第一篇：計(jì)量經(jīng)濟(jì)學(xué)實(shí)驗(yàn)報(bào)告1_心得體會(huì)

計(jì)量經(jīng)濟(jì)學(xué)實(shí)驗(yàn)心得

本次比賽的收獲、體會(huì)、經(jīng)驗(yàn)、問(wèn)題和教訓(xùn)：通過(guò)利用Eviews軟件將所學(xué)到的計(jì)量知識(shí)進(jìn)行實(shí)踐，讓我加深了對(duì)理論的理解和掌握，直觀而充分地體會(huì)到老師課堂講授內(nèi)容的精華之所在。在實(shí)驗(yàn)過(guò)程中我們提高了手動(dòng)操作軟件、數(shù)量化分析與解決問(wèn)題的能力，還可以培養(yǎng)我在處理實(shí)驗(yàn)經(jīng)濟(jì)問(wèn)題的嚴(yán)謹(jǐn)?shù)目茖W(xué)的態(tài)度，并且避免了課堂知識(shí)與實(shí)際應(yīng)用的脫節(jié)。雖然在實(shí)驗(yàn)過(guò)程中出現(xiàn)了很多錯(cuò)誤，但這些經(jīng)驗(yàn)卻錘煉了我們發(fā)現(xiàn)問(wèn)題的眼光，豐富了我們分析問(wèn)題的思路。通過(guò)這次實(shí)驗(yàn)讓我受益匪淺。

這次操作后，對(duì)Eviews軟件有了更深層的了解，學(xué)會(huì)了對(duì)軟件進(jìn)行簡(jiǎn)單的操作，對(duì)實(shí)際的經(jīng)濟(jì)問(wèn)題進(jìn)行分析與檢驗(yàn)。使原本枯燥、繁瑣、難懂的課本知識(shí)變得簡(jiǎn)潔化，跨越理論和實(shí)踐的鴻溝，同時(shí)使我對(duì)計(jì)量經(jīng)濟(jì)學(xué)產(chǎn)生興趣。

計(jì)量經(jīng)濟(jì)學(xué)是一門(mén)比較難的課程，其中涉及大量的公式，不容易理解且需要大量的運(yùn)算，所以在學(xué)習(xí)的過(guò)程中我遇到了很多困難。但通過(guò)這次的實(shí)驗(yàn)，我對(duì)課上所學(xué)的最小二乘法有了進(jìn)一步的理解，在掌握理論知識(shí)的同時(shí)，將其與實(shí)際的經(jīng)濟(jì)問(wèn)題聯(lián)系起來(lái)。

學(xué)習(xí)計(jì)量經(jīng)濟(jì)學(xué)給我印象和幫助最大的主要有：對(duì)EVIES軟件的熟練操作與應(yīng)用的同時(shí)增長(zhǎng)了見(jiàn)識(shí)，學(xué)會(huì)了團(tuán)隊(duì)與協(xié)作的力量。

第二篇：計(jì)量經(jīng)濟(jì)學(xué)實(shí)驗(yàn)報(bào)告

目錄

(一)研究背景.................................................................................................................2(二)理論來(lái)源.................................................................................................................2(三)模型設(shè)定.................................................................................................................2(四)數(shù)據(jù)處理.................................................................................................................2

1.數(shù)據(jù)來(lái)源.............................................................................................................2 2.解釋變量的設(shè)置.................................................................................................3(五)先驗(yàn)預(yù)期.................................................................................................................3

1.經(jīng)驗(yàn)預(yù)期.............................................................................................................3 2.散點(diǎn)圖分析.........................................................................................................3(六)參數(shù)估計(jì).................................................................................................................4(七)顯著性檢驗(yàn).............................................................................................................5(八)正態(tài)性檢驗(yàn).............................................................................................................5(九)MWD檢驗(yàn)..............................................................................................................5(十)相關(guān)系數(shù).................................................................................................................7(十一)虛擬變量.............................................................................................................7(十二)異方差檢驗(yàn)、修正.............................................................................................8

1.圖形檢驗(yàn).............................................................................................................8 2.格萊澤檢驗(yàn).........................................................................................................9 3.帕克檢驗(yàn)...........................................................................................................10 4.異方差的修正加權(quán)最小二乘法.......................................................................10 5.異方差修正后的檢驗(yàn).......................................................................................11(十三)自相關(guān)檢驗(yàn).......................................................................................................11 1.圖形法...............................................................................................................11 2.德賓-沃森d檢驗(yàn).............................................................................................12(十四)最終結(jié)果...........................................................................................................12

(一)研究背景

中國(guó)是一個(gè)大國(guó)，幅員遼闊，歷史上自然地形成了一個(gè)極端不平衡發(fā)展的格局。而1978年開(kāi)始的改革，政府采取了由東向西梯度推進(jìn)的非均衡發(fā)展戰(zhàn)略，使已經(jīng)存在的地區(qū)間的差距進(jìn)一步擴(kuò)大，不利于整個(gè)社會(huì)的穩(wěn)定和發(fā)展。地區(qū)發(fā)展不平衡問(wèn)題包括社會(huì)發(fā)展不平衡，尤其是教育發(fā)展的不平衡。因此關(guān)注中國(guó)教育發(fā)展的地區(qū)不平衡性非常迫切。不僅是因?yàn)榻逃闹匾?，還因?yàn)楫?dāng)前我國(guó)需要進(jìn)一步推進(jìn)教育改革的進(jìn)程，使其朝著更健康的方向發(fā)展。

(二)理論來(lái)源

劉紅梅.中國(guó)各地區(qū)教育發(fā)展水平差異的實(shí)證分析[J]數(shù)理統(tǒng)計(jì)與管理.2013.7(三)模型設(shè)定

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

Y——地區(qū)教育水平，用平均受教育年限表示，（年）X2——學(xué)生平均預(yù)算內(nèi)教育經(jīng)費(fèi)，（萬(wàn)元/人）X3——人均GDP，（萬(wàn)元/人）X4——平均生師比

22? ? ? ?

(四)數(shù)據(jù)處理

1.數(shù)據(jù)來(lái)源：國(guó)家統(tǒng)計(jì)局官網(wǎng)，選取2014年的數(shù)據(jù)：

1)各省GDP 2)各地區(qū)總?cè)丝?/p>

3)各地區(qū)每十萬(wàn)人擁有的各種受教育程度人口比較數(shù)據(jù) 4)地區(qū)在?？倢W(xué)生數(shù) 5)各地區(qū)教育財(cái)政投入 6)地區(qū)每十萬(wàn)總專(zhuān)任教師數(shù)

2.解釋變量的設(shè)置：

? X2=地區(qū)預(yù)算內(nèi)教育經(jīng)費(fèi)/地區(qū)在?？倢W(xué)生數(shù) =學(xué)生平均預(yù)算內(nèi)教育經(jīng)費(fèi)（萬(wàn)元/人）X3=地區(qū)總GDP/地區(qū)總?cè)丝?人均GDP（萬(wàn)元/人）

X4=地區(qū)每十萬(wàn)人口各級(jí)學(xué)校平均在校生數(shù)的和/地區(qū)每十萬(wàn)人口總專(zhuān)任教師數(shù)

=平均生師比 ? ?

其中：

P為各地區(qū)每十萬(wàn)人擁有的各種受教育程度人口比較數(shù) T為教育年限1，6，9,12,16(五)先驗(yàn)預(yù)期

1.經(jīng)驗(yàn)預(yù)期：

平均受教育年限分別跟學(xué)生平均預(yù)算內(nèi)教育經(jīng)費(fèi)、人均GDP呈正相關(guān)關(guān)系，跟平均生師比呈負(fù)相關(guān)關(guān)系。

2.散點(diǎn)圖分析：

學(xué)生平均預(yù)算內(nèi)教育經(jīng)費(fèi)和平均受教育水平成正比，人均GDP和受教育水平成正比，平均生師比和平均受教育水平成反比。(六)參數(shù)估計(jì)

設(shè)定經(jīng)濟(jì)計(jì)量模型：Yi=B1+B2X2i+B3X3i+B4X4i+B5X2i+B6X4i+ui 參數(shù)估計(jì)：進(jìn)行OLS回歸

圖6-1

圖5-1 根據(jù)參考文獻(xiàn)，廣東和西藏是強(qiáng)影響點(diǎn)，所以我們把兩地的數(shù)據(jù)去除，剩下29個(gè)地區(qū)的數(shù)據(jù)。于是，我們對(duì)剩下的29個(gè)數(shù)據(jù)進(jìn)行了回歸，得出這個(gè)回歸結(jié)果：

圖6-2 回歸結(jié)果：

22Yi=23.2406-24.6626X2i+0.2296X3i-1.6477X4i+59.1341X2i2+0.0516X4i2(七)顯著性檢驗(yàn)

H0：B2=B3=B4=B5=B6=0 H1：B2,B3,B4 ,B5, B6不全為0 P=0.000000<0.01 故拒絕原假設(shè)，即認(rèn)為學(xué)生平均教育經(jīng)費(fèi)、人均GDP、平均生師比對(duì)平均受教育年限有顯著影響。

(八)正態(tài)性檢驗(yàn)

圖8-1 根據(jù)JB檢驗(yàn)，得到其值為0.431311，接近于零，殘差接近正態(tài)分布。

(九)MWD檢驗(yàn)

