计量经济学数据表
《计量经济学》第4章数据
《计量经济学》各章数据第4章异方差性例4.3.1我国制造工业利润函数。
表4.3.1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(单位：亿元)。
表4.3.1 我国制造工业1998年销售利润与销售收入情况4.5 案例分析——中国农村居民人均消费函数中国农村居民人均消费支出主要由人均纯收入来决定。
农村人均纯收入除了从事农业经营的收入外，还包括非农经营收入，即从事其他产业的经营性收入及工资性收入、财产收入和转移支付收入等。
试根据表4.5.1数据，建立我国农村居民人均消费函数（采用对数模型）：u X b X b b Y +++=22110ln ln ln其中，Y 表示农村人均消费支出，1X 表示从事农业经营的收入，2X 表示其他收入。
表4.5.1 中国2001年各地区农村居民家庭人均纯收入与消费支出（单位：元）资料来源：《中国农村住户调查年鉴》（2002），《中国统计年鉴》（2002）思考与练习10．建立住房支出模型:t t t u x b b y ++=10，样本数据如表1下（其中：y 是住房支出，x 是收入，单位：千美元）：表1 住房支出与收入数据(1)用最小二乘法估计10,b b 的估计值、标准差、拟合优度。
(2)用Goldfeld-Quandt 检验异方差性（假设分组时不去掉任何样本值），取05.0=α。
(3)如果存在异方差性，假设222t t x σσ=，用加权最小二乘法重新估计10,b b 的估计值、标准差、拟合优度。
11．试根据表2中消费(y )与收入(x )的数据完成以下问题：(1)估计回归模型：t t t u x b b y ++=10；(2)检验异方差性（可用怀特检验、戈德菲尔德——匡特检验）；(3)选用适当的方法修正异方差性。
表2 消费与收入数据12．考虑表3中的数据。
(1)估计OLS 回归方程：t t t u x b b y ++=10表3 样本数据(2)估计：tttttttu x b b y σσσσ++=11分析两个回归方程的结果。
《计量经济学》第3章数据
《计量经济学》各章数据第3章 多元线性回归模型例3.1.1 经过研究，发现家庭书刊消费水平受家庭收入及户主受教育年数的影响。
现对某地区的家庭进行抽样调查，得到样本数据如表3.1.1所示，其中y 表示家庭书刊消费水平(元/年)，x 表示家庭收入(元／月)，T 表示户主受教育年数。
下面我们估计家庭书刊消费水平同家庭收入、户主受教育年数之间的线性关系。
回归模型设定如下： t t t t u T b x b b y +++=210(t =1,2, …)表3.1.1 某地区家庭书刊消费水平及影响因素的调查数据表例3.4.1根据表3.4.1给出的中国1980-2003年间总产出(用国内生产总值GDP度量，单位：亿元)，劳动投入L(用从业人员度量，单位为万人)，以及资本投入K(用全社会固定投资度量，单位：亿元)，试建立我国的柯布——道格拉斯生产函数。
表3.4.1 1980-2003年中国GDP、劳动投入与资本投入数据例3.4.2 某硫酸厂生产的硫酸透明度一直达不到优质要求，经分析透明度低与硫酸中金属杂质的含量太高有关。
影响透明度的主要金属杂质是铁、钙、铅、镁等。
通过正交试验的方法发现铁是影响硫酸透明度的最主要原因。
测量了47组样本值，数据见表3.4.3。
试建立硫酸透明度(y)与铁杂质含量(x)的回归模型。
表3.4.3 硫酸透明度(y)与铁杂质含量(x)数据例3.4.3假设某企业在15年中每年的产量Y(件)和总成本X(元)的统计资料表3.4.7所示，试估计该企业的总成本函数模型。
表3.4.7 某企业15年中每年总产量与总成本统计资料3.6.1 案例1——中国经济增长影响因素分析根据表3.6.1给出的1980-2003年间总产出(用国内生产总值GDP度量，单位：亿元)，最终消费CS(单位：亿元)，投资总额I(用固定资产投资总额度量，单位：亿元)，出口总额（单位：亿元）统计数据，试对中国经济增长影响因素进行回归分析。
计量经济学10(1)
l 方差分析模型（Analysis of variance models，ANOVA）：仅包含定性变量或 虚拟变量的回归模型，其形式如下：
Yi=B1+B2Di+ui l 假定Y：每年食品支出（美元）；Di=1表示
女性；Di=0表示男性，则： l 男性食品支出的期望：E(Yi|Di=0)=B0 l 女性食品支出的期望： E(Yi|Di=0)=B0+B1
• D2=1表东北和中北部地区，D2=0为其它地区; • D3=1表南部地区，D3=0为其它地区
Ÿ 这是将西部地区看成是基准类。
计量经济学10(1)
¡ 再考虑政府机构用于每个学生的花费和地区对 教师平均年薪水的影响： AASi=B1+B2D2i+B3D3i+B4PPSi
¡ 对模型的解释：
l D2显著，而D3不显著，表明原模型存在设定误差； l PPS的系数的含义
计量经济学10(1)
l 上述模型的含义： l 截距B1表示男性平均食品支出，斜率系数
B2表示女性平均食品支出与男性的差异， B1 + B2表示女性平均食品支出。 l 对这类模型，零假设为：H0:B2=0
¡ 表示男女平均食品支出没有差异。我们可根据t 检验判定是否统计显著。
