计量经济学综合实验报告.doc

计 量 经 济 学 实 验 专 用 周

综合实验报告

院 部 名 称 经济与管理学院

专 业 名 称 国际经济与贸易

班级 学号 B130907 班B13090928

姓 名 郭雪磊

实 验 日 期 2015年12月21日至25日

实验一 截面数据一元线性回归模型
（经典估计）

[实验目的和要求]
1、熟练运用计算机和Eviews软件进行计量经济分析，掌握一元线性回归模型的设定、普通最小二乘法求解及其检验方法；
2、学习绝对收入假说消费理论的验证方法；
3、在老师的指导下独立完成实验，并得到正确结果。
[实验内容]
1、对变量样本序列进行统计描述；
2、设定一元线性回归模型的具体形式，预计回归系数的符号；
3、用普通最小二乘法求解模型；
4、对模型的解进行经济理论检验和统计检验（拟合优度检验和t检验）；
5、对模型进行结构分析；
6、用模型进行预测分析。
[实验数据]
1、2013年河南省18个省辖市城市居民消费支出CE与可支配收入DI数据；
2、2013年河南省18个省辖市农村居民生活费支出LE与纯收入NI数据。
[实验过程]
1．创建工作文件，创建变量ce、di、le、ni ,输入数据

2.对变量ce、di、le、ni进行统计描述

3.建立ce和di组成的组对象，在一个坐标轴上显示两变量系列的线图,观察是否近似为直线

不近似为直线
作两变量的散点图，观察是否线性相关：

由上图可知两变量基本呈正相关关系，存在一定的线性相关性。但相关程度不大。
建立le和ni组成的组对象，在一个坐标轴上显示两变量系列的线图，观察是否近似为直线

不近似为直线
作两变量的散点图，观察是否线性相关

线性相关
4. 结合凯恩斯绝对收入假说的消费理论和图形分析，设定以ce为被解释变量，di为解释变量的一元线性城市居民消费总体回归模型，预计回归系数的符号；
模型：CEi=β1+β2DIi+ui
因支出一般随收入的增加而增多，回归系数应为正数。
设定以le为被解释变量，ni为解释变量的一元线性农村居民消费总体回归模型，预计回归系数的符号；
模型：LEi=β1+β2NIi+ui
因支出一般随收入的增加而增多，回归系数应为正数。
5. 用OLS法估计以ce为被解释变量，di为解释变量的城市居民消费回归模型；
回归估计结果如下

即CEi=1018.538 + 0.647358DI
（3939.036)（0.181543）
t=（0.258575）（3.565864）
R2=0.442807 F=12.71539 n=18
用OLS法估计以le为被解释变量，ni为解释变量的农村居民消费回归模型；
回归估计结果如下

即LEi=-321.3002+ 0.716107NI
（819.9194)（0.085768）
t=（-0.391868）（8.349339）
R2=0.813327 F=69.71146 n=18
6、 对ce为被解释变量，di为解释变量模型估计结果进行经济理论检验，拟合优度检验和t检验。
（1）经济意义检验：所估计参数β1=1018.538，β2=0.647358，说明可支配收入增加1元，平均说来可导致城市居民消费支出增加0.647358元。
（2）拟合优度检验：通过以上的回归数据可知，可决系数为0.442807，说明所建模型整体上对样本数据拟合度不是太好。
（3)t检验：针对H1：β1=0和H2：β2=0，由上回归结果可以看出，估计的回归系数B1的标准误差和t值分别为：SE(β1)= 3939.036，t(β1)= 0.258575: β2的标准误差和t值分别为SE（β2）=0.181543 t(β2)= 3.565864. 取a=0,05，查t分布表得自由度为n-2=18-2=16的临界值为t0.025=2.1 19,t(β1)= 0.258575＜t0.025=2.1 19，不拒绝H1, t(β2)= 3.565864＞t0.025=2.1 19,拒绝H2.这表明，城市居民可支配收入对其消费水平有很大影响。
对le为被解释变量，ni为解释变量模型估计结果进行经济理论检验，拟合优度检验和t检验。
（1）经济意义检验：所估计参数β1=-321.3002，β2=0.716107，说明农村居民纯收入增加1元，平均说来可导致城市居民消费支出增加0.716107元。
（2）拟合优度检验：通过以上的回归数据可知，可决系数为0.813327，说明所建模型整体上对样本数据拟合度不是太好。
（3)t检验：针对H1：β1=0和H2：β2=0，由上回归结果可以看出，估计的回归系数B1的标准误差和t值分别为：SE(β1)= 819.9194，t(β1)= -0.391868, β2的标准误差和t值分别为SE（β2）=0.085768 t(β2)= 8.349339. 取a=0,05，查t分布表得自由度为n-2=18-2=16的临界值为t0.025=2.1 19,t(β1)= -0.391868＜t0.025=2.1 19，不拒绝H1, t(β2)= 8.349339＞t0.025=2.1 19,拒绝H2.这表明，农村居民纯收入对其消费水平有很大影响。
7.对城市居民消费回归模型和农村居民消费回归模型进行结构分析：

在置信度为95%下，其系数确实为正，其截距项也符合范围，所作回归结构符合置信度的区间

在置信度为95%下，其系数确实为正，其截距项也符合范围，所作回归结构符合置信度的区间
8、(1)如果城市居民可支配收入在14500元，利用所估计的模型可预测消费支出，点预测值的计算方法为：
10405.227
为了作区间预测，取α=0.05，平均值自信度95%的预测区间为:

