⑴ 计量经济学实验报告
计量经济学实验STATA:stata基本知识：1、基本操作：（1）窗口锁定：Edit-preferences-generalpreferences-windowing-locksplitter（2）辩游数据导入；（3）打开文件：useE:\example.dta,clear（4）日期数据导入：gennewvar=date(varname,“ymd”)formatnewvar%td年度数据gennewvar=monthly(varname,“ym”)formatnewvar%tm月度数据gennewvar=quarterly(varname,“yq”)formatnewvar%tq季度数据（5）变量标签：Labelvariabletc`“totaloutput”’（6）审视数据：describelistx1x2listx1x2in1/5listx1x2ifq>=1000dropifq>=1000keepifq>=1000（7）考察变量的统计特征:summarizex1sux1ifq>=10000suq,（8）画图：histogramx1,width(1000)(scatterx1x2)(lfitx1x2)twoway(scatterx1x2)(qfitx1x2)（9）生成新变量：genlnx1=log(x1)genq2=q^2genlnx1lnx2=lnx1*lnx2genlarg=(x1>洞逗=10000)=(q>=6000)replacelarge=(q>=6000)dropln*（10）计算功能：displaylog(2)（11）线性回归分析：regressy1x1x2x3x4vce#显示估计系数的协方差矩阵regy1x1x2x3x4,noc#不要常数项regy1x1x2x3x4ifq>===0regy1x1x2x3x4if～largepredictyhatpredicte1,resialdisplay1/_b[x1]testx1=1#F检验，变量x1的系数等于1test(x1=1)(x2+x3+x4=1)#F联合假设检验testx1x2#系数携颤销显著性的联合检验testnl_b[x1]=_b[x2]^2（12）约束回归：constraintdef1x1+x2+x3=1cnsregy1x1x2x3x4,c(1)consdef2x4=1cnsregy1x1x2x3x4,c(1-2)（13）stata的日志：File-log-begin-输入文件名logoff暂时关闭logon恢复使用logclose彻底退出（14）stata命令库更新：Updateallhelpcommand
⑵ 急求一个计量经济学模型案例（含数据）不要一元线性回归的
Se是standard error，即样本统计量的标准差
t是t-test，即T检验的参数
n是样本量
（1）
因为t=X/（se/根号n），所以可专以根据已知属数值计算：
第一个括号——t=-261.09/（31.327/根号20）= -37.272
第二个括号——t=16.616=0.2453/（Se/根号20），所以Se=0.066
（2）
系数0.2453：当地区生产总值提高（减少）1元时，进口总额预计将会提高（减少）0.2453元
系数-261.09：当地区生产总值为0时，进口总额预计为-261.09元
（3）
用t检验进行显著性检验，已知t=16.616，自由度=20-1=19，取95%置信度，t临界值为3.174
因为16.616＞3.174，故排除斜率系数=0，所以斜率系数是统计显著的。
⑶ 计量经济学，一元线性回归模型基本假设中，为什么样本方差的极限为非零有限常数，能够排除时间序列数据
应该跟大数定律有关
⑷ 计量经济学 求一份 EViews软件做的多元线性回归模型 要有数据和表格结果分析
应用计量经济学综合实验报告
一、观察序列特征
（一）变量的描述统计
变量的描述统计表
X
Y
Mean
24.19133
38.51823
Median
24.60819
35.06598
Maximum
31.51318
59.66837
Minimum
12.28087
24.88616
Std. Dev.
4.378617
9.715057
Skewness
-0.857323
0.890026
Kurtosis
3.169629
2.605577
Jarque-Bera
17.81273
19.94491
Probability
0.000136
0.000047
Sum
3483.552
5546.625
Sum Sq. Dev.
