计量经济学课程设计报告
计量经济学课程设计
目录1绪论 (1)2 农业生产总值的模型建立 (2)2.1 模型的给出 (2)2.2模型的拟合结果 (3)3 回归模型的检验与修正 (4)3.1 经济意义及统计性检验 (4)3.2 计量经济学检验及修正 (5)4 预测 (14)结论 (15)参考文献 (15)1绪论农业是人类“母亲产业”，远在人类茹毛饮血的远古时代，农业就已经是人类抵御自然威胁和赖以生存的根本，农业养活并发展了人类，没有农业就没有人类的一切，更不会有人类的现代文明。
社会生产的发展首先开始于农业，在农业发展的基础上才有工业的产生和发展，只有在农业和工业发展的基础上，才会有第三产业的发展。
可见，农业是当之无愧的“母亲产业”。
农业的地位和作用可以用一句话来概括“国民经济的基础”。
从经济角度看，农业是国民经济的基础，是经济发展的基础。
因为，农业是人类的衣食之源、生存之本。
农业的发展状况直接影响着、左右着国民经济全局的发展。
农业是国民经济中最基本的物质生产部门。
农业是人类社会的衣食之源，生存之本。
农业是工业等其他物质生产部门与一切非物质生产部门存在与发展的必要条件。
从社会角度看，农业是社会安定的基础，是安定天下的产业。
农业能否稳定发展，能事提供与人们生活水准逐渐提高这一基本趋势相适应的农、副产品，关系到社会的安定。
“民以食为天”，粮食是人类最基本的生存资料，农业在国民经济中的基础地位，突出地表现在粮食的生产上。
如果农业不能提供粮食和必需的食品，那么，人民的生活就不会安定，生产就不能发展，国家将失去自立的基础。
从这个意义上讲，农业是安定天下的产业。
从政治角度看，农业是国家自立的基础。
我国的自立能力相当程度上取决于农业的发展。
如果农、副产品不能保持自给，过多依赖进口，必将受制于人。
一旦国际政局变化，势必陷入被动，甚至危及国家安全。
因此，农业的基础地位是否牢固，关系到人民的切身利益、社会的安定和整个国民经济的发展，也是关系到我国在国际竞争中能否坚持独立自主地位的大问题。
计量经济学实验报告
计量经济学课程设计班级：金融学***班学号：**********姓名:*******时间：***年***月NBA球员平均工资主要影响因素分析一、经济问题的提出NBA（全称National Basketball Association）是美国第一大篮球赛事，代表了世界篮球的最高水平，其中产生了迈克尔·乔丹、魔术师约翰逊、科比·布莱恩特、姚明、勒布朗·詹姆斯等世界巨星。
自从20世纪70年代末以来，我国便与NBA联盟建立起了越来越深厚的联系，如今，中国元素已经成为NBA不可或缺的一部分，世界巨星姚明以及天赋异禀的易建联、孙悦等球员已经彻底改变了NBA以往的格局。
中国的80，90后是伴随着NBA的崛起一同成长起来的，过去的20年来，NBA 给我们带来了太多难忘的回忆也给我们树立了许多可以效仿一生的榜样。
这样巨大的影响离不开一代又一代伟大的球员，但在我看来，真正起决定性作用的是NBA背后成功的经济运作，从1984年总市值仅有1550万美元的萧条时期到现如今总市值超过110亿美元的美国第一运动联盟，NBA以其惊人的发展速度汇聚了全世界的篮球巨星，也为其今后长盛不衰的发展奠定了坚实的基础。
作为一名深深热爱着篮球运动而且被NBA感动过无数次的热血青年，我谨以本文从计量经济学角度粗浅地介绍一下从1985年到2008年NBA球员平均工资的巨大变化并分析其主要的影响因素。
鉴于数据的可获性以及影响的重要性，对于NBA球员平均工资的主要影响因素我主要选取了以下五个影响因素：美国GDP（以2000年为基期）、通货膨胀率、NBA工资帽、经济增长率、CPI（1982-1984=100）。
二、理论基础影响工资水平的主要影响因素包括：（一）宏观1.国民发展水平与工资水平：无论是在什么生产方式下，消费水平高低最重要取决于社会生产的可供消费的产品数量。
离开这一点，工资就没有了来源，工资水平的高低就无从谈起。
《计量经济学》课程实验报告
《计量经济学》课程实验报告年级专业：2012级金融学姓名：*** 学号：2012******一、实验目的1.学会Eviews工作文件的建立、数据输入、数据的编辑和描述；2.掌握用Eviews软件通过阿尔蒙多项式变换法估计分布滞后模型。
二、实验内容根据某地区1980-2001年固定资产投资Y与销售额X的资料，取阿尔蒙多项式的次数M=2，阿尔蒙多项式变换法估计分布滞后模型:错误！未找到引用源。
，将系数错误！未找到引用源。
(i=0,1,2,3,4)用二次多项式近似，则原模型可变为：错误！未找到引用源。
，由此用Eviews软件得出分布滞后模型的最终估计式。
三、实验数据教材第186页，表7.5：某地区1980-2001年固定资产投资Y与销售额X的资料四、实验步骤1.分析固定资产投资Y与销售额X的关系；2.模型设定：错误！未找到引用源。
；将系数错误！未找到引用源。
(i=0,1,2,3,4)用二次多项式近似，则原模型可变为：错误！未找到引用源。
；3.用Eviews计算错误！未找到引用源。
(i=0,1,2,3,4)。
步骤如下：（1）建立工作文件：双击Eviews图标，进入Eviews主页。
在菜单选项中依次点击New—Workfile，出现“Workfile Range”。
在““Workfile Frequency”中选择数据频率“Annual”，并在“Start Date”菜单中输入“1980”，在“End”菜单中输入“2001”，点击“OK”，出现未命名文件的“Workfile UNTITLED”工作框。
已有对象“c”为截距项，“resid”为剩余项。
（2）输入数据：在“Quick”菜单中点击“Empty Group”,出现数据编辑窗口。
将第一列命名为“Y”：方法是按上行键“↑”，对应“obs”格自动上跳，在对应的第二行有边框的“obs”空格中输入变量名为“Y”，再按下行键“↓”，变量名一下各格出现“NA”，依次输入Y的对应数据。
计量经济学课程设计报告
《计量经济学》课程设计报告2013 6237 568845.2 1106500.0 81428.28 86013.38 3478.54 102.6 29547 备注：1.数据来源：《2014年中国统计年鉴》2.城镇居民消费价格指数以1997年=100作为基准经过分析与研究，我们初步判定影响商品房平均销售价格的因素主要包括国民生产总值GDP、我国货币供应、商品房销售额、管过房地产开发投资额、单位土地购置费、城镇居民消费价格指数、城镇居民人均可支配收入等。
2.2变量说明变量符号商品房平均销售价格Y国内生产总值GDP GDP货币供应量M商品房销售额PRIE全国房地产开发投资额I单位土地购置费COST城镇居民消费价格指数CPI城镇居民人均可支配收入PAY2.3散点图分析从上面商品房平均销售价格与各影响因素的散点图可以看出，Y与GDP,M,PRIE,I,COST,PAY是明显的线性关系。
