金融计量经济学实验报告

第一篇：金融计量经济学实验报告

【实验一】利用古典线性回归模型对经济数据进行研究分析

1.案例分析：我国预算外资金分项目支出(2002-2012)研究分析

新中国成立之初实行高度集中的统收统支体制。进入第一个五年计划时期后，为了调动地方的积极性，开始把原来预算内的一部分收入，放到预算外管理，国家财政资金开始分为预算内和预算外两部分，这才形成预算外资金这个特殊范畴。十年**时期，预算外资金迅速膨胀，1976年已相当于预算内收入的35.5%。

1979年我国进入全面体制改革的新时期，对地方预算扩大了自主权，对企业放权让利，所以预算外资金的增长超过任何一个时期，已经成为经济运行的一个重要特点和问题，按当时口径统计的预算外资金的增长变化有以下四个特点：（1）预算外资金增长过快，1992年比1978年增长11倍，相当于预算内收入的97.7%，名副其实地成为国家的“第二预算”。

（2）预算外资金历年增长速度均超过同年的GDP和预算内收入的增长速度，造成资金的严重分散。

（3）由于管理不严，财经纪律松弛，化预算内为预算外、化生产资金为消费基金、化公为私等现象有所滋长和蔓延。因此，预算外资金迅速增长，已成为预算内收入占GDP的比重偏低的重要原因，也是当时固定资产投资膨胀和消费基金膨胀的重要原因。

预算外资金是财政资金体系的重要补充，在经济发展过程中起着重要作用。特别在2002年之后，预算外资金作为预算内资金的重要补充，在满足政府履行其职能需要、减轻财政负担方面发挥了积极作用。2.研究目的：

预算外资金是财政资金体系的重要补充，在经济发展过程中起着重要作用。因此，如何加强预算外资金管理，减轻财政压力，维护财经纪律，从而有效地发挥预算外资金作用，具有十分重要的现实意义。3.使用古典线性回归模型的原因：

古典线性回归模型中“回归”一词是描述和估计一个给定变量与一个或更多的其他变量之间的关系，具体地说是“回归”试图解释一个变量如何随着其他一个或更多变量的变化而变化。而基本建设支出（basic）、行政事业费支出（administrative）、乡镇自筹（统筹）支出（towns）以及其他支出（other）是影响我国预算外资金（total）的四大因素，预算外资会随着基本建设支出、行政事业费支出、乡镇自筹（统筹）支出以及其他支出的变化而变化。4.使用软件：EViews 5

（导入预算外资金分项目支出(2002-2012)数据的英文附件：Non-budgetary funds project spending.xls，数据来源于《中国统计年鉴》（2002-2012年数据）。其中

total表示预算外资金；basic表示基本建设支出；administrative表示行政事业费；towns表示乡镇自筹（统筹）支出；other表示其他支出。以下为数据模板：）

5.回归方程假设：

设预算外资金（y）与、基本建设支出（x1）、行政事业费支出（x2）、乡镇自筹（统筹）支出（x3）、其他支出（x4）的线性回归方程为：

yt=β1+β2x2t+β3x3t+β4x4t+ut

其中：t表示观测值的个数。6.实验步骤： ⑴建立数据文档： ① 建立空白文档：

② 导入数据Non-budgetary funds project spending.xls：

其中研究变量总共为5个：

③ 导入结果：

⑵建立线性模型：其中零假设为假设变量的系数为0,即H0:β=0。① 第一次建立模型及检验：

Ⅰ 输入线性方程：total c basic administrative towns other

Ⅱ第一次建模得出的结果：

由结果可知：towns（乡镇自筹、统筹支出）的P值为0.6049＞0.1，则零假设不被拒绝，所以此时towns系数为0，total（预算外资金）不再随着towns的变化而变化。

Ⅲ考虑到各个变量间可能存在较强的相关性，则做共线性分析：

由上图可知：towns与other（其他支出）的共线性检验值为-0.672937，绝对

值接近0.7，且结合第一次建模结果可决定删除变量towns。Ⅳ 删除变量towns

② 第二次建立模型及检验：

Ⅰ 输入线性方程：total c basic administrative other

Ⅱ 第二次建模得出的结果：

由结果可看出常数项及各项变量零假设的P值均小于0.1，零假设被拒绝，其系数不为0。

Ⅲ 仍需考虑各个变量间可能存在的共线性：

经过共线性分析可知administrative（行政事业费支出）与other的共线性检验值为0.778967＞0.7，且由第二次建模结果可知：administrative的零假设P值为0.001，而other的零假设P值为0.0499，远大于administrative零假设的P值，则可选择删除变量other。Ⅳ 删除变量other：

③ 第三次建立模型及检验：

Ⅰ输入线性方程：total c basic administrative

Ⅱ 第三次建模得出的结果：

由结果可知：常数项及各变量的系数的零假设的P值均小于0.1，零假设被拒绝，其系数不为0。

Ⅲ 仍需再次考虑各个变量间可能存在的共线性：

由上图可知：共线性检验值的绝对值均小于0.7，且结合第三次建模结果可知：total会随着basic（基础建设支出）及administrative的变化而变化； ⑶对5个假定的检验： ① 假定1：E(ut)=0

由第三次建模结果可知：常数项c=569.7355≠0，因为只要回归方程中包含了一个常数项，则假定1将永不被违反，则假定1成立。② 假定2：var(ut)=σ＜∞（异方差检验）Ⅰ 绘制残差序列：

2由图可看出回归残差对于样本是不规律的，并未出现系统性变化，则不存在异方差。

Ⅱ 怀特检验：有交集项命令，即White Heteroscedasticity(cross terms)： a.假定带估计的回归模型是标准线性形式，即：yt=β1+β2x2t+ut b.进行辅助回归（Auxiliary Regression）的检验方程为：

ût=α1+α2x2t+α3x2t2+α4x2t+vt

c.零假设为假设α2=0、α3=0且α4=0同时成立时不存在异方差，即H0：α2=0、α3=0且α4=0。

由图可知：F检验（F-statistic）的P值为0.410609＞0.1，零假设不被拒绝，残差为同方差，不存在异方差。则异方差检验通过，即假定2成立。③ 假定3：cov（ui,uj）=0且i≠j（自相关检验）

Ⅰ布罗施——戈弗雷检验（Breusch-Godfrey Test）的检验方程为（滞后5阶）：

ut=ρ1ut-1+ρ2ut-2+ρ3ut-3+ρ4ut-4+ρ5ut-5+vt

其中零假设为当满足ρ1=0且ρ2=0且ρ3=0且ρ4=0且ρ5=0时当期误差与它任何前5期的值都不相关，即：H0：ρ1=0且ρ2=0且ρ3=0且ρ4=0且ρ5=0。Ⅱ 选择滞后5阶进行检验：

Ⅲ 检验结果如下：

由图可知：F检验（F-statistic）的P值为0.596810﹥0.1，零假设不被拒绝，当期误差与它任何前5期的值都不相关，则自相关检验通过，假定3成立。④ 假定4：xt是非随机的

由BG检验可知回归自变量与估计方程中的误差项不相关，则在存在随即回归自变量的情况下，OLS估计量是一致和无偏的，所以假设4成立。⑤ 假定5：扰动项是正态分布的（正态性检验）

ⅠBera-Jarque检验中偏斜度系数和峰度系数的表达式为：

b1=E(u3)/(σ2)3/2b2=E(u4)/(σ2)2

其中零假设当满足b1=0,b2-3=0时服从正太分布，即H0：b1=0,b2-3=0。Ⅱ 检验结果如下：

由图可知，P值为0.647840＞0.1，直方图呈钟形Bera-Jarque统计量不显著，使得残差为正太分布，则零假设不被拒绝，扰动项是正太分布的，假设5成立。⑷ 古典线性回归模型函数形式是否适用于预算外资金研究分析的检验（RESET检验）：

