Transcript 下载课件

经济数量分析方法
与模型
实验课
闵 娜
一、实验课简介
【课程类别】专业必修课
【课程学时】68
【开课学期】5
【实验学时】34
【授课专业】国民经济管理、经
济学专业
二、实验教学目的
指导大家运用EViews和SPSS
等计量分析软件；
将理论学习和实验教学有机
地结合起来；
真正提高学生实际应用能力
和动手操作能力。
三、实验教学基本要求
１.了解异方差的White检验和WLS（加权
最小二乘估计）法。
2.了解用Eviews对非线性模型进行线性
化处理，并对其参数进行估计、显著性检
验和模型评价的方法。
3、理解对含虚拟变量回归模型的设定
原理及操作。
4、掌握EViews软件工作文件的创建及
数据输入方法。
5、掌握用EViews对单个序列描述统
计量,并会使用图象分析法。
6、掌握对两序列进行相关性分析、方
差分析方法。
7、掌握用EViews进行一元及多元线性
回归的参数估计、显著性检验和模型评价
方法，并恰当解释其经济意义。
8、掌握回归模型预测的EViews操作。
9、掌握对联立方程模型进行估计的两
阶段最小平方法（TSLS）的EViews操作。
四、实验项目及学时分配表
序号
实验项目名称
实验一 EViews工作文件的创建
学时 要求
4
必做
类型
综合
实验二 描述统计量及图象分析法
4
必做
综合
实验三 相关性分析、方差分析
4
必做
综合
实验四 线性回归分析（1）、(2)
8
必做
综合
实验五 含虚拟变量回归模型
4
必做
综合
实验六 异方差的White检验和WLS
法
实验七 回归模型预测
2
选做
设计
4
必做
综合
实验八 非线性模型
4
选做
设计
实验项目七
回归模型预测
预习要求和实验目的
1.预习要求：
认真阅读实验指导书《宏观经济模型分
析上机指导》第三章第１、２节。
2.实验目的：
(1) 掌握回归模型点预测与区间预测的
原理
（2）掌握回归模型预测的EViews操作
（3）掌握回归模型预测图的EViews操作
实验内容及要求
（1）根据回归模型的预测的原理，
建立预测模型；
（2）由已知经济数据，建立多元
线性回归模型，运用Eviews软件对因
变量进行回归模型预测；
（3）对回归模型做预测图，并进行
预测分析。
经济预测的基本概念
一、非模型预测法
二、模型预测法
(一)时间序列分析法
(二)回归预测模型
(三)计量经济模型
(四)投入产出模型
(五)系统动力学模型
回归模型预测
1.回归模型的点预测原理
2.回归模型的区间预测原理
3.回归模型预测的Eviews操作
4. 回归预测图的EViews操作
1.回归模型的点预测原理
例如，如果获得300个家
庭的消费支出和可支配收入
的一个样本数据。

消费函数为：
Y  1  2X+
其中：被称为干扰或误差项，是一个误差项，
有良好的概率性质，一般假设它是白噪声系列
加1元，
加约0.542元.
关于消费支出Y对可支配
收入X回归的模型的样本回归
方程为：
其含义是什么？
思考：
我们如何根据X的（预测）值
来预测Y的未来值？
假设我们需要预
测2006年可支配收入
的预期值是7千元条件
下，消费支出的点预
测值为多少？
因为两者点预测相同，只要
把两个给定值代入上面的方程，
便得到它们的预测值：
2.回归模型的区间预测原理
在给定显著性水平α条件
下的预测区间为：
3.回归模型预测的Eviews操作
步骤一、建立多元线性回归模型
1.方程对象的创建
选择[Objects]=>[New Object]；
在[Type of Object](对象类型)
中选择[Equation](方程)；
在[Name for Object](对象名称)
中键入序列名称，单击[OK]按钮，显
示如图1所示的方程设定对话框。
图1
方程设定对话框
步骤二、估计多元线形回归模型
进入方程估计输出窗口;
 选择模型的估计方法。

普通最小二乘法（OLS）、加权最
小二乘法（WLS）、非线性最小二乘法
（NLS）和自回归移动平均（ARMA）。
在[Estimate Setting]（估计设置）
中的[Method]（方法）下拉列表中，
可以选择方程的估计方法。
步骤三、线性回归模型预测
对方程对象操作
[Procs]=>[Forecast],
或直接点击其工具栏中的[Forecast];

EViews会产生一个新对话框，打
开新对话框，输入序列名。
可以命为原自便量名加f的新序
列，也可给预测变量随意命名。

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）

Dynamic
选项：
是利用滞后变量以前的预测
值来计算当前样本区间的预测值，
Static
选项：
利用滞后变量的实际值来计算
预测值。
当不含有滞后被解释变量或
ARMA项时，两种方法结果相同；
 当含有滞后被解释变量或ARMA
项时，两种方法结果不相同。

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。

4.回归预测图的EViews操作
式来计算。
EViews不能直接
计算出预测值的置信
区间的输出数值。

实线表示因变量的预测值；
上下两条虚线给出的是近似
95%的置信区间。
图右边的附表提供了一系列对
模型的评价指标。
包括七项：
1、Root Mean Squared Error（均
方根误差）
2、Mean Absolute Error（平均绝
对误差）
这两个指标取决于因变量的绝
对数值。

