實驗一：Eviews入門實驗目的：熟悉Eviews基本操作實驗內容對數據序列做散點圖，時間序列圖對組對象的建立和作圖利用已有序列生成新序列對數據序列做描述統計分析實驗過程記錄數據散點圖對組對象的建立和作圖obsYX1981585.0000636.82001982576.0000659.25001983615.0000685.92001984726.000083400001075.26019861170.0001293.24019871282.0001437.09019881648.0001723.44019891812.0001975.64019901936.0002181.65019912167.0002485.46019922509.0003008.97019933530.0004277.38019944669.0005868.48019955868.0007171.91019966763.0008158.74019976820.0008438.89019986866.0008773.100利用已有序列生成新序列Modified:19811998//y2=y^21981342225199037480961982331776199146958891983378225199262950811984527076199312460900198598406419942179956119861368900199534433424198716435241996457381691988271590419974651240019893283344199847141956對數據序列做描述分析

X

Mean

3371.411

Median

2078.645

Maximum

8773.100

Minimum

636.8200

Std.Dev.

2951.449

Skewness

0.834886

Kurtosis

2.102850

Jarque-Bera

2.694765

Probability

0.259920

Sum

60685.39

SumSq.Dev.

1.48E+08

Observations

18Y

Mean

2807.444

Median

1874.000

Maximum

6866.000

Minimum

576.0000

Std.Dev.

2333.000

Skewness

0.809287

Kurtosis

2.088648

Jarque-Bera

2.587760

Probability

0.274205

Sum

50534.00

SumSq.Dev.

92529116

Observations

18實驗體會Ⅰ、感悟實驗過程開始比較難但是隨著實驗一步一步的進行和練度的上升感覺越來越簡單，速度也越來越快經過實驗一的基本操作使得后續實驗更加容易最開始一定要掌握基礎操作否則實驗無法繼續Ⅱ、建議基礎操作講解應該更詳細，而且正式，不要太快，否則很多同學都學不會后續實驗無法繼續進行實驗指導可不可以加入視頻教程實驗二：線性回歸模型的參數估計、假設檢驗及點預測實驗目的：全過程體驗Economictrics中線性回歸模型的估計方法實驗內容（a）研究的問題：居民可支配收入X與年均消費性支出Y之間的關系數學模型設定散點觀察分析：存在比較明顯的線性關系參數估計及分析VariableCoefficientStd.Errort-StatisticProb.

C135.306324.740865.4689400.0000X0.6917540.02467128.039360.0000R-squared0.978835

F-statistic786.2057AdjustedR-squared0.977590

Prob(F-statistic)0.000000

分析：由表可知，=135.3063=0.691754。其中、的P值均等于“0”，因此這兩個參數都是統計顯著的。R-squared=0.97883較大，說明模型總體解釋水平較高，樣本回歸直線對樣本點的擬合優度是很高的，變量間存在顯著地線性關系。估計式Y=135.3+0.69X預測：Modified:19802000//eq01.fit(f=actual)yf1980499.80551990746.96241981503.81771991760.41701982527.39961992816.05481983544.25761993851.45191984619.50661994966.03401985650.013019951027.5101986724.127619961126.5421987747.093819971199.8951988721.402019981286.1291989703.229719991315.162相關建議居民可支配收入與年均消費性支出之間存在正相關關系，由于消費性支出對于GDP有影響，因此，如果可以再不影響其他因素的情況下提高居民可支配收入就可以提高GDP水平。實驗內容（b）研究的問題：人均耐用品消費與年均可支配收入及耐用品價格之間的關系數學模型設定參數估計及分析VariableCoefficientStd.Errort-StatisticProb.

C60.37887143.91000.4195600.6874X10.0440570.0063666.9205590.0002X2-0.0578161.196325-0.0483280.9628R-squared0.935927

F-statistic51.12500AdjustedR-squared0.917620

Prob(F-statistic)0.000067分析：由表可知，=60.37887，=0.044，=-0.059。參數估計值均在0~1之間，耐用品價格與消費量成反比符合經濟檢驗。此外，的P值約為“0”，而、P值過大無法滿足統計檢驗，因此X2可不作為解釋變量進入模型。Prob(F-statistic)=0.000067約等于“0”，并且AdjustedR-squared=0.917620較大，說明人均耐用品消費與年均可支配收入及耐用品價格之間存在顯著的線性關系。估計式Y=60.38+0.044057(-0.057816X2)預測：Modified:19881998//fit(f=actual)yf1988105.72411993166.42471989113.27901994206.34621990119.10541995240.95751991128.08481996265.52531992142.58391997280.01901998292.0878

相關建議人均耐用品消費與年均可支配收入及耐用品價格之間存在顯著的線性關系如果商家希望提高銷量僅僅通過降低價格可能沒辦法達到預期目標。感悟體會對于一元線性回歸來說可以比較容易的得到結論，檢驗也相對單一，而多元回歸則相對復雜而且解釋變量的顯著性也良莠不齊，并且根據接下來的學習了解到多元線性回歸的檢驗很多很復雜，但是多元回歸更接近現實生活，因此其深入學習很重要。實驗三：非線性方程的處理與回歸分析實驗目的：掌握非線性回歸模型的線性化估計方法實驗過程變量變換根據經濟學知識可知，所以采用兩邊取對數的方式進行變量變換Modified:19801996//x1=log(k)1980689634019816.16609019906.98042019826.21286719917.07714419836.26761819927.20351019846.32975719937.43131219856.44906319947.70590219866.56598319957.95278419876.65944819968.12098719886.797561

Modified:19801996//x2=log(l)19805.9783541989602349619906041444199160767241992610367719936.22078919856.12227319946.240276198662447491987623832519886.142360

Modified:19801996//y=log(gdp)19804.63976519895.64664819814.68176119905.73963219824.73707519915.83700119834.81543119926.01917719844.99362519936.28432119855.16883519946.58636519865.27130619956.82449319875.39362819967.00497319885.559296

模型設定參數估計及分析VariableCoefficientStd.Errort-StatisticProb.

C-10.463861.287010-8.1303630.0000X11.0211240.02940434.727120.0000X21.4719430.2392906.1512840.0000R-squared0.998608

F-statistic5020.103AdjustedR-squared0.998409

Prob(F-statistic)0.000000

分析：其中AdjustedR-squared=0.998409，Prob(F-statistic)=0，因此變量之間存在顯著地線性關系。并且，c、X1、X2的P值均約等于“0”，因此參數的估計值在統計上都是顯著的。=-10.46,=1.02,=1.47.估計式Y=-10.46+1.02x1+1.47x2最終表達式實驗體會在模型設定之前應考慮經濟理論提供的關系式有助于對模型參數的估計。模型參數估計后變換成最終表達式實驗四：異方差檢驗與處理實驗目的：掌握異方差的檢驗與處理方法實驗過程研究問題：居民儲蓄與可支配收入之間的關系模型假設：參數估計VariableCoefficientStd.Errort-StatisticProb.

C-700.7540115.8699-6.0477680.0000X0.0877310.00478718.325290.0000R-squared0.920508

F-statistic335.8162AdjustedR-squared0.917767

Prob(F-statistic)0.000000

=-700.75=0.088異方差檢驗戈德菲爾德-夸特檢驗Includedobservations:11Sumsquaredresid150867.9Includedobservations:12Sumsquaredresid975609.6

F=975609.6/150867.9=6.41<3.18(查表得)因此存在異方差懷特檢驗WhiteHeteroskedasticityTest:F-statistic5.665138

Probability0.008591Obs*R-squared8.930489

Probability0.011502因為8.93>（2）=5.991所以存在異方差

戈里瑟檢驗VariableCoefficientStd.Errort-StatisticProb.

C-7.95426354.78495-0.1451910.8856X0.0088540.0022643.9115360.0005

分析：由于t統計量較大因此通過了檢驗，E與X是相關的加權最小二乘法消除異方差Weightingseries:1/XVariableCoefficientStd.Errort-StatisticProb.