计量经济学10(1)
l 例10-1(P213)：性别差异对食品消费支出 的影响
X 0.0803
5.54
DX -0.065
-4.096
1970-1995 C 62.423
4.89
X 0.0376
8.89
1970-1981 C 1.016
X 0.0803
1982-1995 C 153.49(1.016+152.479)
计量经济学实际案例
二、均值分析1、分性别对身高进行的比较假设男女身高相等，否定假设可认为男生身高明显高于女生。
2、分南北地区进行比较（1）身高假设两者均值相等，检验结果不能否定原假设，因而不能认为南北方身高有显著差异。
（2）体重通过假设两者均值相等，检验结果无法否定原假设，因而认为南北方体重没有明显差异。
3、分出生年份月份进行比较年份性别身高体重84 男均值172.00 56.00N 1 1总计均值172.00 56.00N 1 185 男均值180.33 70.67N 3 3女均值161.00 51.00N 2 2总计均值172.60 62.80N 5 586 男均值174.20 65.40N 20 20女均值162.11 52.28N 18 18总计均值168.47 59.1887 男均值178.50 66.58N 6 6女均值164.83 52.83N 18 18总计均值168.25 56.27N 24 2488 男均值170.50 65.00N 2 2女均值167.00 53.50N 2 2总计均值168.75 59.25N 4 489 女均值165.00 50.00N 1 1总计均值165.00 50.00N 1 1总计男均值175.28 65.80N 32 32女均值163.56 52.46N 41 41总计均值168.70 58.31N 73 73ANOVA 表由表可看出，各年份出生的人身高体重无显著性差异。
总计均值171.00 64.00N 6 6 3 男均值174.50 69.50N 4 4 女均值160.25 50.75N 4 4 总计均值167.38 60.13N 8 8 4 男均值181.25 68.50N 4 4 女均值162.25 52.00N 4 4 总计均值171.75 60.25N 8 8 5 男均值169.50 65.25N 2 2 女均值156.00 43.00N 1 1 总计均值165.00 57.83N 3 3 6 男均值175.00 63.00N 1 1 女均值171.50 57.50N 4 4 总计均值172.20 58.60N 5 5 7 男均值171.00 64.33N 3 3 女均值167.00 50.50N 2 2 总计均值169.40 58.80N 5 5 8 男均值179.20 64.90N 5 5 女均值161.50 52.50N 2 2 总计均值174.14 61.36N 7 7 9 男均值171.67 58.00N 3 3 女均值163.33 54.33N 3 3 总计均值167.50 56.1710 男均值174.67 61.83N 3 3总计均值174.67 61.83N 3 311 女均值162.50 51.67N 12 12总计均值162.50 51.67N 12 1212 男均值171.00 66.50N 2 2女均值167.00 57.00N 1 1总计均值169.67 63.33N 3 3总计男均值175.28 65.80N 32 32女均值163.56 52.46N 41 41总计均值168.70 58.31N 73 73ANOVA 表由表同样可得出，各月出生的人身高体重无显著性差异。
计量经济学：面板数据
Panel Data 分析的基本框架
线性模型 非线性模型
Panel Data 分析的基本框架：线性模 型
线性模型： （1）单变量模型 （2）联立方程模型 （3）带测量误差模型 （4）伪Panel Data
Panel Data 分析的基本框架：线性
模型之单变量模型
（1） 固定效应和固定系数模型（Fixed Effect Models and Fixed Coefficient Models）：通常采用OLS估计。固 定效应包括时间效应以及时间和个体效应，并可以进一 步放宽条件，允许在有异方差、自相关性和等相关矩阵 块情况下，用GLS估计。 （2）误差成分模型（Error Components Models）：最 常用的Panel Data模型。针对不同情况，通常可以用OLS 估计、GLS估计、内部估计（Within Estimator）和FGLS 估计，并检验误差成分中的个体效应以及个体和时间效 应，同时将自相关和异方差情况也纳入该模型框架中。
平行数据的含义
所谓平行数据，是指在时间序列上取多个 截面，在这些截面上同时选取样本观测值 所构成的样本数据。 面板数据是同时在时间和截面空间上取得 的二维数据。从横截面上看，是由若干个 体在某一时刻构成的截面观测值，从纵剖 面上看是一个时间序列。
平行数据研究的应用和发展
最早是Mundlak（1961）、Balestra和 Nerlove （1966）把Panel Data引入到经济计量中。从此 以后，大量关于Panel Data的分析方法、研究文 章如雨后春笋般出现在经济学、管理学、社会 学、心理学等领域。从1990年到目前为止，已 有近1000篇有关 Panel Data理论性和应用性的文 章发表，Panel Data 研究成为近十年来经济计量 学的一个热点。
计量经济学用eviews分析数据
中国储蓄存款总额（Y,亿元）与GDP （元）数据如下表。
表1-1数据来源：《中国统计年鉴》年图1-1解:、估计一元线性回归模型由经济理论知，储蓄存款总额受GDP影响，当GDFP增加时，储蓄存款总额也随着增加，他们之间具有正向的同步变动趋势。
储蓄存款总额除受GDP影响之外, 还受到其他一些变量的影响及随机因素的影响，将其他变量及随机因素的影响均并到随机变量U中，根据X与丫的样本数据，作X与丫之间的散点图可以看出，他们的变化趋势是线性的，由此建立中国储蓄存款总额丫与GDF之间的一员线性回归模型。
由表1-1中样本观测数据，样本回归模型为用Eviews软件估计结果:Dependent Variable: 丫Method: Least SquaresDate: 12/14/14 Time: 10:41Sample: 1978 2012Included observations: 35R-squared 0.995724 Mean dependent var 78882.56Adjusted R-squared 0.995595 S.D. dependent var 108096.8S.E. of regression 7174.769 Akaike info criterion 20.64997Sum squared resid 1.70E+09 Schwarz criterion 20.73885Log likelihood -359.3745 Hannan-Quinn criter. 20.68065F-statistic 7684.717 Durbin-Watson stat 1.224720Prob(F-statistic) 0.000000即样本回归方程为:-4.678592 87.66252二、对估计结果做结构分析(1)对回归方程的结构分析0.762529是样本回归方程的斜率，他表示GDP勺边际增长率，说明GDP每增加1元，将有0.762529用于储蓄；-7304.294是样本回归方程的截距，他表示不受GDP影响的自发性储蓄增长。
计量经济学数据类型
计量经济学数据类型
“计量经济学”是指利用经济学理论和数学统计方法来研究实际的经济问题。
数据是计量经济学研究的重要基础，计量经济学中常见的数据类型如下：
1. 时间序列数据：时间序列数据是按时间顺序排列的数据，例如经济指标、股票价格、汇率等。
应用：基于时间序列数据进行趋势预测和时间序列分析，例如预测未来的经济增长率、通货膨胀率、利率等。
2. 横截面数据：横截面数据是在相同时间点上针对不同个体所收集的数据，例如收入、教育程度、职业等。
应用：基于横截面数据进行个体变量的比较分析，例如探讨收入水平与教育程度的关系、职业类型与收入的关系等。
3. 面板数据：面板数据是同时包含时间序列和横截面数据的数据，例如企业的经济数据、家庭调查数据等。
应用：基于面板数据进行个体和时间变量的研究，例如探讨企业投资和利润的关系、家庭收支变化的影响因素等。
4. 实验数据：实验数据是通过对特定因素进行控制来获取的数据，例如经济政策的实验数据、招聘决策的实验数据等。
应用：基于实验数据进行因果关系的分析，例如探讨各种政策对实体经济的影响、探讨招聘流程中不同因素对应聘者选择和工作表现的影响等。
以上数据类型及其应用是计量经济学研究中常见的基础。
在实际应用中，根据实际问题和数据可用性，研究者可以将不同类型的数据进行组合分析，以获取更深入的结论。
计量经济学eviews实验报告
大连海事大学实验报告Array实验名称：计量经济学软件应用专业班级：财务管理2013-1姓名：安妮指导教师：赵冰茹交通运输管理学院二○一六年十一月一、实验目标学会常用经济计量软件的基本功能，并将其应用在一元线性回归模型的分析中。
具体包括：Eview的安装，样本数据基本统计量计算，一元线性回归模型的建立、检验及结果输出与分析，多元回归模型的建立与分析，异方差、序列相关模型的检验与处理等。
二、实验环境WINDOWSXP或2000操作系统下，基于EVIEWS5.1平台。
三、实验模型建立与分析案例1：我国1995-2014年的人均国民生产总值和居民消费支出的统计资料（此资料来自中华人民共和国统计局网站）如表1所示，做回归分析。
表1我国1995-2014年人均国民生产总值与居民消费水平情况2008年2391287072009年2596395142010年30567109192011年36018131342012年39544146992013年43320161902014年4661217806（1）做出散点图，建立居民消费水平随人均国内生产总值变化的一元线性回归方程，并解释斜率的经济意义；利用eviews软件输出结果报告如下：Dependent Variable: CONSUMPTION Method: Least SquaresDate: 06/11/16 Time: 19:02 Sample: 1995 2014Included observations: 20Variable Coefficient Std. Error t-Statistic