实验报告：异方差的检验与修正——樊月 13241134
实验报告一：异方差的检验与修正实验一：
Y=-1168.455+0.201557X(2001Q1-2007Q1) （-1.6147）（11.4080）
∑21=20333301 R2=0.849815 e
Y=4126.255+0.186574X(2009Q4-2015Q4) （0.8309）（5.2491）
∑22=521000000
R2=0.5450 e
求F 统计量 F=
e ∑2
2
/
e
∑2
1
=25.6229,查F 分布表，给定显著性水平α=0.05，得临界值
)25,25(05.0F =1.96，比较F=25.6229>)25,25(05.0F =1.96则拒绝σσ2
2210:
=H ，表明
随机误差项显著异方差。
异方差的修正 1.WLS 估计法
Dependent Variable: Y Method: Least Squares
Date: 03/28/16 Time: 22:20Sample: 2001Q1 2015Q4Included observations: 60Weighting series: X^(-0.5)
Weight type: Inverse standard deviation (EViews default scaling)
Variable
Coefficient Std. Error t-Statistic Prob. C -2141.584594.5232-3.6021870.0007X
0.228845
0.008247
27.74893
0.0000
Weighted Statistics
R-squared
0.929952 Mean dependent var 14420.76Adjusted R-squared 0.928744 S.D. dependent var 6208.501S.E. of regression 2666.201 Akaike info criterion 18.64746Sum squared resid 4.12E+08 Schwarz criterion 18.71727Log likelihood -557.4239 Hannan-Quinn criter.18.67477F-statistic
770.0030 Durbin-Watson stat 1.984442Prob(F-statistic)
0.000000 Weighted mean dep.11606.11
Unweighted Statistics
R-squared
0.911314 Mean dependent var 17655.45Adjusted R-squared 0.909785 S.D. dependent var 11690.49S.E. of regression 3511.338 Sum squared resid 7.15E+08Durbin-Watson stat
1.975033
2.对数变换法
Dependent Variable: LOG(Y)
Method: Least Squares
Date: 03/28/16 Time: 22:24
Sample: 2001Q1 2015Q4
Included observations: 60
Variable Coefficient Std. Error t-Statistic Prob.
C-3.6123320.423149-8.5367900.0000 LOG(X) 1.1740240.03775431.096990.0000 R-squared0.943416 Mean dependent var9.526445 Adjusted R-squared0.942440 S.D. dependent var0.750638 S.E. of regression0.180090 Akaike info criterion-0.557954 Sum squared resid 1.881081 Schwarz criterion-0.488143 Log likelihood18.73863 Hannan-Quinn criter.-0.530647 F-statistic967.0231 Durbin-Watson stat 2.078750 Prob(F-statistic)0.000000
实验二：
Y=-1168.455+0.201557X(2001Q1-2007Q1) （-1.6147）（11.4080）
21=20333301 R2=0.849815 e
Y=4126.255+0.186574X(2009Q4-2015Q4) （0.8309）（5.2491）
R
2
=0.5450
e
∑22
=521000000
求F 统计量
F=
e ∑2
2
/
e
∑2
1
=25.6229,查F 分布表，给定显著性水平α=0.05，得临界值
)25,25(05.0F =1.96，比较F=25.6229>)25,25(05.0F =1.96则拒绝σσ2
2210:
=H ，表明
随机误差项显著异方差。
异方差的修正 1.WLS 估计法
Method: Least Squares
Date: 03/28/16 Time: 22:45
Sample: 2001Q1 2015Q4
Included observations: 60
Weighting series: X^(-0.5)
Weight type: Inverse standard deviation (EViews default scaling)
Variable Coefficient Std. Error t-Statistic Prob.
C1369.5942784.4270.4918770.6247
X 2.1643060.03862456.034740.0000
Weighted Statistics
R-squared0.981863 Mean dependent var158114.8 Adjusted R-squared0.981550 S.D. dependent var47804.02 S.E. of regression12487.05 Akaike info criterion21.73554 Sum squared resid9.04E+09 Schwarz criterion21.80535 Log likelihood-650.0661 Hannan-Quinn criter.21.76284 F-statistic3139.893 Durbin-Watson stat 1.447536 Prob(F-statistic)0.000000 Weighted mean dep.131389.0
Unweighted Statistics
R-squared0.978336 Mean dependent var188600.8 Adjusted R-squared0.977962 S.D. dependent var105302.4 S.E. of regression15632.31 Sum squared resid 1.42E+10 Durbin-Watson stat 1.496518
2.对数变换法
Dependent Variable: LOG(Y)
Method: Least Squares
Date: 03/28/16 Time: 22:47
Sample: 2001Q1 2015Q4
Included observations: 60
Variable Coefficient Std. Error t-Statistic Prob.
C0.8347690.177092 4.7137650.0000 LOG(X)0.9950890.01580062.979370.0000 R-squared0.985588 Mean dependent var11.97105 Adjusted R-squared0.985339 S.D. dependent var0.622472 S.E. of regression0.075369 Akaike info criterion-2.300066 Sum squared resid0.329472 Schwarz criterion-2.230255 Log likelihood71.00198 Hannan-Quinn criter.-2.272759 F-statistic3966.400 Durbin-Watson stat 1.462479 Prob(F-statistic)0.000000
实验三：
Method: Least Squares
Date: 03/29/16 Time: 14:36
Sample: 2009M07 2014M12
Included observations: 66
Variable Coefficient Std. Error t-Statistic Prob.
C50738.187172.9527.0735420.0000
X7.1752200.22066332.516690.0000 R-squared0.942925 Mean dependent var280869.5 Adjusted R-squared0.942033 S.D. dependent var39389.25 S.E. of regression9483.456 Akaike info criterion21.18232 Sum squared resid 5.76E+09 Schwarz criterion21.24867 Log likelihood-697.0166 Hannan-Quinn criter.21.20854 F-statistic1057.335 Durbin-Watson stat0.679744 Prob(F-statistic)0.000000
Method: Least Squares
Date: 03/29/16 Time: 14:44
Sample: 2009M07 2011M12
Included observations: 30
Variable Coefficient Std. Error t-Statistic Prob.
