计量经济学四道题步骤.doc

4.6 （1） File-new-work file-输入1985和2007 在主命令窗口输入data y x(有空格隔开，下同)然后回车，再把数值都复制粘贴进去 3. 点击蓝色的然后挨个赋值确定lny=log(y) lnx1=(logx1) lnx2=log(x2)....一直到7( 一个一个输一次输一个) 4.在主命令窗口输入ls log(y) c log(x1)一直到7然后回车，得到多元线性回归图。如下图： 5. 从修正的可决系数（ps:红色。和可决系数一样越大趋于1说明拟合程度越高，具体可看书84到86页）和F统计量（蓝色。具体不解释了看书86页）可以看出，全部变量对数线性多元回归整体对样本拟合很好，，各变量联合起来对能源消费影响显著。可是其中的lnX3、lnX4、lnX6对lnY影响不显著,而且lnX2、lnX5的参数为负值，在经济意义上不合理。所以这样的回归结果并不理想。 (2) 按住ctrl选择ln(x1)一直到7.然后点”Quick/Group Statistics/Corcelations”即可得到相关系数矩阵。如下图： 可以看出lnx1与lnx2、lnx3、lnx4、lnx5、lnx6之间高度相关，许多相关系数高于0.900以上。如果决定用表中全部变量作为解释变量，很可能会出现严重多重共线性问题。 （3） B：进行逐步回归（书116页），直至模型符合需要研究的问题：分别作log(y)对log（x1）一直到7的一元回归：依次在命令窗口输入ls log(y) c log(x1)回车，再x2等一直到到7，记下个变量的参数估计值，t统计量，可决系数，调整可决系数，可得到下表结果： 变量 lnX1 lnX2 lnX3 lnX4 lnX5 lnX6 lnX7 参数估计值 0.316 0.315 0.277 0.297 0.273 0.421 8.73 t统计量 14.985 14.62 9.718 13.22 11.717 16.173 4.648 可决系数 0.914 0.911 0.818 0.893 0.867 0.926 0.507 调整可决系数 0.910 0.906 0.809 0.888 0.861 0.922 0.484 因为其中加入lnX6的方程调整的可决系数最大, 以lnX6为基础, 顺次加入其他变量逐步回归：依次在命令窗口输入ls log(y) c log(x6) log(x1)回车，再ls log(y) c log(x6) log(x2)回车，再x3、x4、x5、x7。可得到下表数据： 变量 lnX1 lnX2 lnX3 lnX4 lnX5 lnX6 lnX7 lnX6 lnX1 -0.186 (-0.698) 0.666 (1.891) 0.920 lnX6 lnX2 -0.251 (-1.021) 0.753 (2.308) 0.922 lnX6 lnX3 0.061 (1.548) 0.341 (5.901) 0.927 lnX6 lnX4 -0.119 (-0.897) 0.585 (3.167) 0.921 lnX6 lnX5 -0.623 (-7.127) 1.344 (10.314) 0.977 lnX6 lnX7 0.391 (11.071) 0.924 经比较，新加入lnX5的方程调整可决系数改进最大, 各参数的t检验也都显著，但是lnX5参数的符号与经济意义不符合。若再加入其他变量后的逐步回归,若剔除不显著的变量和无经济意义的变量后, 仍为第一步所建只包含lnX6的一元回归模型。 如果需要建立多元线性回归模型，则需寻找新的变量或改变模型形式。 例如, 不取对数作全部变量多元线性回归：在命令窗口输入ls y c x1 x2 x3 x4 x5 x6 x7,可得下图： 可以看出还是有严重多重共线性。作逐步回归: 再次分别作一元回归（参照上面所做逐步回归的步骤，变化的是不用对数），可得到下表结果： 变量 X1 X2 X3 X4 X5 X6 X7 参数估计值 0.7333 0.7353 1.6655 13.1909 10.8980 678.0058 19332.30 t 统计量 26.4698 25.3627 18.0257 25.9636 13.5147 22.4229 4.7024 0.9709 0.9684 0.9393 0.9697 0.8969 0.9599 0.5129 0.9695 0.9669 0.9364 0.9683 0.8920 0.9580 0.4897 以X1为基础加入其他变量, 可得到下表结果： X1 X2 X3 X4 X5 X6 X7 X