1、1计量经济学试验 (完整版)李子奈2目 录实验一 一元线性回归 5一 实验目的 .5二 实验要求 .5三 实验原理 .5四 预备知识 .5五 实验内容 .5六 实验步骤 .51.建立工作文件并录入数据 52.数据的描述性统计和图形统计： 73.设定模型，用最小二乘法估计参数： 84.模型检验： 85.应用：回归预测： 9实验二 可化为线性的非线性回归模型估计、受约束回归检验及参数稳定性检验 .12一 实验目的： 12二 实验要求 12三 实验原理 12四 预备知识 12五 实验内容 12六 实验步骤 13实验三 多元线性回归 14一 实验目的 14三 实验原理 15四 预备知识 15五 实验内
2、容 15六 实验步骤 156.1 建立工作文件并录入全部数据 .156.2 建立二元线性回归模型 .156.3 结果的分析与检验 .166.4 参数的置信区间 .166.5 回归预测 .176.6 置信区间的预测 .18实验四 异方差性 20一 实验目的 20二 实验要求 20三 实验原理 20四 预备知识 20五 实验内容 20六 实验步骤 206.1 建立对象： .2036.2 用普通最小二乘法建立线性模型 .216.3 检验模型的异方差性 .216.4 异方差性的修正 .24实验五 自相关性 28一 实验目地 28二 实验要求 28三 实验原理 28四 预备知识 28五 实验内容 28六
3、 实验步骤 286.1 建立 Workfile 和对象 296.2 参数估计、检验模型的自相关性 .296.3 使用广义最小二乘法估计模型 .336.4 采用差分形式作为新数据，估计模型并检验相关性 .35实验六 多元线性回归和多重共线性 37一 实验目的 37二 实验要求 37三 实验原理 37四 预备知识 37五 实验内容 37六 实验步骤 376.1 建立工作文件并录入数据 .386.2 用 OLS 估计模型 .386.3 多重共线性模型的识别 .386.4 多重共线性模型的修正 .39实验七 分布滞后模型与自回归模型及格兰杰因果关系检验 41一 实验目的 41二 实验要求 41三 实验
4、原理 41四 预备知识 41五 实验内容 41六 实验步骤 426.1 建立工作文件并录入数据 .426.2 使用 4 期滞后 2 次多项式估计模型 .426.3 格兰杰因果关系检验 .45实验八 联立方程计量经济学模型 49一 实验目的 49二 实验要求 49三 实验原理 49四 预备知识 49五 实验内容 49六 实验步骤 506.1 分析联立方程模型。 .506.2 建立工作文件并录入数据，如图 1 所示。 .5046.3 估计国内生产总值方程 .516.4 估计货币供给量方程 .536.5 模型的直接计算机估计 .54实验九 时间序列计量经济学模型 56一 实验目的 56二 实验要求
5、56三 实验原理 56四 预备知识 56五 实验内容 56六 实验步骤 566.1 建立工作文件并录入数据，如图 1 所示。 .566.2 平稳性检验 .576.3 单整性检验 .616.4 估计 的 模型 62CPIARM5实验一 一元线性回归一 实验目的：掌握一元线性回归的估计与应用，熟悉 EViews 的基本操作。二 实验要求：应用教材 P61 第 12 题做一元线性回归分析并做预测。三 实验原理：普通最小二乘法。四 预备知识：最小二乘法的原理、t 检验、拟合优度检验、点预测和区间预测。五 实验内容：第 2 章练习 12下表是中国 2007 年各地区税收 和国内生产总值 GDP 的统计资
6、料。Y单位：亿元地区 Y GDP 地区 Y GDP北 京 1435.7 9353.3 湖 北 434.0 9230.7 天 津 438.4 5050.4 湖 南 410.7 9200.0 河 北 618.3 13709.5 广 东 2415.5 31084.4 山 西 430.5 5733.4 广 西 282.7 5955.7 内蒙古 347.9 6091.1 海 南 88.0 1223.3 辽 宁 815.7 11023.5 重 庆 294.5 4122.5 吉 林 237.4 5284.7 四 川 629.0 10505.3 黑龙江 335.0 7065.0 贵 州 211.9 2741.
