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EViews自相关检验及修正实验报告
自相关问题的检验与修正【实验目的与要求】熟练使用EViews软件进行计量分析，理解自相关的检验和估计的基本方法【实验准备】1.自相关的基本概念：若Cov(u i,u j)=E(u i uj)=0(i≠j)不成立，即线性回归模型扰动项的方差—协方差矩阵的非主对角线元素不全为零，则称为扰动项自相关，或序列相关（serial correlation）2.自相关的后果：（1）在扰动项自相关的情况下，尽管OLS估计量仍为无偏估计量，但不再具有最小方差的性质，即不是BLUE。
（2）OLS估计量的标准误差不再是真实标准误差的无偏估计量，使得在自相关的情况下，无法再信赖回归参数的置信区间或假设检验的结果。
3.检验自相关的基本方法：残差检验、D.W检验、Q检验4.自相关的修正方法：广义差分法。
【实验内容】1.利用实验数据建立实际有效汇率REER对名义有效汇率NEER的一元回归模型，根据残差检验、D.W 检验、Q检验判别是否存在自相关。
2.利用实验数据，建立中国出口EX对中国进口IM的一元回归模型，根据残差检验、D.W检验、Q 检验判别是否存在自相关。
3.如果检验结果为存在自相关，根据残差检验和D.W检验估计一阶自相关系数。
4.根据估计出的一阶自相关系数，利用广义差分法估计模型。
5.对利用广义差分法估计得到的模型，根据残差检验、D.W检验、Q检验判别是否存在自相关。
6.对实际有效汇率REER对名义有效汇率NEER和中国出口EX对中国进口IM的一元回归模型，根据残差检验和Q检验判别是否存在高阶自相关。
7.如果检验结果为存在高阶自相关，根据残差检验估计高阶自相关系数。
8.根据估计出的高阶自相关系数，利用广义差分法估计模型。
9.对利用广义差分法估计得到的模型，根据残差检验和Q检验判别是否存在高阶自相关。
10.对在同样数据基础上得到的不同模型进行比较分析。
以下实验数据为1980-2003年人民币名义有效汇率（NEER）和实际有效汇率（REER）的数据（来源于国际货币基金组织出版的国际金融统计（IFS））和1982-2002年中国出口（EX）和进口（IM）（单位：亿美元）的数据（来源于中国商务部网站）。
自相关性的检验和处理实验报告
ˆ 1
3.7831 13.9366 1 0.72855
由此，我们得到最终的收入-消费模型为
Yt 13.9366 0.9484 X t
二、根据北京市连续 19 年城镇居民家庭人均收入与人均支出的数据进行相关分析 1、建立居民收入-消费函数 以人均实际收入为 X，人均实际支出为 Y，创建工作文件，输入数据，命令如下： Create a 1 19 Data x y 建立居民收入-消费模型，输入命令 ls y c x，回归结果如下：
ˆ 0.72855 ，对原模型进行广义差分，得到差 ˆ 0.72855et 1 ，由回归方程可知 回归方程为 e
分方程： Yt 0.72855Yt 1 1 (1 0.72855) 2 ( X t 0.72855 X t 1 ) t 对 上 式 广 义 差 分 方 程 进 行 回 归 ， 在 Eviews 命 令 栏 中 输 入 命 令 ： ls Y -0.72855*Y(-1) c X-0.72855*X(-1)，回归结果如下： 由回归结果可得回归方程为：
关进行相关检验。 （二）检验收入—消费模型的自相关情况 1、德宾-沃森检验（DW 检验）法 因为 n=36， k=1， 在 5%的显著水平下查表得 DL 1.411 ， DU 1.525 ， 而 0<0.5234=DW< D L ， 因此此模型存在一阶正自相关。 2、偏相关系数检验法 由于 DW 法只能检验一阶自相关性，我们用偏相关系数检验法来检验是否存在高阶自相关性。 在模型回归结果中选择操作：View/Residual Test/Correlogram-Q-statistics ，默认滞后期为 16，得到偏 相关系数结果如下：
由偏相关系数分布图可知，该模型存在明显一阶自相关性，不存在显著高阶自相关性。 3、BG 检验法 在偏相关系数检验之后，我们运用 BG 检验对前面的检验结果进行进一步验证，选择操作 View/Residual Test/Serial Correlation LM Test ，选择滞后期为 5，得到结果如下：
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。
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。
计量经济学实验报告4
《 计量经济学 》课程实验第 3 次实验报告实验内容及基本要求：实验项目名称：运用Eviews 软件进行自相关模拟分析实验类型： 上机实验每组人数： 1实验内容及要求：1、总体要求：数据已经输入到eviews 中，数据文件为：自相关实验.wf1，其中的income 为家庭收入，consume 为家庭开支，以此数据建立以consume 为被解释变量的消费方程，用最小二乘法估计变量间的相关关系。
并检验数据中自相关性等特征，采用相应方法进行修正。
2、具体步骤：依次回答下列问题（得到回归结果是指给出回归方程，并做检验）： 1、建立消费方程，做回归，得到回归结果。
2、根据回归结果，边际消费倾向为多少？显著不为1吗，给出检验过程。
3、数据中存在自相关吗，给出检验过程。
4、用dw 值来估计ρ，据此ρ做广义差分来消除自相关性，给出结果 5、 假定为ar(1)，用科克兰内-奥克特法来消除自相关性，给出结果6、 假定为ar(2)，用科克兰内-奥克特法来消除自相关性，给出结果实验结果：一．模型设定假定被解释变量Y 与解释变量X 存在线性相关关系，则可设定为如下模型:t t t u X Y ++=21ββ其中Y 为家庭支出consume,X 为家庭收入income.Ut 为随机误差项。
二．参数估计——用最小二乘法估计Y 与X 之间的参数值1.数据输入由于之前数据已输入到“自相关实验.wf1”中，故在eviews 设定完Y 和X 之后直接把相对应的数据粘贴就可以了。
2.参数估计通过最小二乘法进行回归估计，结果如图所示：可知该模型为：t t X Y 7829.02336.81^+= SE=180.2928 0.032038T=0.4506 24.4377R 2=0.9552 F=597.1988 DW=1.23373.边际消费倾向分析根据该回归结果可知，边际消费倾向为2β=0.7829，对其显著性进行检验H0：2β=1 H1：2β≠1给定显著性水平α=0.05，查表得2/αt (n-2)=025.0t (28)=2.0487752.6032038.017829.0)(22=-=-=βββSE t可知2/αt （28）=2.048<t ，所以，拒绝H0，即边际消费倾向2β显著不为1.4.自相关检验由上面的回归结果可知，该模型的可决系数R 2，2R 很高，拟合程度较好，回归系数显著。
计量经济学自相关实验报告
第六章自相关实验报告一、研究目的对于广大的中国农村人口而言，其消费总量比重却不高。
农村居民的收入和消费是一个值得研究的问题。
消费模型是研究居民消费行为的常用工具。
通过中国农村居民消费模型的分析可判断农村居民的边际消费倾向，这是宏观经济分析的重要参数。
同时，农村居民消费模型也能用于农村居民消费水平的预测。
二、模型设定影响居民消费的因素很多，但由于受各种条件的限制，通常只引入居民收入一个变量做解释变量，即消费模型设定为：+β1X t+ U tY t=β参数说明：Y——农村居民人均消费支出 (单位：元)tX——农村居民人均纯收入（单位：元）tU t——随机误差项收集到数据如下（见表2-1）表2-1 1985-2011年农村居民人均收入和消费单位：元注：资料来源于《中国统计年鉴》1986-2012。
为了消除价格变动因素对农村居民收入和消费支出的影响，不宜直接采用现价人均收入和现价人均消费支出的数据，而需要用经消费价格进行调整后的1985年可比价格及人均纯收入和人均消费支出的数据做回归分析。
根据表2-1中调整后的1985年可比价格计的人均纯收入和人均消费支出的数据，使用普通最小二乘法估计消费模型得如下结果。
表2-2 最小二乘估计结果Dependent Variable: YMethod: Least SquaresDate: 12/04/13 Time: 20:00Sample: 1985 2011Included observations: 27Coefficient Std. Error t-Statistic Prob.C 45.40225 10.30225 4.407025 0.0002X 0.718526 0.012526 57.36069 0.0000R-squared 0.992459 Mean dependent var 580.5296 Adjusted R-squared 0.992157 S.D. dependent var 256.4506 S.E. of regression 22.71079 Akaike info criterion 9.154744 Sum squared resid 12894.50 Schwarz criterion 9.250732 Log likelihood -121.5890 Hannan-Quinn criter. 9.183287 F-statistic 3290.249 Durbin-Watson stat 0.528075 Prob(F-statistic) 0.000000由以上结果得到以下方程:^Y t=45.4022545+0.718526X t（6.1）（10.30225）（0.012526）t = (4.407025) (57.36069)R2=0.992459--R2=0.992157 F=3290.249 DW=0.528075该回归方程可决系数较高，回归系数均显著。