相对指标：
3、Mean Abs. Percent Error(平均绝
对百分误差)
 MAPE低于10，预测精度较高。
4、Theil Inequality Coefficient
(希尔不等系数)
 介于0到1之间；

数值越小表明拟合值和真实值之
间的差异越小，预测精度越高.
5、Bias Proportion(偏差率)、
6、Variance Proportion(方差率)
7、Covariance Proportion（协变率）
是三个相互联系的指标
它们的取值范围都在0和1之间
并且这三项指标之和等于1
偏差率BP反映预测值均值和实际
值均值间的差异;
方差率VP反映它们标准差的差异;
协变率CP则衡量了剩余的误差.
当预测是比较理想时，均方
误差大多数集中在协变率上，而
其余两项都很小。

实验项目七
例题
[例1]表1是1950-1987年间美国机动
车汽油消费量和影响消费量的变动量
数值。其中各变量表示：
 QMG-机动车汽油消费量（单位：
千加仑）

CAR（汽车保有量）；

PMG-机动汽油零售价格；
POP-人口数；
 RGNP-按1982年美元计算的GNP(单
位；十亿美元)；
 PGNP-GNP指数（以1982年为100）
以汽油消费量为因变量，其他变
量为自变量，建立一个回归模型，
并绘制石油消费量的预测图。

解：
首先建立工作文件，产生
序列qmg、car、pmg、pop、
rgnp、pgnp
并按上表录入数据。
1、变量间关系分析—计算相关
系数.

从主菜单中选[Quick]=>
[Group Statistics]=>
[Correlations]
在出现的对话框中输入所
有需计算相关系数的变量
本例中输入：
qmg car pmg pop rgnp pgnp

各变量名之间以空格键隔开
点击OK得到结果。
从相关系数矩阵图可以看出，

机动车汽油消费量与汽车保
有量、人口数、RGNP都呈高度正
相关.
 而与油价、PGNP指数的相关性
稍弱.

这表明：线性模型在解释它
们的关系时是比较合适的。
2、建立模型
 选择[Object]=>
[New Objects]

在新建对象对话框选对象
为Equation,并命名，点击
OK.
在方程定义对话框中输入要拟合
的方程式：
qmg=c(1)+c(2)*car+c(3)*pmg+c
(4)*pop+c(5)*rgnp+c(6)*pgnp
或者直接输入变量列表也可以：
qmg c car pmg pop rgnp pgnp
设置完毕，点击OK,得到回
归的一些统计量的输出结果。
根据结果可得到下面的估计
方程：
QMG=68497350+1.5877*CAR10375410*PMG-462.29*POP
-12666.47*RGNP-579453.0*PGNP

=0.992
=0.991
p=0.000
D.W=0.869
拟合优度检验：
接近于1，表明模型的
拟合效果非常好；
F检验：
F检验的相伴概率为
0.000000，反映变量间呈高度线
性，回归方程显著。

D.W检验：
D.W=0.869。
对于n=38,p=5时查表D.W
检验的1%临界值为: Du=1.52,
DL=1.07。

根据判定法则残差序列
存在自相关。
利用回归方程可以分析各个
自变量的边际效应。
QMG=68497350+1.5877*CAR10375410*PMG-462.29*POP
-12666.47*RGNP-579453.0*PGNP
如： 变量CAR的系数为1.5877，
说明:在其他变量保持不变的情况
下，每增加一辆汽车，就要增加
1.5877千加仑的汽油消费量。
3、对汽油消费量进行预测
在汽油消费量(qmg)回归结
果输出窗口;

选择[Procs]=>[Forecast];

给新生成的序列命名为fqmg,
得到汽油消费量的预测值序列.

除此之外，还会得到预测图。
图中的实线表示因变量的预
测值

上下两条虚线给出的是近似
95%的置信区间

图右边的附表提供了一系列
对模型的评价指标。

从预测图看

回归的MAPE值为2.39

Theil不等系数为0.012

三个比例项中CP近似为1
课外思考实验题
在经济预测的基础上，如
何对宏观经济建立经济预警系
统？
例2 工业总产值增长率的预警界限
工业总产值增长率：
工业总产值增长率的变动与
景气循环变动基本一致，通常作
为基准指标。

考察我国景气循环的基准日期。
1981年以来历次景气循环高峰
前3个月工业总产值增长率的平均
值为18%，因此取18%作为工业总
产值的“红灯”和“黄灯”的界
限;

取18%作为工业总产值的“红
灯”和“黄灯”的界限;

而历次景气循环谷底前3个
月的平均值为6%,则取6%作为
“浅蓝灯”和“蓝灯”的界限。

“绿灯”下界检查值的确定：
根据我国“九五”计划中规
定的国民生产总值的增长速度在
8%～9%的经济发展目标而定，故
取10%作为“绿灯”的下界。
取15%作为“绿灯”的上界：

近十几年来工业总产值的增
长速度平均高于国民生产总值
4～5个百分点，所以工业总产值
增长率控制在13%左右是比较适
度的;

考虑到在过去15年中工业总
产值的平均增长率是13.7%

故取15%作为“绿灯”的上界。
这样就确定了工业总产值增
长率的4个检查值：
18%
15%
10%
6%