① 检验方程（拟合阶数为4阶）：

ût=β1+β2ýt2+β3ýt3+β4ýt4+β5ýt5+vt

其中零假设为当满足β1=β2=β3=β4=β5=0时，即H0：β1=0且β2=0且β3=0且β4=0且β5=0。

② 选择4阶拟合阶数进行检验：

③ 检验结果如下：

由图可知：F检验（F-statistic）的P值为0.433267＞0.1，零假设不被拒绝，上述回归方程不存在明显的非线性，该线性模型是适当的，即预算外资金可用古典线性回归模型进行研究分析。⑸ 最终得出回归方程为：

7.实验结果分析：

由回归方程

total=569.7354595+1.2481266×basic+1.117750853×administrative+ut可知：基本建设支出（basic）和行政事业费支出（administrative）的增长对于预算外资金的增长贡献是很大的。每增长一个单位的行政建设，预算外资金的增长超过一个单位，（假设另外一个变量不变的情况）。同理基本建设也一样。所以我们要控制住这两个变量，才能从本质上制止预算外资金的过度增长。然而预算外资金管理运作中存在着诸多问题的原因是复杂的。首先，全国缺乏统一、科学、规范的预算外资金管理体制和全国性法规，是预算外资金管理困难，存在诸多严重问题的根本原因；其次，经济体制改革过程中，随着权力和利益的不断下放，各地方、各部门和各单位的积极性调动起来了，但是，相应的管理、规范措施和监督制约机制没有及时配套，是预算外资金问题诸多的重要原因；再次，各级政府之间、政府各部门之间职能划分不明确，各自具有不同的投资倾向和各自部门的“利益”是预算外资金管理失控的直接原因。8.对我国预算外资金管理的建议：

1.对于预算外资金首先必须明确,所有权属于国家,分配权属于政府,管理权属于财政。项目的批准权、范围和标准的确定权应由中央和地方省级政府转交全国和省级人大常委会,以保证立项的严肃性。资金的使用权交给政府,由政府根据需要统筹安排预算内外财力。管理权交给财政,由多头管理转变为由财政部门统一负责。同时,预算的执行情况报人大常委会审议、备案,以保证运行的规范性。

2.实行票据统一管理,加强源泉控制,完善专户储存。各部门和单位在收费时,必须按行政隶属关系使用中央或省级财政部门统一印制或监制的票据,严格票据发放、稽查和验证核销制度,改变由省级业务部门直接向基层部门发放的办法。同时票款同步,统一专户储存。加强日常管理,建立对收费单位进行的收费年审制度,检

查其收费是否统一纳入财政部门核算,防止虚报隐瞒收入,保证及时存入“财政专户”。

3.实行民主管理、法制管理。收费和基金的设立、管理、运用都要经过全国或省级人民代表大会或其常务委员会批准,严格收费和基金的审批立项管理,建立项目管理制度,实行收费公示制度。收费和基金的实际收取、支出使用,都必须通过立法形成规范的管理体制。

4.建立一套科学合理的预算外资金财务会计制度与综合财政预算报表体系,以真实地反映预算外资金的筹集、使用、管理和使用效益情况,以便控制预算外资金规模。预算外资金是预算内资金的补充,预算外资金的膨胀必然导致预算内资金的萎缩,所以必须控制预算外资金的规模,加强预算外收支管理。提高行政事业单位的效率,精简机构,裁减冗员,减小吃财政饭的压力,继续抑制预算外资金进一步膨胀的倾向。

5.推进税费改革,完善分税制。对各种收费分门别类地进行管理,能归入预算内的归入预算内,不能归入预算内的,暂时依然界定为预算外资金,但要加强管理,控制使用方向,专款专用。对于不合理和不合法的收费项目和超标收费坚决取消;将不体现政府职能的收入,转为经营性收费,所得收入依法纳税;把具有税收性质的基金和收费纳入税收管理。根据政府事权、财权和决策权相统一的原则,在划分中央和地方收入的同时,科学地划分中央和地方的支出范围,为最终实现统一的政府预算做准备。

【实验二】利用VAR模型对金融数据进行研究分析

1.案例分析：对中国股市四大证券市场收盘价（2011.1.4-2012.3.26）进行分析

我国证券市场的产生与发展是我国经济体制改革所取得的极具深远意义的成就之一。尤其是我国股票市场,在过去的十余年中为国有企业筹集了大量的资金,在促进我国市场融资制度建立的同时充分发挥了动员资金的功能,继而促进了国民经济的快速发展。

然而,我国的证券市场是在新旧经济体制的磨擦和对抗的夹缝中产生和发展起来的,加之市场环境及相关制度不健全,决定了其从本质上讲是一个“先天不足,后天失调”的市场。由于市场上的信息往往无法充分得以反应,大大限制了我国证券市场定价机制与信息传导功能的发挥,致使社会资源无法有效配置,证券市场从整体上表现出严重的非效率。随着我国经济体制的进一步深化,我国证券市场进一步面临着内忧外患的冲击。

在此背景下,为构建证券投资的长期发展机制寻求导致证券市场非效率的深层原因,以及如何充分考虑现实因素来制定我国证券市场的相关政策,具有极大的学术研究价值及现实意义。从市场运行机制的角度考虑,证券市场是通过市场的定价

功能实现资金的有效配置的。

长江证券、东北证券、国元证券和宏源证券是我国比较有代表性的A类证券市场：

长江证券股份有限公司成立于1991年3月18日，股票代码为000783。该公司资产质量优良，资产规模在业内的排名始终保持较前位置，截至2011年底，公司总资产260多亿元，净资产110多亿元，净资本86亿元；

东北证券股份有限公司是东北地区唯一的一家综合类券商，注册资本为 5.81亿元人民币，其股票代码为 000686。东北证券2009年实现净利润6.33亿元(基本每股收益0.9900元)。

国元证券股份有限公司成立于2001年8月，注册资本14.641亿元人民币，股票代码000728。截至2007年12月28日，“黄山1号”累计净值为1.5688，年化收益率为44.68%，在券商同类集合计划中排名第一；2008年1月30日，“黄山1号”获得2007年度私募基金风云榜券商集合理财组（限定性）第一名。

宏源证券股份有限公司是中国首家上市证券公司，股票代码000562。该公司拥有分布在全国各地的89家营业网点，2012年，公司实现营业收入32.95亿元，实现净利润8.7亿元。截止2012年年底，公司总资产319亿元，净资产148亿元,净资本108亿元。2.研究目的：

开放与发展金融市场，特别是证券市场，对我国城市经济体制改革和市场经济体制的发展具有重要的作用。近年来，我国证券市场有了长足的发展，但由于起步较晚，在发展中也暴露出了不少问题。本实验利用金融工具从我国比较有代表性的四大（A类）证券公司的收盘价分析入手，剖析证券市场存在的主要问题。3.使用VAR模型的原因：

VAR模型是一个系统回归模型（即有多个因变量），常常作为大型联立结构方程组模型的一个替代程序，适合同时对多个证券市场进行分析。VAR模型还具有灵活性且易于一般化和简洁且易于表达两个特征。VAR模型还具有所有变量都是内生变量、允许一个变量的值不仅依赖于自己的滞后值或白噪声项、预测方面比传统的结构模型更准确等优点。4.使用软件：EViews 5

（导入数据中国股市四大证券市场收盘价（2011.1.4-2012.3.26）数据的英文附件：securities.xls，数据来源于

RESSRT

金融研究数据库http://www.xiexiebang.com/product/。其中cj表示长江证券收盘价；db表示东北证券收盘价；gy表示国元证券收盘价；hy表示宏源证券收盘价。以下为数据模板：）

5.回归方程假设：

设长江证券开盘价(y1t)、东北证券开盘价（y2t）国元证券开盘价(y3t)和宏源证券开盘价(y4t)的当期值由它们的前k期的值和误差项所决定的：

y1t=β10+β11y1t-1+„β1ky1t-k+α11y2t-1+„+α1ky2t-k+u1t y2t=β20+β21y2t-1+„β2ky2t-k+α21y3t-1+„+α2ky3t-k+u2t y3t=β30+β31y3t-1+„β3ky3t-k+α31y4t-1+„+α3ky4t-k+u3t y4t=β40+β41y4t-1+„β4ky4t-k+α41y1t-1+„+α4ky1t-k+u4t 式中，uit是白噪声扰动项，且有E(uit)=0，(i=1,2,3,4), E(u1t, u2t, u3t, u4t)=0。6.实验步骤： ⑴