C62809.8212024.98 5.2232800.0000
X 6.6908380.43384015.422370.0000 R-squared0.894677 Mean dependent var246627.0 Adjusted R-squared0.890916 S.D. dependent var26433.42 S.E. of regression8730.405 Akaike info criterion21.05135 Sum squared resid 2.13E+09 Schwarz criterion21.14476 Log likelihood-313.7703 Hannan-Quinn criter.21.08124 F-statistic237.8495 Durbin-Watson stat0.401115 Prob(F-statistic)0.000000
Dependent Variable: Y
Method: Least Squares
Date: 03/29/16 Time: 14:44
Sample: 2012M07 2014M12
Included observations: 30
Variable Coefficient Std. Error t-Statistic Prob.
C113140.121092.04 5.3641140.0000
X 5.5493700.5756199.6407060.0000 R-squared0.768486 Mean dependent var315969.7 Adjusted R-squared0.760218 S.D. dependent var16740.03 S.E. of regression8197.180 Akaike info criterion20.92531 Sum squared resid 1.88E+09 Schwarz criterion21.01872 Log likelihood-311.8796 Hannan-Quinn criter.20.95519 F-statistic92.94320 Durbin-Watson stat 1.106176 Prob(F-statistic)0.000000
Method: Least Squares
Date: 03/29/16 Time: 15:07
Sample: 2009M07 2014M12
Included observations: 66
Weighting series: X^(-0.5)
Weight type: Inverse standard deviation (EViews default scaling)
Variable Coefficient Std. Error t-Statistic Prob.
C49397.046744.7887.3237360.0000
X7.2170350.21346733.808710.0000
Weighted Statistics
R-squared0.946977 Mean dependent var277516.0 Adjusted R-squared0.946149 S.D. dependent var17635.27 S.E. of regression9448.365 Akaike info criterion21.17491 Sum squared resid 5.71E+09 Schwarz criterion21.24126 Log likelihood-696.7719 Hannan-Quinn criter.21.20112 F-statistic1143.029 Durbin-Watson stat0.644480 Prob(F-statistic)0.000000 Weighted mean dep.274040.9
Unweighted Statistics
R-squared0.942893 Mean dependent var280869.5 Adjusted R-squared0.942001 S.D. dependent var39389.25 S.E. of regression9486.116 Sum squared resid 5.76E+09 Durbin-Watson stat0.680636
Dependent Variable: LOG(Y)
Method: Least Squares
Date: 03/29/16 Time: 15:08
Sample: 2009M07 2014M12
Included observations: 66
Variable Coefficient Std. Error t-Statistic Prob.
C 4.0791200.25056516.279700.0000
LOG(X)0.8161440.02417933.753610.0000 R-squared0.946813 Mean dependent var12.53541 Adjusted R-squared0.945982 S.D. dependent var0.146397 S.E. of regression0.034025 Akaike info criterion-3.893600 Sum squared resid0.074093 Schwarz criterion-3.827247 Log likelihood130.4888 Hannan-Quinn criter.-3.867381 F-statistic1139.306 Durbin-Watson stat0.625077 Prob(F-statistic)0.000000
异方差性检验
金融122班 23号钟萌 异方差性检验 引入滞后变量X-1、X-2、Y-1 。可建立如下中国居民消费函数： Y=β0+β1X+β2X(-1)+β3X(-2)+β4Y(-1) 用OLS法进行估计，结果如下： 对应的表达式为 Y=429.3512+0.143X-0.104X(-1)+0.063X(-2)+0.838Y(-1) 2.18 2.09 -0.73 0.63 7.66 R2=0.9988 F=4503.94 估计结果显示，在5%的显著性水平下，自由度为25的临界值为2.060，若存在异方差性，则可能是由X、Y（-1）引起的。
做OLS回归得到的残差平方项分别与X、Y(-1)的散点图
从散点图可以看出，两者存在异方差性。下面进行统计检验。 采用White异方差检验： 所以辅助回归结果为： e2=-194156.4-249.491X+0.003X2+265.306X(-1)-0.004X(-1)2+4.187X(-2)- 0.001X(-2)2 +51.377Y(-1)+0.001Y(-1)2 -1.566 -4.604 2.863 2.648 -1.604 0.055 -0.301 0.579 0.410 X与X的平方项的参数的t检验是显著的，且White统计量为
16.999>5%显著性水平下，自由度为8的卡方分布值15.51，(从nR2 统计量的对应值的伴随概率值容易看出）所以在5%的显著性水平下，拒绝同方差性这一原假设，方程确实存在异方差性。 用加权最小二乘法对异方差性进行修正，重新进行回归估计， 得到加权后消除异方差性的估计结果： 回归表达式为： Y=275.0278-0.0192X+0.1617X(-1)-0.0732X(-2)+0.9165Y(-1) 3.5753 -0.3139 1.3190 -1.0469 16.5504
异方差实验报告
附件二：实验报告格式（首页） 山东轻工业学院实验报告成绩 课程名称计量经济学指导教师实验日期 2013.5.18 院（系）商学院会计系专业班级会计实验地点实验楼二机房 学生姓名学号同组人无 实验项目名称异方差的检验 一、实验目的和要求 1、理解异方差的含义后果、 2、学会异方差的检验与加权最小二乘法要求熟悉基本操作步骤，读懂各项上机榆出结果 的含义并进行分析 3、掌握异方差性问题出现的来源、后果、检验及修正的原理，以及相关的Eviews操 作方法 4、练习检查和克服模型的异方差的操作方法。 5、掌握异方差性的检验及处理方法 6、用图示法、斯皮尔曼法、戈德菲尔德、white验证法，验证该模型是否存在异方差 二、实验原理 1、异方差的检验出消除方法 2、运用EVIEWS软件及普通最小二乘法进行模型估计 3、检验模型的异方差性并对其进行调整 三、主要仪器设备、试剂或材料 Eviews软件、课本教材、电脑 四、实验方法与步骤 一、准备工作。建立工作文件，并输入数据，用普通最小二乘法估计方程（操作步骤 与方法同前），得到残差序列。 1、CREATE U 1 31 回车 2、DATA Y X 回车 输入数据
obs Y X 1 264 8777 2 105 9210 3 90 9954 4 131 10508 5 122 10979 6 10 7 11912 7 406 12747 8 503 13499 9 431 14269 10 588 15522 11 898 16730 12 950 17663 13 779 18575 14 819 19635 15 1222 21163 16 1702 22880 17 1578 24127 18 1654 25604 19 1400 26500 20 1829 26760 21 2200 28300 22 2017 27430 23 2105 29560 24 1600 28150 25 2250 32100 26 2420 32500 27 2570 35250 28 1720 33500 29 1900 36000 30 2100 36200 31 2800 38200 3、LS Y C X 回车 用最小二乘法进行估计出现 Dependent Variable: Y Method: Least Squares Date: 05/18/13 Time: 11:19 Sample: 1 31 Included observations: 31 Variable Coefficien t Std. Error t-Statistic Prob.
计量经济学异方差的检验与修正
《计量经济学》实训报告 实训项目名称异方差模型的检验与处理 实训时间 2012-01-02 实训地点实验楼308 班级 学号 姓名
实 训 (实 践 ) 报 告 实 训 名 称 异方差模型的检验与处理 一、 实训目的 掌握异方差性的检验及处理方法。 二 、实训要求 1.求销售利润与销售收入的样本回归函数，并对模型进行经济意义检验和统计检验； 2.分别用图形法、Goldfeld-Quant 检验、White 方法检验模型是否存在异方差； 3.如果模型存在异方差，选用适当的方法对异方差进行修正，消除或减小异方差对模型的影响。 三、实训内容 建立并检验我国制造业利润函数模型，检验异方差性，并选用适当方法对其进行修正，消除或不同） 四、实训步骤 1.建立一元线性回归方程； 2.建立Workfile 和对象，录入数据； 3.分别用图形法、Goldfeld-Quant 检验、White 方法检验模型是否存在异方差； 4.对所估计的模型再进行White 检验，观察异方差的调整情况，从而消除或减小异方差对模型的影响。 五、实训分析、总结 表1列出了1998年我国主要制造工业销售收入与销售利润的统计资料。假设销售利润与销售收入之间满足线性约束，则理论模型设定为： 12i i i Y X u ββ=++ 其中i Y 表示销售利润，i X 表示销售收入。
表1 我国制造工业1998年销售利润与销售收入情况 行业名称销售利润Y 销售收入X 行业名称销售利润销售收入 食品加工业187.25 3180.44 医药制造业238.71 1264.1 食品制造业111.42 1119.88 化学纤维制品81.57 779.46 饮料制造业205.42 1489.89 橡胶制品业77.84 692.08 烟草加工业183.87 1328.59 塑料制品业144.34 1345 纺织业316.79 3862.9 非金属矿制品339.26 2866.14 服装制品业157.7 1779.1 黑色金属冶炼367.47 3868.28 皮革羽绒制品81.7 1081.77 有色金属冶炼144.29 1535.16 木材加工业35.67 443.74 金属制品业201.42 1948.12 家具制造业31.06 226.78 普通机械制造354.69 2351.68 造纸及纸品业134.4 1124.94 专用设备制造238.16 1714.73 印刷业90.12 499.83 交通运输设备511.94 4011.53 文教体育用品54.4 504.44 电子机械制造409.83 3286.15 石油加工业194.45 2363.8 电子通讯设备508.15 4499.19 化学原料纸品502.61 4195.22 仪器仪表设备72.46 663.68 1.建立Workfile和对象，录入销售收入X和销售利润Y： 图1 销售收入X和销售利润Y的录入 2.图形法检验 ⑴观察销售利润Y与销售收入X的相关图：在群对象窗口工具栏中点击
spss实验报告---方差分析
实验报告 ——（方差分析） 一、实验目的 熟练使用SPSS软件进行方差分析。学会通过方差分析分析不同水平的控制变量是否对结果产生显著影响。 二、实验内容 1、某职业病防治院对31名石棉矿工中的石棉肺患者、可疑患者及非患者进行了用力肺活量（L）测定，问三组石棉矿工的用力肺活量有无差别?（自建数据集） 石棉肺患者可疑患者非患者 1.8 2.3 2.9 1.4 2.1 3.2 1.5 2.1 2.7 2.1 2.1 2.8 1.9 2.6 2.7 1.7 2.5 3.0 1.8 2.3 3.4 1.9 2.4 3.0 1.8 2.4 3.4 1.8 3.3 2.0 3.5 SPSS计算结果： 在建立数据集时定义group1为石棉肺患者，group2为可疑患者，group3为非患者。 零假设：各水平下总体方差没有显著差异。 相伴概率为0.075，大于0.05，可以认为各个组的方差是相等的，可以进行方差检验。
从上表可以看出3个组之间的相伴概率都小于显著性水平0.05，拒绝零假设，说明3个组之间都存在显著差别。 2、某汽车经销商在不同城市进行调查汽车的销售量数据分析工作，每个城市分别处于不同的区域：东部、西部和中部，而且汽车经销商在不同城市投放不同类型的广告，调查数据放置于附件中数据文件“汽车销量调查.sav”。 （1）试分析不同区域与不同广告类型是否对汽车的销量产生显著性的影响？（2）如果考虑到不同城市人均收入具有差异度时，再思考不同区域和不同广告类型对汽车销量产生的影响差异是否改变，这说明什么问题？ SPSS计算结果： （1）此为多因素方差分析 相伴概率为0.054大于0.05，可以认为各个组总体方差相等可以进行方差检验。
异方差检验
七、 异方差与自相关 一、背景 我们讨论如果古典假定中的同方差和无自相关假定不能得到满足，会引起什 么样的估计问题呢？另一方面，如何发现问题，也就是发现和检验异方差以及自 相关的存在性也是一个重要的方面，这个部分就是就这个问题进行讨论。 二、知识要点 1、引起异方差的原因及其对参数估计的影响 2、异方差的检验（发现异方差） 3、异方差问题的解决办法 4、引起自相关的原因及其对参数估计的影响 5、自相关的检验（发现自相关） 6、自相关问题的解决办法 （时间序列部分讲解） 三、要点细纲 1、引起异方差的原因及其对参数估计的影响 原因：引起异方差的众多原因中，我们讨论两个主要的原因，一是模型的设定偏 误，主要指的是遗漏变量的影响。这样，遗漏的变量就进入了模型的残差项中。 当省略的变量与回归方程中的变量有相关关系的时候，不仅会引起内生性问题， 还会引起异方差。二是截面数据中总体各单位的差异。 后果：异方差对参数估计的影响主要是对参数估计有效性的影响。在存在异方差 的情况下，OLS 方法得到的参数估计仍然是无偏的，但是已经不具备最小方差 性质。一般而言，异方差会引起真实方差的低估，从而夸大参数估计的显著性， 即是参数估计的t 统计量偏大，使得本应该被接受的原假设被错误的拒绝。 2、异方差的检验 （1）图示检验法 由于异方差通常被认为是由于残差的大小随自变量的大小而变化，因此，可 以通过散点图的方式来简单的判断是否存在异方差。具体的做法是，以回归的残 差的平方2i e 为纵坐标，回归式中的某个解释变量i x 为横坐标，画散点图。如果散 点图表现出一定的趋势，则可以判断存在异方差。
试验一异方差的检验与修正-时间序列分析
