计量经济学eviews实习报告.doc
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
计量经济学实验报告
研究问题
根据生产函数理论,生产函数的基本形式为:),,,(εK L t f Y =。其中,L 、K 分别为生产过程中投入的劳动与资金,时间变量t 反映技术进步的影响。表1列出了我国1994-2009年期间国有独立核算工业企业的有关统计资料;其中产出Y 为工业总产值(可比价),L 、K 分别为年末职工人数和固定资产净值(可比价)。
实验要求
建立我国国有独立核算工业企业生产函数。
实验步骤
一、模型筛选
(一)建立多元线性回归方程
回归结果如下:
图1
因此,我国国有独立工业企业的生产函数为:
K L t Y 00998.171897.022674.90897.191+++-=∧
(模型1)
t =(-5.4) (0.862) (3.57) (40.44)
999742.02
=R 999677.02
=R 57.15483=F
模型的计算结果表明,我国国有独立核算工业企业的劳动力边际产出为0.71897,资金的边际产出为1.00998,技术进步的影响使工业总产值平均每年递增9.22674亿元。
回归系数的符号和数值是较为合理的。999742.02=R ,说明模型有很高的拟合优度,F 检验也是高度显著的,说明职工人数L 、资金K 和时间变量t 对工业总产值的总影响是显著的。从图1看出,解释变量资金K 的t 统计量值为40.44,表明资金对企业产出的影响是显著的。但是,模型中时间变量T 的t 统计量值都较小,未通过检验。因此,需要对以上三元线性回归模型做适当的调整,按照统计检验程序,一般
应先剔除t 统计量较小的变量(即时间变量)而重新建立模型。
(二)建立剔除时间变量的二元线性回归模型
回归结果如下:
图2
因此,我国国有独立工业企业的生产函数为:
K L Y 026137.1669964.02778.176++-=∧
(模型2)
t =(-5.76) (3.5) (62.79)
999726.02=R 999684.02
=R 95.23692=F
(三)建立非线性回归模型——C-D 生产函数
C-D 生产函数为:εβαe K AL Y =。
回归结果如下:
图3
因此,我国国有独立工业企业的生产函数为:
LNK LNL Y LN 008744.1028316.020622.0++-=∧
(模型3)
t =(-2.38) (1.34) (46.37)
999017.02=R 998866.02
=R 737.6607=F
由模型1、2、3的比较可以看出,最优模型为模型2。
下面针对模型2进行如下检验:
二、检验多重共线性
(一) 相关系数检验
图4 解释变量相关系数矩阵
由表中数据可以发现L与K之间存在高度相关性。
(二)利用逐步回归方法处理多重共线性
建立基本的一元回归方程
根据相关系数和理论分析,工业总产值Y与固定资产净值K关联程度最大。所以,设建立的一元回归方程为:
α+
ε
β
=K
Y
+
回归结果如下:
图5
因此,我国国有独立工业企业的生产函数为:
K Y 080683.10018.177+-=∧
(模型4)
t =(-4.3) (161.9961)
999467.02=R 999429.02
=R 73.26242=F
模型4与模型2相比,只有F 值和t 检验值有所提高,但2R 和2
R 均有下降。故仍选择模型2。
三、自相关性检验
(一)DW 检验
因为n=16,k=2,取显著性水平05.0=α时,查表得10.1=L d ,37.1=U d ,而10.1=L d (二)偏相关系数检验 在方程窗口中点击View/Residual Test/Correlogram-Q-statistics ,并输入滞后期为12,则会得到残差与的各期相关系数和偏相关系数, 图6 模型的偏相关系数检验 从图6中可以看出,模型2的偏相关系数的直方块未超过虚线部分,不存在自相关。 四、检验异方差性 模型2的估计结果显示,固定资产净值K的增长对工业总产值Y的增长更有刺激作用。下面对模型2进行异方差检验。 可以认为工业总产值的差别主要来源于固定资产净值K的差别,因此,如果存在异方差性,则可能是K引起的。 模型2的OLS回归得到的残差平方项 2 i e 与K的散点图表明(图7所示),直 线基本水平,所以可能存在同方差或存在单调递减型异方差性。 图7 异方差性检验图 再进行进一步的统计检验。 (一)采用怀特检验 在方程窗口上点击View\Residual\Test\White Heteroskedastcity,检验结果如图8。 图8 White 检验结果 其中F 值为辅助回归模型的F 统计量值。取显著水平05.0=α,由于 12.6399.5)2(2205.0=<=nR χ,所以存在异方差性。实际应用中可以直接观察相伴 概率p值的大小,若p值较小,则认为存在异方差性。反之,则认为不存在异方差性。 (二)调整异方差性 1、确定权数变量 生成:GENR W1=1/ RESID ^2 2、利用加权最小二乘法估计模型 在Eviews命令窗口中依次键入命令: LS(W=W1) Y C L K 回归结果图所示: 图9 上述结果显示,解释变量L的t检验未能通过,因此考虑剔除变量L。 剔除后回归结果如下: