文件编号：10055_26_e_3 实验课程讲义精选
《计量经济学》
上机教程
攸 频
南开大学数量经济研究所
2007年10月
目录
目录.....................................................................................................................................I 实验一 EViews 软件的基本操作....................................................................................1
1.1 实验目的..............................................................................................................1 1.2 实验内容..............................................................................................................1 1.3 实验步骤..............................................................................................................2
1.3.1 EViews的启动步骤.....................................................................................2 1.3.2数据的输入、编辑与序列生成.................................................................3 1.3.3 图形分析及描述统计量..........................................................................12 1.3.4数据文件的存贮、调用与转换...............................................................16
实验二 一元线性回归模型............................................................................................21
2.1 实验目的............................................................................................................21 2.2 实验原理............................................................................................................21 2.3 实验内容............................................................................................................21 2.4 实验步骤............................................................................................................21
2.4.1 散点相关图分析......................................................................................21 2.4.2 估计线性回归模型..................................................................................22 2.4.3 残差图......................................................................................................23 2.4.4 预测..........................................................................................................24
实验三 多元回归模型....................................................................................................26
3.1 实验目的............................................................................................................26 3.2 实验原理............................................................................................................26 3.3 实验内容............................................................................................................26 3.4 实验步骤............................................................................................................27
实验四 非线性回归模型的线性化................................................................................33
4.1 实验目的............................................................................................................33 4.2实验原理.............................................................................................................33 4.3 实验内容............................................................................................................33
4.3.1 建立厦门市贷款总额模型......................................................................33 4.3.2 建立钉螺存活率建模..............................................................................33 4.4 实验步骤............................................................................................................34
4.4.1 厦门市总贷款模型..................................................................................34 4.4.2 钉螺存活率模型......................................................................................37
实验五 异方差................................................................................................................40
5.1 实验目的............................................................................................................40 5.2 实验原理............................................................................................................40 5.3 实验内容............................................................................................................40 5.4 实验步骤............................................................................................................40
5.4.1 检查模型是否存在异方差性..................................................................40 5.4.2 克服异方差..............................................................................................42
实验六 自相关................................................................................................................44
6.1 实验目的............................................................................................................44 6.2 实验原理............................................................................................................44 6.3 实验内容............................................................................................................44 6.4 实验步骤............................................................................................................44
6.4.1 检验模型是否存在自相关......................................................................44 6.4.2 克服自相关..............................................................................................49
实验七 多重共线性......................................................................................................51
7.1 实验目的............................................................................................................51
7.2 实验原理............................................................................................................51 7.3 实验内容............................................................................................................51
7.3.1 建立农村居民食品支出的模型..............................................................51 7.3.2 建立中国私人轿车拥有量模型..............................................................52 7.4 实验步骤............................................................................................................53
7.4.1 农村居民食品支出模型..........................................................................53 7.4.2 中国私人轿车拥有量模型......................................................................56
实验八 虚拟变量............................................................................................................61
8.1 实验目的............................................................................................................61 8.2实验原理.............................................................................................................61 8.3 实验内容............................................................................................................61
8.3.1 建立市场用煤销售量模型......................................................................61 8.3.2 建立财政支出模型..................................................................................62 8.4 实验步骤............................................................................................................62
8.4.1 市场用煤销售量模型..............................................................................62 8.4.2 财政支出模型..........................................................................................66
实验一 EViews软件的基本操作
实验一 EViews 软件的基本操作
1.1 实验目的
了解EViews 软件的基本操作对象，掌握软件的基本操作。
1.2 实验内容
以表1.1所列中国的GDP与消费的总量数据（1990——2000，亿元）为例，利用EViews 软件进行如下操作：
（1）EViews 软件的启动
（2）数据的输入、编辑与序列生成 （3）图形分析与描述统计分析 （4）数据文件的存贮、调用与转换
表1.1
年份 X（GDP）
1990 18319.5 1991 21280.4 1992 25863.7 1993 34500.7 1994 46690.7 1995 58510.5 1996 68330.4 1997 74894.2 1998 79003.3 1999 82673.2 2000 89112.5 2001 98592.9 2002 107897.6 2003 121730.3 2004 142394.2 Y(Cons)
11365.2 13145.9 15952.1 20182.1 26796 33635 40003.9 43579.4 46405.9 49722.8 54617.2 58927.4 62798.5 67493.5 75439.7
数据来源：2004年中国统计年鉴，中国统计出版社
1
实验一 EViews软件的基本操作
1.3 实验步骤
1.3.1 EViews的启动步骤
进入Windows /双击EViews5快捷方式，进入EViews窗口；或点击开始/程序/EViews5/EViews5进入EViews窗口，如图1.1。
图1.1