案例三 ARIMA 模型的建立 一、实验目的 了解ARIMA 模型的特点和建模过程，了解AR ，MA 和ARIMA 模型三者之间的区别与联系，掌握如何利用自相关系数和偏自相关系数对ARIMA 模型进行识别，利用最小二乘法等方法对ARIMA 模型进行估计，利用信息准则对估计的ARIMA 模型进行诊断，以及如何利用ARIMA 模型进行预测。掌握在实证研究如何运用Eviews 软件进行ARIMA 模型的识别、诊断、估计和预测。 二、基本概念 所谓ARIMA 模型，是指将非平稳时间序列转化为平稳时间序列，然后将平稳的时间序列建立ARMA 模型。ARIMA 模型根据原序列是否平稳以及回归中所含部分的不同，包括移动平均过程（MA ）、自回归过程（AR ）、自回归移动平均过程（ARMA ）以及ARIMA 过程。 在ARIMA 模型的识别过程中，我们主要用到两个工具：自相关函数ACF ，偏自相关函数PACF 以及它们各自的相关图。对于一个序列{}t X 而言，它的第j 阶自相关系数j ρ为它的j 阶自协方差除以方差，即j ρ＝j 0γγ ，它是关于滞后期j 的函数，因此我们也称之为自相关函数，通常记ACF(j )。偏自相关函数PACF(j )度量了消除中间滞后项影响后两滞后变量之间的相关关系。 三、实验内容及要求 1、实验内容： （1）根据时序图的形状，采用相应的方法把非平稳序列平稳化； （2）对经过平稳化后的1950年到2007年中国进出口贸易总额数据运用经典B-J 方法论建立合适的ARIMA （,,p d q ）模型，并能够利用此模型进行进出口贸易总额的预测。 2、实验要求： （1）深刻理解非平稳时间序列的概念和ARIMA 模型的建模思想； （2）如何通过观察自相关，偏自相关系数及其图形，利用最小二乘法，以及信息准则建立合适的ARIMA 模型；如何利用ARIMA 模型进行预测； （3）熟练掌握相关Eviews 操作，读懂模型参数估计结果。 四、实验指导 1、模型识别 （1）数据录入 打开Eviews 软件，选择“File”菜单中的“New --Workfile”选项，在“Workfile structure type ”栏选择“Dated –regular frequency ”，在“Date specification ”栏中分别选择“Annual ”(年数据) ，分别在起始年输入1950，终止年输入2007，点击ok ，见图3-1，这样就建立了一个工作文件。点击File/Import ，找到相应的Excel 数据集，导入即可。
方差分析实验报告
非参数检验 实验报告 方差分析 学院: 参赛队员: 参赛队员: 参赛队员: 指导老师:
目录 一、实验目的 (1) 1.了解方差分析的基本内容； (1) 2.了解单因素方差分析； (1) 3.了解多因素方差分析； (1) 4.学会运用spss软件求解问题； (1) 5.加深理论与实践相结合的能力。 (1) 二、实验环境 (1) 三、实验方法 (1) 1. 单因素方差分析； (1) 2. 多因素方差分析。 (1) 四、实验过程 (1) 问题一： (1) 1.1实验过程 (1) 1.1.1输入数据，数据处理； (1) 1.1.2单因素方差分析 (1) 1.2输出结果 (3) 1.3结果分析 (3) 1.3.1描述 (3) 1.3.2方差性检验 (4) 1.3.3单因素方差分析 (4) 问题二： (4) 2.1实验步骤 (5) 2.1.1命名变量 (5) 2.1.2导入数据 (5) 2.1.3单因素方差分析 (5) 2.1.4输出结果 (7) 2.2结果分析 (7) 2.2.1描述 (7) 2.2.2方差性检验 (8)
2.2.3单因素方差分析 (8) 问题三： (8) 3.1提出假设 (8) 3.2实验步骤 (8) 3.2.1数据分组编号 (8) 3.2.2多因素方差分析 (9) 3.2.3输出结果 (13) 3.3结果分析 (14) 五、实验总结 (14)
方差分析 一、实验目的 1.了解方差分析的基本内容； 2.了解单因素方差分析； 3.了解多因素方差分析； 4.学会运用spss软件求解问题； 5.加深理论与实践相结合的能力。 二、实验环境 Spss、office 三、实验方法 1.单因素方差分析； 2.多因素方差分析。 四、实验过程 问题一： 1.1.1输入数据，数据处理； 1.1.2单因素方差分析 选择：分析→比较均值→单因素AVONA；
异方差性的检验及处理方法
实验四异方差性 【实验目的】 掌握异方差性的检验及处理方法 【实验内容】 建立并检验我国制造业利润函数模型 【实验步骤】 【例1】表1列出了1998年我国主要制造工业销售收入与销售利润的统计资料，请利用统计软件Eviews建立我国制造业利润函数模型。 一、检验异方差性 ⒈图形分析检验 ⑴观察销售利润（Y）与销售收入（X）的相关图(图1)：SCAT X Y 图1 我国制造工业销售利润与销售收入相关图 从图中可以看出，随着销售收入的增加，销售利润的平均水平不断提高，但离散程度也逐步扩大。这说明变量之间可能存在递增的异方差性。
⑵残差分析 首先将数据排序（命令格式为：SORT 解释变量），然后建立回归方程。在方程窗口中点击Resids按钮就可以得到模型的残差分布图（或建立方程后在Eviews工作文件窗口中点击resid对象来观察）。 图2 我国制造业销售利润回归模型残差分布 图2显示回归方程的残差分布有明显的扩大趋势，即表明存在异方差性。 ⒉Goldfeld-Quant检验 ⑴将样本按解释变量排序（SORT X）并分成两部分（分别有1到10共11个样本合19到28共10个样本） ⑵利用样本1建立回归模型1（回归结果如图3），其残差平方和为2579.587。 SMPL 1 10 LS Y C X 图3 样本1回归结果 ⑶利用样本2建立回归模型2（回归结果如图4），其残差平方和为63769.67。 SMPL 19 28 LS Y C X
图4 样本2回归结果 ⑷计算F 统计量：12/RSS RSS F =＝63769.67/2579.59=24.72，21RSS RSS 和分别是模型1和模型2的残差平方和。 取 05 .0=α时，查F 分布表得 44.3)1110,1110(05.0=----F ，而 44.372.2405.0=>=F F ，所以存在异方差性 ⒊White 检验 ⑴建立回归模型：LS Y C X ，回归结果如图5。 图5 我国制造业销售利润回归模型 ⑵在方程窗口上点击View\Residual\Test\White Heteroskedastcity,检验结果如图6。 图6 White 检验结果
计量经济学异方差实验报告材料二
