EViews计量经济学实验报告-异方差的诊断及修正模板
姓名 学号
实验题目 异方差的诊断与修正
一、实验目的与要求：
要求目的：1、用图示法初步判断是否存在异方差，再用White 检验异方差；
2、用加权最小二乘法修正异方差。
二、实验内容
根据1998年我国重要制造业的销售利润与销售收入数据，运用EV 软件，做回归分析，用图示法，White 检验模型是否存在异方差，如果存在异方差，运用加权最小二乘法修正异方差。
三、实验过程：（实践过程、实践所有参数与指标、理论依据说明等）
（一） 模型设定
为了研究我国重要制造业的销售利润与销售收入是否有关，假定销售利润与销售收入之间满足线性约束，则理论模型设定为：
i Y =1β+2βi X +i μ
其中，i Y 表示销售利润，i X 表示销售收入。由1998年我国重要制造业的销售收入与销售利润的数据，如图1：
1988年我国重要制造业销售收入与销售利润的数据 （单位：亿元）
（二） 参数估计
Dependent Variable: Y Method: Least Squares Date: 10/19/05 Time: 15:27 Sample: 1 28
Included observations: 28
Variable Coefficient Std. Error t-Statistic Prob. C 12.03564 19.51779 0.616650 0.5428 X
0.104393
0.008441 12.36670
0.0000
R-squared 0.854696 Mean dependent var 213.4650 Adjusted R-squared 0.849107 S.D. dependent var 146.4895 S.E. of regression 56.90368 Akaike info criterion 10.98935 Sum squared resid 84188.74 Schwarz criterion 11.08450 Log likelihood -151.8508 F-statistic 152.9353 Durbin-Watson stat
1.212795 Prob(F-statistic)
0.000000
估计结果为： i
Y ? = 12.03564 + 0.104393i X （19.51779） (0.008441) t=（0.616650） （12.36670）
2R =0.854696 2R =0.849107 S.E.=56.89947 DW=1.212859 F=152.9353
这说明在其他因素不变的情况下，销售收入每增长1元，销售利润平均增长0.104393元。
2R =0.854696 , 拟合程度较好。在给定 =0.0时，t=12.36670 > )26(025.0t =2.056 ，拒
绝原假设，说明销售收入对销售利润有显著性影响。F=152.9353 > )6,21(F 05.0= 4.23 ,表明方程整体显著。
（三） 检验模型的异方差
※（一）图形法
6、判断
由图3可以看出，被解释变量Y 随着解释变量X 的增大而逐渐分散，离散程度越来越大； 同样，由图4可以看出，残差平方2
i e 对解释变量X 的散点图主要分布在图形中的下三角部分，大致看出残差平方2
i e 随i X 的变动呈增大趋势。因此，模型很可能存在异方差。但是否
确实存在异方差还应该通过更近一步的检验。
※ （二）White 检验
White 检验结果
White Heteroskedasticity Test:
F-statistic 3.607218 Probability 0.042036 Obs*R-squared
6.270612 Probability
0.043486
Test Equation:
Dependent Variable: RESID^2 Method: Least Squares Date: 10/19/05 Time: 15:29 Sample: 1 28
Included observations: 28
Variable Coefficient Std. Error t-Statistic Prob. C -3279.779 2857.117 -1.147933 0.2619 X 5.670634 3.109363 1.823728 0.0802 X^2
-0.000871
0.000653 -1.334000
0.1942
R-squared 0.223950 Mean dependent var 3006.741 Adjusted R-squared 0.161866 S.D. dependent var 5144.470 S.E. of regression 4709.744 Akaike info criterion 19.85361 Sum squared resid 5.55E+08 Schwarz criterion 19.99635 Log likelihood -274.9506 F-statistic 3.607218 Durbin-Watson stat 1.479908 Prob(F-statistic)
0.042036
2、因为本例为一元函数，没有交叉乘积项，则辅助函数为 2t σ=0α+1αt x +2α2
t x +t ν 从上表可以看出，n 2
R =6.270612 ，有White 检验知，在α=0,05下，查2
χ分布表，得临界值5.002
χ
（2）
=5.99147。比较计算的2χ统计量与临界值，因为n 2R =
6.270612 > 5.002
χ（2）=5.99147 ，所以拒绝原假设，不拒绝备择假设，这表明模型存在异方差。
（四） 异方差的修正
在运用加权最小二乘法估计过程中，分别选用了权数t 1ω=1/t X ，t 2ω=1/2
t X ，t 3ω=1/t X 。
ω的结果
用权数
t1
Dependent Variable: Y
Method: Least Squares
Date: 10/22/10 Time: 00:13
Sample: 1 28
Included observations: 28
Weighting series: W1
Variable Coefficient Std. Error t-Statistic Prob.
C 5.988351 6.403392 0.935184 0.3583
X 0.108606 0.008155 13.31734 0.0000
Weighted Statistics
R-squared 0.032543 Mean dependent var 123.4060 Adjusted R-squared -0.004667 S.D. dependent var 31.99659 S.E. of regression 32.07117 Akaike info criterion 9.842541 Sum squared resid 26742.56 Schwarz criterion 9.937699 Log likelihood -135.7956 F-statistic 177.3515 Durbin-Watson stat 1.465148 Prob(F-statistic) 0.000000
Unweighted Statistics
R-squared 0.853095 Mean dependent var 213.4650 Adjusted R-squared 0.847445 S.D. dependent var 146.4895 S.E. of regression 57.21632 Sum squared resid 85116.40 Durbin-Watson stat 1.261469
ω的结果
用权数
t2
Dependent Variable: Y
Method: Least Squares
Date: 10/22/10 Time: 00:16
Sample: 1 28
Included observations: 28
Weighting series: W2
Variable Coefficient Std. Error t-Statistic Prob.
C 6.496703 3.486526 1.863374 0.0737
X 0.106892 0.010991 9.725260 0.0000
Weighted Statistics
R-squared 0.922715 Mean dependent var 67.92129 Adjusted R-squared 0.919743 S.D. dependent var 75.51929 S.E. of regression 21.39439 Akaike info criterion 9.032884 Sum squared resid 11900.72 Schwarz criterion 9.128041 Log likelihood -124.4604 F-statistic 94.58068 Durbin-Watson stat 1.905670 Prob(F-statistic) 0.000000
Unweighted Statistics
R-squared 0.854182 Mean dependent var 213.4650 Adjusted R-squared 0.848573 S.D. dependent var 146.4895 S.E. of regression 57.00434 Sum squared resid 84486.88 Durbin-Watson stat 1.242212
：
的结果
用权数
t3
Dependent Variable: Y
Method: Least Squares
Date: 10/22/10 Time: 00:17
Sample: 1 28
Included observations: 28
Weighting series: W3
Variable Coefficient Std. Error t-Statistic Prob.
