计量经济学实验报告

中国海洋大学

《计量经济学》实验报告

实验项目名称： 能源消费总量的影响因素分析 指 导 教 师： 姓 名： 学 号：

年 级 专 业： 2011级金融

【实验目的】 1．通过实验课使自己能够了解并深入认识什么是计量经济学，掌握计量经济学的理论与方法。了解和掌握计量经济分析的步骤和方法，同时知道如何在实践中运用计量经济学。 2．通过课程实验，利用计量经济学模型定量分析研究经济问题。培养自我的分析问题和解决问题的能力，在学完该课程后，不仅学习了理论知识和计算方法，还能接触到社会实际中有待解决的计量经济问题，并能建立数学模型求解。 3．通过实验教学培养自己发现问题、分析问题、解决问题的能力，能够自己分析数据结果。 4．通过世间使自己能够由理论认知上升到实践认知，通过自己的理解真切的感受经济现象的变动。 【实验要求】 1．要求我们了解和熟悉计量经济学的基本知识，为具体操作做好知识准备。 2．要求我们熟悉什么是计量经济，如何利用计量分析，他们各自的分类又有什么，为具体操作做好知识准备。 3．要求我们利用计量经济学软件，按实际操作规范和流程进行操作处理，培养自己的动手操作能力，培养自己EViews熟悉程度。 4．能够正确运用软件，能够看懂软件中给出的数据所代表的意义。能够了解理论、数据与实际之间的某些相关性。 5. 对于外界条件的变化，具有一定的分析解决问题的能力。 【实验原理】 1．EViews6.0软件 2．普通最小二乘法、拟合优度的判定、t检验等 3．利用教材《计量经济学实验教程》以及搜集的数据 【实验内容】 1．创建工作文件； 2．利用并建立“能源消费总量的影响因素分析”的计量经济学模型 3．输入（编辑）数据 4．回归分析 5．进行经济意义检验和统计推断检验 6．进行进行多重共线性检验、异方差检验和序列相关性检验及其修正 【实验步骤】 模型设定

理论上认为影响能源消费需求总量的因素主要有经济发展水平、收入水平、产业发展、人民生活水平提高、能源转换技术等因素。为此，收集了1980——2011年中国能源消费标准煤总量、国民生产总值、国内生产总值GDP、工业增加值、交通运输邮电业增加值、城镇居民人均消费性支出、能源加工转换总效率的统计数据。本文旨在建立多元先行回顾模型，以探究不同因素对能源消费总量的影响。 其中：Y为能源消费总量；

X1为国民生产总值；X2为国内生产总值；X3为工业增加值

X4为交通运输业增加值；X5为城镇居民人均消费性支出；X能源加工转换总效率 表1： 年份 1980 1981 1982 1983 1984 1985 1986 1987 1988 Y 60275 59447 62067 66040 70904 76682 80850 86632 92997 X1 45.624 48.4611 5330.451 5985.5516 7243.7517 9040.7366 10274.3792 12050.6151 15036.823 X2 45.624 41.5611 5323.351 5962.6516 7208.0517 9016.0366 10275.1792 12058.6151 15042.823 X3 1996.5 2048.4 2162.3 2375.6 27 3448.7 3967 4585.8 5777.2 X4 213.3619 220.698 246.8553 274.9457 338.5157 421.7173 498.8358 568.3195 685.735 X5 412.44 456.84 471 505.92 559.44 673.2 798.96 884.4 1103.98 X6 69. 69.28 69.2 69.93 69.16 68.29 68.32 67.48 66. 19 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011