实验报告2 实验目的：掌握异方差的检验及处理方法。 实验容：检验家庭人均纯收入与家庭生活消费支出可能存在的异方差性。有关数据如下：其中，收入为X，家庭生活消费支出为Y。 地区家庭人均 纯收入 家庭生活 消费支出地区 家庭人均 纯收入 家庭生活 消费支出 北京9439.63 6399.27 湖北3997.48 3090 天津7010.06 3538.31 湖南3904.2 3377.38 河北4293.43 2786.77 广东5624.04 4202.32 山西3665.66 2682.57 广西3224.05 2747.47 3953.1 3256.15 海南3791.37 2556.56 辽宁4773.43 3368.16 重庆3509.29 2526.7 吉林4191.34 3065.44 四川3546.69 2747.27 4132.29 3117.44 贵州2373.99 1913.71 上海10144.62 8844.88 云南2634.09 2637.18 江苏6561.01 4786.15 西藏2788.2 2217.62 浙江8265.15 6801.6 陕西2644.69 2559.59 安徽3556.27 2754.04 甘肃2328.92 2017.21 福建5467.08 4053.47 青海2683.78 2446.5 江西4044.7 2994.49 宁夏3180.84 2528.76 山东4985.34 3621.57 新疆3182.97 2350.58 河南3851.6 2676.41 实验步骤如下： 一、建立有关模型分析异方差检验如下。 方法一、图示法。（两种） （一）、x y 相关分析 从图中可以看出，随着收入的增加，家庭生活消费支出不断的提高，但离散程度也逐步扩大。这说明变量之间可能存在递增的异方差性。 建立模型： 1、从图中可以看出，x y不是简单的线性关系。建立线性回归方程如下， LS Y C X
方差分析与假设检验实验报告
云南大学滇池学院 方差分析与假设检验实验报告二 学生姓名：方炜学号：20092123080 专业：软件工程 一、实验目的和要求： 1、初步了解SPSS的基本命令； 2、掌握方差分析和假设检验。 二、实验内容： 1、为比较5中品牌的合成木板的耐久性，对每个品牌取4个样本作摩擦试验测量磨损量，得以下数据： （1）它们的耐久性有无明显差异？ （2）有选择的作两品牌的比较，能得出什么结果？
2、将土质基本相同的一块耕地分成5块，每块又分成均等的4小块。在每块地内把4个品 种的小麦分钟在4小块内，每小块的播种量相同，测得收获量如下： 考察地块和品种对小麦的收获量有无显著影响？并在必要时作进一步比较。 3、为了研究合成纤维收缩率和拉伸倍数对纤维弹性的影响进行了一些试验。收缩率取0，4， 8，12四个水平；拉伸倍数取460，520，580，640四个水平，对二者的每个组合重复作两次试验，所得数据如下：
（1）收缩率，拉伸倍数及其交互作用对弹性有无显著影响？ （2）使弹性达到最大的生产条件是什么？ 三、实验结果与分析： 1、运行结果截图： 1、结果分析： （1）、Sig<0.05，耐久性有明显差异 （2）、由样本分析，品牌3分为一类；品牌1，2，5分为一类；品牌4分为一类。而品牌3和品牌4差距最大，品牌3的耐久性最差，品牌4的耐久性最好。 2、运行结果截图：
2、结果分析： （1）、地块（A组）Sig>0.05对小麦的收获量无显著影响，品种（B组）Sig<0.05对小麦的收获量有显著影响。 （2）、由图得，地块4最适合种小麦，地块1最不适合种小麦；而品种2的小麦收获量最大，品种4的小麦收获量最小。 3、运行结果截图：
异方差性的检验和补救
异方差性的检验和补救 一、研究目的和要求 表1列出了1998年我国主要制造工业销售收入与销售利润的统计资料，请利用统计软件Eviews建立我国制造业利润函数模型，检验其是否存在异方差，并加以补救。 表1 我国制造工业1998年销售利润与销售收入情况 二、参数估计 EVIEWS 软件估计参数结果如下
Dependent Variable: Y Method: Least Squares Date: 06/01/16 Time: 20:16 Sample: 1 28 Included observations: 28 Variable Coefficient Std. Error t-Statistic Prob. C 12.03349 19.51809 0.616530 0.5429 X 0.104394 0.008442 12.36658 0.0000 R-squared 0.854694 Mean dependent var 213.4639 Adjusted R-squared 0.849105 S.D. dependent var 146.4905 S.E. of regression 56.90455 Akaike info criterion 10.98938 Sum squared resid 84191.34 Schwarz criterion 11.08453 Log likelihood -151.8513 Hannan-Quinn criter. 11.01847 F-statistic 152.9322 Durbin-Watson stat 1.212781 Prob(F-statistic) 0.000000 用规范的形式将参数估计和检验结果写下 2?12.033490.104394(19.51809)(0.008442) =(0.616530) (12.36658)0.854694152.9322 i Y X t R F =+ = = 三、 检验模型的异方差 （一） 图形法 1. 相关关系图 X Y X Y 相关关系图
计量经济学多元线性回归、多重共线性、异方差实验报告概要
计量经济学实验报告
多元线性回归、多重共线性、异方差实验报告 一、研究目的和要求： 随着经济的发展，人们生活水平的提高，旅游业已经成为中国社会新的经济增长点。旅游产业是一个关联性很强的综合产业，一次完整的旅游活动包括吃、住、行、游、购、娱六大要素，旅游产业的发展可以直接或者间接推动第三产业、第二产业和第一产业的发展。尤其是假日旅游，有力刺激了居民消费而拉动内需。2012年，我国全年国内旅游人数达到30.0亿人次，同比增长13.6%，国内旅游收入2.3万亿元，同比增长19.1%。旅游业的发展不仅对增加就业和扩大内需起到重要的推动作用，优化产业结构，而且可以增加国家外汇收入，促进国际收支平衡，加强国家、地区间的文化交流。为了研究影响旅游景区收入增长的主要原因，分析旅游收入增长规律，需要建立计量经济模型。 影响旅游业发展的因素很多，但据分析主要因素可能有国内和国际两个方面，因此在进行旅游景区收入分析模型设定时，引入城镇居民可支配收入和旅游外汇收入为解释变量。旅游业很大程度上受其产业本身的发展水平和从业人数影响，固定资产和从业人数体现了旅游产业发展规模的内在影响因素，因此引入旅游景区固定资产和旅游业从业人数作为解释变量。因此选取我国31个省市地区的旅游业相关数据进行定量分析我国旅游业发展的影响因素。 二、模型设定 根据以上的分析，建立以下模型 Y=β 0+β1X 1 +β2X 2 +β 3 X 3 +β 4 X 4 +Ut 参数说明： Y ——旅游景区营业收入/万元 X 1 ——旅游业从业人员/人 X 2 ——旅游景区固定资产/万元 X 3 ——旅游外汇收入/万美元 X 4 ——城镇居民可支配收入/元
