【正文】 所示.圖82數(shù)據(jù)描述 (1). 數(shù)據(jù)的查看方式。圖5圖6STEP4：雙擊圖6中的圖標“y”，得到如下圖7，是關于序列“y”的工作表。c是系數(shù)向量、residual是殘差序列，當估計完一個模型后，該模型的系數(shù)、殘差就分別保存在c和residual中。在frequency中選擇integer data，在start date 和end date 中分別輸入1和27，點擊OK，出現(xiàn)圖如4畫面，Workfile定義完畢。試建立三者之間的回歸關系。通過本實驗使得學生能夠根據(jù)所學知識，對實際經(jīng)濟問題進行分析，建立計量模型，利用Eiews軟件進行數(shù)據(jù)分析，并能夠?qū)敵鼋Y果進行解釋說明。計 量 經(jīng) 濟 學 實 驗 指 導實驗一 多元線性回歸模型【實驗目的】通過本實驗，了解Eviews軟件，熟悉軟件建立工作文件，文件窗口操作，數(shù)據(jù)輸入與處理等基本操作。掌握多元線性回歸模型的估計方法，學會用Eiews軟件進行多元回歸分析?！緦嶒瀮?nèi)容及步驟】本實驗選用美國金屬行業(yè)主要的27家企業(yè)相關數(shù)據(jù)，如下表，其中被解釋變量Y表示產(chǎn)出，解釋變量L表示勞動力投入，K表示資本投入。觀測值YLK觀測值YLK11621553622141615643186172144245181083521119521669020304745221835871422284932023150102532425911236254971214026275131542713414240【實驗內(nèi)容及步驟】STEP1：雙擊桌面上Eviews快捷圖標，打開Eviews，如圖1. 圖1STEP2：點擊Eviews主畫面頂部按鈕file/new/Workfile ，如圖2，彈出workfile create對話框如圖3。在新建的workfile中已經(jīng)存在兩個objects，即c和residual。圖2圖3圖4STEP3：在workfile空白部分單擊右鍵，選擇New object，在Type of object中選擇Series，將該對象命名為Y,，得到圖6。點擊表示命令欄中的“Edit+/”即可進入數(shù)據(jù)輸入狀態(tài)，利用給定的數(shù)據(jù)逐步輸入27個數(shù)值。Eviews可以有多種不同數(shù)據(jù)的查看方式，在數(shù)據(jù)輸入時用的表格形式，即Spreadsheet。如選擇Line，得到圖10的線性圖。雙擊“y”，得到Spreadsheet形式，點擊表格命令欄中的“view”，選擇“Descriptive Statistics”、“Histogram and State”，如圖11，得到圖12，其中給出了序列“y”的均值、方差等統(tǒng)計量以及用以判斷該序列是否服從正態(tài)分布的JB概率等。有些時候為了方便找出多個變量之間的關系，需要觀察多個變量的走勢，Eviews處理這個問題的方法也很簡單。此時3個序列被顯示在一張表格中。圖13圖14圖15。比如我們需要對序列“y”“l(fā)”“k”取對數(shù)的步驟如下：在命令欄中點擊“Genr”得到如圖15的對話框，在空白部分輸入“l(fā)ny=log（y）”表示新建的序列l(wèi)ny是由原有序列y取對數(shù)得到的。相同的方法可建立新序列l(wèi)nl與lnk，如圖17。利用序列“l(fā)ny”“l(fā)nl”“l(fā)nk”進行多元回歸分析的方法有兩種?；蛘咴诖翱谏戏降拿顧谥悬c擊選擇 “Quick”“Estimate Equation” 如圖19得到圖20。圖18圖19圖20圖21。點擊命令欄中的 “Resids”得到圖21，可以看出實際值和擬合值是非常的接近的。點擊“resid”序列，選擇“View”“Descriptive Statistics”，“Histogram and State”得到圖23，通過正態(tài)性檢驗。課堂練習 據(jù)相關數(shù)據(jù)以稅收收入為被解釋變量，國民生產(chǎn)總值和財政支出及商品零售價格指數(shù)為解釋變量建立我國稅收收入的多元模型?！緦嶒瀮?nèi)容及步驟】Y消費性支出X可支配支出Y消費性支出X可支配支出50224810(1)采用OLS估計結果如圖1：圖1(2)觀察e2—X圖。