计量经济学数据
例1.3序列T和H分别表示某地区1997年1月至2000年12月的气温和绝对湿度的月平均值序列,数据见表1.2。要求绘制序列H的经验累计分布函数图和它与序列T的QQ 图。
例2.1表2.1是1950—1987年间美国机动车汽油消费量和影响消费量的变量数值。其中各变量表示:qmg—机动车汽油消费量(单位:千加仑);car—汽车保有量;pmg—机动汽油零售价格;pop—人口数;rgnp—按1982年美圆计算的gnp(单位:十亿美圆);pgnp —gnp指数(以1982年为100)。以汽油量为因变量,其他变量为自变量,建立一个回归模型。
ls car c pmg pop rgnp pgnp
ls qmg c car pmg pop rgnp pgnp
ls car c pmg pop rgnp pgnp
scalar vifcar=1/(1-eqcar.@r2)
eq01.testdrop car
Ls qmg-qmg(-1) car-car(-1) pmg-pmg(-1) pop-pop(-1) rgnp-rgnp(-1) pgnp-pgnp(-1)
Ls qmg-qmg(-1) car-car(-1)
Ls qmg c qmg(-1) car car(-1) pmg pmg(-1) pop pop(-1) rgnp rgnp(-1) pgnp pgnp(-1)
Ls qmg c qmg(-1) car pmg pmg(-1) pop pop(-1) rgnp rgnp(-1) pgnp
Ls qmg c qmg(-1) car pmg pmg(-1) pop pop(-1) rgnp(-1) pgnp Ls qmg c qmg(-1) car pmg pmg(-1) pop pop(-1) rgnp(-1)
Eq01.testdrop pgnp
Ls qmg c qmg(-1) car pmg pmg(-1) pop pop(-1) rgnp(-1)
pgnp(-2)
Ls c
Scalar beta0=eq04.@
Dependent Variable: QMG
Method: Least Squares
Date: 10/16/12 Time: 19:02
Sample: 1950 1987
Included observations: 38
Variable Coefficient Std. Error t-Statistic Prob.
C 68497350 13416155 5.105587 0.0000
CAR 1.587677 0.137742 11.52646 0.0000
PMG -10375410 3346338. -3.100526 0.0040
POP -462.2931 108.0825 -4.277224 0.0002
RGNP -12666.47 5248.346 -2.413421 0.0217
PGNP -579453.0 59259.84 -9.778173 0.0000
R-squared 0.991878 Mean dependent var 80901846
Adjusted R-squared 0.990608 S.D. dependent var 22972717
S.E. of regression 2226295. Akaike info criterion 32.21351
Sum squared resid 1.59E+14 Schwarz criterion 32.47208
Log likelihood -606.0568 Hannan-Quinn criter. 32.30551
F-statistic 781.5361 Durbin-Watson stat 0.869418
Prob(F-statistic) 0.000000
例2.2为研究采取某项保险革新措施的速度y与保险公司的规模x1和保险公司类型的关系,选取下列数据:y—一个公司提出该项革新直至革新被采纳间隔的月数,x1—公司的资产总额(单位:百万元),x2—定性变量,表示公司类型:其中1表示股份制公司,0表示互助公司。数据资料见表2.5。
表2.5 (0205)保险公司革新数据
要建立的模型:
i i i i x x y εβββ+++=22110
得到模型为
y=33.87407-0.101742*x1+8.055469*x2
差分回归方程:
t t x y ?=?*65.0
即
1165.065.0---=-t t t t x x y y
即
1165.065.0---+=t t t t x x y y
消除自相关的模型:
qmg=75541509.38+1.4390*car-10354749*pmg-503.50*pop-5290.80*rgnp-565089.4*pgnp
求:
1. Y 关于X1、X2、X3、X4和X5的回归方程;
2. 对回归方程和解释变量做显著性检验;
3. 当X1=4,X2=8,X3=7,X4=36%,X5=8时,对楼盘的均价进行预测。
例3.1表3.3是某企业在16个月度的产品产量和单位成本资料,研究二者关系。
表3.3 (0301)某企业某产品产量和单位成本资料
月度序号obs 产量(台)x 单机位成本(元/台)y
1 4300 346.23
2 4004 343.34
3 4300 327.46
4 5016 313.27
5 5511 310.75
6 5648 307.61
7 5876 314.56
8 6651 305.72
9 6024 310.82
10 6194 306.83
11 7558 305.11
12 7381 300.71
13 6950 306.84
14 6471 303.44
15 6354 298.03
16 8000 296.21
为了明确产量和单机成本是何种关系,先绘制散点图。
双曲线模型:y=a+b/x
对数曲线模型:y=a+blnx
双对数曲线模型:lny=a+lnx
在自变量个数K=1,样本量n=16,在显著性水平 =0.01下,d L=0.84,d u=1.00,此时有D.W=1.151568
D.W=1.115981
D.W=1.156127
均有d u=1.0≤D.W=1.151568≤4- d u=3
说明三种模型来描述x与y的关系都比较好。
例3.2 根据例3.1中数据,用非线性最小二乘法建立成本函数模型
例3.3粮食产量通常由粮食生产劳动力(L)、化肥施用量(K)等因素决定。表3.8是我国粮食生产的有关数据(由于粮食生产劳动力不易统计,假定它在农业劳动力中的比例是一定的,故用农业劳动力的数据代替),研究其间关系,建立Cobb—Douglas生产函数模型。
生产的产出量与投入要素之间并不简单地满足线性关系,通常讨论的生产函数,都是以非线性的形式出现。Cobb—Douglas生产函数模型为
Y=aL b K1-b(3.2.4)
例4.1我国轿车保有量资料见表4.1
例4.6我国民航客运量数据的季节调整。有关数据见表4.6
例5.4序列Pt是某国1960年至1993年GNP平减指数的季度时间序列。