异方差的检验与修正
财经学院 本科实验报告 学院（部）统计学院 实验室313 课程名称计量经济学 学生姓名 学号1204100213 专业统计学 教务处制 2014年12 月15 日
《异方差》实验报告
五、实验过程原始记录(数据、图表、计算等) 一．选择数据 1.建立工作文件并录入数据File\New\workfile, 弹出Workfile create 对话框中选择数据类型。Object\new object\group,按向上的方向键，出现两个obs 后输入数据. 中国地2006年各地区农村居民家庭人均纯收入与消费支出 单位：元 城市 y x1 x2 城市 y x1 x2 5724.5 958.3 7317.2 2732.5 1934.6 1484.8 3341.1 1738.9 4489 3013.3 1342.6 2047 2495.3 1607.1 2194.7 3886 1313.9 3765.9 2253.3 1188.2 1992.7 广西 2413.9 1596.9 1173.6 2772 2560.8 781.1 2232.2 2213.2 1042.3 3066.9 2026.1 2064.3 2205.2 1234.1 1639.7 2700.7 2623.2 1017.9 2395 1405 1597.4 2618.2 2622.9 929.5 1627.1 961.4 1023.2 8006 532 8606.7 2195.6 1570.3 680.2 4135.2 1497.9 4315.3 2002.2 1399.1 1035.9 6057.2 1403.1 5931.7 2181 1070.4 1189.8 2420.9 1472.8 1496.3 1855.5 1167.9 966.2 3591.4 1691.4 3143.4 2179 1274.3 1084.1 2676.6 1609.2 1850.3 2247 1535.7 1224.4 3143.8 1948.2 2420.1 2032.4 2267.4 469.9 2229.3 1844.6 1416.4 二．对数据进行参数估计，得出多元线性回归模型 1.模型设定为εβββ+++=23121i i i X X Y Yi ----人均消费支出 X1--从事农业经营的纯收入 X2--其他来源的纯收入 2.点Quick\estimate equation,在弹出的对话框中输入”Y C X ”，结果如下：
方差分析实验报告
实验报告 方差分析 学院: 参赛队员: 参赛队员: 参赛队员: 指导老师:
目录 一、实验目的 (4) 1.了解方差分析的基本内容； (4) 2.了解单因素方差分析； (4) 3.了解多因素方差分析； (4) 4.学会运用spss软件求解问题； (4) 5.加深理论与实践相结合的能力。 (4) 二、实验环境 (4) 三、实验方法 (4) 1. 单因素方差分析； (4) 2. 多因素方差分析。 (4) 四、实验过程 (4) 问题一： (4) 1.1实验过程 (4) 1.1.1输入数据，数据处理； (4) 1.1.2单因素方差分析 (4) 1.2输出结果 (6) 1.3结果分析 (6) 1.3.1描述 (6) 1.3.2方差性检验 (7) 1.3.3单因素方差分析 (7) 问题二： (7) 2.1实验步骤 (8) 2.1.1命名变量 (8) 2.1.2导入数据 (8) 2.1.3单因素方差分析 (8) 2.1.4输出结果 (10) 2.2结果分析 (10) 2.2.1描述 (10) 2.2.2方差性检验 (11) 2.2.3单因素方差分析 (11)
问题三： (11) 3.1提出假设 (11) 3.2实验步骤 (11) 3.2.1数据分组编号 (11) 3.2.2多因素方差分析 (12) 3.2.3输出结果 (16) 3.3结果分析 (17) 五、实验总结 (17) 方差分析
一、实验目的 1.了解方差分析的基本内容； 2.了解单因素方差分析； 3.了解多因素方差分析； 4.学会运用spss软件求解问题； 5.加深理论与实践相结合的能力。 二、实验环境 Spss、office 三、实验方法 1. 单因素方差分析； 2. 多因素方差分析。 四、实验过程 问题一： 1.1.1输入数据，数据处理； 1.1.2单因素方差分析 选择：分析→比较均值→单因素AVONA；
实验异方差地检验与修正
实验异方差的检验与修正 实验目的 1、理解异方差的含义后果、 2、学会异方差的检验与加权最小二乘法 实验容 一、准备工作。建立工作文件，并输入数据，用普通最小二乘法估计方程（操作 步骤与方法同前），得到残差序列。 表2列出了1998年我国主要制造工业销售收入与销售利润的统计资料，请利用统计软件Eviews建立我国制造业利润函数模型。 表2 我国制造工业1998年销售利润与销售收入情况 二、异方差的检验 1、图形分析检验 ⑴观察销售利润（Y）与销售收入（X）的相关图(图3-1)：SCAT X Y
图3-1 我国制造工业销售利润与销售收入相关图 从图中可以看出，随着销售收入的增加，销售利润的平均水平不断提高，但离散程度也逐步扩大。这说明变量之间可能存在递增的异方差性。 ⑵残差分析 首先将数据排序（命令格式为：SORT 解释变量），然后建立回归方程。在方程窗口中点击Resids按钮就可以得到模型的残差分布图（或建立方程后在Eviews工作文件窗口中点击resid对象来观察）。 图3-2 我国制造业销售利润回归模型残差分布 图3-2显示回归方程的残差分布有明显的扩大趋势，即表明存在异方差性。 2、Goldfeld-Quant检验 ⑴将样本安解释变量排序（SORT X）并分成两部分（分别有1到10共11个样本合19到28共10个样本） ⑵利用样本1建立回归模型1（回归结果如图3-3），其残差平方和为2579.587。 SMPL 1 10 LS Y C X
图3-3 样本1回归结果 ⑶利用样本2建立回归模型2（回归结果如图3-4），其残差平方和为63769.67。 SMPL 19 28 LS Y C X 图3-4 样本2回归结果 ⑷计算F 统计量：12/RSS RSS F =＝63769.67/2579.59=24.72，21RSS RSS 和分别是模型1和模型2的残差平方和。 取05.0=α时，查F 分布表得44.3)1110,1110(05.0=----F ，而 44.372.2405.0=>=F F ，所以存在异方差性 3、White 检验 ⑴建立回归模型：LS Y C X ，回归结果如图3-5。
计量经济学截面数据异方差检验(借鉴资料)
