Question

求计量经济学多元非线性回归实验报告 急急急急急 注意是非线性回归

1. 找自己感兴趣的问题进行分析，数据来源必须可靠。附原始数据并注明出处。对所分析问题和数据作简要陈述或说明。2. 建立理论计量模型（至少两个解释变量，非线性模型），列出散点图。3. 参数估计，要求给出Eviews输出结果。并据此写出完整的样本回归模型（方程）4. 检验：经济检验，拟合优度（附上拟合图）检验，回归方程显著性检验，系数的显著性检验。说明检验结果的意义。5. 给出具体参数的经济含义，以及你所得到的结论。
有的发邮箱 1532432765@qq.com 很急啊

Answer 1

计量经济学实验报告参考格式：

一、指缓野介绍主题，提出感兴趣的主要问题

实验报告的前几段应该对主唯喊题进行有趣的描述。研究项目的介绍部分应该包括以下两个部分（按顺序排列）：

1、主题说明；

2、对方法的描述。 　　

二、回顾现有文献

其他研究人员可能已经研究了相关主题，所以报告的一个部分应该回顾关于这个主题的其他研究。

三、描述概念或理论框架

计量经济学的应用研究不同于统计分析，其特征之一是支持实证工作的理论结构。　　

四、解释计量经济学模型

开发了模型的理论结构之后，同学需要将其与经验、方法（也就是统计分析和观察方法）联系起来，这种方法在形式上被称为经济计量模型。

五、讨论估算方法　　

因为估计通常是假设某些统计条件成立，所以从计量经济学模型到估计可能并不完全简单。

六、详细描述数据

详细描述所使用的数据。要解决这些问题：

1、数据集是如何获得的及其来源;

2、数据的性质;

3、数据覆盖的时间范围;

4、数据收集的方式和频率;

5、观察到的结果;

6、计量经济学模型中使用的任何变量的汇总统计数据(平均值、标准差等)。哪迹

七、解释报告结果

读者可能不太了解计量经济学模型的规格、变量的规模以及其他相关信息，因此同学需要为读者提供相应的解释。

八、总结学到的东西

研究项目的结论应该综合结果，并解释其如何与报告的主要问题相关联。

Answer 2

应用计量经济学综合实验报告
一、观察序列特征
（一）变量的描述统计
变量的描述统计表

X
Y
Mean
24.19133
38.51823
Median
24.60819
35.06598
Maximum
31.51318
59.66837
Minimum
12.28087
24.88616
Std. Dev.
4.378617
9.715057
Skewness
-0.857323
0.890026
Kurtosis
3.169629
2.605577

Jarque-Bera
17.81273
19.94491
Probability
0.000136
0.000047

Sum
3483.552
5546.625
Sum Sq. Dev.
2741.637
13496.67

Observations
144
144

（二）变量的趋势分析
1、各变量的时间序列图

2、根据时序图大致判断变量的平稳性
答：不平稳
（三）双变量分析
1、画出XY散点磨伏图

2、计算变量X和Y间的相关系数

Dependent Variable: Y

Method: Least Squares

Date: 10/19/12 Time: 16:31

Sample (adjusted): 1 144

Included observations: 144 after adjustments

Variable
Coefficient
Std. Error
t-Statistic
Prob.

X
1.531880
0.042949
35.66763
0.0000

R-squared
-0.700579
Mean dependent var
38.51823
Adjusted R-squared
-0.700579
S.D. dependent var
9.715057
S.E. of regression
12.66904
Akaike info criterion
7.923120
Sum squared resid
22952.15
Schwarz criterion
7.943743
Log likelihood
-569.4646
Durbin-Watson stat
0.028629

二、计量经济学分析
（一）X和Y的单整阶数检验（选择适当的检验模型并说明理由，报告结瞎前携果及结论）
X的一阶单整检验：
Included observations: 196 after adjustments

Variable
Coefficient
Std. Error
t-Statistic
Prob.

D(X(-1))
-1.097771
0.071696
-15.31146
0.0000
C
0.161673
0.153431
1.053718
0.2933
@TREND(1)
-0.001153
0.001339
-0.861117
0.3902

趋势项不显著，改选模型二；
Included observations: 196 after adjustments

Variable
Coefficient
Std. Error
t-Statistic
Prob.

