计量经济学实验报告一、实验目的：掌握多元线性回归模型的估计方法、掌握多重共线性模型的识别和修正。二、实验要求：应用教材第127页案例做多元线性回归模型，并识别和修正多重共线性。三、实验原理：普通最小二乘法、简单相关系数检验法、综合判断法、逐步回归法。四、预备知识：最小二乘法估计的原理、t检验、F检验、值。五、实验步骤1、选择数据理论上认为影响能源消费需求总量的因素主要有经济发展水平、收入水平、产业发展、人民生活水平提高、能源转换技术等因素。为此，收集了中国能源消费标准煤总量、国民总收入、国内生产总值GDP、工业增加值、建筑业增加值、交通运输邮电业增加值、人均生活电力消费、能源加工转换效率等1985——2007年的统计数据。本题旨在通过建立这些经济变量的线性模型来说明影响能源消费需求总量的原因。主要数据如下：1985~2007年统计数据年份能源消费国民总收入国内生产总值工业增加值建筑业增加值交通运输邮电增加值人均生活电力消费能源加工转换效率yX1X2X3X4X5X6X71985766829040.790163448.7417.9406.921.368.2919868085010274.410275.23967525.7475.623.268.3219878663212050.612058.64585.8665.8544.926.467.4819889299715036.815042.85777.281066131.266.5419899693417000.916992.3648479478635.366.5119909870318718.318667.86858859.41147.542.467.2199110378321826.221781.58087.11015.11409.746.965.9199210917026937.326923.510284.514151681.854.666.0019931159933526035333.9141882266.52205.661.267.32199412273748108.548197.919480.72964.72898.372.765.2199513117659810.560793.724950.63728.83424.183.571.05199613894870142.571176.629447.64387.44068.593.171.5199713779877653.17897332921.44621.64593101.869.23199813221483024.384402.334018.44985.85178.4106.669.4419991338318818989677.135861.55172.15821.8118.269.19200013855398000.599214.640033.65522.37333.4132.469.042001143199108068.2109655.243580.65931.78406.1144.669.032002151797119095.7120332.747431.36465.59393.4156.369.042003174990135174135822.854945.57490.810098.4173.769.42004203227159586.7159878.3652108694.312147.6190.270.712005223319183956.1183084.876912.910133.810526.1216.771.082006246270213131.7211923.591310.911851.112481.1249.471.242007265583251483.2249529.9107367.214014.114604.1274.971.25资料来源：《中国统计年鉴》，中国统计出版社2000、2008年版。为分析Y与X1、X2、X3、X4、X5、X6、X7之间的关系，做如下折线图：能源消费Y在1986到1996年间缓慢增长，在96至98年有短暂的下跌，但是98至02年开始缓慢回升，02年到06年开始快速增长。国民总收入X1和国内生产总值X2以相同的趋势逐年缓慢增长。工业增加值X3在1985年-1999年期间一直是缓慢增长，但在2000年出现了急剧下降的现象，2001年又急剧增长，达到下降前的水平，2001年以后开始缓慢增长。建筑业增长值x4、交通运输邮电业增加值x5、人均生活电力消费x6、能源加工转换效率x7数值较低，但都以较平缓的方式增长。2、设定并估计多元线性回归模型（2.1）2.1录入数据，得到图。2.2.1）采用OLS估计参数在主界面命令框栏中输入lsycx1x2x3x4x5x6x7回车，即可得到参数的估计结果。由此可见，该模型的可决系数为0.989801，修正的可决系数为0.985041，模型拟和很好，F统计量为386.2196，回归方程整体上显著。可是其中的lnX3、lnX4、lnX6对lnY影响不显著,不仅如此，lnX2、lnX5的参数为负值，在经济意义上不合理。所以这样的回归结果并不理想。3、多重共线性模型的识别点击Eviews主画面的顶部的Quick/GroupStatistics/Correlatios弹出对话框在对话框中输入解释变量x1、x2、x3、x4、x5、x6、x7，点击OK，即可得出相关系数矩阵（同图2.2.3）。从相关系数矩阵可以看出，解释变量x1、x2、x3、x4、x5、x6、x7相互之间的相关系数较高，解释变量之间存在多重共线性。4、多重共线性模型的修正3.多重共线性模型的修正使用逐步回归法进行修正。第一步：运用OLS方法分别求Y对各解释变量...
