計量經濟學作業

第二章一元線形回歸方程模型習題

2

11、下面數據是對X和Y的觀察值得到的。ZY.=1110；ZXi=1680；ZXiYi=204200ZXi=315400；Z

Y.2=133300；"10假定滿足所有的古典線性回歸模型的假設,要求：[1加和bz?〔2〕b和b?的標準差？

[3)r2?〔4〕對&、B2分別建立95?4的置信區間？利用置信區間法，你可以接受零假設：BE嗎？

〔1〕?.?%==168,y=XU=|H

nn

⑵（匕-E）2（匕2—2匕￡十年）

〃-210-28

VarR）=,=22^21^22=73.81,se（￡））=073.81=8.5913

°〃Z（Xj-X）210x33160°

-（T27760

Var{/3.）==0.0323,se向=\/0.0023=0.0484

33160

⑶R2TXL，..￡”620.8],

Z（""2又...￡（匕一Y）2=133300-123210=KXM）

〔4〕<2.306)=95%,自由度為8；

-2.306<21，22"^)<2.306,解得：1.4085VA)W41.0315為4的95%的置信區間。

8.5913

同理，-2.306W%藍的用42.306,解得：0.4227與四W0.646為4的95%的置信區間。

由于4=0不在目的置信區間內，故拒絕零假設：/?,=0o

12.下表是中國內地2007年各地區稅收Y和國內生產總值GDP的統計資料(單位：億元)。地區YGDP

地區YGDP北京1435.79353.3湖北434.09230.7天津438.45050.4湖南410.79/00.0河北

618.313709.5廣東2415.531084.4山西430.55733.4廣西282,75955.7內蒙古347.96091.1海

南88,01223.3遼寧815.711023.5重慶294.54122.5吉林237.45284.7四川629.010505.3黑

龍江335.07065.0貴州211.92741.9上海1975.512138.9云南378.64741.3江蘇1894.8

25741.2西藏11.7342.2浙江1535.418780.4陜西355.55465.8安徽401.97364.2甘肅142.1

2702.4福建594.09249.1青海43.3783.6江西281.95500.3寧夏58.8889.2山東1308.4

25965.9新疆220.63523.2河南625.015012.5

要求，以手工和運用Eviev/s軟件〔或其它軟件〕：

(1)做出散點圖，建立稅收隨國內生產總值GDP變化的一元線性回歸方程，并解釋斜率的經濟意義；

(2)對所建立的回歸方程進行檢驗；

假設2008年某地區國內生產總值為8500億元，求該地區稅收入的預測值機預測區間。

解：下列圖是運用Eviews軟件分析出的結果。

DependentVariabIe:Y

Method:LeastSquares

IncIudedobservations;31

VariabIeCoefficientStd.Errort-StatisticProb.

GDP00710470007407959194500000

C-10.6296386.06992-0.1235003=等軟乂）。＜005

R-squared0.760315Meandependentvar621.0548

AdjustedR-squaredO.752050S.D.dependentvar619.5803

S.E.ofregression308.5176Akaikeinfocriterion14.36378

Sumsquaredresid276031OSchv/arzcriterion14.45629

LogIikelihood-220.63B5F-statisti91.99198

⑴

斜率約為0.

加約0.071

⑵

從回歸的結仔，它說明

假設檢驗:

由表可得

的t統計?檢驗值約為9.59,顯然大于2.05,拒絕原假設，說明GDP對稅收有顯著性影

響，由其相應s二7城巨魯爐假設，也可得出GDP對稅收有顯著性影響。

在5%的顯著性水平下，高演角度者7如祥力?包申度為29的檢驗的臨界

值，該模型的

值為91.99198>4.18,即，拒絕脾假設，說明回歸方程顯著成立，也即

總體Y與X線性顯著5f。由施田的均=593.2667拒絕原假設，也可得

出總體線性顯著。R20.7603

由一元線性回歸檢驗與尸檢驗一致，依然可以得出模型總體線性顯著的結論。

由表可知：樣本均值口。：41=°耳：&W。

樣本標準差；

樣本方差：

即:假設2008年參地區國內生產總值為8500億元,該地區稅收收入的預測值為593.2667。

樣本：預測值：八八八八八八八八u

殘差平方和：臨界值：P=°-0000<0?05

由公式：

代入以上數據得總體條件均值的預測區間為：F

(479%3鹿燃)F

由公式：

代人以上數據得個別預測值的預測區間為：(-49.34,1235.88)