D(X(-1))
-1.094074
0.071520
-15.29752
0.0000
C
0.046755
0.075656
0.617991
0.5373

截距项不显著，改选模型一；

Lag Length: 0 (Automatic based on SIC, MAXLAG=14)

t-Statistic
Prob.*

Augmented Dickey-Fuller test statistic
-15.30936
0.0000
Test critical values:
1% level

-2.576814

5% level

-1.942456

10% level

-1.615622

根据ADF检验值可知，ADF值小于各个显著水平下的临界值，故应拒绝原假悔梁设，认为没有单位根，是平稳序列。故X是一阶单整序列；
Y的一阶单整检验：

Included observations: 196 after adjustments

Variable
Coefficient
Std. Error
t-Statistic
Prob.

D(Y(-1))
-0.934141
0.072131
-12.95060
0.0000
C
-0.055176
0.193160
-0.285650
0.7755
@TREND(1)
0.001979
0.001693
1.169003
0.2438

趋势项不显著，改选模型二；

Included observations: 196 after adjustments

Variable
Coefficient
Std. Error
t-Statistic
Prob.

D(Y(-1))
-0.927506
0.071975
-12.88644
0.0000
C
0.140769
0.096086
1.465030
0.1445

截距项不显著，改选模型一；

Lag Length: 0 (Automatic based on SIC, MAXLAG=14)

t-Statistic
Prob.*

Augmented Dickey-Fuller test statistic
-12.76596
0.0000
Test critical values:
1% level

-2.576814

5% level

-1.942456

10% level

-1.615622

根据ADF检验值可知，ADF值小于各个显著水平下的临界值，故应拒绝原假设，认为没有单位根，是平稳序列。故Y是一阶单整序列；

综上所述，X与Y都是一阶单整序列

（二）用Y,X,常数项，以及Y的滞后一期值建立二元回归模型

1、用OLS估计模型Y=b0+b1X+b2Y-1+m，回归结果如下：

Variable
Coefficient
Std. Error
t-Statistic
Prob.

X
0.013866
0.015102
0.918190
0.3597
C
-0.190932
0.521862
-0.365867
0.7149
Y(-1)
1.001264
0.011224
89.20662
0.0000

2、检验和改进
（1）统计检验和结论（t检验，F检验）
用t检验: P（x）>α，不显著
P（C）>α，不显著
PY(-1)> α，显著
用f检验：P（f）<α,显著

（2）计量经济学检验和结论（异方差检验，序列相关性检验）

F-statistic
0.689788
Probability
0.599846
Obs*R-squared
2.790897
Probability
0.593405

不显著，接受原假设，故无异方差性

Breusch-Godfrey Serial Correlation LM Test:

F-statistic
0.471125
Probability
0.625019
Obs*R-squared
0.962067
Probability
0.618144

不显著，接受原假设，故无序列相关性

（3）对模型估计方法的改进（若存在有异方差或序列相关性时，采用WLS或GLS估计的结果）

Variable
Coefficient
Std. Error
t-Statistic
Prob.

C
-0.196548
0.090185
-2.179381
0.0305
X
0.012001
0.002178
5.509368
0.0000
Y(-1)
1.002499
0.001697
590.6897
0.0000

Weighted Statistics

R-squared
0.999990
Mean dependent var
37.17069
Adjusted R-squared
0.999990
S.D. dependent var
96.28015
S.E. of regression
0.307135
Akaike info criterion
0.492055
Sum squared resid
18.30044
Schwarz criterion
0.542053
Log likelihood
-45.46742
F-statistic
179795.0
Durbin-Watson stat
2.017946
Prob(F-statistic)
0.000000

Unweighted Statistics

R-squared
0.976307
Mean dependent var
37.63027
Adjusted R-squared
0.976062
S.D. dependent var
8.651587
S.E. of regression
1.338552
Sum squared resid
347.5940
Durbin-Watson stat
1.858016

（4）最终的模型
1、Y=-0.196548+0.012001X+1.002499Y(-1)
2、R^2=0.999990
3、调整后的R=0.999990
4、D.W=1.858016