计量经济学实验报告_5.doc

计量经济学实验报告 中国居民总量消费函数模型：时间序列数据模型 姓名： 学号： 年级： 专业： 教师姓名： 上课时间： 上课地点： 计量经济学实验报告 实验目的:熟悉了解EVIEWS软件的基本应用，并对一元线性回归模型进行回归分析，用图像法、DW检验、LM检验方法判断模型是否存在序列自相关，并用广义差分法进行修正，本次实验以中国居民总量消费函数：时间序列数据模型为例。 实验原理：普通最小二乘法、DW检验、LM检验方法、广义差分法、序列相关稳健估计法 实验步骤： 1、创建新的工作文件。在主菜单File键下的New选择Work File，选择Annual，并在Start date中输入1978，在End date中输入2006，点击OK。 2、输入数据。点击Quick 下面的 Empty Group，然后把截面数据输入到表格中，即可得到如下表格： 3、画散点图： 在主菜单Quick下选择的Graph，在对话框中输入X、Y，点击OK，选择图形类型Scatter Diagram,则出现XY的散点图，点击Name保存。 4、采用普通最小二乘法进行估计： 点击Quick下的Estimate Equation，出现如下对话框，在空白处输入y c x，然后点击OK。 Dependent Variable: Y Method: Least Squares Date: 12/26/14 Time: 08:37 Sample: 1978 2006 Included observations: 29 Variable Coefficient Std. Error t-Statistic Prob. C 2091.309 334.9890 6.242919 0.0000 X 0.437527 0.009297 47.05918 0.0000 R-squared 0.987955 Mean dependent var 14855.73 Adjusted R-squared 0.987509 S.D. dependent var 9472.070 S.E. of regression 1058.639 Akaike info criterion 16.83383 Sum squared resid Schwarz criterion 16.92813 Log likelihood -242.0905 F-statistic 2214.566 Durbin-Watson stat 0.277156 Prob(F-statistic) 0.000000 数据表明:可建立中国居民消费函数=2091.29+0.4375X 5、序列相关性检验： （1）图像法 a、命令残差项 定义残差项为e,在主菜单Quick下选择Generate Series，在对话框中输入e=resid，即用e表示上一次回归结果的残差项。 b、残差项e与时间t的图像 在主菜单Quick下选择的Graph，在对话框中输入e，点击OK，弹出对话框，选择图形类型line graph，,则出现残差项e和时间t的图像,点击Name保存。 c、残差项e与滞后一期e (-1)的图像 在主菜单Quick下选择的Graph，在对话框中输入e(-1) e，点击OK，在对话框中选择图形类型Scatter Diagram,出现残差项e和滞后一期e (-1)的散点图，点击Name保存。 在主菜单Quick下选择的Graph，在对话框中输入e e（-1），点击OK，在对话框中选择图形类型Scatter Diagram,出现滞后一期e (-1) 和残差项e的散点图，点击Name保存。 从残差项e与时间t以及e(-1) 与e的关系图综合来看，相邻随机项之间存在正序列相关性。 (2)D.W.检验法 D.W.检验结果表明，在5%显著性水平下，n=29，k-2(包含常数项)，查表得dL=1.34，du=1.48，由于D.W=0.277dL，故存在正自相关。 (3)拉格朗日乘数检验法(LM检验法) 由于时间序列容易出现伪回归现象，因此做回归分析时须格外谨慎。本例中X与Y都是时间序列，而且它们确实表现出共同的变动趋势，因此有理由怀疑较高的R2部分地是由这一共同的变化趋势带来的。为了排除时间序列模型中这种随时间变动而具有的共同变化趋势的影响，一种解决方案是在模型中引入时间趋势项，将这种影响分离出来。 a. 在工作文件窗口下选中X，点击右键，选择open。再点击view选择line graph，得到X随时间变动的趋势图。同理，我们在工作文件窗口下选中Y，点击右键，选择open。再点击view选择li