第三章：多元線性回歸模型

11.在一項對某社區家庭對某種消費品的消費需要調查中，得到下表所示的資料

對某商

對某商品商品家庭商品家庭

品的消

序號的消費支單價月收序號單價月收

費支出

出YXI入X2XI入X2

Y

1591.923.5676206644.434.1412920

2654.524.4491207680.035.3014340

3623.632.07106708724.038.7015960

4647.032.46111609757.139.6318000

5674.031.151190010706.846.6819300

對該社區家庭對商品的消費需求支出作二元線性回歸分析

11〕估計回歸方程的參數，計算R?

(2)對方程進行F檢驗，對參數進行t檢驗，并構造參數95%的置信區間

13］如果商品單價變為35元，那么某一月收入20000元的家庭消費水平支出估計是多少？

構造該估計值的95%的置信區間

(1)以矩陣形式表達，二元樣本回歸方程為

參數的估計值為p=(XX)T(XY)

由于

f626.509

,-，,

于是仇=(XX)(XY)=-9.79057

、0.02862

根據隨機干擾項方差的估計式

。2=2^得到〃=上_

n-k-\n-k-\

而

生箜=302.41

故。2=—

n-k-\10-2-1

TSS=Z(T)=Z(Y"2立一尸)

又由于二>2片一〃P=Y'Y—〃P

=4515072-l()x449342.3=21648.74

故

而利用軟件Eviwes進行回歸的步驟如下：

建立工作文件并導入全部數據，然后設定模型為：

點擊土界面菜單Qucik/EstimatcEquation,在彈出的對話框中輸入

ycxlx2,如圖2.1.1所示，點擊確定即可得到回歸結果，如圖2.1.2。

根據圖2.1.2中的數據，得到模型(2?1)的估計結果為：

Y=626.5092847-9.790570097*X1+0.02861815879*X2

(15.61195)(-3.061617)(4.902030)

R2=0.902218R2=0.874281D.W.=1.650804

Eei2=2116.807F=32.29408df=(2,7)

隨機干擾項的方差估計值為：a2=Ze：/(n-3)=2116.807/7=0.18108225

(2)方程的總體線性性檢驗由下面的尸檢驗進行:

而在Eviews的回歸結果(圖2.1.2)也說明：

這一年，丫的變化的90.2218%可由X1和X2的變化來解釋，

其F值為32.29408。在5%的顯著性水平下，F統計量的臨界值未玲(2,7)=4.74,

可見32.29>4.74,說明方程的總體線性性顯著成立。

在5%的顯著性水平下，自由度為7的t分布的臨界值為，。必(7)=2.365,可見常數項

及X1與X2的總體參數值均顯著地易于零。

常數項，X1與X2參數的95%的置信區間分別為

Bo±logxS反=626.509±2.365x40.13

或［531.62,721.40)

4±小25x5衣=-9.791±2.365x3.1978

或(-17.35,-2.22)

A±d25xS/=0.0286±2.365x().(X)58

或(0.014,0.042)

⑶將％=35,X?=20000代入回歸方程，可得

同樣地，通過在Eviews中錄入商品單價XI為35元以及月收入為20000元的數據,

然后進行預測也可得到相同的結果。

雙擊Workfile菜單下的Range所在行，出現將Workfilestructured對話框，

講右側Observation旁邊的數值改為11.然后點擊0K,即可用將Workfile的

Range以及Sample的Range改為11,如圖2.2.1所示;

