实验报告
实验1：单方程线性计量经济学模型的最小二乘估计和统计检验
1实验目的
掌握计量经济学专用软件（Eviews）使用方法，理解和正确解释输出结果。在学习计量经济学的基本理论和方法的基础上，掌握建立计量经济模型对实际经济问题进行实证分析的方法。运用Eviews软件完成对线形回归模型的最小二乘估计、统计检验、计量经济学检验以及进一步进行经济结构分析、经济预测和政策评价，培养发现问题、分析问题、解决问题的能力。
2实验软件
Eviews5.0
3实验数据
甲商品从1988—2009年的销售量Y/千个，价格X1 /（元/个），售后服务支出X2 /万元
年份 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005
Y 121 133 130 126 131 147 148 159 160 156 155 157 179 189 180 183 202 200 X1 1500 1490 1480 1470 1460 1450 1440 1430 1420 1410 1400 1390 1380 1370 1360 1350 1340 1330 X2 12 15 13 10 11 14 13 15 13 12 11 10 15 15 13 12 14 12 1
2006 2007 2008 2009
201 203 258 234 1320 1310 1300 1290 11 10 15 12 4实验内容及其步骤 实验内容：
研究甲商品1988—2009年价格和售后服务支出对销售量的影响。 其中，销售量Y、价格X1、售后服务支出X2的数据如上所示。 建立多元线性计量经济学回归模型为：
Yi = β0 + β1X1i + β2X2i + μi
实验步骤：
1、建立工作文件：双击Eviews，进入Eviews主界面在主菜单上依次点击 File → New → Workfile,出现Workfile对话框，在workfile frequency中选择Annual,在Start里输入起始日期1988，在End里输入结束日期2009。点击OK。 2、输入数据：在Eviews命令框中输入“data Y X1 X2”，按enter键，出现Group数据编辑窗口，在对应的“Y”、“X1”、“X2”下输入相应数据。
3、估计参数：在Eviews主窗口界面点击Quick菜单，点击“Estimate Equation”,弹出“Equation Specification”对话框，选择“LS-Least Squares”,输入“Y C X1 X2”，点击OK按钮，出现回归分析结果如下：
Dependent Variable: Y Method: Least Squares Date: 05/25/10 Time: 16:21 Sample: 1988 2009 Included observations: 22
Variable C X1 X2
R-squared Adjusted R-squared S.E. of regression
Std. Error 41.55143 0.028701 1.075251
t-Statistic 20.53784 -18.54467 4.390998
Coefficient 853.3767 -0.532253 4.721426
Prob. 0.0000 0.0000 0.0003 170.5455 35.96920 7.250172
2
0.949168 Mean dependent var 0.943818 S.D. dependent var 8.525703 Akaike info criterion
Sum squared resid Log likelihood Durbin-Watson stat
1381.065 Schwarz criterion -76.75189 F-statistic 0.881956 Prob(F-statistic)
7.398950 177.3919 0.000000
5实验结果分析
由上表回归分析结果，模型估计结果为：
Y i = 853.3767 － 0.532253X1i ＋ 4.721426X2i R2=0.943818 F=177.3919 df=19
1、经济意义检验
根据回归结果，参数β1的估计量为—0.532253，说明在其他变量不变的条件下，甲商品的价格每下降1元，就会使销售量增加0.532253千个，与理论模型中描述的价格与销售量之间存在负相关关系是一致的。参数β2的估计量为4.721426，说明在其他变量不变的条件下，对甲商品的售后服务支出每增加1万元，就会使销售量增加4.721426千个，与理论模型中描述的销售量与售后服务支出之间存在正相关关系是一致的。
2、统计推断检验 1） 拟合优度检验：
由表中数据可以看出，本例中的可决系数R2=0.949168，调整的可决系数
R2=0.943818，说明模型对样本的拟合优度很好，解释变量能对被解释变量94%的离差作出解释。
2） 方程显著性检验------F检验：
给定显著性水平α=0.05，针对原假设H0：β1=β2=0，备择假设H1：β1、β2不全为零，进行检验。由表知，F=177.3919，F分布表自由度分别为k=2，n-k-1=19，F0.05(2，19)=3.52，由于F>F0.05(2,19)，所以拒绝原假设H0，接受备择假设H1，在5%的显著水平下，Y对X1、X2有显著的线性关系，回归方程是显著的，即解释变量“价格”和“售后服务支出”联合起来对被解释变量 “销售量”有显著影响。 3） 变量显著性检验----t检验：
给定显著性水平α=0.05，分别针对假设H0：β1=0，H1：β1≠0和H0：β2=0，H1：β2≠0进行检验。由表可知，参数β1和β2估计量的t值分别为：
t(β1) = —18.54467 t(β2) = 4.390998 查t分布表得：
t0.025(19)=2.093 可见：
∣t(β1)∣> t0.025(19) ∣t(β2)∣> t0.025(19)
所以拒绝H0，接受H1。这表明解释变量“价格”和“售后服务支出”在95%的
3
置信水平下都对被解释变量 “销售量”有显著影响，都通过了显著性检验。
6心得体会
通过这次实验，我明白了eviews的使用方法，运用Eviews对数据进行分析，快速的建立回归模型，通过对实验结果的分析可清晰地了解各项统计检验结果。在这过程中，图形分析与各项指标相结合更清楚的了解数据的特性。比如散点图与可决系数相比较，可知道回归模型对数据的拟合程度。通过这次试验，我进一步了解了计量经济学线性回归模型的最小二乘估计，理论与实践结合，理解了各项统计检验指标的内涵。
-----朱莉莉 2008092121
通过此次实验，我学会了Eviews在单方程经济模型的一些应用。了解到了利用Eviews来对线性回归模型的估计：创建工作文件、输入和编辑数据、进行图形分析和OLS估计参数。其间，我还认识到了怎样用Eviews来对模型进行统计检验、预测和实际的操作。在估计线性模型时，运用并熟悉了普通最小二乘法（OLS），还了解了制作散点图的方法。在统计检验时，充分认识到拟合优度检验、显著性检验和方程显著性的F检验的具体步骤和原理。
-----赵 悦 2008092127
在实验之前，我对Eviews软件了解甚少。通过这次试验，让我有机会接触并亲身实践。通过利用Eviews软件将所学到的计量经济学知识进行实践，让我加深了对理论知识的额理解，更体会到了单方程计量经济学模型的精髓之所在。其中涉及的大量公式，以及大量的运算，曾令我觉得很吃力。通过这次试验，使我对最小二乘法有了进一步的了解，通过软件应用，免除了大量的繁琐计算，使分析更加方便快捷，同时也给了我更多的对于所掌握知识的启示。
-----白 双 2008092114
在实验之前，老师的演示还有一点没有明白。后来经过反复的熟悉Eviews软件，我了解到怎样运用Eviews来对单方程计量经济模型估计和统计的检验。我熟悉了普通最小二乘法的实际运用，并在找来统计数据之后，了解到对模型的预测和显著性检验。实践与理论并行。
-----吴庄友 2008092129
计量经济学是一门以经济理论为前提，借助数学、统计学方法，以经济计量软件为工具，根据实际观测资料来研究经济现象、分析经济过程，通过建立经济计量模型来探讨经济规律的学科。计量经济学建模的程序为：模型设定、模型估计、模型检验和模型应用。模型的构成要素为：被解释变量、解释变量、参数、随机项和方程式。
4