在當(dāng)下這個(gè)社會(huì)中，報(bào)告的使用成為日常生活的常態(tài)，報(bào)告具有成文事后性的特點(diǎn)。報(bào)告的格式和要求是什么樣的呢？下面我給大家整理了一些優(yōu)秀的報(bào)告范文，希望能夠幫助到大家，我們一起來看一看吧。
最新《計(jì)量經(jīng)濟(jì)學(xué)綜合實(shí)驗(yàn)》實(shí)驗(yàn)報(bào)告總結(jié)篇一
（3）78.02? r，說明離差平方和的 78%被樣本回歸直線解釋，還有22%未被解釋。因此，樣本回歸至西安對(duì)樣本點(diǎn)的擬合優(yōu)度是較高的。
給出顯著水平05.0 ? ?，查自由度 v=14-2=12 的 t 分布表，得臨界值 18.2)12(025.0? t，)12(12.10025.0 0t t ? ?，)12(54.6025.0 1t t ? ?，故回歸系數(shù)均顯著不為零，回歸模型中英包含常數(shù)項(xiàng)，x 對(duì) y 有顯著影響。
（4）2000年的國內(nèi)生產(chǎn)總值為620億元，貨物運(yùn)輸量預(yù)測(cè)值為29307.84萬噸。
實(shí)驗(yàn)二 第二章第 7 題 x1 dependent variable: q method: least squares date: 12/17/13 time: 10:57 sample: 1978 1998
included observations: 21 variable coefficient t-statistic prob.c 40772.47 1389.795 29.33704 0.0000 x1 0.001220 0.001909 0.639194 0.5303 r-squared 0.021051 mean dependent var 40996.12 adjusted r-squared-0.030473 ent var 6071.868 regression 6163.687 akaike info criterion 20.38113 sum squared resid 7.22e+08 schwarz criterion 20.48061 log likelihood-212.0019 f-statistic 0.408568 durbin-watson stat 0.206201 prob(f-statistic)0.530328 tq =40772.47+0.001tx 1 +te x2 dependent variable: q method: least squares
date: 12/17/13 time: 10:58 sample: 1978 1998 included observations: 21 variable coefficient t-statistic prob.c 26925.65 915.8657 29.39912 0.0000 x2 5.912534 0.356423 16.58851 0.0000 r-squared 0.935413 mean dependent var 40996.12 adjusted r-squared 0.932014 ent var 6071.868 regression 1583.185 akaike info criterion 17.66266 sum squared resid 47623035 schwarz criterion 17.76214 log likelihood-183.4579 f-statistic 275.1787 durbin-watson stat 1.264400 prob(f-statistic)0.000000 tq =26925.65+5.91tx2 + te x3
dependent variable: q method: least squares date: 12/17/13 time: 10:58 sample: 1978 1998 included observations: 21 variable coefficient t-statistic prob.c-49865.39 12638.40-3.945545 0.0009 x3 1.948700 0.270634 7.200498 0.0000 r-squared 0.731817 mean dependent var 40996.12 adjusted r-squared 0.717702 ent var 6071.868 regression 3226.087 akaike info criterion 19.08632 sum squared resid 1.98e+08 schwarz criterion 19.18580 log likelihood-198.4064 f-statistic 51.84718 durbin-watson stat 0.304603 prob(f-statistic)0.000001
tq =-49865.39+1.95tx3+te（1）t t te x q ? ? ?1 1 0? ? ? ? tq =40772.47+0.001tx 1 +te t t te x q ? ? ?2 1 0? ?? ? tq =26925.65+5.91tx2 + te t t te x q ? ? ?3 1 0? ? ? ? tq =-49865.39+1.95tx3+te（2）=0.001 為樣本回歸方程的斜率，表示邊際農(nóng)業(yè)機(jī)械總動(dòng)力，說明農(nóng)業(yè)機(jī)械總動(dòng)力每增加 1 萬千瓦，糧食產(chǎn)量增加 1 萬噸。=40072.47 是截距，表示不受農(nóng)業(yè)機(jī)械總動(dòng)力影響的糧食產(chǎn)量。=0.02，說明總離差平方和的 2%被樣本回歸直線解釋，有 98%未被解釋，因此樣本回歸直線對(duì)樣本點(diǎn)的擬合優(yōu)度是很低的。給出的顯著水平? =0.05，查自由度 v=21-2=19 的 t 分布表，得臨界值09.2)19(025.0? t，? ? 34.290t)19(025.0t，64.00? t<)19(025.0t，=5.91 為樣本回歸方程的斜率，表示邊際化肥施用量，說明化肥使用量每增加 1 萬噸，糧食產(chǎn)量增加 1 萬噸。
=26925.65 是截距，表示不受化肥使用量影響的糧食產(chǎn)量。
=0.94，說明總離差平方和的 94%被樣本回歸直線解釋，有 6%未被解釋，因此樣本回歸直線對(duì)樣本點(diǎn)的擬合優(yōu)度是很高的。給出的顯著水平? =0.05，查自由度 v=21-2=19 的 t 分布表，得臨界值09.2)19(025.0? t，?0t29.40>)19(025.0t，=16.6>,故回歸系數(shù)均不為零，回歸模型中應(yīng)包含
常數(shù)項(xiàng)，x 對(duì) y 有顯著影響。
=1.95 為樣本回歸方程的斜率，表示邊際土地灌溉面積，說明土地灌溉面積每增加 1 千公頃，糧食產(chǎn)量增加 1 萬噸。
=-49865.39是截距，表示不受土地灌溉面積影響的糧食產(chǎn)量。
=0.73，說明總離差平方和的 73%被樣本回歸直線解釋，有 27%未被解釋，因此樣本回歸直線對(duì)樣本點(diǎn)的擬合優(yōu)度是較高的。給出顯著性水平=0.05，查自由度 =21-2=19 的 t 分布表，得臨界值 =2.09，=-3.95<，=7.2>,故回歸系數(shù)包含零，回歸模型中不應(yīng)包含常數(shù)項(xiàng)，x 對(duì) y 有無顯著影響。
（3）根據(jù)分析，x2 得擬合優(yōu)度最高，模型最好，所以選擇 x2 得預(yù)測(cè)值。
tq =26925.65+5.91tx2 + te 54.52349? 2000? q
實(shí)驗(yàn)三 p85 第 3 題 dependent variable: y method: least squares date: 12/19/13 time: 09:10 sample: 1 18 included observations: 18 variable coefficient t-statistic prob.c-0.975568 30.32236-0.032173 0.9748 x1 104.3146 6.409136 16.27592 0.0000 x2 0.402190 0.116348 3.456776 0.0035 r-squared 0.979727 mean dependent var 755.1500 adjusted r-squared 0.977023 ent var 258.6859 regression 39.21162 akaike info criterion 10.32684 sum squared resid 23063.27 schwarz criterion 10.47523
log likelihood-89.94152 f-statistic 362.4430 durbin-watson stat 2.561395 prob(f-statistic)0.000000（1）2 140.0 32.104 98.0?x x y ? ? ? ?（2）提出檢驗(yàn)的原假設(shè)為 2 , 1 , 00? ? ? i hi?。
給出顯著水平05.0 ? ?，查自由度 v=18-2=16 的 t 分布表，得臨界值 13.2)15(025.0? t。
? ? 28.161t)15(025.0t，所以否定0h ,1? 顯著不等于零，即可以認(rèn)為受教育年限對(duì)購買書籍及課外讀物支出有顯著影響。
? ? 46.32t)15(025.0t，所以否定0h，2? 顯著不等于零，即可以家庭月可支配收入對(duì)購買書籍及課外讀物支出有顯著影響。
（3）9797.0 12? ? ? ?tssrsstssessr 9770.0)1 /()1 /(12??? ? ??n tssk n rssr 2r =0.9797，表示 y 中的變異性能被估計(jì)的回歸方程解釋的部分越多，估計(jì)的回歸方程對(duì)樣本觀測(cè)值就擬合的越好。同樣，2r =0.9770，很接近1，表示模型擬合度很好。
（4）把1x =10，2x =480 代入2 140.0 32.104 98.0?x x y ? ? ? ? 22.1234 480 * 40.0 10 * 32.104 98.0? 2000? ? ? ? ? y 實(shí)驗(yàn)四 p86 第 6 題 dependent variable: y
method: least squares date: 12/19/13 time: 10:14 sample: 1955 1984 included observations: 30 variable coefficient t-statistic prob.c 0.208932 4.372218 0.047786 0.9623 x1 1.081407 0.234139 4.618649 0.0001 x2 3.646565 1.699849 2.145229 0.0414 x3 0.004212 0.011664 0.361071 0.7210 r-squared 0.552290 mean dependent var 22.13467 adjusted r-squared 0.500632 ent var 14.47115 regression 10.22618 akaike info criterion 7.611345 sum squared resid 2718.944 schwarz criterion 7.798171 log likelihood-110.1702 f-statistic 10.69112 durbin-watson stat 1.250501 prob(f-statistic)0.000093
3 2 10042.0 6466.3 0814.1 2089.0?x x x y ? ? ? ? 0814.11? ?，表示該地區(qū)某農(nóng)產(chǎn)品收購量隨著銷售量的增加而增加，=3.647 表示農(nóng)產(chǎn)品收購量隨出口量的增加而增加。
=3.647 表示農(nóng)產(chǎn)品收購量隨庫存量的增加而增加。該回歸方程系數(shù)的符號(hào)和大小均符合經(jīng)濟(jì)理論和實(shí)際情況。
統(tǒng)計(jì)檢驗(yàn) a．回歸方程的顯著性檢驗(yàn) f 檢驗(yàn)：r =0.55 表示 和 和 聯(lián)合起來對(duì) y 的解釋能力達(dá)到55，因此，樣本回歸方程的擬合優(yōu)度是高的。顯著性水平=0.05，查自由度 v=30-3-1=27，的 f 分布表的臨界值05.0f(3，27)=2.96，f=10.69>f(3，27)=2.96,說明回歸方程在總體上是顯著的。
b．回歸系數(shù)的顯著性檢驗(yàn) t 檢驗(yàn)：顯著性水平=0.05，查自由度 v=30-3-1=26 的 t 分布表的臨界值 t(26)=2.06，t =4.62>t(26)，所以 顯著不為零，即銷售量對(duì)農(nóng)產(chǎn)品收購量有顯著影響；t =2.15 >t(26)，所以顯著不為零，即出口量對(duì)農(nóng)產(chǎn)品收購量有顯著影響；t =0.36
5523.02? ?tssessr，表示 y 中的變異性能被估計(jì)的回歸方程解釋的部分越多，估計(jì)的回歸方程對(duì)樣本觀測(cè)值就擬合的越好。同樣，2r =0.5006，表示模型擬合度一般。
實(shí)驗(yàn)五
p107 第四章第 1 題 dependent variable: logy method: least squares date: 12/19/13 time: 12:07 sample: 1990 1998 included observations: 9 variable coefficient t-statistic prob.c 1.130931 0.019529 57.91136 0.0000 t 0.281837 0.003470 81.21339 0.0000 r-squared 0.998940 mean dependent var 2.540117 adjusted r-squared 0.998788 ent var 0.772253 regression 0.026881 akaike info criterion-4.201659 sum squared resid 0.005058 schwarz criterion-4.157831 log likelihood 20.90746 f-statistic 6595.614 durbin-watson stat 1.128588 prob(f-statistic)0.000000
