《经济管理定量分析高级方法实验指导书》由会员分享，可在线阅读，更多相关《经济管理定量分析高级方法实验指导书（36页珍藏版）》请在金锄头文库上搜索。
1、经济管理定量分析高级方法实 验 指 导 书康继军 编重庆大学经济与工商管理学院2007 年 7 月0 / 38目 录实验1 非线性回归模型估计(2)实验2 工具变量估计与虚拟变量应用(9)实验3 模型诊断与检验方法(15)实验4 时间序列估计实验(22)1 / 38实验1 非线性回归模型估计实验 一、实验目的通过本次实验，学会使用两种非线性回归模型的估计方法：(1)通过线性化的方式估计非线性回归模型；(2)直接估计非线性回归模型。二、实验安排1学时： 本实验安排4个学时，主要用于完成实验及实验报告。2时间： 由实验室统一安排3地点： 由实验室统一安排三、实验原理、内容、方法和步骤：(1)实验要
2、求1通过实例演示，学会使用两种非线性回归模型的估计方法；2熟悉使用EVIEWS软件进行非线性回归模型估计的操作方法；(2)实验内容某硫酸厂生产的硫酸的透明度指标一直达不到优质的要求，经过分析透明度低与硫酸中的金属杂质含量太高有关。影响透明度的主要金属杂质是铁、钙、铅、镁等。通过正交试验的方法发现铁是影响硫酸透明度的最主要原因。测量了47组样本值，数据如表11，硫酸透明度(y)与铁杂质含量(x)的散点图如图11，应该建立非线性回归模型。表11硫酸透明度(y)与铁杂质含量(x)数据序数yx序数yx序数yx11903117505233407421903218605334257631803419445
3、43530794140352054543625855150362148563716876120372250563816897110392356583920998814024525840207691004225506041201002 / 381080422641604220100111104327526143151101280432834634415110136848294064452712214804930256546201541550503130694720210167052322074图12硫酸透明度(y)与铁杂质含量(x)散点图1通过线性化的方式估计非线性回归模型先建立倒数模型。首先建
4、立工作文件。从工作文件主菜单中点击Quick键，选择Estimate Equation功能，在弹出的对话框的Equation Specification(方程设定) 选择框输入1/y c 1/x点击OK键，得到估计结果如图12，对应的表达式是：1/Y = 0.06927695796 - 2.372132322*1/Xt-value (18.6)* (-11.9) *R2=0.76, s.e.=0.009, F=143可决系数R2=0.76。3 / 38图12实际上，如果建立指数函数，拟合的效果会更好。打开方程设定(Equation specification)对话框，输入估计命令，log(y)
5、 c 1/x点击OK键，得到估计结果如图13，对应的表达式是：LOG(Y) = 1.993732697 + 104.5194751*(1/X)t-value (21.97)* (21.64) * R2=0.91, s.e.=0.22, F=468， 把表达式还原为指数形式，Lny=Ln(7.33)+104.5(1/x) 式(1.1)y = 7.33e105.5(1/x)可决系数R2由0.76提高到0. 91，可见拟合为指数函数比倒数函数效果好。4 / 38图13散点图与拟合的指数曲线见图14.图145 / 38EViews的操作步骤是，打开x,y数据组窗口，点击View键，选Graph/Sca
6、tter/Scatter with Regression功能(见图15).图15在随后弹出的对话框中y和x选对数和倒数形式(如图16)，点击OK，就得到了图14.6 / 38图16注意，对数变量和倒数变量也可以通过生成新序列的方式定义新的变量，然后用新变量进行估计，回归结果是一样的，例如把对数变量log(y)定义成Lny，倒数变量1x定义为z，这样估计命令为：Lny c z这一估计命令不如原估计命令“log(y) c 1/x”好，因为在预测时，前者只能得到Lny的预测值，而后者即可以得到Lny的预测值，也可以得到y的预测值，而我们通常更关心y的预测结果。2直接估计非线性回归模型EViews的估
