计量经济学实验报告(多元线性回归自相关.doc

精选优质文档-倾情为你奉上实验报告课程名称 计量经济学 实验项目名称 多元线性回归 自相关 异方差 多重共线性 班级与班级代码 08国际商务1班 实验室名称（或课室） 实验楼910 专 业 国际商务 任课教师 刘照德 学 号： 姓 名： 张柳文 实验日期： 2011 年 06 月 23日 广东商学院教务处 制 姓名 张柳文 实验报告成绩 评语： 指导教师（签名） 年 月 日说明：指导教师评分后，实验报告交院（系）办公室保存。计量经济学实验报告实验项目：多元线性回归、自相关、异方差、多重共线性实验目的：掌握多元线性回归模型、自相关模型、异方差模型、多重共线性模型的估计和检验方法和处理方法实验要求：选择方程进行多元线性回归；熟悉图形法检验和掌握D-W检验，理解广义差分法变换和掌握迭代法；掌握Park或Glejser检验，理解同方差性变换；实验原理：普通最小二乘法 图形检验法 D-W检验 广义差分变换 加权最小二乘法 Park检验等 实验步骤：首先：选择数据为了研究影响中国税收收入增长的主要原因，选择国内生产总值（GDP）、财政支出（ED）、商品零售价格指数（RPI）做为解释变量，对税收收入（Y）做多元线性回归。从中国统计年鉴2011中收集19782009年各项影响因素的数据。如下表所示： 中国税收收入及相关数据年份（T）商品零售价格指数（RPI）/%财政支出（ED）/亿元国内生产总值（GDP）/亿元税收收入（Y）/亿元1978100.7 1122.093645.217519.281979102.0 1281.794062.579537.821980106.0 1228.834545.624571.71981102.4 1138.414891.561629.891982101.9 1229.985323.351700.021983101.5 1409.525962.652775.591984102.8 1701.027208.052947.351985108.8 2004.259016.0372040.791986106.0 2204.9110275.182090.731987107.3 2262.1812058.622140.361988118.5 2491.2115042.822390.471989117.8 2823.7816992.322727.41990102.1 3083.5918667.822821.861991102.9 3386.6221781.52990.171992105.4 3742.226923.483296.911993113.2 4642.335333.924255.31994121.7 5792.6248197.865126.881995114.8 6823.7260793.736038.041996106.1 7937.5571176.596909.821997100.8 9233.5678973.038234.04199897.4 10798.1884402.289262.8199997.0 13187.6789677.0510682.58200098.5 15886.599214.5512581.51200199.2 18902.58.215301.38200298.7 22053.15.717636.45200399.9 24649.95.820017.312004102.8 28486.89.324165.682005100.8 33930.28.428778.542006101.0 40422.73.434804.352007103.8 49781.35.345621.972008105.9 62592.66.454223.79200998.8 76299.93.959521.59实验一：多元线性回归1、将数据导入eviews5.0后，分别对三个解释变量与被解释变量做散点图，选择两个变量作为group打开，在数据表“ group”中点击view/graph/scatter/simple scatter，出现数据的散点图，分别如下图所示：从散点图看，变量间不一定呈现线性关系，可以试着作线性回归。2、进行因果关系检验在“workfile”中按住“ctrl”键，点击所要选择的变量，作为组打开后，在“View”下拉列表中选择“Grange Causality”，滞后期为2，得出如下结果：Pairwise Granger Causality TestsDate: 06/23/11 Time: 16:14Sample: 1978 2009Lags: 2  Null Hypothesis:ObsF-StatisticProbability  ED does not Granger Cause Y30 8.90261 0.00120  Y does not Granger Cause ED 18.8091 1.0E-05Pairwise Granger Causality TestsDate: 06/23/11 Time: 16:15Sample: 1978 2009Lags: 2  Null Hypothesis:ObsF-StatisticProbability  GDP does not Granger Cause Y30 1.01199 0.37790  Y does not Granger Cause GDP 0.91874 0.41208Pairwise Granger Causality TestsDate: 06/23/11 Time: 16:19Sample: 1978 2009Lags: 2  Null Hypothesis:ObsF-StatisticProbability  RPI does not Granger Cause Y30 0.66167 0.52479  Y does not Granger Cause RPI 1.60624 0.22067从因果关系检验看，ED明显影响财政收入Y，其他两个因素影响不显著。