C 8.640341 11.18733 0.772333 0.4469
X 0.106153 0.007746 13.70473 0.0000
Weighted Statistics
R-squared 0.611552 Mean dependent var 165.8420 Adjusted R-squared 0.596612 S.D. dependent var 67.13044 S.E. of regression 42.63646 Akaike info criterion 10.41205 Sum squared resid 47264.56 Schwarz criterion 10.50720 Log likelihood -143.7686 F-statistic 187.8197 Durbin-Watson stat 1.275429 Prob(F-statistic) 0.000000
Unweighted Statistics
R-squared 0.854453 Mean dependent var 213.4650 Adjusted R-squared 0.848855 S.D. dependent var 146.4895 S.E. of regression 56.95121 Sum squared resid 84329.44 Durbin-Watson stat 1.233545
经估计检验，发现用权数t 1ω，t 3ω的结果，其可决系数反而减小；只有用权数t 2ω的效果最好，可决系数增大。
用权数t 2ω的结果
Dependent Variable: Y Method: Least Squares Date: 10/22/10 Time: 00:16 Sample: 1 28
Included observations: 28 Weighting series: W2
Variable Coefficient Std. Error t-Statistic Prob. C 6.496703 3.486526 1.863374 0.0737 X 0.106892
0.010991 9.725260 0.0000
Weighted Statistics
R-squared 0.922715 Mean dependent var 67.92129 Adjusted R-squared 0.919743 S.D. dependent var 75.51929 S.E. of regression 21.39439 Akaike info criterion 9.032884 Sum squared resid 11900.72 Schwarz criterion 9.128041 Log likelihood -124.4604 F-statistic 94.58068 Durbin-Watson stat
1.905670 Prob(F-statistic) 0.000000
Unweighted Statistics
R-squared 0.854182 Mean dependent var 213.4650 Adjusted R-squared 0.848573 S.D. dependent var 146.4895 S.E. of regression 57.00434 Sum squared resid 84486.88
Durbin-Watson stat
1.242212
用权数t 2ω的估计结果为： i
Y ?= 6.496703 + 0.106892i X （1.863374） （9.725260）
2R =0.922715 DW=1.905670 F=94.58068
括号中的数据为t 统计量值。
由上可以看出，运用加权最小二乘法消除了异方差后，参数2β的t 检验显著，可决系数提高了不少，F 检验也显著，并说明销售收入每增长1元，销售利润平均增长0.106892元。
四、实践结果报告：
1、用图示法初步判断是否存在异方差：被解释变量Y 随着解释变量X 的增大而逐渐分散，离散程度越来越大；同样的，残差平方2
i e 对解释变量X 的散点图主要分布在图形中的下三角部分，大致看出残差平方2
i e 随i X 的变动呈增大趋势。因此，模型很可能存在异方差。但是否确实存在异方差还应该通过更近一步的检验。
再用White 检验异方差：因为n 2
R = 6.270612 > 5.002χ（2）=5.99147 ，所以拒绝原假设，不拒绝备择假设，这表明模型存在异方差。
2、用加权最小二乘法修正异方差：
发现用权数t 2ω的效果最好，则估计结果为：
i
Y ?= 6.496703 + 0.106892i X （1.863374） （9.725260）
2R =0.922715 DW=1.905670 F=94.58068
括号中的数据为t 统计量值。
由上可以看出，2
R =0.922715,拟合程度较好。在给定α=0.0时，t=9.725260 >
)26(025.0t =2.056 ，拒绝原假设，说明销售收入对销售利润有显著性影响。
F=94.58068 > )6,21(F 05.0= 4.23 , 表明方程整体显著。
运用加权最小二乘法后，参数2β的t 检验显著，可决系数提高了不少，F 检验也显著，并说明销售收入每增长1元，销售利润平均增长0.106892元。
3、再用White 检验修正后的模型是否还存在异方差：
White 检验结果
White Heteroskedasticity Test:
F-statistic 3.144597 Probability 0.060509 Obs*R-squared
5.628058 Probability
0.059963
Test Equation:
Dependent Variable: STD_RESID^2 Method: Least Squares Date: 10/22/10 Time: 00:17 Sample: 1 28
Included observations: 28
Variable Coefficient Std. Error t-Statistic Prob. C 1927.346 675.2246 2.854378 0.0085 X -1.456613 0.734838 -1.982223 0.0585 X^2
0.000245
0.000154
1.586342
0.1252
R-squared 0.201002 Mean dependent var 425.0258 Adjusted R-squared 0.137082 S.D. dependent var 1198.210 S.E. of regression 1113.057 Akaike info criterion 16.96857 Sum squared resid 30972414 Schwarz criterion 17.11130 Log likelihood -234.5599 F-statistic 3.144597 Durbin-Watson stat
2.559506 Prob(F-statistic)
0.060509
由上看出，n 2
R = 5.628058 ，由White 检验知，在α=0,05下，查2χ分布表，得临界值：
5.002χ（2）=5.99147。
比较计算的2χ统计量与临界值，因为n 2
R = 5.628058 < 5.002χ（2）=5.99147 ，所以接受原假设，这说明修正后的模型不存在异方差。
异方差实验报告
附件二：实验报告格式（首页） 山东轻工业学院实验报告成绩 课程名称计量经济学指导教师实验日期 2013.5.18 院（系）商学院会计系专业班级会计实验地点实验楼二机房 学生姓名学号同组人无 实验项目名称异方差的检验 一、实验目的和要求 1、理解异方差的含义后果、 2、学会异方差的检验与加权最小二乘法要求熟悉基本操作步骤，读懂各项上机榆出结果 的含义并进行分析 3、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 4、练习检查和克服模型的异方差的操作方法。 5、掌握异方差性的检验及处理方法 6、用图示法、斯皮尔曼法、戈德菲尔德、white验证法，验证该模型是否存在异方差 二、实验原理 1、异方差的检验出消除方法 2、运用EVIEWS软件及普通最小二乘法进行模型估计 3、检验模型的异方差性并对其进行调整 三、主要仪器设备、试剂或材料 Eviews软件、课本教材、电脑 四、实验方法与步骤 一、准备工作。建立工作文件，并输入数据，用普通最小二乘法估计方程（操作步骤 与方法同前），得到残差序列。 1、CREATE U 1 31 回车 2、DATA Y X 回车 输入数据
obs Y X 1 264 8777 2 105 9210 3 90 9954 4 131 10508 5 122 10979 6 10 7 11912 7 406 12747 8 503 13499 9 431 14269 10 588 15522 11 898 16730 12 950 17663 13 779 18575 14 819 19635 15 1222 21163 16 1702 22880 17 1578 24127 18 1654 25604 19 1400 26500 20 1829 26760 21 2200 28300 22 2017 27430 23 2105 29560 24 1600 28150 25 2250 32100 26 2420 32500 27 2570 35250 28 1720 33500 29 1900 36000 30 2100 36200 31 2800 38200 3、LS Y C X 回车 用最小二乘法进行估计出现 Dependent Variable: Y Method: Least Squares Date: 05/18/13 Time: 11:19 Sample: 1 31 Included observations: 31 Variable Coefficien t Std. Error t-Statistic Prob.
