计量实验报告.doc

《计量实验报告.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、计量实验报告一．多元线性回归模型【实验目的】掌握多元线性回归模型的建模方法，并会作统计分析与检验。【实验内容】经研究发现，学生用于购买书籍及课外读物的支出与本人受教育年限及其家庭收入水平有关，对18名学生进行调查的统计资料如表3—1所示。（1）试求出学生会购买书籍及课外读物的支出与受教育年限和家庭人均收入水平的回归方程估计式（2）对，的显著性进行检验，计算与。（3）假设有一学生的受教育年限年，家庭人均收入水平元/月，试预测该学生全年购买书籍及课外读物的支出，并求出相应的预测区间（）。表3—1学生序号购买书籍及课外读物支出/（元/年）受教育年限/年家庭人均可支配收入/(元/月)1450.54

2、171.22507.74174.23613.95204.34563.44218.75501.54219.46781.57240.47541.84273.58611.15294.891222.110330.210793.27333.111660.85366.012792.76350.913580.84357.914612.75359.015890.87371.9161121.09435.3171094.28523.9181253.010604.1【实验步骤】：(1)利用Eviews回归如下可见学生购买课外书籍与其受教育年限及家庭收入水平有如下关系：（-0.032）（16.279）（3.457

3、），，（3）将,代入回归方程，可得由于因此，取，均值的预测值的标准差为在5%的显著性水平下，自由度为18-2-1=15的分布的临界值为，于是均值的95%的预测区间为或（1192.12,1278.32）同样容易得到个值的预测的标准差为于是，个值的95%的预测区间为或(1141.20,1329.24）二．异方差性问题【实验目的】【实验内容】：【实验步骤】(1)Eviews下,OLS估计结果如下图(2)异方差性检验.首先用G-Q检验.20个样本按从小到大排序,去掉中间4个个体,对两个样本进行OLS估计,分别得如下结果:其次用怀特检验.得到如下结果:(2)异方差性修正:采用加权最小二乘法,得如下结

4、果:三．序列相关问题【实验步骤】(1)在eviews软件下,得出如下回归结果由于DW值为0.379,小于显著性水平为5%下,样本容量为28的DW分布的下限临界值1.33,因此,可判断模型存在一阶序列相关.该结论也可从下面的残差图中看出：（2）回归如下经广义最小二乘法估计的模型已不存在一阶序列相关性.因此,估计的原模型可写为lnY=1.4624+0.8657lnX+1.531AR(1)-0.5167AR(2)(3)可以看出,X对应参数修正后的标准差比OLS估计的结果有所增大,表明原模型估计结果低估了X的标准差.四．多重共线性问题【实验目的】掌握多重共线性问题出现的来源、后果、检验及修正的原理

5、，以及相关的Eviews操作方法。【实验内容】以下题为例，练习检查和克服模型的多重共线性的操作方法。下表列出了被解释变量及解释变量，，，的时间序列观察值。（1）用OLS估计线性回归模型，并采用适当的方法检验多重共线性；（2）用逐步回归法确定一个较好的回归模型。表4-3YX1X2X3X46.040.15.5108636.040.34.794726.547.55.2108867.149.26.81001007.252.37.3991077.658.08.7991118.061.310.21011149.062.514.1971169.064.717.1931199.366.821.310212

6、1【实验步骤】（1）建立线性回归模型并检验多重共线性1.首先建立一个多元线性回归模型（LSC）。输出结果中，C、、、的系数都通不过显著性检验。2.检验多重共线性进一步选择CovarianceAnalysis的Correlation，得到变量之间的偏相关系数矩阵，观察偏相关系数。可以发现，与、、的相关系数都在0.9以上，但输出结果中，解释变量、的回归系数却无法通过显著性检验。认为解释变量之间存在多重共线性。（1）用逐步回归法克服多重共线性1、找出最简单的回归形式分别作与、、、间的回归（LSC）。即：(1)(1.64)(11.7)D.W.=1.6837(2)(17.9)(7.63)D.W.=0

7、.6130(3)(2.14)(-1.19)D.W.=0.6471(4)(2.25)(6.30)D.W.=0.5961可见，受X1的影响最大，选择(1)式作为初始的回归模型。1、逐步回归将其他解释变量分别导入上述初始回归模型，寻找最佳回归方程。为求简明，先列出回归结果如下表，过程截图放在说明部分。CD.W.0.9420.1220.93831.68t值(1.64)(11.7)2.3230.0820.0800.96822.26