《计量实习报告.docx》由会员分享，可在线阅读，更多相关《计量实习报告.docx（29页珍藏版）》请在金锄头文库上搜索。
1、计量实习报告 2021-2021 学年度第 2 学期 计量经济学实验报告书 专 业 金融学 班 级 三班 学 号 6 学生姓名 经济与贸易学院 实验一 Eviews 基本操作实验 一、实验目的：掌握 Eviews 基本操作 。 二、实验要求： （1） EViews 软件的安装； （2） 数据的输入、编辑与序列生成； （3） 图形分析与描述统计分析； （4） 数据文件的存贮、调用与转换。 三 、实验结果报告： （围绕实验要求，结合实验的内容撰写报告） 一、数据的输入、序列生成 二、图形分析 obs Y X 1985 2041 8964 1986 2091 10202 1987 2140 1196
2、3 1988 2391 14928 1989 2727 16909 1990 2822 18548 1991 2990 21618 1992 3297 26638 1993 4255 34634 1994 5127 46759 1995 6038 58478 1996 6910 67885 1997 8234 74463 1998 9263 79396 与 以上可以看出我国税收与 GDP 呈线性递增关系 系 obs T X X1 X2 1985 1 8964 0.0473 1986 2 10202 104080804 9.80199960792e-05 1987 3 11963 1431133
3、69 8.35910724735e-05 1988 4 14928 222845184 6.6988210075e-05 1989 5 16909 285914281 5.91401029038e-05 1990 6 18548 344028304 5.39141686435e-05 1991 7 21618 467337924 4.62577481728e-05 1992 8 26638 709583044 3.75403558826e-05 1993 9 34634 1199513956 2.88733614367e-05 1994 10 46759 2186404081 2.e-05 1
4、995 11 58478 3419676484 1.71004480317e-05 1996 12 67885 4608373225 1.47307947264e-05 1997 13 74463 5544738369 1.34294884708e-05 1998 14 79396 6303724816 1.25950929518e-05 Y X Mean 4309.000 35098.93 Median 3143.500 24128.00 Maximum 9263.000 79396.00 Minimum 2041.000 8964.000 Std. Dev. 2422.631 25378.
5、06 Skewness 0.869889 0.635116 Kurtosis 2.396109 1.847265 Jarque-Bera 1.978382 1.716333 Probability 0.371877 0.423939 Observations 14 14 实验二 一元线性回归分析过程实验 一、实验目的：掌握一元线性回归模型的估计方法、检验方法和预测方法。 二、实验要求： （1）会选择方程进行一元线性回归； （2）掌握一元回归分析过程； （3）掌握一元回归模型的基本检验方法； （4）会对回归方程进行经济学解释 （5）估计非线性回归模型，并进行模型比较 三 、实验结果报告： （围绕
6、实验要求，结合实验的内容撰写报告） 一、 图形分析 两变量趋势图分析结果显示，我国税收收入与 GDP 二者存在差距逐渐增大的增长趋势。相关图分析显示，我国税收收入增长与 GDP 密切相关，二者为非线性的曲线相关关系。 与 我国税收与 GDP 的相关图 二、估计一元线性回归模型 Dependent Variable: Y Method: Least Squares Date: 06/22/10 Time: 19:29 Sample: 1985 1998 Included observations: 14 Variable Coefficient Std. Error t-Statistic Pr
7、ob. C 987.5417 155.1430 6.365364 0.0000 GDP 0.094631 0.003627 26.09310 0.0000 R-squared 0.982680 Mean dependent var 4309.000 Adjusted R-squared 0.981237 S.D. dependent var 2422.631 S.E. of regression 331.8482 Akaike info criterion 14.57880 Sum squared resid 1321479. Schwarz criterion 14.67009 Log li
8、kelihood -100.0516 F-statistic 680.8498 Durbin-Watson stat 0.796256 Prob(F-statistic) 0.000000 Y=987.54+0.095GDP R2=0.983 (6.37) (26.09) 二、 估计非线性回归模型 1 、 双对数模型 Dependent Variable: LOG(Y) Method: Least Squares Date: 06/22/10 Time: 19:45 Sample: 1985 1998 Included observations: 14 Variable Coefficient
9、 Std. Error t-Statistic Prob. C 1.270443 0.331668 3.830470 0.0024 LOG(GDP) 0.682297 0.032415 21.04866 0.0000 R-squared 0.973629 Mean dependent var 8.233505 Adjusted R-squared 0.971431 S.D. dependent var 0.528347 S.E. of regression 0.089302 Akaike info criterion -1.862021 Sum squared resid 0.095699 S
10、chwarz criterion -1.770720 Log likelihood 15.03409 F-statistic 443.0462 Durbin-Watson stat 0.476382 Prob(F-statistic) 0.000000 LOG （Y ）=1.27+0.68LOG(GDP) R2=0.97 (3.83) (21.05) 2 、对数模型 Dependent Variable: Y Method: Least Squares Date: 06/22/10 Time: 19:50 Sample: 1985 1998 Included observations: 14
11、Variable Coefficient Std. Error t-Statistic Prob. C -26163.32 3149.684 -8.306649 0.0000 LOG(GDP) 2985.923 307.8313 9.699870 0.0000 R-squared 0.886886 Mean dependent var 4309.000 Adjusted R-squared 0.877460 S.D. dependent var 2422.631 S.E. of regression 848.0607 Akaike info criterion 16.45535 Sum squ
12、ared resid 8630484. Schwarz criterion 16.54664 Log likelihood -113.1874 F-statistic 94.08748 Durbin-Watson stat 0.318941 Prob(F-statistic) 0.000000 Y=-26163.32+2985.92LOG(GDP) R2=0.887 (-8.31) (9.7) 3 、指数模型 Dependent Variable: LOG(Y) Method: Least Squares Date: 06/22/10 Time: 19:55 Sample: 1985 1998
13、 Included observations: 14 Variable Coefficient Std. Error t-Statistic Prob. C 7.508605 0.032400 231.7463 0.0000 GDP 2.07E-05 7.57E-07 27.26846 0.0000 R-squared 0.984118 Mean dependent var 8.233505 Adjusted R-squared 0.982794 S.D. dependent var 0.528347 S.E. of regression 0.069303 Akaike info criter
14、ion -2.369086 Sum squared resid 0.057635 Schwarz criterion -2.277792 Log likelihood 18.58360 F-statistic 743.5689 Durbin-Watson stat 0.600192 Prob(F-statistic) 0.000000 4 、二次模型 Dependent Variable: Y Method: Least Squares Date: 06/22/10 Time: 19:59 Sample: 1985 1998 Included observations: 14 Variable Coefficient Std. Error t-Statistic Prob. C 2323.813 114.4226 20.30904 0.0000 GDP2 1.08E-06 4.07E-08 26.65249 0.0000 R-squared 0.983388 Mean
