经 济 与 管 理 学 院
实验报告
姓 名：
学 号：
专 业：
班 级：
课 程：
《计量经济学》课程实验报告
指导老师： 日期： 成绩：
第二篇：计量经济学实验报告模版
计量经济学实验报告
姓名：罗静 班级：B100906 学号：B10090605
《计量经济学》课程实验报告1
专业国际贸易 班级 B100906 姓名 罗静 日期 2012.9.28
一、 实验目的
1． 学会Eviews工作文件的建立、数据输入、数据的编辑和描述；
2． 掌握用Eviews软件求解简单线性回归模型的方法；
3．掌握用Eviews软件输出结果对模型进行统计检验；
4．掌握用Eviews软件进行经济预测。
二、 实验内容
首先根据实际分析居民消费水平与经济增长的关系，并建立回归模型，然后以最小二乘法利用Eviews软件估计参数值，得到估计值后，再根据估计值来进行模型检验，包括经济意义检验、拟合优度和统计检验。最后便可进行回归预测。
三、 实验数据
教材p55页，表2.5。
四、 实验步骤
1. 分析居民人均消费水平Y和人均GDP的关系
2. 模型设定：Yt=β1+β2Xt+Ut
3. 用Eviews估计参数。步骤如下：
1，建立工作文件：双击Eviews图标，进入Eviews主页。在菜单选项中依次点击New --- Workfile，出现“Workfile Range”。在“Workfile Frequency”中选择数据频率“Annual”，并在“start Date”菜单中输入“1978”，在“End”菜单中输入“2007”点击“OK”出现未命名文件的“Workfile UNTITLED”工作框。已有对象“c”为截距项，“resid”为剩余项。
2，输入数据：在“Quick”菜单中点击“Empty Group”，出现数据编辑窗口。将第一列命名为“Y”：方法是按上行键“↑”，对应“obs”格自动上跳，，在对应的第二行有边框的“obs”空格中输入变量名为“Y”，再按下行键“↓”，变量名一下各格出现“NA”，依次输入Y的对应数据。按同样的方法，可对“X”等其他变量命名，并输入对应数据
3，参数估计：在Eviews主页面直接点击“Quick”菜单，点击“Estimate Equation”，出现“Equation specification”对话框，选用OLS估计，然后在该对话框中输入“Y C X”，点击“OK”即出现以下结果
4. 模型检验：
1，经济意义检验：所估计参数β1=224.3149，β2=0.38643，说明人均GDP每增加1元，平均来说可导致居民消费水平提高0.38643元。这与经济学中边际消费倾向的意义相符。
2，拟合优度和统计检验：通过Eviews软件，估计出可决系数R^2=0.988884，说明所建模型整体上对样本数据拟合较好，即解释变量“人均GDP”对被解释变量“居民消费水平”的绝大部分差异作出了解释。
对回归系数t的检验：针对H0：β1=0和β=0，通过Eviews软件，估计的回归系数β1的估计值的标准误差和t值分别为： 55.64114和4.031457；β2估计值的标准误差和t值分别为0.007743和49.90815.若取α=0.05，查t0.025（28）=2.048.因为β1和β2的估计值的t值都大于t0.025（28），所以拒绝H0，即表明，人均GDP对居民消费水平确有影响。
五、 实验结论
通过Eviews估计样本模型如下：
Ýt=224.3149+0.38643Xt
（55.64114）（0.007743）
T=（4.031457）（49.90815）
R^2=0.98884 F=2490.823 n=30
1，实验从科学的角度解释了人均GDP与居民消费之间的关
2，建立正确的回归预测模型是很关键的一步
3，简单随机模型是在一下假定的：零均值假定、同方差假定、无自相关假定、随机扰动与解释变量不相关假定、正态假定
4，普通最小二乘法估计参数的基本思想是基于随机误差值最小的
《计量经济学》课程实验报告2
专业 国际贸易 班级 B100906 姓名罗静 日期 2012.11.9
一、 实验目的
3． 掌握用Eviews软件求解多元线性回归模型的方法；
2．掌握用Eviews软件输出结果检验是否存在多重共线性；
3．掌握用Eviews软件模型中的纠正多重共线性。
二、 实验内容
首先分析解释变量和被解释变量之间的关系，然后建立相应的回归模型，利用Eviews软件最小二乘法进行参数估计，用经济意义检验，拟合优度检验和统计检验来判定是否存在多重共线性，若存在，用Eviews软件进行修正，最后的出修正的结果。
三、 实验数据
教材p119页，表4.3。
四、 实验步骤
1， 分析国内旅游收入、国内旅游人数、城镇居民人均旅游花费、农村居民人均旅游花费、公路里程、铁路里程之间的关系
2， 建立模型：Yt=β0+β1X1+β2X2+β3X3+β4X4+β5X5+β6X6+β7X7+Ut
3， 用Eviews估计参数。步骤如下（其他步骤参见实验一）：
首先建立数据文件Y和X2、X3、X4、X5、X6，其次输入各年对应数据，然后进行参数估计得到如下所示回归结果
4，模型检验：
1， 经济意义检验：所估计参数β6=-354.8261，说明公路里程每增加一个单位，国内旅游收入就减少-354.8261个单位，这与实际不相符合。
2， 拟合优度和t 统计检验：通过Eviews模型估计的可决系数R^2=0.997311，说明所建模型整体上对样本数据拟合较好，对国内旅游收入、国内旅游人数、城镇居民人均旅游花费、农村居民人均旅游花费、公路里程、铁路里程说明的大部分差异作出解释。
