【文章內(nèi)容簡(jiǎn)介】 ，因?yàn)閚R2=＜=，所以不拒絕原假設(shè)，表明模型不存在異方差性。ARCH檢驗(yàn)結(jié)果從上圖可以看出：nR2=，又White檢驗(yàn)知，在a=，=，同時(shí)DI和DI2的t檢驗(yàn)也顯著。比較計(jì)算X2統(tǒng)計(jì)量與臨界值，因?yàn)閚R2=＜=，所以不拒絕原假設(shè)，表明模型不存在異方差性。一階自相關(guān)性檢驗(yàn)原序列的自相關(guān)圖一階相關(guān)圖一階偏自相關(guān)系數(shù)條形超出了隨機(jī)區(qū)間，其他各階都落入了隨機(jī)區(qū)間內(nèi)，表明序列存在一階自相關(guān)。用圖示法進(jìn)行一階自相關(guān)性檢驗(yàn)；用DW法檢驗(yàn)一階自相關(guān)性。用廣義差分法和德賓兩步法消除一階自相關(guān)，并比較二者差別。用white法檢驗(yàn)消除自相關(guān)后模型是否存在異方差。 由上表知nR2==。用模型最優(yōu)估計(jì)結(jié)果，進(jìn)行成居民消費(fèi)行為和農(nóng)村居民消費(fèi)行為的比較分析。農(nóng)村居民 建立工作文件，用Eviews創(chuàng)建變量LE、NI，輸入樣本數(shù)據(jù)。打開(kāi)Eviews工作文件，建立新的文件夾，在命令框中輸入“data le ni”回車(chē) ，從數(shù)據(jù)表中粘貼數(shù)據(jù)到Eviews數(shù)據(jù)表中即可。 建立由被解釋變量LE與解釋變量NI組成的組對(duì)象。時(shí)間序列數(shù)據(jù)一元線(xiàn)性回歸模型Le、ni散點(diǎn)圖根據(jù)上圖所示，兩變量之間線(xiàn)性相關(guān)。變量LE與NI的線(xiàn)形圖根據(jù)圖形顯示，并不近似為直線(xiàn)。Log(LE)與log（NI）的線(xiàn)性圖根據(jù)圖形顯示，近似為直線(xiàn)。（1）設(shè)定被解釋變量LE與解釋變量NI的具體形式如下： LE=β1+β2NI+μ預(yù)測(cè)回歸系數(shù)ββ2的符號(hào)都是正號(hào)； （2）設(shè)定被解釋變量log（LE）與解釋變量log(NI)的具體形式如下： log（LE）=β1+β2 log(NI)+μ預(yù)測(cè)回歸系數(shù)ββ2的符號(hào)都是正號(hào)； 用OLS法估計(jì)以L(fǎng)E為解釋變量NI為解釋變量的農(nóng)村居民消費(fèi)回歸模型：即LE=+ （） （） T=（） （）用OLS法估計(jì)以log（LE）為解釋變量log(NI)為解釋變量的農(nóng)村居民消費(fèi)回歸模型即LOG（LE）=+（NI） （）（） T= () () LE為解釋變量NI為解釋變量的農(nóng)村居民消費(fèi)回歸模型 （1）經(jīng)濟(jì)意義檢驗(yàn)：所估計(jì)參數(shù)β1=，β2=，說(shuō)明可支配收入增加1元。 （2）擬合優(yōu)度和統(tǒng)計(jì)檢驗(yàn)：通過(guò)以上的回歸數(shù)據(jù)可知，說(shuō)明所建模型整體上對(duì)樣本數(shù)據(jù)擬合度較好:； （3）對(duì)回歸系數(shù)的t檢驗(yàn)：針對(duì)H1:β1=0和H2:β2=0，由上回歸結(jié)果可以看出，估計(jì)的回歸系數(shù)B1的標(biāo)準(zhǔn)誤差和t值分別為：SE(β1)=，t(β1)=；β2的標(biāo)準(zhǔn)誤差和t值分別為SE（β2）= t(β2)=，取a=0,05，查t分布表得自由度為n2=332==,t（t(β1)= ＞=，拒絕H1, t(β2)=＞=,，城市居民可支配收入對(duì)其消費(fèi)水平有很大影響。從以上比較可以看出非對(duì)數(shù)模型的可決系數(shù)較大擬合程度較好。故選擇非對(duì)數(shù)模型。 對(duì)所估計(jì)的模型進(jìn)行異方差性和一階自相關(guān)性檢驗(yàn)。