對(duì)數(shù)-線(xiàn)性模型：Yi=B1+B2X2i+B3X3i+B4X4i+B5X2i+B6X4i 線(xiàn)性模型：LnYi=B1+B2X2i+B3X3i+B4X4i+B5X2i+B6X4i H0：線(xiàn)性模型：Y是X的線(xiàn)性函數(shù) H1：對(duì)數(shù)-線(xiàn)性模型：lnY是X的線(xiàn)性函數(shù)

2圖9-1

圖9-2 由圖9-2可得，Z1的系數(shù)是統(tǒng)計(jì)不顯著的，則不拒絕H0, 則說(shuō)明線(xiàn)性模型是可行的。

圖9-3 由圖9-3可得，Z2的系數(shù)也是統(tǒng)計(jì)不顯著的，則不拒絕H1, 則說(shuō)明對(duì)數(shù)線(xiàn)性模型也是可行的。

MWD檢驗(yàn)的結(jié)論是：最后的結(jié)果是兩個(gè)模型都是合理的。

(十)相關(guān)系數(shù)

圖10-1 由圖10-1可得，X2和X3，X4的相關(guān)程度低。另外X22 ,X42分別是X2、X4的非線(xiàn)性函數(shù),所以將它們同時(shí)包含在一個(gè)模型中沒(méi)有違反經(jīng)典線(xiàn)性模型中“解釋變量之間不能存在精確的線(xiàn)性關(guān)系”的假定。由此可得，多重共線(xiàn)性的程度較低

（其中X22用X5來(lái)表示，,X42用X6來(lái)表示。）

(十一)虛擬變量

設(shè)立含虛擬變量的模型：

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）

圖11-1 回歸結(jié)果表明：虛擬變量D1、D2回歸系數(shù)統(tǒng)計(jì)不顯著，即中國(guó)東、中、西部的平均受教育年限沒(méi)有顯著不同，可能因?yàn)橹袊?guó)教育機(jī)制日趨完善，教育資源趨于均衡，所以地區(qū)差異縮小

(十二)異方差檢驗(yàn)、修正

1.圖形檢驗(yàn)：

圖12-1殘差平方對(duì)教育經(jīng)費(fèi)

圖12-2殘差平方對(duì)人均GDP

圖12-3殘差平方對(duì)平均生師比

由圖形檢驗(yàn)結(jié)果可知：數(shù)據(jù)存在相當(dāng)大的變異性，表明回歸模型和可能存在異方差。

2.格萊澤檢驗(yàn)：

類(lèi)型1：H0：B2=0｜ei｜=B1+B2X2+vi

圖12-4 回歸結(jié)果表明：X2的系數(shù)是統(tǒng)計(jì)顯著的，所以拒絕原假設(shè)，回歸模型中部存在異方差

類(lèi)型2：H0：B3=0｜ei｜=B1+B3X3+vi

圖12-5 回歸結(jié)果表明：X3的系數(shù)是統(tǒng)計(jì)顯著的，所以拒絕原假設(shè)，回歸模型中部存在異方差。綜上所述,回歸模型中存在異方差。

3.帕克檢驗(yàn)：

圖12-6 由于Y的估計(jì)值的系數(shù)是統(tǒng)計(jì)顯著的，因此帕克檢驗(yàn)表明，回歸模型存在異方差。

通過(guò)以上三種異方差的檢驗(yàn)，我們得出該回歸模型存在異方差的理論。

4.異方差的修正：加權(quán)最小二乘法

圖12-7 經(jīng)過(guò)多次的試驗(yàn)，我們最終選擇1/X23作為權(quán)重，其能有效地消除異方差。

5.異方差修正后的檢驗(yàn)

圖12-8 由圖12-8可知，帕克檢驗(yàn)中，得出Y的系數(shù)是統(tǒng)計(jì)不顯著的，因此，回歸方程不存在異方差。

(十三)自相關(guān)檢驗(yàn)

1.圖形法

圖13-1 由圖13-1可知，對(duì)et及et-1作回歸，殘差的遞差之間沒(méi)有關(guān)系。2.德賓-沃森d檢驗(yàn)

圖13-2 由圖13-2可知，d=2.206761，根據(jù)D-W表，對(duì)于n=29，k=6，在5%的顯著水平下，dL=1.050，dU=1.841，由于d位于2.159和2.95之間，所以，我們無(wú)法判斷是否存在自相關(guān)。

綜合以上兩種自相關(guān)的檢驗(yàn)，我們得出該模型不存在自相關(guān)的結(jié)論。

(十四)最終結(jié)果

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

對(duì)回歸得結(jié)果解釋如下：B2= 2.4598表明，如果學(xué)生平均預(yù)算內(nèi)教育經(jīng)費(fèi)提高1個(gè)單位，則實(shí)際的地區(qū)平均受教育年限平均提高2.4598年，但其不是特別顯著。B3= 0.3444表明，如果人均提高1個(gè)單位，則實(shí)際的地區(qū)平均受教育年限平均提高0.3444年，其效果小于教育經(jīng)費(fèi)的提高帶來(lái)的影響。B4=-7.9644表明，如果平均生師比提高1個(gè)單位，則實(shí)際的地區(qū)平均受教育年限平均下降7.9644年。

R2約為0.8739，表明這幾個(gè)解釋變量解釋了地區(qū)平均受教育年限87.39%的變異，R2值相當(dāng)高。

這個(gè)模型的現(xiàn)實(shí)意義就是，要想提高地區(qū)的教育水平，加大對(duì)教育的投入是關(guān)鍵。同時(shí)，也應(yīng)該提高對(duì)教師資源的重視程度，合理分配地區(qū)的教師，減低生師比，讓教育資源得到最有效地配置。

第三篇：計(jì)量經(jīng)濟(jì)學(xué)實(shí)驗(yàn)報(bào)告

計(jì)量經(jīng)濟(jì)學(xué)綜合實(shí)驗(yàn)報(bào)告一、一元線(xiàn)性回歸檢驗(yàn)

一個(gè)國(guó)家的貨物周轉(zhuǎn)量與貨運(yùn)量是密不可分的，為了考察貨物周轉(zhuǎn)量與貨運(yùn)量之間的關(guān)系，利用計(jì)量經(jīng)濟(jì)學(xué)的方法，進(jìn)行回歸分析。中國(guó)1990—2009年貨運(yùn)量與貨運(yùn)周轉(zhuǎn)量的數(shù)據(jù)如表1.1所示。

表1.1 中國(guó)的貨運(yùn)量與貨運(yùn)周轉(zhuǎn)量 年份 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009

貨運(yùn)量X貨物周轉(zhuǎn)量Y（萬(wàn)噸）（億噸公里）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數(shù)據(jù)來(lái)源：《中國(guó)交通年鑒》（2009）整理

1、建立模型

Y=???X??

根據(jù)表一數(shù)據(jù)，為對(duì)其進(jìn)行線(xiàn)性回歸分析，建立如下一元回歸模型：

表1.2給出了采用Eviews軟件對(duì)表1.1數(shù)據(jù)進(jìn)行最小二乘線(xiàn)性回歸分

析的結(jié)果。

表1.2中國(guó)貨運(yùn)周轉(zhuǎn)量對(duì)貨運(yùn)量的回歸分析（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

根據(jù)表1.2寫(xiě)出如下回歸分析結(jié)果：

Y=-30611.52?0.0558X

（-11.68）（34.55）

31F?1193.787，D.W.?0.705R2?0.985，其中括號(hào)內(nèi)的數(shù)為相應(yīng)參數(shù)的t檢驗(yàn)值，R2為可決系數(shù)，F(xiàn)為方程整體線(xiàn)性顯著性檢驗(yàn)值，D.W.為模型序列相關(guān)性檢驗(yàn)值

二、模型檢驗(yàn)

（1）從回歸估計(jì)的結(jié)果看，模型擬合較好?？蓻Q系數(shù)R2?0.9851，表

明模型在整體上擬合的非常好。

（2）而且從常數(shù)項(xiàng)和解釋變量系數(shù)的t檢驗(yàn)值看，比給定5%顯著性水

平下自由度為n-2=19的臨界值2.093都大的多，說(shuō)明參數(shù)值是比較顯著的。

（3）而從F?1193.787可以看出，遠(yuǎn)遠(yuǎn)大于模型的整體的線(xiàn)性關(guān)系也

是非常顯著的。

D.W.?0.7053，在(0,dl=1.2)之間，則應(yīng)該存在一階相關(guān)關(guān)系，利（4）

用拉格朗日乘數(shù)法進(jìn)行二階相關(guān)關(guān)系檢驗(yàn)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，該值大于顯著性水平為5%，自由度為2的?2分布的臨界值?20.05（2）=5.991，由此判斷存在二階序列相關(guān)性。再利用拉格朗日乘數(shù)法進(jìn)行三階相關(guān)關(guān)系檢驗(yàn)，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，雖然nR2?10.161，仍然比顯著性水平為5%，自由度

~的參數(shù)不顯著，且為3的?2分布的臨界值?20.05（3）=7.815要大，但由于et?3

D.W.?2.05說(shuō)明不存在三階序列相關(guān)。

用科克倫—奧科特迭代法對(duì)原模型進(jìn)行修正，并用拉格朗日乘數(shù)法進(jìn)行檢驗(yàn)，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，該值小于顯著性水平為5%，自由度為2的?2分布的臨界值?20.05（2）=5.991，由此可以判斷模型不再存在相關(guān)關(guān)系。

（5）檢驗(yàn)?zāi)Ｐ褪欠翊嬖诋惙讲?/p>

在表1.2的基礎(chǔ)上，利用white檢驗(yàn)對(duì)模型是否存在異方差進(jìn)行檢

驗(yàn)，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，該值大于顯著性水平為5%，自由度為

2的?分布的臨界值?