spss实验报告---方差分析
实验报告 ——（方差分析） 一、实验目的 熟练使用SPSS软件进行方差分析。学会通过方差分析分析不同水平的控制变量是否对结果产生显著影响。 二、实验内容 1、某职业病防治院对31名石棉矿工中的石棉肺患者、可疑患者及非患者进行了用力肺活量（L）测定，问三组石棉矿工的用力肺活量有无差别?（自建数据集） 石棉肺患者可疑患者非患者 1.8 2.3 2.9 1.4 2.1 3.2 1.5 2.1 2.7 2.1 2.1 2.8 1.9 2.6 2.7 1.7 2.5 3.0 1.8 2.3 3.4 1.9 2.4 3.0 1.8 2.4 3.4 1.8 3.3 2.0 3.5 SPSS计算结果： 在建立数据集时定义group1为石棉肺患者，group2为可疑患者，group3为非患者。 零假设：各水平下总体方差没有显著差异。 相伴概率为0.075，大于0.05，可以认为各个组的方差是相等的，可以进行方差检验。
从上表可以看出3个组之间的相伴概率都小于显著性水平0.05，拒绝零假设，说明3个组之间都存在显著差别。 2、某汽车经销商在不同城市进行调查汽车的销售量数据分析工作，每个城市分别处于不同的区域：东部、西部和中部，而且汽车经销商在不同城市投放不同类型的广告，调查数据放置于附件中数据文件“汽车销量调查.sav”。 （1）试分析不同区域与不同广告类型是否对汽车的销量产生显著性的影响？（2）如果考虑到不同城市人均收入具有差异度时，再思考不同区域和不同广告类型对汽车销量产生的影响差异是否改变，这说明什么问题？ SPSS计算结果： （1）此为多因素方差分析 相伴概率为0.054大于0.05，可以认为各个组总体方差相等可以进行方差检验。
《计量经济学》eviews实验报告一元线性回归模型详解
《计量经济学》实验报告一元线性回归模型 一、实验内容 （一）eviews 基本操作 （二）1、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 （3）图形分析与描述统计分析 （4）数据文件的存贮、调用 2、查找2000-2014年涉及主要数据建立中国消费函数模型 中国国民收入与居民消费水平:表1 年份X（GDP）Y（社会消费品总量） 2000 99776.3 39105.7 2001 110270.4 43055.4 2002 121002.0 48135.9 2003 136564.6 52516.3 2004 160714.4 59501.0 2005 185895.8 68352.6 2006 217656.6 79145.2 2007 268019.4 93571.6 2008 316751.7 114830.1 2009 345629.2 132678.4 2010 408903.0 156998.4 2011 484123.5 183918.6 2012 534123.0 210307.0 2013 588018.8 242842.8 2014 635910.0 271896.1 数据来源：https://www.360docs.net/doc/5e3155580.html, 二、实验目的 1.掌握eviews的基本操作。 2.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。
三、实验步骤（简要写明实验步骤） 1、数据的输入、编辑 2、图形分析与描述统计分析 3、数据文件的存贮、调用 4、一元线性回归的过程 点击view中的Graph-scatter-中的第三个获得 在上方输入ls y c x回车得到下图
计量经济学异方差的检验与修正
《计量经济学》实训报告 实训项目名称异方差模型的检验与处理 实训时间 2012-01-02 实训地点实验楼308 班级 学号 姓名
实 训 (实 践 ) 报 告 实 训 名 称 异方差模型的检验与处理 一、 实训目的 掌握异方差性的检验及处理方法。 二 、实训要求 1.求销售利润与销售收入的样本回归函数，并对模型进行经济意义检验和统计检验； 2.分别用图形法、Goldfeld-Quant 检验、White 方法检验模型是否存在异方差； 3.如果模型存在异方差，选用适当的方法对异方差进行修正，消除或减小异方差对模型的影响。 三、实训内容 建立并检验我国制造业利润函数模型，检验异方差性，并选用适当方法对其进行修正，消除或不同） 四、实训步骤 1.建立一元线性回归方程； 2.建立Workfile 和对象，录入数据； 3.分别用图形法、Goldfeld-Quant 检验、White 方法检验模型是否存在异方差； 4.对所估计的模型再进行White 检验，观察异方差的调整情况，从而消除或减小异方差对模型的影响。 五、实训分析、总结 表1列出了1998年我国主要制造工业销售收入与销售利润的统计资料。假设销售利润与销售收入之间满足线性约束，则理论模型设定为： 12i i i Y X u ββ=++ 其中i Y 表示销售利润，i X 表示销售收入。
表1 我国制造工业1998年销售利润与销售收入情况 行业名称销售利润Y 销售收入X 行业名称销售利润销售收入 食品加工业187.25 3180.44 医药制造业238.71 1264.1 食品制造业111.42 1119.88 化学纤维制品81.57 779.46 饮料制造业205.42 1489.89 橡胶制品业77.84 692.08 烟草加工业183.87 1328.59 塑料制品业144.34 1345 纺织业316.79 3862.9 非金属矿制品339.26 2866.14 服装制品业157.7 1779.1 黑色金属冶炼367.47 3868.28 皮革羽绒制品81.7 1081.77 有色金属冶炼144.29 1535.16 木材加工业35.67 443.74 金属制品业201.42 1948.12 家具制造业31.06 226.78 普通机械制造354.69 2351.68 造纸及纸品业134.4 1124.94 专用设备制造238.16 1714.73 印刷业90.12 499.83 交通运输设备511.94 4011.53 文教体育用品54.4 504.44 电子机械制造409.83 3286.15 石油加工业194.45 2363.8 电子通讯设备508.15 4499.19 化学原料纸品502.61 4195.22 仪器仪表设备72.46 663.68 1.建立Workfile和对象，录入销售收入X和销售利润Y： 图1 销售收入X和销售利润Y的录入 2.图形法检验 ⑴观察销售利润Y与销售收入X的相关图：在群对象窗口工具栏中点击
eviews异方差、自相关检验与解决办法
