计量经济学计量经济学教学案例

《计量经济学计量经济学教学案例》由会员分享，可在线阅读，更多相关《计量经济学计量经济学教学案例（38页珍藏版）》请在装配图网上搜索。

1、计量经济学教学案例 案例一简单线性回归模型 一、主题与背景 用真实数据进行简单线性回归分析，应用Eviews6.0分析软件进行操作，与课本内容相 对应，分析模型的截距、斜率以及可决系数，引导学生熟悉Eviews6.0的基本操作，能够解 读分析报告，并尝试进行被解释变量的预测，体会变量测度单位的改变和函数形式变化给OLS 估计结果和统计特征的影响。 二、情景描述 对于由CEO勾成的总体，令y代表年薪（salary），单位为千美元。令x表示某个CE所在公 司在过去三年的平均股本回报率（roe ,股本回报率定义为净收入占普通股价的百分比）。为 研究该公司业绩指标和 CE骐水之间的关

2、系，可以定义以下模型：Salary=久+ P1roe + u.斜 率参数01衡量当股本回报率增长一个单位（一个百分点）时CE许薪的变化量，由于更高的 股本回报率预示更高的 CE/薪，所以，01 >0o 三、教学过程设计 （一）数据说明 数据集CEOSAL1.RA描含1990年209位CEO勺相关信息，该数据来自《商业周刊》 （5/6/91）,该样本中CEO^薪的平均值为$1,281,120 ,最低值和最高值分别为 $223,000和 $14,822,000 , 1988、1989和1990年的平均股本回报率是17.18%。 （二）操作建议 1 ：在eviews6.0 命令输入窗口定

3、义变量：data salary roe 2、用edit+/- 编辑数据 3、描述统计分析过程: ■ ■■. ■ .口 lilt: CE0SAL1 二叵凶 view---descriptive stats---common sample 部 EViews Ei Lt Eii： Qtjezt izew Eroc tmct Oe^ lotus JiziutioT Help [ e*"[betaioh： ,S~i叩 展正反 r ]氏 eh |[Cenr jSeTw Rance 1 209 GmW史 iag Dis口即 . U. E |工 I- 1.- s L 耳n.ra

4、电口4 rlilsdlIMl溜 匝叵反叵史已旧旧 Group； UNTITLED Wurkfile 『 广口二二正二」「，"1=|『匚1)15ali;is ；$一* J：二信1定就口 Mean hl』l沮n Ma^iiriuii Mhmm 事附口打 KurtD5is SALARY RCE 128 U20 Inwi 1。蚪 DM 15.50000 1ia；2 00 SB.MflOD 223 ODMi j5W10< ,辿 弱怔05 6干羽及 60^4128 - 676^: sum a//Uu ibSi.JCD 《〉~\%＞媪岂 Nm % su-*i

5、_sq L 中 192E+D815093.^2 ■ 209MB < □ d. BTOSSllOBSaai PffEh = £2\)iHl Jarque-Qefa30473110 一”;一 」『。1二 ht-U一O.OOOQuD DI hon* WF ± i： a Of all 4、画故点图： Scat roe salary I 9 3h'~« i；力电匚 二 Ciklixl DB =吓= nt口0d [ ,i'Jick yfet icina fluidcw Warkfi Gr^ph? IINT 1 Tl 问BFi蒙 Sarri

6、alE । id .—R Hege it JflO - T* - 12 JIQQ - 1 ：llh !l El.-1后k- Hi p i- r- uiULii DCS*-3 iNf 「■短d r« 「g £**•=> i A«itr 匚—I - 1 ,• 1■ , - I- Swnptfl 1 209 g：47 iFK-iimdi PD5«*r\'!*iioni foa Wa risihil* C： aafliin •<¥(' E rm r fl-,

7、Qta1|rtE iPruAi G ■3 日 3 IL- 13 4 si s i»3-c D DDOD Hub 9HIU 11 IEo>」—U U UM7H H "kpr4"d d.m。。 &I.QHi 1 h E wnd卡E 1 Y .『 gm A<4u»«edi R-5quarevs O.u ：1E4i21 3 O. o« 口-ngrit r 1372 34.C； h l . M Fib-IE ! jilWf.nh ”,H FU U JE FT E er「Hpd 7 RT1F 17 7-1 = JA i - 「♦0•、・ H43