7、9 上 海 1975.5 12188.9 云 南 378.6 4741.3 江 苏 1894.8 25741.2 西 藏 11.7 342.2 浙 江 1535.4 18780.4 陕 西 355.5 5465.8 安 徽 401.9 7364.2 甘 肃 142.1 2702.4 福 建 594.0 9249.1 青 海 43.3 783.6 江 西 281.9 5500.3 宁 夏 58.8 889.2 山 东 1308.4 25965.9 新 疆 220.6 3523.2 河 南 625.0 15012.5 要求，以手工和运用 Eviews 软件：(1)作出散点图，建立税收随国内生产总值
8、 GDP 变化的一元线性回归方程，并解释斜率的经济意义；(2)对所建立的回归方程进行检验；(3)若 2008 年某地区国内生产总值为 8500 亿元，求该地区税收收入的预测值及预测区间。六 实验步骤1.建立工作文件并录入数据：(1)双击桌面快速启动图标，启动 Microsoft Office Excel, 如图 1，将题目的数据输入到 excel 表格中并保存。(2)双击桌面快速启动图标，启动 EViews6 程序。6(3)点击 File/New/ Workfile，弹出 Workfile Create 对话框。在Workfile Create 对话框左侧 Workfile structure
9、 type 栏中选择Unstructured/Undated选项，在右侧 Data Range 中填入样本个数 31.在右下方输入 Workfile 的名称 P53.如图 2 所示。图 1 图 2(4)下面录入数据，点击 File/Import/Read Text-Lotus-Excel.选中第(1)步保存的 excel 表格，弹出 Excel Spreadsheet Import 对话框，在 Upper-left data cell 栏输入数据的起始单元格 B2，在 Excel 5+sheet name 栏中输入数据所在的工作表 sheet1，在 Names for series or Nu
10、mber if named in file 栏中输入变量名 Y GDP，如图 3 所示，点击 OK，得到如图 4 所示界面。图 3 图 4(5)按住 Ctrl 键同时选中 Workfile 界面的 gdp 表跟 y 表，点击鼠标右键选Open/as Group 得到完整表格如图 5，并点击 Group 表格上菜单命令 Name，在7弹出的对话框中命名为 group01.图 5 图 62.数据的描述性统计和图形统计：以上建立的序列 GDP 和 Y 之后，可对其做描述统计和统计以把握该数据的一些统计属性。(1)描述属性：点 View/Descriptive StatsCommon Sample，得
11、描述统计结果，如图 6 所示，其中：Mean 为均值，Std.Dev 为标准差。(2)图形统计：双击序列 GDP，打开 GDP 的表格形式，点击表格左边 View/Graph，可得图7。同样可查看序列 Y 的线形图。很多时候需要把两个序列放在一个图形中来查看两者的相互关系，用线图或散点图都可以。在命令栏键入：scat GDP Y，然后回车，就可以得到用散点图来查看 GDP和 Y 的关系，如图 8 所示。8图 7 图 83.设定模型，用最小二乘法估计参数：设定模型为 。12iiYXu按住 Ctrl 键，同时选中序列 Y 和序列 GDP，点击右键，在所出现的右键菜单中，选择 Open/as Equ
12、ation后弹出一对话框，在框中一次输入 “y c gdp ”， （注意被解释变量在最前，变量间要空格，如图 9）点击其下的确定，即可得到回归结果（如图 10） 。图 9 图 10由图 10 数据结果，可得到回归分析模型为：10.623.7104i iYX(5)(925)， ， .R9F.157023DW其中，括号内的数为相应的 t 检验值。 是可决系数， 与 是有关的两2RF.个检验统计量。94.模型检验：(1)经济意义检验。斜率 为边际可支国内生产总值 GDP，表明20.7142007 年，中国内地各省区 GDP 每增加 1 亿元时，税收平均增加 0.071047 亿元。(2)t 检验和拟
13、合优度检验。在显著性水平下，自由度为 31-2=29 的 t 分布的临界值 。因此，从参数的 t 检验值看，斜率项显然不为零，但不0.25(9).t拒绝截距项为零的假设。另外，拟合优度 表明，税收的 76%的变20.76315R化也以由 GDP 的变化来解释，因此拟合情况较好。在 Eqution 界面点击菜单命令 View/Actual,Fitted,Residual/Actual,Fitted.Residual Graph 可得到图11，可直观看到实际观测站和拟合值非常接近。图 11 图 125.应用：回归预测：(1)被解释变量 Y 的个别值和平均值的点预测：由第二章第五节知道，个别值和平均