某家庭对某种消费品的消费需要研究 一、经济理论陈述，变量确定 某家庭对某消费品的消费需要可以由该家庭的消费支出来表示，消费支出受商品价格、家庭月收入两个因素影响。用EVIEWS软件对相关数据进行了多元回归分析，得出了相关结论。 其中，被解释变量为：对某商品的消费支出（Y） 解释变量为：商品单价（X1）、家庭月收入（X2）二、模型形式的确定：散点图 通过OLS可得模型的散点图如下：
从散点图可以看出该家庭对某商品的消费支出(Y)和商品单价（X1）、家庭月收入（X2）大体呈现为线性关系， 三、建立模型 利用书P105页第11题数据，建立截面数据的计量经济模型，并进行回归分析。假设建立如下线性二元回归模型： Y=C+β1X1+β2X2+μ 其中，Y表示对某商品的消费支出，X1表示商品单价，X2表示家庭月收入，μ表示随机误差项。 1、参数估计： 假定所建模型及随机扰动项μ满足古典假定，可以用OLS 法估计其参数，运用计算机软件EViews作计量经济分析。通过OLS可得：
参数和估计结果为： =∧Y 626.5093-9.79057X1+0.028618X2 2、经济意义检验 所估计的参数β1=—9.79057，说明商品单价每提高1元，可导致对某商品的消费支出减少9.79057元。β2=0.028618，说明家庭月收入每提高1元，可导致对某商品的消费支出增加0.028618元，这与经济学中边际消费倾向的意义相符。 3、统计学检验 （1）拟合优度检验： 从回归估计的结果看，模型拟合较好：可决系数R 2=0.902218说明所建模型整体上对样本数据拟合较好，即解释变量“商
多元线性回归实验报告
实验题目：多元线性回归、异方差、多重共线性 实验目的：掌握多元线性回归的最小二乘法，熟练运用Eviews软件的多元线性回归、异方差、多重共线性的操作，并能够对结果进行相应的分析。 实验内容：习题3.2，分析1994-2011年中国的出口货物总额（Y）、工业增加值（X2）、人民币汇率（X3），之间的相关性和差异性，并修正。 实验步骤： 1.建立出口货物总额计量经济模型： 错误！未找到引用源。（3.1） 1.1建立工作文件并录入数据，得到图1 图1 在“workfile"中按住”ctrl"键，点击“Y、X2、X3”，在双击菜单中点“open group”,出现数据 表。点”view/graph/line/ok”,形成线性图2。 图2 1.2对（3.1）采用OLS估计参数 在主界面命令框栏中输入ls y c x2 x3，然后回车，即可得到参数的估计结果，如图3所示。
图 3 根据图3中的数据，得到模型（3.1）的估计结果为 （8638.216）（0.012799）（9.776181） t=(-2.110573) (10.58454) (1.928512) 错误！未找到引用源。错误！未找到引用源。F=522.0976 从上回归结果可以看出，拟合优度很高，整体效果的F检验通过。但当错误！未找到引用源。=0.05时，错误！未找到引用源。=错误！未找到引用源。2.131.有重要变量X3的t检验不显著，可能存在严重的多重共线性。 2．多重共线性模型的识别 2.1计算解释变量x2、x3的简单相关系数矩阵。 点击Eviews主画面的顶部的Quick/Group Statistics/Correlatios弹出对话框在对话框中输入解释变量x2、x3，点击OK，即可得出相关系数矩阵（同图4）。 相关系数矩阵 图4 由图4相关系数矩阵可以看出，各解释变量相互之间的相关系数较高，证实解释变量之间存在多重共线性。 2.2多重共线性模型的修正
方差分析实验报告
篇一：spss的方差分析实验报告 实 验 报告 篇二：方差分析实验报告 方差分析实验报告 学生姓名：琚锦涛学号：091230126 一．实验目的 根据方差分析的相关方法，利用excel中的相关工具，将数据收集，整理，从而了解方差分析的特点和性质。 二．实验内容 1.单因素方差分析 利用以下数据进行单因素方差分析,判断不同产地的原材料是否显著影响产品的质量指标； 2.双因素方差分析 利用以下数据进行双因素方差分析，检验因素a与因素b搭配下是否对其有显著差异，交互作用是否显著； 三．实验结果分析 1.单因素方差分析由以上数据可知，p-value=0.2318>0.05，因此可得出：原材料产地的这一质量指标无显著影响。 2.双因素方差分析 样本、列及交互的p-value远小于0.05，由此可得出燃料和推进器两因素对于火箭影响显著。数据来源：《应用统计学》第二版；篇三：单因素方差分析实验报告 天水师范学院数学与统计学院 实验报告 实验项目名称单因素方差分析所属课程名称实验类型设计型实验日期2011.11.22 班级 09统计一班学号 291050146 姓名成绩 【实验目的】 通过测量数据研究各个因素对总体的影响效果，判定因素在总变异中的重要程度 【实验原理】 比较因素a的r个水平的差异归结为比较这r个总体的均值.即检验假设 ho : μ1 = μ2 = … = μr, h1 : μ1, μ2, … , μr 不全相等给定显著水平α，用p 值检验法， 当p值大于α时，接受原假设ho，否则拒绝原假设ho 【实验环境】 r 2.13.1 pentinu(r)dual-core cpu e6700 3.20ghz 3.19ghz,2.00gb的内存【实验方案】 准备数据，查找相关r程序代码并进行编写运行得出结果进行分析总结 【实验过程】（实验步骤、记录、数据、分析） 1.根据四种不同配方下的元件寿命数据 材料使用寿命 a1 1600 1610 1650 1680 1700 1700 1780 a2 1500 1640 1400 1700 1750 a3 1640 1550 1600 1620 1640 1600 1740 1800 a4 1510 1520 1530 1570 1640 1600 2.利用主函数aov()编写该数据的方差分析r程序 3.运行得出结果 df sum sq mean sq f value pr(>f) a3 49212 16404 2.1659 0.1208 residuals 22 166622 7574
异方差的检验及修正
异方差问题的检验与修正 【实验目的】 1、深刻理解异方差性的实质、异方差出现的原因、异方差的出现对模型的不良影响（即异方差的后果），掌握估计和检验异方差性的基本思想和修正异方差的若干方法。 2、能够运用所学的知识处理模型中的出现的异方差问题，并要求初步掌握用Eviews处理异方差的基本操作方法。 【实验原理】 1、最小二乘估计。 2、异方差。 3、最小二乘残差图解释异方差。 4、Breusch-Pagan检验（B-P检验）和White检验（怀特检验）检验特定方差函数的异方差性。 5、稳健标准差和加权最小二乘法对特定方差函数的异方差性的修正。 【实验软件】 Eviews6.0 【实验步骤】 一、设定模型 首先将实验数据导入软件之中。（注：本实验报告正文部分只显示软件统计结果，导入数据这一步骤参见附A） 本次实验的数据主要是Big Andy店的食品销售收入数据与食品价格数据，共采用了75组。 实验数据来源于课本中的例题，由老师提供。如下表： 表Big Andy店月销售收入和价格的观测值
