1、精選優質文檔-傾情為你奉上 實 驗 報 告課程名稱： 計量經濟學 實驗項目： 實驗二 一元線性回歸模型的 估計、檢驗、預測和應用 實驗類型：綜合性 設計性 驗證性R專業班別： 姓 名： 學 號： 實驗課室： 厚德樓B503 指導教師： 石立 實驗日期： 2016-04-01 廣東商學院華商學院教務處 制 一、實驗項目訓練方案小組合作：是 否R小組成員：無實驗目的：掌握簡單相關分析、格蘭杰因果關系檢驗、簡單線性回歸模型的設定和模型的參數估計、簡單線性回歸模型的區間估計、假設檢驗和預測方法，并能利用所建立的模型分析實際問題。實驗場地及儀器、設備和材料實驗室：普通配置的計算機，Eviews軟件及常用

2、辦公軟件。實驗訓練內容（包括實驗原理和操作步驟）：【實驗原理】相關分析，格蘭杰因果關系檢驗，普通最小二乘法(OLS)，擬合優度的判定系數檢驗和參數顯著性t檢驗等，計量經濟學預測原理。【實驗步驟】已知廣東省宏觀經濟部分數據（參見附表“廣東省宏觀經濟數據-第二章”），要根據這些數據分別研究和分析廣東省宏觀經濟，建立宏觀計量經濟模型。本實驗要求具體驗證分析：（1）“國內生產總值的變化引起財政收入的變化”（2）“財政收入影響財政支出”（3）“國內生產總值對社會消費品零售額的影響模型”并根據相應的回歸模型進行經濟預測、經濟分析和政策評價。注：在實驗中對應的空白處寫出實驗的結果。全部完成后，把該文檔自己學

3、號為名進行命名，提交到教師機。（一）建立工作文件進入Eviews，建立一工作文件，并命名為GD，新建4個序列，并對應輸入廣東省經濟數據表中的數據：收入法國內生產總值-GDPS，財政收入-CS，財政支出-CZ，社會消費品零售額-SLC。（二）相關分析（請對得到的圖表進行處理，“相關分析”部分不得超過本頁）1作散點圖分別作上述三組變量之間的散點圖（3個散點圖），并根據散點圖作簡單分析，寫出各組變量的關系。散點圖：分析：在一定條件下，國家財政收入與GDP、財政收入影響財政支出、國內生產總值對社會消費品零售額確實存在線性相關關系。CS隨著GDPS的增大而增大，CZ隨著CS的增加而增加，SLC隨著GDP

4、S的增加而增加，并趨向一條直線。2、計算簡單線性相關系數分別作上述三組變量之間的簡單線性相關系數，并根據相關系數作簡單分析。分析：從數據可看出，因為GDPS與CS、CZ與CS和SLC與GDPS的相關系數大于0.8，所以模型模擬好。（三）回歸分析1【模型設定】（請對得到的圖表進行處理，“模型設定”部分不得超過本頁）（1）作因果關系檢驗（輔助“模型設定”）分別對上述三組變量作因果關系檢驗（3組檢驗結果），并根據因果關系檢驗的結果，作簡單描述及分析。因果關系檢驗結果表：（請對同一個模型的滯后期從2-5多試幾次，并選定最終的結果。）Pairwise Granger Causality TestsDat

5、e: 04/13/16 Time: 19:06Sample: 1978 2005Lags: 2 Null Hypothesis:ObsF-StatisticProb.  GDPS does not Granger Cause CS 27 6.020450.0082 CS does not Granger Cause GDPS 13.18550.0002Pairwise Granger Causality TestsDate: 04/01/16 Time: 15:03Sample: 1978 2005Lags: 2 

6、Null Hypothesis:ObsF-StatisticProb.  CS does not Granger Cause CZ 26 0.717540.4995 CZ does not Granger Cause CS 7.764630.0030Pairwise Granger Causality TestsDate: 04/01/16 Time: 15:04Sample: 1978 2005Lags: 3 Null Hypothesis:ObsF-StatisticProb.  GDPS does

7、not Granger Cause SLC 25 0.845940.4866 SLC does not Granger Cause GDPS 1.179830.3452分析從三個因果關系檢驗可以看出，GDPS是CS的因；CS不是CZ的因；GDPS不是SLC的因。但根據理論CS是CZ的因，GDPS是SLC的因，可能是由于指標設置的問題。所以還是把CS作為應變量，GDPS作為解釋變量；CZ作為應變量，CS作為解釋變量；SLC作為應變量，GDPS作為解釋變量進行一元線性回歸分析（2）結合以上因果關系和模型要求，確定模型的因變量和自變量。并從以下給出的回歸函數中