lny=1.13+0.28t+te（57.91）（81.21）結(jié)構(gòu)分析 : =0.28 表示 1990 年到 1998 年期間，皮鞋銷售額的年增長(zhǎng)率為 28％。給出顯著性水平=0.05，查自由度 =30-4=26 的 t 分布表，得臨界值 =2.37，=57.91>，=81.21>故顯著不為零，則回歸模型中應(yīng)包含常數(shù)項(xiàng)，可以認(rèn)為時(shí)間對(duì)銷售額有顯著影響，, ,表示y 能對(duì)估計(jì)的回歸方程進(jìn)行很高解釋，所以估計(jì)的回歸方程對(duì)樣本觀測(cè)值就擬合的程度很高 t=10，lny=3.949 y=49.4024 則預(yù)測(cè)得該商場(chǎng) 1999 年的皮鞋銷售額為 49.4024 萬元 實(shí)驗(yàn)六 p107 第四章第 2 題 dependent variable: logy method: least squares date: 12/20/13 time: 15:08 sample: 1 21 included observations: 21 variable coefficie t-statistic c-35.40425 1.637922-21.61535 0.0000 t 0.020766 0.000866 23.97401 0.0000 r-squared 0.968000 mean dependent var 3.843167 adjusted r-squared 0.966316 ent var 1.309610 regression 0.240355 akaike info criterion 0.076997 sum squared resid 1.097644 schwarz criterion 0.176475 log likelihood 1.191533 f-statistic 574.7531 durbin-watson stat 0.110127 prob(f-statistic)0.000000 lny=-35.4042+0.02081x +1u
lnyf=6.127 y=458.0599 實(shí)驗(yàn)七 p108 第四章第 3 題 dependent variable: lnm method: least squares date: 12/20/13 time: 16:35 sample: 1948 1964 included observations: 17 variable coefficient t-statistic 1.265879 0.431393 2.934402 0.0116
lnr 0.864595 0.517228 1.671593 0.1185 lny 0.206210 0.308720 0.667952 0.5158 c-2.095090 1.790906-1.169850 0.2631 r-squared 0.859355 mean dependent var 5.481567 adjusted r-squared 0.826899 ent var 0.269308 regression 0.112047 akaike info criterion-1.337475 sum squared resid 0.163208 schwarz criterion-1.141425 log likelihood 15.36854 f-statistic 26.47717 durbin-watson stat 0.743910 prob(f-statistic)0.000008 lnt t tnty r p m 2062.0 ln 8646.0 ln 2659.1 0951.2)(? ? ? ? ??(-1.1699)(2.9344)(1.6716)(0.6680)085942? r 8269.02? r（2）t 檢驗(yàn)：
假設(shè)0h : 0 ?i?，顯著性水平=0.05，查自由度 v=17-3-1=13 的t 分布表的臨界值 t(13)=2.16，t =2.9344>t(13)，所以1? ? 顯著不為零，即內(nèi)含價(jià)格縮減指數(shù)對(duì)名義貨幣存量有顯著影響；2t =1.6716
f 檢驗(yàn)：
假設(shè)0h : 03 2 1? ? ? ? ? ? 1h ：至少有一個(gè)i? 不等于零（i=1,2,3）r =0.86 表示3 2 1? ? ? 和 和 聯(lián)合起來對(duì))(ntm 的解釋能力達(dá)到 86，因此，樣本回歸方程的擬合優(yōu)度是很高的。顯著性水平=0.05，查自由度 v=17-3-1=13，的 f 分布表的臨界值05.0f(3，13)=3.41，f=26.4772>f(3，13)=3.41,所以否定0h，說明回歸方程在總體上是顯著的。即內(nèi)含價(jià)格縮減指數(shù)，名義國名收入和長(zhǎng)期利率與名義貨幣存量之間的關(guān)系是線性的。
經(jīng)濟(jì)意義分析：
?0? 1.2659 表示內(nèi)含價(jià)格縮減指數(shù)每增加 1%，名義貨幣存量就增加 1.2659%，?1? 0.2062 表示名義國民收入每增加 1 億，名義貨幣存量就增加 0.2062 億，?2? 0.8646 表示長(zhǎng)期利率每增加 1%，名義貨幣存量就增加 0.8646%。
（3）dependent variable: lnm method: least squares
date: 12/20/13 time: 16:41 sample: 1948 1964 included observations: 17 variable coefficient t-statistic 0.944253 0.489602 1.928614 0.0743 lny 0.226585 0.300069 0.755110 0.4627 c-1.006527 0.289766-3.473584 0.0037 r-squared 0.751490 mean dependent var 0.802225 adjusted r-squared 0.715989 ent var 0.205539 regression 0.109537 akaike info criterion-1.426321 sum squared resid 0.167977 schwarz criterion-1.279283 log likelihood 15.12373 f-statistic 21.16793 durbin-watson stat 0.656255 prob(f-statistic)0.000059 lnt t ty r m 2266.0 ln 9443.0 0065.1 ? ? ? ? ??