14、值点预测的预测公式均为 12FFYX内插预测：在 Equation 框中，点击“Forecast” ，在 Forecast name 框中可以为所预测的预测值序列命名，计算机默认为 yf，点击“OK” ，得到样本期内被解释变量的预测值序列 yf（也称拟合值序列）的图形形式（图 12） 。同时在 Workfile中出现一个新序列对象 yf。外推预测：10 录入 2008 年某地区国内生产总值 GDP 为 8500 亿元的数据。双击 Workfile 菜单下的 Range 所在行，出现将 Workfile structured 对话框，讲右侧 Observation 旁边的数值改为 32，然后点击
15、 OK，即可用将Workfile 的 Range 以及 Sample 的 Range 改为 32；双击打开 GDP 序列表格形式，将编辑状态切换为“可编辑” ，在 GDP 序列中补充输入 GDP=8500（如图 13 所示） 。图 13 图 14 进行预测在 Equation 框中，点击“Forecast” ，弹出一对话框，在其中为预测的序列命名，如 yf2。点击 OK 即可用得到预测结果的图形形式（如图 14 所示） 。点击 Workfile 中新出现的序列 yf2，可以看到预测值为 593.2667（图 15）（注意：因为没有对默认预测区间 1-32 做改变，这时候得到的是所有内插预测11
16、与外插预测的值，若将区间改为 32 32，则只会得到外推预测结果） 。图 15 图 16 结果查看按住 Ctrl 键，同时选中 y、yf、resid，点击右键，在右键菜单中选Open/as Group 可打开实际值、预测值、残差序列，在 view 菜单选择Graph.，画折线图（如图 16 所示） 。(2)区间预测原理：当 2007 年中国某省区 GDP 为 8500 亿元时，预测的税收为 10.63785093.267Y亿 元被解释变量 Y 的个别值区间预测公式为：，22/2/()/f f itnGDPgdp 被解释变量 Y 的均值区间预测公式为：。22/21()/f f it具体地说， 可
17、以在前面点预测序列 中找到； 可f 593.67y/2=.045t以查 t 分布表得到；样本数 n=31 为已知； 中的 为已知，fGDP8fP， 可以在序列 GDP 的描述统计中找到，891.26GDP25978.6igdp； ，从而()=3.1=f（ ） 201ieRS；由 X 总体方差的无偏估计式270 .ienk，可以计算22/()6958379.481GDPigdp( 可在序列 X 的描述统计中找到)。21.10i（ ） GDP(3)区间预测的 Eviews 操作：个别值置信区间的计算：在命令栏输入：（yfu 为个别值的置信上界，yfl 为个别值的置信下界）“scalar yfu=5
18、93.2667+2.045*sqrt(95183.1*(1+1/31+152979.5/55957878.6)”“scalar yfl=593.2667-2.045*sqrt(95183.1*(1+1/31+152979.5/55957878.6)”得到：yfu=1235.12876632 yfl=-48.5953663235于是 95%的置信度下预测的 2008 年某省区税收入个值的置信区间为：（-48.5953663235 ,1235.12876632） 。均值的置信区间的计算：在命令栏输入：（eyfu 为均值的置信上界，eyfl 为均值的置信下界）“scalar eyfu=593.266
19、7+2.045*sqrt(95183.1*(1/31+152979.5/55957878.6)”“scalar eyfl=593.2667-2.045*sqrt(95183.1*(1/31+152979.5/55957878.6)”12得到：eyfu=711.287072849 eyfl=475.246327151于是在 95%的置信度下，预测省区的 2008 年的税收收入均值的置信区间为：（475.246327151 ，711.287072849） 。实验二 可化为线性的非线性回归模型估计、受约束回归检验及参数稳定性检验一 实验目的：（1）掌握可化为线性的非线性回归模型的估计方法；（2）模型
20、参数的线性约束检验方法；（3）掌握 Chow 检验的基本原理和主要用途；（4）掌握 Chow 分割点检验和 Chow 预测检验的操作过程，判断分割点。二 实验要求：应用教材 P83 例子 3.5.1 做可化为线性的非线性回归模型估计，利用受约束回归检验，掌握 Chow 稳定性检验。三 实验原理：普通最小二乘法、模型参数线性受约束检验法、Chow 检验法。四 预备知识：最小二乘估计原理、t 检验、F 检验、Chow 检验。五 实验内容：下表列出了中国某年按行业分的全部制造业国有企业及规模以上制造业非国有企业的工业总产值 Y，资产合计 K 及职工人数 L。工业总产值 Y 资产合计 K 职工人数 L
