《计量经济学实验二 一元线性回归模型的估计检验和预测》由会员分享，可在线阅读，更多相关《计量经济学实验二 一元线性回归模型的估计检验和预测（10页珍藏版）》请在金锄头文库上搜索。
1、本文格式为Word版，下载可任意编辑计量经济学实验二 一元线性回归模型的估计检验和预测 目次 一、加载工作文件 . 7 二、选择方程 . 7 1.作散点图 . 7 2.举行因果关系检验 . 9 三、一元线性回归 . 10 四、经济检验 . 12 五、统计检验 . 13 六、回归结果的报告 . 15 七、得到解释变量的值 . 15 八、预料应变量的值 . 17 测验二 一元线形回归模型的估计、检验和预料 测验目的：掌管一元线性回归模型的估计、检验和预料方法。 测验要求：选择方程举行一元线性回归，举行经济、拟合优度、 参数显著性和方程显著性等检验，预料解释变量和应变量。 测验原理：普遍最小二乘法，
2、拟合优度的判定系数R2检验和参 数显著性t检验等，计量经济学预料原理。 测验步骤： 已知广东省宏观经济片面数据如表2-1所示，要根据这些数据研究和分析广东省宏观经济，建立宏观计量经济模型，从而举行经济预料、经济分析和政策评价。测验二测验十二主要都是用这些数据来完成一系列工作。 表2-1 广东省宏观经济数据 续上表 2 续上表 3 4 续上表 6 续上表 一、加载工作文件 广东省宏观经济数据已经制成工作文件存在盘中，命名为GD01.WF1，进入EViews后选择File/Open开启GD01.WF1。 二、选择方程 根据广东数据（GD01.WF1）选择收入法国国内生产总值（GDPS）、财政收入（
3、CS）、财政支出（CZ）和社会消费品零售额（SLC），分别把CS作为应变量，GDPS作为解释变量；CZ作为应变量，CS作为解释变量；SLC作为应变量，GDPS作为解释变量举行一元线性回归分析。 1.作散点图 从三个散点图（图2-1图23）可以看出，三对变量都呈现线性关系。 图2-1 图2-2 图2-3 2.举行因果关系检验 从三个因果关系检验可以看出，GDPS是CS的因；CS不是CZ的因；GDPS不是SLC的因。但根据理论CS是CZ的因，GDPS是SLC的因，可能是由于指标设置问题。所以还是把CS作为应变量，GDPS作为解释变量；CZ作为应变量，CS作为解释变量；SLC作为应变量，GDPD作为
4、解释变量举行一元线性回归分析。 三、一元线性回归 得到三个估计方程： CS=0.0802959511276*GDPS+12.5096023259 CZ=1.27887365026*CS-22.6807299594 SLC=0.370241380274*GDPS=148.696223954 把方程命名保存起来。 根据广东数据选择收入法国内生产总值（GDPS）、劳动者报酬（LB）、固定资产折旧（ZJ）、生产税净额（SE）、营业盈余（YY）和财政收入（CS），分别把LB、ZJ、SE、YY作为应变量，GDPS 作为解释变量；CS作为应变量，SE作为解释变量举行一元线性回归分析。得到估计方程： LB=0
5、.428594440891*GDPS ZJ=0.158455835468*GDPS SE=0.144369863184*GDPS YY=0.268580104495*GDPS CS=0.556143052611*SE+11.8774094857 把方程命名保存起来。 四、经济检验 需要留神的是，回归并不意味着存在因果关系，解释变量是否与应变量存在因果关系，务必根据相关理论来判定。关系确定后，我们来验证估计的模型是否有经济含义以及用模型估计的结果是否与经济理论相符，这称为经济检验。经济检验主要涉及参数的符号和大小，即看估计的参数是否符合经济理论。在回归分析中，我们不仅对模型参数的估计感兴趣，而且