- 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
自相关性检验实验报告
实验内容：自相关性检验
工业增加值主要由全社会固定资产投资决定。
为了考察全社会固
定资产投资对工业增加值的影响，可使用如下模型：Y
i =
1
β
β+
i
X；
其中，X表示全社会固定资产投资，Y表示工业增加值。
下表列出了中国1998-2000的全社会固定资产投资X与工业增加值Y的统计数据。
一、估计回归方程
OLS法的估计结果如下：
Y=668.0114+1.181861X
（2.24039）（61.0963）
R2=0.994936，R2=0.994669，SE=951.3388，D.W.=1.282353。
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，随机干扰项存在正序列相关性。
（2）回归检验法
一阶回归检验
e=0.356978e1-t+εt
t
二阶回归检验
e=0.572433e1-t－0.607831e2-t+εt
t
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.=1.282353。
本例中，在5%的显
=1.22，著性水平下，解释变量个数为2，样本容量为21，查表得d
l
d u=1.42,而D.W.=1.282353，位于下限与上限之间，不能确定相关性。
（4）拉格朗日乘数（LM）检验法
F-statistic 6.662380 Probability 0.007304
Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 12/26/09 Time: 22:55
X 0.005520 0.015408 0.358245 0.7246
RESID(-1) 0.578069 0.195306 2.959807 0.0088
Adjusted R-squared 0.340473 S.D. dependent var 927.2503
S.E. of regression 753.0318 Akaike info criterion 16.25574
Sum squared resid 9639967. Schwarz criterion 16.45469
Log likelihood -166.6852 F-statistic 4.441587
由上表可知：含二阶滞后残差项的辅助回归为：
e=-35.61516+0.05520X+0.578069e1-t－0.617998e2-t
t
(-0.1507) (0.3582) (2.9598) (-3.0757)
R2=0.439402
于是，LM=19×0.439402=8.348638，该值大于显著性水平为5%，
()2=5.991，由此判断原模型存在2阶自由度为2的χ2的临界值Χ2
0.05
序列相关性。
三、序列相关的补救
（1）广义差分法估计模型
由D.W.=1.282353，得到一阶自相关系数的估计值ρ=1-DW/2=0.6412则DY=Y-0.6412*Y(-1)，DX=X-0.6412*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。
由上表知D.W.=1.751259，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d
=1.20，d u=1.41,而D.W.=1.751259，大于上
l
限d u=1.41，可知模型经过广义差分后不存在相关性。
（2）科克伦-奥科特法估计模型
由上表知D.W.=1.582300，在5%的显著性水平下，解释变量个数为3，样本容量为20，查表得d
=1.10，d u=1.54,而D.W.= 1.582300，大于
l
上限d u=1.54，可知模型经过广义差分后不存在相关性。