20.05

（2）=5.991，因此拒絕同方差的原假設(shè)。

下面采用加權(quán)最小對(duì)原模型進(jìn)行回歸，即采用為權(quán)重進(jìn)行加權(quán)

ei

最小二乘估計(jì)，得表2.5（未加權(quán)項(xiàng)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與表1.2對(duì)照可清楚的看到，無(wú)論是擬合優(yōu)度，還是參數(shù)的顯著性，加權(quán)后最小二乘估計(jì)比加權(quán)前都有了改進(jìn)，并且對(duì)加權(quán)后的回歸模型進(jìn)行檢驗(yàn)，也可驗(yàn)證，模型不再存在異方差（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：計(jì)量經(jīng)濟(jì)學(xué)實(shí)驗(yàn)報(bào)告

固定資產(chǎn)投資的計(jì)量經(jīng)濟(jì)學(xué)模型

一.解釋模型

固定資產(chǎn)對(duì)一個(gè)企業(yè)來(lái)說(shuō)是其主要的勞動(dòng)手段,它的價(jià)值是逐漸地轉(zhuǎn)移到所生產(chǎn)的產(chǎn)品上去.企業(yè)同時(shí)又是重要的市場(chǎng)主體,因此對(duì)固定資產(chǎn)的投資間接得影響到了一個(gè)經(jīng)濟(jì)體的產(chǎn)出.這里主要對(duì)GDP及國(guó)有經(jīng)濟(jì)固定資產(chǎn)投資額(X1),集體經(jīng)濟(jì)固定資產(chǎn)投資額(X2),個(gè)體經(jīng)濟(jì)固定資產(chǎn)投資額(X3),進(jìn)行計(jì)量經(jīng)濟(jì)學(xué)多元線(xiàn)性回歸模型分析.原始數(shù)據(jù)如下:單位(億元)

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由以上數(shù)據(jù)得到如下LS估計(jì)結(jié)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

顯然X1的T檢驗(yàn)為非顯著性檢驗(yàn)，故將X1與X2合并為一個(gè)解釋變量。也就是將國(guó)有經(jīng)濟(jì)與集體經(jīng)濟(jì)固定資產(chǎn)投資額的和看作為公有經(jīng)濟(jì)固定資產(chǎn)投資額(X1+X2).令X1+X2=X1' 得到如下檢驗(yàn)結(jié)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),從而得到多元線(xiàn)性回歸方程:GDP=-200.0793+2.133089﹡X1'+10.14031﹡X3

二.模型檢驗(yàn)1.統(tǒng)計(jì)學(xué)檢驗(yàn)

T－Statistic檢驗(yàn),顯著水平0.05,其臨界值為T(mén)α/2=2.11,顯然6.472744及5.625704遠(yuǎn)遠(yuǎn)大于它,其解釋變量的Prob均為0.0000,即從統(tǒng)計(jì)學(xué)檢驗(yàn)的角度上講解釋變量的選取是有意義的.F－Statistic檢驗(yàn)及擬合優(yōu)度R-squared檢驗(yàn), R-squared值越接近于1,則F值越大,這里的R-squared值為0.995329,大于0.9擬合優(yōu)度比較高,因此F—Statistic檢驗(yàn)亦通過(guò).2.計(jì)量經(jīng)濟(jì)學(xué)檢驗(yàn)

a.異方差性檢驗(yàn)：

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)

由表中數(shù)據(jù)可知沒(méi)有哪個(gè)參數(shù)的T檢驗(yàn)是顯著的，且可決系數(shù)的值也比較小。NR2=3.334607 < X2(5)=11.07故接受原假設(shè)，則模型無(wú)異方差。

b。序列相關(guān)性檢驗(yàn)：

由OLS檢驗(yàn)中的 DW=1.138 而在5%的顯著水平，樣本容量為19的DW分布的 DL=1.18 DU=1.40則不能確定是否存在一階自相關(guān)。

用LM檢驗(yàn)有如下結(jié)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.則不存在一階自相關(guān)。C.多重共線(xiàn)性的檢驗(yàn)：

