计量经济学eviews应用习题
EViews统计分析在计量经济学中的应用综合案例
计量经济学创新实验设计
我们以方正科技（600601）为例，介绍如何通过Eviews 软件进行系数的回归估计。
打开Eviews6.0，选择File-New-Workfile，frequency选择integer date，时间为1至200，点击确定。
计量经济学创新实验设计
计量经济学创新实验设计
二.资本资产定价模型及其检验方法介绍
各种股票的收益和风险呈现正相关，每种资
产的收益由无风险收益和风险贴水两部分构成。 可表示为：
E Ri Rf i E Rm Rf
（1）
其中： E Ri 为股票的期望收益率； Rf 为无风险收益率、 E Rm 为市场证券组合的
期望收益率； i 是股票 i 收益和市场组合收益间的协方差im 与市场组合收益方差 m 2 的比
值，即 i
im
2 m
，常被称为“
系数”（可以看作某种股票收益变动对市场组合收益变
动的敏感度）。
计量经济学创新实验设计
假设关于任何资产的收益是一个公平博弈，换句 话说就是任何资产已实现的平均收益率等于其预 期的收益率。数学上有如下形式：
Rit E Rit imt eit
（2）
其 中 ， mt Rmt E Rmt ， E mt 0 ， eit 为 随 机 误 差 项 ， 且 E eit 0 ，
covemt
, eit
0
，
cov eit ,eit1
0
，
i
cov Rmt
,
Rit
Var
Rmt
。
计量经济学创新实验设计
出现下图后，点击Object-New Object，在Type of object中 选择seriers,，并命名为SY和MY，从而创建两个序列。
计量经济学 第五章习题答案
第五章异方差性5.2答案：（1）EVIEWS估计的结果为：Yˆi= 9.3475+0.6371X iT=(2.5691) (32.0088)R2 =0.9464 F=1024.564（2）首先，用Goldfeld-Quandt法进行检验。
将样本X按递减顺序排序，去掉中间1/4的样本，再分为两个部分的样本，即N1=N2=22。
分别对两个部分样本求最小二乘估计，在样本区为1—22的Eviews估计如下：样本区39—60的Eviews估计如下：得到两个部分各自的残差平方和，即∑e 12 =2495.840∑e 22 =603.0148求F 统计量为： F=∑∑e e 2221=2495.840/603.0148=4.1390给定α=0.05，查F 分布表，得临界值为F 0.05=(20,20)=2.12.比较临界值与F 统计量值，有F =4.1390>F 0.05=(20,20)=2.12，说明该模型的随机误差项存在异方差。
其次，用White 法进行检验结果如下：给定α=0.05，在自由度为2下查卡方分布表，得χ2=5.9915。
比较临界值与卡方统计量值，即nR2=10.8640>χ2=5.9915，同样说明模型中的随机误差项存在异方差。
（2）用权数W1=1/X，作加权最小二乘估计，得如下结果用White法进行检验得如下结果：F-statistic 3.138491 Probability 0.050925Obs*R-squared 5.951910 Probability 0.050999。
比较临界值与卡方统计量值，即nR2=5.9519<χ2=5.9915，说明加权后的模型中的随机误差项不存在异方差。
其估计的结果为：Yˆi= 10.3705+0.6309X iT=(3.9436) (34.0467)R2 =0.21144 F=1159.176 DW=0.95855.3答案：（1）EVIEWS估计结果：Yˆi= 179.1916+0.7195X iT=(0.808709) (15.74411)R2 =0.895260 F=247.8769 DW=1.461684 （2）利用White方法检验异方差，则White检验结果见下表：由上述结果可知，该模型存在异方差。
计量经济学练习题带答案版
一 、单项选择题二、多项选择题三、计算分析题设某地区机电行业产出Y （万元），劳动力投入成本1X （万元）以及固定资产投入成本2X （万元）。
经Eviews 软件对2001年——2017年的数据分别建立双对数模型进行最小二乘估计，结果如下：Dependent Variable: Ln (Y)Ln(X1) 0.3879290.1378422.814299 0.0138 Ln(X2)0.568470 ( 0.05567710.210060.0000R-squared 0.934467 Mean dependent var6.243029 Adjusted R-squared ( 0.925105 ) S.D. dependent var0.356017 S.E. of regression 0.097431 Akaike info criterion -1.660563 Sum squared resid 0.132899 Schwarz criterion -1.513526 Log likelihood 17.11479 F-statistic （ 99.81632 ）1．补充括号内的数值，并规范地写出回归的分析结果，保留三位小数。
122ˆln 3.73490.3879ln(X )0.5685ln(X ) se (0.2128) (0.1378) (0.0557) 0.9251t=(17.5541) (2.8143) (10.2101) df=14 p=(0.000) (0.0138)Y R =++==2,1499.8163(0.0000) F =2. 对模型的估计结果进行偏回归系数和整体显著性检验。
（t0.025(14)=2.145；t0.025(15)=2.131；F0.05(2,14)=3.74；F0.05(3,14)=3.34）。
（注意运用临界值法！！）样本量为17，临界值选取t0.025(14)=2.145F临界值选取F0.05(2,14)=3.743. 如果有两种可供选择的措施以提高机电行业产出，措施一是加大劳动力的投入，措施二是增大固定资产的投入，你认为哪个措施效果更明显，为什么？选择措施二，因为劳动力成本增长1个百分点，机电行业产增长0.39个百分点，而固定资产投入成本增长1个百分点，机电行业销售额仅增长0.57个百分点四、分析题根据我国31个细分制造业的数据，得到生产函数的如下估计结果：ln(Ŷi)=1.168+0.37ln(K i)+0.61ln(L i)se= (0.331) ( a) (0.1293)t= (3.53) ( 4.23) ( b )R2=0.94其中，Y为总产出，K为资本投入，L为劳动投入。