标题栏：窗口的顶部是标题栏，标题栏的右端有三个按钮：最小化、最大化（或复原）和关闭，点击这三个按钮可以控制窗口的大小或关闭窗口。
菜单栏：标题栏下是主菜单栏。主菜单栏上共有7个选项： File，Edit，Objects，View，Procs，Quick，Options，Window，Help。用鼠标点击可打开下拉式菜单（或再下一级菜单，如果有的话），点击某个选项电脑就执行对应的操作响应。
命令窗口：主菜单栏下是命令窗口，窗口最左端一竖线是提示符，允许用户在提示符后通过键盘输入EViews命令。
2
实验一 EViews软件的基本操作
主显示窗口：命令窗口之下是EViews的主显示窗口，以后操作产生的窗口（称为子窗口）均在此范围之内，不能移出主窗口之外。
状态栏：主窗口之下是状态栏，左端显示信息，中部显示当前路径，右下端显示当前状态，例如有无工作文件等。
EViews有四种工作方式：（1）鼠标图形导向方式；（2）简单命令方式；（3）命令参数方式[(1)与（2）相结合)] ；（4）程序（采用EViews命令编制程序）运行方式。用户可以选择自己喜欢的方式进行操作。
1.3.2数据的输入、编辑与序列生成
进入EViews后的第一件工作应从创建新的或调入原有的工作文件开始。只有新建或调入原有工作文件， EViews才允许用户输入开始进行数据处理。 1.3.2.1 创建工作文件
启动EViews 软件之后，在主菜单上依次点击File\\New\\Workfile（菜单选择方式如图1.2所示）。这时会自动弹出工作文件选项，如图1.3。
图1.2
图1.3创建工作文件窗口在Workfile structure type选项区共有3种类型： （1）Unstructured/Undated（非结构/非日期）； （2）Dated-regular frequency；
3
实验一 EViews软件的基本操作
（3）Balanced Panel（平衡面板）。
其中默认的状态是Dated-regular frequency类型。
图1.3
图1.4
在默认状态Dated-regular frequency类型下，另一选项区Date specification（日期设定）中有8个选择，分别是Annual（年度的），Semi-annual（半年度的），Quarterly（季度的）、Monthly（月度的）、Weekly（周度的）、Daily-5 day week
4
实验一 EViews软件的基本操作
（一周5个工作日）、Daily-7 day week（一周7工作日）和Integer date（整序数的），如图1.4所示。本例中选择默认的时间频率Annual（年度数据），在起始栏和终止栏分别输入相应的日期1990和2004。点击OK，在EViews 软件的主显示窗口将显示相应的工作文件窗口，如图1.5所示。
图1.5
工作文件窗口是EViews的子窗口。它由标题栏、控制按钮和工具条组成。标题栏指明窗口的类型workfile、工作文件名。标题栏下是工作文件窗口的工具条，工具条上有一些功能键。包括Views（视图）功能键、Procs（过程）功能键、Object（对象）功能键、Save（文件保存）功能键、Details（+/-）标识功能键、Fetch（提取对象）功能键、Store（存储）功能键、Delete（删除）功能键、Genr（生成序列）功能键、Sample（样本）功能键等。此外，可以从工作文件目录中选取并双击对象，用户就可以展示和分析工作文件内的任何数据。
5
实验一 EViews软件的基本操作
工作文件一开始其中就包含了两个对象 (Object）,分别为C（系数向量）和resid（残差）。它们当前的取值分别是0 和NA（空值）。小图标上标识出对象的类型，C是系数向量，曲线图是时间序列。可以通过鼠标左键双击对象名打开该对象查看其数据，也可以直接使用EViews主窗口顶部的菜单选项，可以对工作文件和其中的对象进行一些处理。
此外，除了选用菜单方式，也可以选用命令方式建立工作文件。即在EViews 软件的命令窗口中直接键入CREATE 命令，也可以建立工作文件。命令格式为：
CREATE 时间频率类型 起始期 终止期
则以上菜单方式过程可写为：CREATE A 1990 2004 1.3.2.2 输入数据
建立或调入工作文件以后，可以输入和编辑数据。 输入数据有两种基本方法：data命令方式和鼠标图形界面方式。
（1） data命令方式。
命令格式为：data <序列名1> <序列名2>......<序列名n>，序列名之间用空格隔开，输入全部序列后回车就进入数据编辑窗口。本例中输入data x y。确认之后自动弹出Group窗口，两个序列名称为X和Y，当前取值均为NA（空值），如图1.6。
图1.6
6
实验一 EViews软件的基本操作
我们可以按照Excel的输入习惯输入数据，也可以直接从电子文档中将数据拷贝过来。数据输入完毕，可以点击Name命令，自动弹出Object Name提示（如图1.7），在相应的空格中命名序列组文件名称，或者默认为自动生成的名称group01，关闭数据输入窗口即可，或者直接关闭数据输入窗口，也会弹出提示命名序列组文件的对话框，进行相关操作即可关闭。此时在工作文件窗口会自动多处3个对象，分别为序列组group01，序列x和序列y，如图1.8所示。
图1.7
图1.8
（2） 鼠标图形界面方式。采用鼠标进行选单式操作也可两种方法输入数据：
7
实验一 EViews软件的基本操作
一种为数组方式，一种为序列方式。
图1.9
图1.10
数组文件方式：点击Quick \\ Empty Group (Edit Series)， 进入数据窗口编辑窗口，EViews5.0之前的版本电子表格输入区第一行为空白的obs行，可以直接输入序列名，然后在下面相应的表格输入数据，并可以如此输入多个序列。而EViews5.0版隐藏了空白的obs行，需要用鼠标点击第一个行第一列obs下面的第一个观测列名称（如图1.9中的1990），然后拖动鼠标向上移动到obs的位置，此时隐藏的obs
8
实验一 EViews软件的基本操作
对应的空白行及观测列序号就会自动显示出来（如图所示），点击空白区域首行首列（如图1.10中选中的空格），输入序列名，然后可以输入数据，采用同样方式可以输入多个序列，而obs相应行便会显示各序列的名称。
序列方式：点击Objects \\ New object \\ 选Series \\ 输入序列名称\\Ok,进入数据编辑窗口，点击Edit+/-打开数据编辑状态，（用户可以根据习惯点击Smpl+/-改变数据按行或列的显示形式,）然后输入数据，方式同上。 1.3.2.3 生成序列
利用数学公式生成新序列，也就是利用普通的数学符号对已有序列进行变
换。如生成log（Y）、D（Y）、X^2、1/X、时间变量T 等序列，在命令窗口中依次键入以下命令即可：
GENR LNY=LOG(Y) GENR DY=D(Y) GENR X1=X^2 GENR X2=1/X
GENR T=@TREND(1989)
图1.11
9
实验一 EViews软件的基本操作
如图1.11所示，在命令窗口输入GENR LNY=LOG(Y)，回车后，便会在工作文件中自动生成新的序列lny。
同样，除了采用命令方式外，也可以采用选单式操作。从工作文件窗口点击Quick/Generate Series,然后在弹出的窗口空白区输入公式即可，如图1.12所示。
图1.12
其他的函数命令可参阅《EViews使用指南与案例》等书籍。 1.3.2.4 编辑数组及序列
在工作文件窗口中单击所要选择的变量，按住Ctrl 键不放，继续用鼠标选择要展示的变量，选择完以后，单击鼠标右键，在弹出的快捷菜单中点击Open/as Group（如图1.13），则会弹出如图1.14 所示的数组窗口，其中变量从左至右按在工作文件窗口中选择变量的顺序来排列。
10
实验一 EViews软件的基本操作
图1.13
图1.14
在数组窗口点击Edit＋/－，进入全屏幕编辑状态，选择一个空列，既可以输入数据或者从其他文件拷贝列数据进来，增加一个新变量。
如果想删除或更名序列，在工作文件窗口中选取该变量并单击鼠标右键，在弹出的快捷菜单中选择Delete（删除）或Rename（更名）即可，如图1.15所示。
11
实验一 EViews软件的基本操作
图1.15
1.3.3 图形分析及描述统计量
借助图形分析可以直观地观察经济变量的变动规律和相关关系，以便合理地确定模型的数学形式。 1.3.3.1 图形
（1）趋势图分析
160000140000120000100000800006000040000200000909192939495969798990001020304XY图1.16 12
实验一 EViews软件的基本操作
命令格式：PLOT 变量1 变量2 ……变量K
本例为：PLOT Y X，图1.16为我国GDP与总消费（1990-2004）的时间序列趋势图。
（2）散点相关图分析
命令格式：SCAT 变量1 变量2 本例为：SCAT Y X
作用：通过相关图可以观察变量之间的相关程度；另外，还可以观察变量之间的相关类型，即为线性相关还是曲线相关，曲线相关时大致是哪种类型的曲线。