C-740.086071.49267-10.351910.0000X0.0895190.00432020.723750.0000WeightedStatisticsR-squared0.787019

F-statistic429.4740AdjustedR-squared0.779674

Prob(F-statistic)0.000000UnweightedStatisticsR-squared0.920125AdjustedR-squared0.917371

懷特檢驗WhiteHeteroskedasticityTest:F-statistic0.998497

Probability0.381175Obs*R-squared2.063768

Probability0.356335

Obs*R-squared<5.991，由此可見消除了異方差實驗體會加權最小二乘法雖然去除了異方差，但是方程顯著性明顯下降了。權數確定比較困難，不過確定的權數可能也比較不準確。考慮到其他計量問題的存在可能對于模型顯著性會產生更大的影響。實驗五：修正自相關一、實驗目的：掌握自相關的檢驗及修正方法二、實驗內容1.研究問題：國內生產總值與出口額之間的關系2.模型建立：3.參數估計：VariableCoefficientStd.Errort-StatisticProb.

C-1147.452396.1565-2.8964610.0093X0.1700530.01145114.850170.0000R-squared0.920677

F-statistic220.5277AdjustedR-squared0.916502

Prob(F-statistic)0.000000Durbin-Watsonstat0.688644分析：其中=-1147.452，=0.17，其P值均接近“0”，因此統計檢驗顯著，R-squared=0.920677，說明因變量有92%的變化可以由自變量解釋，變量間線性關系顯著自相關檢驗殘差與其之后一起的殘差散點圖有比較明顯的正相關關系DW檢驗Durbin-Watsonstat=0.688644，α=0.05，K=1，T=21，=1.22，=1.42因此存在自相關。LM檢驗Breusch-GodfreySerialCorrelationLMTest:F-statistic15.13189

Probability0.001073Obs*R-squared9.591053

Probability0.001955

TR=9.591053>（1）=3.84，因此存在序列相關?；貧w檢驗法VariableCoefficientStd.Errort-StatisticProb.

E(-1)0.7181180.2216003.2406080.0043

得到E=0.718e系數可以通過t檢驗。廣義差分法消除自相關由DW統計量得ρ=1-=0.65567GDY=Y-0.65567Y,GDX=X-0.65567X得Lastupdated:10/25/12-11:37Modified:19781998//gdx=x-0.65567*x(-1)NA7084.0931661.9867133.6961870.0737505.9061898.1149428.0872115.04712474.682481.16917085.653300.61224009.724263.88326893.884307.51729153.415265.74829310.83

Modified:19781998//gdy=y-0.65567*y(-1)1978NA1989760.4995197951.315681990802.8651198076.002901991797.62781981101.809719921703.3091982132.394719931869.4011983189.782319942166.9851984172.775719952218.6901985166.983819966956.7151986293.119819975618.5381987428.283619987067.4281988551.7285

做回歸分析VariableCoefficientStd.Errort-StatisticProb.

C-585.2663334.0490-1.7520370.0968GDX0.1928320.0217868.8511610.0000R-squared0.813168

F-statistic1606.313AdjustedR-squared0.802788

Prob(F-statistic)2258.142Durbin-Watsonstat1.3456190.000000

分析：其中DW統計量失效，用LM法檢驗Breusch-GodfreySerialCorrelationLMTest:F-statistic1.319443

Probability0.266598Obs*R-squared1.440484

Probability0.230061

TR=1.440484<（1）=3.84，因此不存在序列相關。三、實驗體會DW統計量得相關數值應該記住某些經驗值方便結果推斷，實驗六：修正多重共線性一、實驗目的：掌握多重共線性的檢驗及修正方法二、實驗過程1.研究問題：服裝消費量與其他變量之間的關系2.模型設定：3.參數估計VariableCoefficientStd.Errort-StatisticProb.

C-13.533527.513155-1.8013100.1315X10.0969540.0264883.6602780.0146X20.0150810.0493930.3053300.7724X3-0.1991340.090160-2.2086750.0782X40.3401400.1497492.2714070.0723R-squared0.998009

F-statistic626.4634AdjustedR-squared0.996416

Prob(F-statistic)0.000001Durbin-Watsonstat3.382618

分析：R-squared與AdjustedR-squared都很大，且

F-statistic=626.4634同樣很大，因此模型可能存在多重共線性。1.變量之間的關系散點圖分析：由圖可以看出模型變量之間存在自相關2.相關系數矩陣YX1X2X3X4Y

1.000000

0.997733

0.983359

0.975480

0.988705X1

0.997733

1.000000

0.988315

0.980356

0.987666X2

0.983359

0.988315

1.000000

0.969962

0.969477X3

0.975480

0.980356

0.969962

1.000000

0.991796X4

0.988705

0.987666

0.969477

0.991796

1.000000不難看出變量之間相關性較高多重共線性的修復修正Frisch法修正模型Y=C(1)+C(2)*X1VariableCoefficientStd.Errort-StatisticProb.