建立数据档： ① 建立空白数据档：

② 导入数据securities.xls：

其中研究变量共为4个：

③ 导入结果：

⑵

单位根检验（平稳性检验）：其中零假设为检验变量是不平稳的。① 长江证券收盘价的单位根检验： Ⅰ 对长江证券收盘价数据本身进行检验：

Ⅱ 对长江证券收盘价数据本身检验的检验结果：

由图可知检验的P值=0.6026＞0.1，零假设不被拒绝，长江证券收盘价数据本身是不平稳的，则需进行一阶差分的检验。Ⅲ 对长江证券收盘价数据一阶差分的检验：

Ⅳ 对长江证券收盘价数据一阶差分检验的检验结果：

由图可知检验的P值=0＜0.1，零假设被拒绝，长江证券收盘价数据的一阶差分是平稳的。

② 东北证券收盘价的单位根检验： Ⅰ 对东北证券收盘价数据本身进行检验：

Ⅱ 对东北证券收盘价数据本身检验的检验结果：

由图可知检验的P值=0.6053＞0.1，零假设不被拒绝，东北证券收盘价数据本身是不平稳的，则需进行一阶差分的检验。Ⅲ 对东北证券收盘价数据一阶差分的检验：

Ⅳ 对东北证券收盘价数据一阶差分检验的检验结果：

由图可知检验的P值=0＜0.1，零假设被拒绝，东北证券收盘价数据的一阶差分是平稳的。

③ 国元证券收盘价的单位根检验： Ⅰ 对国元证券收盘价数据本身进行检验：

Ⅱ 对国元证券收盘价数据本身检验的检验结果：

由图可知检验的P值=0.4641＞0.1，零假设不被拒绝，国元证券收盘价数据本身是不平稳的，则需进行一阶差分的检验。Ⅲ 对国元证券收盘价数据一阶差分的检验：

Ⅳ 对国元证券收盘价数据一阶差分检验的检验结果：

由图可知检验的P值=0＜0.1，零假设被拒绝，国元证券收盘价数据的一阶差分是平稳的。

④ 宏源证券收盘价的单位根检验： Ⅰ 对宏源证券收盘价数据本身进行检验：

Ⅱ 对宏源证券收盘价数据本身检验的检验结果：

由图可知检验的P值=0.5636＞0.1，零假设不被拒绝，宏源证券收盘价数据本身是不平稳的，则需进行一阶差分的检验。Ⅲ 对宏源证券收盘价数据一阶差分的检验：

Ⅳ 对宏源证券收盘价数据一阶差分检验的检验结果：

由图可知检验的P值=0＜0.1，零假设被拒绝，宏源证券收盘价数据的一阶差分是平稳的。⑶平稳数据的建立：

Ⅰ 长江证券收盘价平稳数据——一阶差分数据的建立：

Ⅱ 东北证券收盘价平稳数据——一阶差分数据的建立：

Ⅲ 国元证券收盘价平稳数据——一阶差分数据的建立：

Ⅳ 宏源证券收盘价平稳数据——一阶差分数据的建立：

Ⅴ 数据重建结果：

⑷ VAR模型的建立： ① 滞后一阶的模型建立： Ⅰ 建立过程：

Ⅱ 建立滞后一阶模型的信息准则结果：

② 滞后二阶的模型建立： Ⅰ 建立过程：

Ⅱ 建立滞后二阶模型的信息准则结果：

③ 滞后三阶的模型建立： Ⅰ 建立过程：

Ⅱ 建立滞后三阶模型的信息准则结果：

④ 滞后四阶的模型建立： Ⅰ 建立过程：

Ⅱ 建立滞后四阶模型的信息准则结果：

由以上四次滞后检验可知，信息准则的两个数值均随着滞后阶数的增加而增加，则该VAR模型的结果应取滞后一阶时的结果：

由上图结果可知：其VAR回归方程为：

DCJ＝－0.060759*DCJ(－1)－0.059153*DDB(－1)＋0.504499*DGY(－1)＋ 0.151961*DHY(－1)-0.004695＋ut

DDB＝－0.144156*DCJ(－1)－0.085759*DDB(－1)＋0.836497*DGY(－1)＋ 0.333424*DHY(－1)－0.016681＋ut

DGY＝ 0.018825*DCJ(－1)－0.047188*DDB(－1)－0.201097*DGY(－1)＋0.083691*DHY(-1)－0.008710＋ut

DHY＝－0.186001*DCJ(－1)＋0.053495*DDB(－1)－0.115158*DGY(－1)＋0.038849*DHY(－1)－0.012089＋ut

因为dgy（国元证券）对dcj（长江证券）、ddb（东北证券）的影响数值均比dhy（宏源证券）对这两个变量的影响数值要大，则dgy（国元证券）为主要核心市场，dhy（宏源证券）为次要核心市场，而dgy（国元证券）与dhy（宏源证券）之间的相互影响并不大。其中dgy（国元证券）对ddb（东北证券）的影响数值高达0.836497，影响力非常之大；而对dcj（长江证券）的影响力较之较小，但是影响数值也很高，为0.504499；dhy对dcj（长江证券）和ddb（东北证券）的影响数值也超过了0.1。而其余市场收盘价的增长之间的相互影响力都较小了。⑸ Granger因果检验：

①

输入需要检验的变量：

② 由于是周（工作日）数据，则选择滞后5阶：

③ Granger因果检验的结果：

由上表也可知道接近于VAR模型得出结果的结论，依次为（其中零假设均为前面的变量对后一个变量无影响）：

ⅠP值1为0.43429＞0.1，零假设不被拒绝，ddb（东北证券）对dcj（长江证券）无影响；P值2为0.44195＞0.1，零假设不被拒绝，dcj（长江证券）对ddb（东北证券）无影响。则ddb（东北证券）与dcj（长江证券）不存在Granger因果关系。

ⅡP值1为1.5E-27＜0.1，零假设被拒绝，且1.5E-27远远小于0.1，dgy（国元证券）对dcj（长江证券）有很大影响；P值2为0.68860＞0.1，零假设不被拒绝，dcj（长江证券）对dgy（国元证券）无影响。则dgy（国元证券）对dcj（长江证券）存在Granger因果关系。

ⅢP值1为5.1E-23＜0.1，零假设被拒绝，且5.1E-23远远小于0.1，dhy（宏源证券）对dcj（长江证券）有很大影响；P值2为0.31185＞0.1，零假设不被拒绝，dcj（长江证券）对dhy（宏源证券）无影响。则dhy（宏源证券）对dcj（长江证券）存在Granger因果关系。

ⅣP值1为2.2E-26＜0.1，零假设被拒绝，且2.2E-26远远小于0.1，dgy（国元证券）对ddb（东北证券）有很大影响；P值2为0.77719＞0.1，零假设不被拒绝，ddb（东北证券）对dgy（国元证券）无影响。则dgy（国元证券）对ddb（东北证券）存在Granger因果关系。

ⅤP值1为1.9E-24＜0.1，零假设被拒绝，且1.9E-24远远小于0.1，dhy（宏源证券）对ddb（东北证券）有很大影响；P值2为0.98564＞0.1，零假设不被拒绝，ddb（东北证券）对dhy（宏源证券）无影响。则dhy（宏源证券）对ddb（东北证券）存在Granger因果关系。

ⅥP值1为0.41882＞0.1，零假设不被拒绝，dhy（宏源证券）对dgy（国元证券）无影响；P值2为0.92979＞0.1，零假设不被拒绝，dgy（国元证券）对dhy（宏源证券）无影响。则dhy（宏源证券）对dgy（国元证券）无影响不存在Granger因果关系。7.实验结果分析：