而经过尝试，发现Y与CPI没有明显的关系。
因为CPI是城镇居民消费价格指数，可以考察LN（Y)和LN(CPI)之间是否存在关系。
经尝试，LN（Y)和LN(CPI)之前也没有明显的关系，因此可剔除CPI。
3模型的初步建立根据以上分析，我们建立初步的计量经济模型为：t PAY COST I PRIE M GDP Y e 6543210+++++++=βββββββ进行OLS 回归，得到：可得到回归模型为：PAY COST I PRIE M E GDP Y 015.0057.00397.0-0397.005-94.10079.0426.1294+++++=∧(5.8884) (3.8958) (0.0151) (4.6273) (-3.1552) (0.2286) (0.3134) 由以上数据可以看出，2R =0.9972，2R =0.9954，可决系数较高，拟合优度较好。
F 值=541.9517，说明回归方程显著。
但是当05.0=α时，120.216t 2=）（α，不仅M,COST,PAY 的系数t 检验不显著，而且I 系数的符号与预期相反，因此可能存在多重共线性。
计量经济学课设报告
计量经济学课程设计—我国各地区居民消费支出影响因素分析班级：110511学号：110511113姓名：金明月2014年1月3日【摘要】在中国经济发展进程中，消费是伴随其发展的一个重要内容，伴随着经济增长的加快，消费形式的变化也越来越快，消费作为我国经济增长的三驾马车之一，起着不可替代的作用，只有把经济增长转变为依靠内需的增加上来，才能真正实现惠国惠民国策。
凯恩斯认为，短期影响个人消费的主观因素比较稳定，消费者的消费主要取决于收入的多少。
但是大家都知道，收入的变动并非影响消费的全部原因。
尤其在短期内，有时边际消费倾向可以为负数，即收入增加时消费反而减少，收入减少时消费反而增加；有时边际消费倾向会大于1，即消费增加额大于收入增加额。
这些现象告诉我们，在日常生活中，除了收入，还有其他一些因素会影响消费行为。
影响消费倾向的因素有主客观两个方面，主客观的诸多因素相互制约相互影响。
社会的消费量取决于期居民的收入数量、客观环境及社会成员的主管需求、心理倾向和社会的收入分配原则等主客观因素。
主观因素是指人性的心理特征、社会习俗和社会制度，这三方面具有相对稳定性。
本文利用2011年的数据，选取了居民可支配收入、CPI、财政支出、GDP四个因素分析对居民消费的影响，旨在说明其中的相互关系，为国家政策的制定与实施提供参考意见。
【关键词】消费收入CPI GDP EViews一、引言改革开放以来，我国居民收入与消费水平不断提高，居民消费结构升级和消费需求扩张成为我国经济高速增长的主要动力，居民消费需求对国民经济发展的影响不断增大，对国民经济产生的拉动作用。
我国经济逐步由短缺经济走向过剩经济、由卖方市场转向买方市场，社会消费需求不足，居民消费问题显得更加突出。
特别是对于如何启动内需，扩大居民消费变得越来越重要。
因此，及时把握国民经济发展格局中居民消费需求变动趋势，制定符合我国现阶段情况的国民消费政策，对于提高我国经济增长速度和质量都有重要意义。
计量经济学课程实验报告
计量经济学课程实验报告实验序号2实验名称Eviews的异方差检验与校正实验组别12模拟角色实验地点2教602指导老师刘冬萍实验日期11月29日实验时间16:05——17:45一、实验目的及要求学会使用计量学分析^p 软件Eviews的异方差检验与校正功能。
二、实验环境2教602,经管学院电脑实验室三、实验内容与步骤 ?DATA Y _SORT _1.生成相关图SCAT _ Y根据相关图随着_的增大Y的取值范围不断增大,所以方程存在异方差.2.方程的异方差检验（1）WHITE 检验建立回归模型 LS Y C _ Dependent Variable: Y Method: Least SquaresDate: 11/22/12 Time: 17:06 Sle: 1 20Included observations: 20 VariableCoefficientStd.Errort-StatisticProb.C0.8594690.7090571.2121300.2411_0.0363400.0096333.7723930.0014R-squared0.441531Mean dependent var3.100000Adjusted R-squared0.410504S.D.dependent var2.255986S.E.of regression1.732115Akaike info criterion4.031203Sum squared resid54.09Schwarz criterion4.130776Log likelihood-38.31203F-statistic14.23095Durbin-Watson stat2.111232Prob(F-statistic)0.001395进行WHITE 检验White Heteroskedasticity Test: F-statistic6.172459Probability0.009656Obs_R-squared8.413667Probability0.014893Test Equation:Dependent Variable: RESID^2 Method: Least SquaresDate: 11/22/12 Time: 17:07 Sle: 1 20Included observations: 20 VariableCoefficientStd.Errort-StatisticProb.C-0.8401623.268547-0.2570450.8002_0.0346910.0966160.3590620.7240_^20.0002590.4703750.6441R-squared0.420683Mean dependent var 2.70020__Adjusted R-squared 0.352528S.D.dependent var5.061699S.E.of regression4.072927Akaike info criterion 5.784082Sum squared resid 282.0085Schwarz criterion5.933442Log likelihood-54.84082F-statistic6.172459Durbin-Watson stat 2.196613Prob(F-statistic)Nr^2=8.413677 因为检验的P=0.014893小于0.05,所以存在异方差.