雙擊翻開XI與X2的序列表格形式，將編輯狀態切換為“可編輯”，在它們的序列

中分別補充輸入Xl=35,X2=20000o然后在Equation框中，點擊“Forecast”，

彈出一對話框，在其中為預測的序列命名，如yf。點擊Workfile中新出現的

序列yf,可以看到預測值為856.2025（圖2.2.2）

而由于

因此，取X°=（13520000）,y均值的預測的標準差為

在5%的顯著性水平下，自由度為10-2-1=7的t分布的臨界值為h025（7）=2.365,

于是丫均值的95%的預測區間為

856.20±2.365x37.05或（768.58,943.82）

同樣容易得到丫個值的預測的標準差為

于是，y值的95%的預測區間為

856.20±2.365x40.93或（759.41,952.99）

而在Eviews中的命令欄中輸入：

Scalareyfu=856.2+2.365*@sqrt（302.41*4.539）

Scalareyfu=856.2-2.365*@sqrt（302.41*4.539）

以及：

Scalaryfu=856.2+2.365*@sqrt（302.41*1.2661）

Scalaryfu=856.2-2.365*@sqrt（302.41*l.2661）

同樣可以得到y均值的95%的置信上下界與y值的95%的置信上下界。

13.下表列出了中國某年按行業分的全部制造業國有企業及規模以上制造業非國有企業的

工業總產值Y,資產合計K及職工人數L。序號工業總產值Y1億）

序工業總產值Y資產合計K職工人數L工業總產值Y資產合計K職工人數L

序號

號（億元）（億元）（萬人）（億元）（億元）（萬人）

13722.703078.2211317812.701118.8143

21442.521684.4367181899.702052.1661

31752.372742.7784193692.856113.11240

L1451.291973.8227204732.909228.25222

55149.305917.01327212180.232866.6580

62291.161758.77120222539.762545.6396

71345.17939.1058233046.954787.90222

8656.77694.9431242192.633255.29163

9370.18363.4816255364.838129.68244

101590.362511.9966264834.685260.201.15

11616.71973.7358277549.587518.79138

12617.94516.012828867.91984.52-16

134429.193785.9161294611.3918626.94218

145749.028688.0325430170.30610.9119

151781.372798.908331325.531523.1945

161243.071808.4433

設定模型為Y=AkQ%〃

(1)利用上述資料，進行回歸分析。

(2)答復：中國概念的制造總體呈現規模報酬不變狀態嗎？

建立工作文件并錄入全部數據，如圖

設定并估計可化為線性的非線性I可歸模型：

InY=+alnK+/?InL+p--------(2-l)

點擊主界面菜單Qucik/EstimateEquation,在彈出的對話框中輸入log(Y)Clog(K)k)g(L),如圖2.1.2。點

擊確定即可得到回歸結果，如慳2.1.3。

根據圖2.1.3中的數據，得到模型(2-1)的估計結果為：

LOG(Y)=1.153994406+0.6092355345*LOG(K)+0.360796487*LOG(L)—(2-1-1)

(1.586004)(3.454149)(1.789741)

R2=0.809925RZ=0.796348D.W.=0.793209

Eei^S.OyOSOSF=59.65501df=(2,28)