对回归系数t的检验：若取α=0.05，t0.025（8）=2.31，很显然x5、x6t检验部显著
3，由1,2可以表明，很可能存在严重的多重共线性。
5，修正多重共线性：
1，分别作y对先、x2、x3、x4、x5、x6的一元回归，结果如下
其中，加入x2的方程修正的R^2最大，x2为基础，顺次加入其他变量逐步回归，结果如下
经比较，新加入x3的方程拟合优度即修正的R^2=0.993519比较高，改进最大,而且各参数的t检验最显著，选择保留x3，再加入其他的新变量逐步回归，结果如下
当加入x4时，修正的R^2有所改进，保留x4，再加入其他变量逐步回归，结果如下
当加入x4时，修正的R^2有所增加，但其t检验不显著。加入x6后，修正R^2有所增加，但t检验部显著，且参数为负，与实际不相符合。从相关关系可知，x5、x6与其他变量高度相关，这说明主要是x5、x6引起了多重共线性，应当剔除。
五、 实验结论
最后修正多重共线性影响后的回归结果为
Ýt=-3136.713+0.00458X2t+3.66603X3t+2.17858X4t
（295.9214）（0.0027）（90.9568）（1.12342）
T=(9-10.5998）(16.0418)(3.83139)(1.974398)
R^2=0.996054 修正的R^2=0.99487 F=841.4324 DW=1.17632
1，在生活中的很多模型是存在多重共线性，利用Eviews软件，然后进行各种检验可基本判别哪些解释变量存在多重共线性
2，多重共线性的修正步骤比较多，但思路是比较清晰的，尤其是逐步回归法
3，逐步回归的结果虽然减轻多重共线性的目的，但某些解释变量被剔除，可能会给模型带来设定偏误，这是需要我们注意的
《计量经济学》课程实验报告3
专业国际贸易 班级 B100906 姓名 罗静 日期 2012.11.14
一、 实验目的
1．掌握用Eviews软件检验线性回归模型是否存在异方差的图形检验法、Goldfeld-Quanadt检验和White检验的方法；
2．掌握用Eviews软件消除模型中的异方差的方法；
二、 实验内容
根据实际分析医疗机构数和人口数的关系，建立回归模型，利用Eviews软件进行回归的参数预测，然后通过图形法、Goldfeld-Quanadt检验、White检验来判定模型是否存在异方差性，若存在，则进行模型修正。最后得出修正结果
三、 实验数据
教材p142-143页，表5.1。
四、 实验步骤
1， 分析医疗机构和人口数的关系
2， 模型建立：Yt=β1+β2X+Ut
3， 用Eviews估计参数。步骤如下（其他步骤参见实验一）：
首先建立数据文件Y和X1，其次输入各年对应数据，然后进行参数估计得到如下所示回归结果
4，模型的异方差检验：
1，图形法：1，生成残差平方序列ei^2，记为e2，路径：Object→Generate Series，进入Generate Series by Equation对话框，在对话框中输入“e2=（resid）^2”，则生成ei^2系列.
2，绘制et^2对Xt的散点图。选择变量X与e2，进入数据列表，再按路径View→Graph→Scatter，可得散点图，如下
3，判断，由图可知道，残差平方ei2对解释变量X的散点图主要分布在图形中的下三角部分，大致看出残差平方ei2随Xi的变动呈增大的趋势，因此模型很可能存在异方差。
2，Goldfeld-Quanadt检验：1，对变量取值排序。在Procs菜单中选Sort Series命令，选Ascending，表示递增型排序，输入X，点击Ok
2，构造子样本区间，建立回归模型。样本容量n=21，删除中间的4分之1，余下1-8,和14-21，在sample菜单中将区间定义为1-8，然后用OLS方法估计，结果如下
3，求F统计量。由以上Σe1i^2=144958.9，Σe2i^2=73588.4，那么
F=Σe1i^2÷Σe2i^2=73588.4÷144958.9=5.0762
4，判断，在α=0.05下，以上F统计量的自由度都为6，查F表可得F0.05（6,6）=4.28<F=5.0762，所以模型确实存在异方差。
3，White检验：对原始Y和X进行参数估计，然后按路径View→Residual→White heteroskedasticity，进入White检验，选择no cross terms，估计结果如下
由以上结果可得到，nR^2=18.07481,由White检验知，在α=0.05下，查
2 0.05（2）=5.9915，同时X和X2的t检验值也显著。因为nR^2=18.07481>2 .05（2）=5.9915，所以，表明模型存在异方差。
5，异方差的修正
运用加权最小二乘法，分别选择权数w1t=
/Xt，w2t=1/Xt^2，w3t=1/√Xt。权数的生成过程如下，在Enter equation处，分别输入w1=1/X，w2=1/X^2，w3=1/sqr（X），各种估计如下
由以上可知，w2的效果最好，那么估计结果如下
Ýi=368.6203+2.9528Xi
（4.3796）（3.5893）
R^2=0.9378 DW=1.7060 F=12.8829
五、 验结论
1，异方差在生活中很多见，利用Eviews估计检验异方差不能单靠图形法，还需要利用其他方法来进行确认是否存在异方差性，避免偶然错误，并且要注意他们的假设条件
2，在选择权数的时候一般选择1/X或者1/X^2，来尽量抵销异方差性
3，在选择使用Goldfeld-Quanadt检验时，选择排序类型对结果至关重要
4，修正异方差性的主要方法是加权最小二乘法，也可以用变量变换法和对数变换法