因?yàn)樵贠LS下，模型的R2與F值較大，但各參數(shù)估計(jì)值的T檢驗(yàn)值較小，說(shuō)明各解釋

變量對(duì)Y的聯(lián)合線(xiàn)性作用顯著，但各解釋變量間存在共線(xiàn)性而使他們對(duì)Y的獨(dú)立作用不能分辨，故T檢驗(yàn)不顯著。所以解釋變量間存在共線(xiàn)性。

X3 X1 X2

找出簡(jiǎn)單的回歸形式：分別做GDP與X1,X2,X3間的回歸：（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)

由以上表格中的數(shù)據(jù)可知：X2與X1高度相關(guān)且對(duì)GDP影響很低，故可以排除或者像開(kāi)始OLS估計(jì)那樣把與X1相加合并成一個(gè)變量。

三.模型評(píng)價(jià)與經(jīng)濟(jì)分析

該模型并沒(méi)有直接地從投資、消費(fèi)、出口的角度去考察解釋變量對(duì)GDP的影響,而是以間接的方法從固定資產(chǎn)投資的角度研究了其對(duì)GDP的影響.從計(jì)量經(jīng)濟(jì)學(xué)的檢驗(yàn)結(jié)果看無(wú)論是公有經(jīng)濟(jì)還是個(gè)體經(jīng)濟(jì)對(duì)GDP都存在線(xiàn)性的影響,而且相關(guān)系數(shù)都接近于1, 進(jìn)一步證明了固定資產(chǎn)投資對(duì)一國(guó)社會(huì)總產(chǎn)出的影響.其中公有經(jīng)濟(jì)與GDP的相關(guān)系數(shù)要大于個(gè)體經(jīng)濟(jì)與GDP的相關(guān)系數(shù), 從一個(gè)側(cè)面顯示出近年來(lái)國(guó)有經(jīng)濟(jì)布局調(diào)整和國(guó)有企業(yè)戰(zhàn)略性改組的成效。

1978年以來(lái)的二十多年中，伴隨著國(guó)有經(jīng)濟(jì)比重的不斷下降，國(guó)有經(jīng)濟(jì)的地位與作用問(wèn)題長(zhǎng)期以來(lái)一直倍受關(guān)注，從“主體”到“發(fā)揮主導(dǎo)作用”、“保持控制力”，貫穿其中的紅線(xiàn)即是我們思想上的逐步解放。在傳統(tǒng)計(jì)劃經(jīng)濟(jì)體制下，國(guó)有經(jīng)濟(jì)控制力往往停留在國(guó)有資產(chǎn)的物質(zhì)形態(tài)層面上，而隨著我國(guó)改革開(kāi)放的推進(jìn)以及市場(chǎng)經(jīng)濟(jì)體制的逐步完善，以國(guó)有資產(chǎn)的行政計(jì)劃分配為主要特征的“靜態(tài)控制”體系顯然已不再適合社會(huì)主義市場(chǎng)經(jīng)濟(jì)體制的要求, 因此有學(xué)者提出將國(guó)有經(jīng)濟(jì)“控制力”重新界定于“國(guó)有資本的調(diào)控力”上面.固定資產(chǎn)投資的增長(zhǎng),必然會(huì)帶來(lái)房地產(chǎn)投資的高速增長(zhǎng),因此,房地產(chǎn)業(yè)將成為未來(lái)幾年中拉動(dòng)我國(guó)內(nèi)需增長(zhǎng)的一駕重要的“馬車(chē)”.？？？？

童林05170130

第五篇：計(jì)量經(jīng)濟(jì)學(xué)實(shí)驗(yàn)報(bào)告(二)

2015－2016第1學(xué)期

計(jì)量經(jīng)濟(jì)學(xué)實(shí)驗(yàn)報(bào)告

實(shí)驗(yàn)

（二）：多元回歸模型實(shí)驗(yàn)

學(xué)號(hào)：0122432 姓名：李旻專(zhuān)業(yè)：會(huì)計(jì)（ACCA）選課班級(jí)：A06實(shí)驗(yàn)日期：11/09實(shí)驗(yàn)地點(diǎn)：0505

實(shí)驗(yàn)名稱(chēng)：多元回歸模型實(shí)驗(yàn)

【實(shí)驗(yàn)?zāi)繕?biāo)、要求】 使學(xué)生掌握用Eviews做

1.多元線(xiàn)性回歸模型參數(shù)的OLS估計(jì)、統(tǒng)計(jì)檢驗(yàn)、點(diǎn)預(yù)測(cè)和區(qū)間預(yù)測(cè)； 2.非線(xiàn)性回歸模型參數(shù)估計(jì)； 3.受約束回歸檢驗(yàn)?！緦?shí)驗(yàn)內(nèi)容】 用Eviews完成：