如上所述，国元证券市场为主要核心市场，宏源证券为次要核心市场，但这两个市场之间相互影响并不大。国元证券收盘价的增长对东北证券收盘价的增长的影响数值高达0.836497，影响力非常之大；而对长江证券收盘价的增长的影响力较之较小，但是影响数值也很高，为0.504499；长江证券收盘价的增长和东北证券收盘价的增长的影响数值也超过了0.1。而其余市场收盘价的增长之间的相互影响力都较小了。8.对我国证券市场的建议： ⑴提高上市公司质量：

①提高上市公司质量，推进资本市场主体发展证券市场主体质量的高低，对我国证

券市场能否健康发展起着至关重要的作用。

国家主管部门应该严格上市公司审批，提高上市标准，取消或减少行政干预，将证券市场的额度管理换之以核准制，使符合上市标准的企业都能通过竞争达到上市的目的。这样既增强了市场参与的公平性，又能提高上市公司质量，促使企业经营者把精力真正放在如何转换经营机制、提高企业效益上。

强化上市公司淘汰制度，提高上市公司质量。股份公司，特别是上市公司不但要转轨，更要转制。建议对于那些业绩长期不佳的上市公司，证券管理部门应给予警告、停牌直至摘牌，形成优胜劣汰的机制。只有上市公司质量提高了，我国证券市场的稳定和扩容才会有保障。②增加资本市场的交易品种

随着我国市场经济的发展，应根据居民、政府、金融机构、企业之间的不同投资与筹资需求，在考虑流动性、安全性、盈利性不同组合的基础上，发展并完善门类齐全的资本市场交易工具。特别是可通过发行可转换债券增加证券品种，拓宽融资渠道，完善资本市场结构。此外，还可考虑进一步发展期货、认股权证等其它金融衍生工具。因为，只有引入衍生金融工具才可达到转移风险、重新配的目的，进而满足市场需要。衍生金融工具还能促进相关基础市场的流动性，形成均衡价格，合理安排资源配置。在发展金融衍生工具时应立足国情，着重发展以规避风险和保值为主的衍生金融工具，而且要做到立法与监管先行，对于投机性过强的诸如股票指数期货等可暂缓发展。

③大力发展以投资基金为代表的机构投资者

发展投资基金，增加机构投资者是改善当前投资主体结构失衡、提高市场活动水平、使资本市场逐步趋于规范的重要措施。这对于扩大证券市场规模、强化投资功能、减少投机性和盲目性，使我国股市长期稳定发展有着极其重要的意义。④扩大投资基金的发行数量。

增加投资基金的种类。在今后基金的发行中，可以开设多种不同投资方向、不同投资风险的基金品种。这样可以使广大投资者根据自身喜好，选择不同风险基金，从而大力推动投资基金的发展。

逐步发展其它机构投资者。目前可对保险公司开展证券投资进行试点。在总结经验，完善法规的基础上，进一步引导养老基金等进行证券投资，以起到基金保值增值的目的。

⑵逐步解决国有股上市流通问题。国有股上市流通是我国证券市场进一步规范发展的客观要求。当前国有股上市可以采取以下两种模式：

①国有股单独设市流通。这种方式可以满足国有企业实现战略性改组的需要，同时由于未与A股、个股并轨流通，也不会对A股、个股市场形成直接冲击。将国有股单独设市流通还可使国企间的收购、兼并等重组活动公开化、市场化，促进国企增

强危机感和紧迫感，以自觉努力增强竞争力，加快国企改革步伐。国有股与A股个股合并流通。

②可以根据上市公司每股净资产额来对国家股、法人股和内部职工股进行缩股，从而大大缩小上市公司中的国家股、法人股和内部职工股的规模，以便在缩股后分阶段上市，这样可以大大减小对个股的冲击，同时也不会对新股发行造成过大压力。⑶加快立法进度，规范证券市场

证券市场是高度信用化的市场，只有建立起严密的法律体系，各交易环节严格按法规操作，才能保证交易活动的安全和可靠，保护交易各方的合法权益，降低证券交易风险，使证券市场健康、有序地发展。因此，应尽快制定《证券法》及与其相配套的法规制度，使证券交易活动的各环节有法可依。同时在法规制定后，严格贯彻执行，加大监管力度，对在证券交易活动中的违法违规活动，一定要严肃查处，对那些置国家政策法规于不顾，从事严重证券交易违法活动的当事人要给予坚决打击，使我国证券市场尽快走向法制化和规范化的轨道。⑷加强对证券市场的监管力度

目前我国证券市场暴露的很多问题都是因为监管的不到位导致的，证券监管机构应明确自身的定位，摆脱地方政府或者企业对自身监管的影响，通过将监管与服务进行有机结合，来确保证券市场的有序运转。政府有关机构也要切实承担起自身的监管责任，尤其要对证券公司、法律事务所、会计事务所以及资产评估机构等与证券市场的运作密切相关的机构加强监管，防止相关中介机构为了自身利益制造、传播着各种虚假信息。

⑸A股市场的问题仍需要A股市场自身的整改来解决，通过加强法制建设、引入优先股制度、引入长期资金来重新营造市场环境，吸引资金重新审视资本市场的估值优势。

第二篇：计量经济学实验报告

目录

(一)研究背景.................................................................................................................2(二)理论来源.................................................................................................................2(三)模型设定.................................................................................................................2(四)数据处理.................................................................................................................2

1.数据来源.............................................................................................................2 2.解释变量的设置.................................................................................................3(五)先验预期.................................................................................................................3

1.经验预期.............................................................................................................3 2.散点图分析.........................................................................................................3(六)参数估计.................................................................................................................4(七)显著性检验.............................................................................................................5(八)正态性检验.............................................................................................................5(九)MWD检验..............................................................................................................5(十)相关系数.................................................................................................................7(十一)虚拟变量.............................................................................................................7(十二)异方差检验、修正.............................................................................................8

1.图形检验.............................................................................................................8 2.格莱泽检验.........................................................................................................9 3.帕克检验...........................................................................................................10 4.异方差的修正加权最小二乘法.......................................................................10 5.异方差修正后的检验.......................................................................................11(十三)自相关检验.......................................................................................................11 1.图形法...............................................................................................................11 2.德宾-沃森d检验.............................................................................................12(十四)最终结果...........................................................................................................12

(一)研究背景

中国是一个大国，幅员辽阔，历史上自然地形成了一个极端不平衡发展的格局。而1978年开始的改革，政府采取了由东向西梯度推进的非均衡发展战略，使已经存在的地区间的差距进一步扩大，不利于整个社会的稳定和发展。地区发展不平衡问题包括社会发展不平衡，尤其是教育发展的不平衡。因此关注中国教育发展的地区不平衡性非常迫切。不仅是因为教育的重要性，还因为当前我国需要进一步推进教育改革的进程，使其朝着更健康的方向发展。

(二)理论来源

刘红梅.中国各地区教育发展水平差异的实证分析[J]数理统计与管理.2013.7(三)模型设定

 Yi=B1+B2X2i+B3X3i+B4X4i+B5X2i+B6X4i+ui

Y——地区教育水平，用平均受教育年限表示，（年）X2——学生平均预算内教育经费，（万元/人）X3——人均GDP，（万元/人）X4——平均生师比

22   

(四)数据处理

1.数据来源：国家统计局官网，选取2014年的数据：

1)各省GDP 2)各地区总人口

3)各地区每十万人拥有的各种受教育程度人口比较数据 4)地区在校总学生数 5)各地区教育财政投入 6)地区每十万总专任教师数

2.解释变量的设置：

 X2=地区预算内教育经费/地区在校总学生数 =学生平均预算内教育经费（万元/人）X3=地区总GDP/地区总人口=人均GDP（万元/人）

X4=地区每十万人口各级学校平均在校生数的和/地区每十万人口总专任教师数

=平均生师比  

其中：

P为各地区每十万人拥有的各种受教育程度人口比较数 T为教育年限1，6，9,12,16(五)先验预期

1.经验预期：

平均受教育年限分别跟学生平均预算内教育经费、人均GDP呈正相关关系，跟平均生师比呈负相关关系。

2.散点图分析：

学生平均预算内教育经费和平均受教育水平成正比，人均GDP和受教育水平成正比，平均生师比和平均受教育水平成反比。(六)参数估计

设定经济计量模型：Yi=B1+B2X2i+B3X3i+B4X4i+B5X2i+B6X4i+ui 参数估计：进行OLS回归

图6-1

图5-1 根据参考文献，广东和西藏是强影响点，所以我们把两地的数据去除，剩下29个地区的数据。于是，我们对剩下的29个数据进行了回归，得出这个回归结果：

图6-2 回归结果：

22Yi=23.2406-24.6626X2i+0.2296X3i-1.6477X4i+59.1341X2i2+0.0516X4i2(七)显著性检验

H0：B2=B3=B4=B5=B6=0 H1：B2,B3,B4 ,B5, B6不全为0 P=0.000000<0.01 故拒绝原假设，即认为学生平均教育经费、人均GDP、平均生师比对平均受教育年限有显著影响。