8、Mjwinftm Eii-p 17 3HD41 r-WtMfc-：3-H-X ■ZhSBEia 工 Uui tak-i-W-lARn a tat 工 jnws^s 口 | 尸 1。口 mbvmn D4&AftdMEV«rl«Hft ftALMfT M«1hod： L-Cfifit SZ3U Q<5- ParTi rm 5、在eviews6.0命令输入窗口运行简单线性回归 Ls salary c roe *・妇”一,二 ||a fx C.J L &Q'li t kjOj '?■_■ tY，1。gI; ■ 立Mi.li Oti". iu idvM [i>

9、± Lp si・l・ry L・ ■■」wry e1 Ira* ①：匚F。'耳 1. k -(L17 \Kn ZDl 2DI "UmljqL iuri . LN 1'ITLED 6、用resids观测残差 7、产生新序歹U : Series Isalary =log(salary) 8、改变函数形式: Ls Isalary c Isales MM KafMncw 也附 也 13*9 回pgs 0 pCBMiq 叵 ie = 'd IC 目—rywr 的/ LS*L^Rr 4MHod L«hI, $qy»

10、E Cats- WTU13 irnw 11-14 印1 2»l il同加R0 06 回 SMar. Lcaull VMStlv Sts BiW 191曲国U Pn® c isaiw? HTJ332 L3E5 。.整“71 08M1T ooo« R-quarE -Muitcd电曹卓口■”・ El E Of - 息IE孱制第MiTEI 1MHi修词 y % ：Prffhi.E tlHRlw 0.2138.17 > 2O FDO* Q5M356 DQG：W Mvan ddrwidwiL rir SD dtfmdtrflvtr 修君仲・

11、ini&crtHicn ScFN^n dWnpni XFrtekigti1 常s器 s黑黑 I，都尊尊 p . 1 U P -1 ra-s d ice P*ih w *|'皿1 口方"H4MW ■ CtMfeJll hr.而~[pr・tIcRlGii]|附•・■3■ ]=| 口亘区 Wcirkf i I 9、改变变量测度单位: Ls salary*1000 c roe 制 EVi “n Eilo 3,di.-t Hb j eirtEr 口匚 521 口 k 1 -Dt^-or et £ir do-r 日停1 口 ScMi*ee saiwy L n lo-alar^

12、-'占【salt 5 L° 旧 a嗖 1000 c roe Workf i 1« ： CECSAL1 — (jj . \hx HirQfl- 1 2 30加1时73 < urtlji j salary sa的曰 Utilfl. VanaWB 匚

13、S D deo e r- de--«t vw 13T2345. 。.苣 EEWu&bmCjfi> ♦M45附 ▲卜曰 归0«nh> uTKuHe ?1 f0501 白ur r tu i-re d t-bh- d 3QFET* fictiwavz EFil?rian ■ I f 34^9 5 口 II〉NOW -32i9 2M 7:3 n ngo-Quiln n or 的「 F Ar^l-MC 2L沔翼1 QuMiiV码4席 W A Iflt £ 1即凶 ProoCF-Bl34«5>：：i 0 0977M DaiMiHMHi VJNqSDHj

14、 B4L*R VMIGH3O Motia d: Ljsa£l Sq uianGrs 口 134c 001,11/11 Time 11 IS Samp Ie 1 器g IndhJded ^Qs-awatt2n^.--9 四、教学研究 （一）案例结论 1、回归结果 估计出的回归线为: sal?ary = 963.191 + 18.501

15、 roe(1) 截距和斜率保留了 3位小数，回归结果显示，如果股本回报率为0,年薪的预测值为截距 963.191千美元，可以把年薪的预测变化看做股本回报率变化的函数：△ sal ?ary = 18.501 (△ roe),这意味着当股本回报率增加1个百分点，即Aroe = 1,则年薪的预测变化就是18.5 千美元，在线性方程中，估计的变化与初始年薪无关。 2、基于OLS勺预测 假设 roe= 30,则 sal&ry = 963.191 +18.501*(30) =1518.221 千美元,但这并不是说在一个 roe=30的公司某个CE再薪为1,518,221美元。 案例二多元线性回