Prob.C691.0225113.3920 6.0941040.0000 AVGDP0.3527700.00490871.880540.0000R-squared0.996528Mean dependentvar7351.300Adjusted R-squared0.996335S.D. dependentvar4828.765S.E. of regression292.3118Akaike infocriterion14.28816Sum squared resid1538032.Schwarz criterion14.38773Log likelihood-140.8816Hannan-Quinncriter.14.30760F-statistic5166.811Durbin-Watsonstat0.403709Prob(F-statistic)0.000000由上表可知财政收入随国内生产总值变化的一元线性回归方程为:（令Y=CONSUMPTION,X=AVGDP（此处代表人均GDP））Y = 691.0225+0.352770* X其中斜率0.352770表示国内生产总值每增加一元,人均消费水平增长0.35277元。
- 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(第3版)例题与习题数据表
表2、1、1 某社区家庭每月收入与消费支出统计表
表2、3、1 参数估计的计算表
表2、6、1 中国各地区城镇居民家庭人均全年可支配收入与人均全年消费性支出(元)
资料来源:《中国统计年鉴》(2007)。
表2、6、3 中国居民总量消费支出与收入资料
单位:亿元年份GDP CONS CPI TAX GDPC X Y 19783605、6 1759、1 46、21519、28 7802、5 6678、83806、7 19794092、6 2011、5 47、07537、828694、2 7551、64273、2 19804592、9 2331、2 50、62571、70 9073、7 7944、24605、5 19815008、8 2627、9 51、90629、899651、8 8438、05063、9 19825590、0 2902、9 52、95700、02 10557、3 9235、25482、4 19836216、2 3231、1 54、00775、5911510、8 10074、65983、2 19847362、7 3742、0 55、47947、35 13272、8 11565、06745、7 19859076、7 4687、4 60、652040、79 14966、8 11601、77729、2 198610508、5 5302、1 64、572090、37 16273、7 13036、58210、9 198712277、4 6126、1 69、302140、36 17716、3 14627、78840、0 198815388、6 7868、1 82、302390、47 18698、7 15794、09560、5 198917311、3 8812、6 97、002727、40 17847、4 15035、59085、5 199019347、8 9450、9 100、002821、86 19347、8 16525、99450、9
199122577、4 10730、
6
103、422990、17 21830、9 18939、610375、8
199227565、2 13000、
1
110、033296、91 25053、0 22056、511815、3
199336938、1 16412、
1
126、204255、30 29269、1 25897、313004、7
199450217、4 21844、
2
156、655126、88 32056、2 28783、413944、2
199563216、9 28369、
7
183、416038、04 34467、5 31175、415467、9
199674163、6 33955、
9
198、666909、82 37331、9 33853、717092、5
199781658、5 36921、
5
204、218234、04 39988、5 35956、218080、6
199886531、6 39229、
3
202、599262、80 42713、1 38140、919364、1
199991125、0 41920、
4
199、7210682、58 45625、8 40277、020989、3
200098749、0 45854、
6
200、5512581、51 49238、0 42964、622863、9
2001108972、4 49213、
2
201、9415301、38 53962、5 46385、424370、1
2002120350、3 52571、
3
200、3217636、45 60078、0 51274、026243、2
2003136398、8 56834、
4
202、7320017、31 67282、2 57408、128035、0
2004160280、4 63833、
5
210、6324165、68 76096、3 64623、130306、2
2005188692、1 71217、
