专业班级： 2013 级经济学（1）班 

*    **      ***            

****      ***            

 交通运输管理学院

二○一六  年   六  月

学会常用经济计量软件的基本功能，并将其应用在一元线性回归、多元线性回归、异方差以及序列相关模型的分析中。具体包括：Eviews的安装，样本数据基本统计量计算，一元线性回归模型的建立、检验及结果输出与分析，多元回归模型的建立与分析，异方差、序列相关模型的检验与处理等。

二、实验环境

Windows XP或Windows 7的操作系统下，基于Eviews 6版本，来进行实验。

三、实验模型建立与分析

案例一：

在当今社会中，随着经济的增长和科学技术的发展，截至2015年12月，中国网民规模达6.88亿，互联网普及率为50.3%；手机网民规模达6.2亿，占比提升至90.1%。现如今，半数中国人已经接入互联网，网民规模增速提升，同时网民个人上网设备进一步向手机端集中。互联网已经成为我们生活中的一部分，随着网络环境的日益完善、移动互联网技术的发展，各类移动互联网应用的需求逐渐被开发。未来，移动互联网应用将更加贴近生活，从而带动三四线城市、农村地区人口的使用，进一步提升我国互联网普及率。

我国2007-2015年我国网民和手机网民规模的的统计资料（资料来源于中国互联息中心CNNIC发布的《中国互联网络发展状况统计报告》），如下所示：

年份 中国网民规模X1 中国手机网民规模Y

 （万人） （万人）

（1）做散点图

中国手机网民规模（Y）和中国网民之间规模（X1）的关系散点图，如下图所示：

从散点图可以看出中国手机网民规模（Y）和中国网民规模（X1）之间大体呈现为线性关系，所以建立的计量经济模型为如下线性模型： 

Y = β1 + β2*X + U

（2）做回归分析，回归结果如下图所示：

参数估计的结果为：

Y = -22450.76 + 1.181685*X1

（3）模型检验

1.经济意义检验

所估计的参数β2= 1.181685中国网民每增加1万人，中国将增加1.181685万人手机网民。这个结果在现阶段手机网民在网民中的比率还不是特别高，且智能手机发展迅猛的情况下成立。

2.拟合优度和统计检验

用EViews得出回归模型参数估计结果的同时，已经给出了用于模型检验的相关数据。其中，R^2，即R-squared的值越接近于1，则说明 所建模型整体上对样本数据拟合越好。本案例中，R-squared的值为0.988821，说明解释变量“中国网民规模”对被解释变量“中国手机网民规模”的绝大部分差异作出了解释。

对于参数的假定：H0：β1 = 0 ，H1：β1 ≠ 0

β2 = 0 ， β2 ≠ 0

假设α为0.05，则 = 2.36。从上述的输出结果中可以看出：

对于β1，有|t1| = 9.258022 > 

对于β2，有|t2| = 24.88334 > 

则，在置信度为95%的情况下，截距项对中国手机网民规模的影响程度是显著的。且在95%的置信度下，中国网民规模对中国手机网民规模的影响也是显著的，通过了显著性检验。

3.回归预测

当中国网民规模达到了8亿人是，中国手机网民规模将达到

-22450.76 + 1.181685*80000 = 72084.04 （万人）

（4）结论

从数据和回归结果上看，中国网民规模对中国手机网民规模有重要的影响。有数据和实验结果很容易知道，如何增加中国网民规模是提高中国手机网民规模的重要因素，但是这并不是唯一影响因素，比如智能手机的普及率和个人需求等很多因素。并且，中国网民规模对中国手机网民规模的影响也将会在手机网民人数逐渐逼近网民人数而开始减少，这也是以后需要考虑的地方。

案例二：

中国网民规模对中国手机网民规模有重要的影响，但是这并不是唯一影响因素，比如还有智能手机的普及率和个人需求等很多因素。互联网已经成为我们生活中的一部分，随着网络环境的日益完善、移动互联网技术的发展，各类移动互联网应用的需求逐渐被开发。

我国2007-2015年我国网民、手机网民规模以及移动电话用户数的的统计资料（数据来源于中国互联息中心CNNIC发布的《中国互联网络发展状况统计报告》以及中国产业信息网、艾媒咨询网），如下所示：

年份  中国手机网民规模y  中国网民规模x1 移动电话用户数x2  中国职能手机销量x3 

 （万人） （万人） （万人） （万部）

Y关于X1的散点图：

可以看出Y和X1成线性相关关系。

Y关于X2的散点图：

也可以看出Y和X2成线性相关关系。

Y关于X3的散点图：

也可以看出Y和X3近似成线性相关关系。

（2）利用Eviews进行多元回归，得到结果如下：

模型估计的结果为： 

         Yi = -12294.37 + 1.191583X1 – 0.160626X2 + 0.288872X3

（3）模型检验

1.  经济意义检验 

模型估计结果说明，在假定其他变量不变的情况下，当年网民规模每增长1万人时，手机网民规模会增长1.191583万人；在假定其他变量不变的情况下，当移动电话用户数增长1万人，手机网民将减少0.160626万人；在假定其他变量不变的情况下，当智能手机销量增加1万部时，手机网民将增加0.288872万人。

显然，移动电话用户数对手机网民的影响不太合理。

2.  F检验

针对H0: β2 =β3=β4=0,给定的显著性水平α=0.05，在F分布表中查出自由度为K-1=3和n-k=5的临界值Fα（3，5）=5.41由Eviews得到F=511.4439>5.41，应拒绝原假设H0,说明回归方程显著，即“中国网民规模”、“移动电话用户数”、“中国智能手机销量” 联合起来确实对“中国手机网民规模”有显著影响。