(2) PARK检验LS Y C _Dependent Variable: YMethod: Least SquaresDate: 11/22/12 Time: 17:13Sle: 1 20Included observations: 20VariableCoefficientStd.Errort-StatisticProb.C0.8594690.7090571.2121300.2411_0.0363400.0096333.7723930.0014R-squared0.441531Mean dependent varAdjusted R-squared0.410504S.D.dependent var2.255986S.E.of regression1.732115Akaike info criterion 4.031203Sum squared resid54.09Schwarz criterion4.130776Log likelihood-38.31203F-statistic14.23095Durbin-Watson stat2.111232Prob(F-statistic)0.001395GENR E2=LOG(RESID2) GENR LN_=LOG(_)LS LNE2 C LN_ Dependent Variable: LNE2 Method: Least SquaresDate: 11/22/12 Time: 17:16 Sle: 1 20Included observations: 20 VariableCoefficientStd.Errort-StatisticProb.C-7.6927982.272023-3.3858810.0033LN_1.8393580.5713163.2195140.0048R-squared0.365421Mean dependent var-0.465580Adjusted R-squared0.330167S.D.dependent var1.915506S.E.of regression1.567714Akaike info criterion3.831754Sum squared resid44.23911Schwarz criterion3.931327Log likelihood-36.31754F-statistic10.36527Durbin-Watson stat1.937606Prob(F-statistic)0.004754由上图可看出P分别为0.0033 ,0.0048,0.004754都是小概率事件,所以方程是显著的,表明随机误差项的方差随着解释变量的取值不同而不断变化,即存在异方差性.（3）GLEISER检验LS Y C _GENR E=ABS(RESID)eq \o\ac(○,1)GENR _1=_^0.5LS E C _1Dependent Variable: E1Method: Least SquaresDate: 11/28/12 Time: 13:14Sle: 1 20Included observations: 20 VariableCoefficientStd.Errort-StatisticProb.C-1.2504440.637839-1.9604370.0656_10.3265340.0812324.0197750.0008R-squared0.473046Mean dependent var1.192860Adjusted R-squared0.443771S.D.dependent var1.159531S.E.of regression0.864787Akaike info criterion2.641972Sum squared resid13.46141Schwarz criterion2.741545Log likelihood-24.41972F-statistic16.15859Durbin-Watson stat2.047999Prob(F-statistic)0.000804|e1|=-1.250444+0.326534_1^0.5 R^2=0.473046 F=16.15859 P= eq \o\ac(○,2)GENR _2=_^-2LS E C _2Dependent Variable: E Method: Least SquaresDate: 11/28/12 Time: 13:27 Sle: 1 20Included observations: 20 VariableCoefficientStd.t-StatisticProb.C1.6651230.3427744.8577860.0001_2-657.9505338.0359-1.9463920.0674R-squared0.173874Mean dependent var 1.192860Adjusted R-squared 0.127978S.D.dependent var1.159531S.E.of regression1.082794Akaike info criterion 3.091607Sum squared residSchwarz criterion3.191180Log likelihood-28.91607F-statistic3.788442Durbin-Watson stat1.454864Prob(F-statistic)0.067388|e2|=1.665123-657.9505_^-2R^2=0.173874 F=3.788442 P= eq \o\ac(○,3)GENR _3=_^2LS E C _3Dependent Variable: E Method: Least SquaresDate: 11/28/12 Time: 13:32 Sle: 1 20Included observations: 20 VariableCoefficientStd.Errort-StatisticProb.C0.5805350.2376322.4430010.0251_30.0001132.67E-054.2339310.0005R-squared0.498972Mean dependent var 1.192860Adjusted R-squared 0.471138S.D.dependent var1.159531S.E.of regression0.843245Akaike info criterion 2.591520Sum squared resid 12.79911Schwarz criterion2.691093Log likelihood-23.91520F-statistic17.92617Durbin-Watson stat2.064289Prob(F-statistic)0.000499|e3|=0.580535+0.000113_4^2R^2=0.498972 F=17.92617 P=0.000499 