隨機干擾項的方差估計值為：d1=/(n-3)=5.070303/28=0.18108225

(1)回歸結果說明：

這一年，InY變化的80.9925%可由InK和InL的變化來解釋。

在5%的顯著性水平下，F統計量的臨界值未然05(2,28)=3.34,說明模型的線性關系顯著成立。

在5冬的顯著性水平下，自由度為n-k-l=28的t統計量臨界值為“O"28)-2.O48,因此1冰的參數通過

了該顯著性水平下的t檢驗，但InL未通過檢驗。如果將顯著性水平設為10%,那么t分布的臨界值為

r005(28)=1.701,此時InL的參數也通過了顯著性水平檢驗。

觀察InK和InL的系數我們可以認為，資產每增加1%,總產值就增加0.61%,而職工人數

每增加1%,總產值就增加0.36%。

(2)從回歸結果可以得到：

d+/?=0.97?l,也就是說，資產與勞動的產出彈性之和可以認為為1,

即中國制造業這年呈現出規模報酬不變的狀態。

下面進行參數的約束檢驗，原假設“。：。+尸=1。

假設原假設為真，那么估計模型為：

點擊主界面菜單Qucik/EstimateEquation,在彈出的對話框中輸入k)g(Y/L)Clog(K/L),

如圖2.2.1,點擊確定即可得到回歸結果，如圖2.2.2。

從圖222中的回歸結果可看到此模型通過了F檢驗和t檢驗，而

在5%的顯著性水平為，自日度為(1,28)的F分布的臨界值為4.20,F<4.20,不拒絕原

假設，說明該年中國制造業呈現規模報酬不變的狀態。

圖2.2.1圖

第四章：方寬根本假定的模型

8、下表列出了某年中國局部省市城鎮居民家庭平均每個全年可支配收入(X)與

消費性支出(Y)的統計數據。

地區可支配收入消費性支出地區可支配收入消費性支出

(X)(Y)(X)(Y)

北京10349.698493.49浙江9279.167020.22

天津8140.506121.04山東6489.975022.00

河北5661.164348.47河南4766.263830.71

山西4724.113941.87湖北5524.544644.5

內蒙古5129.053927.75湖南6218.735218.79

遼寧5357.794356.06廣東9761.578016.91

吉林4810.004020.87陜西5124.244276.67

黑龍江4912.883824.44甘肅4916.254126.47

上海11718.018868.19青海5169.964185.73

江蘇6800.235323.18新疆5644.864422.93

1、做Y關于X的散點圖以及回歸分析

將數據通過excel錄入到eviews中，對解釋變量與被解釋變量做散點圖,

選擇解釋變量作為group翻開，在數據表“group”中

點擊view/graph/scaller/simplescalier,出現以上數據的散點圖，

如下列圖所示：

在Eviews軟件下，OLS(普通最小二乘法)估計結果如下圖：

2、異方差的檢驗

先采用G-Q檢驗。在對20個樣本按X從大到小排序，去掉中間4個個體，對前后

兩個樣本進行OLS估計，樣本容量為8。數據如下:

地區可支配收入X消費性支出Y地區可支配收入X消費性支出Y

上海11718.018868.19青海5169.964185.73

北京10349.698493.49內蒙古5129.053927.75

廣東9761.578016.91陜西5124.244276.67

浙江9279.167020.22甘肅4916.254126.47

天津8140.56121.04黑龍江4912.883824.44

江蘇6800.235323.18吉林48104020.87

山東6489.975022河南4766.263830.71

湖南6218.735218.79山西4724.113941.87

前一個樣本OLS估計結果如圖

后一個樣本OLS估計結果如圖

IRWqulV。!].J3TITI.KDTorkfile：4-8(2)-1：：Untitled\

View|Proc10腕螂鑄砌相』?喳皇〉緇而拼用鹿縱

FT[6,6)—4.28,

也朗膽慨舁勞他性的假設，說明原模型存在異方差性。

Sample:18

Includedobservations:8

VariahlpCnpffiniRntStr!FrrnrPrnh

首先，采用加權最小一乘法進行估計。在對原模型進行OLS信計后,在evievv$的

主菜單中選擇“quick/generatcscries...”在出現的對話框中輸入“e=rcsid”，點擊確定

生成新數列e：為了尋找適當的權，作in/關于X的ols回歸，結果如下：

圖的結果顯示，X前的參數在5%的顯著性水平下不為零，同時，F檢驗也說明方程

的線性關系在5%的顯著性水平下成立。

其次，采用異方差穩健標準誤法修正原OLS的標準差，得到下列圖所示的估計結果：

任然可以看出，變量x對應參數修正后的標準差比ols估計的結果有所增大，這說明

原模型0LS估計結果低估了X的標準差。

9.1980-2007年全社會固定資產投資總額X與工'業總產值Y的統計資料

如下表所示：

單位：億元

年份全社會固定資產工業增加值年份全社會固定資產工業增加值

投資(X)(Y)投資(X)(Y)

