计量经济学实验报告2.doc

计量经济学实验报告2.doc

《计量经济学实验报告2.doc》由会员分享，可在线阅读，更多相关《计量经济学实验报告2.doc（11页珍藏版）》请在冰豆网上搜索。

实验报告

课程名称：

计量经济学

实验项目：

简单线性回归模型的估计、检验和应用

实验类型：

综合性√设计性□验证性□

专业班别：

09本国际经济与贸易3班

姓名：

陈春丽

学号：

409010304

实验课室：

创新楼E506

指导教师：

石立

实验日期：

2012年3月22日

广东商学院华商学院教务处制

一、实验项目训练方案

小组合作：

是□否√

小组成员：

陈春丽

实验目的：

掌握简单相关分析、格兰杰因果关系检验、简单线性回归模型的设定和模型的参数估计、简单线性回归模型的区间估计、假设检验和预测方法，并能利用所建立的模型分析实际问题。

实验场地及仪器、设备和材料

实验场地：

创新楼E506

使用EViews软件进行操作实验。

实验训练内容（包括实验原理和操作步骤）：

实验原理：

相关分析，格兰杰因果关系检验，普通最小二乘法（OLS），拟合优度的判定系数检验和参数显著性t检验等，计量经济学预测原理。

实验步骤：

已知广东省宏观经济部分数据（参见附表“广东省宏观经济数据-第二章”），要根据这些数据分别研究和分析广东省宏观经济，建立宏观计量经济模型。

本实验要求具体验证分析

（1）“财政收入的变化引起国内生产总值变化”，

（2）“财政收入影响财政支出”，（3）“国内生产总值对社会消费品零售额的影响模型”。

并根据相应的回归模型进行经济预测、经济分析和政策评价。

（一）建立工作文件

进入Eviews，建立一工作文件，并命名为GD，新建4个序列，并对应输入广东省经济数据表中的数据：

收入法国内生产总值-GDPS，财政收入-CS，财政支出-CZ，社会消费品零售额-SLC。

（二）相关分析

1、作散点图

分别作上述三组变量之间的散点图（3个散点图），并根据散点图作简单分析，写出各组变量的关系。

散点图：

分析：

从三个散点图可以看出，三对变量都呈线性关系。

2、计算简单线性相关系数

分别作上述三组变量之间的简单线性相关系数，并根据相关系数作简单分析。

１、ＣＳ与ＧＤＰＳ的相关系数：

0.993810736171467

２、ＣＳ跟ＣＺ的相关系数：

323844.683446914

３、ＳＬＣ与ＧＤＰＳ的相关系数：

12313423.4754619

（三）回归分析

1、【模型设定】

（1）作因果关系检验（辅助“模型设定”）

分别对上述三组变量作因果关系检验（3组检验结果），并根据因果关系检验的结果，作简单描述及分析。

因果关系检验结果表：

（请对同一个模型的滞后期从2-5多试几次，并选定最终的结果。

）

PairwiseGrangerCausalityTests

Date:

03/22/12Time:

15:

19

Sample:

19782005

Lags:

4

  NullHypothesis:

Obs

F-Statistic

Probability

  GDPSdoesnotGrangerCauseCS

23

 2.49852

 0.09015

  CSdoesnotGrangerCauseGDPS

 1.90974

 0.16471

PairwiseGrangerCausalityTests

Date:

03/22/13Time:

15:

22

Sample:

19782005

Lags:

3

  NullHypothesis:

Obs

F-Statistic

Probability

  CZdoesnotGrangerCauseCS

24

 6.52731

 0.00389

  CSdoesnotGrangerCauseCZ

 0.87989

 0.47109

PairwiseGrangerCausalityTests

Date:

03/22/12Time:

15:

23

Sample:

19782005

Lags:

3

  NullHypothesis:

Obs

F-Statistic

Probability

  GDPSdoesnotGrangerCauseSLC

24

 0.47005

 0.70710

  SLCdoesnotGrangerCauseGDPS

 5.20349

 0.00986

分析：

GDPS是CS的因，Cs不是CZ的因；GDPS不是SLC的因。

但根据理论CS是CZ的因，GDPS是SLC的因，可能是由于指标设置的问题。

所以还是把CS作为应变量，GDPS作为解释变量；CZ作为应变量，CS作为解释变量；SLC作为应变量，GDPS作为解释变量进行一元线性回归分析。

（2）结合以上因果关系和模型要求，确定模型的因变量和自变量。

并从以下给出的回归函数中挑选出一个回归函数作为具体模型的设定函数（标出字母序号即可）。

模型1（D）

A. B.

C. D.

模型2：

（B）

A. B.

C. D.

模型3：

（D）

A. B.

C. D.

2、【参数估计】

（1）分别用最小二乘法估计以上三个回归模型的参数，保存实验结果。

（注：

只需附上模型估计的结果即可，无需分析；模型如果常数项不能通过检验，仍保留，本实验中不要求大家对模型进行修正。

）

模型1

DependentVariable:

CS

Method:

LeastSquares

Date:

04/04/12Time:

11:

31

Sample:

19782005

Includedobservations:

28

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

GDPS

0.080296

0.001891

42.45297

0.0000

C

12.50960

15.58605

0.802615

0.4295

R-squared

0.985779

    Meandependentvar

449.5546

AdjustedR-squared

0.985232

    S.D.dependentvar

509.5465

S.E.ofregression

61.92234

    Akaikeinfocriterion

11.15839

Sumsquaredresid

99693.77

    Schwarzcriterion

11.25355

Loglikelihood

-154.2174

    F-statistic

1802.255

Durbin-Watsonstat

0.942712

    Prob（F-statistic）

0.000000

模型2

DependentVariable:

CZ

Method:

LeastSquares

Date:

04/04/12Time:

12:

14

Sample:

19782005

Includedobservations:

28

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

CS

1.278874

0.017267

74.06285

0.0000

C

-

2.68073

11.61500

-1.952710

0.0617

R-squared

0.995282

    Meandependentvar

552.2429

AdjustedR-squared

0.995101

    S.D.dependentvar

653.1881

S.E.ofregression

45.71859

    Akaikeinfocriterion

10.55164

Sumsquaredresid

54344.93

    Schwarzcriterion

10.64679

Loglikelihood

-145.7229

    F-statistic

5485.306

Durbin-Watsonstat

1.554922

    Prob（F-statistic）

0.000000

模型3

DependentVariable:

SCL

Method:

LeastSquares

Date:

04/04/12Time:

12:

20

Sample:

19782005

Includedobservations:

28

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

GDPS

0.370241

0.005827

63.53578

0.0000

C

148.6962

48.01944

3.096584

0.0046

R-squared

0.993600

    Meandependentvar

2163.893

AdjustedR-squared

0.993354

    S.D.dependentvar

2340.232

S.E.ofregression

190.7780

    Akaikeinfocriterion

13.40885

Sumsquaredresid

946302.6

    Schwarzcriterion

13.50400

Loglikelihood

-185.7239

    F-statistic

4036.795

Durbin-Watsonstat

0.293156

    Prob（F-statistic）

0.000000

（2）回归结果的报告

将模型回归分析结果按如下形式报告出来：

=