1 / 68

经济数量分析方法 与模型

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.

rich
Télécharger la présentation

经济数量分析方法 与模型

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. 经济数量分析方法 与模型 实验课 闵 娜

  2. 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

  3. 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。

  4. 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. 5、掌握用EViews对单个序列描述统计量,并会使用图象分析法。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。

  6. 四、实验项目及学时分配表

  7. 实验项目七回归模型预测

  8. 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

  9. 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。

  10. 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

  11. 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

  12. 由回归方程求出的点预测值： 1.回归模型的点预测原理

  13. 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。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：

  14. 在此样本期间，实际收入每增加1元， 平均而言，实际消费支出将增加约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？

  15. 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？

  16. 　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：　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：

  17. 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：

  18. 3.回归模型预测的Eviews操作

  19. 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。

  20. 图1 方程设定对话框

  21. 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）。

  22. 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。

  23. 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。

  24. 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，

  25. 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。

  26. 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。

  27. 通过置信区间上下限的公式来计算。 4.回归预测图的EViews操作 • EViews不能直接计算出预测值的置信区间的输出数值。

  28. 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。

  29. 图右边的附表提供了一系列对模型的评价指标。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。

  30. 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.

  31. 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

  32. 偏差率BP反映预测值均值和实际值均值间的差异;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。

  33. 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）

  34. 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。

  35. 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。

  36. 1、变量间关系分析—计算相关系数. • 从主菜单中选[Quick]=> [Group Statistics]=> [Correlations]

  37. 在出现的对话框中输入所有需计算相关系数的变量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。

  38. 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。

  39. 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.

  40. 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。

  41. 根据结果可得到下面的估计方程： QMG=68497350+1.5877*CAR- 10375410*PMG-462.29*POP -12666.47*RGNP-579453.0*PGNP =0.992 p=0.000 =0.991 D.W=0.869

More Related