eq \o\ac(○,4)GENR _4=_^-0,5LS E C _4Dependent Variable: EMethod: Least SquaresDate: 11/28/12 Time: 13:36Sle: 1 20Included observations: 20VariableCoefficientStd.Errort-StatisticProb.C3.4730600.7618054.5589870.0002_4-15.53960-3.1195030.0059R-squared0.350914Mean dependent var 1.192860Adjusted R-squared 0.314854S.D.dependent var1.159531S.E.of regression0.959785Akaike info criterion 2.850424Sum squared resid 16.58137Schwarz criterion2.949998Log likelihood-26.50424F-statistic9.731299Durbin-Watson stat 1.759756Prob(F-statistic)|e4|=3.473060-15.53960 _^-0.5 R^2=0.350914 F=9.731299 P= eq \o\ac(○,5)GENR _5=_^-1LS E C _5Dependent Variable: E Method: Least SquaresDate: 11/28/12 Time: 13:45 Sle: 1 20Included observations: 20 VariableCoefficientStd.Errort-StatisticProb.C2.2657780.4628754.8950140.0001_5-45.8762517.27699-2.6553390.0161R-squared0.281461Mean dependent var1.192860Adjusted R-squared0.241542S.D.dependent var1.159531S.E.of regression1.009829Akaike info criterion2.952079Sum squared resid18.35560Schwarz criterion3.051653Log likelihood-27.52079F-statistic7.050824Durbin-Watson stat1.627325Prob(F-statistic)0.016106|e5|=2.265778-45.87625_^-1R^2=0.281461 F=7.050824 P=0.016106由以上的五个方程表明，利润函数存在异方差性（只要取显著水平a大于0.067388）3.WLS方法估计利润函数(1)利用最小二乘法估计模型LS Y C _Dependent Variable: Y Method: Least SquaresDate: 11/28/12 Time: 12:40 Sle: 1 20Included observations: 20 VariableCoefficientStd.Errort-StatisticProb.C0.8594690.7090571.2121300.2411_0.0363400.0096333.7723930.0014R-squared0.441531Mean dependent var3.100000Adjusted R-squared0.410504S.D.dependent var2.255986S.E.of regression1.732115Akaike info criterion4.031203Sum squared resid54.09Schwarz criterion4.130776Log likelihood-38.31203F-statistic14.23095Durbin-Watson stat2.111232Prob(F-statistic)0.001395得到:y^=0.859469+0.036340_ R^2=0.441531 (0.0014)T=(1.212130) (3.772393 )(2)生成权数变量：根据帕克检验得到：Ls y c _Genr lne2=log(resid^2)Genr ln_=log(_)Ls lne2 c ln_Dependent Variable: LNE2 Method: Least SquaresDate: 11/28/12 Time: 12:56 Sle: 1 20Included observations: 20 VariableCoefficientStd.Errort-StatisticProb.C-7.6927982.272023-3.3858810.0033LN_1.8393580.5713163.2195140.0048R-squared0.365421Mean dependent var-0.465580Adjusted R-squared0.330167S.D.dependent var1.915506S.E.of regression1.567714Akaike info criterion3.831754Sum squared resid44.23911Schwarz criterion3.931327Log likelihood-36.31754F-statistic10.36527Durbin-Watson stat1.937606Prob(F-statistic)0.004754LNEi^2=--7.692798+1.839358LN_ R^2=0.365421 进行戈里瑟检验LS Y C _GENR E=ABS(RESID)eq \o\ac(○,1)GENR _1=_^0.5LS E C _1Dependent Variable: E1 Method: Least SquaresDate: 11/28/12 Time: 13:14 Sle: 1 20Included observations: 20 VariableCoefficientStd.Errort-StatisticProb.C-1.2504440.637839-1.9604370.0656_10.3265340.0812324.0197750.0008R-squared0.473046Mean dependent var1.192860Adjusted R-squared0.443771S.D.dependent var1.159531S.E.of regression0.864787Akaike info criterion2.641972Sum squared resid13.46141Schwarz criterion2.741545Log likelihood-24.41972F-statistic16.15859Durbin-Watson stat2.047999Prob(F-statistic)0.000804|e1|=-1.250444+0.326534_1^0.5 R^2=0.473046 F=16.15859 P= eq \o\ac(○,2)GENR _2=_^-2LS E C _2Dependent Variable: E Method: Least SquaresDate: 11/28/12 Time: 13:27 Sle: 1 20Included observations: 20Variable CoefficientStd.Errort-StatisticProb.C1.6651230.3427744.8577860.0001_2-657.9505338.0359-1.9463920.0674R-squared0.173874Mean dependent var 1.192860Adjusted R-squared 0.127978S.D.dependent var1.159531S.E.of regression1.082794Akaike info criterion3.091607Sum squared resid21.18Schwarz criterion3.191180Log likelihood-28.91607F-statistic3.788442Durbin-Watson stat1.454864Prob(F-statistic)0.067388|e2|=1.665123-657.9505_^-2R^2=0.173874 F=3.788442 P= eq \o\ac(○,3)GENR _3=_^2LS E C _3Dependent Variable: E Method: Least SquaresDate: 11/28/12 Time: 13:32 Sle: 1 20Included observations: 20 VariableCoefficientStd.Errort-StatisticProb.C0.5805350.2376322.4430010.0251_30.0001132.67E-054.2339310.0005R-squared0.498972Mean dependent var 1.192860Adjusted R-squared 0.471138S.D.dependent var1.159531S.E.of regression0.843245Akaike info criterion 2.591520Sum squared resid 12.79911Schwarz criterionLog likelihood-23.91520F-statistic17.92617Durbin-Watson stat2.064289Prob(F-statistic)0.000499|e3|=0.580535+0.000113_4^2R^2=0.498972 F=17.92617 P=0.000499 eq \o\ac(○,4)GENR _4=_^-0,5LS E C _4Dependent Variable: EMethod: Least SquaresDate: 11/28/12 Time: 13:36Sle: 1 20Included observations: 20VariableCoefficientStd.Errort-StatisticProb.C3.4730600.7618054.558987_4-15.539604.981434-3.1195030.0059R-squared0.350914Mean dependent var 1.192860Adjusted R-squared 0.314854S.D.dependent var1.159531S.E.of regression0.959785Akaike info criterion 2.850424Sum squared resid 16.58137Schwarz criterion2.949998Log likelihood-26.50424F-statistic9.731299Durbin-Watson stat1.759756Prob(F-statistic)0.005921|e4|=3.473060-15.53960 _^-0.5 R^2=0.350914 F=9.731299 P= eq \o\ac(○,5)GENR _5=_^-1LS E C _5Dependent Variable: E Method: Least SquaresDate: 11/28/12 Time: 13:45 Sle: 1 20Included observations: 20 VariableCoefficientStd.Errort-StatisticProb.C2.2657780.4628754.8950140.0001_5-45.8762517.27699-2.6553390.0161R-squared0.281461Mean dependent var1.192860Adjusted R-squared0.241542S.D.dependent var1.159531S.E.of regression1.009829Akaike info criterion2.952079Sum squared resid18.35560Schwarz criterion3.051653Log likelihood-27.52079F-statistic7.050824Durbin-Watson stat1.627325Prob(F-statistic)0.016106|e5|=2.265778-45.87625_^-1R^2=0.281461 F=7.050824 P=由上可得在戈里瑟检验里最显著的是：|e3|=0.580535+0.000113_4^2 R^2=0.498972 F=17.92617 P=所以取权数变量为 : GENR W1=1/_^1.839358GENR W2=_^2另外取：GENR W3=1/ABS(RESID)GENR W4=1/RESID^2（3）利用最小二乘法估计模型：模型一LS(W=W1) Y C _Dependent Variable: YMethod: Least SquaresDate: 11/28/12 Time: 14:00Sle: 1 20Included observations: 20Weighting series: W1VariableCoefficientStd.Errort-StatisticProb.C-0.6259810.318225-1.9671030.0648_0.0116496.1001610.0000Weighted Statistics R-squared0.573253Mean dependent var 1.734420Adjusted R-squared 0.549545S.D.dependent var0.940124S.E.of regression0.630973Akaike info criterion 2.011533Sum squared resid7.166292Schwarz criterion2.06Log likelihood-18.11533F-statistic24.17958Durbin-Watson statProb(F-statistic)0.000111Unweighted StatisticsR-squared-0.050320Mean dependent var3.100000Adjusted R-squared-0.108671S.D.dependent var2.255986S.E.of regression2.375406Sum squared resid.5659Durbin-Watson stat1.104724怀特检验的结果是White Heteroskedasticity Test: F-statistic0.986667Probability0.393Obs_R-squared2.080114Probability0.353435Test Equation:Dependent Variable: STD_RESID^2 Method: Least SquaresDate: 11/28/12 Time: 14:36 Sle: 1 20Included observations: 20 VariableCoefficientStd.Errort-StatisticProb.C0.8994860.4380022.0536110.0557_-0.0146130.012947-1.1286980.2747_^26.64E-057.37E-050.9011740.3801R-squared0.104006Mean dependent var0.358315Adjusted R-squared-0.001405S.D.dependent var0.545410S.E.of regression0.545793Akaike info criterion1.764328Sum squared resid5.064137Schwarz criterion1.913688Log likelihood-14.64328F-statistic0.986667Durbin-Watson stat2.743143Prob(F-statistic)0.393得到估计结果Y^=-0.625981+0.071060_(0.318225) (6.100161)R^2=0.573253 NR^2=2.080114 P=0.393 模型二LS(W=W2) Y C _Dependent Variable: YMethod: Least SquaresDate: 11/28/12 Time: 14:12Sle: 1 20Included observations: 20Weighting series: W2VariableCoefficientStd.Errort-StatisticProb.C4.3789433.2559741.3448950.1954_0.0060140.0227010.2649070.7941Weighted StatisticsR-squared0.702288Mean dependent var 4.737844Adjusted R-squared 0.685748S.D.dependent var8.767922S.E.of regression4.915135Akaike info criterion 6.117155Sum squared resid 434.8540Schwarz criterion6.216728Log likelihood-59.17155F-statistic42.46109Durbin-Watson stat 2.705915Prob(F-statistic)0.000004Unweighted Statistics R-squared-0.428848Mean dependent var3.100000Adjusted R-squared-0.508229S.D.dependent var2.255986S.E.of regression2.770576Sum squared resid138.1696Durbin-Watson stat0.87进行怀特检验的结果是White Heteroskedasticity Test: F-statistic46.95441Probability0.000000Obs_R-squared16.93442Probability0.000210Test Equation:Dependent Variable: STD_RESID^2 Method: Least SquaresDate: 11/28/12 Time: 14:39 Sle: 1 20Included observations: 20 VariableCoefficientStd.Errort-StatisticProb.C36.1706519.848121.8223720.0860_-1.6942460.586696-2.8877740.0102_^20.0166170.0033394.9760240.0001R-squared0.846721Mean dependent var21.74270Adjusted R-squared0.828688S.D.dependent var59.75546S.E.of regression24.73269Akaike info criterion9.391610Sum squared resid19.00Schwarz criterion9.540970Log likelihood-90.91610F-statistic46.95441Durbin-Watson stat2.837461Prob(F-statistic)0.000000得到结果是：Y^=4.378943+0.006014_(3.255974) (0.022701)R^2=0.702288 NR^2=16.93442 P=0.00000 模型三LS(W=W3) Y C _Dependent Variable: YMethod: Least SquaresDate: 11/28/12 Time: 14:19Sle: 1 20Included observations: 20 Weighting series: W3 VariableCoefficientStd.Errort-StatisticProb.C0.7076590.2082663.3978670.0032_0.0387920.0053887.20__1690.0000Weighted StatisticsR-squared0.945796Mean dependent var2.344549Adjusted R-squared0.942785S.D.dependent var2.209824S.E.of regression0.528582Akaike info criterion 1.657402Sum squared resid5.029181Schwarz criterion1.756975Log likelihood-14.57402F-statistic314.0812Durbin-Watson stat 1.849162Prob(F-statistic)0.000000Unweighted Statistics R-squared0.439521Mean dependent var 3.100000Adjusted R-squared 0.408383S.D.dependent var2.255986S.E.of regression1.735229Sum squared resid54.19836Durbin-Watson stat2.097049进行怀特检验得White Heteroskedasticity Test: F-statistic0.494755Probability0.618232Obs_R-squared1.100097Probability0.576922Test Equation:Dependent Variable: STD_RESID^2 Method: Least SquaresDate: 11/28/12 Time: 14:40 Sle: 1 20Included observations: 20 VariableCoefficientStd.Errort-StatisticProb.C0.1819650.0821532.2149610.0407_0.0050.0024280.7558340.4601_^2-8.06E-061.38E-05-0.5831500.5674R-squared0.055005Mean dependent var 0.251459Adjusted R-squared-0.056171S.D.dependent var0.099611S.E.of regression0.102370Akaike info criterion-1.582959Sum squared resid0.178155Schwarz criterion-1.433599Log likelihood18.82959F-statistic0.494755Durbin-Watson stat2.096222Prob(F-statistic)0.618232Y^=0.707659+0.038792_(0.208266) (0.005388)R^2=0.945796 NR^2=1.100097 P=0.618232 模型四 LS(W=W4) Y C _Dependent Variable: YMethod: Least SquaresDate: 11/28/12 Time: 14:24Sle: 1 20Included observations: 20Weighting series: W4VariableCoefficientStd.Errort-StatisticProb.C0.5918930.1283534.6114400.0002_0.0429390.00409310.490560.0000Weighted Statistics R-squared0.994979Mean dependent var 2.087552Adjusted R-squared 0.994700S.D.dependent var4.277070S.E.of regression0.311364Akaike info criterion 0.598931Sum squared resid1.745056Schwarz criterion0.698505Log likelihood-3.989313F-statistic3567.168Durbin-Watson stat 2.173306Prob(F-statistic)0.000000Unweighted Statistics R-squared0.422958Mean dependent var 3.100000Adjusted R-squared 0.390900S.D.dependent var2.255986S.E.of regression1.760681Sum squared resid 55.79997Durbin-Watson stat 2.027424进行怀特检验的结果是White Heteroskedasticity Test: F-statistic0.851707Probability0.444108Obs_R-squared1.821500Probability0.402222Test Equation:Dependent Variable: STD_RESID^2 Method: Least SquaresDate: 11/28/12 Time: 14:42 Sle: 1 20Included observations: 20 VariableCoefficientStd.Errort-StatisticProb.C0.2750730.1762821.5604170.1371_-0.0048390.005211-0.9285840.3661_^22.04E-052.97E-050.6876810.5009R-squared0.091075Mean dependent var 0.087253Adjusted R-squared-0.015857S.D.dependent var0.217943S.E.of regression0.219664Akaike info criterion -0.055951Sum squared resid0.820291Schwarz criterion0.093409Log likelihood3.559512。
计量经济学实验教程课程设计
计量经济学实验教程课程设计一、课程简介《计量经济学实验教程》是一门应用性很强的课程，主要研究计量经济学中的基本方法、分析思路和实际应用。
本课程旨在使学生掌握计量经济学的基本理论和方法，能够运用计量方法解决实际问题，培养学生的实践能力和独立思考能力。
二、课程目标1.掌握计量经济学的基本方法和理论•了解基本概念和定义•掌握统计学和计量经济学中常用的数学、统计学和计量学方法•熟悉数据的描述统计分析和回归分析方法2.熟悉计量经济学的应用环境•了解计量经济学所涉及的领域和应用领域•熟悉计量经济学在不同领域的应用案例•掌握计量经济学应用软件的使用方法3.培养实践能力和独立思考能力•实践解决实际问题的能力•运用计量经济学方法独立思考问题的能力•掌握文献资料检索和阅读的方法三、课程大纲1.计量经济学基础•统计学基础与假设检验•最小二乘法和回归分析•多元回归分析2.计量经济学方法•差分法和工具变量法•理论与实证检验•面板数据分析3.计量经济学应用•消费者和生产者行为•企业和市场行为•劳动市场和教育问题4.计量经济学软件•SPSS软件使用•STATA软件使用四、教学方法本课程主要采用课堂讲授、学生独立阅读和分组讨论、案例分析和实验操作等多种教学方法相结合，注重培养学生的实践操作能力和独立思考能力。
通过课上和课下的组合方式，增强学生的互动性，提高教学效果。
五、实验教学本课程设立了对应的计量经济学实验教学环节。
学生通过具体案例分析和实验操作，实际运用所学方法解决实际问题。
在实验教学中，着重培养学生的实践能力和独立思考能力，锻炼学生的创新能力，提高学生解决实际问题的能力。
六、课程评估本课程采用综合评价的方法进行评估。
主要包括以下方面：•期中考试：40%•期末考试：40%•课堂表现：10%•实验报告：10%七、课程参考书目•Wooldridge, Jeffrey M. Econometric analysis of cross section and panel data. MIT press, 2010.•Greene, William H. Econometric analysis. 6th ed., Prentice Hall, 2008.•Stock, James H., and Mark W. Watson. Introduction to econometrics. 3rd ed., Prentice Hall, 2011.八、课程总结《计量经济学实验教程》课程适合经济学、金融学、管理学等相关专业的本科生学习。
应用计量经济学第六版课程设计
应用计量经济学第六版课程设计1. 课程背景计量经济学是经济学的一个分支，在经济学研究中发挥着重要的作用。
计量经济学的本质是对经济学中各种经济行为的度量和评估，以及对相关经济模型的定量检验和分析。
应用计量经济学则是将计量经济学理论应用于实际经济问题的实践过程。
本课程旨在帮助学生掌握计量经济学的应用技能，并能在实际经济问题的分析中得到熟练应用。
本课程设计基于《应用计量经济学》第六版，主要包含回归分析、时间序列分析和面板数据分析三个方面的内容。
通过本课程的学习和实践，学生将能够掌握如何用计量经济学方法分析经济问题，并得出有力的结论。
2. 课程目标本课程的主要目标是让学生能够熟练掌握计量经济学的应用技能。
具体目标包括：1.掌握回归分析方法，能够在实际经济问题中应用。
2.理解时间序列分析的概念和方法，并能在实际经济问题中应用。
3.掌握面板数据分析的概念和方法，能够在实际经济问题中应用。
4.能够用计量经济学的方法对实际经济问题进行定量分析，得出有力结论。
3. 课程安排第一章：回归分析本章主要介绍回归分析的基本概念和方法。
包括线性回归模型、假设检验和参数估计等。
•第一节：回归分析的基本概念和方法•第二节：线性回归模型•第三节：参数估计和假设检验•实验一：回归分析实验第二章：时间序列分析本章介绍时间序列分析的基本概念和方法。
包括时间序列的性质和特征、平稳性检验、ARIMA模型和协整等。
•第一节：时间序列的概念和性质•第二节：平稳性检验•第三节：ARIMA模型•第四节：协整分析•实验二：时间序列分析实验第三章：面板数据分析本章主要介绍面板数据分析的基本概念和方法。
包括面板数据的基本特征、固定效应模型和随机效应模型。
•第一节：面板数据的基本特征•第二节：固定效应模型•第三节：随机效应模型•实验三：面板数据分析实验第四章：综合实践本章将对前三章所学内容进行综合实践，让学生能够将所学的理论应用到实际问题的解决中。
•第一节：案例分析•第二节：应用综合实践4. 课程评估本课程评估包括以下几个方面：1.平时成绩：参与课堂讨论、作业、实验成绩，占总评成绩的40%。
- 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》课程设计报告
2013 6237 568845.2 1106500.0 81428.28 86013.38 3478.54 102.6 29547 备注：1.数据来源：《2014年中国统计年鉴》
2.城镇居民消费价格指数以1997年=100作为基准
经过分析与研究，我们初步判定影响商品房平均销售价格的因素主要包括国民生产总值GDP、我国货币供应、商品房销售额、管过房地产开发投资额、单位土地购置费、城镇居民消费价格指数、城镇居民人均可支配收入等。
2.2变量说明
变量符号
商品房平均销售价格Y
国内生产总值GDP GDP
货币供应量M
商品房销售额PRIE
全国房地产开发投资额I
单位土地购置费COST
城镇居民消费价格指数CPI
城镇居民人均可支配收入PAY
2.3散点图分析
从上面商品房平均销售价格与各影响因素的散点图可以看出，Y与GDP,M,PRIE,I,COST,PAY是明显的线性关系。
而经过尝试，发现Y与CPI没有明显的关系。
因为CPI是城镇居民消费价格指数，可以考察LN（Y)和LN(CPI)之间是否存在关系。
经尝试，LN（Y)和LN(CPI)之前也没有明显的关系，因此可剔除CPI。
3模型的初步建立
根据以上分析，我们建立初步的计量经济模型为：
t PAY COST I PRIE M GDP Y e 6543210+++++++=βββββββ
进行OLS 回归，得到：
可得到回归模型为：
PAY COST I PRIE M E GDP Y 015.0057.00397.0-0397.005-94.10079.0426.1294+++++=∧
(5.8884) (3.8958) (0.0151) (4.6273) (-3.1552) (0.2286) (0.3134) 由以上数据可以看出，2R =0.9972，2
R =0.9954，可决系数较高，拟合优度较好。
F 值=541.9517，说明回归方程显著。
但是当05.0=α时，120.216t 2
=）（α，不仅
M,COST,PAY 的系数t 检验不显著，而且I 系数的符号与预期相反，因此可能存在多重共线性。
4模型的检验与修正 4.1多重共线性检验
计算个解释变量的相关系数，选择GDP,M,PRIE,I,COST,PAY 数据，点击“view/。