16、归模型 一、主题与背景 多元回归分析允许我们明确地控制其他许多影响被解释变量的因素，所以更适合于假定 其他条件不变的数量分析。在经济学和其他社会科学中，在分析多变量间的数量关系是，多 元回归模型是更为广泛使用的模型。本节实验，采用一个微观截面数据进行多元线性回归分 析的学习。要求学生通过本案例的学习，掌握偏效应的意义，学会回归报告的正确规范要求， 能够熟练掌握个体变量显著性检验、整体模型显著性检验的原理及结果。 二、情景描述 卫生官员或其他部门所关心的一个问题是，孕妇在怀孕期间抽烟对婴儿体重的影响。对 婴儿健康的度量方法之一是婴儿出生时的体重：过低的出生体重会使婴儿有感染各种疾

17、病的 危险。由于除了抽烟之外，其他影响婴儿出生体重的因素可能与抽烟有关，所以我们应该考 虑这些因素。比如，高收入通常会使母亲得到更好的产前照顾和更好的营养。用下面的方程 来表达这种影响： bxvght = & + Si曰外+优施僧而£ +出 其中，bwght表示婴儿出生时体重，单位为盎司。Cigs表示母亲怀孕时每天的吸烟量， 单位为根。Famine表示家庭收入，单位为千美元。很明显，对于cigs和famine变量前的系数, 我们预期分别为负数和正数。 三、教学过程设计 数据集bwght.wfl来自于 （一）数据说明 Jeffrey M.Wooldrige 《Introduc

18、tory Econometrics » 所提 供的1388个美国妇女生育数据。 （二）操作建议 2、描述统计分析过程: 1:用Eviews打开数据集bwght.wfl 。 view---descriptive stats---common sample 叵 Group! UNTITLED jVorlrfile; Bk'VGHT：：Eighty View Proc Object Print Name Freeze( Smple Stats BWGHT CIGS FAMING Mean 116.6995 2.067176 Z9 J2560

19、 Median 120.0000 □ 000000 27.50000 ivfajdmum 271.0000 500D000 65.00000 Minimum 23.00000 0.000000 0 500000 Std Dev 20.35396 5972688 18,73928 Skewness -0.145866 3 560448 0.617620 Kurtosis 6.147639 17 93397 2 473396 JarquG-aera 677 9134 15834)75 104.29

20、11 Probability C.000000 OCOOOOO 0.000000 Sum 164755.0 2697.000 W0G.OO Sum Sq, Dev. 5746117 49478.45 497060.0 Observations 13G3 1388 1383 3、画散点图:Scat cigs bwght 和 scat faminc bwght FiJe Edit Object View Prcc Quick Options Window Help scat cig

21、s D-wght 回 Group： UNTITLED Workfile BWGHT：：B^ght\ Viev/ | Prac Options Position Sample Object | Print Ndme Freeze Default 00 3 一 HOMCD O o Q 目 Workfile: BWGHT -( Vi^w | Pfqc | Object | Prir Range: 113SB - 13 Sample; 113BG - 13 5 bwg hl 0 bwg htibs E c 正 d£jp rica 0 cigs 叵cig团 0 famine 0 fa

22、theduc 0 I bwg tit 近 Ifamlnc W male 0 motheduc O pacKs 0 parity 向 reaidl 伺 white 0 0 W 203040506070 FAMIN C 4、在eviews6.0命令输入窗口运行多元线性回归 Ls bwght c cigs famine 叼 EViev/5 Fi|p Edit* O哨 sw ^mc Quick Opti one -Wiridaw Help 他 bwqht c dgs famine [=]Equation: U N TIT LED Workfil& E W G l-l T-:: B w

23、g ht\_ B [View] Proc j Object | [print r4am«]Fr«eze | [ Estimate | Forecast] Stat s| Re si ds j Wri rki | vjew| Pro Range: Sample: bwgh bwgh1 clgpri cigtax famin Ifami r m sIq motliE packs 口 resid white Date: 11/29/14 Time： 10:25 Sample: 1 1336 Ifiduded obseiYatiuris .1388

24、 Variable Coefficient Std Error t-Statistic Proh. C 116.9741 1.04S9S4 111.5118 fl.OOCO CIGS -0.4B34Q8 0.091577 -5.060S15 fl.OOCO FATMINC 0X92755 0.029 1S3 3 178195 0.0015 R-stjuared 0白口5 铝也nn d&p&ndent var 110.6956 AdluMed R-squared 0X2S4Q4 S.D. dependent vac 20 35396 S.E

25、. o( regression 20.D62B2 Akaike Info criterion 6 S37772 Sum squared re&id 557+85.5 Schwarz criterion 8.649009 Leg II Keil hood -0130 414 H^irn idii-Qulnri 口 Iler. 0,S42DO5 F 3tatislic 21 273D2 Durbin Watson atat 1,Q21SOO ProbtF-statistic} 0 cooooo Dpp&nclpntVaiia^lp- RV；GHT

26、Llettiod： Least Squares 5.相关性检验: cor cigs famine :or cig& famine 回 Group： UNTTTIED Worfcfile： BWGHTxBggh也 ■■■ .J '.riew Proc Object Print Nane Freeze Sample Sheet Stats 5pec Correlation Viet CIGS FAMIN C Rar Sar 而 C74 CIGS FAMING 1 000000 -0 173045 -0.173045 1.000000

27、 吸烟数量越少。家庭收入和吸烟数量的相关性也不高, 可见在本数据集中家庭收入越高, 仅有0.173的相关性。 四、教学研究 1、回归结果 估计出的回归方程为: bw?ht = 116.97 - 0.463cigs 0.093fa mine (1.049) (0.092) (0.029)⑴ R2 = 0.03 R -2 = 0.028F=21.3 截距和斜率保留了 3位小数，括号中是标准误。回归结果显示，在控制了其他变量的条 件下，如果妈妈每天吸烟数超过10根，则婴儿出生体重将会平均减少约5盎司。同样的，如 果家庭收入每增加1000千美元，则婴儿体重平均将增加约9.3盎

28、司，假定其他因素相同的情 况下。方程中的截距项无意义。 2.与简单线性回归模型的比较 (=)Equation: UMTTTLED Workfile BWGHT：：Bwght\ View Proc| Object Print Name Freeze Estiiriiate Forecast Stats Resids Depen

29、3SS vanaole Coetticient Ktd. Error t-Statistic RroD. C 119 771g 0 57234120G.2S6B 0 OOOO CIGS -0.513772 0 0SO4Q1 -6 677S0 9 0 oooo R-squared 0.022729 Mean dependentvar 118 6995 Adjlistert IR-squared fl.022054 S D de-p^ndent var P口 TlBOE S E. of regression 20.12858 Akaike info c

30、riterion 8 843593 Sum squared resid 561551.3 Sctiwarz criterion 8 851142 Log likelihood -6135 457 Hannan-Quinn criter B 34642(? F-statistic 3^,23524 Durbin-Watson stat 1.924390 Pro b(F-stati Stic) 0.000000 回归方程表示为 bw?ht =119.77 - 0.514 cigs (0.572) (0.090)⑵ R2 : 0.023 R -2 =

31、 0.022F=32.24 (1)与(2)比较，cigs前的系数并不相同。很显然增加家庭收入变量后改善了拟合优 度，方程显著性增强。但因为吸烟量和家庭收入的相关性不强，所以增加家庭收入变量后, cigs对婴儿体重影响的程度改变并不大。 案例三 多重共线性 一、主题与背景 多重共线性现象是多元线性回归模型中不可避免的问题。多重共线性线性包括完全多 重共线性和不完全多重共线性两种。现实生活中通常遇到的是第二种现象。针对第二种现象， 当多重共线性不严重，并未对模型的估计、检验等造成任何影响，则不必要修正多重共线性 问题。但当多重共线性很严重，影响了模型的估计结果， 对检验造成了很严重的