sales price sales price sales price sales price 73.2 5.6975.7 5.5978.1 5.773.7671.8 6.4974.4 6.2288 5.2271.2 6.3762.4 5.6368.7 6.4180.4 5.0584.7 5.3367.4 6.2283.9 4.9679.7 5.7673.6 5.2389.3 5.0286.1 4.8373.2 6.2573.7 5.8870.3 6.4173.7 6.3585.9 5.3478.1 6.2473.2 5.8575.7 6.4783.3 4.9869.7 6.4786.1 5.4178.8 5.6973.6 6.3967.6 5.4681 6.2473.7 5.5679.2 6.2286.5 5.1176.4 6.280.2 6.4188.1 5.187.6 5.0476.6 5.4869.9 5.5464.5 6.4984.2 5.0882.2 6.1469.1 6.4784.1 4.8675.2 5.8682.1 5.3783.8 4.9491.2 5.184.7 4.8968.6 6.4584.3 6.1671.8 5.9873.7 5.6876.5 5.3566 5.9380.6 5.0282.2 5.7380.3 5.2284.3 5.273.1 5.0874.2 5.1170.7 5.8979.5 5.6281 5.2375.4 5.7175 5.2180.2 5.2873.7 6.0281.3 5.45 75 6.05 81.2 5.83 69 6.33 其中，sales 表示在某城市的月销售收入，以千美元为单位；price 表示在该城市的价格，以美元为单位。 假设表1中的月销售收入数据满足假设SR1—SR5。即，假设Big Andy 店的月销售收入的期望值是产品价格水平的线性函数，误差项额的均值为零，销售收入的方差和误差项e 的方差相同，随机误差项e 在统计上不相关，且选取的价格的值是非随机的。 这样，在上面的基础之上，建立Big Andy 的食品销售收入（sales ）与食品价格（price ）之间的线性模型方程： e price sales ++=10ββ根据最小二乘估计的思想估计模型参数，（此过程参见附B ）结果如下图： Coefficient Std.Error t-Statistic Prob.C 121.9002 6.52629118.678320.0000PRICE -7.829074 1.142865 -6.850394 0.0000R-squared 0.391301Mean dependent var 77.37467Adjusted R-squared 0.382963 S.D.dependent var 6.488537
用excel进行方差分析的实验报告
实验四：用excel进行方差分析的实验报告 实验目的:学会在计算机上利用excel进行单因素方差分析和有交互的双因素分析以及无交互的双因素分析， 实验背景：方差分析是从观测变量的方差入手，研究诸多控制变量中哪些变量是对观测变量有显著影响的变量。一个复杂的事物，其中往往有许多因素互相制约又互相依存。方差分析的目的是通过数据分析找出对该事物有显著影响的因素，各因素之间的交互作用，以及显著影响因素的最佳水平等。方差分析是在可比较的数组中，把数据间的总的“变差”按各指定的变差来源进行分解的一种技术。对变差的度量，采用离差平方和。 实验内容： 实验（1）：单因素方差分析 条件：单因素方差分析是对成组设计的多个样本均数比较，所以对数据格式有特殊要求，因素的不同水平作为表格的列（或行），在不同水平下的重复次数作为行（或列）。 例1：以下数据来自2009年中国统计年鉴，各地区农村居民家庭平均每人生活消费支出，按不同项目分组的不同地区： 其中，1代表生活消费支出合计，2代表食品，3代表衣着，4代表居住， 5代表家庭设施及服务， 6代表交通和通讯， 7代表文教娱乐用品及服务，8代表医疗保健， 9代表其他商品及服务 各地区农村居民家庭平均每人生活消费支出 (2009年) 单位：元 地区项目 地区生活消 费食品衣着居住 家庭设 备交通和 文教娱 乐 医疗保 健 其他 品支出合 计 及服 务通讯 用品及 服务 及 务 地区 1 2 3 4 5 6 7 8 北京8897.59 2808.92 654.36 1798.88 528 1132.09 960.41 867.87 14天津4273.15 1848.11 324.63 674.67 187.83 481.27 371.85 299.79 8河北3349.74 1195.65 217.82 796.62 170.4 350.92 263.53 289.27 6山西3304.76 1224.6 283.2 584.07 156.27 324.89 416.94 240.94 7内蒙古3968.42 1578.57 271.88 609.29 148.03 466.34 390.85 416.87 8辽宁4254.03 1563.33 335.93 793.91 185.5 416.41 437.79 409.64 11吉林3902.9 1371.12 286.97 737.07 168.36 355.99 376.76 511.5 9黑龙江4241.27 1331.07 345.69 946.84 161.03 427.35 496.42 434.25 9上海9804.37 3639.14 496.14 2102.96 480.62 1212.38 942.76 738.94 19江苏5804.45 2275.28 306.62 969.76 286.37 691.56 818.45 322.99 13浙江7731.7 2812.39 473.11 1488.95 374.31 968.17 843.34 609.07 16安徽3655.02 1494.19 203.37 813.12 229.66 302.23 312.05 227.1 福建5015.72 2304.14 291.72 821.21 260.68 570.24 421.69 219.02 12江西3532.66 1609.2 162.58 725.11 181.91 295.76 254.77 232.78 7