1980910.91996.5199417042.119480.7

19819612048.4199520019.324950.6

19821230.42162.3199622913.529447.6

19831430.12375.6199724941.132921.4

19841832.92789.0199828406.234018.4

19852543.23448.7199929854.735861.5

19863120.63967.0200032917.740033.6

19873791.74585.8200137213.543580.6

19884753.85777.2200243499.947431.3

19894410.46484.0200355566.654945.5

199045176858.0200470477.465210.0

19915594.58087.1200588773.677230.8

19928080.110284.52006109998.291310.9

199313072.314188.02007137323.9107367.2

試問：

(1)當設定模型為lnZ=/30+/VnX,+M時，是否存在序列相關性？是否存在異方差性？

12)假設按一階自相關假設弓=〃*+￡,試用廣義最小二乘法估計原模型；

(3)采用差分形式X；=X-X,T與匕'=匕-1作為新數據，估計模型5=%+&X；+匕,

該模型是否存在序列相關？

解析如下：

(I)當設定模型為111工=片+4111％+4時，是否存在序列相關性？是否存在異方差性？

序列相關性檢驗：用EVIEWS得到方程ln(y)=1.588+0.854*ln(x)

R2=0.993R2=0.992、F=3610.878、DW=0.379

VariableCoefficientStd.Errort-StatisticProb.

56943264

1.588478111.834920823209025e-

c16153861992612

60.09058291

LOG(X)19202

0.99285109.5522561

R-squared11528544Meandependentvar4467196

0.99257601.3039475

AdjustedR-squared50433488S.D.dependentvar7072632

-1.465625

S.E.ofregressionAkaikeinfocriterion32731656

-1.370467

SumsquaredresidSchwarzcriterion86230405

3610.8781

LoglikelihoodF-statistic546944

0.3793231

Durbin-Watsonstat39600627Prob(F-statistic)

1、序列相關性檢驗

在顯著性水平為5%的情況下，dl=1.33du=1.48.DW=0.379<dl.所以存在正自相關。

從殘差和時間的相關圖(如下)也可以看出存在著序列相關。

異方差檢驗：采用G-Q檢驗。將原始數據按x2排成升序，去掉中間的7個數據，得到兩

個容量為10的子樣本，對兩個子樣本分別做最小二乘法回歸，求各自的殘差平方和。

子樣本一：0.6907200011*LOG(X)+2.806231214

R2=0,962.RSSi=0.066267

VariableCoefficientStd.Errort-StatisticProb.

C2.8062310.3765227.4530380.0001

LOG(X)0.6907200.04906714.077030.0000

R-squared0.961196Meandependentvar8.091034

AdjustedR-squared0.956345S.D.dependentvar0.435600

S.E.ofregressionR2Akaikeinfocriterion-1.778769

Sumsquaredresid0.066267Schwarzcriterion-1.718252

Loglikelihood10.89385F-statistic198.1629

Durbin-Watsonstat0.604215Prob(F-statistic)0.000001

VariableCoefficientStd.Errort-StatisticProb.

C3.2349240.13933523.216930.0000

1OG(X)0.7047650012757552432700000

R-squared0.997385Meandependentvar10.92290

AdjustedR-squared0.997059S.D.dependentvar0.399824

S.E.ofregression0.021684Akaikeinfocriterion-4.647613

Sumsquaredresid0.003762Schwarzcriterion-4.587096

Loglikelihood25.23806F-statistic3051.819

Durbin-Watsonstat0.973852Prob(F-statistic)0.000000

子樣本二由上表二得:

LOG(Y)=3.23492396+0.7047647956*LOG(X)

R22=.OO4

計算F統計量：F二RSSz/SS尸0.06.在5%的水平下,自由度為(8、8)的F分布臨界值為3.58.

