计量经济学实验操作指导(完整版)--李子奈 - 图文 下载本文

六 实验步骤:

建立工作文件并导入全部数据,如图 1所示 (1)设定并估计可化为线性的非线性回归模型:

lnY??0?alnK??lnL??

在Eviews软件下,点击主界面菜单Qucik/Estimate Equation,在弹出的对话框中输入log(Y) C log(K) log(L),点击确定即可得到回归结果,如图2所示。根据图2中的数据,得到模型的估计结果为:

lnY? 1.15399 ? 0.60924ln K ? 0.360807lnL

(1.586) (3.454) (1.790)

R2=0.809925 R2=0.796348 D.W.=0.793209

?∑ei2=5.070303 F=59.65501 df=(2,28)

?2??ei2/?n?3?=5.070303/28=0.18108225 随机干扰项的方差估计值为:?回归结果表明,这一年lnY变化的81%可由lnK和lnL的变化来解释。在5%的

显著性水平下,F统计量的临界值未F0.05(2,28)?3.34,表明模型的线性关系显著成立。在5%的显著性水平下,自由度为n-k-1=28的t统计量临界值为

因此lnK的参数通过了该显著性水平下的t检验,但lnL未通过检验。t0.025(28)?2.048,

如果将显著性水平设为10%,则t分布的临界值为t0.05(28)?1.701,此时lnL的参数也通过了显著性水平检验。

图 1 图 2

??0.97?1,也就是说,资产与劳动的产出弹???(2)从上述回归结果可以得到:?性之和可以认为为1,即中国制造业这年呈现出规模报酬不变的状态。

下面进行参数的约束检验,原假设H0:????1。 若原假设为真,则可估计如下模型:

13

YKln()?C??ln()??

LL点击主界面菜单Qucik/Estimate Equation,在弹出的对话框中输入log(Y/L)

C log(K/L),点击确定即可得到回归结果,如图3所示。

由回归结果可看到此模型通过了F检验和t检验,而

F?(RSSR?RSSU)/(kU?kS)5.0886?5.0703??0.1011

RSSU/(n?kU?1)5.0703/28在5%的显著性水平为,自由度为(1,28)的F分布的临界值为4.20,F<4.20,

不拒绝原假设,表明该年中国制造业呈现规模报酬不变的状态。

在Eviews软件中,当估计完图2所示的模型后,选中View\\Coefficient Test\\Wald Coefficient Restrictions,然后在对话框中输入C(2)+C(3)=1,点击OK可得到如图4所示的结果。得出的结论仍然是不拒绝原假设的,就原假设为真,所以该年中国制造业呈现规模报酬不变的状态的结果。

图 3 图 4

14

实验三 多元线性回归

一 实验目的:

(1) 掌握多元线性回归模型的估计方法 (2) 模型方程的F检验,参数的t检验 (3) 模型的外推预测与置信区间预测

二 实验要求:应用教材P105习题11做多元线性回归模型估计,对回归方程和回归参数进行检验并做出单点预测与置信区间预测 三 实验原理:最小二乘法

四 预备知识:最小二乘法估计原理、t检验、F检验、点预测和置信区间预测 五 实验内容:

在一项对某社区家庭对某种消费品的消费需要调查中,得到书中的表所示的资料。 对某商品的商品单价家庭月收对某商品的商品单价家庭月收序号 序号 消费支出Y X1 入X2 消费支出Y X1 入X2 591.9 23.56 7620 644.4 34.14 12920 1 6 654.5 24.44 9120 680.0 35.3 14340 2 7 623.6 32.07 10670 724.0 38.7 15960 3 8 647.0 32.46 11160 757.1 39.63 18000 4 9 674.0 31.15 11900 706.8 46.68 19300 5 10 请用手工与软件两种方法对该社区家庭对该商品的消费需求支出作二元线性回归分析。

?(1)估计回归方程的参数及及随机干扰项的方差?2,计算R2及R2。

(2)对方程进行F检验,对参数进行t检验,并构造参数95%的置信区间. (3)如果商品单价变为35元,则某一月收入为20000元的家庭的消费支出估计是多少?构造该估计值的95%的置信区间。 六 实验步骤:

6.1 建立工作文件并录入全部数据 如图1所示:

15

图 1

6.2 建立二元线性回归模型

Y??0??1X1??2X2

点击主界面菜单Quick\\Estimate Equation 选项,在弹出的对话框中输入:

Y C X1 X2

点击确定即可得到回归结果,如图2所示

图 2

根据图2的信息,得到回归模型的估计结果为:

Y?626.5193?9.7906X1?0.0286X2

(15.61)(?3.06)(4.90)..?1.650804 R2?0.902218 R?0.874281 DW?ei2?2116.847 F?32.29408 df?(2,7)

2

随机干扰项的方差估计值为?2?6.3 结果的分析与检验 6.3.1 方程的F检验 回归模型的F值为:

?2116.847?302.4067 716