21、 工业总产值 Y 资产合计 K 职工人数 L序号（亿元） （亿元） （万人） 序号 （亿元） （亿元） （万人）1 3722.7 3078.22 113 17 812.7 1118.81 432 1442.52 1684.43 67 18 1899.7 2052.16 613 1752.37 2742.77 84 19 3692.85 6113.11 2404 1451.29 1973.82 27 20 4732.9 9228.25 2225 5149.3 5917.01 327 21 2180.23 2866.65 806 2291.16 1758.77 120 22 2539.76 254
22、5.63 967 1345.17 939.1 58 23 3046.95 4787.9 2228 656.77 694.94 31 24 2192.63 3255.29 1639 370.18 363.48 16 25 5364.83 8129.68 24410 1590.36 2511.99 66 26 4834.68 5260.2 14511 616.71 973.73 58 27 7549.58 7518.79 1381312 617.94 516.01 28 28 867.91 984.52 4613 4429.19 3785.91 61 29 4611.39 18626.94 218
23、14 5749.02 8688.03 254 30 170.3 610.91 1915 1781.37 2798.9 83 31 325.53 1523.19 4516 1243.07 1808.44 33 设定模型为YAkle（1）利用上述资料，进行回归分析。（2）回答：中国概念的制造总体呈现规模报酬不变状态吗？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：0lnYalKlnL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
24、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： ln 1.539 0.624ln 0.3687lnLY（1.586 ） （3.454 ） （1.790）R2=0.809925 =0.796348 D.W.=0.793209Re i2=5.070303 F=59.65501 df=(2,28)随机干扰项的方差估计值为： =5.070303/28=0.181082252ie/n3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 ，表明模型的线性关系0.5(,28).4F显著成立。在5%的显著性水平下，自由
25、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0.25(8).4t验。如果将显著性水平设为10%，则t分布的临界值为 ，此时lnL0.5(28)1.7t14的参数也通过了显著性水平检验。图 1 图 2(2)从上述回归结果可以得到： ，也就是说，资产与劳动的产出0.971弹性之和可以认为为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 。0:H若原假设为真，则可估计如下模型： YlnCln()KL（ ）点击主界面菜单Qucik/Estimate Equation，在弹出的对话框中输入log(Y/L) C
26、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 ()/()5.086.730.11/2RUSSkn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，F4.20，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ViewCoefficient TestWald 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
27、状态的结果。图 3 图 415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。序号 对某商品的消费支出 Y 商品单价 X1 家庭月收 入 X2 序号 对某商品的消费支出 Y 商品单价