或者选择鼠标图形界面方式——画图方式，点击工作文件Quick\\Graph\\Scatter, 在弹出的Series List窗口输入序列名x和y（如图1.17），点击ok。
注意：（1）和（2）中，作散点图时输入的第一个变量为横轴变量，一般取为解释变量；第二个变量为纵轴变量，一般取为被解释变量，每次只能显示两个变量之间的相关图，若模型中含有多个解释变量，可以逐个进行分析。
图1.17
此外还可以选择鼠标图形界面方式——序列方式，打开序列组文件，选择View\\Graph\\Scatter\\Simple Scatter。
通过不同的方式都可以得到变量的散点图，图1.18为我国GDP与总消费的相关图，可以发现X（GDP）和Y（总消费）之间存在近似的线性关系。
13
实验一 EViews软件的基本操作
80000700006000050000Y4000030000200001000004000080000X120000160000 图1.18
双击图形区域中任意处或点击Procs/Options，则会弹出如图1.19所示的Graph Options 窗口，进入图形编辑状态。可以根据需要对图形进行个性化编辑。
图1.19
14
实验一 EViews软件的基本操作
1.3.3.2 描述统计量
若是单独序列窗口，从序列窗口菜单选择View/Descriptive Statistics/Histogram and Stats，则会显示变量的描述统计量，如图1.20所示。 5Series: YSample 1990 2004Observations 15Mean 41337.64Median 43579.40Maximum 75439.70Minimum 11365.20Std. Dev. 20619.15Skewness -0.023120Kurtosis 1.806902Jarque-BeraProbability20000400006000080000 0.891013 0.64050043210 图1.20
图1.21
15
实验一 EViews软件的基本操作
若是数组窗口，从数组窗口菜单选择View/Descriptive Stats/Individual Samples，就对每个序列计算描述统计量，如图1.21所示。
其中，Mean——均值
Median——中位数 Maximum——最大值 Minimum——最小值 Std.Dev.——标准差 Skewness——偏度 Kurtosis——峰度 Jarque-Bera——JB统计量 Probability——概率 Observations——观测值个数
1.3.4数据文件的存贮、调用与转换
1.3.4.1 存贮并调用工作文件
（1）存贮：在EViews 主窗口的工具栏上选择File/Save（Save as），再在弹出的对话框中指定存贮路径，点击确定按钮即可。
（2）调用：在EViews 主窗口的工具栏上选择File/Open/Workfile，再在弹出的对话框中选取要调用的工作文件，点击确定按钮即可。 1.3.4.2 存贮并调用变量
在工作文件窗口中选取所要存贮的变量，点击工作文件窗口菜单栏中的Store 按钮，弹出store 对话框，指定存贮路径，点击YES 按钮即可，如图1.22。打开另一个工作文件，点击Fetch 按钮，在指定目录下选取要调用的变量如图1.23。
16
实验一 EViews软件的基本操作
图1.22
图1.23
1.3.4.3 将工作文件存贮为其他格式文件
若将工作文件分别存贮成文本文件和Excel文件，在工作文件窗口中选择要保存的一个或多个变量，点击EViews 主窗口菜单栏中的File/Export/Write Text-Lotus-Excel，在弹出的对话框中指定存贮路径和存贮的文件格式（图1.24），若存贮成文本文件则选择Text-ASCII，若存贮成Excel 文件则选择Excel.xls，再点击保存按钮，弹出ASCII Text Export（Excel Export）窗口（如图1.25），点击OK 按钮即可。其中，By Observation-Series in columns 表示各观测值按列排列，By Series-Series in rows 表示各观测值按行排列。
17
实验一 EViews软件的基本操作
图1.24
图1.25
18
实验一 EViews软件的基本操作
1.3.4.4 在工作文件中调用其它格式文件
若在工作文件中分别调用文本文件和Excel 文件，点击EViews 主窗口菜单栏中的File/Import/Read Text-Lotus-Excel，在弹出的对话框中选取要调用的文本文件或Excel 文件，点击打开按钮后，弹出ASCII Text Import（Excel Import）窗口，如图1.26所示，在Name for series or Numberof series if file names in file 编辑框中要输入调用的变量名，点击OK 按钮即可。其中in columns 表示按列调用数据，in rows 表示按行调用数据。
图1.26
1.3.4.5命名并存贮对象
在对象窗口中点击Name 按钮，将对象存贮于工作文件。以Y、X 变量组成的数组为例，点击Name 菜单，弹出object name 对话框，在Name to identify object 文本框中输入要命名的数组名称，点击OK 按钮即可，如图1.27。
19
实验一 EViews软件的基本操作
图1.27
20
实验二 一元线性回归模型
实验二 一元线性回归模型
2.1 实验目的
掌握一元线性回归模型的基本理论，一元线性回归模型的建立、估计、检验及预测的方法，以及相应的EViews软件操作方法。
2.2 实验原理 2.3 实验内容
建立中国消费函数模型。
以表1.1中国的收入与消费的总量数据为基础，建立中国消费函数的一元线性回归模型。
2.4 实验步骤
2.4.1 散点相关图分析
将表1.1的GDP设为变量X，总消费设为Y，建立变量X和Y的相关图，如图2.7所示。可以看X和Y之间呈现良好的线性关系。可以建立一元线性回归模型。
80000700006000050000Y4000030000200001000004000080000X120000160000 图2.7
21
实验二 一元线性回归模型
2.4.2 估计线性回归模型
在数组窗口中点击Proc\\Make Equation，如果不需要重新确定方程中的变量或调整样本区间，可以直接点击OK 进行估计。也可以在EViews 主窗口中点击Quick\\Estimate Equation，在弹出的方程设定框（见图2.8）内输入模型：
Y C X 或 Y = C(1) + C(2) * X
图2.8
还可以通过在EViews 命令窗口中键入LS 命令来估计模型，其命令格式为：
LS 被解释变量 C 解释变量
系统将弹出一个窗口来显示有关估计结果（如图2.9 所示）。
22
实验二 一元线性回归模型
图2.9
因此，我国消费函数的估计式为：
ˆ=2329.401+0.547*X Y
(1.95) (36.71) R=0.99 s.e.=2091 F=1347
2
其中括号内数字是相应t统计量的值。s.e.是回归函数的标准误差，即
ˆt2(16−2)。ˆ=∑uR是可决系数。R = 0.99,说明上式的拟合情况好，yt变差的99%σ2
2
由变量xt解释。因为t = 36.71> t0.05 (15) = 2.13，所以检验结果是拒绝原假设β1 = 0，即总消费和GDP之间存在线性回归关系。上述模型的经济解释是，GDP 每增长1 亿元，我国消费将总额将增加0.547亿元。
2.4.3 残差图
在估计方程的窗口选择View\\Actual,Fitted,Residual\\ Actual,Fitted,Residual Table，
23
实验二 一元线性回归模型
ˆt，得到相应的残差图2.10。 Actual表示yt的实际观测值，Fitted表示yt的拟合值yˆt。Residual表示残差u残差图中的两条虚线与中心线的距离表示残差的一个标准差，
即s.e.。
图2.10
2.4.4 预测
预测是我们建立经济计量模型的目的之一, 其操作如下：进入方程估计输出窗口，点击其工具栏中的Forecast打开对话框（图十），输入序列名（Forecast name）， 这名称通常与方程中被解释变量的名字不同， 这样就不会混淆实际值和预测值；作为可选项，可给预测标准差随意命名[S.E(optional)]，命名后，指定的序列将存储于工作文件中；用户可以根据需要选择预测区间（sample range for forecast）；用Output可选择用图形或数值来看预测值，或两者都用以及预测评价指标（平均绝对误差等）。将对话框的内容输入完毕，点击OK得到用户命名的预测值序列。
注意：在进行外推预测之前应给解释变量赋值。例如我们根据1990~2004年数据得到中国总消费与GDP总量之间关系的回归方程，希望预测2005年的总消费。为此，我们首先需要给出2005年GDP的数据，输入解释变量中就可以预测2005
24
实验二 一元线性回归模型
年的总消费额。
图2.11
25
实验三 多元线性回归模型
实验三 多元回归模型
3.1 实验目的