（-3.4736）（1.9286）（0.7551）t 檢驗(yàn)：
假設(shè)0h : 0 ?i?，顯著性水平=0.05，查自由度 v=17-2-1=14 的t 分布表的臨界值 t(14)=2.15，rt =1.9286
f 檢驗(yàn)：
假設(shè)0h : 02 1? ? ? ? 1h ：至少有一個(gè)i? 不等于零（i=1,2,3）r =0.75 表示2 1? ? 和 聯(lián)合起來對(duì)tm 的解釋能力達(dá)到 75，因此，樣本回歸方程的擬合優(yōu)度是很高的。顯著性水平=0.05，查自由度v=17-2-1=14，的 f 分 布 表 的 臨 界 值05.0f(3，14)=3.34，f=21.1679>f(3，14)=3.34,所以否定0h，說明回歸方程在總體上是顯著的。即名義國名收入和長(zhǎng)期利率與名義貨幣存量之間的關(guān)系是線性的。
經(jīng)濟(jì)意義分析：
?1? 0.9443 表示長(zhǎng)期利率每增加 1%，名義貨幣存量就增加0.9443%，?2? 0.2266 表示名義國民收入每增加 1 億，名義貨幣存量就增加 0.2266%。
（4）dependent variable: lnm method: least squares date: 12/20/13 time: 16:51
sample: 1948 1964 included observations: 17 variable coefficient t-statistic -0.209411 0.232757-0.899696 0.3825 c-1.287677 0.314926-4.088823 0.0010 r-squared 0.051201 mean dependent var-1.569623 adjusted r-squared-0.012053 ent var 0.127733 regression 0.128501 akaike info criterion-1.155637 sum squared resid 0.247686 schwarz criterion-1.057611 log likelihood 11.82291 f-statistic 0.809453 durbin-watson stat 1.474376 prob(f-statistic)0.382499 lnt tr m ln 2094.0 2877.1 ? ? ??（-4.0888）（-0.8997）
t 檢驗(yàn)：
假設(shè)0h : 0 ?i?，顯著性水平=0.05，查自由度 v=17-1-1=15 的t 分布表的臨界值 t(15)=2.13，rt =-0.8997
f 檢驗(yàn)：
假設(shè)0h : 0 ? ? 1h ：
0 ? ? r =0.05，因此，樣本回歸方程的擬合優(yōu)度是很低的。顯著性水平=0.05，查自由度 v=17-1-1=15，的 f 分布表的臨界值05.0f(3，15)=3.29，f=0.8095
經(jīng)濟(jì)意義分析：
? ?-0.2094 表示長(zhǎng)期利率每增加 1%，名義貨幣存量就減少0.2094%。
實(shí)驗(yàn)八 p133 第五章第 2 題 dependent variable: y method: least squares date: 12/24/13 time: 09:44 sample: 1 29 included observations: 29
variable coefficient t-statistic prob.c 58.31791 49.04935 1.188964 0.2448 x 0.795570 0.018373 43.30193 0.0000 r-squared 0.985805 mean dependent var 2111.931 adjusted r-squared 0.985279 ent var 555.5470 regression 67.40436 akaike info criterion 11.32577 sum squared resid 122670.4 schwarz criterion 11.42006 log likelihood-162.2236 f-statistic 1875.057 durbin-watson stat 1.893970 prob(f-statistic)0.000000 i iu x y ? ? ?1 1 0? ? i iu x y ? ? ?17956.0 3179.58（1.18）（43.3）=0.9852 f=1875.057（1）斯皮爾曼等級(jí)相關(guān)系數(shù)檢驗(yàn) x x 的等級(jí) 殘差 殘差的等 等級(jí)差 等級(jí)差的級(jí)平方 3547 26 59.79523 20-6 36 2769 21 60.7487 21 0 0 2334 14 17.17834 7-7 49 1957 4 55.24844 18 14 196 1893 1 20.66804 8 7 49 2314 13 77.73306 22 9 81 1953 3 16.06616 4 1 1 1960 5 42.36485 14 9 81 4297 28 53.11771 17-11 121 2774 22 45.77085 15-7 49 3626 27 87.05481 23-4 16 2248 11 0.759316 1-10 100 2839 23 24.0588 10-13 169 1919 2 8.016779 2 0 0 2515 18 112.1765 27 9 81 1963 6 11.02186 3-3 9 2450 17 40.53554 13-4 16 2688 20 109.8101 26 6 36 4632 29 33.60175 12-17 289 2895 24 58.49312 19-5 25 3072 25 98.30901 25 0 0
2421 15 49.60707 16 1 1 2313 12 22.47137 9-3 9 2653 19 17.03482 6-13 169 2102 8 16.60609 5-3 9 2003 7 28.15534 11 4 16 2127 9 119.5047 28 19 361 2171 10 91.49958 24 14 196 2423 16 150.9841 29 13 169 等級(jí)差平方和 2334 r=1-43.0 57.0 12436014004129 292334 * 63? ? ? ? ?? 假設(shè)0h ：
0 ? ? 1h ：
0 ? ? r~n（0，11? n）=n（0，281）z=281r=0.43*5.2915=2.275345 給定顯著性水平05.0 ? ?，查正太分布表，得 96.12??z，因?yàn)閦=2.275345>1.96，所以拒絕原假設(shè)0h ,接受1h，即等級(jí)相關(guān)系數(shù)是顯著的，說明城鎮(zhèn)居民人均生活費(fèi)模型的隨機(jī)誤差存在異方差。
（2）圖示法
y 對(duì) x 的散點(diǎn)圖 殘差與 x 的散點(diǎn)圖（3）dependent variable: y method: least squares
date: 12/26/13 time: 10:32 sample: 1 29 included observations: 29 variable coefficient t-statistic prob.c 58.31791 49.04935 1.188964 0.2448 x 0.795570 0.018373 43.30193 0.0000 r-squared 0.985805 mean dependent var 2111.931 adjusted r-squared 0.985279 ent var 555.5470 regression 67.40436 akaike info criterion 11.32577 sum squared resid 122670.4 schwarz criterion 11.42006 log likelihood-162.2236 f-statistic 1875.057 durbin-watson stat 1.893970 prob(f-statistic)0.000000 white 檢驗(yàn) white heteroskedasticity test: f-statistic 1.368420 probability 0.27223