點擊“genr”輸入“e2=resid*resid”得到殘差的平方e2。從中不看出隨著X的增大e2有變大的趨勢，可以初步判斷存在遞增型的異方差。圖5圖(4)懷特檢驗。圖7圖8，即在5%的顯著性水平下，原模型存在異方差。首先用log(e2)關于x的OLS回歸，如下圖9圖9結果顯示，變量的線性關系在5%的顯著性水平下成立。具體的方法為點擊“genr”在對話框中輸入w=1/sqrt(exp(+))如下圖10。首先選中序列“x”“y”，右鍵選擇“open”“as equation”，在出現(xiàn)的對話框中輸入“y c x”，如圖11。點擊“確定”，得到加權最小二乘的估計表達式，如圖13。表明最小二乘低估了x對應參數(shù)的標準差。圖14注：在實際建立模型時候，可以對原有的序列取對數(shù)，這種方法有時可以消除異方差或者有效降低異方差。實驗三 序列相關的檢驗與處理【實驗目的】 在理解自相關的基本概念及其導致的后果的基礎上，掌握診斷自相關存在的方法和修正自相關的方法。【實驗內(nèi)容及步驟】下表是我國19802007年社會固定資產(chǎn)總額X和工業(yè)增加值的統(tǒng)計結果，如果采用對數(shù)形式的模型：，試對該模型進行序列相關的檢驗，若存在序列相關的問題，請采用相關方法處理。點擊“Resids”得到殘差序列圖2。(3)。(4)LM檢驗。在得到的窗口中輸入滯后階數(shù)“1”如圖4所示。圖1圖2圖3圖4圖5從圖5中發(fā)現(xiàn)nR2統(tǒng)計量的伴隨概率小于顯著性水平5%，從而可知模型存在1階的序列自相關。圖6從圖6和圖7我們可以發(fā)現(xiàn)，本模型存在2階自相關，但是不存在3階自相關。選擇“Quick”“Estimate Equation”，在出現(xiàn)的對話框中輸入“l(fā)ny c lnx AR(1) AR(2)”，得到圖8的估計結果。其中AR(1)和AR(2)前面的系數(shù)即為隨機擾動項的相關系數(shù)。LM的檢驗結果如圖9。如圖10所示。從該圖結果中可以發(fā)現(xiàn)變量X的對數(shù)修正后的標準差比OLS估計的結果有所增大，表明原模型的OLS的估計結果低估了X的標準差。實驗四 多重共線性的檢驗與處理【實驗目的】通過本實驗，要求學生在理解計量經(jīng)濟模型能夠中出現(xiàn)的多重共線性的不良后果的基礎上，掌握診斷多重共線性和修正多重共線性的方法。原始數(shù)據(jù)表:年份糧食產(chǎn)量（萬噸）/Y農(nóng)業(yè)化肥施用量（萬公斤）/X糧食播種面積（千公頃）/X成災面積（公頃）/X農(nóng)業(yè)機械總動力（萬千瓦）/X農(nóng)業(yè)勞動力（萬人）/X198338728166011404716209180223115119844073117401128841526419497308681985379111776108845227052091331130198639151193111093323656229503125419874020819991112682039324836316631988394082142110123239452657532249198940755235711220524449280673322519904462425901134661781928708389141991435292806112314278142938939098199244264293011056025895303083869919934564931521105092313331817376801994445103318109544313833380236628199546662359411006022267361183553019965045438281125482123338547348201997494173981112912303094201634840199851230408411378725181452083517719995083941241131612673148996357682000462184146108463343745257436043200145264425410608031793551723651320024570643391038912731957930368702003430704412994103251660387365462004469474637