eviews异方差、自相关检验与解决办法 一、异方差检验： 1．相关图检验法 LS Y C X 对模型进行参数估计 GENR E=RESID 求出残差序列 GENR E2=E^2 求出残差的平方序列 SORT X 对解释变量X排序 SCAT X E2 画出残差平方与解释变量X的相关图 2．戈德菲尔德——匡特检验 已知样本容量n=26，去掉中间6个样本点（即约n/4），形成两个样本容量均为10的子样本。 SORT X 将样本数据关于X排序 SMPL 1 10 确定子样本1 LS Y C X 求出子样本1的回归平方和RSS1 SMPL 17 26 确定子样本2 LS Y C X 求出子样本2的回归平方和RSS2 计算F统计量并做出判断。 解决办法 3．加权最小二乘法 LS Y C X 最小二乘法估计，得到残差序列 GRNR E1=ABS(RESID) 生成残差绝对值序列 LS(W=1/E1) Y C X 以E1为权数进行加权最小二成估计 二、自相关 1．图示法检验 LS Y C X 最小二乘法估计，得到残差序列 GENR E=RESID 生成残差序列 SCAT E(-1) E et—et-1的散点图 PLOT E 还可绘制et的趋势图 2．广义差分法 LS Y C X AR(1) AR(2)
首先，你要对广义差分法熟悉，不是了解，如果你是外行，我奉劝你还是用eviews来做就行了，其实我想老师要你用spss无非是想看你是否掌握广义差分，好了，废话不多说了。接着，使用spss16来解决自相关。第一步，输入变量，做线性回归，注意在Liner Regression 中的Statistics中勾上DW，在save中勾Standardized，查看结果，显然肯定是有自相关的（看dw值）。第二步，做滞后一期的残差，直接COPY数据（别告诉我不会啊），然后将残差和滞后一期的残差做回归，记下它们之间的B指（就是斜率）。第三步，再做滞后一期的X1和Y1，即自变量和因变量的滞后一期的值，也是直接COPY。第四步，最后定义两个新变量，即X2=X-B*X1，Y2=Y-B*X2，最后做X2和Y2的回归，这样广义差分就完成了。但是这仅仅只是一次广义差分，观察X2和Y2的回归分析表，如果DW值仍然显示有自相关，则还要做一次差分，即重复上述步骤即可。 一般来说，广义差分最多做2次就行了。。。 本文来自: 人大经济论坛SPSS专版版，详细出处参考：https://www.360docs.net/doc/5e3155580.html,/forum.php?mod=viewthread&tid=289529&page=1
方差分析实验报告
非参数检验 实验报告 方差分析 学院: 参赛队员: 参赛队员: 参赛队员: 指导老师:
目录 一、实验目的 (1) 1.了解方差分析的基本内容； (1) 2.了解单因素方差分析； (1) 3.了解多因素方差分析； (1) 4.学会运用spss软件求解问题； (1) 5.加深理论与实践相结合的能力。 (1) 二、实验环境 (1) 三、实验方法 (1) 1. 单因素方差分析； (1) 2. 多因素方差分析。 (1) 四、实验过程 (1) 问题一： (1) 1.1实验过程 (1) 1.1.1输入数据，数据处理； (1) 1.1.2单因素方差分析 (1) 1.2输出结果 (3) 1.3结果分析 (3) 1.3.1描述 (3) 1.3.2方差性检验 (4) 1.3.3单因素方差分析 (4) 问题二： (4) 2.1实验步骤 (5) 2.1.1命名变量 (5) 2.1.2导入数据 (5) 2.1.3单因素方差分析 (5) 2.1.4输出结果 (7) 2.2结果分析 (7) 2.2.1描述 (7) 2.2.2方差性检验 (8)
2.2.3单因素方差分析 (8) 问题三： (8) 3.1提出假设 (8) 3.2实验步骤 (8) 3.2.1数据分组编号 (8) 3.2.2多因素方差分析 (9) 3.2.3输出结果 (13) 3.3结果分析 (14) 五、实验总结 (14)
方差分析 一、实验目的 1.了解方差分析的基本内容； 2.了解单因素方差分析； 3.了解多因素方差分析； 4.学会运用spss软件求解问题； 5.加深理论与实践相结合的能力。 二、实验环境 Spss、office 三、实验方法 1.单因素方差分析； 2.多因素方差分析。 四、实验过程 问题一： 1.1.1输入数据，数据处理； 1.1.2单因素方差分析 选择：分析→比较均值→单因素AVONA；
计量经济学eviews实验报告
大连海事大学 实验报告 实验名称：计量经济学软件应用 专业班级：财务管理2013-1 姓名：安妮 指导教师：赵冰茹 交通运输管理学院 二○一六年十一月 一、实验目标 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模型的分析中。具体包括：Eview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 WINDOWSXP或2000操作系统下，基于EVIEWS5.1平台。 三、实验模型建立与分析 案例1：
我国1995-2014年的人均国民生产总值和居民消费支出的统计资料（此资料来自中华人民共和国统计局网站）如表1所示，做回归分析。 表1我国1995-2014年人均国民生产总值与居民消费水平情况
（1）做出散点图，建立居民消费水平随人均国内生产总值变化的一元线性回归方程，并解释斜率的经济意义； 利用eviews软件输出结果报告如下： Dependent Variable: CONSUMPTION Method: Least Squares Date: 06/11/16 Time: 19:02 Sample: 1995 2014 Included observations: 20
Variable Coeffici ent Std. Error t-Statisti c Prob.?? C691.0225113.3920 6.0941040.0000 AVGDP0.3527700.00490871.880540.0000 R-squared0.996528????Mean dependent var7351.300 Adjusted R-squared0.996335????S.D. dependent var4828.765 S.E. of regression292.3118????Akaike info criterion14.28816 Sum squared resid1538032.????Schwarz criterion14.38773 Log likelihood -140.881 6 ????Hannan-Quinn criter.14.30760 F-statistic5166.811????Durbin-Watson stat0.403709 Prob(F-statistic)0.000000 由上表可知财政收入随国内生产总值变化的一元线性回归方程为:
第四章异方差检验的eviews操作