1.多元線(xiàn)性回歸模型參數(shù)的OLS估計(jì)、統(tǒng)計(jì)檢驗(yàn)、點(diǎn)預(yù)測(cè)和區(qū)間預(yù)測(cè)；(以第8題的數(shù)據(jù)為例)2.非線(xiàn)性回歸模型的估計(jì)，并給出相應(yīng)的結(jié)果；(以第8題的數(shù)據(jù)為例)3.受約束回歸檢驗(yàn)。(以第7題的數(shù)據(jù)為例)實(shí)驗(yàn)內(nèi)容以課后練習(xí)：以第三章復(fù)習(xí)思考題第7題、第8題的數(shù)據(jù)為例進(jìn)行操作?！緦?shí)驗(yàn)步驟】

一）根據(jù)中國(guó)某年按行業(yè)分的全部制造業(yè)國(guó)有企業(yè)及規(guī)模以上制造業(yè)非國(guó)有企業(yè)的工業(yè)總產(chǎn)值Y，資產(chǎn)合計(jì)K及職工人數(shù)L進(jìn)行回歸分析。

（二）掌握可化為線(xiàn)性多元非線(xiàn)性回歸模型的估計(jì)和多元線(xiàn)性回歸模型的線(xiàn)性約束條件的檢驗(yàn)方法

（三）根據(jù)實(shí)驗(yàn)結(jié)果判斷中國(guó)該年制造業(yè)總體的規(guī)模報(bào)酬?duì)顟B(tài)如何？

三、實(shí)驗(yàn)步驟

（一）收集數(shù)據(jù)

下表列示出來(lái)中國(guó)某年按行業(yè)分的全部制造業(yè)國(guó)有企業(yè)及規(guī)模以上制造業(yè)非國(guó)有企業(yè)的工業(yè)總產(chǎn)值Y，資產(chǎn)合計(jì)K及職工人數(shù)L。

工業(yè)總產(chǎn)值Y序號(hào) 1 2 3 4（億元）3722.7 1442.52 1752.37 1451.29 資產(chǎn)合計(jì)K（億元）3078.22 1684.43 2742.77 1973.82

職工人數(shù)L（萬(wàn)人）113 67 84 27

序號(hào) 17 18 19 20

工業(yè)總產(chǎn)值Y（億元）812.7 1899.7 3692.85 4732.9

資產(chǎn)合計(jì)K（億元）1118.81 2052.16 6113.11 9228.25

職工人數(shù)L（萬(wàn)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）創(chuàng)建工作文件（Workfile）。

1、啟動(dòng)Eviews5，在主菜單上依次點(diǎn)擊FileNewWorkfile（如圖），按確定。

2、在彈出的對(duì)話(huà)框中選擇數(shù)據(jù)的時(shí)間頻率（本實(shí)驗(yàn)為序列數(shù)據(jù)），輸入數(shù)據(jù)數(shù)為31（如圖1），然后點(diǎn)擊OK（如圖2）。

（圖1）（圖2）、（三）輸入數(shù)據(jù)

1、在Eviews軟件的命令窗口中鍵入數(shù)據(jù)輸入/編輯命令：DATA Y K L，按Enter，則顯示一個(gè)數(shù)組窗口（如圖）。

2、分別在Y、K、L列輸入相應(yīng)的數(shù)據(jù)并以group01命名保存（如圖）：

（四）、回歸分析

1、在經(jīng)濟(jì)理論指導(dǎo)下，設(shè)定如下的理論模型：

Y?AK?L?e?

2、運(yùn)用OLS估計(jì)模型

???Y?AKLe可變換對(duì)數(shù)形式如下： 經(jīng)對(duì)數(shù)轉(zhuǎn)換，式lnY??0??1lnK??2lnL??

3、對(duì)表1的Y、K、L的數(shù)據(jù)進(jìn)行對(duì)數(shù)轉(zhuǎn)換，得新的數(shù)據(jù)如表2所示：

序號(hào) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 lnY lnK lnL

序號(hào) 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、對(duì)表2經(jīng)對(duì)數(shù)轉(zhuǎn)化后的數(shù)據(jù)進(jìn)行相關(guān)性分析 ①重復(fù)數(shù)據(jù)輸入步驟，輸入取對(duì)數(shù)后的數(shù)據(jù)如圖：

②在彈出的窗口中選擇ViewGraphScatterSimple Scatter按

確定，得取對(duì)數(shù)后的Y、K、L三者之間關(guān)系的散點(diǎn)圖，結(jié)果如下：

③通過(guò)對(duì)以上散點(diǎn)圖的觀察可以看出，取對(duì)數(shù)后的K、L的聯(lián)合值對(duì)取對(duì)數(shù)后的Y的值有著顯著的線(xiàn)性影響。