3、做多元线性回归选中变量作为组打开，在下拉列表“Proc”中选择“MakeEquation”按“确定”，得到多元回归模型：根据图中数据，模型估计的结果为： （29.44784） (0.) (0.) (3135.746) t=(1.) (3.) (9.) (-2.) F=2714.480 df=27模型估计结果说明，在假定其他变量不变的情况下，当年RPI每增长1%，平均来说税收收入会增长29.44784亿元；当年GDP每增长1亿元，平均来说税收收入会增长0.亿元；当年财政支出每增长1亿元，平均来说税收收入会增长0.亿元。可决系数，修正后的可决系数，说明模型的样本的拟合很好。F检验的数值很大，可以判定，在给定显著性水平=0.05的情况下，拒绝原假设。说明回归方程显著，既“国内生产总值”、“财政支出”、“商品零售价格指数”等变量联合起来确实对“税收收入”有显著影响。 从t检验的值可以看出，GDP、ED均对税收收入有显著影响，但是RPI 指数的t检验值为1.，不通过检验。实验二：自相关1、根据前面的数据把GDP作为解释变量，税收收入作为被解释变量进行一元回归。结果如下：Dependent Variable: YMethod: Least SquaresDate: 06/23/11 Time: 19:01Sample: 1978 2009Included observations: 32VariableCoefficientStd. Errort-StatisticProb.  GDP0.0.43.517420.0000C-1552.721478.9886-3.0.0029R-squared0.    Mean dependent var12135.70Adjusted R-squared0.    S.D. dependent var16097.40S.E. of regression2043.434    Akaike info criterion18.14311Sum squared resid1.25E+08    Schwarz criterion18.23472Log likelihood-288.2898    F-statistic1893.765Durbin-Watson stat0.    Prob(F-statistic)0.把回归分析结果报告出来如下： （0.） （478.9886） t=(43.51742) (-3.) SE=2043.434 DW=0. F=1893.765从报告可以一目了然地看出，D-W值近似为0，存在自相关。2、用图形检验法检查是否存在自相关做残差趋势图：在进行一元回归的界面上，点击“resid”，生成残差趋势图：在“workfile”窗口找到“show”，点击在弹出的“show”对话框中输入“resid(-1) resid”，单击“OK”点击“view/graph/scatter/simple scatter”，生成残差散点图：从以上残差趋势图和残差散点图可以看出，方程存在正自相关。3、回归自相关的处理在Y对GDP远回归中添入AR（1）项，如图：点击“确定”，回归结果如下：此时D-W值由原来的0.提高到1.，还没有消除自相关，继续处理，再加入AR（2）项，结果如下：Dependent Variable: YMethod: Least SquaresDate: 06/23/11 Time: 20:01Sample (adjusted): 1980 2009Included observations: 30 after adjustmentsConvergence achieved after 9 iterationsVariableCoefficientStd. Errort-StatisticProb.  GDP0.0.15.066630.0000C-4664.0374712.907-0.0.3315AR(1)1.0.7.0.0000AR(2)-0.0.-2.0.0192R-squared0.    Mean dependent var12909.51Adjusted R-squared0.    S.D. dependent var16342.77S.E. of regression561.7293    Akaike info criterion15.62348Sum squared resid.    Schwarz criterion15.81031Log likelihood-230.3522    F-statistic8173.607Durbin-Watson stat2.    Prob(F-statistic)0.Inverted AR Roots      .90          .51此时D-W检验值达到2.，消除了自相关。没有消除和消除了自相关的回归方程分别为：实验三、异方差1、图形检验法首先，Y对GDP回归的残差趋势图在前面自相关的实验中已经出现为：接着，用SORT命令对变量进行排序：然后，进行残差散点图，在“show”窗口输入指令“gdp resid2”，点击“OK”，按照路径“view/graph/scatter/simple scatter”，生成残差散点图如下：从残差散点图上可以直观地看出，方程不存在异方差。