32、影响时，就 必须针对多重共线性问题进行检验、修正等工作。但必须注意的是，大多数的多重共线性问 题，尤其是时间序列数据模型，都可以通过增加样本或者改变样本去客服。所以本质上多重 共线性问题是个模型设定和样本的问题，可以主观克服。本实验拟通过一个棒球联盟中运动 员薪水的决定因素进行多重共线性问题的认识和学习。通过实验，要求学生能了解多重共线 性的表现、学会多重共线性的检验，掌握多重共线性的修正。 二、情景描述 在美国棒球职业大联盟中，一般认为运动员的薪水取决于加入联盟的时长（years）、平 均每年参加比赛的次数（gamesry）,职业比赛中的击球率（bavg）,平均每年的本垒打次

33、数 （hrunsyr）,及其每年的击球跑垒得分 （rbisyr） 这些因素。用下面的模型来表达这个问题： log（ salary ）-01years 2gamesyr3bavg4hrunsyr5rbisyru 显然，上面所有变量对薪水的变动的影响预期都是负的。 三、教学过程设计 （一）数据说明 该数据来源于 Jeffrey M.Wooldrige «Introductory Econometrics 》所提供的 353 个 美国职业帮球员的数据。 （二）操作建议 1:用Eviews打开数据集mlb1.wfl 2、描述统计分析过程：view---descriptive stats

34、---common sample Fg-I 17m」p UN7TTLEO Worirfilr: MLFQ: MiM\ - F! X 辆iew Piet [Objetl Priftl tJnirir rteelr | SjilFfeplf ^h-er! | *w匕 国 Wo Ft □ALARY YEARS GAMESVR EU.VG HRUNSYR REJSYR M—i 1W5C72. 5 325T79 M.07W4 2SS9E56 7.119053 .35 0502

35、1 * 产 t Median 675000.0 8.000 JOO 94,65666 250.0000 b.166W7 31 MMG FL* ng 鼻 MMeue 叫明m 2口 ODIOO 15Q OOOC 6?5 0DQ0 31 42857 3702500 aamplA biiMmum 10900Q.0 U： jJ j：l"： 5.500000 111,0000 Q.OCHJOOU □ 500000 0 Bll小 Sid-Dev, 14J7352. 3U8D142

36、 36J324E 30.42240 6 796920 22.82B77 at口才 Sk&wness 1 2412a1 a.S26344 43.390207 3 499001 1 1C42^O Dfi2fi504 S 3I0BI 3 bovq E或 0 black ⑦臼3a Kurtosis 3.667043 3 405349 2.4W3Se 3 7.7027 T 3 690451 2.fl&Q44(} 57 2t>S?4 4川mg U 34851

37、 US22 33 89f33fl& 24S9S7& Prooaoilrty 口 R0Qg 口 MMOO Q.0i)076t O.OQDCXJO Q. 口卯 。口 OQMJ 6 btckp 不 CilCKD Sum 4 75EH1S 2233 300 3179S B4 gi47?flo 251302S 12372 7 ? ©c a Ldflch Huf Sq. Dw. 5.S7EM4 52GB. 535 4E9555.fi S1965J.9 16-2^1.74 18344&F

38、 Ml dcub ①n中『 0 FrEtli: 5 aEn-! Obserz.aiions 353 353 353 353 353 35-3 ~- 很显然，薪水的最小值和最大值差异很大。 3、相关性分析 Fie Edit Ctiject View Prcc Quick Options Wirdcw Help 8r yg% games ^r tavi hrursw rtisw [g] Grwp： UNTTLED ^oricfile MLBl：:Mlbl\_ D X V tv. Proc Objec

39、t Pilhl Nd IM fresze Sdimplf Sheet 51曲 Rciice. Is侬Eavb aQ n b b YEARS G 网 ESYR 由VG HRUNSYR RSIS YR 正声R£ vooocoo (J.552394 0197290 0.380162 0487107 GAJdESYR 0.562394 1.000000 0319145 0.613305 0S43653 9A7G 0.197：95 0.310145 1 000000 0.190596 0329145 HRUNSYR 0.3101

40、62 0.613805 0190595 1.000000 0.693743 RBISYR 0 467107 0.84E656 0 329145 3.890743 1.003000 Correlation 上表中表明rbisyr与gamesry、hrunsyr的相关性很高，分别达到了0.849和0.891.可能 在建模过程中会产生比较严重的多重共线性后果。 4、回归结果 卜T EVicw?5 File Edit Otoject View Proc Quick Options Window Help la l