第四章异方差性 例4.1.4 一、参数估计 进入Eviews软件包，确定时间范围，编辑输入数据；选择估计方程菜单： (1)在Workfile对话框中，由路径：Quick/Estimate Equation，进入Equation Specification对话框，键入“log(y) c log(x1) log(x2)”，确认ok，得到样本回归估计结果；(2)直接在命令栏里输入“ls log(y) c log(x1) log(x2)”，按Enter,得到样本回归估计结果；(3)在Group的当前窗口，由路径：Procs/Make Equation，进入Equation Specification窗口，键入“log(y) c log(x1) log(x2)”，确认ok，得到样本回归估计结果。如表4.1： 表4.1 图4.1 估计结果为： LnY=3.266+0.1502LnX1+0.4775LnX2 (3.14) (1.38) (9.25) R2=0.7798 D.W.=1.78 F=49.60 RSS=0.8357 括号内为t统计量值。 二、检验模型的异方差
（一）图形法 （1）生成残差平方序列。 ①在Workfile的对话框中，由路径：Procs/Generate Series，进入Generate Series by Equation对话框，键入“e2=resid^2”，生成残差平方项序列e2；②直接在命令栏里输入“genr e2=resid^2”，按Enter,得到残差平方项序列e2。 （2）绘制散点图。 ①直接在命令框里输入“scat log(x2) e2”，按Enter，可得散点图4.2。 ②选择变量名log(x2)与e2（注意选择变量的顺序，先选的变量将在图形中表示横轴，后选的变量表示纵轴），再按路径view/graph/scatter/simple scatter，可得散点图4.2。 ③由路径quick/graph进入series list窗口，输入“log(x2) e2”，确认并ok，再在弹出的graph窗口把line graph换成scatter diagram，再点ok，可得散点图4.2。 图4.2 由图4.2可以看出，残差平方项e2对解释变量log(X2)的散点图主要分布图形中的下三角部分，大致看出残差平方项e2随log(X2)的变动呈增大的趋势，因此，模型很可能存在异方差。但是否确实存在异方差还应通过更进一步的检验。 （二）Goldfeld-Quanadt检验 （1）对变量取值排序（按递增或递减）。 ①在Workfile窗口中，由路径：Procs/Sort Series进入sort workfile series对话框，键入“X2”，如果以递增型排序，选Ascending，如果以递减型排序，则应选Descending，点ok。本例选递增型排序，选Ascending。
计量经济学异方差实验报告材料二
实验报告2 实验目的：掌握异方差的检验及处理方法。 实验容：检验家庭人均纯收入与家庭生活消费支出可能存在的异方差性。有关数据如下：其中，收入为X，家庭生活消费支出为Y。 地区家庭人均 纯收入 家庭生活 消费支出地区 家庭人均 纯收入 家庭生活 消费支出 北京9439.63 6399.27 湖北3997.48 3090 天津7010.06 3538.31 湖南3904.2 3377.38 河北4293.43 2786.77 广东5624.04 4202.32 山西3665.66 2682.57 广西3224.05 2747.47 3953.1 3256.15 海南3791.37 2556.56 辽宁4773.43 3368.16 重庆3509.29 2526.7 吉林4191.34 3065.44 四川3546.69 2747.27 4132.29 3117.44 贵州2373.99 1913.71 上海10144.62 8844.88 云南2634.09 2637.18 江苏6561.01 4786.15 西藏2788.2 2217.62 浙江8265.15 6801.6 陕西2644.69 2559.59 安徽3556.27 2754.04 甘肃2328.92 2017.21 福建5467.08 4053.47 青海2683.78 2446.5 江西4044.7 2994.49 宁夏3180.84 2528.76 山东4985.34 3621.57 新疆3182.97 2350.58 河南3851.6 2676.41 实验步骤如下： 一、建立有关模型分析异方差检验如下。 方法一、图示法。（两种） （一）、x y 相关分析 从图中可以看出，随着收入的增加，家庭生活消费支出不断的提高，但离散程度也逐步扩大。这说明变量之间可能存在递增的异方差性。 建立模型： 1、从图中可以看出，x y不是简单的线性关系。建立线性回归方程如下， LS Y C X
方差分析与假设检验实验报告
云南大学滇池学院 方差分析与假设检验实验报告二 学生姓名：方炜学号：20092123080 专业：软件工程 一、实验目的和要求： 1、初步了解SPSS的基本命令； 2、掌握方差分析和假设检验。 二、实验内容： 1、为比较5中品牌的合成木板的耐久性，对每个品牌取4个样本作摩擦试验测量磨损量，得以下数据： （1）它们的耐久性有无明显差异？ （2）有选择的作两品牌的比较，能得出什么结果？
2、将土质基本相同的一块耕地分成5块，每块又分成均等的4小块。在每块地内把4个品 种的小麦分钟在4小块内，每小块的播种量相同，测得收获量如下： 考察地块和品种对小麦的收获量有无显著影响？并在必要时作进一步比较。 3、为了研究合成纤维收缩率和拉伸倍数对纤维弹性的影响进行了一些试验。收缩率取0，4， 8，12四个水平；拉伸倍数取460，520，580，640四个水平，对二者的每个组合重复作两次试验，所得数据如下：
（1）收缩率，拉伸倍数及其交互作用对弹性有无显著影响？ （2）使弹性达到最大的生产条件是什么？ 三、实验结果与分析： 1、运行结果截图： 1、结果分析： （1）、Sig<0.05，耐久性有明显差异 （2）、由样本分析，品牌3分为一类；品牌1，2，5分为一类；品牌4分为一类。而品牌3和品牌4差距最大，品牌3的耐久性最差，品牌4的耐久性最好。 2、运行结果截图：
2、结果分析： （1）、地块（A组）Sig>0.05对小麦的收获量无显著影响，品种（B组）Sig<0.05对小麦的收获量有显著影响。 （2）、由图得，地块4最适合种小麦，地块1最不适合种小麦；而品种2的小麦收获量最大，品种4的小麦收获量最小。 3、运行结果截图：
异方差性的检验和补救
异方差性的检验和补救 一、研究目的和要求 表1列出了1998年我国主要制造工业销售收入与销售利润的统计资料，请利用统计软件Eviews建立我国制造业利润函数模型，检验其是否存在异方差，并加以补救。 表1 我国制造工业1998年销售利润与销售收入情况 二、参数估计 EVIEWS 软件估计参数结果如下
