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。

解：

一、估计一元线性回归模型Y i=0β^+1β^GDP t+e t

由经济理论知，储蓄存款总额受GDP影响，当GDP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Y的样本数据，作X与Y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Y与GDP之间的一员线性回归模型。

Y i=β0+β1X1i+u i

由表1-1中样本观测数据，样本回归模型为

Y i=0β^+1β^GDP t+ℯt

用Eviews软件估计结果：

Dependent Variable: Y

Method: Least Squares

Date: 12/14/14 Time: 10:41

Sample: 1978 2012

Included observations: 35

Coefficient Std. Error t-Statistic Prob.

C -7304.294 1561.216 -4.678592 0.0000

GDP 0.762529 0.008698 87.66252 0.0000

R-squared 0.995724 Mean dependent var 78882.56

Adjusted R-squared 0.995595 S.D. dependent var 108096.8 S.E. of regression 7174.769 Akaike info criterion 20.64997 Sum squared resid 1.70E+09 Schwarz criterion 20.73885 Log likelihood -359.3745 Hannan-Quinn criter. 20.68065 F-statistic 7684.717 Durbin-Watson stat 1.224720

Prob(F-statistic)

0.000000

即样本回归方程为：

t

Y ^=−7304.294+0.762529gdp

-4.678592 87.66252 r 2=0.995724

二、对估计结果做结构分析 （1）对回归方程的结构分析

1

β^=0.762529是样本回归方程的斜率，他表示GDP 的边际 增长率，说明

GDP 每增加1元，将有0.762529用于储蓄；0β^

=-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。0β^和1β^的符号和大小，均符合经

济理论及目前国家的实际情况。 （2）统计检验

r 2=0.995724，说明总离差平方和的99.6%被样本回归直线解释，仅有0.4%未被解释，因此，样本回归直线对样本点的拟合优度是很高的。

给出显著性水平α=0.05，查自由度v=35-2=33的t 分布表，得临界值t 0.052

(33)=2.03，|t 0|=4.678592＞2.03，故回归系数均显著不为零，回归模型

中应摆放常数项，GDP 对Y 有显著影响。

从以上的评价可以看出，此模型是比较好的。

三、假设gdp 2013=568845.0，对2013年国民储蓄总额进行预测

给出gdp 2013=568845.0，可以得到Y f2013=568845

图1-2

四、对异方差进行检验

用怀特检验法进行异方差检验：

Heteroskedasticity Test: White

F-statistic 0.081308 Prob. F(3,28) 0.9696 Obs*R-squared 0.276363 Prob. Chi-Square(3) 0.9644 Scaled explained SS 0.882741 Prob. Chi-Square(3) 0.8296

Test Equation:

Dependent Variable: RESID^2

Method: Least Squares

Date: 12/14/14 Time: 14:54

Sample: 1981 2012

Included observations: 32

Coefficient Std. Error t-Statistic Prob.

C 38523385 20655638 1.865030 0.0727

E(-1)^2 -0.042001 0.172609 -0.243333 0.8095 E(-1)*E(-2) -0.409631 0.859096 -0.476816 0.6372

E(-2)^2 0.094082 0.282003 0.333620 0.7412

R-squared 0.008636 Mean dependent var 36993700 Adjusted R-squared -0.097581 S.D. dependent var 1.01E+08 S.E. of regression 1.06E+08 Akaike info criterion 39.91526 Sum squared resid 3.16E+17 Schwarz criterion 40.09848 Log likelihood -634.6442 Hannan-Quinn criter. 39.97599 F-statistic 0.081308 Durbin-Watson stat 1.876393 Prob(F-statistic) 0.969643

提出假设：

H0：αi=0， i=1,2

H1：α1，α2中至少有一个不等于零

Heteroskedasticity Test: White

F-statistic 0.081308 Prob. F(3,28) 0.9696 Obs*R-squared 0.276363 Prob. Chi-Square(3) 0.9644 Scaled explained SS 0.882741 Prob. Chi-Square(3) 0.8296

Test Equation:

Dependent Variable: RESID^2

Method: Least Squares