41、ogt^alaryli c. v 虺 arm game'ivr toavg r run Ayr rbisyr (al Equation： UNTITLED WorkfilE：_ n X \ 'Virw I Pr q< To bj r c 11 I p*mt I Nftnif | Free* f [ .[FwdJsFt* [r.fg*] Dnt«nd«rrtVariable. LOG(SALARY? Method. Lvasl Squares Qd悔.1 1/29/14 Tim^: .13 Sainple 1 2 S3 inciuaca oonervations: 353 Vana

42、hlf1 Oofrffici ent Std Error t-Statistic Prob C 1 1.19242 0.28S823 38 75184 0.00 00 YEARS 0.068863 0.0 12116 5.684206 0.00 00 GAMBSVR 0 0」2552 O 002 647 4 742*4<0 0.00 0Q □ .DODS79 □ DD1 ID-4 a sb&bii 口.三 丁 HH UMSVH 0 D144lz^I D CJ 1S0S7 CJ H 目 0_3G 9S RDlOVR D01076G

43、 0.0 0717S 1.S001SO 0.1344 R-S'QM.a.red 0.627S03 Mean dependent var 1 3.49218 Adyiusled R squared 0 022440 S D. dep9n-donl var 1 1824B0 S.E or 0 729577 AKeiKe lqh> critei>iori 5 215307 RLim square d「昼角|日 i日n.l包 sezhwars 白nt静ncm 2 3S1S?6 Lag IHcBlihcod -aas io76 Hannan-Ou inn c.n

44、ter 2 242QS7 F-statistic 11 / Du rb i n-Wats o n stat 1 2es3g& 0.000000 上面的结果表明 bavg、hrunsry、rbisyr在统计上都不显著，这是由于rbisyr、gamesry、 hrunsyr三个变量的高度相关使得我们难以发现每个变量的偏效应，这从t检验、F检验、拟合 优度这些指标上都有所体现。 5、多重共线性的克服 去掉 bavg、rbisyr 后 hW Workfile; ML61 - (cA [vicwJpnadofcriEctH1^1n Range: 1 353

45、 -- 353 sample： 1 353 二 353 allsl3r atbats aiDatsyf gvg bb blacK biacKpop blckpb blckph c catcher do Li bite b fl dp ere frstbase games gamesyr hi* pan hicppb hi$pph ihisppop L IM 111 1 / Ni=wi/ 口.口「 View Proc Object Pnnt Mame Freeze Estimate Forecast Stats Resids [=1 EquE^rv UNTITLE

46、D Workfilc： MLBlrMlbl\ .OX Variable- Co^fFid**nt SM Fnor Prob c 1 1 S4433 □ 107645 1D5.3EB6 0 0 DOO rEARS 0 OS01OS 0012123 5S17BS9 0 0000 GAME0YR 0 (HG22& 0 00152S 10 63S47 0 0000 HRUN9YR 0035363 口 007249 4 947640 0 GOOD R-squared 0 623401 Me^n 日唾QenqcnTv曰r 1149218 Adi

47、usted R-squaredi 0.620244 S.D. dependent var 1.1B2466 S.E. ot regrossion 0.72S6fi7 Akaike into criterion 2.216121 aum eciLiaf«a resid lab.Jl Jb schwa tr criterion 2.25SD33 Log bKcunood 387 1453 Hannan Quinn entor. 2 23J554 F-staHfUc 192.6373 Dur&in-^aTson stat I2176Q7 Prco(F-s(au

48、suc) o.o&ooco —— copon Ui nt variabno; lqgcsalary ： hietnoa： sqg「Qs Date: 11G9H4 Time: 12.22 Sample. 1 353 included olb^tfivj'llori^. 35 3 s icatsaiary) c years aamesiT hrunsyr 所有变量在统计上都显著了。 四、教学研究 1最终的回归方程： log( salary ) = 11.3440.068 years 0.016 gamesyr 0.036 hrunsyr (0.