(八)正态性检验

图8-1 根据JB检验，得到其值为0.431311，接近于零，残差接近正态分布。

(九)MWD检验

对数-线性模型：Yi=B1+B2X2i+B3X3i+B4X4i+B5X2i+B6X4i 线性模型：LnYi=B1+B2X2i+B3X3i+B4X4i+B5X2i+B6X4i H0：线性模型：Y是X的线性函数 H1：对数-线性模型：lnY是X的线性函数

2图9-1

图9-2 由图9-2可得，Z1的系数是统计不显著的，则不拒绝H0, 则说明线性模型是可行的。

图9-3 由图9-3可得，Z2的系数也是统计不显著的，则不拒绝H1, 则说明对数线性模型也是可行的。

MWD检验的结论是：最后的结果是两个模型都是合理的。

(十)相关系数

图10-1 由图10-1可得，X2和X3，X4的相关程度低。另外X22 ,X42分别是X2、X4的非线性函数,所以将它们同时包含在一个模型中没有违反经典线性模型中“解释变量之间不能存在精确的线性关系”的假定。由此可得，多重共线性的程度较低

（其中X22用X5来表示，,X42用X6来表示。）

(十一)虚拟变量

设立含虚拟变量的模型：

Yi=B1+B2X2i+B3X3i+B4X4i+B5X2i2 +B6X4i2+B7D1+B8D2+ui

其中 D1：（1-中部，0-其他）D2：（1-西部，0-其他）

图11-1 回归结果表明：虚拟变量D1、D2回归系数统计不显著，即中国东、中、西部的平均受教育年限没有显著不同，可能因为中国教育机制日趋完善，教育资源趋于均衡，所以地区差异缩小

(十二)异方差检验、修正

1.图形检验：

图12-1残差平方对教育经费

图12-2残差平方对人均GDP

图12-3残差平方对平均生师比

由图形检验结果可知：数据存在相当大的变异性，表明回归模型和可能存在异方差。

2.格莱泽检验：

类型1：H0：B2=0｜ei｜=B1+B2X2+vi

图12-4 回归结果表明：X2的系数是统计显著的，所以拒绝原假设，回归模型中部存在异方差

类型2：H0：B3=0｜ei｜=B1+B3X3+vi

图12-5 回归结果表明：X3的系数是统计显著的，所以拒绝原假设，回归模型中部存在异方差。综上所述,回归模型中存在异方差。

3.帕克检验：

图12-6 由于Y的估计值的系数是统计显著的，因此帕克检验表明，回归模型存在异方差。

通过以上三种异方差的检验，我们得出该回归模型存在异方差的理论。

4.异方差的修正：加权最小二乘法

图12-7 经过多次的试验，我们最终选择1/X23作为权重，其能有效地消除异方差。

5.异方差修正后的检验

图12-8 由图12-8可知，帕克检验中，得出Y的系数是统计不显著的，因此，回归方程不存在异方差。

(十三)自相关检验

1.图形法

图13-1 由图13-1可知，对et及et-1作回归，残差的递差之间没有关系。2.德宾-沃森d检验

图13-2 由图13-2可知，d=2.206761，根据D-W表，对于n=29，k=6，在5%的显著水平下，dL=1.050，dU=1.841，由于d位于2.159和2.95之间，所以，我们无法判断是否存在自相关。

综合以上两种自相关的检验，我们得出该模型不存在自相关的结论。

(十四)最终结果

Yi/X2i3=67.3323+2.4598/X2i2+0.3444X3i/X2i3-7.9644X4i/X2i3-3.239358X22i/X2i3+0.25936X4i2/X2i3

对回归得结果解释如下：B2= 2.4598表明，如果学生平均预算内教育经费提高1个单位，则实际的地区平均受教育年限平均提高2.4598年，但其不是特别显著。B3= 0.3444表明，如果人均提高1个单位，则实际的地区平均受教育年限平均提高0.3444年，其效果小于教育经费的提高带来的影响。B4=-7.9644表明，如果平均生师比提高1个单位，则实际的地区平均受教育年限平均下降7.9644年。

R2约为0.8739，表明这几个解释变量解释了地区平均受教育年限87.39%的变异，R2值相当高。

这个模型的现实意义就是，要想提高地区的教育水平，加大对教育的投入是关键。同时，也应该提高对教师资源的重视程度，合理分配地区的教师，减低生师比，让教育资源得到最有效地配置。

第三篇：计量经济学实验报告

计量经济学综合实验报告一、一元线性回归检验

一个国家的货物周转量与货运量是密不可分的，为了考察货物周转量与货运量之间的关系，利用计量经济学的方法，进行回归分析。中国1990—2009年货运量与货运周转量的数据如表1.1所示。

表1.1 中国的货运量与货运周转量 年份 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009

货运量X货物周转量Y（万吨）（亿吨公里）970602 985793 1045899 1115902 1180396 1234938 1298421 1278218 1267427 1293008 1358682 1401786 1483447 1564492 1706412 1862066 2037060 2275822 2585937 2825222

26208 27987 29218 30647 33435 35909 36590 38385 38089 40568 44321 47710 50686 53859 69445 80258 88840 101419 110300 122133.3数据来源：《中国交通年鉴》（2009）整理

1、建立模型

Y=X

根据表一数据，为对其进行线性回归分析，建立如下一元回归模型：

表1.2给出了采用Eviews软件对表1.1数据进行最小二乘线性回归分

析的结果。

表1.2中国货运周转量对货运量的回归分析（1990--2009）

Dependent Variable: Y Method: Least Squares Sample: 19902009 C R-squared

Adjusted R-squared S.E.of regression Sum squared resid Log likelihood-30611.52 2621.031-11.679190.0000 29604.40 19.36846 19.46803 1193.787 0.985146Mean dependent var 55300.37 0.984321S.D.dependent var 3706.977Akaike info criterion 2.47E+08Schwarz criterion-191.6846F-statistic

根据表1.2写出如下回归分析结果：

Y=-30611.520.0558X

（-11.68）（34.55）

31F1193.787，D.W.0.705R20.985，其中括号内的数为相应参数的t检验值，R2为可决系数，F为方程整体线性显著性检验值，D.W.为模型序列相关性检验值

二、模型检验

（1）从回归估计的结果看，模型拟合较好。可决系数R20.9851，表

明模型在整体上拟合的非常好。

（2）而且从常数项和解释变量系数的t检验值看，比给定5%显著性水

平下自由度为n-2=19的临界值2.093都大的多，说明参数值是比较显著的。

（3）而从F1193.787可以看出，远远大于模型的整体的线性关系也

是非常显著的。

D.W.0.7053，在(0,dl=1.2)之间，则应该存在一阶相关关系，利（4）

用拉格朗日乘数法进行二阶相关关系检验得表2.1如下：

表2.1

F-statistic 7.558370Probability 0.004887 Dependent Variable: RESID

C X RESID(-1)R-squared

Adjusted R-squared S.E.of regression Sum squared resid Log likelihood 171.9513-0.000141 0.897166 2366.190 0.001521 0.234126 0.072670-0.092732 3.8319750.9430 0.9273 0.0015 0.485807Mean dependent var-9.19E-12 0.389396S.D.dependent var 2819.415Akaike info criterion 1.27E+08Schwarz criterion-185.0330F-statistic 3608.106 18.90330 19.10245 5.038913