96934 98703 103783 109170 115993 122737 131176 1348 138173 132214 130119 138553 143199.3 17000.9191 18718.3224 21826.1994 26937.2765 35260.0247 48108.45 59810.5292 70142.4917 78060.8528 83024.2798 88479.18 98000.43 16992.3191 18667.8224 21781.4994 26923.4765 35333.9247 48197.85 60793.7292 71176.5917 773.035 84402.2798 677.08 99214.53 84 6858 8087.1 10284.5 812.741 1167.0327 1420.3002 1688.9781 1210.95 1278. 1453.81 1671.73 2110.81 2851.34 3537.57 3919.47 4185. 4331.6 4615.9 4998 5309 6029.88 6510.94 7182.1 66.51 67.2 65.9 66 67.32 65.2 71.05 71.5 69.23 69.44 69.19 69.04 69.03 69.04 69.4 70.71 71.16 71.24 70.77 14187.971 2173.9947 19480.71 2787.8885 24950.611 3244.2971 29447.607 3782.1591 32921.3 4148.56 34018.431 4660.9009 35861.479 5175.1715 40033.593 6160.9517 108068.2206 109655.1706 43580.616 6870.2508 151796.59 119095.63 120332.63 47431.308 7492.9466 174990 203227 224682 135173.9761 135822.7561 945.527 7913.18 159586.7736 159878.3379 65210.029 9304.393 183618.5053 184937.369 77230.779 10666.1631 7942.88 246270.15 215883.9487 216314.4259 91310.936 12182.9846 8696.6 265583 285000 3067 324939 348002 2611.0218 265810.3058 110534.88 14601.0394 9997 315274.7098 314045.4271 130260.24 16362.5032 11242.85 71.55 341401.4756 340902.8126 135239.95 16727.1098 122.55 72.01 403259.95 401202.0284 160867.01 168.48 472115 471563.7 188470.2 21931.9 13471.45 72.86 15161 73.52 参数估计和模型检验

1.直接对模型进行OLS估计，结果如下 表2：

Dependent Variable: Y Method: Least Squares

Date: 06/25/13 Time: 10:20 Sample: 1980 2011 Included observations: 32

Variable C X1 X2 X3 X4 X5 X6

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

Coefficient 301791.8 7.152261 -8.984414 5.191294 -9.375111 25.98497 -3528.859

Std. Error 97597.72 4.076979 4.043508 1.700944 5.429815 6.1445 1432.604

t-Statistic 3.092202 1.7304 -2.221936 3.052009 -1.726599 4.2250 -2.463248

Prob. 0.0048 0.0916 0.0356 0.0053 0.0966 0.0003 0.0210 149585.4 82617.95 21.27050 21.59113 21.37678 1.501467

0.990118 Mean dependent var 0.987747 S.D. dependent var 9145.279 Akaike info criterion 2.09E+09 Schwarz criterion -333.3281 Hannan-Quinn criter. 417.4962 Durbin-Watson stat 0.000000

得到的模型为：

Y=301791.847537+7.15226114671*X1-8.98441426858*X2+5.19129414597*X3-9.37511099997*X4+25.9849710382*X5-3528.85937586*X6

2模型检验 2.1经济意义检验

从各变量的参数看，国民生产总值（x1）、工业增加值(x3)、城镇居民人均消费性支出(x5)的参数符号均为正，与能源消费需求总量呈正相关，与现实经济意义相符，通过经济意义检验，国内生产总值GDP（x2）、交通运输邮电业增加值（x4）的符号为负，与能源消费总量成负相关，不符合经济意义，未通过经济意义检验；能源加工转换总效率（x6）符号为负，与能源消费总量成负相关，符合经济意义，通过经济意义检验。

2.2统计推断检验 （1） 拟合优度检验

从表中可以看出，可决系数为0.990118，调整后的可决系数为0.987747，均很高，说明模

型的拟合优度较好。 （2）t统计量检验

从表中可以看出，各解释变量的t统计值均大于5%的显著性水平下的临界值，对能源消费总量均有显著影响。 （3） F统计量检验

上表中，F统计量为417.4962，大于临界值，说明方程总体显著。

2.3计量经济学检验 2.3.1多重共线性检验

在经济意义检验中，国内生产总值GDP（x2）、交通运输邮电业增加值（x4）的符号为负，与能源消费总量成负相关，不符合经济意义，未通过经济意义检验，因此怀疑存在多重共线性。