49、108) (0.012)(0.0015)(0.0072) R2 = 0.623 R-2 = 0.620F=192.64 n=353 2进一步探讨 对于其他的模型，可以采用模型变换法、对数法、变量变换法等方法进行多重共线性 可克服和修正。 案例四异方差 一、主题与背景 异方差现象是现实生活中进行建模分析时候常见的一种现象。尤其是截面数据中，当不 同个体、单位的规模有差异时，这种现象更为常见。异方差可以导致最小二乘估计不再有效， t统计量、F统计量不再服从t分布和 吩布，检验预测等都不再有效。基于异方差所造成的这 种后果，所以探讨异方差产生的原因、异方差的检验、异方差的修正就很重要

50、。要求学生通 过案例学会异方差的检验、掌握异方差的两种修正方法，并熟练掌握软件操作。 二、情景描述 一个地区的医疗机构数和该地区的人口数密切相关。为了讨论二者之间的数量关系， 调查收集了 2000年四川省的21个市州数据，用库示医疗机构数(个)，X表示人口数(万人)。 建立如下回归模型： Y = -0-1X U 斜率参数01衡量当人口数增加一万人时，医疗机构平均增加的数量。 （一）数据说明 数据来源于庞皓《计量经济学》。 （二）操作建议 1、在eviews6.0 命令输入窗口定义变量：data y x 2、在eviews6.0 命令输入窗进行 OLS古计：ls y c x

51、File Edit Object View Proc Quick 0 ptions Window Help data yx 唇PCX [=]Equation: JMTTTLED Workfile： UNTTLED-UntitledY_ B X View Prac Object Print Name Freeze Estimate Forecast Resids Dependent Variable: Y Method: Least Squares Date: 12/01/14 Time 21 35 Sample: 1 21 Indhided observa

52、tions: 21 Variable Coefficient Std. ErrortStatistic Prob, C -562.9074 251 5642-1 930646 0 0696 X 5 37202S 0.6445290 329011 0 0000 Rsqua「Rtl 0.785438 Mean dependentvar 1580.143 Adjusted R-squared 0.774145 S.D. dependentvar 1310.975 S E of regression 623.0301 Akaike info criteri

53、on 15.79746 Sum squared resid 7375164 Schwarz criterion 15.89694 Log likelihood -163,3733 Hannan-Quinn enter. 1501SO5 F-statistic 59 55245 DurbhAYatsan stat 1.947198 Prob(F'statistic) Q.DOOOOO 3、检验模型的异方差 ger»r te-ffraid*2 seal ?启安 两种散点图都表明模型中存在异方差，而且是递增型异方差。

54、 4 white检验 [=)Equation UNTTTLED Worlefila UMTITLED：：lJHtrtl&d>_ P X Uiew Proc Object Print Name Freere Ei ti mate Fere cast | Stats Resids Hete rosredasticlt Test: WTiite F-statistic 55,61118

55、Prob, F(2je> 0.0000 Ots*R-Squared 18X7481 Prob, Chi-Squ日「肆⑵ 0.0001 Scaled explained SS 11.78770 Prob. Cbii-Square(2> 0 0029 Test Equation: DepeniientVariable- RESIDA2 Method: Least Squares Date: 12/01/14 Time: 2139 Sample: 1 21 Included observ'ations: 21 Variable Coeffi ci ent

56、Std. Error 卜 Statistic Prob. C 823375.5 1302734 良 320305 O.OMO K -3605.573 5535394 -5.513091 0.0000 的2 4 742387 0532352 8G08366 0 0000 R-squared 0 880705 Mean dependent 3511983 Adjusted R-squared 0 845229 &.D. dependentvar 4542 & 1.0 S. E. cf regression 17S711 1 Akai ke I

57、nfo criterion 27 15649 Sum squared resid 575E+11 Sctiwarz criterion 27 30571 Log likelihood -282 1432 Hanrian-Quinn criter 27,18383 F-statistic 5561113 Duibn-Watson stat 2015035 根据咔方检验的P 直可以看出模型中存在异方差。 5异方差的修正 用WLS■法，选用权数1/x进行修正，或者用残差的绝对值的倒数做权重。结果如下：很 明显前者修正效果似乎更好些。 但1/X)Y C X r,