Dependent Variable: Y Method: Least Squares Date: 06/01/16 Time: 20:16 Sample: 1 28 Included observations: 28 Variable Coefficient Std. Error t-Statistic Prob. C 12.03349 19.51809 0.616530 0.5429 X 0.104394 0.008442 12.36658 0.0000 R-squared 0.854694 Mean dependent var 213.4639 Adjusted R-squared 0.849105 S.D. dependent var 146.4905 S.E. of regression 56.90455 Akaike info criterion 10.98938 Sum squared resid 84191.34 Schwarz criterion 11.08453 Log likelihood -151.8513 Hannan-Quinn criter. 11.01847 F-statistic 152.9322 Durbin-Watson stat 1.212781 Prob(F-statistic) 0.000000 用规范的形式将参数估计和检验结果写下 2?12.033490.104394(19.51809)(0.008442) =(0.616530) (12.36658)0.854694152.9322 i Y X t R F =+ = = 三、 检验模型的异方差 （一） 图形法 1. 相关关系图 X Y X Y 相关关系图
计量经济学多元线性回归、多重共线性、异方差实验报告概要
计量经济学实验报告
多元线性回归、多重共线性、异方差实验报告 一、研究目的和要求： 随着经济的发展，人们生活水平的提高，旅游业已经成为中国社会新的经济增长点。旅游产业是一个关联性很强的综合产业，一次完整的旅游活动包括吃、住、行、游、购、娱六大要素，旅游产业的发展可以直接或者间接推动第三产业、第二产业和第一产业的发展。尤其是假日旅游，有力刺激了居民消费而拉动内需。2012年，我国全年国内旅游人数达到30.0亿人次，同比增长13.6%，国内旅游收入2.3万亿元，同比增长19.1%。旅游业的发展不仅对增加就业和扩大内需起到重要的推动作用，优化产业结构，而且可以增加国家外汇收入，促进国际收支平衡，加强国家、地区间的文化交流。为了研究影响旅游景区收入增长的主要原因，分析旅游收入增长规律，需要建立计量经济模型。 影响旅游业发展的因素很多，但据分析主要因素可能有国内和国际两个方面，因此在进行旅游景区收入分析模型设定时，引入城镇居民可支配收入和旅游外汇收入为解释变量。旅游业很大程度上受其产业本身的发展水平和从业人数影响，固定资产和从业人数体现了旅游产业发展规模的内在影响因素，因此引入旅游景区固定资产和旅游业从业人数作为解释变量。因此选取我国31个省市地区的旅游业相关数据进行定量分析我国旅游业发展的影响因素。 二、模型设定 根据以上的分析，建立以下模型 Y=β 0+β1X 1 +β2X 2 +β 3 X 3 +β 4 X 4 +Ut 参数说明： Y ——旅游景区营业收入/万元 X 1 ——旅游业从业人员/人 X 2 ——旅游景区固定资产/万元 X 3 ——旅游外汇收入/万美元 X 4 ——城镇居民可支配收入/元
方差分析实验报告
实验报告 方差分析 学院: 参赛队员: 参赛队员: 参赛队员: 指导老师:
目录 一、实验目的 (4) 1.了解方差分析的基本内容； (4) 2.了解单因素方差分析； (4) 3.了解多因素方差分析； (4) 4.学会运用spss软件求解问题； (4) 5.加深理论与实践相结合的能力。 (4) 二、实验环境 (4) 三、实验方法 (4) 1. 单因素方差分析； (4) 2. 多因素方差分析。 (4) 四、实验过程 (4) 问题一： (4) 1.1实验过程 (4) 1.1.1输入数据，数据处理； (4) 1.1.2单因素方差分析 (4) 1.2输出结果 (6) 1.3结果分析 (6) 1.3.1描述 (6) 1.3.2方差性检验 (7) 1.3.3单因素方差分析 (7) 问题二： (7) 2.1实验步骤 (8) 2.1.1命名变量 (8) 2.1.2导入数据 (8) 2.1.3单因素方差分析 (8) 2.1.4输出结果 (10) 2.2结果分析 (10) 2.2.1描述 (10) 2.2.2方差性检验 (11) 2.2.3单因素方差分析 (11)
问题三： (11) 3.1提出假设 (11) 3.2实验步骤 (11) 3.2.1数据分组编号 (11) 3.2.2多因素方差分析 (12) 3.2.3输出结果 (16) 3.3结果分析 (17) 五、实验总结 (17) 方差分析
一、实验目的 1.了解方差分析的基本内容； 2.了解单因素方差分析； 3.了解多因素方差分析； 4.学会运用spss软件求解问题； 5.加深理论与实践相结合的能力。 二、实验环境 Spss、office 三、实验方法 1. 单因素方差分析； 2. 多因素方差分析。 四、实验过程 问题一： 1.1.1输入数据，数据处理； 1.1.2单因素方差分析 选择：分析→比较均值→单因素AVONA；
(完整word版)计量经济学EVIEWS软件学习
实验一Eviews的基本操作与一元线性回归模型的最小二乘估计实验目的： 1、熟悉Eviews的窗口与界面 2、掌握Eviews的命令与菜单的操作 3、掌握用Eviews估计与检验一元线性回归模型 实验内容： 1、启动Eviews 双击Eviews图标，出现Eviews窗口，它由以下部分组成：标题栏“Eviews”、主菜单“File，Edit，…，Help”、命令窗口（空白处）和工作区域。 命令窗口 工作区域 图1-1 2、产生文件 Eviews的操作在工作文件中进行，故首先要有工作文件，然后进行数据输入、分析等等操作。 （1）读已存在文件：File→Open→Workfile。 （2）新建文件：File→New→Workfile，出现对话框“工作文件范围”，选取或填上数据类型、起止时间。OK后，得到一个无名字的工作文件，其中有：时间范围、当前工作文件样本范围、filter 、默认方程、系数向量C、序列RESID。 在主菜单上依次点击File/New/Workfile，即选择新建对象的类型为工作文件，将弹出一个对话框（如图所示），由用户选择数据的时间频率（frequency）、
起始期和终止期。 图1-2工作文件对话框 其中， Annual——年度 Monthly——月度 Semi-annual——半年 Weekly——周 Quarterly——季度 Daily——日 Undated or irregular——非时序数据 选择时间频率为Annual（年度），再分别点击起始期栏（Start date）和终止期栏（End date），输入相应的日前1985和1998。然后点击OK按钮，将在EViews 软件的主显示窗口显示相应的工作文件窗口（如图所示）。 图1-3工作文件窗口 工作文件窗口是EViews的子窗口，工作文件一开始其中就包含了两个对象，一个是系数向量C（保存估计系数用），另一个是残差序列RESID（实际值与拟合值之差）。 （3）命令方式新建文件 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。
异方差检验