C-1.2455540.376273-3.3102380.0107X10.1178450.00281041.937010.0000R-squared0.995472

F-statistic1758.713Durbin-Watsonstat2.627059

Y=C(1)+C(2)*X2VariableCoefficientStd.Errort-StatisticProb.

C2.1181670.8191662.5857610.0323X20.3268730.02135115.309560.0000R-squared0.966994

F-statistic234.3827AdjustedR-squared0.962869

Prob(F-statistic)0.000000Durbin-Watsonstat0.468380

Y=C(1)+C(2)*X3VariableCoefficientStd.Errort-StatisticProb.

C-38.519044.201379-9.1681900.0000X30.5164110.04119312.536280.0000R-squared0.951562

F-statistic157.1583AdjustedR-squared0.945507

Prob(F-statistic)0.000002Durbin-Watsonstat2.401329Y=C(1)+C(2)*X4VariableCoefficientStd.Errort-StatisticProb.

C-53.650813.632179-14.770970.0000X40.6632430.03554618.658500.0000R-squared0.977537

F-statistic348.1394Durbin-Watsonstat2.172010

Y=C(1)+C(2)*X1+C(3)*X2VariableCoefficientStd.Errort-StatisticProb.

C-1.5983850.621606-2.5713800.0369X10.1314880.0190056.9187170.0002X2-0.0388520.053485-0.7264010.4912R-squared0.995789

F-statistic827.7006AdjustedR-squared0.994586

Prob(F-statistic)0.000000Durbin-Watsonstat3.236555

分析：加入x2后，x1的顯著性下降且x2的符號有誤，因此x1與x2存在嚴重的多重共線性因此模型中保留x1，去掉x2Y=C(1)+C(2)*X1+C(3)*X3VariableCoefficientStd.Errort-StatisticProb.

C1.4047084.9255430.2851880.7838X10.1257420.0149238.4259430.0001X3-0.0361050.066887-0.5397960.6061R-squared0.995653

F-statistic801.6108AdjustedR-squared0.994411

Prob(F-statistic)0.000000Durbin-Watsonstat2.533515

分析，加入x3后方程擬合優度并沒有降低，盡管x3不是非常顯著，但是可以使用Y=C(1)+C(2)*X1+C(3)*X3+C(4)*X4VariableCoefficientStd.Errort-StatisticProb.

C-12.759266.515987-1.9581470.0979X10.1036060.0138817.4639720.0003X3-0.1881780.076206-2.4693290.0485X40.3185640.1216412.6188840.0396R-squared0.997972

F-statistic983.9580AdjustedR-squared0.996957

Prob(F-statistic)0.000000Durbin-Watsonstat3.524120

分析：加入x4后模型擬合優度提高，且x1，x3，x4的顯著性都有所增加，因此，該模型比較理想。三、實驗體會：多重共線性的檢驗應該耐心細致，變量之間應做足充分的統計檢驗得到最終的統計模型。實驗七：工具變量法實驗目的：選擇恰當的工具變量對隨機解釋變量修正實驗過程研究問題：國內生產總值與消費之間的關系模型假設參數估計VariableCoefficientStd.Errort-StatisticProb.

C853.6565122.39436.9746440.0000GDP0.5687450.002951192.72790.0000R-squared0.999650

F-statistic37144.03AdjustedR-squared0.999623

Prob(F-statistic)0.000000

分析：由于消費數量是隨機變量因此引入投資作為工具變量進行估計得到DependentVariable:CSMethod:Two-StageLeastSquaresInstrumentlist:CIVVariableCoefficientStd.Errort-StatisticProb.