2、Park检验对Y与GDP回归的Park检验，实际上就是做形如如下的回归观察其显著性 进行回归，的结果为：Dependent Variable: LOG(RESID2)Method: Least SquaresDate: 06/23/11 Time: 21:53Sample: 1 32Included observations: 32VariableCoefficientStd. Errort-StatisticProb.  LOG(GDP)0.0.0.0.3505C12.899861.7.0.0000R-squared0.    Mean dependent var14.58963Adjusted R-squared-0.    S.D. dependent var1.S.E. of regression1.    Akaike info criterion3.Sum squared resid56.32295    Schwarz criterion3.Log likelihood-54.45189    F-statistic0.Durbin-Watson stat0.    Prob(F-statistic)0.从结果可以看出，方程是不显著的，既不存在异方差3、White检验由一元回归估计结果，按照路径“view/residual tests/White heteroskedasticity(no cross terms or cross terms)”，进入White检验，根据White检验中附注函数的构造，最后一项为变量的交叉乘积项，因为检验一元函数，故无交叉乘积项，因此应选no cross 。经估计出现White检验结果如下： White Heteroskedasticity Test:F-statistic1.    Probability0.Obs*R-squared3.    Probability0.Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 06/23/11 Time: 22:05Sample: 1 32Included observations: 32VariableCoefficientStd. Errort-StatisticProb.  C.2.0.0238GDP23.5275022.839211.0.3115GDP2-3.83E-057.44E-05-0.0.6110R-squared0.    Mean dependent var.Adjusted R-squared0.    S.D. dependent var.S.E. of regression.    Akaike info criterion33.22514Sum squared resid4.18E+14    Schwarz criterion33.36255Log likelihood-528.6022    F-statistic1.Durbin-Watson stat0.    Prob(F-statistic)0.从表中可以看出，n=3.，由White检验知，在=0.05下，查分布表，得临界值（2）=5.9915同时，GDP和GDP2的t值也不显著，n=3.小于（2）=5.9915，表明模型不存在异方差。实验四：多重共线性1、在前面所做的多元线性回归模型中，回归结果如下：由此可见，该模型可决系数很高，F值明显显著，但是当=0.05时，RPI的t检验不通过，有可能存在多重共线性。2、计算各解释变量的相关系数，点“view/correlation”得相关系数矩阵由相关系数矩阵可以看出，各解释变量之间某些相关系数较高，证实存在一定程度的多重共线性。3、对多重共线性的处理才用逐步回归法，去检验和解决多重共线性问题，分别作Y对RPI、GDP、ED、的一元回归，结果如下：变量 RPI GDP ED参数估计值 -688.9698 0. 0.T统计量 -1. 43.51742 74.23802 0. 0. 0. 0. 0. 0.其中，ED的方程最大，以ED为基础，顺次加入其它变量逐步回归，结果加入GDP后，=0.，加入RPI后，=0.，因此，保留GDP这个影响因素，剔除RPI这个变量。修正后的回归结果为：Dependent Variable: YMethod: Least SquaresDate: 06/23/11 Time: 23:24Sample: 1 32Included observations: 32VariableCoefficientStd. Errort-StatisticProb.  GDP0.0.3.0.0020ED0.0.9.0.0000C-423.5219271.1510-1.0.1291R-squared0.    Mean dependent var12135.70Adjusted R-squared0.    S.D. dependent var16097.40S.E. of regression1036.089    Akaike info criterion16.81335Sum squared resid    Schwarz criterion16.95077Log likelihood-266.0137    F-statistic3727.026Durbin-Watson stat1.    Prob(F-statistic)0.方程为：Y=0.45494*GDP+0.*ED-423.5219 t=（3.）（9.） （-1.） =0. =0. F=3727.026 DW=1.基本消除共线性 专心-专注-专业