Eviews实验报告3300字.docx

    Eviews实验报告3300字    实验报告一、实验数据：1994至20xx年天津市城镇居民人均全年可支配收入数据1994至20xx年天津市城镇居民人均全年消费性支出数据1994至20xx年天津市居民消费价格总指数二、实验内容：对搜集的数据进行回归，研究天津市城镇居民人均消费和人均可支配收入的关系三、实验步骤：1、百度进入“中华人民共和国国家统计局”中的“统计数据”，找到相关数据并输入Excel，统计结果如下表1：表1 19xx年--20xx年天津市城镇居民消费支出与人均可支配收入数据2、先定义不变价格（1994=1）的人均消费性支出（Yt）和人均可支配收入（Xt） 令：Yt=consum/price Xt=income/price得出Yt与Xt的散点图，如图1.很明显，Yt和Xt服从线性相关图1 Yt和Xt散点图3、应用统计软件EViews完成线性回归解：根据经济理论和对实际情况的分析也都可以知道，城镇居民人均全年耐用消费品支出Yt依赖于人均全年可支配收入Xt的变化，因此设定回归模型为Yt=β0+β?Xt﹢μt（1）打开EViews软件，首先建立工作文件，File Workfile ,然后通过Object建立Y、X系列，并得到相应数据。

2）在工作文件窗口输入命令：ls y c x,按Enter键，回归结果如表2 ：表2 回归结果根据输出结果，得到如下回归方程：Yt=977.908+0.670Xts=(172.3797) (0.0122)t=(5.673) (54.950)R?=0.995385 Adjusted R?=0.995055 F-statistic=3019.551残差平方和Sum squared resid =1254108 回归标准差S.E.of regression=299.2978（3）根据回归方程进行统计检验：?拟合优度检验由上表2中的数分别为0.995385和0.995055，计算结果表明，估计的样本回归方程较好地拟合了样本观测值F检验提出检验的原假设为H0：β?=β?=0对立假设为 H1：至少有一个βi不等于零（i=1，2）由表2得出F统计量为 F-statistic=3019.551对于给定的显著性水平α=0.05，从附表4的表3中查得分子自由度为1，分母自由度为14的F分布上侧分位数F0.05（1，14）=4.6而3019.551远远大于3.89，故否定H0总体回归方程是显著的，即在天津市城镇居民全年人均消费性支出与人均可支配收入之间存在显著的线性关系。

t检验由表2得到X?的P值0.0000＜0.05，很显著即可以认为天津市城镇居民全年人均可支配收入对人均消费性支出的影响是显著的4)下面对上述一元线性函数“Yt=977.908+0.670Xt”用White检验进行异方差检验 ?White检验在方程窗口中依次单击View\ResidualTests\Heteroskedasticity Tests,出现检验方程设定窗口，选择White检验，估计结果如表3表 3根据输出结果得到辅助回归方程为et?=35774-1.3643xt+0.0003xt?r?=0.4192 nr?=16×0.4196=6.7072 F=4.6919去显著性水平α=0.05，χ?0.05（2）=5.99＜nr?=6.7072，所以该模型存在异方差实际上，由nr?对应的p值为0.0350＜0.05，就可认为天津市城镇居民人均消费性支出函数存在异方差5）克服异方差采用加权最小二乘法进行估计步骤如下：在工作文件菜单中点击Quick选Estimate Equation功能在随后弹出的对话框的方程设定（Equation Specification）选择区键入y c x，再点击对话框中的Option键。

在随后的对话框中选择Weighted LS/TSLS，并在Weight后面的空白处输入1/x，点OK,得到估计结果如表4表4再进行White检验可知，用最小二乘法估计天津市城镇居民消费支出函数不存在异方差 取权数w=1/x，得到的回归方程为：Yi=578.7294+0.70499Xi， R?=0.9970 Adjusted R?=0.9969 故拟合地仍然较好 线性模型的回归系数β?=0.70499，表明天津市城镇居民人均可支配收入每增加100元时，居民消费性支出将增加70.499元6)用LM、DW统计量检验误差项μi是否存在自相关已知DW=0.766756，查附表得DW检验临界值dL=1.10,dU=1.37.因为0.766756小于1.10，依据判别规则，认为误差项μi存在正自相关根据LM乘数法判断，得表5、表6所示，故模型存在一阶自相关表5 LM检验结果（1）表6 LM检验结果（2）(7)用广义最小二乘法估计回归参数首先估计自相关系数ρ，由于DW=0.767，估计ρ=1-0.5DW=0.62对原变量做广义差分变换令GDYt=Yt-0.62Yt-1GDXt=Xt-0.62Xt-1以GDYt，GDXt，（1995-20xx年）为样本再次回归，得表7，具体步骤如下：在文件窗口中点Object--Generate Series,在Enter equation中输入gdy=y-0.62*y(-1)，即可得到gdy序列，同理亦可得到gdx序列。