表3 各解释变量间的相关关系系数：

从相关系数矩阵可以判断出，各解释变量之间存在严重的多重共线性。

2.3.2使用逐步差分法对多重共线性进行修正

（1）用OLS法逐一Y对各个解释变量的回归，可以发现Y对城镇居民人均消费性支出(x5)的线性关系最好，结果如下：

表4：

Dependent Variable: Y Method: Least Squares Date: 06/25/13 Time: 10:23 Sample: 1980 2011 Included observations: 32

Variable C X5

Coefficient 61600.85 19.303

Std. Error 3167.351 0.512835

t-Statistic 19.44870 37.455

Prob. 0.0000 0.0000

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.979269 Mean dependent var 0.978578 S.D. dependent var 12092.17 Akaike info criterion 4.39E+09 Schwarz criterion -345.1834 Hannan-Quinn criter. 1417.112 Durbin-Watson stat 0.000000

149585.4 82617.95 21.697 21.79057 21.72933 0.241752

（2）逐步进行回归，将其他解释变量逐一代入： ①将变量X1代入，结果如下： 表5：

Dependent Variable: Y Method: Least Squares Date: 06/25/13 Time: 10:19 Sample: 1980 2011 Included observations: 32

Variable X5 X1 C

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

Coefficient 14.51666 0.162123 65999.25

Std. Error 3.153120 0.1053 4215.470

t-Statistic 4.603903 1.538325 15.6

Prob. 0.0001 0.1348 0.0000 149585.4 82617.95 21.68302 21.82044 21.72857 0.282255

0.980833 Mean dependent var 0.979511 S.D. dependent var 11825.85 Akaike info criterion 4.06E+09 Schwarz criterion -343.9284 Hannan-Quinn criter. 742.0125 Durbin-Watson stat 0.000000

从上表可以看出，R^2统计量提高到0.980833，模型拟合优度略有提高。但是解释变量X1的t统计量为1.53，小于5%显著性水平下的临界值1.697，不能拒绝系数为零的原假设，决定舍去变量X1。

②将变量X2代入，结果如下： 表6：

Dependent Variable: Y Method: Least Squares Date: 06/26/13 Time: 19:38

Sample: 1980 2011 Included observations: 32

Variable X5 X2 C

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

Coefficient 14.57677 0.160376 65876.

Std. Error 3.252962 0.1099 42.615

t-Statistic 4.481077 1.471353 15.48355

Prob. 0.0001 0.1520 0.0000 149585.4 82617.95 21.7 21.82688 21.73502 0.280819

0.980709 Mean dependent var 0.979379 S.D. dependent var 118.03 Akaike info criterion 4.08E+09 Schwarz criterion -344.0315 Hannan-Quinn criter. 737.1511 Durbin-Watson stat 0.000000

从上表可以看出，与表4中的结果相比，R^2统计量提高到0.980709，模型拟合优度略有提高。但是解释变量X2的t统计量为1.47，小于5%显著性水平下的临界值1.697，不能拒绝系数为零的原假设，决定舍去变量X2。

③将变量X3代入，结果如下： 表7：

Dependent Variable: Y Method: Least Squares Date: 06/25/13 Time: 10:34 Sample: 1980 2011 Included observations: 32

Variable X5 X3 C

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

Coefficient 13.17242 0.513172 67151.31

Std. Error 3.327133 0.275322 4258.587

t-Statistic 3.959090 1.8638 15.76845

Prob. 0.0004 0.0725 0.0000 149585.4 82617.95 21.832 21.78573 21.69387 0.295303

0.981487 Mean dependent var 0.980210 S.D. dependent var 11622.41 Akaike info criterion 3.92E+09 Schwarz criterion -343.3731 Hannan-Quinn criter. 768.7280 Durbin-Watson stat 0.000000

从上表可以看出，与表4中结果相比，R^2统计量提高到0.981487，模型拟合优度略有提高。解释变量的t检验的值均大于5%显著性水平下的临界值1.697，通过了显著性检