掌握多元线性回归模型的原理，多元线性回归模型的建立、估计、检验及预测的方法，以及相应的EViews软件操作方法。
3.2 实验原理 3.3 实验内容
建立某化妆品的销售模型。
关于某化妆品销售情况的15组调查数据见表3.3。观测变量分别是年销售量yt(万瓶),地区人口数x1t（万人）和人均年收入x2t（千元）。
表3.3 某化妆品销售情况的样本数据 t 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
yt(年销售量)x1t（地区人口）x2t（人均收入）
1.62 1.2 2.23 1.31 0.67 1.69 0.81 1.92 1.16 0.55 2.52 2.32 1.44 1.03 2.12
27.4 18 37.5 20.5 8.6 26.5 9.8 33 19.5 5.3 43 37.2 23.6 15.7 37
2.45 3.254 3.802 2.838 2.347 3.782 3.008 2.45 2.137 2.56 4.02 4.427 2.66 2.088 2.605
26
实验三 多元线性回归模型
要求：
（1） 试建立二元线性回归销售模型。
（2）考虑某地区有人口22万人，人均年收入为2500元，试对该化妆品打入这个地区后的销售情况做出预测。
3.4 实验步骤
（1）建立二元线性回归销售模型
首先建立散点图考察Y与X1和X2之间的相关关系，如图3.12和3.13。
2.82.42.01.61.20.80.4
0
10
20
X1
30
40
50
2.82.42.01.61.20.80.4
2.0
2.5
3.0
X2
3.5
4.0
4.5
Y
Y
图3.12 图3.13
建立线性回归方程如下：
yt=β0+β1x1t+β2x2t+ut t=1,2,3，……，15 用EViews进行估计的输出结果见图3.14。 估计的回归模型为：
)
yt=0.0345+0.0496x1t+0.0920x2t
（1.42） （82.7） （9.5） R=0.9989, s.e.=0.0218
2
残差分布图见图3.15。
27
实验三 多元线性回归模型
图3.14
图3.15
（2）预测：
考虑某地区有人口22万人，人均年收入为2500元，试对该化妆品打入这个地区后的销售情况做出预测。
首先双击工作文件窗口的range和sample，将观测值和样本范围由原来的1到
28
实验三 多元线性回归模型
15修改为1到16。如图3.16和图3.17。
图3.16
图3.17
打开序列组文件Group01，在x1和x2新增观测组第16行分别输入22和2.5，见图3.18，保存并关闭序列组文件。
29
实验三 多元线性回归模型
图3.18
打开估计方程窗口，点击forecast。弹出的预测对话框，将预测值序列和残差序列进行命名为yf和se，如图3.19，然后确认，自动关闭窗口，弹出预测图3.20。
打开yf序列，可以看到预测值，如图3.21。从1到15为样本内预测值，即通过二元回归模型计算得到的y的拟合值。第16个值为样本外预测，即假设某地区有人口22万人，人均年收入为2500元，对该化妆品打入这个地区后的销售情况的预测值大概为1.3557万瓶。
如果在图3.19预测样本范围选项中只输入第16个样本，则可以得到第16个值的预测值及置信区间，如图3.22所示。可知其预测区间是：[1.310，1.401]
30
实验三 多元线性回归模型
图3.19
2.82.4Forecast: YFActual: YForecast sample: 1 16Included observations: 15Root Mean Squared Error Mean Absolute Error Mean Abs. Percent Error Theil Inequality Coefficient Bias Proportion Variance Proportion Covariance Proportion 0.0194740.0163311.2955600.0060070.0000000.0002640.9997362.01.61.20.80.4246YF810± 2 S.E.121416 图3.20
31
实验三 多元线性回归模型
图3.21
1.421.401.381.361.341.321.30161.401YF1.3561.310 图3.22
32
实验四 非线性回归模型的线性化
实验四 非线性回归模型的线性化
4.1 实验目的
掌握几种典型的的非线性模型、对其进行线性化处理的原理，以及相应的EViews软件操作方法。
4.2实验原理 4.3 实验内容
4.3.1 建立厦门市贷款总额模型
表4.1给出了厦门市贷款总额Loan与GDP的数据（1990-2003），试分析Loan与GDP的关系，并建立厦门市贷款总额模型。
4.3.2 建立钉螺存活率建模
在冬季土埋钉螺的研究中，先把一批钉螺埋入土中，以后每隔一个月取出部分钉螺，检测存活个数，计算存活率。数据见表4.2。
表4.1 表4.2
obs LOAN GDP 1990 63.7 57.1 1991 78 72 1992 112.7 97.7 1993 151.8 132.3 1994 209.6 187 1995 260.8 250.6 1996 306.8 306.4 1997 352.3 370.3 1998 397.3 418.1 1999 435.5 458.3 2000 488.3 501.2 2001 552 556 2002 646 648 2003 898 760
yt 存活率(%) t土埋月数
100.0 0
93.0 1 92.3 2 88.0 3 84.7 4 82.0 5 48.4 6 41.0 7 15.0 8 5.2 9 3.5 10 1.3 11 0.5 12
33
实验四 非线性回归模型的线性化
4.4 实验步骤
4.4.1 厦门市总贷款模型
根据表4.1数据建立GDP与Loan的散点图，如图4.16。
1,000800600LOAN40020000200400GDP600800 图4.16
由散点图发现Loan和GDP呈现近似线性关系，但是用多项式方程形式进行拟合似乎更加合理，因此可以尝试用不同的形式进行建模，然后根据拟合优度及其他检验方法比较不同模型的优劣。
34
实验四 非线性回归模型的线性化
图4.17
图4.18
35
实验四 非线性回归模型的线性化
图4.19
图4.20
36
实验四 非线性回归模型的线性化
由估计结果可以看到，随着多项式次数的增加，可决系数逐渐增大，但是当加入GDP的四次方项时，各项的t统计量值发生了变化，很多不能通过检验。因此选用三次方项的估计形式，即采用图4.19的估计结果。可以整理为下式：
Loant = β0 +β1 GDPt + β2 GDPt 2 + β3 xt3 + ut
loant = -24.5932 +1.6354 GDPt - 0.0026GDPt + 0.0000027 GDPt
(-2.0) (11.3) (-6.3) (7.9)
∧
2 3
R2=0.9986, DW=2.58
此时，将拟合曲线图绘出，见图4.21，可以看到此三次多项式曲线能够很好的拟合散点的走势。
LOAN vs. Polynomial (degree=3) of GDP1000800600LOAN40020000100200300400500600700800GDP 图4.21
4.4.2 钉螺存活率模型
根据表4.2数据绘制Y与T的散点图，如图4.22。可以看到曲线形式类似于生长曲线，设定yt的上渐近极限值k =101（因为已有观测值yt =100，所以令k =101更好些。），得估计结果如图4.23。
37
实验四 非线性回归模型的线性化
1008060Y402000246T81012 图4.22
图4.23
估计式整理为：
log(
∧
101
−1)= -4.3108 + 0.7653 t yt
(-14.8) (18.5) R2 = 0.97
38
实验四 非线性回归模型的线性化
因为log (0.013) = -4.3108，所以b = 0.013。则逻辑函数的估计结果是
ˆt= y
1011+0.013e0.7653t
101
1+0.013e
当t =10.5时，
ˆt= y
0.7653×10.5
= 2.38
即当深埋10个半月时，存活率只有2.38%。
观测值和预测值序列如图4.24。
图4.24
39
实验五 异方差
实验五 异方差
5.1 实验目的
掌握异方差性问题出现的来源、后果、检验及修正的原理，以及相关的EViews操作方法。
5.2 实验原理 5.3 实验内容
以实验二的一元线性回归案例（中国的消费函数模型）（见表2.1中数据）为基础，练习检查和克服模型的异方差的操作方法。
5.4 实验步骤
5.4.1 检查模型是否存在异方差性
（1）利用残差图判断。建立残差关于x的散点图，如图5.17，可以发现随着x增加，残差呈现不断增大的趋势，即存在递增性的异方差。
4,0003,0002,0001,000RESID0-1,000-2,000-3,000-4,000-5,000040,00080,000X120,000160,000 图5.17 40
