20##－2014第1学期
计量经济学实验报告
实验（二）：多元回归模型实验
学号： 姓名： 专业：
选课班级： 实验日期： 实验地点：
实验名称：多元回归模型实验
【实验目标、要求】
使学生掌握用Eviews做
1. 多元线性回归模型参数的OLS估计、统计检验、点预测和区间预测；
2. 非线性回归模型参数估计；
3. 受约束回归检验。
【实验内容】
用Eviews完成：
1. 多元线性回归模型参数的OLS估计、统计检验、点预测和区间预测；
2. 非线性回归模型的估计，并给出相应的结果。
3. 受约束回归检验。
实验内容以课后练习：以75页第8为例进行操作。
【实验步骤】
75页第8题
解：
（1）在Eviews中建立如下双对数变换模型：
估计结果如下：
有上述数据可得，样本回归方程为：
t=(1.586) (3.454) (1.790)
分析：
1）拟合优度说明：
表明，lnY的79.6%的变化可以由lnK与lnL的变化来解释。当职工人数不变时，资产每增加1个单位，工业总产值将增加0.6092；当资产不变时，职工人数每增加1个单位，工业总产值将增加0.3068。
F统计量说明：若给定5%的显著性水平，临界值
=3.34，
=2.048，由于F=59.66大于临界值，从总体上看，lnK与lnL对lnY的线性关系是显著的。
2）对参数的t值进行分析。lnK的参数所对应的t统计量3.454大于临界值的2.048，因此，该参数是显著的。但是lnL对应的t统计量1.790小于临界值2.048，该参数是不显著的。在假定的显著性水平为10%，临界值
=1.701，这时的参数就变为是显著的。
（2）由（1）可得，
，它表示资产投入K与劳动投入L的产出弹性近似为1，也就是说中国20##年的制造业总体呈现规模报酬不变的状态。下面用Eviews软件来进行检验。
1）原假设假定为
，将原模型转化为
估计得到的结果为：
由上面数据可知，该方程F统计量值12.27大于临界值3.34，其参数也通过的检验。在无约束条件下方程的残差平方和为RSS1=5.0703，在约束条件下的方程残差平方和RSS2=5.0886，建立F统计量：
在5%的显著性水平下，
=4.20，显然有F<，接受原假设，即可以认为中国20##年的制造业总体呈现规模报酬不变的状态。
第二篇：计量经济学实验八答案
1.
According to above table, we get the Durbin-Watson stat=0.627922 .
∵n=24 k=2,
Referring to the DW table ,we can get dl=1.27 du=1.45
∴there are first level positive relative between M and GDP
∵Obs*R-squared=15.8724>CHISQ(0.95,2)=5.991465
Besides t-statistic(resid(-1))= 6.230459>1.96besides t-Statistic(resid(-2))= -3.692278<-1.96
so there are second level relative between M and GDP
Because resid(-2) and resid(-3) are over 0.05, we can knowledge that here is not third-level positive
2.
3
According to the picture we can conclude that the relationship between sex .cannedveg.frozenmeal and beer is tight
4.The following three equations were estimated using the 1,534 observations in 401K.RAW:
(1) Which of these three models do you prefer. Why?
I prefer to the second model. because ,the reasons is as following:
Comparing the above three equations, the second’s R-squard and Adjusted R-squard is maximum.
Referring to the rules of thumb,toetemp belongs to the total number, so it should use logarithmic functional form
all the t-Statistic of three Coefficient >1.96,so it is significant.
（2）Fill in the blanks in the estimation output for the second model.
