- 1、本文档共14页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
数学与统计学院
实验报告
2014-2015学年第2学期
课程名称 计 量 经 济 学
专 业 经 济 数 学
班 级 0405131
学 号 040513142
姓 名 翟欢迎
实验名称 实验3 非线性模型
实验地点 N6-503
指导老师 花 春 荣
数学与统计学院二零一五年制
实验名称 实验3:非线性模型 实验日期 2015年5月 4日 实验准备
实
验
目
的
掌握可线性化的非线性回归模型的估计方法。
实验设计方案
双对数与非对数模型;
指数模型与幂函数模型;
双曲线模型;
多项式模型。
数据资料与分析方法、步骤 建立中国税收收入回归模型
问题概述:随着经济的增长,国家财政收入也随之增长,但这种增长可能是非线性的
从国家统计局网站收集整理1978-2013年我国税收收入Y、国内生产总值X数据,建立工作文件和序列。工作文件名为“中国税收收入回归模型”。简要写出其步骤。
打开EVIEWS,点击File--workfile,在workfile create选择Date-regular frequence在wf一框中输入“中国税收收入多元回归模型”。在start输入1978.在end中输入2013,点击ok。
建立序列:点击object——newobject,在type of object中选择series,在name of object中输入y,同样的方法建立x
同时选中x和y点击open-as group,点击Edit,复制其数据。
为了明确国内生产总值与财政收入的关系,首先通过序列视图(view)考察数据的特征:建立Y与X的散点图及Y与X描述统计。
散点图
描述统计
X
Y
Mean
126244.4
21178.79
Median
65985.15
6473.93
Maximum
568845.2
110530.7
Minimum
3645.2
519.28
Std. Dev.
159273.8
30402.68
Skewness
1.471755
1.705921
Kurtosis
4.071728
4.78947
Jarque-Bera
14.71928
22.26431
Probability
0.000636
0.000015
Sum
4544797
762436.5
Sum Sq. Dev.
8.88E+11
3.24E+10
Observations
36
36
考虑以下模型:
(1)线性模型:
(2)双对数模型:
(3)倒数模型:
(4)幂函数模型:
(5)指数模型:
(6)多项式模型:
对上述6个模型进行显著性检验,并加以比较。1,线性模型回归分析
Dependent Variable: Y
Method: Least Squares
Date: 05/03/12 Time: 15:00
Sample: 1978 2013
Included observations: 36
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
X
-2806.835
0.189994
636.0533
0.003157
-4.412892
60.18863
0.0001
0
R-squared
0.990702
Mean dependent var
21178.79
Adjusted R-squared
0.990428
S.D. dependent var
30402.68
S.E. of regression
2974.424
Akaike info criterion
18.88744
Sum squared resid
3.01E+08
Schwarz criterion
18.97541
Log likelihood
-337.9739
Hannan-Quinn criter.
18.91815
F-statistic
3622.672
Durbin-Watson s
文档评论(0)