58、 (=1 Equations UNTITLED WorWile UMnTLEQ-Untrtledk_ B X Vltw 闩04 Object Pilnt name Freeze E^rkmate Forecast Stats RE 口* De pendeni Vari^bl&: V Mcthiod: l_白口自t Squared Dw恒 1*0 314 Time: 21 43 Sample: 1 21 Included obseivations： 21 Weiahtino senes: 1/X W&lqht tie. Inverse standa

59、rd deviation (EViews default scaling) Variable Coefficient Std. Error 1-Statistic Prob C 384.6123 87.90442 4375345 0.0003 2.723571 0 433389 6 284353 0.0000 W«ighled Statistics R-sqjared 0.675175 Mean dependentvar 1104 223 Adjusted R-squared Q.658079 S.D. dependent war 4S4.41

60、26 S.E. otc&gression 336.2853 AKaiKe into criienon 14.56419 Sum squared resio 2148668. ScriwarzcriTenon 14.66367 Leg iiKeiinooc -150.9240 Hannan-Quinr enter 14.58578 F^stansuc 39 49310 uuroin^watson star 2.233143 proti{F-s laiisuc) 0.000CC5 ^eignieu mean dep 606.CS69 unweigmea s

61、tatistics R-squared Q.530C54 Mean dependentvdr 15a3 143 Adju§ted IR-squared 0.564699 S.D, dependentvar 1310 975 S.E. dtregression 1 1 ■ ■ r 1—i i r-i 1 A J "frj- j-fcii-m l，.r + G64.748Q * U U fl u c u Slim squared resid 14207393 比•ye) y cx [=]Equation: UNTITLED Wcrkfile: U N T

62、IT LED:: Ur titl ed\— B X [vl**]proE 口匕jict] [ Prnt Mam. [Fr♦♦工日 |EdE.t* [For*r口四 । St.tE ]0工, D^pendl&nt L mrlmtilm: Y Method. Least Squares Date. 12y01/14 Tirnts.21 45 sample 1 21 includedobcQivstianc: 21 W&ightina series- EE '.v&ight rypp iavrisp sinnrm ripvialinn (FWiPwvs ctprauit scaling>

63、 Variable Coefficient Std. Error t-2tatistic Prob. C -31S.BS0J2 14 9.Q221 -2.1 11407 (J.U482 X 4 442442 0.436963 10 16664 0.0000 wsigntoa stalls lies R-scjuared Adj ust&t! H-e quar^d S.E. of rvgraeslon Oum squaredr&sid l 口g lik^nriQou F ftauctic Prot>(F-stati5tic) O. S44721 U d3b

64、b4g 164.7376 515G30 0 -1359lfi3 103 3S05 o oooooo Mean dependentvar s u dependent var Aknik白 Info criterion 3chwarz criterion Hann an-Ou I ni i crll@r Durbin wsicon ctat Weiqht&d mean dep 12 94 162 1 475.2B1 13.136S9 13 23645 13 2.326335 1190.2641 Unweighted Statistics R-snudred Adjusted

65、 C.L. of regreosion Durbin-'-.Vritscn slat O 752105 0.730121 663.5370 1 707935 Medri

66、.72个，约3个。这个结果比 原来的系数更加接近真实情况。当然，这个模型还有其他问题，比如模型设定误差问题，尤 其是遗漏变量。这个问题，我们在后续的章节中会加以考虑。 案例五自相关 、主题与背景 用真实数据进行线性模型的自相关分析，应用Eviews6.0分析软件进行操作，与课本内 容相对应，分析模型的自相关检验和解决方法，引导学生熟悉Eviews6.0的基本操作，能够 解读分析报告，并尝试进行自相关处理，体会自相关问题对模型OLS古计结果和统计特征的 影响。 二、情景描述 可支配收入影响实际消费，令 y代表人均可支配收入，令 cons表示人均消费支出。研究 二者之间的关系，定义模型： cons = P0+ P1 Y+ u。斜率参数*衡量收入增加一个单位时 消费的变化量，这里 百是MPC ,所以，0＜久＜1。 、教学过程设计 （一）数据说明 数据集CONSUMP.WFL包含1959年至1995年美国37年的收入消费相关信息。 （二）操作建议 1、在eviews6.0 命令输入窗口定义变量：data y cons 2、用edit+/-编辑数据 3，h 曾（