计量经济学第三次作业.doc

下表列出了某年中国部分省市城镇居民每个家庭平均全年可支配收入X与消费性支出Y的统计数据。地区可支配收入（X）消费性支出（Y）地区可支配收入（X）消费性支出（Y）北 京10349.698493.49浙 江9279.167020.22天 津8140.506121.04山 东6489.975022.00河 北5661.164348.47河 南4766.263830.71山 西4724.113941.87湖 北5524.544644.5内蒙古5129.053927.75湖 南6218.735218.79辽 宁5357.794356.06广 东9761.578016.91吉 林4810.004020.87陕 西5124.244276.67黑龙江4912.883824.44甘 肃4916.254126.47上 海11718.018868.19青 海5169.964185.73江 苏6800.235323.18新 疆5644.864422.93(1)试用普通最小二乘法建立居民人均消费支出与可支配收入的线性模型；(2)检验模型是否存在异方差性；(3)如果存在异方差性，试采用适当的方法估计模型参数。解：（1）a.建立对象，录入可支配收入X与消费性支出Y，如下图：b. 设定一元线性回归模型为： 点击主界面菜单QuickEstimate Equation，在弹出的对话框中输入Y、C、X，操作如下图：（2）a.生成残差序列。在工作文件中点击ObjectGenerate Series，在弹出的窗口中，在主窗口键入命令如下“e1=resid2”得到残差平方和序列e1。如下图：b.绘制e1与x的散点图。按住Ctrl键，同时选择变量X与e2以组对象方式打开，进入数据列表，再点击ViewGraphScatterSimple Scatter，可得散点图。如上图:(3)a. 设定一元线性回归模型为： 点击主界面菜单QuickEstimate Equation，在弹出的对话框中输入log(e1)、C、X，得出结果如下图：b. 在工作文件中点击ObjectGenerate Series，在弹出的窗口中，在主窗口键入命令如下”w=1/sqr(exp(6.8251+0.00046*x)”得出权数W.c. 点击主界面菜单QuickEstimate Equation，在弹出的Specification对话框中输入Y、C、X，在Options中的Weight series中填入权数w.如下图：（1）结果Dependent Variable: YMethod: Least SquaresDate: 12/5/16 Time: 19:57Sample: 1 20Included observations: 20VariableCoefficientStd. Errort-StatisticProb.C272.3635159.67731.7057130.1053X0.7551250.02331632.386900.0000R-squared0.983129Mean dependent var5199.515Adjusted R-squared0.982192S.D. dependent var1625.275S.E. of regression216.8900Akaike info criterion13.69130Sum squared resid846743.0Schwarz criterion13.79087Log likelihood-134.9130Hannan-Quinn criter.13.71073F-statistic1048.912Durbin-Watson stat1.301684Prob(F-statistic)0.000000得到模型的估计结果为： (1.706) (32.387) F=1048.912估计结果显示，即使在10%的显著性水平下，都不拒绝常数项为零的假设。（2）由b的图可知，残差平方e1与x大致存在递增关系，即存在单调增型异方差。（3）通过加权得出的方程结果如下：Method: Least SquaresDate: 12/5/16 Time: 20:01Sample: 1 20Included observations: 20Weighting series: WWeight type: Standard deviation (average scaling)HAC standard errors & covariance (Bartlett kernel, Newey-West fixedbandwidth = 3.0000)VariableCoefficientStd. Errort-StatisticProb.C383.2138198.13011.9341520.0690X0.7420820.02400230.917420.0000Weighted StatisticsR-squared0.975308Mean dependent var5232.501Adjusted R-squared0.973936S.D. dependent var5438.029S.E. of regression296.8192Akaike info criterion14.31876Sum squared resid1585830.Schwarz criterion14.41834Log likelihood-141.1876Hannan-Quinn criter.14.33820F-statistic710.9713Durbin-Watson stat1.881095Prob(F-statistic)0.000000Weighted mean dep.7229.207Wald F-statistic955.8868Prob(Wald F-statistic)0.000000Unweighted StatisticsR-squared0.982571Mean dependent var5199.515Adjusted R-squared0.981603S.D. dependent var1625.275S.E. of regression220.4438Sum squared resid874718.6Durbin-Watson stat2.002018得到模型的估计结果为： (1.934) (30.917) F=710.97