由表2.1可知，nR29.716，该值大于显著性水平为5%，自由度为2的2分布的临界值20.05（2）=5.991，由此判断存在二阶序列相关性。再利用拉格朗日乘数法进行三阶相关关系检验，得表2.2：表2.2

Breusch-Godfrey Serial Correlation LM Test: F-statistic C X RESID(-1)RESID(-2)RESID(-3)R-squared

Adjusted R-squared S.E.of regression Sum squared resid Log likelihood Durbin-Watson stat

5.163250Probability-219.0110 9.83E-05 0.823992-0.212209-0.274529

2437.122 0.001563 0.252675 0.386183 0.333503

-0.089865 0.062901 3.261077-0.549503-0.823168

0.0119200.9296 0.9507 0.0053 0.5907 0.4233 3608.106 18.95912 19.20805 3.872437 0.023534

Dependent Variable: RESID

0.508031Mean dependent var-9.19E-12 0.376840S.D.dependent var 2848.257Akaike info criterion 1.22E+08Schwarz criterion-184.5912F-statistic 2.051318Prob(F-statistic)

由表2.2可知，虽然nR210.161，仍然比显著性水平为5%，自由度

~的参数不显著，且为3的2分布的临界值20.05（3）=7.815要大，但由于et3

D.W.2.05说明不存在三阶序列相关。

用科克伦—奥科特迭代法对原模型进行修正，并用拉格朗日乘数法进行检验，得表2.3如下：

表2.3

F-statistic 0.981613Probability 0.415681 Dependent Variable: RESID Method: Least Squares

Variable C X X(-1)X(-2)AR(1)AR(2)RESID(-1)R-squared

Adjusted R-squared S.E.of regression Sum squared resid Log likelihood Coefficient-418.6797 0.003815 0.011768-0.016302 1.727024-0.695450-1.957545 Std.Error 11658.54 0.033267 0.036623 0.039801 1.297073 0.687141 1.397689 t-Statistic-0.035912 0.114677 0.321315-0.409598 1.331477-1.012091-1.400558 Prob.0.9722 0.9115 0.7562 0.6928 0.2197 0.3411 0.1989 0.197047Mean dependent var-3.90E-07-0.505537S.D.dependent var 3382.804Akaike info criterion 91546893Schwarz criterion-147.1812F-statistic 2756.964 19.39765 19.78394 0.280461 由表2.3可看出，修正后的nR23.153，该值小于显著性水平为5%，自由度为2的2分布的临界值20.05（2）=5.991，由此可以判断模型不再存在相关关系。

（5）检验模型是否存在异方差

在表1.2的基础上，利用white检验对模型是否存在异方差进行检

验，得表2.4如下：

表2.4

F-statistic 4.972142Probability 0.019946 Dependent Variable: RESID^2 Method: Least Squares Sample: 1990 2009 Included observations: 20

C X R-squared

Adjusted R-squared S.E.of regression Sum squared resid Log likelihood Durbin-Watson stat

-46078062 58.89039 29706420 35.14864-1.551115 1.6754670.1393 0.1121 13246720 35.42455 35.57391 4.972142 0.019946

0.369068Mean dependent var 12367509 0.294841S.D.dependent var 11123765Akaike info criterion 2.10E+15Schwarz criterion-351.2455F-statistic 1.196673Prob(F-statistic)

由表2.4可知，nR27.381，该值大于显著性水平为5%，自由度为

2的分布的临界值

20.05

（2）=5.991，因此拒绝同方差的原假设。

下面采用加权最小对原模型进行回归，即采用为权重进行加权

ei

最小二乘估计，得表2.5（未加权项略）如下：

表2.5

Dependent Variable: Y Sample: 1990 2009 Included observations: 20 Variable C R-squared

Adjusted R-squared S.E.of regression Sum squared resid Log likelihood Durbin-Watson stat

Coefficient-30343.75 Std.Error 2120.160 t-Statistic-14.31201 Prob.0.0000 148089.5 16.04216 16.14173 1353.326 0.000000

0.999979Mean dependent var 47286.79 0.999977S.D.dependent var 702.6228Akaike info criterion 8886217.Schwarz criterion-158.4216F-statistic 0.781900Prob(F-statistic)

由表2.5与表1.2对照可清楚的看到，无论是拟合优度，还是参数的显著性，加权后最小二乘估计比加权前都有了改进，并且对加权后的回归模型进行检验，也可验证，模型不再存在异方差（如表2.6所示）。

表2.6

F-statistic

Test Equation:

Dependent Variable: STD_RESID^2 Method: Least Squares Date: 01/02/11Time: 02:48 Sample: 1990 2009 Included observations: 20

C X R-squared

Adjusted R-squared S.E.of regression Sum squared resid Log likelihood Durbin-Watson stat

434208.5 0.017321 295422.9 0.349544 1.469786 0.0495530.1599 0.9611 104697.1 26.20313 26.35249 0.009460 0.990590

0.009460Probability

0.990590

0.001112Mean dependent var 444310.9-0.116405S.D.dependent var 110623.1Akaike info criterion 2.08E+11Schwarz criterion-259.0313F-statistic 2.201735Prob(F-statistic)

第四篇：计量经济学实验报告

固定资产投资的计量经济学模型

一.解释模型

固定资产对一个企业来说是其主要的劳动手段,它的价值是逐渐地转移到所生产的产品上去.企业同时又是重要的市场主体,因此对固定资产的投资间接得影响到了一个经济体的产出.这里主要对GDP及国有经济固定资产投资额(X1),集体经济固定资产投资额(X2),个体经济固定资产投资额(X3),进行计量经济学多元线性回归模型分析.原始数据如下:单位(亿元)

obs GDP X1 X2

1980 4517.8 745.9 46

1981 4860.3 667.5 115.2

1982 5301.8 845.3 174.3

1983 5957.4 952 156.3

1984 7206.7 1185.2 238.7

1985 8989.1 1680.5 327.5

1986 10201.4 2079.4 391.8

1987 11954.4 2448.8 547

1988 14922.3 3020 711.7

1989 16917.8 2808.2 570

1990 18598.4 2986.3 529.5

1991 21662.5 3713.8 697.8

1992 26651.9 5498.7 1359.4

1993 34560.5 7925.9 2317.3

1994 46670 9615 2758.9

1995 57494.9 10898.2 3289.4

1996 66850.5 12006.2 3651.5

1997 73142.7 13091.7 3850.9

1998 76967.2 15369.3 4192.2由以上数据得到如下LS估计结果，Dependent Variable: GDP

Method: Least Squares

Date: 12/30/07Time: 10:52

Sample: 1980 1998

Included observations: 19VariableCoefficientStd.Errort-StatisticProb.C632.0385787.85220.8022300.4349

X1 0.408446 1.098352 0.371872 0.7152

X2 6.993512 2.983420 2.344126 0.0333

X3 11.19478 1.831386 6.112736 0.0000 R-squared0.996478Mean dependent var27022.51X3 119 178.3 210.8 321.8 409 535.2 649.4 759.9 1022.1 1032.2 1001.2 1182.9 1222 1476.2 1970.6 2560.2 3211.2 3429.4 3744.4

Adjusted R-squared S.E.of regression Sum squared resid Log likelihood Durbin-Watson stat

0.995774S.D.dependent var 1612.032Akaike info criterion 38979701Schwarz criterion-165.0339F-statistic 1.219467Prob(F-statistic)

24797.62 17.79304 17.99187 1414.790 0.000000

显然X1的T检验为非显著性检验，故将X1与X2合并为一个解释变量。也就是将国有经济与集体经济固定资产投资额的和看作为公有经济固定资产投资额(X1+X2).令X1+X2=X1' 得到如下检验结果：

Dependent Variable: GDP Method: Least Squares Date: 12/30/07Time: 10:53 Sample: 1980 1998 Included observations: 19