8、挑選出一個回歸函數作為具體模型的設定函數（標出字母序號即可）。模型1（ D ）A.B.C.D.模型2：（ D ）A.B.C.D.模型3：（ A）BDA.B.C.D.2、【參數估計】（1）分別用最小二乘法估計以上三個回歸模型的參數，保存實驗結果。（注：只需附上模型估計的結果即可，無需分析；模型如果常數項不能通過檢驗，仍保留，本實驗中不要求大家對模型進行修正。）（請對得到的圖表進行處理，“模型結果”部分不得超過本頁）模型1 Dependent Variable: CSMethod: Least SquaresDate: 04/01/16 Time: 15：22ample: 1978 2005Inc

9、luded observations: 28CoefficientStd. Errort-StatisticProb.  GDPS52970.0000C12.5096015.586050.0.4295R-squared0.    Mean dependent var449.5546Adjusted R-squared0.    S.D. dependent var509.5465S.E. of regression61.92234    A

10、kaike info criterion11.15839Sum squared resid99693.77    Schwarz criterion11.25355Log likelihood-154.2174    Hannan-Quinn criter.11.18748F-statistic1802.255    Durbin-Watson stat0.Prob(F-statistic)0.模型2Dependent Variable: CZMethod: Least Sq

11、uaresDate: 04/01/16 Time: 15:23Sample: 1978 2005Included observations: 28CoefficientStd.rrort-StatisticProb.  CS1.0. 1726774.062850.0000C-22.6807311.61500-1.0.0617R-squared0.    Mean dependent var552.2429Adjusted R-squared0.    S.D. dependent var653.

12、1881S.E. of regression45.71859    Akaike info criterion10.55164Sum squared resid54344.93    Schwarz criterion10.64679Log likelihood-145.7229    Hannan-Quinn criter.10.58073F-statistic5485.306    Durbin-Watson stat1.Prob(

13、F-statistic)0.模型3Dependent Variable: SLCMethod: Least SquaresDate: 04/01/16 Time: 15:25Sample: 1978 2005Included observations: 28CoefficientStd. Errort-StatisticProb.  GDPS35780.00C148.69248.019443.0.0046R-squared0.    Mean dependent var2163.893Adjusted R-square

14、d0.    S.D. dependent var2340.232S.E. of regression190.7780    Akaike info criterion13.40885Sum squared resid.6    Schwarz criterion13.50400Log likelihood-185.7239    Hannan-Quinn criter.13.43794F-statistic4036.795 

15、   Durbin-Watson stat0.Prob(F-statistic)0.（2）回歸結果的報告將模型回歸分析結果按如下形式報告出來：= = DF= = = 模型1：（請對得到的圖表進行處理，“結果報告”和“置信區間”部分不得超過本頁）CS= 12.50960+0.*GDPS （0.）（15.58605）t=(42.45297） (0.)R2=0. SE=61.92234 DF=26 DW=0. F=1802.255模型2：CS= -22.68073+1.*GDPS （0.） (48.01944）t=(42.45297） (0.)R2=0. SE=45.7

16、1859 DF=26 DW=1. F=5485.306 模型3：SCL= 148.6962+0.*GDPS （0.）（48.01944）t=(63.53578) (3.)R2=0. SE=190.7780 DF=26 DW=0. F=4036.795 （3）根據模型估計的結果，對所估計的三個模型，分別寫出總體回歸模型系數的置信區間。模型1：-18.6625，43.6817：0.，0.模型2：-45.91073，0.54927：0.，1.模型3：52.65732，244.73508：0.，0.3、模型檢驗（請對得到的圖表進行處理，“模型檢驗”部分不得超過本頁）（1）經濟檢驗根據模型參數的估計值，

17、聯系實際和相關經濟理論，對各回歸模型進行經濟檢驗。并解釋參數值的經濟意義。模型一CS=12.50960+0.*GDPS 系數說明，國內生產總值GDPS增加1個單位，財政收入CS增加0.個單位。財政收入受國內生產總值的影響，并符合經濟理論。 模型二CZ=-22.68073+1.*CS  系數說明，財政收入CS增加1個單位，財政支出CZ增加1.個單位。財政支出CZ對財政收入CS的回歸系數大于1，表明政支出CZ中還有其他影響因素。 模型三SLC=148.6962+0.*GDPS  系數說明，國內生產總值GDPS增加1個單位，社會消費品零售額SLC增加

18、0.個單位。符合經濟理論。（2）統計檢驗根據估計出的模型可決系數（判定系數）判斷模型的擬合程度。模型一：模型可決系數（判定系數）R2=0.>0.8，表明擬合程度很好。模型二：模型可決系數（判定系數）R2=0.>0.8，表明擬合程度很好。模型三：模型可決系數（判定系數）R2=0.>0.8，表明擬合程度很好。根據參數顯著性t檢驗值和P值上判斷模型是否通過檢驗。根據廣東數據得到的三個估計方程和上次實驗的參數估計的結果可以看出，參數顯著性t檢驗值分別為(0.) 、(42.45297)、(-1.) 、(74.06285)、(3.) 、(63.53578)，

19、除了2個常數項外均大于2，而常數項相對來說不重要，而P值均為0.0000，小于0.05，這表明方程都很顯著，模型通過了檢驗。 （3）計量檢驗（略）（4）預測檢驗（略）4、模型應用（請對得到的圖表進行處理，“預測”部分不得超過本頁）（1）點預測：先根據現有的自變量的值，根據建立的模型，預測因變量的平均值，序列命名為如“yf1”的形式進行保存。并在本文檔中保存相對應當預測圖（forcast graph）。模型1的預測圖：模型2的預測圖：模型3的預測圖：（2）再分別作下列預測（將預測結果寫在題后）：根據估計出的模型1，預測當廣東省2006年的收入法國內生產總值（GDPS）達到25000億元

20、時，財政收入（CS）為多少，區間預測的結果為多少。 2019.908 （1873.763，2166.053） 。根據估計出的模型2以及模型1預測出的廣東省2006年的財政收入（CS）值，預測其財政支出（CZ）為多少，區間預測的結果為多少。 2560.526 （2452.821，2668.231） 。根據估計出的模型3，預測當廣東省2006年的收入法國內生產總值（GDPS）達到25000億元時，其社會消費品零售額（SLC）為多少，區間預測的結果為多少。 9404.731 （8954.469，9854.993） 。（3）經濟分析和政策評價（請對得到的圖表進行處理，“分析”部分不得超過本頁）根據模型

21、估計和預測的結果，作相應的經濟分析和政策建議。A、為提高廣東省的財政收入，可以采取什么措施？答：提高廣東省的國民生產總值 B、廣東省計劃從2005年開始，每年增加財政收入300億元，其國內生產總值需每年增加多少？答：其國內生產總值需每年增加3580.38億元。C、廣東省財政連年赤字，政府應如何調整財政支出方案，實現財政收支平衡。（根據所建立的模型回答，思考其與實際是否相符？并思考原因。）答：本能單靠財政支出去發展經濟，刺激消費，要嚴捉偷稅漏稅等犯法現象，要減少“三公”費用的支出和其他不必要的支出，適當的對某些行業增加稅收。D、課后思考：下表給出了廣東省1978年-2005年的社會消費品零售額、

22、收入法GDP及社會消費品零售額占GDP的比重數據。年份收入法GDPS社會消費品零售額SLC社會消費品零售額占GDP的比重年份收入法GDPS社會消費品零售額SLC社會消費品零售額占GDP的比重1978185.8579.8642.97%19922447.541109.5545.33%1979209.3492.6944.28%19933469.281518.3143.76%1980249.65117.6747.13%19944619.021991.3343.11%1981290.36142.3849.04%19955933.052478.3541.77%1982339.92164.2348.31%1

23、9966834.972772.8340.57%1983368.75183.6249.80%19977774.533139.3240.38%1984458.74226.1349.29%19988530.883567.0141.81%1985577.38289.2350.09%19999250.683932.4442.51%1986667.53327.0248.99%200010741.254379.8140.78%1987846.69405.1947.86%200112039.254856.6540.34%19881155.37568.0749.17%200213502.425392.6439.94%19891381.39636.1546.05%200315844.646029.8638.06%19901559.03667.3642.81%200418864.626852.0336.32%19911893.3786.6441.55%200522366.547882.6435.