5
214、4228778、54 88002、1 74580、433214、4
2006221170、5 80120、
5
217、6534809、72
101616、
3
85623、136811、2
资料来源:根据《中国统计年鉴》(2001,2007)整理。
第2章练习12
下表就是中国2007年各地区税收Y与国内生产总值GDP的统计资料。
表3、2、1 中国各地区城镇居民家庭人均全年可支配收入与人均全年消费性支出(元)
资料来源:根据《中国统计年鉴》(2006,2007)整理。
表3、5、1 中国城镇居民消费支出及价格指数
资料来源:《中国统计年鉴》(1990~2007)
第3章练习13
下表列出了中国某年按行业分的全部制造业国有企业及规模以上制造业非国有企业的工业
表4、1、1 中国2006年各地区农村居民家庭人均纯收入与消费支出(单位:元)
注:从事农业经营的纯收入由从事第一产业的经营总收入与从事第一产业的经营支出之差计算,其她来源的纯收入由总纯收入减去从事农业经营的纯收入后得到。
资料来源:《中国农村住户调查年鉴(2007)》、《中国统计年鉴(2007)》。
表4、3、2 中国粮食生产与相关投入资料
资料来源:《中国统计年鉴》(1995,2008)。
表4、4、1 2005年中国大陆31个省区城镇居民人均可支配收入
资源来源:《中国统计年鉴》2006年。
下表列出了某年中国部分省市城镇居民家庭平均每个全年可支配收入(X)与消费性支出(Y)的统计数据。
中国1980~2007年全社会固定资产投资总额X与工业总产值Y的统计资料如下表所示。
单位:亿元
表5、1、1 2007年中国居民人均可支配收入与生活消费支出数据(元)
表5、2、1 中国电力工业固定资产投资与发电量
资料来源:电力固定资产固定资产投资来自《中国电力统计年鉴》,发电量来自《中国统计年鉴》。
表5、2、2 中国货币流通量、贷款额、居民消费价格指数历史数据
资料来源:《中国统计年鉴》2008、《中国统计资料50年汇编》。
第5章练习5
1970~1991年美国制造业固定厂房设备投资Y与销售量X的相关数据如下表所示。
单位:10 亿美元
表6、4、1 中国宏观经济数据单位:亿元年份Y I C G 19783605、61377、91759、1468、6 19794092、61478、92011、5602、2 19804592、91599、72331、2662 19815008、81630、22627、9750、7 198255901784、22902、9902、9 19836216、220393231、1946、1 19847362、72515、137421105、6 19859076、73457、54687、4931、8 198610508、53941、95302、11264、5 198712277、444626126、11689、3 198815388、65700、27868、11820、3 198917311、36332、78812、62166 199019347、867479450、93149、9 199122577、4786810730、63978、8 199227565、210086、313000、14478、8 199336938、115717、716412、14808、3 199450217、420341、121844、28032、1 199563216、925470、128369、79377、1 199674163、628784、933955、911422、8 199781658、52996836921、514769 199886531、631314、239229、315988、1 19999112532951、541920、416253、1 242、845854、618051、6 2001108972、439769、449213、219989、8 2002120350、34556552571、322214 2003136398、85596356834、423601、4 2004160280、469168、463833、527278、5 2005188692、180646、371217、536828、3 2006221651、39440280476、946772、4 2007263242、5111417、493317、258507、9
第6章练习8
表7、2、1 样本观测值及模拟值
表7、2、2 样本观测值
下表列出了美国、加拿大、英国在1980~1999年的失业率Y以及对制造业的补偿X的相关数据资料。
表8、1、1 一个纯随机序列与随机游走序列的检验
表8、1、2 DF分布临界值表
样本容量
显著性水平25 50 100 500 ∝t分布临界值
(n=∝)
0、01 -3、75 -3、58 -3、51 -3、44 -3、43 -2、33
0、05 3、00 -2、93 -2、89 -2、87 -2、86 -1、65
0、10 2、63 -2、60 -2、58 -2、57 -2、57 -1、28
表8、1、3 不同模型使用的ADF分布临界值表
显著性水平
样本容量0、01 0、05 0、10
25 -4、37 -3、59 -3、22
50 -4、12 -3、46 -3、13
100 -4、01 -3、39 -3、09
第8章练习8。