《宋扬实验报告》由会员分享，可在线阅读，更多相关《宋扬实验报告（12页珍藏版）》请在金锄头文库上搜索。
1、计量经济学计量经济学上机实验报告二上机实验报告二题目题目：多元回归模型：多元回归模型 实验日期和时间：实验日期和时间： 2014 年年 10 月月 24 日日 班级：班级： 12 国金国金 2 班班学号：学号：20124371姓名：宋扬姓名：宋扬实验室：实验室：103实验环境：实验环境： Windows XP ; EViews 3.1实验目的：实验目的：多元线性回归模型的建立与检验多元线性回归模型的建立与检验实验内容：实验内容： 3.1 (1)建立百户拥有家用汽车辆计量经济模型，估计参数并对模型加以检验。建立百户拥有家用汽车辆计量经济模型，估计参数并对模型加以检验。(2)分别建立出口货物总额计
2、量经济模型：分别建立出口货物总额计量经济模型：和和ttXtXYt33221，估计参数并对模型加以检验。，估计参数并对模型加以检验。ttXXYt23t2ln21ln(3) 如何改进模型如何改进模型3.21）建立模型：）建立模型： ,估计参数并对模型加以检验。估计参数并对模型加以检验。12233ttttYXXu2）建立模型：）建立模型： ,估计参数并对模型加以检验。估计参数并对模型加以检验。12233lnlnttttYXXu3）分析比较两个模型参数估计结果的经济意义有什么不同。）分析比较两个模型参数估计结果的经济意义有什么不同。3.31) 建立模型建立模型估计参数并检验、分析模型经济意义。估计参数
3、并检验、分析模型经济意义。123iiiiYXTu2）作家庭书刊消费（）作家庭书刊消费（Y）对户主受教育年数（）对户主受教育年数（T）的一元回归，获得残差）的一元回归，获得残差 E1；再作家庭月平均收入（再作家庭月平均收入（X）对户主受教育年数（）对户主受教育年数（T）的一元回归，并获得残差）的一元回归，并获得残差 E2。3）作残差）作残差 E1 对残差对残差 E2 的无截距项的回归：的无截距项的回归：，估计其参数。，估计其参数。212iEEv4）对比所估计的）对比所估计的和和后，你对家庭书刊消费（后，你对家庭书刊消费（Y）对家庭月平均收入（）对家庭月平均收入（X）和户主受教育年数（）和户主受教
4、育年数（T）的多元）的多元22线性回归的参数的性质有什么认识线性回归的参数的性质有什么认识?3.61)如果设定线性回归模型：如果设定线性回归模型：，你预期所估计的各个参数的符，你预期所估计的各个参数的符12233445566ttYXXXXXu号应该是什么号应该是什么? 2）用）用 OLS 法估计参数，模型参数估计的结果与你的预期是否相符合？对这个计量模型的估计结果你如何评价法估计参数，模型参数估计的结果与你的预期是否相符合？对这个计量模型的估计结果你如何评价?3) 如果另外建立线性回归模型：如果另外建立线性回归模型：，用，用 OLS 法估计其参数，你对该模型有什么评价？法估计其参数，你对该模型
5、有什么评价？15566ttYXXu1.实验步骤：实验步骤：（一）建立三元线性回归模型（一）建立三元线性回归模型在命令窗口依次键入以下命令即可：DATA Y X2 X3 X4LS Y C X2 X3 X4得到如下结果：Dependent Variable: YMethod: Least SquaresDate: 10/27/14 Time: 13:58Sample: 1 31Included observations: 31VariableCoefficientStd. Errort-StatisticProb. C246.854051.975004.7494760.0001X25.996865
6、1.4060584.2650200.0002X3-0.5240270.179280-2.9229500.0069X4-2.2656800.518837-4.3668420.0002R-squared0.666062 Mean dependent var16.77355Adjusted R-squared0.628957 S.D. dependent var8.252535S.E. of regression5.026889 Akaike info criterion6.187394Sum squared resid682.2795 Schwarz criterion6.372424Log li
7、kelihood-91.90460 F-statistic17.95108Durbin-Watson stat1.147253 Prob(F-statistic)0.000001百户拥有家用汽车量多元线性回归百户拥有家用汽车量多元线性回归 函数的估计结果函数的估计结果因此，函数方程为：246.8540+5.9969X2-0.5240X3-2.2657X4 =(4.7495) (4.2650) (-2.9230) (-4.3668)t0.6661 0.6290 17.9511一一2R2RF模型的计算结果表明，人均 GDP 每增加一万元，百户拥有家用汽车量增加 5.9969 辆；城镇人口比重每增加
8、百分之一，百户拥有家用汽车量减少 0.5240 辆；交通工具消费价格指数每增加 1，百户拥有家用汽车量减少 2.2657 辆。回归系数的符号和数值不符合经济意义的。0.6661，说明拟合优度不高，F 检验不显著，解释变量的 t 统计量值都较小，未通过检验。一2一R因此，需要对以上三元线性回归模型做适当的调整，按照统计检验程序，一般应先剔除 统计量最小的变t量（即 X4 变量）而重新建立模型。（二）建立剔除（二）建立剔除 X4X4 的二元线性回归模型的二元线性回归模型命令：LS Y C X2 X3Dependent Variable: YMethod: Least SquaresDate: 10
9、/27/14 Time: 14:07Sample: 1 31Included observations: 31VariableCoefficientStd. Errort-StatisticProb. C20.824156.0509063.4414930.0018X26.6799181.7923633.7268770.0009X3-0.5801500.229372-2.5292980.0173R-squared0.430211 Mean dependent var16.77355Adjusted R-squared0.389512 S.D. dependent var8.252535S.E.