VariableC X1+X2 X3

R-squaredAdjusted R-squared S.E.of regression Sum squared resid Log likelihood Durbin-Watson stat

Coefficient-200.0793 2.133089 10.14031

Std.Error633.1399 0.329190 1.802497

t-Statistic-0.316011 6.479808 5.625704

Prob.0.7561 0.0000 0.000027022.51 24797.62 17.85237 18.00149 1918.916 0.000000

0.995848Mean dependent var 0.995329S.D.dependent var 1694.728Akaike info criterion 45953627Schwarz criterion-166.5975F-statistic 1.138010Prob(F-statistic),从而得到多元线性回归方程:GDP=-200.0793+2.133089﹡X1'+10.14031﹡X3

二.模型检验1.统计学检验

T－Statistic检验,显著水平0.05,其临界值为Tα/2=2.11,显然6.472744及5.625704远远大于它,其解释变量的Prob均为0.0000,即从统计学检验的角度上讲解释变量的选取是有意义的.F－Statistic检验及拟合优度R-squared检验, R-squared值越接近于1,则F值越大,这里的R-squared值为0.995329,大于0.9拟合优度比较高,因此F—Statistic检验亦通过.2.计量经济学检验

a.异方差性检验：

White Heteroskedasticity Test: F-statisticObs*R-squared

Test Equation:

Dependent Variable: RESID^2 Method: Least Squares Date: 12/30/07Time: 10:55 Sample: 1980 1998 Included observations: 19

VariableC X1+X2(X1+X2)^2(X1+X2)*X3

X3 X3^2

R-squaredAdjusted R-squared S.E.of regression Sum squared resid Log likelihood Durbin-Watson stat

Coefficient2475097.-505.6391 0.444067-4.429261-289.8244 12.02527

Std.Error1758485.1727.661 0.556910 5.849490 8934.686 16.41130

0.553341Probability 3.334076Probability

t-Statistic1.407517-0.292673 0.797376-0.757205-0.032438 0.732744

0.733634 0.648629

Prob.0.1827 0.7744 0.4396 0.4624 0.9746 0.47672418612.2725196.32.85854 33.15678 0.553341 0.73363

40.175478Mean dependent var-0.141646S.D.dependent var 2911813.Akaike info criterion 1.10E+14Schwarz criterion-306.1561F-statistic 1.938280Prob(F-statistic)

由表中数据可知没有哪个参数的T检验是显著的，且可决系数的值也比较小。NR²=3.334607 < X²(5)=11.07故接受原假设，则模型无异方差。

b。序列相关性检验：

由OLS检验中的 DW=1.138 而在5%的显著水平，样本容量为19的DW分布的 DL=1.18 DU=1.40则不能确定是否存在一阶自相关。

用LM检验有如下结果：

Breusch-Godfrey Serial Correlation LM Test: F-statistic

2.277863Probability

0.152007

Obs*R-squared

Test Equation:

2.504905Probability

Std.Error612.3999 0.317361 1.734680 0.268519

t-Statistic0.152230-0.091015 0.017734 1.509259

0.113492

Prob.0.8810 0.9287 0.9861 0.1520-1.72E-12 1597.805 17.81626 18.01509 0.759288 0.534198

Dependent Variable: RESID Method: Least Squares Date: 12/30/07Time: 10:56

Presample missing value lagged residuals set to zero.VariableC X1+X2 X3 RESID(-1)R-squaredAdjusted R-squared S.E.of regression Sum squared resid Log likelihood Durbin-Watson stat

Coefficient93.22553-0.028884 0.030762 0.405265

0.131837Mean dependent var-0.041795S.D.dependent var 1630.853Akaike info criterion 39895234Schwarz criterion-165.2545F-statistic 1.541603Prob(F-statistic)

由于DW=1.5416 < x²(1)=3.84.则不存在一阶自相关。C.多重共线性的检验：

因为在OLS下，模型的R²与F值较大，但各参数估计值的T检验值较小，说明各解释

变量对Y的联合线性作用显著，但各解释变量间存在共线性而使他们对Y的独立作用不能分辨，故T检验不显著。所以解释变量间存在共线性。

X3 X1 X2

找出简单的回归形式：分别做GDP与X1,X2,X3间的回归：（1）

Dependent Variable: GDP Method: Least Squares Date: 12/30/07Time: 11:02

X3 1 0.9821309304

05242 4072468974

0.97382315400.9959190166

X1 05242

X2 40724 0.9959190166

68974

0.98213093040.9738231540

Sample: 1980 1998 Included observations: 19

VariableC X1

R-squaredAdjusted R-squared S.E.of regression Sum squared resid Log likelihood Durbin-Watson stat（2）

Dependent Variable: GDP Method: Least Squares Date: 12/30/07Time: 11:03 Sample: 1980 1998 Included observations: 19

VariableC X2

R-squaredAdjusted R-squared S.E.of regression Sum squared resid Log likelihood Durbin-Watson stat（3）

Dependent Variable: GDP Method: Least Squares Date: 12/30/07Time: 11:04 Sample: 1980 1998 Included observations: 19

Variable

Coefficient

Std.Error

Coefficient4038.067 16.84465

Std.Error1096.593 0.556889

Coefficient586.8680 5.149558

Std.Error972.1893 0.140253

t-Statistic0.603656 36.71629

Prob.0.5540 0.000027022.51 24797.62 18.84558 18.94500 1348.086 0.000000

0.987547Mean dependent var 0.986814S.D.dependent var 2847.517Akaike info criterion 1.38E+08Schwarz criterion-177.0330F-statistic 1.139926Prob(F-statistic)

t-Statistic3.682375 30.24777

Prob.0.0018 0.000027022.51 24797.62 19.22730 19.32672 914.9273 0.000000

0.981758Mean dependent var 0.980685S.D.dependent var 3446.318Akaike info criterion 2.02E+08Schwarz criterion-180.6594F-statistic 0.898932Prob(F-statistic)

t-Statistic

Prob.C X3

R-squaredAdjusted R-squared S.E.of regression Sum squared resid Log likelihood Durbin-Watson stat

-1435.486 21.59715

1115.072 0.647420

-1.287348 33.35876

0.2152 0.000027022.51 24797.62 19.03475 19.13417 1112.807 0.000000

0.984953Mean dependent var 0.984068S.D.dependent var 3129.999Akaike info criterion 1.67E+08Schwarz criterion-178.8302F-statistic 0.517281Prob(F-statistic)

由以上表格中的数据可知：X2与X1高度相关且对GDP影响很低，故可以排除或者像开始OLS估计那样把与X1相加合并成一个变量。

三.模型评价与经济分析

该模型并没有直接地从投资、消费、出口的角度去考察解释变量对GDP的影响,而是以间接的方法从固定资产投资的角度研究了其对GDP的影响.从计量经济学的检验结果看无论是公有经济还是个体经济对GDP都存在线性的影响,而且相关系数都接近于1, 进一步证明了固定资产投资对一国社会总产出的影响.其中公有经济与GDP的相关系数要大于个体经济与GDP的相关系数, 从一个侧面显示出近年来国有经济布局调整和国有企业战略性改组的成效。

1978年以来的二十多年中，伴随着国有经济比重的不断下降，国有经济的地位与作用问题长期以来一直倍受关注，从“主体”到“发挥主导作用”、“保持控制力”，贯穿其中的红线即是我们思想上的逐步解放。在传统计划经济体制下，国有经济控制力往往停留在国有资产的物质形态层面上，而随着我国改革开放的推进以及市场经济体制的逐步完善，以国有资产的行政计划分配为主要特征的“静态控制”体系显然已不再适合社会主义市场经济体制的要求, 因此有学者提出将国有经济“控制力”重新界定于“国有资本的调控力”上面.固定资产投资的增长,必然会带来房地产投资的高速增长,因此,房地产业将成为未来几年中拉动我国内需增长的一驾重要的“马车”.？？？？

童林05170130

第五篇：计量经济学实验报告(二)