28、X1 家庭月收 入 X21 591.9 23.56 7620 6 644.4 34.14 129202 654.5 24.44 9120 7 680.0 35.3 143403 623.6 32.07 10670 8 724.0 38.7 159604 647.0 32.46 11160 9 757.1 39.63 180005 674.0 31.15 11900 10 706.8 46.68 19300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 ，计算 及 。22R(2)对方程进行 F 检验，对参数进行 t 检验，
29、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：16图 16.2 建立二元线性回归模型 012YX点击主界面菜单QuickEstimate 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： 6.5193.7061.82()()(49)YX20.918R2.8R.165084DW47ieF(,7)df随机干扰项的方差估计
30、值为 216.730.66.3 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：1732.9408F因为在 5%的显著性水平下，F 统计量的临界值为 0.5(,7)所以有 .所以回归方程通过 F 检验，方程显著成立。6.3.2 参数的 t 检验由图 2 的估计结果，常数项、X1、X2 系数的参数估计的 t 值分别为：015.69t3724.t在 5%的显著性水平下，t 统计量的临界值为： 0.25().364t显然有 0.25(),1,iti所以拒绝原假设 ，即回归方程的三个估计参数均显著，通过 t 检验。0H6.4 参数的置信区间由图 2 的结果，可以看到: 04.13S1
31、9782.5因为参数的区间估计为： /2/2,0,12i iiaatSt又因为在 的显著性水平下，0.50.5(7).364所以得： 0/269*.at于是，常数项的 95%的置信区间为： 31.7,2.4同样的有： 11/20536.197843atS于是，X1 项的系数的 95%的置信区间为： .,.同样的有： 22/82*0.5at于是，X2 项的系数的 95%的置信区间为： 0.14,.6.5 回归预测6.5.1 内插预测在 Equation 框中，点击“Forecast” ，在 Forecast name 框中可以为所预测的预测值序列命名，计算机默认为 yf，点击“OK” ，得到样本
32、期内被解释变18量的预测值序列 yf（也称拟合值序列）的图形形式，如图 3 所示。同时在Workfile 中出现一个新序列对象 yf。图 3 图 46.5.2 外推预测(1)录入数据双击 Workfile 菜单下的 Range 所在行，出现将 Workfile structured 对话框，讲右侧 Observation 旁边的数值改为 11，然后点击 OK，即可用将Workfile 的 Range 以及 Sample 的 Range 改为 11；双击打开 group01 序列表格形式，将编辑状态切换为“可编辑” ，在 X1 序列中补充输入 X1=35.同样的方法录入 X2=20000(2)进
33、行预测在 Equation 框中，点击“Forecast” ，弹出一对话框，在其中为预测的序列命名，如 yf2。点击 OK 即可用得到预测结果的图形形式，如图 4 所示。点击 Workfile 中新出现的序列 yf2，可以看到预测值为 856.2025（如图 5所示）图 5 图 6(3)结果查看按住 Ctrl 键，同时选中 y、yf、resid，点击右键，在右键菜单中选Open/as Group 可打开实际值、预测值、残差序列，在 view 菜单选择19Grap/Line，画折线图，如图 6 所示。6.6 置信区间的预测消费支出 Y 的个别值的预测置信区间为: 00/2aYtS其中, 为 Y
34、的个别值预测的标准差为:0S0 001()YSX消费支出 Y 的均值的预测置信区间为: 00/2()aEYtS其中， 为 Y 的均值预测的标准差为:0()ES000()()EYSX6.6.1 Y 个别值的置信区间的预测在 Equation 框中，点击“Forecast” ，弹出 Forecast 话框,如图 7 所示图 7 图 8在图 7 中 S.E.那一栏为预测值的标准差，命名为 yczbzc，然后点解 OK，即可在 Workfile 界面看到一个名为 yczbzc 的序列。双击打开这一序列，如图8 所示，在第 11 行（预测行）即可直接显示个别值的预测值标准差为： 04.92713YS把结