7 obs*r-squared 2.761902 probability 0.251339 test equation: dependent variable: resid^2 method: least squares date: 12/26/13 time: 10:34 sample: 1 29 included observations: 29 variable coefficient t-statistic prob.c-22151.26 16006.57-1.383885 0.1782 x 18.11067 10.95898 1.652586 0.1104 x^2-0.002858 0.001756-1.627322 0.1157 r-squared 0.095238 mean dependent var 4230.013 adjusted r-squared 0.025641 ent var 5479.442 regression 5408.737 akaike info 20.1271
criterion 2 sum squared resid 7.61e+08 schwarz criterion 20.26856 log likelihood-288.8432 f-statistic 1.368420 durbin-watson stat 1.209956 prob(f-statistic)0.272237 220029.0 1107.18 26.22151 ?t t tx x u ? ? ? ?（-1.3839）（1.6526）（-1.6273）0952.02? r t=29 76196.2 0952.0 * 292? ? tr <0.6)2(205.0? ? 所以該回歸模型不存在異方差。
（4）戈德菲爾德-夸特檢驗(yàn) 第一個(gè)樣本輸出 dependent variable: y method: least squares date: 12/26/13 time: 10:49 sample: 1 11 included observations: 11 variable coefficient t-statistic prob.c-287.1872 271.8586-1.056384 0.3183 x 0.974751 0.133926 7.278296 0.0000 r-squared 0.854777 mean dependent var 1688.545 adjusted r-squared 0.838641 ent var 122.2083 regression 49.09050 akaike info criterion 10.78817 sum squared resid 21688.89 schwarz criterion 10.86052 log likelihood-57.33496 f-statistic 52.97359 durbin-watson stat 2.306656 prob(f-statistic)0.000047 x y 9748.0 19.287?? ? ? 殘差平方和=21688.89 第二個(gè)樣本輸出 dependent variable: y method: least squares date: 12/26/13 time: 10:50
sample: 19 29 included observations: 11 variable coefficient t-statistic prob.c-27.68345 106.7596-0.259306 0.8012 x 0.820337 0.032169 25.50095 0.0000 r-squared 0.986349 mean dependent var 2641.545 adjusted r-squared 0.984832 ent var 565.8140 regression 69.68393 akaike info criterion 11.48878 sum squared resid 43702.65 schwarz criterion 11.56113 log likelihood-61.18830 f-statistic 650.2986 durbin-watson stat 2.610584 prob(f-statistic)0.000000 x y 8203.0 6835.27?? ? ? 殘差平方和=43702.65 提出原假設(shè)，0h ：2292221...? ? ? ? ? ?
備擇假設(shè)，1h ：2292221...? ? ?、互不相同。
構(gòu)造 f 統(tǒng)計(jì)量 015.289.2168865.43702? ? f 給出顯著性水平? =0.05，查 f 分布表 2-11 v v2 1? ? =9，18.3)9 , 9(05.0? f，因?yàn)?f=2.015<3.18，所以接受原假設(shè)，即城鎮(zhèn)居民人均生活費(fèi)計(jì)量模型的隨機(jī)誤差不存在異方差。
實(shí)驗(yàn)九 p158 第六章第 3 題 dependent variable: y method: least squares date: 12/26/13 time: 11:43 sample: 1975 1994 included observations: 20 variable coefficient t-statistic prob.c-1.454750 0.214146-6.793261 0.0000 x 0.176283 0.001445 122.0170 0.0000 r-squared 0.998792 mean dependent var 24.56900 adjusted r-squared 0.998725 ent var 2.410396
regression 0.086056 akaike info criterion-1.972991 sum squared resid 0.133302 schwarz criterion-1.873418 log likelihood 21.72991 f-statistic 14888.14 durbin-watson stat 0.734726 prob(f-statistic)0.000000（1）線性回歸模型 tx y 176.0 455.1?? ? ?（-6.7933）（122.0170）998.02? r s.e=0.086 dw=0.7347 t=20 所以回歸方程擬合效果較好，但是 dw 值比較低。
（2）殘差圖
lm 檢驗(yàn) breusch-godfrey serial correlation lm test: f-statistic 11.32914 probability 0.003669 obs*r-squared 7.998223 probability 0.004682 test equation: dependent variable: resid method: least squares date: 12/06/13 time: 16:38 presample missing value lagged residuals set to le coefficient t-statistic prob.c 0.060923 0.171655 0.354917 0.7270 x-0.000420 0.001158-0.362439 0.7215 resid(-1)0.638831 0.189796 3.365879 0.0037 r-squared 0.399911 mean dependent var-8.51e-16 adjusted r-squared 0.329312 ent var 0.083761 regression 0.068597 akaike info criterion-2.383669 sum squared resid 0.079993 schwarz criterion-2.234309 log likelihood 26.83669 f-statistic 5.664570 durbin-watson stat 1.738830 prob(f-statistic)0.013027 obs*r-squared 7.998223 lm（bg）自相關(guān)檢驗(yàn)輔助回歸式估計(jì)結(jié)果是