2741.637
13496.67
Observations
144
144
（二）变量的趋势分析
1、各变量的时间序列图
2、根据时序图大致判断变量的平稳性
答：不平稳
（三）双变量分析
1、画出XY散点图
2、计算变量X和Y间的相关系数
Dependent Variable: Y
Method: Least Squares
Date: 10/19/12 Time: 16:31
Sample (adjusted): 1 144
Included observations: 144 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
X
1.531880
0.042949
35.66763
0.0000
R-squared
-0.700579
Mean dependent var
38.51823
Adjusted R-squared
-0.700579
S.D. dependent var
9.715057
S.E. of regression
12.66904
Akaike info criterion
7.923120
Sum squared resid
22952.15
Schwarz criterion
7.943743
Log likelihood
-569.4646
Durbin-Watson stat
0.028629
二、计量经济学分析
（一）X和Y的单整阶数检验（选择适当的检验模型并说明理由，报告结果及结论）
X的一阶单整检验：
Included observations: 196 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
D(X(-1))
-1.097771
0.071696
-15.31146
0.0000
C
0.161673
0.153431
1.053718
0.2933
@TREND(1)
-0.001153
0.001339
-0.861117
0.3902
趋势项不显著，改选模型二；
Included observations: 196 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
D(X(-1))
-1.094074
0.071520
-15.29752
0.0000
C
0.046755
0.075656
0.617991
0.5373
截距项不显著，改选模型一；
Lag Length: 0 (Automatic based on SIC, MAXLAG=14)
t-Statistic
Prob.*
Augmented Dickey-Fuller test statistic
-15.30936
0.0000
Test critical values:
1% level
-2.576814
5% level
-1.942456
10% level
-1.615622
根据ADF检验值可知，ADF值小于各个显著水平下的临界值，故应拒绝原假设，认为没有单位根，是平稳序列。故X是一阶单整序列；
Y的一阶单整检验：
Included observations: 196 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
D(Y(-1))
-0.934141
0.072131
-12.95060
0.0000
C
-0.055176
0.193160
-0.285650
0.7755
@TREND(1)
0.001979
0.001693
1.169003
0.2438
趋势项不显著，改选模型二；
Included observations: 196 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
D(Y(-1))
-0.927506
0.071975
-12.88644
0.0000
C
0.140769
0.096086
1.465030
0.1445
截距项不显著，改选模型一；
Lag Length: 0 (Automatic based on SIC, MAXLAG=14)
t-Statistic
Prob.*
Augmented Dickey-Fuller test statistic
-12.76596
0.0000
Test critical values:
1% level
-2.576814
5% level
-1.942456
10% level
-1.615622
根据ADF检验值可知，ADF值小于各个显著水平下的临界值，故应拒绝原假设，认为没有单位根，是平稳序列。故Y是一阶单整序列；
综上所述，X与Y都是一阶单整序列
（二）用Y,X,常数项，以及Y的滞后一期值建立二元回归模型
1、用OLS估计模型Y=b0+b1X+b2Y-1+m，回归结果如下：
Variable
Coefficient
Std. Error
t-Statistic
Prob.
X
0.013866
0.015102
0.918190
0.3597
C
-0.190932
0.521862
-0.365867
0.7149
Y(-1)
1.001264
0.011224
89.20662
0.0000
2、检验和改进
（1）统计检验和结论（t检验，F检验）
用t检验: P（x）>α，不显著
P（C）>α，不显著
PY(-1)> α，显著
用f检验：P（f）<α,显著
（2）计量经济学检验和结论（异方差检验，序列相关性检验）
F-statistic
0.689788
Probability
0.599846
Obs*R-squared
2.790897
Probability
0.593405
不显著，接受原假设，故无异方差性
Breusch-Godfrey Serial Correlation LM Test:
F-statistic
0.471125
Probability
0.625019
Obs*R-squared
0.962067
Probability
0.618144
不显著，接受原假设，故无序列相关性
（3）对模型估计方法的改进（若存在有异方差或序列相关性时，采用WLS或GLS估计的结果）
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
-0.196548
0.090185
-2.179381
0.0305
X
0.012001
0.002178
5.509368
0.0000
Y(-1)
1.002499
0.001697
590.6897
0.0000
Weighted Statistics
R-squared
0.999990
Mean dependent var
37.17069
Adjusted R-squared
0.999990
S.D. dependent var
96.28015
S.E. of regression
0.307135
Akaike info criterion
0.492055
Sum squared resid
18.30044
Schwarz criterion
0.542053
Log likelihood
-45.46742
F-statistic
179795.0
Durbin-Watson stat
2.017946
Prob(F-statistic)
0.000000
Unweighted Statistics
R-squared
0.976307
Mean dependent var
37.63027
Adjusted R-squared
0.976062
S.D. dependent var
8.651587
S.E. of regression
1.338552
Sum squared resid
347.5940
Durbin-Watson stat
1.858016
（4）最终的模型
1、Y=-0.196548+0.012001X+1.002499Y(-1)
2、R^2=0.999990
3、调整后的R=0.999990
4、D.W=1.858016
⑸ 计量经济学中的一元线性回归
大哥！是OLS吧？
1：520.4-5.82*21.4
第2问就有点多，不想写。如果你2年后还想知道的话可以邮箱我。[email protected]
⑹ 怎么用excel求计量经济学中的 一元线性回归方程的参数
选择“来工具”按钮，在源下拉菜单中选“加载宏”，在弹出的窗口中选中“分析工具库”然后确定，接着单击“数据”按钮，在下拉菜单中选“数据分析”，在弹出的窗口中选你要的功能，比如一元线性回归啊，多远线性回归啊什么的，在excel表格上选中你要分析的数据。我不记得选中要分析的数据是在最后还是最前面，但是大致就是这样的没错。不过还有一点，有些电脑里装的excel软件缺少一个什么东西，然后是不能加载宏的，不能加载宏的话这个回归分析就做不了了，我电脑上的就是这样。还有这个操作是要在office2003上的，2007的我就不知道了，wps应该是没有这个功能的，我曾经试过了