表7 回归结果得出回归方程如下：GDYt=569.5589+0.6382GDXts=(138.7059) (0.021)t=(4.106) (30.398)R?=0.986127 Adjusted R?=0.985059 F-statistic=924.0497可见回归方程的拟合度效果仍然比较好，且DW=2.38.查附表4，dU=1.364-1.26=2.74而DW=2.38小于2.74，依据判别规则，误差项已消除自相关β0*=569.5589 所以求得β0=β0*/（1-ρ）=1498.839原模型的广义最小二乘估计结果是Yt=1498.839+0.6382Xt经济含义是天津市城镇居民人均消费性支出平均占人均可支配收入的63.82%8)对上述一元线性函数“Yt=977.908+0.670Xt”进行点、区间预测假设天津市城镇居民人均全年可支配收入在20xx年24293（元），利用EViews软件预测未来20xx年浙江省城镇居民人均全年消费性支出，步骤如下：首先在预测钱将样本的区间扩展到2010，并在居民家庭人均可支配收入x序列中相应地输入24293，然后单击OLS估计输出结果上方的菜单Forecast,在Forecast中输入预测序列的名字yf,在S.E.中输入保存预测值标准差的序列名字seyf,点OK即可。

打开yf序列，20xx年的预测值对应的就是20xx年天津市城镇居民人均全年消费性支出,为17256.11打开seyf序列，2010对应的就是yf的标准差，为339.1787，根据公式可以算得20xx年国民总收入95%的预测区间分别为【116533.66，117978.56】四、实验结果及总结通过计量经济学这门课程的学习，我们初步掌握了EViews软件的功能及操作步骤，加深了对经济计量工具的应用从回归方程“Yt=977.908+0.670Xt”得出一个结论：天津市城镇居民人均全年可支配收入增加1元，城镇居民人均全年消费性支出就增加0.67同时，通过公式在假设已知20xx年天津市城镇居民人均全年可支配收入，利用EViews软件也预测了20xx年的城镇居民人均全年消费性支出通过学习，我也知道了EViews不仅能分析现有的数据，还能预测未来的发展，这具有极大的经济意义第二篇：EVIEWS实验报告 1 5400字中北大学2009届毕业设计说明书广东金融学院实验报告姓 名 邵太敏 系 别 经济贸易系 专 业 经济学 学 号 091584249指导教师 夏芳广东金融学院20xx年06月1中北大学2009届毕业设计说明书影响粮食产量因素分析09经济学（2）班 邵太敏 091584249摘要：本文采用计量经济分析方法，以1978-20xx年中国粮食产量及其重要因素的时间序列数据为样本，对影响中国粮食生产的多种因素进行了分析。

分析结果表明近年来我过粮食生产主要受播种面积、农业基础设施投入不足以及化肥使用量影响为提高粮食产量、促进粮食生产，首先应该提供一套促进粮食生产的政策措施提高粮食种植效益，增加粮农收入是根本，提高农民生产的积极性，稳定农业面积，加强基础设施建设等一系列措施来增加我国粮食生产能力和生产稳定关键词：粮食产量 多因素分析 相关政策- 、问题提出 ：由于我国人口众多，土地资源稀缺，在一定程度上造成日益增长的人口数量和粮食之间的矛盾凸显愈加强烈，因此粮食产量的稳定增长，直接影响着人民生活和社会的稳定与发展粮食生产的不稳定性对国民经济的影响是不可忽略的，在当今，世界可耕地面积日益减少的情况下，如何保证粮食的增产增收，关系着国计民生因此，分析粮食产量波动的原因，并据此提出相应的对策，对保障粮食生产持续稳定发展具有重要意义二、模型设定，数据处理及检验 1 数据：年份粮食总产量粮食播种面积（千公顷）（万吨）YX1120587.1 119263.1 117234.2 114958.2 113462.3化肥使用量（万吨）X2 884 1086.3 1269.4 1406.9 1513.4农林渔业从业人数（万人)X3 28455.6 29071.6 29808.4 30677.6 31152.7粮食零售价格指数（上年=100）X4 101.3 103.7 103.5 103.9 100.21978 30476.5 1979 33211.5 1980 32055.5 1981 32502.5 1982 35450.52中北大学2009届毕业设计说明书1983 38728.5 1984 40731.5 1985 37911.5 1986 39151.5 1987 40298.2 1988 39408.3 1989 40755.1 1990 44624.2 1991 43529.3 1992 44265.8 1993 45648.8 1994 44510.1 1995 46661.8 1996 50453.5 1997 49417.1 1998 51229.5 1999 50838.6 2000 46217.5 2001 45263.7 2002 45705.8 2003 43069.5 2004 46946.9 2005 48402.2 2006 49747.9 2007 50152.3114047.3 112884.5 108845.4 110933.8 111268.1 110123.3 112205.6 113465.9 112313.6 110559.8 110508.7 109543.7 110060.4 112547.9 112912.1 113787.4 113161.2 108462.5 106080.1 103890.8 99410.4 101606.1 104278.4 105489.1 105530.11659.8 1739.8 1775.8 1930.6 1999.3 2141.5 2357.1 2590.3 2805.1 2930.2 3151.9 3317.9 3593.。