=20*0.399911=7.998223 dw=1.7388 因?yàn)?1(201.0? =6.635
假設(shè) 0...2 1 0? ? ? ?nh ? ? ? ：
：1h 至少一個(gè)n? 不等于 0。
9982.72? ?tr lm , 與)1(201.0? 相 比，)1(201.0? =6.635，2tr lm ? >)1(201.0? =6.635，所以拒絕0h，接受1h，所以該誤差項(xiàng)存在一階自相關(guān)。
（4）已知 dw=0.7347，若給定 05.0 ? ?，查表得 dw 檢驗(yàn)臨界值20.1 ?ld，41.1 ?ud。因?yàn)?dw=0.7347<1.20，依據(jù)判別規(guī)則，認(rèn)為 誤 差 項(xiàng)tu 存 在 嚴(yán) 重 的 自 相 關(guān)。
估 計(jì) 得 自 相 關(guān) 系 數(shù)63265.021 ? ? ? ?dw?。
對(duì)原變量做廣義差分變換。令 163265.0?? ?t t ty y gdy 163265.0?? ?t t tx x gdx 以tgdy、tgdx，（1976~1994 年）為樣本再次回歸，得 dependent variable: y1 method: least squares date: 12/06/13 time: 16:09 sample(adjusted): 1976 1994 included observations: 19 after adjusting endpoints variable coefficient t-statistic prob.c-0.391467 0.167101-2.342704 0.0316 x1 0.173740 0.002966 58.57989 0.0000 r-squared 0.995070 mean dependent var 9.355585 adjusted r-squared 0.994780 ent var 0.929364 regression 0.067143 akaike info criterion-2.464684 sum squared resid 0.076639 schwarz criterion-2.365269 log likelihood 25.41450 f-statistic 3431.603 durbin-watson stat 1.651928 prob(f-statistic)0.000000 t tgdx gdy 174.0 39.0 ? ? ?（-2.34）（58.58））（，，1994 ~ 1976 19 652.1 067.0 e.s 995.02? ? ? ? t dw r dw=1.65，查臨界值表，若給定 05.0 ? ?，查表得 dw 檢驗(yàn)臨界值18.1 ?ld，40.1 ?ud。因?yàn)?dw=1.65>1.18，依據(jù)判別規(guī)則，認(rèn)為誤差項(xiàng)tu 不存在自相關(guān)。殘差圖如下：
殘差圖 0657.1)63265.0 1 /(3915.0)1 /(*0 0? ? ? ? ? ? ? ? ? ? t tx y 174.0 0657.1?? ? ? 經(jīng)濟(jì)含義是該公司的年銷售額占該行業(yè)的年銷售額的 17.4%。
實(shí)驗(yàn)十 p159 第六章第 4 題 dependent variable: y method: least squares date: 12/09/13 time: 08:41 sample: 1960 2001 included observations: 42 variable coefficie t-statistic c-3028.563 655.4268-4.620749 0.0000 gdp 0.697492 0.019060 36.59467 0.0000 r-squared 0.970997 mean dependent var 10765.23 adjusted r-squared 0.970272 ent var 20154.12 regression 3474.938 akaike info criterion 19.19099 sum squared resid 4.83e+08 schwarz criterion 19.27373 log likelihood-401.0108 f-statistic 1339.170 durbin-watson stat 0.178439 prob(f-statistic)0.000000（1）線性回歸模型 tgdp y 6975.0 56.3028?? ? ?（-4.6207）（36.5947）97.02? r s.e=3474.94 dw=0.1784 t=42
所以回歸方程擬合效果較好，但是 dw 值比較低。
（2）lm 檢驗(yàn)：
breusch-godfrey serial correlation lm test: f-statistic 327.3780 probability 0.000000 obs*r-squared 37.52921 probability 0.000000 test equation: dependent variable: resid method: least squares date: 12/09/13 time: 08:51
presample missing value lagged residuals set to le coefficient t-statistic prob.c-425.8114 217.8406-1.954693 0.0578 gdp 0.034728 0.006584 5.274762 0.0000 resid(-1)1.109597 0.061325 18.09359 0.0000 r-squared 0.893553 mean dependent var-3.29e-12 adjusted r-squared 0.888094 ent var 3432.299 regression 1148.186 akaike info criterion 16.99850 sum squared resid 51414932 schwarz criterion 17.12262 log likelihood-353.9686 f-statistic 163.6890 durbin-watson stat 1.408348 prob(f-statistic)0.000000 假設(shè) 0...2 1 0? ? ? ?nh ? ? ? ：
：1h 至少一個(gè)n? 不等于 0。
5292.372? ?tr lm , 與)1(201.0? 相 比，)1(201.0? =6.635，2tr lm ? >)1(201.0? =6.635，所以拒絕0h，接受1h，所以該誤差項(xiàng)存在一階自相關(guān)。