验，决定保留变量X3。

④将变量X4代入，结果如下： 表8：

Dependent Variable: Y Method: Least Squares Date: 06/27/13 Time: 14:23 Sample: 1980 2011 Included observations: 32

Variable C X3 X4 X5

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

Coefficient 67594.21 0.451561 1.1792 12.21067

Std. Error 4917.456 0.428176 6.071395 6.084263

t-Statistic 13.74577 1.0615 0.190202 2.006927

Prob. 0.0000 0.3006 0.8505 0.05 149585.4 82617.95 21.70953 21.274 21.77026 0.298883

0.981511 Mean dependent var 0.979530 S.D. dependent var 11820.50 Akaike info criterion 3.91E+09 Schwarz criterion -343.3524 Hannan-Quinn criter. 495.48 Durbin-Watson stat 0.000000

从上表可以看出，与表7中的结果相比，R^2统计量提高到0.981511，模型拟合优度略有提高。但是各解释变量不再显著，决定舍去变量X4。

⑤将变量X6代入，结果如下： 表9：

Dependent Variable: Y Method: Least Squares Date: 06/25/13 Time: 11:34 Sample: 1980 2011 Included observations: 32

Variable C X3 X5 X6

R-squared Adjusted R-squared

Coefficient 281950.5 0.604536 13.24222 -3163.108

Std. Error 100834.9 0.263405 3.140874 1483.702

t-Statistic 2.796161 2.295086 4.216093 -2.131903

Prob. 0.0092 0.0294 0.0002 0.0419 149585.4 82617.95

0.984072 Mean dependent var 0.982366 S.D. dependent var

S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

10971.17 Akaike info criterion 3.37E+09 Schwarz criterion -340.96 Hannan-Quinn criter. 576.74 Durbin-Watson stat 0.000000

21.56040 21.74362 21.62113 0.538128

从上表可以看出，与表7中结果相比，R^2统计量提高到0.984072，模型拟合优度略有提高。解释变量的t检验的值均大于5%显著性水平下的临界值1.697，通过了显著性检验，决定保留变量X6。 2.3.3异方差检验

使用White方法检验异方差是否存在 表10：

Heteroskedasticity Test: White F-statistic

2.0638 Prob. F(9,22)

0.0359 0.0607 0.6057 Prob. 0.6841 0.2912 0.3249 0.2512 0.2566 0.4088 0.2397 0.3686 0.6935 0.7050 1.05E+08 1.16E+08 39.85201 40.31005

Obs*R-squared Scaled explained SS

Test Equation:

16.30874 Prob. Chi-Square(9) 7.302465 Prob. Chi-Square(9)

Coefficient -1.63E+10 -385322.0 0.626731 -17.34251 5917.979 3011515. 105.1930 -483.83 4.59E+08 -3213696.

Std. Error 3.94E+10 356328.4 0.622356 14.71616 5081.058 3576284. 87.05628 50634.75 1.15E+09 8380279.

t-Statistic -0.412316 -1.081368 1.007030 -1.178467 1.1714 0.842080 1.208333 -0.918022 0.399296 -0.383483

Dependent Variable: RESID^2 Method: Least Squares Date: 06/25/13 Time: 10:56 Sample: 1980 2011 Included observations: 32

Variable C X3 X3^2 X3*X5 X3*X6 X5 X5^2 X5*X6 X6 X6^2

R-squared Adjusted R-squared S.E. of regression Sum squared resid

0.5098 Mean dependent var 0.309050 S.D. dependent var 96197333 Akaike info criterion 2.04E+17 Schwarz criterion

Log likelihood F-statistic Prob(F-statistic)

-627.6321 Hannan-Quinn criter. 2.0638 Durbin-Watson stat 0.035937

40.00384 1.7067

上图中检验结果是White统计量Obs*R-square=16.30874，小于5%显著性水平下的临界值16.92，不能拒绝原模型同方差性的原假设，则原模型不存在异方差性。 2.3.4 序列相关性检验