七、 异方差与自相关 一、背景 我们讨论如果古典假定中的同方差和无自相关假定不能得到满足，会引起什么样的估计问题呢？另一方面，如何发现问题，也就是发现和检验异方差以及自相关的存在性也是一个重要的方面，这个部分就是就这个问题进行讨论。 二、知识要点 1、引起异方差的原因及其对参数估计的影响 2、异方差的检验（发现异方差） 3、异方差问题的解决办法 4、引起自相关的原因及其对参数估计的影响 5、自相关的检验（发现自相关） 6、自相关问题的解决办法 （时间序列部分讲解） 三、要点细纲 1、引起异方差的原因及其对参数估计的影响 原因：引起异方差的众多原因中，我们讨论两个主要的原因，一是模型的设定偏误，主要指的是遗漏变量的影响。这样，遗漏的变量就进入了模型的残差项中。当省略的变量与回归方程中的变量有相关关系的时候，不仅会引起内生性问题，还会引起异方差。二是截面数据中总体各单位的差异。 后果：异方差对参数估计的影响主要是对参数估计有效性的影响。在存在异方差的情况下，OLS 方法得到的参数估计仍然是无偏的，但是已经不具备最小方差性质。一般而言，异方差会引起真实方差的低估，从而夸大参数估计的显著性，即是参数估计的t 统计量偏大，使得本应该被接受的原假设被错误的拒绝。 2、异方差的检验 （1）图示检验法 由于异方差通常被认为是由于残差的大小随自变量的大小而变化，因此，可以通过散点图的方式来简单的判断是否存在异方差。具体的做法是，以回归的残差的平方2i e 为纵坐标，回归式中的某个解释变量i x 为横坐标，画散点图。如果散点图表现出一定的趋势，则可以判断存在异方差。 （2）Goldfeld-Quandt 检验
计量经济学Eviews多重共线性实验报告
实验报告 课程名称计量经济学 实验项目名称多重共线性 班级与班级代码 专业 任课教师 学号： 姓名： 实验日期：2014 年05 月11日
广东商学院教务处制 姓名实验报告成绩 评语： 指导教师（签名） 年月日
说明：指导教师评分后，实验报告交院（系）办公室保存。 计量经济学实验报告 一、实验目的：掌握多元线性回归模型的估计方法、掌握多重共线性模型的识别和修正。 二、实验要求：应用教材第127页案例做多元线性回归模型，并识别和修正多重共线性。 三、实验原理：普通最小二乘法、简单相关系数检验法、综合判断法、逐步回归法。 R值。 四、预备知识：最小二乘法估计的原理、t检验、F检验、2 五、实验步骤 1、选择数据 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，收集了中国能源消费标准煤总量、国民总收入、国内生产总值GDP、工业增加值、建筑业增加值、交通运输邮电业增加值、人均生活电力消费、能源加工转换效率等1985——2007年的统计数据。本题旨在通过建立这些经济变量的线性模型来说明影响能源消费需求总量的原因。主要数据如下： 1985~2007年统计数据
资料来源：《中国统计年鉴》，中国统计出版社2000、2008年版。 为分析Y 与X1、X2、X3、X4、X5、X6、X7之间的关系，做如下折线图： 能源消费Y 在1986到1996年间缓慢增长，在96至98年有短暂的下跌，但是98 至02年开始缓慢回升，02年到06年开始快速增长。 国民总收入X1和国内生产总值X2以相同的趋势逐年缓慢增长。 工业增加值X3在1985年-1999年期间一直是缓慢增长，但在2000年出现了急剧下降的现象，2001年又急剧增长，达到下降前的水平，2001年以后开始缓慢增长。建筑业增长值x4、交通运输邮电业增加值x5、人均生活电力消费x6、能源加工转换效率x7数值较低，但都以较平缓的方式增长。 2、设定并估计多元线性回归模型 t t t t t t t u X X X X X Y ++++++=66554433221ββββββ （2.1） 2.1录入数据，得到图。
多元线性回归实验报告
实验题目：多元线性回归、异方差、多重共线性 实验目的：掌握多元线性回归的最小二乘法，熟练运用Eviews软件的多元线性回归、异方差、多重共线性的操作，并能够对结果进行相应的分析。 实验内容：习题3.2，分析1994-2011年中国的出口货物总额（Y）、工业增加值（X2）、人民币汇率（X3），之间的相关性和差异性，并修正。 实验步骤： 1.建立出口货物总额计量经济模型： 错误！未找到引用源。（3.1） 1.1建立工作文件并录入数据，得到图1 图1 在“workfile"中按住”ctrl"键，点击“Y、X2、X3”，在双击菜单中点“open group”,出现数据 表。点”view/graph/line/ok”,形成线性图2。 图2 1.2对（3.1）采用OLS估计参数 在主界面命令框栏中输入ls y c x2 x3，然后回车，即可得到参数的估计结果，如图3所示。
图 3 根据图3中的数据，得到模型（3.1）的估计结果为 （8638.216）（0.012799）（9.776181） t=(-2.110573) (10.58454) (1.928512) 错误！未找到引用源。错误！未找到引用源。F=522.0976 从上回归结果可以看出，拟合优度很高，整体效果的F检验通过。但当错误！未找到引用源。=0.05时，错误！未找到引用源。=错误！未找到引用源。2.131.有重要变量X3的t检验不显著，可能存在严重的多重共线性。 2．多重共线性模型的识别 2.1计算解释变量x2、x3的简单相关系数矩阵。 点击Eviews主画面的顶部的Quick/Group Statistics/Correlatios弹出对话框在对话框中输入解释变量x2、x3，点击OK，即可得出相关系数矩阵（同图4）。 相关系数矩阵 图4 由图4相关系数矩阵可以看出，各解释变量相互之间的相关系数较高，证实解释变量之间存在多重共线性。 2.2多重共线性模型的修正
方差分析实验报告
篇一：spss的方差分析实验报告 实 验 报告 篇二：方差分析实验报告 方差分析实验报告 学生姓名：琚锦涛学号：091230126 一．实验目的 根据方差分析的相关方法，利用excel中的相关工具，将数据收集，整理，从而了解方差分析的特点和性质。 二．实验内容 1.单因素方差分析 利用以下数据进行单因素方差分析,判断不同产地的原材料是否显著影响产品的质量指标； 2.双因素方差分析 利用以下数据进行双因素方差分析，检验因素a与因素b搭配下是否对其有显著差异，交互作用是否显著； 三．实验结果分析 1.单因素方差分析由以上数据可知，p-value=0.2318>0.05，因此可得出：原材料产地的这一质量指标无显著影响。 2.双因素方差分析 样本、列及交互的p-value远小于0.05，由此可得出燃料和推进器两因素对于火箭影响显著。数据来源：《应用统计学》第二版；篇三：单因素方差分析实验报告 天水师范学院数学与统计学院 实验报告 实验项目名称单因素方差分析所属课程名称实验类型设计型实验日期2011.11.22 班级 09统计一班学号 291050146 姓名成绩 【实验目的】 通过测量数据研究各个因素对总体的影响效果，判定因素在总变异中的重要程度 【实验原理】 比较因素a的r个水平的差异归结为比较这r个总体的均值.即检验假设 ho : μ1 = μ2 = … = μr, h1 : μ1, μ2, … , μr 不全相等给定显著水平α，用p 值检验法， 当p值大于α时，接受原假设ho，否则拒绝原假设ho 【实验环境】 r 2.13.1 pentinu(r)dual-core cpu e6700 3.20ghz 3.19ghz,2.00gb的内存【实验方案】 准备数据，查找相关r程序代码并进行编写运行得出结果进行分析总结 【实验过程】（实验步骤、记录、数据、分析） 1.根据四种不同配方下的元件寿命数据 材料使用寿命 a1 1600 1610 1650 1680 1700 1700 1780 a2 1500 1640 1400 1700 1750 a3 1640 1550 1600 1620 1640 1600 1740 1800 a4 1510 1520 1530 1570 1640 1600 2.利用主函数aov()编写该数据的方差分析r程序 3.运行得出结果 df sum sq mean sq f value pr(>f) a3 49212 16404 2.1659 0.1208 residuals 22 166622 7574