（4）已知 dw=0.1784，若給定 05.0 ? ?，查表得 dw 檢驗(yàn)臨界值46.1 ?ld，55.1 ?ud。因?yàn)?dw=0.7347<1.46，依據(jù)判別規(guī)則，認(rèn)為誤差項(xiàng)tu 存在嚴(yán)重的自相關(guān)。估計(jì)得自相關(guān)系數(shù) 9108.021 ? ? ? ?dw?。
對(duì)原變量做廣義差分變換。令 1 19108.0?? ?t ty y y 1 19108.0?? ?t tgdp gdp gdp 以1y、tgdp，（1961~2001 年）為樣本再次回歸，得 dependent variable: y1 method: least squares date: 12/09/13 time: 09:23 sample(adjusted): 1961 2001 included observations: 41 after adjusting endpoints variable coefficient t-statistic prob.c-421.5539 280.8946-1.500755 0.1415 gdp1 0.779526 0.042995 18.13047 0.0000 r-squared 0.893939 mean dependent var 2620.667 adjusted 0.891220 ent 4373.39
r-squared var 9 regression 1442.428 akaike info criterion 17.43359 sum squared resid 81143297 schwarz criterion 17.51718 log likelihood-355.3887 f-statistic 328.7140 durbin-watson stat 0.836300 prob(f-statistic)0.000000 t tgdx gdy 7795.0 55.421 ? ? ?（-1.50）（18.13））（，，001 2 ~ 1961 41 8363.0 43.1442 e.s 894.02? ? ? ? t dw r dw=0.8363，查臨界值表，若給定 05.0 ? ?，查表得 dw 檢驗(yàn)臨界值 45.1 ?ld，54.1 ?ud。因?yàn)?dw=0.8363<1.45，依據(jù)判別規(guī)則，認(rèn)為誤差項(xiàng)tu 存在嚴(yán)重的自相關(guān)。殘差圖如下：
08.513)1784.0 1 /(55.421)1 /(*0 0? ? ? ? ? ? ? ? ? ? ? t tx y 7795.0 08.513?? ? ? 經(jīng)濟(jì)含義是中國儲(chǔ)蓄存款總額占 gdp 的 77.95% 回歸檢驗(yàn) dependent variable: e method: least squares date: 12/09/13 time: 09:53 sample(adjusted): 1961 2001 included observations: 41 after adjusting endpoints variable coefficient t-statistic prob.e(-1)1.009174 0.074755 13.49981 0.0000 r-squared 0.819979 mean dependent-50.6979
var 8 adjusted r-squared 0.819979 ent var 3458.980 regression 1467.608 akaike info criterion 17.44474 sum squared resid 86154890 schwarz criterion 17.48654 log likelihood-356.6172 durbin-watson stat 0.755836 ,給定的，1.68<13.49981,所以存在一階自相關(guān)。
dependent variable: e method: least squares date: 12/09/13 time: 10:19 sample(adjusted): 1962 2001 included observations: 40 after adjusting endpoints variable coefficient t-statistic prob.e(-1)1.649051 0.156003 10.57065 0.0000 e(-2)-0.718464 0.160362-4.480266 0.0001
r-squared 0.880898 mean dependent var-107.7910 adjusted r-squared 0.877764 ent var 3483.425 regression 1217.887 akaike info criterion 17.09633 sum squared resid 56363443 schwarz criterion 17.18077 log likelihood-339.9266 durbin-watson stat 1.674695 給定的，所以存在二階自相關(guān)。
dependent variable: e method: least squares date: 12/09/13 time: 10:41 sample(adjusted): 1963 2001 included observations: 39 after adjusting endpoints variable coefficient t-statistic prob.e(-1)1.332544 0.253901 5.248284 0.0000 e(-2)-0.05780 0.449331-0.128638 0.8984
1 e(-3)-0.413896 0.263149-1.572860 0.1245 r-squared 0.887189 mean dependent var-168.7096 adjusted r-squared 0.880921 ent var 3507.310 regression 1210.295 akaike info criterion 17.10892 sum squared resid 52733319 schwarz criterion 17.23689 log likelihood-330.6239 durbin-watson stat 1.687480，給定的，所以不存在三階自相關(guān)。
實(shí)驗(yàn)十一 第七章第 8 題 p171 dependent variable: y method: least squares date: 12/09/13 time: 10:54 sample: 1 10
included observations: 10 variable coefficient t-statistic prob.c 3.914451 1.952440 2.004902 0.1013 x1 0.060263 0.048378 1.245671 0.2681 x2 0.089090 0.037168 2.396978 0.0619 x3-0.012598 0.018171-0.693309 0.5190 x4 0.007406 0.017612 0.420498 0.6916 r-squared 0.979655 mean dependent var 7.570000 adjusted r-squared 0.963379 ent var 1.233829 regression 0.236114 akaike info criterion 0.257851 sum squared resid 0.278750 schwarz criterion 0.409144 log likelihood 3.710743 f-statistic 60.18950 durbin-watson stat 2.213879 prob(f-statistic)0.000204 4 3 2 10074.0 0126.0 0890.0 0602.0 915.3?x x x x y ? ? ? ? ?
(2.0049)(1.2457)(2.3970)(-0.6933)(0.4205)1895.60 , 2139.2 , 9634.0 , 9797.02 2? ? ? ? f dw r r 括號(hào)內(nèi)的表示 t 值，給定顯著水平05.0 ? ?，回歸系數(shù)估計(jì)值都沒有顯著性。查 f 分布表，的臨界值為 19.5)5 , 4(05.0? f，故 f=60.1895>5.19，回歸方程顯著。
分別計(jì)算4 3 2 1, , , x x x x 的兩兩相關(guān)系數(shù)，得 x1 x2 x3 x4 x1 1.000000 0.879363-0.338876 0.956248 x2 0.879363 1.000000-0.304705 0.760764 x3-0.338876-0.304705 1.000000-0.413541 x4 0.956248 0.760764-0.413541 1.000000 414.0 , 761.0 , 305.0 , 956.0 , 339.0 , 879.034 24 23 14 13 12? ? ? ? ? ? ? ? ? r r r r r r 可見，解釋變量之間不是高度相關(guān)的。為了檢驗(yàn)和處理多重共線性，采用修正法 frisch 法。對(duì) y 分別關(guān)于4 3 2 1, , , x x x x 作最小二乘回歸，得（1）dependent variable: y method: least squares date: 12/09/13 time: 11:11 sample: 1 10 included observations: 10
variable coefficient t-statistic prob.c 0.942307 0.572960 1.644630 0.1387 x1 0.122124 0.010405 11.73672 0.0000 r-squared 0.945112 mean dependent var 7.570000 adjusted r-squared 0.938251 ent var 1.233829 regression 0.306599 akaike info criterion 0.650305 sum squared resid 0.752024 schwarz criterion 0.710822 log likelihood-1.251524 f-statistic 137.7507 durbin-watson stat 1.683709 prob(f-statistic)0.000003 11221.0 9423.0?x y ? ? 751.137 , 684.1 , 938.0 , 945.02 2? ? ? ? f dw r r（2）dependent variable: y method: least squares date: 12/09/13 time: 11:15
sample: 1 10 included observations: 10 variable coefficient t-statistic prob.c 5.497455 0.307504 17.87768 0.0000 x2 0.205406 0.026933 7.626515 0.0001 r-squared 0.879088 mean dependent var 7.570000 adjusted r-squared 0.863974 ent var 1.233829 regression 0.455057 akaike info criterion 1.440070 sum squared resid 1.656618 schwarz criterion 1.500587 log likelihood-5.200350 f-statistic 58.16373 durbin-watson stat 0.612996 prob(f-statistic)0.000062 22054.0 4975.5?x y ? ? 164.58 , 613.0 , 864.0 , 879.02 2? ? ? ? f dw r r（3）dependent variable: y
method: least squares date: 12/09/13 time: 11:17 sample: 1 10 included observations: 10 variable coefficient t-statistic prob.c 17.09021 7.986587 2.139864 0.0648 x3-0.095107 0.079695-1.193386 0.2669 r-squared 0.151119 mean dependent var 7.570000 adjusted r-squared 0.045009 ent var 1.233829 regression 1.205743 akaike info criterion 3.388925 sum squared resid 11.63052 schwarz criterion 3.449442 log likelihood-14.94462 f-statistic 1.424170 durbin-watson stat 0.647123 prob(f-statistic)0.266905 30951.0 0902.17?x y ? ?
424.1 , 647.0 , 045.0 , 151.02 2? ? ? ? f dw r r（4）dependent variable: y method: least squares date: 12/09/13 time: 11:20 sample: 1 10 included observations: 10 variable coefficient t-statistic prob.c 2.017807 0.898099 2.246752 0.0548 x4 0.055027 0.008741 6.295432 0.0002 r-squared 0.832047 mean dependent var 7.570000 adjusted r-squared 0.811053 ent var 1.233829 regression 0.536321 akaike info criterion 1.768688 sum squared resid 2.301120 schwarz criterion 1.829205 log likelihood-6.843439 f-statistic 39.63246 durbin-watson 0.596061 prob(f-statistic)0.00023
stat 4 3055.0 018.2?x y ? ? 632.39 , 596.0 , 811.0 , 832.02 2? ? ? ? f dw r r 其中括號(hào)內(nèi)的數(shù)字值是 t 值，根據(jù)經(jīng)濟(jì)理論分析和回歸結(jié)果，易知觀測(cè)值中1x 是最重要的解釋變量，所以選取第一個(gè)回歸方程為基本回歸方程。
1.加入 x2，對(duì) y 關(guān)于 x1，x2 做最小二乘回歸，得 dependent variable: y method: least squares date: 12/10/13 time: 09:01 sample: 1 10 included observations: 10 variable coefficient t-statistic prob.c 2.322897 0.626102 3.710092 0.0076 x1 0.081826 0.015677 5.219553 0.0012 x2 0.079919 0.027340 2.923182 0.0222 r-squared 0.975284 mean dependent var 7.570000 adjusted r-squared 0.968222 ent var 1.233829
regression 0.219948 akaike info criterion 0.052476 sum squared resid 0.338641 schwarz criterion 0.143252 log likelihood 2.737618 f-statistic 138.1058 durbin-watson stat 2.264141 prob(f-statistic)0.000002 2 107991.0 0818.0 322.2?x x y ? ? ?（3.71009）（5.21955）(2.9231)1058.138.2641.2 , 96822.0 , 97528.02 2? ? ? ? f dw r r 92.2 45.2)1 3 10(, 01.5 45.2)1 3 10(2 025.0 1 025.0? ? ? ? ? ? ? ? ? ? t t t t 可以看出，加入2x后，擬合優(yōu)度2r和2r均有所增加，參數(shù)估計(jì)值的符號(hào)也正確，并且沒有影響1x系數(shù)的顯著性，所以在模型中保留2x。
2.加入 x3，對(duì) y 關(guān)于 x1，x2，x3 做最小二乘回歸，得 dependent variable: y method: least squares date: 12/10/13 time: 09:12 sample: 1 10 included observations: 10
variable coefficient t-statistic prob.c 4.037285 1.793154 2.251500 0.0653 x1 0.079302 0.015827 5.010578 0.0024 x2 0.079503 0.027265 2.915951 0.0268 x3-0.015716 0.015410-1.019885 0.3471 r-squared 0.978935 mean dependent var 7.570000 adjusted r-squared 0.968403 ent var 1.233829 regressio...
過濾實(shí)驗(yàn)(實(shí)驗(yàn)報(bào)告)
綜合性實(shí)驗(yàn)實(shí)驗(yàn)報(bào)告
啤酒實(shí)驗(yàn)實(shí)驗(yàn)報(bào)告
實(shí)驗(yàn)報(bào)告實(shí)驗(yàn)一
erp實(shí)驗(yàn)及實(shí)驗(yàn)報(bào)告
【本文地址：http://mlvmservice.com/zuowen/2730748.html】
