計(jì)量經(jīng)濟(jì)學(xué)報(bào)告-wenkub
2023-05-29 03:40:06 本頁(yè)面
【正文】 ustedError tStatistic Prob.C X1^2 X1*X2 X1*X3 X1 X2 X3 Rsquared regressors2015Included12/30/17Variable:Prob. =622顯著為obX給定顯著性水平（例子中解釋變量的數(shù)目為說(shuō)明模型的擬合優(yōu)度高；在給定顯著性水平a擬合優(yōu)度,=**+DurbinWatsoninfoofMeanobservations:Time:YMethod:XX1),農(nóng)村居民消費(fèi)價(jià)格指數(shù)(解題：(1)eviews年 1022013年 2009價(jià)格指數(shù)表指標(biāo) 居民消費(fèi)價(jià)格指數(shù)(上年=100)城市居民消費(fèi)價(jià)格指數(shù)(上年=100)農(nóng)村居民消費(fèi)價(jià)格指數(shù)(上年=100)商品零售價(jià)格指數(shù)(上年=100)2005年2015CPI的深度分析，確定其影響因素，保持CPI中所占的權(quán)重。研究問(wèn)題：（居民消費(fèi)價(jià)格指數(shù)）的數(shù)值高低，一方面取決于各個(gè)類別中每一規(guī)格品種的價(jià)格變化；另一方面取決于2．結(jié)合實(shí)際問(wèn)題，收集相關(guān)數(shù)據(jù)，作做多重共線性檢驗(yàn)，如果存在多重共線性則消除多重共線性，與前面的模型作對(duì)比和評(píng)價(jià)；（6）進(jìn)行參數(shù)估計(jì)，寫(xiě)出多元線性回歸的數(shù)學(xué)模型；（2）游星星計(jì)量經(jīng)濟(jì)學(xué)期末考試試題1．結(jié)合自己的專業(yè)收集相關(guān)實(shí)際數(shù)據(jù)，作一個(gè)多元線性回歸的計(jì)量經(jīng)濟(jì)學(xué)模型，要求：（1）進(jìn)行擬合優(yōu)度檢驗(yàn)，方程的顯著性檢驗(yàn)和變量的顯著性檢驗(yàn)；（3）分別用前述GangerCPI本文研究了的貢獻(xiàn)。CPI的主要因素，并通過(guò)結(jié)論提出合理化建議。年數(shù)據(jù)，其數(shù)據(jù)來(lái)源與《中國(guó)統(tǒng)計(jì)年鑒》。年 2006年 2010年 2014進(jìn)行參數(shù)估計(jì)，寫(xiě)出多元線性回歸的數(shù)學(xué)模型；2 進(jìn)行擬合優(yōu)度檢驗(yàn)，方程的顯著性檢驗(yàn)和變量的顯著性檢驗(yàn)；3 作異方差檢驗(yàn)，用加權(quán)最小二乘法重新估計(jì)模型，與(1)的模型作對(duì)比游星星和評(píng)價(jià)；4 作序列相關(guān)檢驗(yàn)，用廣義最小二乘法或廣義差分法重新估計(jì)模型，與(1)和(2)的模型作對(duì)比和評(píng)價(jià)；5 做多重共線性檢驗(yàn)，如果存在多重共線性則消除多重共線性，與前面的模型作對(duì)比和評(píng)價(jià)；6 分別用前述以居民消費(fèi)價(jià)格指數(shù)為（X3Least10:39Sample:11Variable Coefficient Std.dependent.regression criterion SumSchwarzHannanQuinnstat Prob(Fstatistic) 圖*XX,FR2=(3,7)3，樣本容量為可知變量3=因此將接受原假設(shè)，解釋變量0，而其他的都是顯著不為零。所示：White 的 分布的相應(yīng)臨界值 ，(在估計(jì)模型中含有兩個(gè)解釋變量，=游星星HeteroskedasticityProb.ChiSquare(6) ScaledProb.RESID^2Method:Time:observations:droppedRsquared var .Akaikeresid likelihood 11)，因此接受同方差性的原假設(shè)。%與時(shí)間%13游星星從圖5%的顯著性水平下，n=24，k=2，查表dl=故無(wú)自相關(guān)。3對(duì),4：圖X3Y2,Variable:12/31/172015IncludedRsquared var .Akaikeresid likelihood ===,DW7Least13:23Sample:11Variable Coefficient Std.dependent.regression criterion SumSchwarzHannanQuinnstat Prob(Fstatistic) 圖+R,Variable:12/31/172015IncludedRsquared var .Akaikeresid likelihood ===,采用逐步回歸尋找最佳回歸方程：RF=結(jié)果如下圖:DependentSquaresDate:2005Error tStatistic Prob.C X1 X2 Rsquared var Adjusteddependentsquaredcriterion Logcriter. Fstatistic 8從上面的結(jié)果可以看出，模型擬合度顯著提高，且參數(shù)符號(hào)合理，變量也通過(guò)了X3所以最終的糧食生產(chǎn)函數(shù)應(yīng)以()+1與其他變量存在多重共線性，去掉(6)Forecas
法律信息相關(guān)推薦
鄂ICP備17016276號(hào)-1