C865.7124122.58127.0623590.0000GDP0.5683820.002957192.20920.0000R-squared0.999650F-statistic36944.39AdjustedR-squared0.999623Prob(F-statistic)0.000000

得到最終結果CS=865.7123677+0.5683815679*GDP實驗體會：其實就像上課說的，工具變量不好尋找，只適合于教學，模型的穩定性也不足。實驗八：虛擬變量應用一、實驗目的：掌握虛擬變量的使用方法二、實驗數據：表10：飲食消費總額與國內家庭最終消費支出的數據（單位：兆日元）年·季度飲食消費總額Y國內家庭最終消費支出XD1D2D31990.11053.51001990.21154.40101990.312.256.40011990.413.360.60001991.110.254.71001991.21155.40101991.312.357.60011991.413.262.40001992.110.556.51001992.211.156.40101992.312.358.30011992.413.462.60001993.110.456.71001993.211.256.80101993.312.258.90011993.413.463.70001994.110.458.2100三、實驗過程：1.研究問題：飲食消費總額與國內家庭最終消費支出之間的關系2.模型假設：3.參數估計DependentVariable:YMethod:LeastSquaresDate:10/26/12Time:00:18Sample(adjusted):1990Q11994Q1Includedobservations:17afteradjustmentsVariableCoefficientStd.Errort-StatisticProb.

C-8.5245913.093158-2.7559500.0147X0.3489150.0534216.5314040.0000R-squared0.739851

Meandependentvar11.65294AdjustedR-squared0.722508

S.D.dependentvar1.207331S.E.ofregression0.635992

Akaikeinfocriterion2.042870Sumsquaredresid6.067289

Schwarzcriterion2.140895Loglikelihood-15.36439

F-statistic42.65924Durbin-Watsonstat1.208710

Prob(F-statistic)0.000009

分析，模型的擬合優度不是很高，但是參數的統計檢驗比較顯著進一步觀察殘差情況二季度其他二季度其他三季度其他三季度其他將虛擬變量引入模型參數估計DependentVariable:YMethod:LeastSquaresDate:10/26/12Time:00:20Sample(adjusted):1990Q11994Q1Includedobservations:17afteradjustmentsVariableCoefficientStd.Errort-StatisticProb.

C9.0681131.1676727.7659780.0000X0.0683010.0187203.6485940.0033D1-2.5875290.135559-19.087800.0000D2-1.8009180.139979-12.865650.0000D3-0.7659360.107796-7.1054500.0000R-squared0.995426

Meandependentvar11.65294AdjustedR-squared0.993902

S.D.dependentvar1.207331S.E.ofregression0.094281

Akaikeinfocriterion-1.645137Sumsquaredresid0.106668

Schwarzcriterion-1.400074Loglikelihood18.98367

F-statistic652.9344Durbin-Watsonstat2.383082

Prob(F-statistic)0.000000

分析：其中參數的P值均約等于“0”，因此他們在統計上是顯著的，AdjustedR-squared=0.993902，說明方程線性性顯著。最終方程Y=9.06+0.068*X-2.587*D1-1.8*D2-0.77*D37.各季度消費函數：第一季度：Y=6.48+0.068x第二季度：Y=7.268+0.068x第三季度：Y=8.302+0.068x第四季度：Y=9.068+0.068x四、實驗體會：虛擬變量的引入可以更好地將方程分段化，從而增加方程的擬合優度，使估計更加準確。實驗九：聯立方程模型的估計方法一、實驗目的：利用已有模型進行簡單計量分析并理解聯立方程模型與單方程模型估計方法的不同二、實驗過程：1.研究問題：宏觀經濟模型確定2.模型假設：3.參數估計（a）VariableCoefficientStd.Errort-StatisticProb.

C-3758.9591451.493-2.5897180.0197G1.1799620.5000682.3596020.0313Y(-1)0.0243420.2888580.0842690.9339CS(-1)1.4278600.4044143.5306860.0028R-squared0.995871

F-statistic1286.296AdjustedR-squared0.995097

Prob(F-statistic)0.000000估計方程為：Y=-3758.96+1.18*G+0.024*Y(-1)+1.43*CS(-1)VariableCoefficientStd.Errort-StatisticProb.

C-135.2662441.4971