3.  T检验

分别针对H：βj=0（j=0，2，3，4），给定的显著水平α=0.05，查t分布表得自由度为n-k=5临界值tα/2（n-k）=2.57由eviews数据可得，与β0、β2、β3、β4对应的t统计量分别为-2.361050、5.686121、-0.9655262、2.628525，其中，仅有β3的绝对值小于2.57。这说明除了X3，其他分别都应当拒绝H0，这说明分别都应当拒绝H0，也就是说，当其他解释变量不变的情况下，解释变量“中国网民规模”、“中国智能手机销量” 对被解释变量“中国手机网民规模”有显著影响，而解释变量“移动电话用户数”对被解释变量“中国手机网民规模”影响不显著。

剔除X2，重新进行回归，得到的结果如下：

1.  经济意义检验 

模型估计结果说明，在假定其他变量不变的情况下，当年网民规模每增长1万人时，手机网民规模会增长0.998405万人；在假定其他变量不变的情况下，当智能手机销量增加1万部时，手机网民将增加0.199613万人。

2.  F检验

针对H0: β2 =β3=0,给定的显著性水平α=0.05，在F分布表中查出自由度为K-1=2和n-k=6的临界值Fα（2，6）=5.14由Eviews得到F=775.4226>5.14，应拒绝原假设H0,说明回归方程显著，即“中国网民规模”、 “中国智能手机销量” 联合起来确实对“中国手机网民规模”有显著影响。

3.  T检验

分别针对H：βj=0（j=0，2，3），给定的显著水平α=0.05，查t分布表得自由度为n-k=6临界值tα/2（n-k）=2.45由eviews数据可得，与β0、β2、β3、β4对应的t统计量分别为-7.407948、16.08511、3.376950，其中，绝对值均大于2.45。这说明分别都应当拒绝H0，这说明分别都应当拒绝H0，也就是说，当其他解释变量不变的情况下，解释变量“中国网民规模”、“中国智能手机销量” 对被解释变量“中国手机网民规模”有显著影响。

（4）结论

从上述结果中可以看出，解释变量“移动电话用户数”对被解释变量“中国手机网民规模”影响不显著，其他解释变量“中国网民规模”、“中国智能手机销量” 对被解释变量“中国手机网民规模”有显著影响。

我认为可以理解为，移动电话也就是手机，主要包括了智能手机和功能手机，智能手机对中国手机网民规模的影响较大，而功能手机对中国手机网民规模没有影响或者影响程度很低，综合起来就造成了解释变量“移动电话用户数”对被解释变量“中国手机网民规模”影响不显著。

案例三：

（1）数据

已知福建省各城市道路清扫保洁面积X，市容环卫专用车辆设备总数Y的截面样本数据（数据来源：福建省2015统计年鉴）

如下：

（2）建立模型

根据常识确定计量经济学模型基本形式为：

Yi = β0 +β1Xi + ui

Eviews输出结果报告如下：

则，估计方程为：

Y = -11.93420 + 0.175305*X

（3）异方差检验

考虑到横截面数据的特点，怀疑会产生异方差问题，对其以各种方法进行检验。

a)简单观察

通过对X与残差的观察，发现e似乎随着X变化而变化，怀疑有异方差，于是以各种方法对其检验。

b)图示法

分别绘制Y及残差与解释变量X的散点图。

从散点图来看，随着道路清扫保洁面积的增加，Y和残差的离散程度在增加，可见随机误差项存在异方差。

c)G-Q检验

因为已经对样本对X的值进行从小到大排序，所以直接划分子样本。

子样本1：

子样本2：

分别对两个子样本进行回归分析，得到结果如下：

子样本一：

子样本2：

计算F统计量： =  = 63.8396，在α = 0.05 的显著性水平下，查F分布表，（6，6）= 4.28，因此，F = 63.8396 > （6，6）= 4.28。因此，拒绝原假设，接受对立假设，原模型存在随机误差项的异方差。子样本的残差平方和较大，也可得出递增异方差的结论。

d)White检验

根据White检验中辅助函数的构造，最后一项为变量的交叉乘积项，因为本例为一元函数，故无交叉乘积项，则辅助函数为：



结果如下所示：

可以看出TR^2 = 11.05090，由White检验知，在α = 0.05下，查分布表，得到临界值，因为TR^2 = 11.05090 > ，，所以拒绝原假设，不拒绝备选假设，表明模型存在异方差。

e)异方差的修正

由于异方差是有X引起的，可以下面则1/X作为权重来修正模型，得到加权最小二乘估计式：

结果报告：

由结果Y/X = 0.114122 + 14.79961*1/X，可以得到原模型估计结果：Y = 0.114122*X + 14.79961

或者直接应用加权最小二乘法得到：

四、实验总结

1、通过实验掌握了Eviews6的安装及其应用相关（包括数据的输入、数据的分析、及其分析结果的输出），其中遇到突发情况，注册表的信息不对，无法打开Eviews软件，通过百度，我学会了如何修改注册表的信息。

2、实验凸现不足的是对书本的理论没有足够深入的思考和认识，而仅仅从“得到数据—数据—数据分析—结果输出”的固定流程去解决分析问题，需要在今后的学习过程中加强。还有对Eviews的操作还不是特别熟练，以后仍然需要加强

3、今后还应将计量经济学模型及其应用与现代计量经济学软件EViews进行有机结合，更好的应用Eviews软件解决算研究的实际问题。下载本文