即接受原假設，兩樣本方差相同。

G-Q檢驗以F檢驗為根底，適用于樣本容量較大、異方差遞增或遞減的情況。還特檢驗那

么不需要排序，且對任何形式的異方差都可以檢驗。

進行相應的懷特檢驗。如下可知在5%的原假設下我們接受原假設，及方差相同。

VariableCoefficientStd.Errort-StatisticProb.

C0.0696200.0927800.7503760.4600

LOG(X)-0.0100960.020430-0.4941900.6255

(LOG(X))A20.0004060.0011020.3687260.7154

R-squared0.114077Meandependentvar0.011721

AdjustedR-squared0.043204S.D.dependentvar0.011882

X0.011623Akaikeinfocriterion-5.970777

Sumsquaredresid0.003377Schwarzcriterion-5.828041

Loglikelihood86.59088F-statistic1.609586

Durbin-Watsonstat0.998111Prob(F-statistic)0.220012

(4)假設按一階自相關假設必試用廣義最小二乘法估計原模型

VariableCoefficientStd.Errort-StatisticProb.

E(-1)0.7665510.1143516.7034970.0000

R-squared0.631825Meandependentvar-0.006975

AdjustedR-squared0.631825S.D.dependentvar0.105869

S.E.ofregression0.064239Akaikeinfocriterion-2.616086

Sumsquaredresid0.107292Schwarzcriterion-2.568092

Loglikelihood36.31716Durbin-Watsonstat1.126451

E=0.7665509335*E(-l)對原模型進行廣義差分，可得YU).7666Yw=小(1-0.76655)+氏

(Xt-Xt-i)+Ut上式進行廣義回歸,得到下表:

VariableCoefficientStd.Errort-StatisticProb.

c2056.499438.79434.6867040.0001

X-0.7666*X(-1)0.7240550.02556728.319780.0000

R-squared0.969771Meandependentvar9707.147

AdjustedR-squared0.968561S.D.dependentvar10133.06

S.E.ofregression1796.685Akaikeinfocriterion17.89646

Sumsquaredresid80701881Schwarzcriterion17.99245

Loglikelihood-239.6022F-statistic802.0101

Durbin-Watsonstat0.408232Prob(F-statistic)0.000000

方程為0.7666*丫(-1)=2056.499094+0.7240551294+(X-0.7666+X(-1))

在5%的情況下，DW檢驗拒絕原假設DI=1.33.Du=.1.48.可知存在序列相關性。

VariableCoefficientStd.Errort-StatisticProb.

C889.3388260.88363.4089490.0022

X10.5964130.02991619.936410.0000

R-squared0.940823Meandependentvar3902.619

AdjustedR-squared0.938456S.D.dependentvar4453.815

S.E.ofregression1104.907Akaikeinfocriterion16.92410

Sumsquaredresid30520498Schwarzcriterion17.02009

Loglikelihood-226.4753F-statistic397.4604

Durbin-Watsonstat0.960842Prob(F-statistic)0.000000

10、經濟理論指出，家庭消費支出Y不僅取決于可支配收入X,還決定于個人財富X，即可設定如下何

歸模型：

編號Y*?

17(X)8008100

2650100010090

3900120012730

4950140014250

5110()160016930

61150180018760

71200200020520

81400220022010

91550240024350

101500260026860

解

DependentVariable:Y

Method:LeastSquares

Date:12/20/11Time:09:54

Sample:110

Includedobservations:10

CoefficientStd.Errort-StatisticProb.