35、果代入 ，即可得到 Y 个别值的 95%的置信区间为：00/2aYtS5.6,.86.6.2 Y 均值的置信区间的预测：由于 0 001()4.92713YX且 23.所以可计算得： 00()520代入公式即可得到 Y 均值的预测标准差为： 000()()37.49ESX再把结果代入均值的置信区间公式 00/2()aEYtS得到 Y 均值的 95%的置信区间为： 768.594,3.8621实验四 异方差性一 实验目的：掌握异方差性模型的检验方法与处理方法二 实验要求：应用教材 P155 习题 8 案例做异方差模型的图形法检验、Goldfeld-Quanadt 检验与 White 检验，使用
36、WLS 方法、异方差稳健标准误方法对异方差进行修正。三 实验原理：图形法检验、Goldfeld-Quanadt 检验与 White 检验与加权最小二乘法、异方差稳健标准误方法。 四 预备知识：Goldfeld-Quanadt 检验与 White 检验与加权最小二乘法。五 实验内容：下表列出了某年中国部分省市城镇居民每个家庭平均全年可支配收入 X 与消费性支出 Y 的统计数据。地区 可支配收 入（X） 消费性支出 （Y） 地区 可支配收入 （X） 消费性支出 （Y）北 京 10349.69 8493.49 浙 江 9279.16 7020.22天 津 8140.50 6121.04 山 东 64
37、89.97 5022.00河 北 5661.16 4348.47 河 南 4766.26 3830.71山 西 4724.11 3941.87 湖 北 5524.54 4644.5内蒙古 5129.05 3927.75 湖 南 6218.73 5218.79辽 宁 5357.79 4356.06 广 东 9761.57 8016.91吉 林 4810.00 4020.87 陕 西 5124.24 4276.67黑龙江 4912.88 3824.44 甘 肃 4916.25 4126.47上 海 11718.01 8868.19 青 海 5169.96 4185.73江 苏 6800.23 53
38、23.18 新 疆 5644.86 4422.93(1)使用普通最小二乘法建立居民人均消费支出与可支配收入的线性模型；(2)检验模型是否存在异方差性；(3)如果存在异方差性，试采用适当的方法估计模型参数。六 实验步骤：6.1 建立对象：录入变量可支配收入 X 和消费性支出 Y，如图 1 所示：22图 1 图 26.2 用普通最小二乘法建立线性模型设定一元线性回归模型为： 01YX点击主界面菜单 QuickEstimate Equation，在弹出的对话框中输入Y、C、X，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 7.36051(1)(.9)YX20.
39、9831R2.8R.3017DW4F4.S估计结果显示，即使在 10%的显著性水平下，都不拒绝常数项为零的假设。6.3 检验模型的异方差性6.3.1 图形检验法生成残差序列。在得到图 2 结果后，在工作文件中点击 ObjectGenerate Series，在弹出的窗口中，在主窗口键入命令如下“e2=resid2” ，如图 3 所示，得到残差平方和序列 e2。23图 3 图 4如果存在异方差，则只可能是由于可支配收入 X 引起的。绘制 对 的散点图。按住 Ctrl 键，同时选择变量 X 与 e2，以组对象方2tetX式打开，进入数据列表，再点击 ViewGraphScatterSimple S
40、catter，可得散点图，如图 4 所示。由图 4 可以看出，残差平方和 对 大致存在递增关系，即存在单调增型2tet异方差。6.3.2 Goldfeld-Quanadt 检验对变量取值排序(按递增或递减)。在工作文件中点击 ProcScrt Current Page，在弹出对话框中输入 X 即可(默认项是升序)，如图 5 所示。本列选择升序排列，这时变量 Y 将以 X 按升序排列。图 5 图 6构造子样本区间，建立回归模型。在本题中，样本容量 n=20，删除中间1/4 的观测值，大约 4 个数据，余下部分平分得两个样本区间：1-8 和 13-20，它们的样本个数均是 8 个，即 .在工作文件
41、窗口中点击 Sample 菜单，128n在弹出的对话框中输入 1 8，将样本期改为 18，如图 6 所示。然后，用 OLS 方法求得如图 7 的结果图 7 图 8根据图 7 中的数据，得到模型的估计结果为：24127.60.541(89)(7)YX20.345R.3R.3.045DW6F1.S同样的，在 Sample 菜单中，将区间定义为 1320，再利用 OLS 方法求得如图 8 的结果。根据图 8 中的数据，得到模型的估计结果为： 21.80.7619(3)(25)YX20.967R.R.1723DW15F24.S计算 F 统计量： 1657.0863如果设定显著性水平为 5%，那么自由度