EViews计量经济学实验报告异方差的诊断及修正
姓名学号实验题目异方差的诊断与修正 一、实验目的与要求： 要求目的：1、用图示法初步判断是否存在异方差，再用White检验异方差； 2、用加权最小二乘法修正异方差。
估计结果为： i Y ? = 12.03564 + 0.104393i X （19.51779） (0.008441) t=（0.616650） （12.36670） 2R =0.854696 R =0.849107 S.E.=56.89947 DW=1.212859 F=152.9353 这说明在其他因素不变的情况下，销售收入每增长1元，销售利润平均增长0.104393元。 2R =0.854696 , 拟合程度较好。在给定 =0.0时，t=12.36670 > )26(025.0t =2.056 ，拒 绝原假设，说明销售收入对销售利润有显著性影响。F=152.9353 > )6,21(F 05.0= 4.23 ,
表明方程整体显著。 （三） 检验模型的异方差 ※（一）图形法 6、判断 由图3可以看出，被解释变量Y 随着解释变量X 的增大而逐渐分散，离散程度越来越大； 同样，由图4可以看出，残差平方2 i e 对解释变量X 的散点图主要分布在图形中的下三角部分，大致看出残差平方2 i e 随i X 的变动呈增大趋势。因此，模型很可能存在异方差。但是否确实存在异方差还应该通过更近一步的检验。
※ （二）White 检验 White 检验结果 White Heteroskedasticity Test: F-statistic 3.607218 Probability 0.042036 Obs*R-squared 6.270612 Probability 0.043486 Test Equation: t 界值5.002 χ （2） =5.99147。比较计算的2χ统计量与临界值，因为n 2R = 6.270612 > 5 .002 χ（2）=5.99147 ，所以拒绝原假设，不拒绝备择假设，这表明模型存在异方差。 （四） 异方差的修正 在运用加权最小二乘法估计过程中，分别选用了权数t 1ω=1/t X ，t 2ω=1/2 t X ，t 3ω=1/t X 。 用权数t 1ω的结果
异方差的检验及修正
异方差问题的检验与修正 【实验目的】 1、深刻理解异方差性的实质、异方差出现的原因、异方差的出现对模型的不良影响（即异方差的后果），掌握估计和检验异方差性的基本思想和修正异方差的若干方法。 2、能够运用所学的知识处理模型中的出现的异方差问题，并要求初步掌握用Eviews处理异方差的基本操作方法。 【实验原理】 1、最小二乘估计。 2、异方差。 3、最小二乘残差图解释异方差。 4、Breusch-Pagan检验（B-P检验）和White检验（怀特检验）检验特定方差函数的异方差性。 5、稳健标准差和加权最小二乘法对特定方差函数的异方差性的修正。 【实验软件】 Eviews6.0 【实验步骤】 一、设定模型 首先将实验数据导入软件之中。（注：本实验报告正文部分只显示软件统计结果，导入数据这一步骤参见附A） 本次实验的数据主要是Big Andy店的食品销售收入数据与食品价格数据，共采用了75组。 实验数据来源于课本中的例题，由老师提供。如下表： 表Big Andy店月销售收入和价格的观测值
sales price sales price sales price sales price 73.2 5.6975.7 5.5978.1 5.773.7671.8 6.4974.4 6.2288 5.2271.2 6.3762.4 5.6368.7 6.4180.4 5.0584.7 5.3367.4 6.2283.9 4.9679.7 5.7673.6 5.2389.3 5.0286.1 4.8373.2 6.2573.7 5.8870.3 6.4173.7 6.3585.9 5.3478.1 6.2473.2 5.8575.7 6.4783.3 4.9869.7 6.4786.1 5.4178.8 5.6973.6 6.3967.6 5.4681 6.2473.7 5.5679.2 6.2286.5 5.1176.4 6.280.2 6.4188.1 5.187.6 5.0476.6 5.4869.9 5.5464.5 6.4984.2 5.0882.2 6.1469.1 6.4784.1 4.8675.2 5.8682.1 5.3783.8 4.9491.2 5.184.7 4.8968.6 6.4584.3 6.1671.8 5.9873.7 5.6876.5 5.3566 5.9380.6 5.0282.2 5.7380.3 5.2284.3 5.273.1 5.0874.2 5.1170.7 5.8979.5 5.6281 5.2375.4 5.7175 5.2180.2 5.2873.7 6.0281.3 5.45 75 6.05 81.2 5.83 69 6.33 其中，sales 表示在某城市的月销售收入，以千美元为单位；price 表示在该城市的价格，以美元为单位。 假设表1中的月销售收入数据满足假设SR1—SR5。即，假设Big Andy 店的月销售收入的期望值是产品价格水平的线性函数，误差项额的均值为零，销售收入的方差和误差项e 的方差相同，随机误差项e 在统计上不相关，且选取的价格的值是非随机的。 这样，在上面的基础之上，建立Big Andy 的食品销售收入（sales ）与食品价格（price ）之间的线性模型方程： e price sales ++=10ββ根据最小二乘估计的思想估计模型参数，（此过程参见附B ）结果如下图： Coefficient Std.Error t-Statistic Prob.C 121.9002 6.52629118.678320.0000PRICE -7.829074 1.142865 -6.850394 0.0000R-squared 0.391301Mean dependent var 77.37467Adjusted R-squared 0.382963 S.D.dependent var 6.488537