2015－2016第1学期

计量经济学实验报告

实验

（二）：多元回归模型实验

学号：0122432 姓名：李旻专业：会计（ACCA）选课班级：A06实验日期：11/09实验地点：0505

实验名称：多元回归模型实验

【实验目标、要求】 使学生掌握用Eviews做

1.多元线性回归模型参数的OLS估计、统计检验、点预测和区间预测； 2.非线性回归模型参数估计； 3.受约束回归检验。【实验内容】 用Eviews完成：

1.多元线性回归模型参数的OLS估计、统计检验、点预测和区间预测；(以第8题的数据为例)2.非线性回归模型的估计，并给出相应的结果；(以第8题的数据为例)3.受约束回归检验。(以第7题的数据为例)实验内容以课后练习：以第三章复习思考题第7题、第8题的数据为例进行操作。【实验步骤】

一）根据中国某年按行业分的全部制造业国有企业及规模以上制造业非国有企业的工业总产值Y，资产合计K及职工人数L进行回归分析。

（二）掌握可化为线性多元非线性回归模型的估计和多元线性回归模型的线性约束条件的检验方法

（三）根据实验结果判断中国该年制造业总体的规模报酬状态如何？

三、实验步骤

（一）收集数据

下表列示出来中国某年按行业分的全部制造业国有企业及规模以上制造业非国有企业的工业总产值Y，资产合计K及职工人数L。

工业总产值Y序号 1 2 3 4（亿元）3722.7 1442.52 1752.37 1451.29 资产合计K（亿元）3078.22 1684.43 2742.77 1973.82

职工人数L（万人）113 67 84 27

序号 17 18 19 20

工业总产值Y（亿元）812.7 1899.7 3692.85 4732.9

资产合计K（亿元）1118.81 2052.16 6113.11 9228.25

职工人数L（万人）43 61 240 222 6 7 8 9 10 11 12 13 14 15 16 5149.3 2291.16 1345.17 656.77 370.18 1590.36 616.71 617.94 4429.19 5749.02 1781.37 1243.07

5917.01 1758.77 939.1 694.94 363.48 2511.99 973.73 516.01 3785.91 8688.03 2798.9 1808.44

327 120 58 31 16 66 58 28 61 254 83 33 22 23 24 25 26 27 28 29 30 31

2180.23 2539.76 3046.95 2192.63 5364.83 4834.68 7549.58 867.91 4611.39 170.3 325.53

2866.65 2545.63 4787.9 3255.29 8129.68 5260.2 7518.79 984.52 18626.94 610.91 1523.19

222 163 244 145 138 46 218 19 45 表1

（二）创建工作文件（Workfile）。

1、启动Eviews5，在主菜单上依次点击FileNewWorkfile（如图），按确定。

2、在弹出的对话框中选择数据的时间频率（本实验为序列数据），输入数据数为31（如图1），然后点击OK（如图2）。

（图1）（图2）、（三）输入数据

1、在Eviews软件的命令窗口中键入数据输入/编辑命令：DATA Y K L，按Enter，则显示一个数组窗口（如图）。

2、分别在Y、K、L列输入相应的数据并以group01命名保存（如图）：

（四）、回归分析

1、在经济理论指导下，设定如下的理论模型：

YAKLe

2、运用OLS估计模型

YAKLe可变换对数形式如下： 经对数转换，式lnY01lnK2lnL

3、对表1的Y、K、L的数据进行对数转换，得新的数据如表2所示：

序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 lnY lnK lnL

序号 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31

lnY

8.222204 7.274147 7.468724 7.280208 8.546616 7.736814 7.204276 6.487334 5.913989 7.371716 6.424399 6.426391 8.395972 8.656785 7.485138

lnK lnL

8.22220449 8.032106787 4.727387819 7.274146863 7.429182507 4.204692619 7.468724436 7.916723638 4.430816799 7.280208095 7.736813519 7.204275678

7.58772603 3.295836866 7.47236998 4.787491743 6.84492197 4.060443011 8.546616062 8.685586533 5.789960171

8.032107 4.727388 7.429183 4.204693 7.916724 4.430817 7.587726 3.295837 8.685587

5.78996

7.47237 4.787492 6.844922 4.060443 6.543826 3.433987 5.895724 2.772589 7.828831 4.189655 6.881134 4.060443 6.246126 3.332205 8.239042 4.110874 9.069701 5.537334 7.936982 4.418841

6.487333881 6.543825511 3.433987204 5.913989374 5.895724275 2.772588722 7.371715685 7.828830547 4.189654742 6.424398897 6.881134058 4.060443011 6.426391365 6.246126145 8.395972002

3.33220451

8.23904156 4.110873864 8.656784684 9.069701495 5.537334267 7.48513801 7.936981762 4.418840608 7.125339405 7.500219874 3.496507561 表2

4、对表2经对数转化后的数据进行相关性分析 ①重复数据输入步骤，输入取对数后的数据如图：

②在弹出的窗口中选择ViewGraphScatterSimple Scatter按

确定，得取对数后的Y、K、L三者之间关系的散点图，结果如下：

③通过对以上散点图的观察可以看出，取对数后的K、L的联合值对取对数后的Y的值有着显著的线性影响。

5、在Eviews主窗口中点击QuickEstimate Equation，在弹出的方程设定框内输入模型：log（y）c log(k)log(l)（如图）：

再点击确定，系统将弹出一个窗口来显示有关估计结果（如图）。

由图显示的结果可知，样本回归方程为：

lnY=1.154+0.609lnK +0.361lnL(1.59)(3.45)(1.75)其中R20.8099，R=0.7963，F=59.66

4、对以上实验结果做t检验分析：

给定显著性水平5%，自由度为（2，28）的F分布的临界值为F(2，28）3.34，因此总体上看，lnK,lnL联合起来对lnY有着显著的线性影响。在5%的显著性水平下，自由度为28的t分布的临界值为t0.05(28)2.048，lnK的参数通过了该显著性水平下的t检验，因此，但lnL未通过检验。如果设定显著性水平为10%，t分布的临界值为t0.05(28)1.701，这时lnL的参数通过了显著性水平的检验。

R=0.7963表明，工业总产值对数值的79.6%的变化可以由资产合计的对数与职工的对数的变化来解释，但仍有20.4%的变化是由其他因素的变化影响的。

（五）参数的约束检验

由以上的实验结果可以看出，0.971，即资产与劳动的产出弹性之和近似为1，表明中国制造业在2000年基本呈现规模报酬

1。不变的状态。因此，进行参数的约束检验时，提出零假设为H：

如果原假设为真，则可估计如下模型： 20.0520lnYKCln LL

1、在Equation窗口选择proc/Specify/Estimate在弹出的窗口中输入log(y/l)c log(k/l)如图所示： 按确定，所得结果如下：

容易看出，该估计方程通过了F检验与参数的t检验。

2、对规模报酬是否变化进行的分析

由上面两个实验可以得到RSSU5.0703，RSSR5.0886。在原假设为真的条件下有：

F(RSSRRSSU)15.08865.0703=0.1011 RSSU(3121)5.070328在5%的显著性水平下，自由度为（1,28）的F分布的临界值为4.20。因为0.1011<4.20,所以不拒绝原假设，表明2000年中国制造业呈现规模报酬不变的状态。

3、运用参数约束条件121对上面假设模型进行检验 打开eq01方程对象窗,点击ViewCoefficient TestsWaldCoefficient Restrictions…，在Wald tests窗口设定参数约束条件：c(2)+c(3)=1。再按OK,结果如下图：

由以上实验结果可知，我们仍然不拒绝原假设，原假设为真，即中国该年的制造业总体呈现规模报酬不变状态。

四、实验结论

通过上面实验可以看出，中国某年按行业分的全部制造业国有企业及规模以上制造业非国有企业的资产合计K和职工人数L的联合对数对工业总产值Y的对数有着显著地线性影响。但并非全是由K、L影响，还有20.4%的变化时由其他因素影响的。在规模报酬的分析中可以看出，国制造业在2000年基本呈现规模报酬不变的状态。