c245.515869.523483.5314080.0096

X10.5684250.7160980.7937810.4534

X2-0.0053330.070294-0.0829750.9362

R-squared0.962399Meandependentvar1110.000

AdjustedR-squared0.951270S.D.dependentvar314.2893

S.E.ofregression69.37901Akaikeinfocriterion11.56037

Sumsquaredrosid33694.13Schwarzcriterion11.65115

Loglikelihood-54.80185Hannan-Quinncriter.11.46079

F-statistic88.84545Durbin-Watsonstat2.708154

Prob(F-statistic)0.000311

由擬合度知,收入和財富一起解釋了消費支出的96%.然而兩者的t檢驗都在5%的顯著性水平下是不顯著

的。不僅如此，財富變量的符號也與經濟理論不相符合。但從F的檢驗值看，對收入與財富的參數同時

為零的假設顯然是拒絕的。因此，顯著的F檢驗值與不顯著的變量的t檢驗值，說明了收入與財富間存

在較高的相關性。事實上，收入與財富的相關系數高達0.9986這說明了收入與財富間的高度相關性，

使得無法分辨二者各自對消費的影響。

第五章：虛擬變量模型

5、下表數據是1970-1991年美國制造業固定廠房設備投資Y和銷售量X,以10億美元計價.且經過季

節調整，根據該數據，判斷廠房開支和銷售量序列是否平穩？表10.1119701991年美國制造

業固定廠房設備投資Y和銷售量X(單位：910美元)年份固定廠房設備投資銷售量年份固定

廠房設備投資銷售量197036.9952.8051981128.68168.129197133.655.9061982123.97163.351

197235.4263.0271983117.35172.547197342.3572.0271984139.61190.682197452.4884.79

1985182.88194.538197553.6686.5891986137.95194.657197658.5398.7971987141.06206.326

197767.48113.2011988163.45223.541197878.13126.9051989183.8232.724197995.13143.936

1990192.61239.4591980112.6154.391991182.81235.142

1)X為銷售量，Y為固定廠房設備投資

從圖形中可看出，銷售量序列有截距項和趨勢項，故在Eviews5.0中選取截距項和趨勢項，同時最大滯

后長度1取6進行單位根檢驗，檢驗結果如下，

NullHypothesis:XhasaunitrootExogenous:Constant,LinearTrend

LagLength:0(AutomaticbasedonSIC.MAXLAG=6)t-StatisticProb.*

AugmentedDickey-Fullerteststatistic-1.8862380.6258

Testcriticalvalues:1%level-4.467895

5%level-3.644963

10%level-3.261452

"MacKinnon(1996)one-sidedp-values.

二統計量大于所有顯著性水平下的MacKinnon臨界值，故不能拒絕原假設，該序列是不平穩的。2)

1Eviews5.0中MAXLAG視情況選取，LagLength由Eviews5.0自動確定，但MAXLAG的選取一定要大

于Eviews5.0確定的LagLength。

從圖形中可看出，固定廠房設備投資序列有截距項和趨勢項，故在Eviews5.0中選取截距項和趨勢項，

同時最大滯后長度取6進行單位根檢驗，檢驗結果如下，

NullHypothesis:Yhasaunitroot

Exogenous:Constant,LinearTrend

LagLength:1(AutomaticbasedonSIC,MAXLAG=6)

t-哈驗t-staristicProb*

AugmentedDickey-Fullerteststatistic-4.3140270.0144

Testcriticalvalues:1%level-4.4983075%

level-3.65844610%level-3.268973

?MacKinnon（1996）one-sidedp-values.t統計員小「5%顯著性水平下的MacKinnon臨界值，故在5%的

顯著性水平下，拒絕原假設，該序列是平穩的。

第六章：聯立方程計量經濟學：理論與方法

8、以如下中國的實際數據為資料，估計上述聯立模型。要求恰好識別的方程按工具變

量法與二階段最小二乘法估計。

實驗步驟：

設定聯立模型為：

可以判斷出，第一個方程為恰好識別，故運用工具變量法進行估計。用模型中的價格指數

P作為的工具。在Eviews軟件中，選擇"Quick\EstimateEquation”，在出現的窗口

的"Method”欄內選擇"TSLS"，再在新出現的窗口的“EquationSpecification”欄內輸

入“GDPCM2CONS入在下面的aInstrumentlist”欄內輸入“0”，點擊0K按鈕，得

到圖1.1所示的估計結果。

圖1.1

然后用二階段最小二乘法估計。第一階段，用OLS估計M的簡化式方程，E