(1)使用残差散点图检验序列相关性。图2：

RESID20,00010,0000-10,000-20,000-30,0001980198519901995200020052010 图3：

20,00010,0000RESID-10,000-20,000-30,000-30,000-20,000-10,000010,00020,000RESID(-1) 从上面两张图可以基本看出模型存在正自相关。

(2)使用D.W.统计量检验序列相关性： 表11：

Dependent Variable: Y Method: Least Squares Date: 06/25/13 Time: 11:34 Sample: 1980 2011 Included observations: 32

Variable C X3 X5 X6

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

Coefficient 281950.5 0.604536 13.24222 -3163.108

Std. Error 100834.9 0.263405 3.140874 1483.702

t-Statistic 2.796161 2.295086 4.216093 -2.131903

Prob. 0.0092 0.0294 0.0002 0.0419 149585.4 82617.95 21.56040 21.74362 21.62113 0.538128

0.984072 Mean dependent var 0.982366 S.D. dependent var 10971.17 Akaike info criterion 3.37E+09 Schwarz criterion -340.96 Hannan-Quinn criter. 576.74 Durbin-Watson stat 0.000000

从表中可以看出， D.W.统计量的数值为0.538，小于统计量下限的dL，模型存在正自相关。

(3)拉格朗日乘数检验

首先从1阶开始检验，结果如下： 表12：

Breusch-Godfrey Serial Correlation LM Test: F-statistic

38.31136 Prob. F(1,27)

0.0000 0.0000

Obs*R-squared

Test Equation:

Dependent Variable: RESID Method: Least Squares

18.77106 Prob. Chi-Square(1)

Date: 06/25/13 Time: 11:51 Sample: 1980 2011 Included observations: 32

Presample missing value lagged residuals set to zero.

Variable C X3 X5 X6 RESID(-1)

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

Coefficient -101191.8 -0.322234 2.981357 1461.512 0.860033

Std. Error 68017.03 0.1801 2.112185 999.7580 0.1348

t-Statistic -1.487742 -1.788661 1.411504 1.461865 6.1617

Prob. 0.1484 0.0849 0.1695 0.1553 0.0000 2.18E-11 10426.80 20.73957 20.96859 20.818 1.181841

0.586596 Mean dependent var 0.525351 S.D. dependent var 7183.525 Akaike info criterion 1.39E+09 Schwarz criterion -326.8331 Hannan-Quinn criter. 9.577839 Durbin-Watson stat 0.000059

从上表中可以看出，Obs*R-squared=18.77106,该值大于显著性水平为5%、自由度为1的临界值，由此判断原模型存在1阶序列相关性。

检验是否存在2阶序列相关，结果如下： 表13

Breusch-Godfrey Serial Correlation LM Test: F-statistic

21.16981 Prob. F(2,26)

0.0000 0.0000 Prob. 0.2295 0.1779 0.2816 0.2370 0.0000 0.1455

Obs*R-squared

Test Equation:

Dependent Variable: RESID Method: Least Squares

19.82551 Prob. Chi-Square(2)

Coefficient -83158.96 -0.252291 2.321340 1201.577 1.046295 -0.290849

Std. Error 67570.10 0.182180 2.111180 992.5872 0.184004 0.193818

t-Statistic -1.230706 -1.384840 1.0996 1.210551 5.686274 -1.500632

Date: 06/27/13 Time: 15:09 Sample: 1980 2011 Included observations: 32

Presample missing value lagged residuals set to zero.

Variable C X3 X5 X6 RESID(-1) RESID(-2)

R-squared

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.6197 Mean dependent var 0.6383 S.D. dependent var 7022.5 Akaike info criterion 1.28E+09 Schwarz criterion -325.5041 Hannan-Quinn criter. 8.467924 Durbin-Watson stat 0.000074 2.18E-11 10426.80 20.71901 20.99383 20.81010 1.658048

从上表中可以看出，Obs*R-squared=19.82551,该值大于显著性水平为5%、自由度为2的临界值，由此判断原模型可能存在2阶序列相关性。但是RESID(-2)未通过5%的显著性水平检验，表明并不存在2阶序列相关性。