5、在Eviews主窗口中點(diǎn)擊QuickEstimate Equation，在彈出的方程設(shè)定框內(nèi)輸入模型：log（y）c log(k)log(l)（如圖）：

再點(diǎn)擊確定，系統(tǒng)將彈出一個(gè)窗口來(lái)顯示有關(guān)估計(jì)結(jié)果（如圖）。

由圖顯示的結(jié)果可知，樣本回歸方程為：

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

4、對(duì)以上實(shí)驗(yàn)結(jié)果做t檢驗(yàn)分析：

給定顯著性水平5%，自由度為（2，28）的F分布的臨界值為F(2，28）?3.34，因此總體上看，lnK,lnL聯(lián)合起來(lái)對(duì)lnY有著顯著的線(xiàn)性影響。在5%的顯著性水平下，自由度為28的t分布的臨界值為t0.05(28)?2.048，lnK的參數(shù)通過(guò)了該顯著性水平下的t檢驗(yàn)，因此，但lnL未通過(guò)檢驗(yàn)。如果設(shè)定顯著性水平為10%，t分布的臨界值為t0.05(28)?1.701，這時(shí)lnL的參數(shù)通過(guò)了顯著性水平的檢驗(yàn)。

R=0.7963表明，工業(yè)總產(chǎn)值對(duì)數(shù)值的79.6%的變化可以由資產(chǎn)合計(jì)的對(duì)數(shù)與職工的對(duì)數(shù)的變化來(lái)解釋?zhuān)杂?0.4%的變化是由其他因素的變化影響的。

（五）參數(shù)的約束檢驗(yàn)

由以上的實(shí)驗(yàn)結(jié)果可以看出，????0.97?1，即資產(chǎn)與勞動(dòng)的產(chǎn)出彈性之和近似為1，表明中國(guó)制造業(yè)在2000年基本呈現(xiàn)規(guī)模報(bào)酬

????1。不變的狀態(tài)。因此，進(jìn)行參數(shù)的約束檢驗(yàn)時(shí)，提出零假設(shè)為H：

如果原假設(shè)為真，則可估計(jì)如下模型： ?20.052??0lnYK?C??ln?? LL

1、在Equation窗口選擇proc/Specify/Estimate在彈出的窗口中輸入log(y/l)c log(k/l)如圖所示： 按確定，所得結(jié)果如下：

容易看出，該估計(jì)方程通過(guò)了F檢驗(yàn)與參數(shù)的t檢驗(yàn)。

2、對(duì)規(guī)模報(bào)酬是否變化進(jìn)行的分析

由上面兩個(gè)實(shí)驗(yàn)可以得到RSSU?5.0703，RSSR?5.0886。在原假設(shè)為真的條件下有：

F?(RSSR?RSSU)15.0886?5.0703?=0.1011 RSSU(31?2?1)5.070328在5%的顯著性水平下，自由度為（1,28）的F分布的臨界值為4.20。因?yàn)?.1011<4.20,所以不拒絕原假設(shè)，表明2000年中國(guó)制造業(yè)呈現(xiàn)規(guī)模報(bào)酬不變的狀態(tài)。

3、運(yùn)用參數(shù)約束條件?1??2?1對(duì)上面假設(shè)模型進(jìn)行檢驗(yàn) 打開(kāi)eq01方程對(duì)象窗,點(diǎn)擊ViewCoefficient TestsWaldCoefficient Restrictions…，在Wald tests窗口設(shè)定參數(shù)約束條件：c(2)+c(3)=1。再按OK,結(jié)果如下圖：

由以上實(shí)驗(yàn)結(jié)果可知，我們?nèi)匀徊痪芙^原假設(shè)，原假設(shè)為真，即中國(guó)該年的制造業(yè)總體呈現(xiàn)規(guī)模報(bào)酬不變狀態(tài)。

四、實(shí)驗(yàn)結(jié)論

通過(guò)上面實(shí)驗(yàn)可以看出，中國(guó)某年按行業(yè)分的全部制造業(yè)國(guó)有企業(yè)及規(guī)模以上制造業(yè)非國(guó)有企業(yè)的資產(chǎn)合計(jì)K和職工人數(shù)L的聯(lián)合對(duì)數(shù)對(duì)工業(yè)總產(chǎn)值Y的對(duì)數(shù)有著顯著地線(xiàn)性影響。但并非全是由K、L影響，還有20.4%的變化時(shí)由其他因素影響的。在規(guī)模報(bào)酬的分析中可以看出，國(guó)制造業(yè)在2000年基本呈現(xiàn)規(guī)模報(bào)酬不變的狀態(tài)。