6、对检验来自于某个经济理论（或先验阅历）的假设也感兴趣。根据广东数据得到的三个估计方程为 CS=0.0802959511276*GDPS+12.5096023259 CZ=1.27887365026*CS-22.6807299594 SLC=0.370241380274*GDPS+148.696223954 财政收入CS对国内生产宗旨GDPS的回归系数0.080296，财政支出CZ对财政收入的回归系数1.278874，社会消费品零售额SLC对国内生产总值GDPS的回归系数0.370241，无论从参数的符号和大小来说第一和第三个都符合经济理论，中间一个说明财政支出CZ中还有不被财政收入CS抉择的因
7、素，财政支出CZ对财政收入CS的回归系数大于1说明财政支出CZ中还有很大一片面未得到解释。系数说明国内生产总值GDPS、财政收入CS和国内生产总值GDPS分别增加1个单位，财政收入CS、财政支出CZ和社会消费品零售额SLC分别增加0.08、1.28和0.37个单位。在大多数处境下，截距没有什么明显的经济含义。 根据广东数据得到的另五个估计方程为 LB=0.428594440891*GDPS ZJ=0.158455835468*GDPS SE=0.144369863184*GDPS YY=0.268580104495*GDPS CS=0.556143052611*SE+11.8774094857
8、 劳动者报酬LB、固定资产折旧ZJ、生产税净额SE和营业盈余YY分别对国内生产总值GDPS的回归系数0.4286、0.1585、0.1444和0.2686符合经济理论，说明国内生产总值GDPS的43%、16%、14%和27%分别是劳动者报酬LB、固定资产折旧ZJ、生产税净额SE和营业盈余YY。财政收入CS对生产税净额SE的回归系数0.5561说明财政收入仅仅是地方的财政收入，税额SE中仅有一片面是地方的财政收入。 五、统计检验 根据广东数据的三个估计方程，判定系数R2分别均接近1；参数显著性t检验值除2个常数项外均大于2，而常数项相对来说不重要；方程显著性F检验值说明方程都显著。 根据广东数据
9、另五个估计方程的结果为 14 这五个估计方程的统计检验值说明拟合优度的判定系数R2检验和参数显著性t检验和方程显著性F检验均可以通过。但无论根据广东数据的三个估计方程还是根据广东数据的另五个估计方程来说，进一步学习就会察觉多数方程估计得并不好。 六、回归结果的报告 按如下形式把回归分析结果的报告出来： Y = b0 + b1X （S（b0）（S（b1） （T0） （T1） R2= SE= DW= F= 根据广东数据的三个结果报告为 CS = 12.50960 + 0.80296 GDPS (15.58605) (0.001891) (0.802615) (42.45297) R2 = 0.98
10、5779 SE=61.92234 DW=0.942712 F=1802.255 CZ = -22.68073 + 1.278874 CS (11.61500) (0.017267) (-1.952710) (74.06285) R2 = 0.995282 SE=45.71859 DW=1.554922 F=5485.306 SLC = 148.6962 + 0.370241 GDPS (48.01944) (0.005827) (3.096584) (63.53578) R2 =0.993600 SE=190.7780 DW=0.293156 F=4036.795 根据广东数据的另五个结果同样
11、可以报告出来。 七、得到解释变量的值 在已知解释变量值的条件下才能举行预料，即要先预料解释变量，才能预料应变量。要得到解释变量的值有多种方法，其中之一可以考虑解释变量对时间T举行回归，再趋势外推得到解释变量的值， 即举行时间序列预料。 对广东数据要根据三个估计方程预料财政收入CS、财政支出CZ和社会消费零售额SLC，就要先预料国内生产总值GDPS。建立时间序列模型：（略去随机项） GDPS = a + bT 举行回归，得到结果为： 结果并不好，为了了解预料方法先用着。选择Proc/Structure把原工作文件GD01.WF1扩展为19782022年，以便举行预料。在工作文件中输入时间T 20222022年的值存为工作文件GD02.WF1，选择Forecast在区间20222022年间举行预料