实验五 异方差
（2）用White方法检验是否存在异方差
在一元线性回归的基础上，做White检验。在回归式窗口中点击View键选Residual Tests/White Heteroskedasticity功能，如图5.18。
图5.18
检验式存在有无交叉项两种选择，一般选择无交叉项，得到图5.19的结果：
41
实验五 异方差
图5.19
通过white检验中的p-值可以判断模型存在异方差。
5.4.2 克服异方差
对yt和xt同取对数。得两个新变量Lnyt 和Lnxt。用Lnyt 对Lnxt 回归，得输出结果5.20，整理后得到回归式为：
. (5.18) Lnyt = -0.0486+ 0.9561 Lnxt
(-0.32) (68.7) R2 = 0.997, DW=0.55 F = 4721 通过White检验可以看到p-值大于0.05，所以接收不存在异方差的原假设，即认为已经消除了回归模型的异方差性。
42
实验五 异方差
图5.20
图5.21
43
实验六 自相关
实验六 自相关
6.1 实验目的
掌握自相关问题出现的来源、后果、检验及修正的原理，以及相关的EViews软件操作方法。
6.2 实验原理 6.3 实验内容
以实验五已克服异方差的中国的消费函数模型（见输出结果图5.20）为例，练习检查和克服模型的自相关的操作方法。
由图5.20得到的回归式为：
Lnyt = -0.0486+ 0.9561 Lnxt . (6.42)
= 0.997, DW=0.55 F = 4721 (-0.05) (68.7) R2
6.4 实验步骤
6.4.1 检验模型是否存在自相关
（1）观察残差图，如图6.5，可初步判断残差项存在一定程度的正自相关。 （2）用DW检验判断是否存在自相关
由EViews输出结果（图5.20）知DW = 0.55，若给定α = 0.05，查附表，dL = 1.08，dU = 1.36。因为 DW = 0.55< 1.26, 依据判别规则，认为误差项ut存在严重的正自相关。
44
实验六 自相关
.08.06.04.02.00-.02-.04-.06-.08909192939495969798990001020304RESID 图6.5
（3）用LM检验判断是否存在自相关
在估计窗口选择View/Residual Tests/Serial Correalation LM Test（见图6.6）。
图6.6
点击后会自动弹出一个设定滞后期（Lag Specification）对话框。输入1，点击
45
实验六 自相关
OK键，得到LM检验结果，见图6.7。
图6.7
根据p-值判断拒绝原假设，所以BG（LM）检验结果也说明(5.18)式存在自相关。 （4）用回归检验法判断自相关
① 将估计结果（6.42）式得到的残差定义为ut，首先做一阶自回归，得到估计结果见图6.8。
② 对该估计式采用LM检验法检验其自相关性，如图6.9。可以判断出仍然存在自相关。
③ 用残差的二阶自回归形式重新建立模型，见图6.10。
④ 再次用LM检验法判断其自相关性，如图6.11。从图6.11可以看出，此时p-值已经达到0.3，落在接受域，即认为误差项不存在自相关。
对图6.10的输出结果进行整理，可以得到残差的二阶回归式为
46
实验六 自相关
ˆt−1- 0.8175uˆt−2+ vt (6.43) ˆt= 1.3436 uu
(5.18) (-3.03) R2 = 0.71, s.e. = 0.02, TR2 = 1.1
图6.8
图6.9
47
实验六 自相关
图6.10
图6.11
48
实验六 自相关
6.4.2 克服自相关
图6.12
图6.13
49
实验六 自相关
用广义最小二乘法估计回归参数。根据(6.43)式残差项的回归系数，对变量Lnyt和Lnxt作二阶广义差分
GDLnyt = Lnyt -1.3436 Lnyt-1 +0.8175 Lnyt-2 GDLnxt =Ln xt -1.3436 Ln xt-1 + 0.8175 Ln xt-2
以GDLnyt, GDLnxt（t = 2 , 3 , … 15）为样本再次回归，得EViews输出结果如图6.12。
此时LM检验结果见图6.13。可以判断已经很好的克服了自相关。整理广义最小二乘回归结果为
GDLnyt = -0.035 +0.9582 GDLnxt (6.44)
(-0.29) (41.62) R2 = 0.99, s.e. = 0.02, DW =2.33 TR2=0.59
因为
β0 (1 -1.3436 + 0.8175) = -0.035 得，
β0 = -0.0739
所以，原模型的广义最小二乘估计是
Lnyt = -0.0739 + 0.9582Lnxt (6.45) （6.45）式残差图见图6.14。
.03.02.01.00-.01-.02-.03-.04909192939495969798990001020304RESID 图6.14
50
实验七 多重共线性
实验七 多重共线性
7.1 实验目的
掌握多重共线性问题出现的来源、后果、检验及修正的原理，以及相关的EViews软件操作方法。
7.2 实验原理
7.3 实验内容
7.3.1 建立农村居民食品支出的模型
2004年31省市自治区农村居民人均年食品支出（FOOD，元）、人均年总支出（EX，元）和人均年可支配收入（IN，元）数据见表7.1。试建立2004年农村居民食品支出模型。
表7.1
Obs FOOD IN
EX
北 京 3925.54 15637.84 12200.4 天 津 3278.24 11467.16 8802.44 河 北 2142.36 7951.31 5819.18 山 西 1917.75 7902.86 5654.15 内蒙古 2024.87 8122.99 6219.26 辽 宁 2643.95 8007.56 6543.28 吉 林 2180.09 7840.61 6068.99 黑龙江 1972.24 7470.71 5567.53 上 海 4593.32 16682.82 12631.03 江 苏 2931.7 10481.93 7332.26 浙 江 3851.23 14546.38 10636.14 安 徽 2509.02 7511.43 5711.33 福 建 3394.63 11175.37 8161.15 江 西 2296.48 7559.64 5337.84
51
实验七 多重共线性
山 东 2310.66 9437.8 6673.75 河 南 1855.44 7704.9 5294.19 湖 北 2516.2 8022.75 6398.52 湖 南 2479.58 8617.48 6884.61 广 东 3953.3 13627.65 10694.79 广 西 2727.09 8689.99 6445.73 海 南 2722.84 7735.78 5802.4 重 庆 3015.32 9220.96 7973.05 四 川 2560.35 7709.87 6371.14 贵 州 2260.46 7322.05 5494.45 云 南 2895.6 8870.88 6837.01 西 藏 3799.17 9106.07 8338.21 陕 西 2236.48 7492.47 6233.07 甘 肃 2204.04 7376.74 5937.3 青 海 2056.06 7319.67 5758.95 宁 夏 2156.34 7217.87 5821.38 新 疆 2083.13 7503.42 5773.62
资料来源：2005年中国统计年鉴，中国统计出版社
7.3.2 建立中国私人轿车拥有量模型
考虑到目前农村家庭购买私人轿车的现象还很少，在建立中国私人轿车拥有量模型时，主要考虑如下因素：（1）城镇居民家庭人均可支配收入；（2）城镇总人口；（3）轿车产量；（4）公路交通完善程度；（5）轿车价格。
“城镇居民家庭人均可支配收入”、 “城镇总人口数”和“轿车产量”可以直接从统计年鉴上获得。“公路交通完善程度”用全国公路里程度量，也可以从统计年鉴上获得。由于国产轿车价格与进口轿车价格差距较大，而且轿车种类很多，做分种类的轿车销售价格与销售量统计非常困难，所以因素“轿车价格”暂且略去不用。定义变量名如下：
Y：中国私人轿车拥有量（万辆）
X1：城镇居民家庭人均可支配收入（元）， X2：全国城镇人口（亿人） X3：全国汽车产量（万辆） X4；全国公路长度（万公里）
52
实验七 多重共线性
1985-2004年Y，X1，X2，X3，X4的相关数据见表7.2，试分析中国私人轿车拥有量的决定因素，并建立相应的回归模型。
表7.2
