《计量经济学》上机实验答案 过程 步骤

1990 620.8 6.113 32.17 1991 513.6 4.258 35.09 1992 606.9 5.591 36.42 1993 629.0 6.675 36.58 1994 602.7 5.543 37.14 1995 656.7 6.933 41.30 1996 998.5 7.638 45.62 1997 877.6 7.752 47.38 （1）根据上面的数据建立对数模型：

lnyt?b0?b1lnx1t?b2lnx2t?ut （2）所估计的回归系数是否显著？用p值回答这个问题。 （3）解释回归系数的意义。

（4）根据上面的数据建立线性回归模型：

yt?b0?b1x1t?b2x2t?ut （5）比较模型（1）、（2）的R2值。

（6）如果模型（1）、（2）的结论不同，你将选择哪一个回归模型？为什么？参考答案： （1）回归结果

y?t?3.734902?0.387929lnx1t?0.56847lnx2t

s(b?i)?(0.212765) (0.137842) (0.055677) 5

1）2）（

（

?)?(17.5541) (2.814299) (10.21006) t(bi R?0.9344672

R2?0.925105

??0.097431 SE??F?99.8163 2?)?2.814299?t(14)?2.145，p?0.0138 (2) t检验：t(b?0.05，说明汽车产量对10.0251?)?10.21006?t(14)?2.145，p?0.0000机电行业销售额的影响是显著的；?0.05，t(b20.0252说明建筑业产值对机电行业销售额的影响是显著的。

F检验：F?99.81632?F?(k,n?k?1)?F?(2,17?2?1)?3.74，p?0.0000?0.05表明总体回归方程显著，即汽车产量、建筑业产值对机电行业销售额的影响在整体上是显著的。

??0.387929（3）b，说明汽车产量每增加1%，机电行业的销售额将平均增加0.39%；1??0.56847，说明建筑业产值每增加1%，机电行业的销售额将平均增加0.57%。 b2（4）回归结果

?t??57.45496?45.70558 yx1t?11.93339x2t

?)?(81.02202) (15.66885) (1.516553) s(bi?)?(-0.709128) (2.916971) (7.868761) t(bi22??64.08261 F?65.83991 SE?? R?0.903899 R?0.8901 7

(5) 模型（1）的R?0.934467、R?0.925105，模型（2）的R?0.903899、

222 6

R2?0.89017。因此，模型（1）的拟合优度大于模型（2）的拟合优度。

（6）从两个模型的参数估计标准误差、S.E、t、F、R统计量可以看出，模型（1）优于模型（2），应选择模型（1）。

实验内容与数据5：表5给出了一个钢厂在不同年度的钢产量。找出表示产量和年度之间关系的方程：y?aebx，并预测2002年的产量。

表5 某钢厂1991-2001年钢产量 （单位：千吨） 年度 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 千吨 12.2 12.0 13.9 15.9 17.9 20.1 22.7 26.0 29.0 32.5 36.1 参考答案：

2

?t?2.307562?0.1167xt lny?)?(0.021946) (0.003236) s(bi?)?(105.1484) (36.06598) t(bi2SE?0.03393 7 R?0.99312 8 DW=1.888171 F=1300.755

?2002?2.307562?0.1167?12?3.707958，y?2002?e3.707958?40.77 x2002?12，lny

实验二：异方差性、自相关性、多重共线性检验（3课时）

实验内容与数据6：试根据表6中消费(y)与收入(x)的数据完成以下问题：

(1)估计回归模型：yt?b0?b1xt?ut；(2)检验异方差性（可用怀特检验、戈德菲尔

7

德——匡特检验）；(3)选用适当的方法修正异方差性。

表6 消费与收入数据

y 55 x y x y x 80 152 220 95 140 65 100 144 210 108 145 70 85 175 245 113 150 80 110 180 260 110 160 79 120 135 190 125 165 84 115 140 205 115 180 98 130 178 265 130 185 95 140 191 270 135 190 90 125 137 230 120 200 75 90 189 250 140 205 80 140 210 85 152 220 90 140 225 74 105 53 110 160 70 113 150 75 125 165 65 100 137 230 108 145 74 105 145 240 115 180 80 110 175 245 140 225 84 115 189 250 120 200 79 120 180 260 145 240 90 125 178 265 130 185 98 130 191 270 参考答案：（1）首先将x排序，其次根据表2数据估计模型，回归结果如下：

?t?9.157515?0.63797yxt

s = (3.6480) (0.01996) t = (2.5102) (31.970)

R2?0.9463 S.E=9.0561 DW=1.813 F=1022.072

8