一、项目基本信息
实训基础
《计量经济学》是一门理论与实务兼顾的课程，它以一定的经济理论和统计资料为基础，以建立经济计量模型为主要手段，以运用数学、统计学方法与信息技术等定量分析随机经济变量之间数量关系为主要内容。
学生通过理论部分的学习，包括：计量经济学概述、一元线性回归模型、多元线性回归模型、多重共线性、异方差性、内生性问题、时间序列模型，在掌握计量经济学最基本的理论与方法的基础上，通过案例分析、习题训练，培养具有运用计量经济方法去分析和解决经济管理中的实际问题的初步能力，能运用EViews等软件作一般性的经济计量分析。
实训项目简介
本课程实训项目分成两大部分：一是伴随理论学习的应用能力训练，此部分以课堂案例分析、应用思考和习题为主；二是EViews软件在计量经济学中的应用，此部分以软件操作为主。通过两部分的实训，训练学生的实践应用能力和软件操作能力，使学生可以应用计量经济学的知识和工具分析实际经济问题。
1、实训目标：
（1）熟知计量经济学的基础理论和方法，能解答计量经济学理论和应用习题；
（2）能根据实际经济问题构建计量经济学模型并对模型进行检验、修正；
（3）通过计量经济学模型进行初步的经济分析与预测；
（4）能运用EViews软件作一般性经济计量分析。
2、实训项目：
（1）课堂练习与案例分析
（2）一元线性回归的EViews分析
（3）多元线性回归的EViews分析
（4）多重共线性的EViews分析
（5）异方差性的EViews分析
（6）序列相关性的EViews分析
（8）综合练习
二、实训项目实施要求
《计量经济学》作为研究客观经济现象的重要方法论学科，通过实训项目的开展，要求学生了解计量经济学作为现代经济学的重要组成部分所具有的特征与地位，了解计量经济分析方法在经济学科的发展和实际经济工作中的作用；掌握计量经济学分析经济问题的基本思想，掌握计量经济学建模的基本原理；熟知计量经济分析的基本内容和工作程序；具备运用计量经济分析软件和计量经济分析方法对实际经济问题作定量分析的初步能力。
（一）教学方法
采用课堂多媒体讲授与板书推导相结合，特别强调用软件进行具体应用，在教学中会有意识地培养学生利用软件建立经济计量模型并对结果进行分析和改进，目的是启发学生从多角度思考和分析问题，培养学生的研究能力和创新能力。
教学过程中应讲授、自学、讨论、辅导相结合，以讲授和讨论为主要学习方式；以大量的案例教学作为课堂教学内容的补充，拓宽学生的视野，激发学生学习、应用、研究计量经济学的积极性。结合运用计算机和有关计量经济学、统计学软件（包）等工具，以大量的实践教学贯穿整个教学过程，提高学生的动手能力和应用计量经济学方法研究经济问题的能力。
（二）教学师资
财务管理专业教师，能熟练运用EViews软件分析经济问题
（三）教学支撑
商学院实训实践中心实训室、EViews软件、超星学习通
（四）教材选用
《计量经济学》，李子奈，潘文卿编著，高等教育出版社，2020年10月第五版
（五）教学参考
1、《计量经济学》，庞浩编著，科学出版社，2014年6月第四版。
2、《计量经济学基础》，[美] 达莫达尔N.古扎拉提 中国人民大学出版社，2011年4月第五版。
3、《计量经济学导论》，[美]杰弗里.M.伍德里奇 中国人民大学出版社，2010年4年第四版。
（六）考核方式
1、过程考核：课堂练习、课后作业情况打分，占20%。平时成绩侧重对学生学习过程的监控和管理，提高课程学习的参与度，帮助学生养成良好的学习习惯。
2、实践考核：依据上机操作的熟练程度和案例分析的准确性情况打分，占30%。实践成绩侧重对学生Eviews操作技能和实际问题的计量经济学建模过程进行考核，帮助学生掌握软件操作和实践应用能力的养成。
3、期末考核：开卷考试（部分软件操作笔试题）的形式进行考查，占50%，侧重对学生学习过程和阶段性学习效果的综合评价。1.考试（查）方式：考查
4、通过标准：期末总评≥60
三、实训细则
项目一：课堂练习与案例分析（11学时）
实训目的和要求：
1、完成各章节习题，分课堂进行和课后进行两种方式，教师在课堂进行讲解，要求学生掌握理论知识点；
2、教师对各章节涉及的案例进行详详细分析，学生在教师指导下进行思考并回答问题，要求学生掌握理论知识在实践中的应用分析。
实训内容：
1、绪论课堂练习与案例分析（1学时）；
2、一元线性回归模型课堂练习与案例分析（2学时）；
3、多元线性回归模型课堂练习与案例分析（2学时）；
4、多重共线性与异方差性课堂练习与案例分析（3学时）；
5、内生解释变量与序列相关性课堂练习与案例分析（3学时）。
项目二：一元线性回归的EViews分析（3学时）
实训目的和要求：
1、掌握一元线性回归模型的估计与应用；
2、熟练应用EViews的基本操作；
3、自主完成实训作业操作。
实训内容：
一、建立工作文件并录入数据：
(1)双击桌面快速启动图标，启动Microsoft Office Excel, 如图1，将题目的数据输入到excel表格中并保存。
(2)双击桌面快速启动图标，启动EViews6程序。
(3)点击File/New/ Workfile…，弹出Workfile Create对话框。在Workfile Create对话框左侧Workfile structure type栏中选择Unstructured/Undated选项，在右侧Data Range中填入样本个数31.在右下方输入Workfile的名称P53.如图2所示。
图 1 图 2
(4)下面录入数据，点击File/Import/Read Text-Lotus-Excel...选中第(1)步保存的excel表格，弹出Excel Spreadsheet Import对话框，在Upper-left data cell栏输入数据的起始单元格B2，在Excel 5+sheet name栏中输入数据所在的工作表sheet1，在Names for series or Number if named in file栏中输入变量名Y GDP，如图3所示，点击OK，得到如图4所示界面。
图 3 图 4
(5)按住Ctrl键同时选中Workfile界面的gdp表跟y表，点击鼠标右键选Open/as Group得到完整表格如图5，并点击Group表格上菜单命令Name，在弹出的对话框中命名为group01.
图 5 图 6
以上建立的序列GDP和Y之后，可对其做描述统计和统计以把握该数据的一些统计属性。
(1)描述属性：点View/Descriptive Stats\Common Sample，得描述统计结果，如图6所示，其中：Mean为均值，Std.Dev为标准差。
(2)图形统计：双击序列GDP，打开GDP表格形式，点击表格左边View/Graph，得图7。
同样可查看序列Y的线形图。很多时候需要把两个序列放在一个图形中查看两者的相互关系，用线图或散点图都可以。
图 7 图 8
在命令栏键入：scat GDP Y，然后回车，就可以得到用散点图来查看GDP和Y的关系，如图8所示。
设定模型为
。
按住Ctrl键，同时选中序列Y和序列GDP，点击右键，在所出现的右键菜单中，选择Open/as Equation…后弹出一对话框，在框中一次输入“y c gdp ”，（注意被解释变量在最前，变量间要空格，如图9）点击其下的确定，即可得到回归结果（如图10）。
图 9 图 10
由图10数据结果，可得到回归分析模型为：
， 
， 
(1)经济意义检验。斜率
为边际可支国内生产总值GDP，表明2007年，中国内地各省区GDP每增加1亿元时，税收平均增加0.071047亿元。
(2)t检验和拟合优度检验。在显著性水平下，自由度为31-2=29的t分布的临界值
。因此，从参数的t检验值看，斜率项显然不为零，但不拒绝截距项为零的假设。另外，拟合优度
表明，税收的76%的变化也以由GDP的变化来解释，因此拟合情况较好。在Eqution界面点击菜单命令View/Actual,Fitted,Residual/Actual,Fitted.Residual Graph可得到图11，可直观看到实际观测站和拟合值非常接近。
五、应用：回归预测
(1)被解释变量Y的个别值和平均值的点预测：
由第二章第五节知道，个别值和平均值点预测的预测公式均为
内插预测：在Equation框中，点击“Forecast”，在Forecast name框中可以为所预测的预测值序列命名，计算机默认为yf，点击“OK”，得到样本期内被解释变量的预测值序列yf（也称拟合值序列）的图形形式（图12）。同时在Workfile中出现一个新序列对象yf。
外推预测：录入2008年某地区国内生产总值GDP为8500亿元的数据。
双击Workfile菜单下的Range，出现将Workfile structured对话框，讲右侧Observation旁边的数值改为32，然后点击OK，即可用将Workfile的Range以及Sample的Range改为32；
双击打开GDP序列表格形式，将编辑状态切换为“可编辑”，在GDP序列中补充输入GDP=8500（如图13所示）。
图13 图 14
进行预测：在Equation框中，点击“Forecast”，弹出一对话框，在其中为预测的序列命名，如yf2。点击OK即可用得到预测结果的图形形式（如图14所示）。
点击Workfile中新出现的序列yf2，可以看到预测值为593.2667（图15）（注意：因为没有对默认预测区间1-32做改变，这时候得到的是所有内插预测与外插预测的值，若将区间改为32 32，则只会得到外推预测结果）。
图 15 图 16
结果查看：按住Ctrl键，同时选中y、yf、resid，点击右键，在右键菜单中选Open/as Group可打开实际值、预测值、残差序列，在view菜单选择Graph...，画折线图（如图16所示）。
(2)区间预测原理：
当2007年中国某省区GDP为8500亿元时，预测的税收为
被解释变量Y的个别值区间预测公式为：
，
被解释变量Y的均值区间预测公式为：
。
具体地说，
可以在前面点预测序列
中找到；
可以查t分布表得到；样本数n=31为已知；
中的
为已知，
，
可以在序列GDP的描述统计中找到，
；
，从而
；由X总体方差的无偏估计式
，可以计算
(
可在序列X的描述统计中找到)。
(3)区间预测的Eviews操作：
①个别值置信区间的计算：
在命令栏输入：（yfu为个别值的置信上界，yfl为个别值的置信下界）
“scalar yfu=593.2667+2.045*@sqrt(95183.1*(1+1/31+152979.5/55957878.6))”
“scalar yfl=593.2667-2.045*@sqrt(95183.1*(1+1/31+152979.5/55957878.6))”
得到：yfu=1235.12876632 yfl=-48.5953663235
于是95%的置信度下预测的2008年某省区税收入个值的置信区间为：（-48.5953663235,1235.12876632）。
②均值的置信区间的计算：
在命令栏输入：（eyfu为均值的置信上界，eyfl为均值的置信下界）
“scalar eyfu=593.2667+2.045*@sqrt(95183.1*(1/31+152979.5/55957878.6))”
“scalar eyfl=593.2667-2.045*@sqrt(95183.1*(1/31+152979.5/55957878.6))”
得到：eyfu=711.287072849 eyfl=475.246327151
于是在95%的置信度下，预测省区的2008年的税收收入均值的置信区间为：（475.246327151，711.287072849）。
项目三：多元线性回归的EViews分析（3学时）
实训目的和要求：
1、掌握多元线性回归模型的估计方法，模型方程的F检验，参数的t检验以及模型的外推预测与置信区间预测；
2、熟练应用EViews的基本操作；
3、自主完成实训作业操作。
实训内容：
（一）创建工作文件
Eviews操作方法一：点击File→New→Workfile
Eviews操作方法二：在命令窗口中输入create u 10
得到如图1所示的工作文件：
（二）创建变量并录入数据
Eviews操作方法一：点击Object→New object→Series
Eviews操作方法二：在命令窗口中输入data y x1 x2
从excel表格中录入相应数据，如图2所示：
二、建立二元线性回归模型
Eviews操作方法一：点击主界面菜单Quick→Estimate Equation，在弹出的对话框中输入： y c x1 x2，在Method一栏中选择LS，点击确定即可得到回归结果。
Eviews操作方法二：在命令窗口中输入ls y c x1 x2
输出的回归结果如图3所示：
图3
根据图3的信息，得到回归模型的估计结果为：
随机干扰项的方差估计值为
（一）方程的F检验
回归模型的F值为：
因为在5%的显著性水平下，F统计量的临界值为
所以有
所以回归方程通过F检验，方程显著成立。
（二）参数的t检验
由图3的估计结果，常数项c、x1、x2系数的参数估计的t值分别为：
，
，
在5%的显著性水平下，t统计量的临界值为：
显然有
所以拒绝原假设
，即回归方程中三个解释变量通过t检验，均显著。
由图3的结果，可以看到:
，
，
因为参数的区间估计为：
又因为在
的显著性水平下，
所以得：
于是，常数项的95%的置信区间为：
同样的有：
于是，X1项的系数的95%的置信区间为：
同样的有：
于是，X2项的系数的95%的置信区间为： 
四、回归预测
（一）内插预测
Eviews操作方法：点击Equation→Forecast，在Forecast name框中可以为所预测的预测值序列命名，计算机默认为yf，点击“OK”，得到样本期内被解释变量的预测值序列yf（也称拟合值序列）的图形形式，如图4所示。同时在Workfile中出现一个新序列对象yf。
图4
（二）外推预测
1、录入数据
Eviews操作方法：双击Workfile菜单下的Range所在行，出现Workfile structured对话框，将右侧Observation旁边的数值改为11，然后点击OK，即可将Workfile的Range以及Sample的Range改为11；
双击
，将编辑状态切换为“可编辑”，在x1序列中补充输入x1=35，同样的方法录入x2=20000
2、进行预测
Eviews操作方法：点击Equation框中的Forecast，弹出一对话框，在其中为预测的序列命名，如yf2。点击OK即可用得到预测结果的图形形式，如5所示：
点击Workfile中的序列yf2，可以看到预测值为856.2025，如图6所示：
3、结果查看
按住Ctrl键，同时选中y、yf、resid，点击右键，在右键菜单中选Open→as Group可打开实际值、预测值、残差序列，在view菜单选择Grap→Line，画折线图，如图7所示。
图5 图6 图7
（三）置信区间的预测
消费支出Y的个别值的预测置信区间为：
其中, 
为Y的个别值预测的标准差为：
消费支出Y的均值的预测置信区间为：
其中，
为Y的均值预测的标准差为:
1、Y个别值的置信区间的预测
Eviews操作方法：在Equation框中，点击“Forecast”，弹出Forecast话框,如图8所示：
在图8中S.E.那一栏为预测值的标准差，命名为s，点击OK，即可在Workfile界面看到一个名为s的序列。双击打开这一序列，如图9所示：
图8 图9
在第11行（预测行）即可直接显示个别值的预测值标准差为：
把结果代入
，即可得到Y个别值的95%的置信区间为：
2、Y均值的置信区间的预测
由于
且
所以可计算得：
代入公式即可得到Y均值的预测标准差为：
再把结果代入均值的置信区间公式
得到Y均值的95%的置信区间为：
项目四：多重共线性的EViews分析（3学时）
实训目的和要求：
1、掌握如何通过EViews进行多重共线性模型的识别和修正；
2、熟练应用EViews的基本操作；
3、自主完成实训作业操作。
实训内容：
一、建立工作文件并录入数据
data y x1 x2 x3 x4
二、用OLS估计模型
命令：ls y c x1 x2 x3 x4
在多元线性回归模型中，由于各解释变量不能通过变量显著性检验，故认为解析变量之间存在多重共线性。
三、多重共线性模型的识别
（一）综合判断法
由模型的估计结果可以看出，
，
，可决系数很高，说明模型对样本的拟合很好；
检验值比较大，相应的
，说明回归方程显著，即各自变量联合起来确实对因变量Y有显著影响；给定显著性水平
，但变量X1、X2、X3、X4系数的t统计量分别为1.246、2.397、-0.693、0.420，相应的p值分别为0.2681、0.0619、0.5190、0.6916，说明变量均对因变量影响不显著。综合上述分析，表明模型存在非常严重的多重共线性。
（二）简单相关系数检验法
计算解析变量X1、X2、X3、X4的简单相关系数矩阵。
选中X1、X2、X3、X4，产生一个组，然后点击View→Covariance Analysis→Correlation，即可得出相关系数矩阵，如下图所示。
由上图相关系数矩阵可以看出，各解析变量之间的相关系数较高，特别是X1和X4之间的高度相关，证实解析变量之间存在多重共线性。
根据综合判别法与简单相关系数法分析的结果可以知道，本案例的回归变量间确实存在多重共线性，注意，多重共线性是一个程度问题而不是存在与否的问题。下面我们将采用逐步回归法来减少共线性的严重程度而不是彻底地消除它。
四、多重共线性模型的修正
关于多重共线性的修正方法一般有变量变换法、先验信息法、逐步回归法等，这里仅仅采用逐步回归法来减少共线性的严重程度。
Step1：运用OLS方法分别求Y对各解释变量X1、X2、X3、X4进行一元回归。
通过一元回归结果进行对比分析，依据调整可决系数
最大原则，选择X1作为进入回归模型的第一个解释变量，形成一元回归模型。
Step2：逐步回归。将剩余解释变量分别加入模型，通过比较，并根据逐步回归的思想，我们可以看到，新加入变量X2的二元回归方程
最大，并且各参数的检验显著，因此，保留变量X2.
Step3：在保留变量X1、X2的基础上，继续进行逐步回归。通过比较发现，在X1、X2的基础上加入X3后
略有改进，但是X3的参数的t检验不显著；在X1、X2的基础上加入X4后
略有降低，而且X4参数的t检验不显著。这说明X3、X4引起多重共线性，应当予以剔除。因此，本案例最后应保留的变量是X1、X2，相应的回归结果为：
由综合判断法知，上述回归结果基本上消除了多重共线性。
项目五：异方差性的EViews分析（3学时）
实训目的和要求：
1、掌握异方差性模型的检验方法与修正方法；
2、熟练应用EViews的基本操作；
3、自主完成实训作业操作。
实训内容：
一、建立对象
命令：create u 31
data x y
二、用OLS估计模型
三、检验模型的异方差性
（一）图形检验法
生成残差序列。在工作文件中点击Object→Generate Series…，在弹出的窗口中，在主窗口键入命令如下“e2=resid^2”，得到残差平方和序列e2。
绘制
对
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View→Graph→Scatter，可得散点图如下：
由上图可以看出，残差平方和
对
大致存在递增关系，即存在单调增型异方差。
（二）White检验
在回归结果输出窗口中点击View→Residual tests→Heteroskedasticity Tests→选择White，点击OK，White检验的结果如下图所示。
由上图的数据，得到
White统计量
，该值大于5%显著性水平下自由度为2的
分布的相应临界值
（在估计模型中含有两个解释变量，所以自由度为2），因此拒绝同方差性的原假设。
四、异方差性的修正
（一）加权最小二乘法
在对原模型进行OLS估计后，作lne2关于X的回归，结果如下：
在5%的显著性水平下t0.025(18)=2.101，由输出结果可知，此回归模型变量X显著，于是生成权序列
在工作文件中点击Object→Generate Series…，在弹出的对话框中输入“w=1/@sqrt(exp(6.8251+0.00046*X))”，点击OK生成。
回到原模型OLS估计结果的窗口，点击Estimate按钮，出现Equation Specification窗口，点击Option按钮，在出现的Equation Option窗口中，选择“Weighted LS/TSLS”选项，并在Weight栏内输入“w”，点击OK，即可得到加权最小二乘法的结果。
得到模型的估计结果：
下面检验是否经加权的回归的模型已不存在异方差性。
项目六：序列相关性的EViews分析（3学时）
实训目的和要求：
1、掌握序列相关性模型的检验方法与修正方法；
2、熟练应用EViews的基本操作；
3、自主完成实训作业操作。
实训内容：
命令：create a 1985 2011
data x y
二、参数估计
命令：ls log(y) c log(x)
三、检验模型的自相关性
（一）图形法检验
点击Eviews方程输出窗口的按钮Resids可以得到残差图。
点击工作文件窗口工具栏中的Object→Generate Series…，在弹出的对话框中输入et=resid，点击OK得到残差序列et。
点击Quick→Graph→输入et→选择Line&Simple，点击OK，得到残差项
与时间的关系图。
点击Quick→Graph→输入et(-1) et→选择Scatter，点击OK，得到残差项 
与
时间的关系图。
（二）DW检验
在OLS输出结果中可找见DW统计量的值：Durbin-Watson stat，通过查表进行检验。
（三）拉格朗日乘数检验
点击回归结果输出窗口中的View→Residual Tests→Serial Correlation LM Test…，在弹出的对话框中输入：1，点击OK，得到如下图所示结果。
根据上图的数据得到：
，其所对应的伴随概率为
，因此如果取显著性水平5%，则可以判断原模型存在1阶序列相关性。
同样的方法，在对话框中输入：2，点击OK，点击OK，得到如下图所示结果。
根据上图的数据得到：
，其所对应的伴随概率为
，模型存在序列相关性，又
的参数通过了5%的显著性检验，表明模型存在2阶序列相关性。
同样的方法，在对话框中输入：3，点击OK，点击OK，得到如下图所示结果。
根据上图的数据得到：
，其所对应的伴随概率为
，因此如果取显著性水平5%，则可以判断原模型存在序列相关性，但
的参数未通过5%的显著性检验，表明并不存在3阶序列相关性。结合2阶滞后残差项的辅助回归情况，可以判断模型存在显著的2阶序列相关性。
四、使用广义差分法估计模型
点击主界面Quick→Estimate Equation，在弹出的对话框中输入log(Y) C log(X) AR(1) AR(2)，点击确定即可得到回归结果，如下图所示。
根据上图的数据得到广义最小二乘的估计结果为：
在5%的显著性水平下，查D.W.统计表可知，
，
，(样本容量为26)，则有
，即序列已经不存在相关性。
1阶LM检验结果如下表所示：
项目七：综合练习（6学时）
实训目的和要求：
1、熟悉绪论、一元线性回归模型和多元线性回归的重要知识点；
2、熟悉多重共线性、异方差性、内生解释变量问题和序列相关性的重要知识点；
3、抽选解答练习题，教师讲解练习题；
4、训练计量分析逻辑思维。
实训内容：
1、绪论、一元线性回归模型和多元线性回归综合练习（3学时）；
2、多重共线性、异方差性、内生解释变量问题和序列相关性综合练习（3学时）。