obs Y X1 X2 X3 X4 1985 28.49 739.1 2.51 43.72 94.24 1986 34.71 899.6 2.64 36.98 96.28 1987 42.29 1002.2 2.77 47.18 98.22 1988 60.42 1181.4 2.87 64.47 99.96 1989 73.12 1375.7 2.95 58.35 101.43 1990 81.62 1510.2 3.02 51.4 102.83 1991 96.04 1700.6 3.05 71.42 104.11 1992 118.2 2026.6 3.24 106.67 105.67 1993 155.77 2577.4 3.34 129.85 108.35 1994 205.42 3496.2 3.43 136.69 111.78 1995 249.96 4283 3.52 145.27 115.7 1996 289.67 4838.9 3.73 147.52 118.58 1997 358.36 5160.3 3.94 158.25 122.64 1998 423.65 5425.1 4.16 163 127.85 1999 533.88 5854 4.37 183.2 135.17 2000 625.33 6280 4.59 207 140.27 2001 770.78 6859.6 4.81 234.17 169.8 2002 968.98 7702.8 5.02 325.1 176.52 2003 1219.23 8472.2 5.24 444.39 180.98 2004 1481.66 9421.6 5.43 507.41 187.07 数据来源：《中国统计年鉴》（1986年，2005年），中国统计出版社
7.4 实验步骤
7.4.1 农村居民食品支出模型
利用表7.1数据分别建立FOOD关于EX和IN的散点图，如图7.5和图7.6。
53
实验七 多重共线性
500045004000FOOD500045004000FOOD60008000100001200014000EX35003000250020001500400035003000250020001500600080001000012000140001600018000IN 图7.5 图7.6
可以看到FOOD与EX和IN都呈现正的线性相关。建立回归二元线性回归模型，如图7.7。
图7.7
整理回归结果为
Foodt = 334.1926 -0.1013 Int +0.4651 Ext（7.31）
(1.92) (-1.25) （4.38） R2 = 0.88, F = 102, T = 31 估计式（7.31）中FOOD与IN的回归系数是负的，且不能通过显著性检验。由散点图7.6知，food与IN是正相关的，显然回归结果与事实不符、与经济理论不符。原因是EX和IN之间的多重共线性（高度相关）所致。从表7.3偏相关系数矩阵可以看出变量之间的偏相关系数都大于可决系数0.88。按克莱茵判别
54
实验七 多重共线性
准则可以判断出模型存在严重的多重共线性。
表7.3
FOOD EX IN
FOOD EX IN
1.000000 0.934576 0.893226
0.934576 1.000000 0.975103
0.893226 0.975103 1.000000
另外，如果用food只对IN回归，回归系数是正的，见图7.8。与上述二元
回归结果中的IN的回归系数相比，符号都是反的。这也说明上述二元回归结果中存在多重共线性。
图7.8
处理方法是将IN从回归模型中去掉，用food只对EX回归，见图7.9。
55
实验七 多重共线性
图7.9
因此模型为
Foodt =314.29+0.3361 Ext (7.32)
(1.80) (14.15) R2 = 0.87, DW=1.28，F = 200,
7.4.2 中国私人轿车拥有量模型
1985-2004年中国私人轿车拥有量（Yt）以年增长率23%，年均增长55万辆的速度飞速增长，Yt序列图如图7.10。分别建立Y与X1,X2,X3,X4的散点图，如图7.11-7.14，考察它们之间的相关关系。
1600140012001000800600400200086889092949698000204Y 图7.10
16001400120010008006004002000020004000X1160014001200100080060040020002.42.83.23.64.04.44.85.25.6X2Y6000800010000Y
56
实验七 多重共线性
图7.11 图7.12
160014001200100080060040020000100200300X31600140012001000800600400200080100120140X4160180200Y400500600Y
图7.13 图7.14
首先建立一个多元线性回归模型，EViews输出结果见图7.15。输出结果中，解释变量X1，X2的回归系数却通不过显著性检验。
图7.15
进一步观察Y与X1，X2，X3，X4之间的偏相关系数。EViews操作方法
57
实验七 多重共线性
为：点击数组文件窗口View/Correlation/Pairwise Samples，如图7.16所示。
图7.16
从而可以得到变量之间的偏向关系数矩阵，如图7.17。
图7.17
由相关系数阵可以发现，Y与X1，X2，X3，X4的相关系数都在0.9以上，但输出结果中，解释变量X1，X2的回归系数却通不过显著性检验。这预示着解释变量之间一定存在多重共线性。
重新观察散点图，把Y与X2，X3,X4处理成线性关系，把Y与X1处理成幂函数（抛物线）关系，得结果如图7.18，其中X4 的系数在5%的显著性水平上不具有显著性，因此剔出掉此变量，重新回归，得到结果如图7.19所示。
每个变量都具有很高的显著性，变量X1，X2，X3能够解释yt99%的变异，模型拟合程度很高。而且通过检验也发现即没有异方差也没有自相关。因此得到中国私人轿车拥有量模型为：
yt=-388.1765-0.0889X1+1.62×10-5X12+174.8355X2+0.6314X3+ut (7.33) (-7.0) (-11.8) (19.4) (8.0) (5.6)
R2=0.999 DW=1.66 F=5478 拟合值及残差图见图7.20。
58
实验七 多重共线性
图7.18
图7.19
59
实验七 多重共线性
15001000500200100-10-20868890929496Actual98000204ResidualFitted 图7.20
60
实验八 虚拟变量
实验八 虚拟变量
8.1 实验目的
掌握虚拟变量的基本原理，对虚拟变量的设定和模型的估计与检验，以及相关的EViews软件操作方法。
8.2实验原理
8.3 实验内容
8.3.1 建立市场用煤销售量模型
表8.1给出了全国市场用煤销售量（单位：万吨）的季度数据，试建立用时间变量拟合的煤销售量模型。
表8.1
obs
Yt
obs
Yt
1982.1 2599.8 1985.3 3159.1 1982.2 2647.2 1985.4 4483.2 1982.3 2912.7 1986.1 2881.8 1982.4 4087 1986.2 3308.7 1983.1 2806.5 1986.3 3437.5 1983.2 2672.1 1986.4 4946.8 1983.3 2943.6 1987.1 3209 1983.4 4193.4 1987.2 3608.1 1984.1 3001.9 1987.3 3815.6 1984.2 2969.5 1987.4 5332.3 1984.3 3287.5 1988.1 3929.8 1984.4 4270.6 1988.2 4126.2 1985.1 3044.1 1988.3 4015.1 1985.2 3078.8 1988.4 4904.2
数据来源：《中国统计年鉴》1989年，中国统计出版社
61
实验八 虚拟变量
8.3.2 建立财政支出模型
表8.2给出了1952-2004年中国财政支出（Fin）的年度数据（以1952年为
基期，用消费价格指数进行平减后得数据）。试根据财政支出随时间变化的特征建立相应的模型。
表8.2
obs Fin obs Fin obs Fin 1952 173.94 1970 563.59 1988 1122.88 1953 206.23 1971 638.01 1989 1077.92 1954 231.7 1972 658.23 1990 1163.19 1955 233.21 1973 691 1991 1212.51 1956 262.14 1974 664.81 1992 1272.68 1957 279.45 1975 691.32 1993 1403.62 1958 349.03 1976 656.25 1994 1383.74 1959 443.85 1977 724.18 1995 1442.19 1960 419.06 1978 931.47 1996 1613.19 1961 270.8 1979 924.71 1997 1868.98 1962 229.72 1980 882.78 1998 2190.3 1963 266.46 1981 874.02 1999 2616.46 1964 322.98 1982 884.14 2000 3109.61 1965 393.14 1983 982.17 2001 3834.16 1966 465.45 1984 1147.95 2002 4481.4 1967 351.99 1985 1287.41 2003 5153.4 1968 302.98 1986 1285.16 2004 6092.99 1969 446.83 1987 1241.86
