计量经济学实验三多元回归模型与非线性回归模型.doc

《计量经济学实验三多元回归模型与非线性回归模型.doc》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、实验三：多元回归模型与非线性回归模型【实验目的】掌握多元回归模型参数估计，特别是非线性回归模型的转化、参数估计及检验方法。【实验内容】一、多元回归模型参数估计；二、生成序列以及可线性化模型的参数估计；三、不可线性化模型的迭代估计法的Eviews软件的实现方式。【实验数据】建立我国国有独立核算工业企业生产函数。根据生产函数理论，生产函数的基本形式为：Yft,L,K,。其中，L、K分别为生产过程中投入的劳动与资金，时间变量t反映技术进步的影响。表3-1列出了我国1978-1994年期间国有独立核算工业企业的有关统计资料；其中产出Y为

2、工业总产值（可比价），L、K分别为年末职工人数和固定资产净值（可比价）。表3-1我国国有独立核算工业企业统计资料工业总产值职工人数固定资产年份时间tY（亿元）L（万人）K（亿元）197813289.1831392225.70197923581.2632082376.34198033782.1733342522.81198143877.8634882700.90198254151.2535822902.19198364541.0536323141.76198474946.1136693350.95198585586.1438153835.

3、79198695931.3639554302.251987106601.6040864786.051988117434.0642295251.901989127721.0142735808.711990137949.5543646365.791991148634.8044727071.351992159705.5245217757.2519931610261.6544988628.7719941710928.6645459374.34资料来源：根据《中国统计年鉴－1995》和《中国工业经济年鉴-1995》计算整理【实验步骤】Y=AK一、

4、建立多元线性回归模型㈠建立包括时间变量的三元线性回归模型；YTKL0123在命令窗口依次键入以下命令即可：⒈建立工作文件：CREATEA7894⒉输入统计资料：DATAYLK⒊生成时间变量t：GENRT=@TREND(77)⒋建立回归模型：LSYCTLK则生产函数的估计结果及有关信息如图3-1所示。图3-1我国国有独立核算工业企业生产函数的估计结果因此，我国国有独立工业企业的生产函数为：yˆ675.3277.6789t0.6667L0.7764K（模型1）t＝(-0.252)(0.672)(0.781)(7

5、.433)22R0.9958R0.9948F1018.551模型的计算结果表明，我国国有独立核算工业企业的劳动力边际产出为0.6667，资金的边际产出为0.7764，技术进步的影响使工业总产值平均每年递2增77.68亿元。回归系数的符号和数值是较为合理的。R0.9958，说明模型有很高的拟合优度，F检验也是高度显著的，说明职工人数L、资金K和时间变量t对工业总产值的总影响是显著的。从图3-1看出，解释变量资金K的t统计量值为7.433，表明资金对企业产出的影响是显著的。但是，模型中其他变量（包括常数项）的t统计量值都较小，未通过

6、检验。因此，需要对以上三元线性回归模型做适当的调整，按照统计检验程序，一般应先剔除t统计量最小的变量（即时间变量）而重新建立模型。㈡建立剔除时间变量的二元线性回归模型；命令：LSYCLK则生产函数的估计结果及有关信息如图3-2所示。图3-2剔除时间变量后的估计结果因此，我国国有独立工业企业的生产函数为：yˆ2387.271.2085L0.8345K（模型2）t＝(-2.922)(4.427)(14.533)22R0.9956R0.9950F1589.953从图3-2的结果看出，回归系数的符号和数值也是合理的。劳动力边际产出

7、为1.2085，资金的边际产出为0.8345，表明这段时期劳动力投入的增加对我国国有独立核算工业企业的产出的影响最为明显。模型2的拟合优度较模型1并无多大变化，F检验也是高度显著的。这里，解释变量、常数项的t检验值都比较大，显著性概率都小于0.05，因此模型2较模型1更为合理。㈢建立非线性回归模型——C-D生产函数。C-D生产函数为：YALKe，对于此类非线性函数，可以采用以下两种方式建立模型。方式1：转化成线性模型进行估计；在模型两端同时取对数，得：lnYlnAlnLlnK在EViews软件的命令窗口中依次键入以

8、下命令：GENRLNY=log（Y）GENRLNL=log（L）GENRLNK=log（K）LSLNYCLNLLNK则估计结果如图3-3所示。图3-3线性变换后的C-D生产函数估计结果即可得到C-D生产函数