计量经济学复习习题
计量经济学复习习题第二章回归模型习题一、填空题：1.在Eviews 软件中，估计线性模型的命令是__LS_____。
2.在Eviews 软件中，估计非线性模型的命令是_____NLS_____。
3.被解释变量的观测值i Y 与其回归理论值)(Y E 之间的偏差，称为__随机扰动项__；被解释变量的观测值i Y 与其回归估计值i Y ?之间的偏差，称为____残差____。
4.对线性回归模型μββ++=X Y 10进行最小二乘估计，最小二乘准则是残差平方和最小。
5.高斯—马尔可夫定理证明在总体参数的各种无偏估计中，普通最小二乘估计量具有方差最小的特性，并由此才使最小二乘法在数理统计学和计量经济学中获得了最广泛的应用。
6.普通最小二乘法得到的参数估计量具有无偏性、有效性、一致性统计性质。
9.对计量经济学模型作统计检验包括 R 平方检验、F 检验、 T 检验。
10．判定系数R 2可以判定回归直线拟合的优劣，又称为可决系数。
11.可以利用线性回归模型的系数直接进行边际分析，利用双对数模型的回归系数进行弹性分析。
12．动态模型是在方程中引入滞后变量。
二、单选题：1.回归分析中定义的（ B ）A.解释变量和被解释变量都是随机变量B.解释变量为非随机变量，被解释变量为随机变量C.解释变量和被解释变量都为非随机变量D.解释变量为随机变量，被解释变量为非随机变量2.最小二乘准则是指使（D ）达到最小值的原则确定样本回归方程。
A.()∑=-n t tt Y Y 1? B.∑=-n t t t Y Y 1? C.t t Y Y ?max - D.()21?∑=-n t t t Y Y3.双对数模型μββ++=X Y ln ln 10中，参数1β的含义是（ D ）。
A.X 的相对变化，引起Y 的期望值绝对量变化B.Y 关于X 的边际变化C.X 的绝对量发生一定变动时，引起因变量Y 的相对变化率D.Y 关于X 的弹性4.在多元回归中，调整后的判定系数与判定系数的关系有 ( B)A ．< B ． > C ． = D ．与的关系不确定 5.根据样本资料已估计得出人均消费支出Y 对人均收入X 的回归方程为X Y ln 75.000.2ln +=)，这表明人均收入每增加１％，人均消费支出将增加（C ）。
计量的eviews软件的使用例题
1.建立深圳地方预算内财政收入对GDP的回归模型，建立EViews文件。
可作散点图：可看出财政收入和GDP的关系近似直线关系，可建立回归模型：=i Y i i 21μββ++GDP利用EViews 估计其参数结果为即 =i γ-3.611151+0.134582GDP i（4.16179） （0.003867）t=（-0.867692） （34.80013）R=0.99181 F=1211.049经检验说明，GDP 对地方财政收入确有显著影响。
R=0.99181,说明GDP 解释了地方财政收入变动的99%，模型拟合程度较好。
模型说明当GDP 每增长1亿元，平均说来地方财政收入将增长0.134582亿元。
当2005年GDP 为3600亿元时，地方财政收入的点预测值为=2005Y -3.611151+0.134582*3600=480.884（亿元）区间预测： 平均值为：∑x x i σ=（n-1）=587.2686*587.2686*（12-1）=3793728.494 （3600-917.5874）*（3600-917.5874）=7195337.357取∂=0.05，Y 平均值置信度95%预测区间为2005GDP =3600时 480.884±2.228*7.5325*494.3293728357.7195337121+=44±25.2735（亿元） Y 个别值置信度95%的预测区间为：即 480.884±2.228*7.5325*494.3293728357.71953371211++=480.884±30.3381（亿元）2. 呈现负相关关系，计算线性相关系数为-0.882607.作散点图：建立描述投诉率（Y ）依赖航班按时到达正点率（X ）的回归方程：i t 21t μββ++=X Y利用EViews 估计其参数结果为即t Y=6.017832-0.070414t X（1.017832）（-0.014176）t=（5.718961）（-4.967254）R=0.778996 F=24.67361这说明当航班正点到达比率每提高1个百分点，平均说来每10万名乘客投诉次数将下降0.07次。
计量经济学李子奈第三版课后习题Eviews实验报告
《计量经济学》实验报告实验一：EViews5.0软件安装及基本操作女人看完这些文章还没过隐吗？请速度看下面的↓↓女人推荐精彩文章↓↓注：下载原文后点及连接进入，不下载无法观看养胸美胸比养脸更重要，女性朋友一定要知道男人厌倦女人身体的全过程，惊呆了！卖爆了！采用iphone6外观设计理念~顶极高配神机~万众期待，顶级配置卖爆了！TVS沿用劳力士经典款设计打造，顶级镶钻机械腕表官方活动价698元】限量1折抢大牌! 仅此一天全国货到付款!送自己送朋友送父母（孝敬父母首选）解压安装包，双击“Setup.exe”，选择安装路径进行安装；安装完毕后，复制“eviews5.0破解文件夹”下的“eviews5.reg文件”和“eviews5.exe文件”到安装目录下；双击“Eviews5.reg”进行注册，安装完毕。
2.基本操作（数据来源于李子奈版课后习题P61.12）运行Eviews,依次单击file→new→work file→unstructed→observation 31。
命令栏中输入“data y gdp”，打开“y gdp”表，接下来将数据输入其中。
做出“y gdp”的散点图，依次单击quick→graph→scatter→gdp y。
结果如下：开始进行LS回归：回归方程为：Y = -10.39340931 + 0.0710********GDP对回归方程做检验：斜率项t值9.59大于t在5%显著水平下的检验值2.045，拒绝零假设；截距项t 值0.121小于2.045，接受零假设。
可决系数0.76，拟合较好，方程F检验值91.99通过F检验。
下面进行预测：拓展工作空间：打开work file窗口，单击 Proc→Structure，将End date 的数据31→32；确定预测值的起止日期：打开work file窗口，点击Quick→Sample,填入“1 32”。
打开GDP数据表，在GDP的最下方填，按回车键。
计量经济学论文eviews分析计量经济作业
计量经济学论文e v i e w s 分析计量经济作业The document was prepared on January 2, 2021我国旅游收入的计量分析一、经济理论陈述在研读了大量统计和计量资料的基础上,选择了三个大方面进行研究,既包括旅游人数,人均旅游花费和基本交通建设.其中,在旅游人数这个解释变量的划分上,我们考虑到随着全球经济一体化的发展,越来越多的外国游客来中国旅游消费.中国旅游的国际市场是个有发展潜力的新兴市场,尽管外国游客前来旅游的方式包罗万象而且消费能力也不尽相同,但从国际服务贸易的角度出发,我们在做变量选择时,运用国际营销的知识进行市场细分,划分了国际和国内两个市场.这样,在旅游人数这个解释变量的最终确定上,我们选择了2X国内旅游人数,3X入境旅游人数.这点选择除了理论支持外,在现实旅游业发展中我们也看到很多景区包括成都的近郊也有不少外国游客的身影.所以,我们选取这两个解释变量等待下一步进行模型设计和检验.另外,对于人均旅游花费,我们在进行市场细分时,没有延续前两个变量的选择模式,有几个原因.首先,外国游客前来旅游的形式和消费方式各异且很难统计.我们在花大力气收集数据后,仍然没有比较权威的统计数据资料.其次,随着国家对农业的不断重视和扶持,我国农业有了长足发展.农村居民纯收入增加,用于旅游的花费也有所上升.而且鉴于农村人口较多,前面的市场细分也不够细化,在这个解释变量的确定上,我们选择农村人均旅游花费,既是从我国基本国情出发,也是对第一步研究分析的补充.所以我们确定了4X城镇居民人均旅游花费和5X农村居民人均旅游花费.旅游发展除了对消费者市场的划分研究,还应考虑到该产业的基础硬件设施.在众多可选择对象中我们经分析研究结合大量文献资料决定从交通建设着手.在我国,交通一般分布为公路,铁路,航班,航船等.由于考虑到我国一般大众的旅游交通方式集中在公路和铁路上,为了避免解释变量的过多过繁以及可能带来的多重共线形等问题,我们只选取了前二者.即确定了6X公路长度和7X铁路长度这两个解释变量.其中,考虑到我国旅游业不断发展过程中,高速公路的修建也不断增多,在6X的确定过程中,我们已经将其拟合,尽量保证解释变量的完整和真实.二、相关数据三、计量经济模型的建立Ｙ＝ｃ１＋ｃ２Ｘ２＋ｃ３Ｘ３＋ｃ４Ｘ４＋ｃ５Ｘ５＋ｃ６Ｘ６＋Ｕ我们建立了下述的一般模型：其中Ｙ——1994-2003年各年全国旅游收入Ｃ１——待定参数X——国内旅游人数万人2X——入境旅游人数万人3X——城镇居民人均旅游花费元4X——农村居民人均旅游花费元5X——公路长度含高速万公里6X——铁路长度万公里7Ｕ——随即扰动项四、模型的求解和检验利用Eviews软件,采用以上数据对该模型进行OLS回归,结果如下：Dependent Variable: YMethod: Least SquaresDate: 12/23/10 Time: 01:56Sample: 1994 2003Included observations: 10Variable Coefficient Std. Error t-Statistic Prob.CX2X3X4X5X6X7R-squared Mean dependent varAdjusted R-squared . dependent var. of regression Akaike info criterionSum squared resid Schwarz criterionLog likelihood F-statisticDurbin-Watson stat ProbF-statistic由此可见,该模型可决系数很高,F检验显着,但是2X、6X、7X的系数t检验不显着,且7X的系数符号不符合经济意义,说明存在严重的多重共线性.所以进行以下修正：〈一〉．计量方法检验及修正多重共线性的检验：首先对Y进行各个解释变量的逐步回归, 由最小二乘法,结合经济意义和统计检验得出拟合效果最好的两个解释变量如下：Dependent Variable: YMethod: Least SquaresDate: 12/23/10 Time: 02:00Sample: 1994 2003Included observations: 10Variable Coefficient Std. Error t-Statistic Prob.CX4X5R-squared Mean dependent varAdjusted R-squared . dependent var. of regression Akaike info criterionSum squared resid Schwarz criterionLog likelihood F-statisticDurbin-Watson stat ProbF-statistic继续采用逐步回归法将其余解释变量代入,得出拟合效果最好的三个解释变量,结果如下：Dependent Variable: YMethod: Least SquaresDate: 12/23/10 Time: 02:01Sample: 1994 2003Included observations: 10Variable Coefficient Std. Error t-Statistic Prob.CX2X4X5R-squared Mean dependent varAdjusted R-squared . dependent var. of regression Akaike info criterionSum squared resid Schwarz criterionLog likelihood F-statisticDurbin-Watson stat ProbF-statistic以上模型估计效果最好,继续逐步回归得到以下结果：Dependent Variable: YMethod: Least SquaresDate: 12/23/10 Time: 02:40Sample: 1994 2003Included observations: 10Variable Coefficient Std. Error t-Statistic Prob.CX2X3X4X5R-squared Mean dependent varAdjusted R-squared . dependent var. of regression Akaike info criterionSum squared resid Schwarz criterionLog likelihood F-statisticDurbin-Watson stat ProbF-statistic各项拟合效果都较好.虽然2X的t检验不是很显着,但考虑到其经济意义在模型中的重要地位,暂时保留.继续引入6X.Dependent Variable: YMethod: Least SquaresDate: 12/23/10 Time: 02:41Sample: 1994 2003Included observations: 10Variable Coefficient Std. Error t-Statistic Prob.CX2X3X4X5X6R-squared Mean dependent varAdjusted R-squared . dependent var. of regression Akaike info criterionSum squared resid Schwarz criterionLog likelihood F-statisticDurbin-Watson stat ProbF-statistic根据以上回归结果可得,6X的引入使得模型中2X、6X的t检验均不显着,再考察二者的相关系数为,说明2X、6X高度相关,模型产生了多重共线性,因此将6X去掉.再将7X代入检验.Dependent Variable: YMethod: Least SquaresDate: 12/23/10 Time: 02:42Sample: 1994 2003Included observations: 10Variable Coefficient Std. Error t-Statistic Prob.CX2X3X4X5X7R-squared Mean dependent varAdjusted R-squared . dependent var. of regression Akaike info criterionSum squared resid Schwarz criterionLog likelihood F-statisticDurbin-Watson stat ProbF-statisticX的系数为负,与经济意义相悖,因此也去掉.由此确定带入模型的解7释变量为2X、3X、4X、5X.异方差性的检验：再对模型的异方差性进行检验：鉴于我们的样本资料是时间序列数据,选用ARCH检验.ARCH Test:F-statistic ProbabilityObsR-squared ProbabilityTest Equation:Dependent Variable: RESID^2Method: Least SquaresDate: 12/23/10 Time: 02:43Sample adjusted: 1995 2003Included observations: 9 after adjustmentsVariable Coefficient Std. Error t-Statistic Prob.CRESID^2-1R-squared Mean dependent varAdjusted R-squared . dependent var. of regression Akaike info criterionSum squared resid +08 Schwarz criterionLog likelihood F-statisticDurbin-Watson stat ProbF-statistic这里ObsR-squared为,P=>所以接受0H,表明模型中随机误差项不存在异方差.再考虑P=3的情况：ARCH Test:F-statistic ProbabilityObsR-squared ProbabilityTest Equation:Dependent Variable: RESID^2Method: Least SquaresDate: 12/23/10 Time: 02:46Sample adjusted: 1997 2003Included observations: 7 after adjustmentsVariable Coefficient Std. Error t-Statistic Prob.CRESID^2-1RESID^2-2RESID^2-3R-squared Mean dependent varAdjusted R-squared . dependent var. of regression Akaike info criterionSum squared resid +08 Schwarz criterionLog likelihood F-statisticDurbin-Watson stat ProbF-statistic这里ObsR-squared为,P=>.所以仍然接受0H,表明模型中随机误差项不存在异方差.自相关性的检验：随机扰动项可能存在一阶负自相关.借助残差项和其一阶滞后项的二维坐标图进一步分析：由图示可看出,残差项和其一阶滞后项显然存在负自相关,然后利用对数线形回归修正自相关性,得到相应结果如下：Dependent Variable: LOGYMethod: Least SquaresDate: 12/23/10 Time: 02:52Sample: 1994 2003Included observations: 10Variable Coefficient Std. Error t-Statistic Prob.CLOGX2LOGX3LOGX4LOGX5R-squared Mean dependent varAdjusted R-squared . dependent var. of regression Akaike info criterionSum squared resid Schwarz criterionLog likelihood F-statisticDurbin-Watson stat ProbF-statistic从估计的结果看,DW=,说明修正后有了明显好转,随机扰动项几乎不存在一阶自相关.我们进行了一系列检验和修正后的最终结果如下：2R= 2R= F=五、经济意义解释C3和C3分别衡量我国旅游收入国内和入境旅游人数的弹性,也就是表示当旅游人数每变动百分之一时,平均来说,旅游收入变动的百分比.这里要特别注意,例如1998年国内旅游人数为69450万人,入境旅游人数为万人,则国内旅游人数每增加1%,即增加万人,国内旅游收入增加%,而入境旅游人数每增加1%,即增加万人,国内旅游收入增加%.C4和C5分别衡量我国旅游收入我国城镇居民和农村居民人均旅游花费的弹性,也就表示当人均花费每变动百分之一时,平均来说,旅游收入变动的百分比.城镇居民人均旅游花费每增加1%,国内旅游收入增加%；农村居民人均旅游花费每增加1%,国内旅游收入增加 %.六、政策建议为了促进我国旅游事业的快速发展,我们提出了以下几点建议：1、实施政府主导型旅游发展战略政府主导型旅游发展战略是按照旅游业自身的特点,在以市场为主,合理配置资源的基础上,充分发挥政府的主导作用,促进旅游业更快发展.1建设和完善旅游法制体系,力争旅游法的尽早出台.2提高旅游管理部门的地位,或组织高层次的协调机制,以适应旅游产业大规模和大发展的前景.3中央政府的主导需要相应的资金基础.从1992年起,财政部建立了旅游发展基金,其来源是在出境机场费中加收20元人民币,对旅游业的发展起到了积极的作用.考虑到旅游大发展的需要,多渠道,多形式开辟政府基金来源是必要的.4加大促销投入.长期以来我国促销经费严重缺乏.中央一年所能提供的促销经费不足500万美元,这大大限制了我国对国际旅游市场大面积,深层次的开发,难以产生影响客源流向的招徕效果.从国际上看,为了使自己处在有利的市场竞争地位,每个国家每年都投入相当数量的旅游经费,用于开展旅游对外促销活动.按照世界一般规律,吸引一个国际旅游者平均需要3—5美元的促销经费,而我国尚不足美元,这种状态,显然无法适应国际旅游市场竞争的需要. 因此,在政府主导型战略的实施中加大促销投入是一项重要的工作.2、旅游市场创新旅游经济是特色经济,而特色就需要充分地发扬创新意识,做到人无我有,人有我精,人精我专. 对于旅游市场的开拓,各地旅游开发和建设模式大同小异,无论是山水风景区,历史文化名城,滨海沙滩度假地,还是温泉休养区,大都只是大众旅游市场的共同特征,因此,重复建设的模式正成为旅游开拓市场的通病.随着现代旅游者需求日益成熟,伴随着主题公园等人造景区大规模发展之势,生态旅游由于世界各国重视人和自然共生共存共荣环保概念的强化,以可持续发展为方向的生态旅游正在世界各地呈方兴未艾之势.区域旅游的发展开始以若干不同旅游项目满足相应不同分众市场的开发模式以获得综合整体效益,形成规模经济的发展趋势.3、不同产业匹配发展产业之间相互联系,旅游业的存在不是独立的,在促进旅游业的同时也要加大工业和农业的发展.如我国农业人口占据很大比例,而国内旅游收入的主要来源集中在为数不多的城镇居民上,农村市场还存在很大的空白.可以说,我国的国内旅游市场还没有开发完全,农村市场非常广阔,具有很大潜力,所以发展农业,必然会极大促进我国的旅游事业.。
中级计量经济学-第四章-习题以及解答思路（EViews）
中级计量经济学-第四章-习题以及解答思路（EViews）第4章习题一表1给出了1965~1970年美国制造业利润和销售额的季度数据。
假定利润不仅与销售额有关，而且和季度因素有关。
要求对下列二种情况分别估计利润模型：（1）如果认为季度影响使利润平均值发生变异，应如何引入虚拟变量？（2）如果认为季度影响使利润对销售额的变化率发生变异，如何引入虚拟变量？表1Quarterly 65-70Quick- Equation EstimationY c x @seas(1) @seas(2) @seas(3)Dependent Variable: YMethod: Least SquaresDate: 11/26/14 Time: 18:38Sample: 1965Q1 1970Q4Included observations: 24Variable Coefficient Std. Error t-Statistic Prob.C6868.0151892.766 3.6285590.0018 X0.0382650.011483 3.3322520.0035 @SEAS(1)-182.1690654.3568-0.2783940.7837 @SEAS(2)1140.294630.6806 1.8080380.0865 @SEAS(3)-400.3371636.1128-0.6293490.5366R-squared0.525596Mean dependentvar12838.54Adjusted R-squared0.425721S.D. dependentvar1433.284S.E. of regression1086.160Akaike infocriterion17.00174Sum squared resid22415107Schwarz criterion17.24716 Log likelihood-199.0208F-statistic 5.262563Durbin-Watson stat0.388380Prob(F-statistic)0.005024T和P在5%情况下都不通过，第二季度相对还好一点假设第二季度显著，结果的经济含义是什么？Y c x @seas(2) @seas(3) @seas(4)Dependent Variable: YMethod: Least SquaresDate: 11/26/14 Time: 18:47Sample: 1965Q1 1970Q4Included observations: 24Variable Coefficient Std. Error t-Statistic Prob.C6685.8461711.618 3.9061550.0009 X0.0382650.0114833.3322520.0035 @SEAS(2)1322.463638.4258 2.0714440.0522 @SEAS(3)-218.1681632.1991-0.3450940.7338@SEAS(4)182.1690654.35680.2783940.7837R-squared0.525596Mean dependentvar12838.54Adjusted R-squared0.425721S.D. dependentvar1433.284S.E. of regression1086.160Akaike infocriterion17.00174Sum squared resid22415107Schwarz criterion17.24716 Log likelihood-199.0208F-statistic 5.262563Durbin-Watson stat0.388380Prob(F-statistic)0.005024第二季度依旧显著影响四种都试一下（去掉一个季节），选一个最显著的124Dependent Variable: YMethod: Least SquaresDate: 11/26/14 Time: 18:51Sample: 1965Q1 1970Q4Included observations: 24Variable Coefficient Std. Error t-Statistic Prob.C6467.6781789.178 3.6148880.0018 X0.0382650.011483 3.3322520.0035 @SEAS(1)218.1681632.19910.3450940.7338 @SEAS(2)1540.632628.3419 2.4519000.0241 @SEAS(4)400.3371636.11280.6293490.5366R-squared0.525596Mean dependentvar12838.54Adjusted R-squared0.425721S.D. dependentvar1433.284S.E. of regression1086.160Akaike infocriterion17.00174Sum squared resid22415107Schwarz criterion17.24716 Log likelihood-199.0208F-statistic 5.262563Durbin-Watson stat0.388380Prob(F-statistic)0.005024134Dependent Variable: Y Method: Least SquaresDate: 11/26/14 Time: 18:52 Sample: 1965Q1 1970Q4 Included observations: 24Variable Coefficient Std. Error t-Statistic Prob.C8008.3091827.543 4.3820090.0003 X0.0382650.011483 3.3322520.0035 @SEAS(1)-1322.463638.4258-2.0714440.0522 @SEAS(3)-1540.632628.3419-2.4519000.0241 @SEAS(4)-1140.294630.6806-1.8080380.0865R-squared0.525596Mean dependentvar12838.54Adjusted R-squared0.425721S.D. dependentvar1433.284S.E. of regression1086.160Akaike infocriterion17.00174Sum squared resid22415107Schwarz criterion17.24716 Log likelihood-199.0208F-statistic 5.262563Durbin-Watson stat0.388380Prob(F-statistic)0.005024（2）Y=c+βx+α1D1X+α2D2X+α3D3XD1=1（第一季度）0（其他）Y c x @seas(1)*x @seas(2)*x @seas(3)*xDependent Variable: Y Method: Least SquaresDate: 11/26/14 Time: 19:00 Sample: 1965Q1 1970Q4 Included observations: 24Variable Coefficient Std. Error t-Statistic Prob.C6965.8521753.642 3.9722200.0008 X0.0373630.011139 3.3542150.0033 @SEAS(1)*X-0.0008930.004259-0.2095880.8362 @SEAS(2)*X0.0077120.003962 1.9465020.0665 @SEAS(3)*X-0.0022910.004041-0.5669850.5774R-squared0.528942Mean dependentvar12838.54Adjusted R-squared0.429771S.D. dependentvar1433.284S.E. of regression1082.323Akaike infocriterion16.99466Sum squared resid22257030Schwarz criterion17.24009 Log likelihood-198.9359F-statistic 5.333675Durbin-Watson stat0.418713Prob(F-statistic)0.004722Dependent Variable: Y Method: Least SquaresDate: 11/26/14 Time: 19:10 Sample: 1965Q1 1970Q4 Included observations: 24Variable Coefficient Std. Error t-Statistic Prob.C8008.3091827.543 4.3820090.0003 X0.0382650.011483 3.3322520.0035 @SEAS(1)-1322.463638.4258-2.0714440.0522 @SEAS(3)-1540.632628.3419-2.4519000.0241 @SEAS(4)-1140.294630.6806-1.8080380.0865R-squared0.525596Mean dependentvar12838.54Adjusted R-squared0.425721S.D. dependent 1433.284varS.E. of regression1086.160Akaike infocriterion17.00174Sum squared resid22415107Schwarz criterion17.24716 Log likelihood-199.0208F-statistic 5.262563Durbin-Watson stat0.388380Prob(F-statistic)0.005024Dependent Variable: Y Method: Least SquaresDate: 11/26/14 Time: 19:11 Sample: 1965Q1 1970Q4 Included observations: 24Variable Coefficient Std. Error t-Statistic Prob.C6965.8521753.642 3.9722200.0008 X0.0350720.011790 2.9746750.0078 @SEAS(1)*X0.0013980.0042410.3297360.7452 @SEAS(2)*X0.0100030.004068 2.4588230.0237 @SEAS(4)*X0.0022910.0040410.5669850.5774R-squared0.528942Mean dependentvar12838.54Adjusted R-squared0.429771S.D. dependentvar1433.284S.E. of regression1082.323Akaike infocriterion16.99466Sum squared resid22257030Schwarz criterion17.24009 Log likelihood-198.9359F-statistic 5.333675Durbin-Watson stat0.418713Prob(F-statistic)0.004722Dependent Variable: Y Method: Least SquaresDate: 11/26/14 Time: 19:11 Sample: 1965Q1 1970Q4 Included observations: 24Variable Coefficient Std. Error t-Statistic Prob.C6965.8521753.642 3.9722200.0008 X0.0364710.012353 2.9524150.0082 @SEAS(2)*X0.0086040.004237 2.0305390.0565 @SEAS(3)*X-0.0013980.004241-0.3297360.7452@SEAS(4)*X0.0008930.0042590.2095880.8362R-squared0.528942Mean dependentvar12838.54Adjusted R-squared0.429771S.D. dependent 1433.284varS.E. of regression1082.323Akaike infocriterion16.99466Sum squared resid22257030Schwarz criterion17.24009 Log likelihood-198.9359F-statistic 5.333675Durbin-Watson stat0.418713Prob(F-statistic)0.004722。
计量经济学实验练习题及答案
实验练习题1、根据美国各航空公司航班正点到达的比率X （%）和每10万名乘客投诉的次数Y 进Dependent Variable: Y Method: Least Squares Sample: 1 9(1)对以上结果进行简要分析（包括方程显著性检验、参数显著性检验、DW 值的评价、对斜率的解释等，显著性水平均取0.05）。
（2）按标准书写格式写出回归结果。
2、已知变量Y 和X 的数据如下表所示，试采用OLS 法（列出表格）估计模型i Y =0β3、以下是某次线性回归的EViews 输出结果，部分数值已略去（用大写字母标示），但它们和表中其它特定数值有必然联系，分别据此求出这些数值，并写出过程。
（保留3位小数）Dependent Variable: YMethod: Least Squares Sample: 1 134、用1970-1994年间日本工薪家庭实际消费支出Y 与实际可支配收入X （单位：103日元）数据估计线性模型Y =01X u ββ++，然后用得到的残差序列t e 绘制以下图形。
（1）试根据图形分析随机误差项之间是否存在自相关？若存在，是正自相关还是负自相关？（2）此模型的估计结果为 ˆ50.870.64ttYX =+ t ： (6.14) (30.01)2R =0.975，F =900.51，DW =0.35试用DW 检验法检验随机误差项之间是否存在自相关。
5、用一组截面数据估计消费(Y )—收入(X )方程Y =01X u ββ++的结果为i Y =9.3480.637i X +t ：（2.57）（32.01）2R =0.95，F =1024.56，DW =1.79（1）根据回归的残差序列e(t)图分析本模型是否存在异方差？注：abs[e(t)]表示e(t)的绝对值。
（2）其次，用White法进行检验。
EViews输出结果见下表：Dependent Variable: RESID^2Method: Least SquaresSample: 1 60Included observations: 60若给定显著水平，以上结果能否说明该模型存在异方差？查卡方分布临界值的自由度是多少？6. 下表是中国某地人均可支配收入（INCOME）与储蓄（SAVE）之间的回归分析结果（单位：元）：Dependent Variable: SAVEMethod: Least SquaresSample: 1 31Included observations: 31Variable Coefficient Std. Error t-Statistic Prob.C -695.1433 118.0444 -5.888827 0.0000INCOME 0.087774 0.004893 ――――R-squared 0.917336 Mean dependent var 1266.452Adjusted R-squared 0.914485 S.D. dependent var 846.7570S.E. of regression 247.6160 Akaike info criterion 13.92398Sum squared resid 1778097. Schwarz criterion 14.01649Log likelihood -213.8216 F-statistic 321.8177Durbin-Watson stat 1.892420 Prob(F-statistic) 0.0000001)请写出样本回归方程表达式，然后分析自变量回归系数的经济含义2)解释样本可决系数的含义3)写出t检验的含义和步骤，并在5%的显著性水平下对自变量的回归系数进行t检验（临界值: t0.025(29)=2.05）。
计量经济学(庞皓)_课后习题答案
Yˆ2005 = −3.611151 + 0.134582 × 3600 = 480.884 （亿元）
区间预测：
∑ 平均值为：
xi2
=
σ
2 x
(n
−1)
=
587.26862
× (12
−1)
=
3793728.494
( X f 1 − X )2 = (3600 − 917.5874)2 = 7195337.357
1.138
18
2.98
1.092
试建立曲线回归方程 yˆ = a ebx （ Yˆ = ln a + b x ）并进行计量分析。
2.7 为研究美国软饮料公司的广告费用 X 与销售数量 Y 的关系,分析七种主要品牌软饮
料公司的有关数据2(见表 8-1)
表 8-1
美国软饮料公司广告费用与销售数量
品牌名称
449.2889
1994
74.3992
615.1933
1995
88.0174
795.6950
1996
131.7490
950.0446
1997
144.7709
1130.0133
1998
164.9067
1289.0190
1999
184.7908
1436.0267
2000
225.0212
1665.4652
2 i
=
3134543
∑Yi2 = 539512
（1）作销售额对价格的回归分析，并解释其结果。 （2）回归直线未解释的销售变差部分是多少？
∑ XiYi = 1296836
2.9 表中是中国 1978 年-1997 年的财政收入 Y 和国内生产总值 X 的数据:
- 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)。
为研究中国改革开放以来国民总收入与最终消费的关系，搜集到以下数据。
（单位：亿元） 年份
国民总收
入X
最终消费
年份
国民总收入
最终消费
Y
X
Y
1978 3645.217 2239.1 1993 35260.02 21899.9 1979 4062.579 2633.7 1994 48108.46 29242.2 1980 4545.624 3007.9 1995 59810.53 36748.2 1981 4889.461 3361.5 1996 70142.49 43919.5 1982 5330.451 3714.8 1997 78060.83 48140.6 1983 5985.552 4126.4 1998 83024.28 51588.2 1984 7243.752 4846.3 1999 88479.15 55636.9 1985 9040.737 5986.3 2000 98000.45 61516 1986 10274.38 6821.8 2001 108068.2 66878.3 1987 12050.62 7804.6 2002 119095.7 71691.2 1988 15036.82 9839.5 2003 135174 77449.5 1989 17000.92 11164.2 2004 159586.7 87032.9 1990 18718.32 12090.5 2005 184088.6 97822.7 1991 21826.2 14091.9 2006 213131.7 110595.3 1992
26937.28 17203.3 2007
251483.2 128444.6
（1）以分析国民总收入对消费的推动作用为目的，建立线性回归方案，并估计其参数。
根据散点图可以建立如下简单线性回归模型：
t Y =1β+t X 2β+t u
利用EViews 可得回归结果：
据表可得
t
Y ˆ=3044.343+0.530112t X +t u t=（3.399965）（54.82076）
1ˆβ=3044.343 2
ˆβ=0.530112
（2）计算回归估计的标准误差σˆ和可决系数2
R 。
σ
ˆ=3580.903 R 2
=0.990769 DW=0.128755
（3）对回归系数进行显著性水平为5%的显著性检验。
0H ：1β=0 0H ：2β=0
由表中可以看到：SE(1ˆβ)=895.4040，t(1ˆβ)=3.399965 SE(2ˆβ)=0.009670，t(2
ˆβ)=54.82076 显著性水平为5%，即α=5%，查t 分布表得自由度为n-2=28的临界值025.0t (28)=2.048
因为：t(1ˆβ)=3.399965>025.0t (28)=2.048，所以应拒绝0H ：1β=0 t(2ˆβ)=54.82076>025.0t (28)=2.048，所以应拒绝0H ：2β=0
这表明，国民总收入X 对最终消费Y 确有显著影响。
（4）如果2008年全年国民总收入为300670亿元，比上年增长9.0%，预测可能达到的最终消费水平，并对最终消费的均值给出置信度为95%的预测空间。
利用所估计的模型，可预测当2008年f
Y ˆ=3044.343+0.530112×300670=162433.118（亿元） 利用EViews ，可得当2008年f X =300670亿元时，最终消费的点预测值为162433.2（亿元） 为了作区间预测，根据题意取置信度为95%，即α=5%
f Y 平均值置信度95%的预测区间为2
22/)(1ˆ
ˆi f f x X X n t Y ∑-+σα 通过EViews 可知：
据表可计算出：2
i x ∑=)1(2
-n x σ=68765.512
×（30-1）=1.3713×1011
2
）（X X f -=（300670-63270.07）2
=5.6359×1010
当f X =300670亿元时，将相关数据代入计算得到
162433.118 2.048×3580.903×11
10
10
713.3110359.65301⨯⨯+=162433.118 4888.4577 即，当2008年f X =300670时，f Y 平均值置信度95%的预测区间为 （157544.6603，167321.5757）亿元。