10、of regression6.448016 Akaike info criterion6.657188Sum squared resid1164.154 Schwarz criterion6.795961Log likelihood-100.1864 F-statistic10.57049Durbin-Watson stat1.792008 Prob(F-statistic)0.000380剔除剔除 x4x4 变量后的估计结果变量后的估计结果Y= 20.82415 + 6.679918 X2 - 0.580150 X3 (3.4415) (3.7269) (-2.5293)t0.4302 0.
11、3895 10.5705一一2R2RF回归系数的符号和数值也不合理。模型 2 的拟合优度较模型 1 更低，F 检验也不显著，解释变量、常数项的 检验值也都比较小，显著性概率t都小于 0.05。因此，模型一较模型二更为合理。二、比较、选择最佳模型估计过程中，对每个模型检验以下内容，以便选择出一个最佳模型：(一)回归系数的符号及数值是否合理；(二)模型的更改是否提高了拟合优度；(三)模型中各个解释变量是否显著；(四)残差分布情况以上比较模型的一、二、三步在步骤一中已有阐述、现分析两个不同模型的残差分布情况。分别在模型的各方程窗口中点击 View/Actual, Fitted, Residual/
12、Actual, Fitted, Residual Table,可以得到各个模型相应的残差分布表。模型一模型二由图可知，模型一二的分布集中趋势差不多，模型一更加趋近于集中，所以模型一较好。由图可知，模型一二的分布集中趋势差不多，模型一更加趋近于集中，所以模型一较好。3.2.（1）建立模型 并估计参数、检验模型、解释经济意义。= 1+ 2+ 3+ 在命令窗口键入以下命令：LS Y X2 X3 CDependent Variable: YMethod: Least SquaresDate: 11/07/14 Time: 01:38Sample: 1994 2011Included observati
13、ons: 18VariableCoefficientStd. Errort-StatisticProb. X20.1354740.01279910.584540.0000X318.853489.7761811.9285120.0729C-18231.588638.216-2.1105730.0520R-squared0.985838 Mean dependent var6619.191Adjusted R-squared0.983950 S.D. dependent var5767.152S.E. of regression730.6306 Akaike info criterion16.17
14、670Sum squared resid8007316. Schwarz criterion16.32510Log likelihood-142.5903 Hannan-Quinn criter.16.19717F-statistic522.0976 Durbin-Watson stat1.173432Prob(F-statistic)0.000000y= -18231.58 + 0.1355x2t + 18.8535x3t(-2.1106) (10.5845) (1.9285) t0.9858 0.9840 522.0976一一2R2RF模型的计算结果表明，系数的符号和数值是较为合理的。0.
15、9858 说明模型有很高的拟合优度，F 检一一2R验也是高度显著的，说明解释变量 对 被释变量的总影响是显著的。解释变量的 统计量值较大，通过检验。t(2)(2)建非线性回归模型建非线性回归模型ttXXYt23t2ln21ln在命令窗口中依次键入以下命令：genr lny=log(y)genr lnx2=log(x2)LS lny lnx2 x3 cDependent Variable: LNYMethod: Least SquaresDate: 11/07/14 Time: 01:47Sample: 1994 2011Included observations: 18VariableCoefficientStd. Errort-StatisticProb. LNX21.5737840.09154717.191060.0000X30.0024380.0009362.6053210.0199C-10.810901.698653-6.3643970.0000R-squared0.986373 Mean dependent var8.400112Adjusted R-squared0.984556 S.D. dependent var0.941530S.E. of regression0.117006