7、计方法是直接书写非线性形式的命令，操作步骤如下。从工作文件的主菜单从工作文件主菜单中点击Quick键，选择Estimate Equation功能，在弹出的对话框的Equation Specification(方程设定) 选择框输入指数形式的估计命令：Y=c(1)*EXP(C(2)*(1/X)如图17所示。其中C(1)、C(2)表示被估参数，EXP(.)表示指数函数形式。图17在Method(估计方法)对话框内默认的选择就是LS Least Squares (NLS and ARMA)，其中NLS表示非线性最小二乘估计，即直接采用非线性函数回归形式估计参数。8 / 38点击OK键，输出结果如图1
8、8.图18对应的非线性估计结果是： 式(1.2)式(1.2)比式(1.1)的估计结果更好，因为可决系数R2由0.91提高到0.96。当x=82时，y的预测值为28.11.8 / 38实验2 工具变量估计与虚拟变量应用实验 一、实验目的通过本次实验，掌握工具变量估计方法和虚拟变量的应用方法。二、实验安排1学时： 本实验安排4个学时，主要用于完成实验及实验报告。2时间： 由实验室统一安排3地点： 由实验室统一安排三、实验原理、内容、方法和步骤(1)实验要求1通过实例演示，学会使用工具变量估计方法和虚拟变量的应用方法；2熟悉使用EVIEWS软件进行工具变量估计和虚拟变量应用的操作方法；(2)实验内容
9、参照下面的实验方法和步骤，进行工具变量估计和虚拟变量的应用操作，并得出结果。(3)实验方法和步骤1. 工具变量估计：19781998年中国国内生产总值GDPt 、宏观消费CONSt 、资本形成总额CAPIt数据见表21.表21 GDPt 、CONSt 、CAPIt 数据 (单位：亿元)年份国内生产总值宏观消费资本形成总额年份国内生产总值宏观消费资本形成总额yearGDPtCONStCAPItyearGDPtCONStCAPIt19783605.52239.11377.919891646610556.5609519794073.92619.41474.2199018319.511365.2644
10、419804551.32976.11590199121280.413145.9751719814901.43309.11581199225863.615952.1963619825489.23637.91760.2199334500.620182.11499819836076.34020.52005199447110.927216.219260.619847164.34694.52468.6199558510.5336352387719858792.157733386199668330.440003.926867.2198610132.865423846199774894.343579.428
11、457.61987117847451.24322199879853.346405.9303961988147049360.154959 / 38建立宏观消费模型：得到估计结果如下：模型中宏观消费CONSt是随机变量。因为CONSt是国内生产总值GDPt的一部分，所以GDPt也应该是随机变量，这就违反了模型中解释变量非随机的假定。而且GDPt也必然与ut高度相关，估计结果还显示模型存在严重的自相关，所以应该选择一个工具变量设法替代变量GDPt。资本形成总额CAPIt是GDPt的一部分，与GDPt高度相关。经过计算，以上模型的残差与CAPIt的相关系数为-0.03，这在一定程度上说明了CAPIt与
12、ut不相关。基于上述理由，选择CAPIt做GDPt的工具变量。具体操作方法：从EViews主菜单中点击Quick键，并选择Estimate Equation功能，打开Equation Specification(模型设定)对话框。点击Method窗口，选择TSLS(两阶段最小二乘)估计方法，如图21.图2110 / 38点击OK键，从而打开如图22的对话框，在Equation Specification选择区输入命令：cons c gdp其中cons表示CONSt，c表示截距项，gdp表示GDPt。在Instrument list(列写工具变量)选择区输入命令：c cpi表示用CAPIt和c(截距项)做工具变量(c可以省略不写，EViews程序会自动加入)。点击OK键，得到结果如图23.图22图2311 / 38因此相应的回归式是：630.2961和0.5726分别是和的工具变量法估计值。2. 虚拟变量的应用：1982：11985：4中国季度酒销量(yt，万吨)数据如表22，序列见图24.这是一个季度时间序列数据，呈明显的季节变化特征，建立模型时应该加入季节虚拟变量以反映季节特征。表22 全国酒销量(yt，万吨) 季度数据时间ytD1时间ytD119