资料来源：中国统计年鉴(1985,2005)，作者对原始数据进行了消除通胀的修正。
8.4 实验步骤
8.4.1 市场用煤销售量模型
（1）相关图分析
根据表8.1数据建立Y的趋势图，如图8.7。
62
实验八 虚拟变量
5500Y5000450040003500300025001982198319841985198619871988 图 8.7
（2）构造虚拟变量
从图8.7可以看出，从长期趋势看，煤销售量随时间增长而不断增长，且随季节不同呈现明显的周期性变化，由于受到取暖用煤的影响，每年第四季度的销售量大大高于其他季度。鉴于是季节数据可设三个季节变量如下：
1 （4
季度） 1 （3季度） 1 （2季度）
D3 =
D1 = D2 = 0
（1, 2, 3季度） 0 （1, 2, 4季度） 0 （1, 3, 4
季度）
模型中要加入时间因素t，以及虚拟变量D1，D2和D3。 用EViews生成时间变量及虚拟变量序列，采用的方法为：
在工作文件窗口点击Quick/Generate Series，在弹出的由方程生成序列的窗口，输入t=@trend(1981Q4)，如图8.8，即可以生成表8.3中时间变量t的数据。
生成季度虚拟变量数据，以季节数据D1为例，在生成序列窗口输入的EViews命令是D1= @seas(4)。
用相似的方法生成D2和D3。得到建模数据如表8.3所示。
63
实验八 虚拟变量
图8.8 表8.3
t D1 D2D3 季度 季度 Yt
1982.1 2599.8 1 0 0 0 1985.31982.2 2647.2 2 0 0 1 1985.41982.3 2912.7 3 0 1 0 1986.11982.4 4087.0 4 1 0 0 1986.21983.1 2806.5 5 0 0 0 1986.31983.2 2672.1 6 0 0 1 1986.41983.3 2943.6 7 0 1 0 1987.11983.4 4193.4 8 1 0 0 1987.21984.1 3001.9 9 0 0 0 1987.31984.2 2969.5 10 0 0 1 1987.41984.3 3287.5 11 0 1 0 1988.11984.4 4270.6 12 1 0 0 1988.21985.1 3044.1 13 0 0 0 1988.31985.2 3078.8 14 0 0 1 1988.4
Yt
3159.14483.22881.83308.73437.54946.83209.03608.13815.65332.33929.84126.24015.14904.2
t D1 D2 D3 150 1 0 161 0 0 170 0 0 180 0 1 190 1 0 201 0 0 210 0 0 220 0 1 230 1 0 241 0 0 250 0 0 260 0 1 270 1 0 281 0 0
（3）估计加入虚拟变量的模型
利用表8.3中的数据进行建模，估计结果如图8.9所示，整理如下式：
y = 2431.20 + 49.00 t + 1388.09 D1 + 201.84 D2 + 85.00 D3 （8.1） (26.04) (10.81) (13.43) (1.96) (0.83)
R2 = 0.95, DW = 1.2, s.e. = 191.7, F=100.4, T=28, t0.05 (28-5) = 2.07 由于D2，D3的系数没有显著性，说明第2，3季度可以归并入基础类别第1季度。于是只考虑加入一个虚拟变量D1，把季节因素分为第四季度和第一、二、三季度两类。从上式中剔除虚拟变量D2，D3，得煤销售量模型估计结果见图8.10，
64
实验八 虚拟变量
模型结果整理为：
y = 2515.86 + 49.73 t + 1290.91 D1 (8.2)
(32.03) (10.63) (14.79)
R2 = 0.94, DW = 1.4, s.e. = 198.7, F = 184.9, T=28, t0.05 (25) = 2.06 进一步检验斜率是否有变化，在上式中加入变量t D1，
y = 2509.07 + 50.22 t + 1321.19 D1 - 1.95 t D1 (8.3)
(28.24) (9.13) (6.85) (-0.17)
R2 = 0.94, DW = 1.4, s.e. = 202.8, F = 118.5, T=28, t0.05 (24) = 2.06 由于回归系数-1.95所对应的t值是-0.17，可见斜率未发生变化。因此以模型 (8.2) 作为最后确立的模型。
图8.9
65
实验八 虚拟变量
图8.10
8.4.2 财政支出模型
（1）相关图分析
利用表8.2的数据建立财政支出序列的散点图，如图8.11。
7000600050004000300020001000055606570758085909500Fin 图8.11
（2）设定虚拟变量
观察图8.11分析财政支出序列的走势，发现在1996年发生转折。中国经济在1996年软着陆，之后国家实行积极的财政政策，每年都加大财政支出力度，因此考虑建模以1996年为分界点，通过加入虚拟变量，可以考察1996年前后，Fin时间序列的斜率是否发生显著性变化。
定义虚拟变量
0 ， （ 1952-1996 ）
D1= 1， （1997-2004）66
实验八 虚拟变量
用EViews生成虚拟变量D1序列，采用的方法为：
在工作文件窗口点击Quick/Generate Series，在弹出的由方程生成序列的窗口，输入D1=0，同时更改下面的样本范围为1952-1996，如图8.12所示。
图8.12
这时只生成了第一段（1952-1996）中的D1=0，采用同样的方法，再点击Quick/Generate Series，在弹出的由方程生成序列的窗口，输入D1=1，同时更改下面的样本范围为1997-2004，如图8.13所示。
加入时间time变量和虚拟变量D1后的数据资料如表8.4所列。
图8.13
67
实验八 虚拟变量
表8.4
obs fin time1952 173.94 1 1953 206.23 2 1955 233.21 4 1956 262.14 5 1957 279.45 6 1958 349.03 7 1959 443.85 8 1960 419.06 9
D1
obs
fin time924.71882.78874.02884.14982.171147.951287.411285.161241.861122.881077.921163.191212.511272.681403.621383.741442.191613.191868.982190.32616.463109.613834.164481.45153.46092.99
D1
0 19790 19800 19820 19830 19840 19850 19860 1987
28 0 29 0 30 0 31 0 32 0 33 0 34 0 35 0 36 0 37 0 38 0 39 0 40 0 41 0 42 0 43 0 44 0 45 0 46 1 47 1 48 1 49 1 50 1 51 1 52 1 53 1
1954 231.7 3 0 1981
1961 270.8 10 0 19881962 229.72 11 0 19891963 266.46 12 0 19901964 322.98 13 0 19911965 393.14 14 0 19921966 465.45 15 0 19931967 351.99 16 0 19941968 302.98 17 0 19951969 446.83 18 0 19961970 563.59 19 0 19971971 638.01 20 0 19981972 658.23 21 0 19991973 691 22 0 20001974 664.81 23 0 20011975 691.32 24 0 20021976 656.25 25 0 20031977 724.18 26 0 20041978 931.47 27 0
（3）估计模型
利用表8.4的混合样本数据建立模型，估计结果如下：
Fin=25.77+30.83time-26235.88D1+572.78timeD1
(0.65) (20.65) (-26.36) (28.46)
25.77+30.83time , (D1=0,1952-1996) (8.4) = -26210.11+603.61time , (D1=0,1952-1996)
（8.4）式说明，1996年前后无论截距和斜率都发生了变化。财政支出额的年平均增长量扩大了近20倍。模型的拟合效果如图8.14。
68
实验八 虚拟变量
70006000500040003000200010000FinfFin
55606570758085909500 图8.14
69
因篇幅问题不能全部显示，请点此查看更多更全内容