對(duì)模型進(jìn)行White檢驗(yàn)，檢驗(yàn)?zāi)Ｐ褪欠翊嬖诋惙讲钚裕簭纳蠄D可以看出：nR2=，又White檢驗(yàn)知，在a=，=，同時(shí)DI和DI2的t檢驗(yàn)也顯著。比較計(jì)算X2統(tǒng)計(jì)量與臨界值，因?yàn)閚R2=＜=，所以不拒絕原假設(shè)，表明模型不存在異方差性。一階自相關(guān)檢驗(yàn)一階偏自相關(guān)系數(shù)條形超出了隨機(jī)區(qū)間，其他各階都落入了隨機(jī)區(qū)間內(nèi)，表明殘差序列殘?jiān)谝浑A自相關(guān)。用圖示法進(jìn)行一階自相關(guān)性檢驗(yàn)；用DW法檢驗(yàn)一階自相關(guān)性。8 、用廣義差分法和德賓兩步法消除一階自相關(guān)，并比較二者差別。9 、用white法檢驗(yàn)消除自相關(guān)后模型是否存在異方差。由上表知nR2=，在給定顯著性水平α==，故不拒絕原假設(shè)，表明模型不存在異方差。10 、用模型最優(yōu)估計(jì)結(jié)果，進(jìn)行成居民消費(fèi)行為和農(nóng)村居民消費(fèi)行為的比較分析?！緦?shí)驗(yàn)總結(jié)】 模型選擇 ：當(dāng)發(fā)現(xiàn)變量之間有明顯的的線(xiàn)性關(guān)系的時(shí)候，可以采用非對(duì)數(shù)線(xiàn)性模型，如果變量之間線(xiàn)性關(guān)系不太明顯，此時(shí)可以用對(duì)數(shù)模型。也可兩模型作為比較。圖行檢驗(yàn)法：建立工作文件后。圖示法檢驗(yàn)異方差性：根據(jù)數(shù)據(jù)做出兩變量的殘差圖，如果殘差隨著解釋變量的變化，不是在一定的范圍內(nèi)變化，那么即認(rèn)為有異方差性。Goldfield檢驗(yàn)法，根據(jù)得出的分段回歸數(shù)據(jù)表，可以得到殘差平方的值，再根據(jù)殘差平方的值，求出F統(tǒng)計(jì)量的值，再根據(jù)自由度的統(tǒng)計(jì)量的值，進(jìn)行比較大小，如果前者大于后者，那么就存在異方差性，反之，則不存在異方差性。White檢驗(yàn)法和ARCH檢驗(yàn)法，分別也進(jìn)行檢驗(yàn) 。廣義差分法消除自相關(guān)：先有模型得到殘差序列et，在EVIEWS中，每次回歸的殘差存放在resid序列中，為了對(duì)殘差進(jìn)行回歸分析，需生成命名為e的殘差序列。在主菜單選擇quick/generate series，在彈出的對(duì)話(huà)框中輸入e=resid，點(diǎn)擊ok得到殘差序列et。使用et進(jìn)行滯后一期的自回歸，同時(shí)在命令欄中輸入ls e e (1)可得回歸方程，然后對(duì)原模型進(jìn)行廣義差分，得到廣義差分方程，然后在進(jìn)行回歸，得出結(jié)果。 實(shí)驗(yàn)四 滯后變量回歸模型【實(shí)驗(yàn)?zāi)康暮鸵蟆?學(xué)會(huì)滯后變量模型的設(shè)定； 掌握滯后變量模型的估計(jì)和檢驗(yàn)； 在老師的指導(dǎo)下獨(dú)立完成實(shí)驗(yàn)，并得到正確結(jié)果。【實(shí)驗(yàn)內(nèi)容】建立Eviews時(shí)間序列數(shù)據(jù)工作文件輸入樣本數(shù)據(jù)。判斷變量的滯后階數(shù)，建立有限分布滯后模型。用OLS法對(duì)模型進(jìn)行估計(jì)和檢驗(yàn)。根據(jù)絕對(duì)收入假說(shuō)建立居民消費(fèi)自回歸模型。用OLS法估計(jì)居民消費(fèi)自回歸模型。檢驗(yàn)自回歸模型的自相關(guān)性。用工具變量法消除隨機(jī)解釋變量的影響，用廣義差分法消除自相關(guān)性的影響。對(duì)最終模型進(jìn)行結(jié)構(gòu)分析?！緦?shí)驗(yàn)數(shù)據(jù)】 附表4，1978年到2011年河南省城市居民消費(fèi)支出與可支配收入。 附表4，1978年到2011年河南省農(nóng)村居民生活消費(fèi)支出與純收入?！