42、为(6,6)的 F 分布的临界值为，即有 ，所以拒绝原假设，表明模型0.5(6,)4.280.54.8.2(,)F存在异方差性6.3.3 White 检验由图 2 的估计结果中，点击 ViewResidual testswhite heteroskedasticity(no cross terms),进入 White 检验，进过估计出现 White检验的结果如图 9 所示。图 9由图 9 中的数据，得到252 21809.42860.15(75)()(4)eX20.63RWhite 统计量 ，该值大于 5%显著性水平下自2.631.n由度为 2 的 分布的相应临界值 ，(在估计模型中含有两个解
43、释20.5()9变量，所以自由度为 2)因此拒绝同方差性的原假设。6.4 异方差性的修正6.4.1 加权最小二乘法运用 OLS 方法估计过程中，我们选用权数 。权数生成过程如下，1/ttwe在图 2 的情况下，在工作文件中点击 ObjectGenerate Series，在弹出的窗口中，在 Enter equation 处输入 w=1/abs(resid).在工作文件中点击 QuickEstimate Equation，在弹出的画框中输入Y、C、X，如图 10 所示。图 10 图 11然后，在图 10 中点击 Options 选项，选中 Weighted LS/TLS 复选框，在Weight
44、框中输入 w，如图 11 所示，点击确定，即可得到加权最小二乘法的结果，如图 12 所示。26图 12由图 12 中的数据，得到模型的估计结果： 415.603.7296()(5)YX20.9R2.R.2.3678DW1567F8.S可以看出，常数项的 t 统计量的值有了显著的改进。下面检验是否经加权的回归的模型已不存在异方差性。记 为加权回归后模型的残差估计的平方和。在图 12 中，点击2eViewResidual testswhite heteroskedasticity(no cross terms)，进入White 检验，经过估计出现 White 检验结果，如图 13 所示。27图 1
45、3由图 13 中的数据，得到 2 2=619.480.65320.48()()(3)eX20.38RWhite 统计量 ，其所对应的伴随概率为 ，因此在2.7n0.9673P5%的显著性水平下，不能拒绝同方差的假设。6.4.2 异方差稳健性标准误方法在图 2 中，点击 Estimate 按钮，出现 Spection 窗口(图 14)，点击 Option按钮，在出现的 EstimationOptions 窗口中，选择“Heteroskedasticity”选项，并选择默认的 White 选项(图 15)，点击按钮退回到 Equation Spection 窗口(图 14)，再点击 OK 按钮，即
46、得到如图 16 所示的结果。图 14 图 1528图 16可以看出，估计的参数与普通最小二乘法的结果相同，只是由于参数的标准差得到了修正，从而使得 t 检验值与普通最小二乘法的结果不同。29实验五 自相关性一 实验目地:掌握自相关性模型的检验方法与处理方法二 实验要求：应用教材 P155 习题 9 案例做自相关性模型的图形法检验和 DW检验，使用广义最小二乘法和广义差分法进行修正。三 实验原理：图形法检验、DW 检验、广义最小二乘法和广义差分法。四 预备知识：最小二乘法、DW 检验、广义最小二乘法和广义差分法。五 实验内容：中国 19802007 年全社会固定资产投资总额 X 与工业总产值 Y
47、 的统计资料如下表所示。单位：亿元年份 全社会固定资 产投资（X） 工业增加值 （Y） 年份 全社会固定资 产投资（X） 工业增加值 （Y）1980 910.9 1996.5 1994 17042.1 19480.71981 961 2048.4 1995 20019.3 24950.61982 1230.4 2162.3 1996 22913.5 29447.61983 1430.1 2375.6 1997 24941.1 32921.41984 1832.9 2789.0 1998 28406.2 34018.41985 2543.2 3448.7 1999 29854.7 35861.51986 3120.6 3967.0 2000 32917.7 40033.61987 3791.7 4585.8 2001 37213.5 43580.61988 4753.8 5777.2 2002 43499.9 47431.31989 4410.4 6484.0 2003 55566.6 54945.51990 4517 6858.0 2004 70477.4 65210.01991 5594.5 8087.1 2005 88773.6 77230.81992 8080.1 10284.5 2006 109998.
