Causality Tests Date: 06/23/11 Time: 16:19 Sample: 1978 2009 Lags: 2 Null Hypothesis:ObsF-Statist

10、icProbability RPI does not Granger Cause Y30 0.66167 0.52479 Y does not Granger Cause RPI 1.60624 0.22067 从因果关系检验看，ED 明显影响财政收入 Y，其他两个因素影响不显著。 3、做多元线性回归 选中变量作为组打开，在下拉列表“Proc”中选择“MakeEquation” 按“确定” ，得到多元回归模型： 根据图中数据，模型估计的结果为： 53.36408ED0.616282GDP0.046340RPI39706.56Y （29.44784） (0.012839) (0.062849)

11、(3135.746) t=(1.915151) (3.609459) (9.805713) (-2.043646) F=2714.480 df=27996573 . 0 R 2 996206 . 0 R 2 模型估计结果说明，在假定其他变量不变的情况下，当年 RPI 每增长 1%， 平均来说税收收入会增长 29.44784 亿元；当年 GDP 每增长 1 亿元，平均来说税收收 入会增长 0.012839 亿元；当年财政支出每增长 1 亿元，平均来说税收收入会增长 0.062849 亿元。 可决系数，修正后的可决系数，说明模型的样本的996573 . 0 R 2 996206 . 0 R 2 拟

12、合很好。 F 检验的数值很大， 可以判定， 在给定显著性水平=0.05 的情况下， 拒绝原假设。 说明回归方程显著，既“国内生产总值” 、 “财政支出” 、 “商品零售价格指数”等变量 联合起来确实对“税收收入”有显著影响。 从 t 检验的值可以看出，GDP、ED 均对税收收入有显著影响，但是 RPI 指 数的 t 检验值为 1.915151，不通过检验。 实验二：自相关实验二：自相关 1、根据前面的数据把 GDP 作为解释变量，税收收入作为被解释变量进行一元回 归。结果如下： Dependent Variable: Y Method: Least Squares Date: 06/23/11

13、 Time: 19:01 Sample: 1978 2009 Included observations: 32 Variable Coefficie ntStd. Errort-StatisticProb. GDP0.1696820.00389943.517420.0000 C-1552.721478.9886-3.2416660.0029 R-squared0.984406 Mean dependent var12135.70 Adjusted R-squared0.983886 S.D. dependent var16097.40 S.E. of regression2043.434 A

14、kaike info criterion18.14311 Sum squared resid1.25E+08 Schwarz criterion18.23472 Log likelihood-288.2898 F-statistic1893.765 Durbin-Watson stat0.115021 Prob(F-statistic)0.000000 把回归分析结果报告出来如下： 21.71552GDP169682. 0Y （0.003899） （478.9886） t=(43.51742) (-3.241666) SE=2043.434 DW=0.115021 F=1893.7650.98

15、4406R 2 从报告可以一目了然地看出，D-W 值近似为 0，存在自相关。 2、用图形检验法检查是否存在自相关 做残差趋势图：在进行一元回归的界面上， 点击“resid” ，生成残差趋势图： 在“workfile”窗口找到“show” ，点击 在弹出的“show”对话框中输入“resid(-1) resid” ，单击“OK” 点击“view/graph/scatter/simple scatter” ，生成残差散点图： 从以上残差趋势图和残差散点图可以看出，方程存在正自相关。 3、回归自相关的处理 在 Y 对 GDP 远回归中添入 AR（1）项，如图： 点击“确定” ，回归结果如下： 此时 D-W 值由原来的 0.115021 提高到 1.125604， 还没有消除自相关， 继续处理， 再加入 AR（2）项，结果如下： Dependent Variable: Y Method: Least Squares Date: 06/23/11 Time: 20:01 Sample (adjusted): 1980 2009 Included observations: