计量经济学实验报告(自相关性)
计量经济学实验报告
计量经济学实验报告——对我国商品房价格的计量经济学研究摘要：基于我国对住房的庞大的需求，近年来，房地产产业的迅猛发展，全国各地都出现了商品房销售价格持续走高的现象，而由此更是掀起了“购房热”和“炒房热”的浪潮。
出于谨慎性原则和解决因房价居高不下而造成的居民“买房难”的困境，国家出台了诸多措施但都收效甚微。
无法抑制的上涨的房价，究竟受什么因素在影响，而从哪些方面入手才可以实现对房价的调控呢？本文将从人均可支配收入、房屋造价、土地购置费、地区人均 GDP、政策因素等几个方面展开分析，初步推到出影响商品房销售价格的因素，并对如何实现对房价的调控进行尝试性的讨论。
关键词：房屋销售价格影响因素调控1引言自从 1998 年我国实行住房商品化后，随着我国市场化改革的快速推进，房地产业己经成为拉动经济增长的支柱产业。
从住房制度改革以来短短几年时间，纵观国内，从沿海开放城市到中西部欠发达地区，中国大地上几乎所有城市商品楼如雨后春笋般拔地而起。
而商品房价格的持续走高也就成为了人们热议的话题。
特别是，近年来，中国房价持续走高。
尽管国家政策层已经启动了几轮调控，但房价丝毫没有要稳定下来的迹象，房价高涨，一房难求的情况仍在持续。
房地产行业已经成为我国国民经济的支柱产业，不仅影响着国民经济的增长，也牵动着千家万户的心。
然而，房价到底为何如此之高，其未来走向将会怎样？为了研究这个问题，我们需要建立计量经济学模型。
2理论分析2.1商品房“房价”问题的思维路程商品房之所以被称为商品房，原因就在于它同其他商品一样，具有商品的共性。
众所周知，商品的价值是由凝结在商品中的无差别的人类劳动所决定的，难么商品房的价格是也是由其价值决定的，其价值既包括所占用土地的价值，包括土地上建筑物的价值。
除此之外，与其他商品一样，还受到供求状况、竞争程度、消费者偏好、市场预期、房地产企业经营策略和政府相关政策的影响，其价格围绕价值规律上下波动。
但是，与普通商品不同，商品房还具有建设周期长、价值量大、空间固定性等特点，这就使其有了一般商品所没有的特点，所以其价格变化规律也与一般商品价格变化规律有所不同。
计量经济学自相关性检验实验报告
计量经济学自相关性检验实验报告计量经济学自相关性检验实验报告实验内容：自相关性检验商品进口主要由GDP决定。
为了考察GDP对商品进口的影响，可使用如下模型：；其中，X表示GDP，Y表示商品进口。
下表列出了中国1981--2000商品进口和国内生产总值的统计数据。
资料来源：《中国统计年鉴》一、估计回归方程OLS法的估计结果如下：Y=-8352.304+50.28935X （-2.838588）（17.36553）R2=0.943673，R2=0.940544，SE=7263.295，D.W.=0.870122。
二、进行序列相关性检验（1）图示检验法通过残差与残差滞后一期的散点图可以判断，随机干扰项存在不存在序列相关性。
（2）回归检验法一阶回归检验et=0.583346et-1+εt二阶回归检验et=1.444793et-1－1.172908et-2+εt可见：该模型存在二阶序列相关。
（3）杜宾-瓦森（D.W）检验法由OLS法的估计结果知：D.W.=0.870122。
本例中，在5%的显著性水平下，解释变量个数为2，样本容量为20，查表得dl=1.284，du=1.567,而D.W.=0.870122，小于下限dl=1.284，所以存在自相关性。
（4）拉格朗日乘数（LM）检验法由上表可知：含二阶滞后残差项的辅助回归为：et=668.0079-1.592283X+1.502666et-1－1.145731et-2(0.357417)(-0.822879) (5.825633) (-4.289558)R2=0.679813于是，LM=18×0.679813=12.236634，该值大于显著性水平为5%，自由度为2的χ序列相关性。
2的临界值Χ20.05，由此判断原模型存在2阶三、序列相关的补救（1）广义差分法估计模型由D.W.=0.870122，得到一阶自相关系数的估计值ρ=1-DW/2=0.564939则DY=Y-0.564939*Y(-1)， DX=X-0.564939*X(-1)；以DY为因变量，DX为解释变量，用OLS法做回归模型，这样就生成了经过广义差分后的模型。
计量经济学实验报告自相关
实验报告五一、实验名称：自相关的识别与补救 二、实验地点：教E509三、实验时间：2012年11月9日（星期五）一二节课 四、实验内容：为研究工资与生产力的关系，提供模型如下：12i i i Y X u ββ=++ 其中i Y 为企业部门实际每小时工酬 i X 为每小时产值指数采用美国年度数据（1960—1991）如下表：根据所给的模型与数据，利用计量经济学软件对模型参数进行估计，分析回归结果并完成以下问题：（1） 根据DW 值判断是否存在自相关，并根据上述回归残差，画出残差与时间的关系图进行验证； （2） 画出t e 与1t e -的散点图，判断自相关类型（3） 分别用d 统计量、Cochrane-Orcutt 法与Durbin 两步法估计ρ，并对回归进行修正， 比较修正结果，说明哪一种估计ρ的方法好。
五、实验目的：1. 掌握自相关的识别方法2. 能针对具体问题提出解决自相关问题的措施3. 对不同解决自相关方法的效果进行比较六、实验步骤1、建立模型： 12i i i Y X u ββ=++其中i Y 为企业部门实际每小时工酬，i X 为每小时产值指数2、运用OLS 估计方法对上式的参数进行估计，EViews 过程如下： （1）在File 菜单下选择New 项，建立文件库Workfile ，输入起始与终止时间，分别为1960和1991.（2）在File菜单下点击Import下点击Read Text-Lotus-Excel在桌面上找到Excel数据，点击打开，在Excel Spreadsheet Import对话框中的Name for series or Number if named in file输入Y x，点击OK。
（3）点击Quick菜单下的Estimate Equation,在新对话框中输入Y C x，点击确定。
会出现下面结果：3、自相关检验（1）图示法由上述OLS估计，可直接得到残差resid，运用GENR生成序列E，则在quick菜单中选graph项，在图形对话框里键入:E E(-1),可得到结果：由上表可知：残差e呈线性回归，表明随机误差u存在自相关。
计量经济学实验报告
实验一 EViews软件的基本操作【实验目的】了解EViews软件的基本操作对象，掌握软件的基本操作。
【实验内容】一、EViews软件的安装；二、数据的输入、编辑与序列生成；三、图形分析与描述统计分析；四、数据文件的存贮、调用与转换。
在EViews软件主窗口或工作文件窗口点击Objects/New Object，对象类型选择Series，并给定序列名，一次只能创建一个新序列（图1-8所示）。
再从工作文件目录中选取并双击所创建的新序列就可以展示该对象，选择Edit＋/－，进入编辑状态，输入数据。
在命令窗口中依次键入以下命令：GENR LOGY=LOG(Y)GENR LOGX=LOG(X)利用SCAT命令绘制X、Y的相关图加，两者大体呈线性变化趋势。
利用PLOT命令绘制趋势图从图中可以看出，我国1985－1998年间税收收入与GDP都大体呈指数增长趋势。
在序列和数组窗口观察变量的描述统计量数组描述统计量窗口单独变量序列描述统计量窗口存贮工作文件存贮若干个变量将工作文件分别存贮成文本文件和Excel文件在工作文件窗口中选择要保存的一个或多个变量，点击Eviews主窗口菜单栏中的File/Export/Write Text-Lotus-Excel，在弹出的对话框中指定存贮路径和存贮的文件格式（图1-25），若存贮成文本文件则选择Text-ASCII，若存贮成Excel文件则选择Excel.xls，再点击保存按钮，弹出ASCII Text Export（Excel Export）窗口（图1-26），点击OK按钮即可在对象窗口中点击Name按钮，将对象存贮于工作文件。
实验二一元回归模型【实验目的】掌握一元线性、非线性回归模型的建模方法【实验内容】建立我国税收预测模型估计线性回归模型一元线性Y=0.0946x+987.5417残值残值残值半对数函数模型LS log(Y) C xY=7.5086+2.07x*10^-5残值二次函数模型Y=5.58x*10^-7+0.046x+1645.7 残值模型比较四个模型的经济意义都比较合理T检验。
计量经济综合实验报告
一、实验背景随着经济全球化和信息技术的发展，计量经济学作为一门重要的应用经济学分支，在各个领域都得到了广泛的应用。
本实验旨在通过综合运用计量经济学方法，对某一经济问题进行实证分析，从而加深对计量经济学理论和方法的理解，提高实际操作能力。
二、实验目的1. 掌握计量经济学的基本理论和方法；2. 学会使用计量经济学软件（如EViews）进行数据处理和模型分析；3. 培养分析实际经济问题的能力；4. 提高论文写作和报告表达能力。
三、实验内容1. 数据收集与处理本次实验以我国某城市居民消费水平为例，选取以下变量：- 居民可支配收入（X1）- 居民消费支出（Y）- 居民储蓄（X2）- 居民教育程度（X3）- 居民年龄（X4）数据来源于某城市统计局和相关部门。
在收集数据后，对数据进行整理和清洗，确保数据质量和准确性。
2. 模型设定根据实际情况和理论依据，选择以下模型：Y = β0 + β1X1 + β2X2 + β3X3 + β4X4 + ε其中，Y为居民消费支出，X1为居民可支配收入，X2为居民储蓄，X3为居民教育程度，X4为居民年龄，β0为常数项，β1、β2、β3、β4分别为各变量的系数，ε为误差项。
3. 模型估计使用EViews软件对模型进行估计，得到以下结果：Y = 5.23 + 0.83X1 - 0.16X2 + 0.15X3 - 0.02X4 + ε4. 模型检验（1）残差分析：对残差进行检验，发现残差基本服从正态分布，不存在明显的异方差。
（2）自相关检验：对残差进行自相关检验，发现残差不存在自相关。
（3）拟合优度检验：计算R²值，得到R² = 0.89，说明模型拟合效果较好。
5. 模型解释根据模型结果，可以得出以下结论：（1）居民可支配收入对消费支出有显著的正向影响，即收入越高，消费支出越高。
（2）居民储蓄对消费支出有显著的负向影响，即储蓄越高，消费支出越低。
（3）居民教育程度对消费支出有显著的正向影响，即教育程度越高，消费支出越高。
计量经济学自相关实验报告
山东轻工业学院实验报告成绩课程名称：计量经济学指导教师：刘海鹰实验日期： 2012年4月23日院（系）：商学院专业班级金融10- 1 实验地点：机电楼B座5楼学生姓名：学号： 201008021029 同组人无实验项目名称：线性回归模型自相关的检验及修正一、实验目的和要求通过Eviews软件估计线性回归模型并计算残差，检验误差项是否存在自相关及自相关的修正，用广义最小二乘法估计回归参数。
二、实验原理图示法检验、DW检验、LM检验、科克伦-奥克特迭代法、广义差分法、最小二乘法。
三、主要仪器设备、试剂或材料计算机，EViews软件四、实验方法与步骤1、启动Eviews5软件，建立新的workfile. 命令：create a 1978 2000 （以下的所有命令均需单击回车键）；2、在命令窗口输入命令：DATA CO I P，开始输入数据。
；3、输入数据后，命令：GENR Y=CO/P和GENR X=I/P ；4、用OLS估计方程。
在命令窗口输入命令：LS Y C X （Eviews输出结果如图一）。
一）图示法检验1、命令：GENR E=RESID LINE E SCAT E SCAT E E(-1) 结果为图二至图四。
2、在图一窗口下，单击resids功能键，得到残差图，如图五。
二）LM检验1、在图一窗口下，点击功能键VIEW，选RESIDUAL TEST/SRRIAL CORRELATION LM TEST…,2、在随后弹出的滞后期对话框中给出最大滞后期1。
点击OK键，即可得到LM自相关检验的结果，如图六。
三）自相关的修正，即广义差分法和科克伦-奥克特迭代法1、命令：LS E E(-1) 得到结果图七；2、命令：GENR GDY=Y-0.70*Y(-1)，GENR GDX=X-0.70X(-1)，LS GDY C GDX,广义差分方程输出结果如图八。
五、 实验数据记录、处理及结果分析图一用普通最小二乘法求估计的回归方程结果如下ˆ111.440.7118t tY X =+(6.5) (42.1) R 2 =0.9883 s.e=32.8 DW=0.60 T=23回归方程拟合得效果比较好，但是DW 值比较低。
计量经济学实训6
《计量经济学》实训报告六院系名称：商学院实验班级： 13国贸2班姓名：学号：武夷学院实验报告（六）课程名称 计量经济学 项目名称：外贸合同签订 学时 成绩 姓名专业国际经济与贸易班级2班学号一、实训目的：掌握放宽基本假定后的回归模型中遇到的自相关问题出现的来源、后果、检验及修正的原理，以及相关的EViews 软件操作方法。
二、实训内容：1、自相关性的检验方法2、用广义差分来消除模型的自相关性三、实训条件：1、下载或购买Eviews 软件；2、搜集需要进行回归分析的数据资料；四、实训步骤：1、导入数据、画图并分析自相关存在和来源的问题 （1）导入数据（采用实训六的数据导入）（2）画图（ee-t 关系图；ee-ee 1关系图）-400-300-200-1000100200300868890929496980002040608EE（3）自相关存在和来源问题大多数时间序列数据都具有一种显著的特征——具有惯性。
连续的观察值之间可能是相互依赖的。
模型如果设定偏误，也可能存在序列相关性。
我们在进行实证分析的时候，采用的公开数据大都不是原始数据，它们是通过已知数据采用内插或修匀得到的数据，这样新生成的数据和原始数据之间就可能存在内在的联系，产生序列相关性。
2、自相关的检验用Y 代表城镇家庭平均每人全年消费性支出，用X 代表城镇家庭平均每人可支配收入，建立一元回归模型：Y i =β0+β1X i + i利用EViews 得到回归模型的统计结果如下所示：Included observations: 24Variable Coefficient Std. Error t-Statistic Prob. C 313.1701 51.99665 6.022889 0 X 0.716478 0.00748 95.7851 0R-squared 0.997608 Mean dependent var 4272.418 Adjusted R-squared 0.997499 S.D. dependent var 3090.239 S.E. of regression 154.5389 Akaike info criterion 12.99842 Sum squared resid 525410.2 Schwarz criterion 13.0966 Log likelihood -153.9811 Hannan-Quinn criter.13.02447 F-statistic 9174.785Durbin-Watson stat0.296573Prob(F-statistic)（1）杜宾-沃森检验从杜宾-沃森检验来看，在%的显著性水平下，n=24，k=2，查表得临界值的-400-300-200-1000100200300-200-1000100200300EE1E E上限和下限分别为1.45和1.27，而D.W.统计量为0.297<1.27，故存在正的1阶序列相关性。
自相关 实验报告
**大学经济学院实验报告估计线性回归模型并计算残差。
用普通最小二乘法估计输出结果如下：20,73.0,086.0.,9988.0)02.122()79.6(18.045.1ˆ2====-+-=T DW e s R X Y tt所以，回归方程拟合得效果比较好，但是DW 值比较低。
（2）残差图见图2。
（3）自相关的检验（检验误差项t u 是否存在自相关）①DW 检验：已知DW=0.73，若给定05.0=α，查表得，得DW 检验临界值41.1,20.1==U L d d ，因为DW=0.73<1.20，认为误差项t u 存在严重的一阶正自相关。
②回归检验法：建立残差t u 与21,--t t e e 的回归模型，如表2和表3。
从表2可以看出，1-t e 的回归参数通过了显著性检验，而表3中，21,--t t e e 中只有1-t e 的回归参数通过显著性检验，故判断误差项具有一阶回归形式的自相关。
表2 残差回归相关结果（1）表3 残差回归结果（2）③LM（BG）检验：辅助回归估计输出结果如下表（1）。
表（1）由LM 检验结果可知，LM （1）=7.998，伴随概率p=0.0047<0.05.LM(2)=8.459,伴随概率p=0.0146，所以在α=0.05显著性水平显著，存在一阶，二阶自相关。
同时，由表一，可得LM(BG)自相关检验辅助回归式估计结果是：00.840.020,74.1,40.0)4.0()4.0()4.3(0004.00609.06388.0221=⨯====-+-+=-TR LM DW R v X e e tt t t因为84.3)1(205.0=χ，LM=8.00>3.84，所以LM 检验结果也说明随机误差项存在一阶正自相关。
（4）用差分法和广义差分法建立模型，消除自相关。
用广义最小二乘法估计回归参数。
估计自相关系数ρˆ，635.0273.0121ˆ=-=-=DW ρ 对原变量做广义差分变换。
- 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)。
实验6.美国股票价格指数与经济增长的关系
——自相关性的判定和修正
一、实验内容：研究美国股票价格指数与经济增长的关系。
1、实验目的:
练习并熟练线性回归方程的建立和基本的经济检验和统计检验；学会判别自相关的存在，并能够熟练使用学过的方法对模型进行修正。
2、实验要求：
（1）分析数据，建立适当的计量经济学模型
（2）对所建立的模型进行自相关分析
（3）对存在自相关性的模型进行调整与修正
二、实验报告
1、问题提出
通过对全球经济形势的观察，我们发现在经济发达的国家，其证券市场通常也发展的较好，因此我们会自然地产生以下问题，即股票价格指数与经济增长是否具有相关关系？
GDP是一国经济成就的根本反映。
从长期看，在上市公司的行业结构与国家产业结构基本一致的情况下，股票平均价格的变动跟GDP的变化趋势是吻合的，但不能简单地认为GDP增长，股票价格就随之上涨，实际走势有时恰恰相反。
必须将GDP与经济形势结合起来考虑。
在持续、稳定、高速的GDP增长下，社会总需求与总供给协调增长，上市公司利润持续上升，股息不断增加，老百姓收入增加，投资需求膨胀，闲散资金得到充分利用，股票的内在含金量增加，促使股票价格上涨，股市走牛。
本次试验研究的1970-1987年的美国正处在经济持续高速发展的状态下，据此笔者利用这一时期美国SPI与GDP的数据建立计量经济学模型，并对其进行分析。
2、指标选择：
指标数据为美国1970—1987年美国股票价格指数与美国GDP数据。
3、数据来源：
实验数据来自《总统经济报告》（1989年），如表1所示：
表1
4、数据处理
将两组数据利用Eviews绘图，如图1、2所示：
图1 GDP数据简图图2 SPI数据简图
经过直观的图形检验，在1970-1987年间，美国的GDP保持持续平稳上升，SPI虽然有些波动，但波动程度不大，和现实经济相符，从图形上我们并没有发现有异常数据的存在。
所以可以保证数据的质量是可以满足此次实验的要求。
因此，下面的图形和操作均以表1的数据为依据。
5、数据分析
虽然通过对数据的初步浏览我们可以保证实验数据中不存在异常数据，但是这并不能说明这些数据能满足我们实验的要求。
下一步我们要检测这两组数据的相关性怎么样，如果相关性很小，那我们采用这两组数据进行
回归分析就没有多大的意义。
（1）通过图形判断两组数据的
相关性：
将GDP 、SPI 在Eviews 中以组的形式打开，绘制散点图。
从图3中可以看出这两组数据的相关性比较高，具有较强的相关关系，可以继续进行相关分析。
观察散点图后拟建立线性模型和二次多项式模型。
图3 散点图
（2）相关系数上看两组数据的相关性：
以组的形式打开GDP 、ANCO 两组数据，利用Eviews 进行如图4所示的操作，可得到GDP 与ACON 的相关系数，如表2所示。
表2 GDP 与SPI 的相关系数
图4 GDP 与ACON 的相关系数
可见GDP 与ACON 的相关系数约为0.88，因此这两组变量之间具有较强的相关关系。
6、建立模型
（1）、线性模型：
我们拟建立如下一元回归模型：
μββ++=X Y 10
需借助Eviews 进行如下处理。
利用Eviews 进行OLS 估计，得到结果如图5所示：
X Y
X 1.000000 0.881491
Y 0.881491 1.000000
图5
查看样本回归函数表达式，得到结果如图6所示
图6
因此，样本的回归方程为X Y *7930251107397.07849301391.10+=，至此，已初步完成了一元线性回归模型的建立，可得出如下回归分析结果：
i i X Y 3727160954.071888554.210+=∧
；
同时可以得到：可决系数)166569.1)(467130.7(=T ；777027.02=R ；75762.55=F ；461785.0..=W D 。
（2）双对数模型
图7
图8
因此，样本的回归方程为LNX LNY *856523397947.0318092924892.0+-=，至此，已初步完成了一元线性回归模型的建立，可得出如下回归分析结果：
i i LNX LNY ∧
∧+-=*856523397947.0318092924892.0；
同时可以得到：可决系数)302592.6)(010777.1(-=T ；712864.02=R ；72267.39=F ；448268.0..=W D 。
（3）半对数模型
图9
图10
（4）线性—对数模型
图11
图12
（5）二次多项式模型
图13
图14
因此，样本的回归方程为
2*0583153176747.1*9080454312151.05426385979.88X e X Y -+-=，至此，已初步完成了双对数模型的建立，可得出如下回归分析结果：
i i i X e X Y ∧
∧∧-+-=2*0583153176747.1*9080454312151.05426385979.88； 同时可以得到：可决系数)004501.9)(080842.5)(379175.8(-=T ；957702.02
=R ；8132.169=F ；666896.1..=W D 。
7、自相关性检验
本次试验中，笔者只进行了五次建模，分别为线性、双对数和二次多项式模型。
其中半
对数模型和二次多项式模型均通过了T 检验和F 检验，且拟合优度较高，以后的自相关性检验将针对这两种模型进行。
7-1图示检验法
（1）二次多项式模型
图15 e1的时序图 图16 e1与e2的散点图 由图15可知，残差具有一定的系统特征，但不明显，由图16可知，散点图在四个象限均有分布，自相关性不明显。
（2）半对数模型
图17 e3的时序图 图18 e3与e4的散点图 由图17可知，残差具有一定系统特征，但不明显，由图18可知，散点图主要分布在一三象限，表明具有一定的自相关性。
7-2 D.W 检验法
（1）二次多项式模型
回归方程中，666896.1.. W D 。
查表可知n=18,在5%的显著水平下，16.1=L d ,39.1=U d ,而1.39<1.666896<4，正、负自相关均不存在。
（2）半对数模型
回归方程中，727528.0..=W D 。
查表可知n=18,在5%的显著水平下，16.1=L d ,39.1=U d ,而0.727528<1.16，故存在（正）
自相关。
7-2 偏相关系数检验（自己补充）
（1）二次多项式模型
图19
各期偏相关系数的直方图均未到虚线所示处，再次证明期不存在自相关性。
（2）半对数模型
图20
一期偏相关系数的直方图右侧超过虚线所示处，再次证明其存在一阶（正）自相关。
8、自相关性的修正（这部分不太清楚做法，不知道做的对不对）
若选取二次多项式模型，则模型本身就不存在自相关性（至少在本次试验所选取的几种检验方式中不存在），不需要进行修正。
若选取半对数模型，则可以通过使用广义差分法进行修正，过程如下：
（1） 利用eviews 得到e3与e4的回归方程为：E3 = 0.6597*E4
（2） 对原模型加入AR 项进行迭代：
图21 加入AR 项的半对数模型估计结果
观察上图可知，过程经过7次迭代后收敛；1 的估计值为0.6917。
调整后的688731.1.. W D ，经DW 检验，调整后的模型不存在自相关性。
图22 调整后的偏系数检验
进行偏系数检验如图22所示，可再次证明此时半对数模型已不存在自相关性。
三、实验点评
通过本次实验，我们学会熟悉了如何利用eviews对模型的自相关性进行检验和修正，不过实验选择建立模型不够全面，没有分析线性对数模型和半对数模型，在以后的研究中可以考虑建立其他模型对此问题进行进一步研究。