緦?shí)驗(yàn)步驟】建立Eviews工作文件，分別在命令框中輸入“data ce di” “data le ni”回車(chē) ，從數(shù)據(jù)表中粘貼數(shù)據(jù)到Eviews數(shù)據(jù)表中即可。用交叉相關(guān)圖法判斷變量的滯后階數(shù)，建立城市居民消費(fèi)有限分布滯后期模型和農(nóng)村居民消費(fèi)有限分布滯后模型。分別在命令框中輸入cross ce di并回車(chē)得城市居民交叉相關(guān)圖如下：橫條落入虛線(xiàn)內(nèi)表示無(wú)交叉相關(guān)，在虛線(xiàn)外表示存在交叉相關(guān)，改圖表明該模型的滯后階數(shù)為6.農(nóng)村居民交叉相關(guān)圖如下橫條落入虛線(xiàn)內(nèi)表示無(wú)交叉相關(guān)，在虛線(xiàn)外表示存在交叉相關(guān)，改圖表明該模型的滯后階數(shù)為6.分別建立分布滯后模型為CE=α+β1DIt+β2DIt1+β3DIt2+β4DIt3+β5DIt4+β6DIt5+β7DIt6LE=α+β1NIt+β2NIt1+β3NIt2+β4NIt3+β5NIt4+β6NIt5+β7NIt6用OLS法估計(jì)有限分布滯后模型，對(duì)模型進(jìn)行檢驗(yàn)，并取得模型的點(diǎn)預(yù)測(cè)值序列cef、llef。分別在命令框中輸入ls ce c di（0 to 6）ls le c ni （0 to 6）回車(chē)得城市居民有限分布滯后模型如下：預(yù)測(cè)值序列如下得農(nóng)村居民有限分布滯后模型如下預(yù)測(cè)值序列如下根據(jù)持久收入假說(shuō)建立城市居民消費(fèi)自回歸模型和農(nóng)村居民消費(fèi)自回歸模型，預(yù)計(jì)各模型中各偏回歸系數(shù)的符號(hào)和數(shù)值范圍。OLS法估計(jì)城市居民消費(fèi)自回歸模型和農(nóng)村居民消費(fèi)自回歸模型。城市居民自回歸模型估計(jì)結(jié)果農(nóng)村居民自回歸模型估計(jì)結(jié)果 用賓德H法或LM法檢驗(yàn)自回歸模型的自相關(guān)性。城市居民LM法農(nóng)村居民LM法 用cef(1)作為工具變量替代城市居民消費(fèi)自回歸模型中的ce(1),用lef(1）代替作為工具變量替代城市居民消費(fèi)自回歸模型中l(wèi)e（1），消除隨機(jī)解釋變量的影響，用廣義差分法消除自相關(guān)的影響。重新估計(jì)城市居民消費(fèi)自回歸模型和農(nóng)村居民消費(fèi)自回歸模型，并檢驗(yàn)?zāi)Ｐ凸烙?jì)結(jié)果。城市居民 替代法消除隨機(jī)解釋變量的影響廣義差分法消除自相關(guān)農(nóng)村居民Lef（1）替代法消除隨機(jī)解釋變量的影響廣義差分法消除自相關(guān)的影響重估城市居民消費(fèi)自回歸模型Dependent Variable: CEMethod: Least SquaresDate: 12/28/12 Time: 11：15Sample (adjusted): 1980 2011Included observations: 32 after adjustmentsConvergence achieved after 7 iterationsCoefficientStd. ErrortStatisticProb.CDICE(1)AR(1)RsquaredMean dependent varAdjusted Rsquared. dependent var. of regressionAkaike info criterionSum squared residSchwarz criterionLog likelihoodHannanQuinn criter.FstatisticDurbinWatson statProb(Fstatistic)Inverted AR Roots.84對(duì)模型進(jìn)行結(jié)構(gòu)分析，討論持久收入假說(shuō)是否適合解釋河南省居民消費(fèi)規(guī)律?！緦?shí)驗(yàn)總結(jié)】 分別建立有