为了获得相关数据，在用eviews作回归分析中，已经得到数据，根据回归数据可计算出：
，
,当时，将相关数据代入计算得到：即是说，城市居民可支配收入在14500元时，消费支出(CE)平均值置信度95%预测区间（6835，13975）元。
模型预测：

（2）(1)如果城市居民可支配收入在17500元，利用所估计的模型可预测消费支出，点预测值的计算方法为：
12347.301
为了作区间预测，取α=0.05，平均值自信度95%的预测区间为:

为了获得相关数据，在用eviews作回归分析中，已经得到数据，根据回归数据可计算出：
，
,当时，将相关数据代入计算得到：即是说，城市居民可支配收入在17500元时，消费支出(CE)平均值置信度95%预测区间（9045，15650）元。
模型预测：

[实验总结]
本次试验，我们主要是根据数据，利用Eviews软件进行分析，如果两变量基本符合线性关系就可建立一元线性计量模型，用普通最小二乘法进行模型求解，再对求解出的模型进行经济意义检验，拟合优度检验和t检验。
从可决系数R2的大小可以判断模型的拟合效果，可决系数越大拟合程度越高。还可以把城市与农村的消费总体回归模型进行比较，都可发现收入提高消费也随之增加，只不过城市与农村居民的收入增加的部分用于消费的比例不同，城市的该比例小于农村的。
但两者的之一比例均大于0.5，可见用凯恩斯的绝对收入假说解释现阶段河南省居民消费规律是合理的。
通过本次实验，我对如何设立一元线性计量模型、如何求解模型、如何对模型的普通最小二乘法估计进行经济检验、统计检验都有了大致了解；同时，能够进行预测，改进模型拟合效果的设想也有了更深刻的了解。

实验二 截面数据一元线性回归模型
（异方差性和自相关）

[实验目的和要求]

1、掌握一元线性回归估计方程的异方差性检验方法；
2、掌握一元线性回归估计方程的异方差性纠正方法；
3、在老师的指导下独立完成实验，并得到正确结果。
[实验内容]

1、估计河南省城市居民消费支出CE依可支配收入DI的一元线性回归模型和城市居民消费支出LE依可支配收入NI的一元线性回归模型；
2、对模型的解进行经济理论检验和统计检验（拟合优度检验和t检验）；
3、用图形法判断是否存在异方差性；
4、用goldfield-quandt法检验是否存在异方差；
5、用white法检验是否存在异方差；
6、用Glejser法等检验是否存在异方差；
7、用加权最小二乘法消除异方差性。

[实验数据]

1、2013年河南省 18个省辖市城市居民消费支出CE与可支配收入DI数据；
2、2013年河南省18个省辖市农村居民生活费支出LE与纯收入NI数据。

[实验过程]
1．创建工作文件，创建变量ce、di、le、ni ,输入数据

2、估计河南省城市居民消费支出CE依可支配收入DI的一元回归模型

即CEi=1018.538 + 0.647358DI
（3939.036)（0.181543）
t=（0.258575）（3.565864）
R2=0.442807 F=12.71539 n=18
估计河南省城市农村居民生活费支出LE依纯收入NI的一元回归模型

即LEi=-321.3002+ 0.716107NI
（819.9194)（0.085768）
t=（-0.391868）（8.349339）
R2=0.813327 F=69.71146 n=18
3、观察模型是否存在一阶序列相关
原序列自相关图

一阶序列相关图

由以上图可以看出模型不存在一阶序列相关

由以上图可以看出模型不存在一阶序列相关
4、观察变量ce与di、le与ni的散点图，生成ols法估计模型的残差变量序列，观察残差序列线图，残差平方与di、残差平方与ni的散点图，判断是否存在异方差性。

残差序列线图：

残差平方与di的散点图:

残差平方与ni的散点图:

根据上图看到，残差平方e2对解释变量DI的散点图主要分布在图形中部，大致可以看出e2随着解释变量DI的变动呈现增大的趋势，因此，模型型很可能存在异方差。
5、goldfield--quandt检验：用sort命令di排序序列，首先排序的为1--8的个体子样的城市居民消费回归模型如下图：

再求排序为11-18的个子字样的城市居民消费回归模型如下图

由以上两图得到sum squared resid 的值即得到残差平方和1=6808945.残差平方和2=2433402，根据goldfeld-quanadt检验，F统计量为两个残差平方和相除，得到数据为F=2.7981，取a=0.05，分子分母自由度分别为8和9，查F表临界值F0.05(6，7)= 3.87, F=2.7981＜F0.05(6，7)= 3.87,所以不拒绝原假设，所以模型不存在异方差性。

6、用eviews软件的的white法检验是否存在异方差。

从上图可以看出：nR2=1.231326，又White检验知，在a=0.05.查χ2分布表，得χ2O.O5=5.9915，同时DI和DI2的t检验也显著。比较计算X2统计量与临界值，因为nR2=1.231326.<χ2O.O5=5.9915，所以拒绝原假设，表明模型不存在异方差性。

从上图可以看出：nR2=1.924344，又White检验知，在a=0.05.查χ2分布表，得χ2O.O5=1.924344，同时DI和DI2的t检验也显著。比较计算X2统计量与临界值，因为nR2=1.924344.<χ2O.O5=5.9915，所以拒绝原假设，表明模型不存在异方差性。
7、用eviews软件的glejser法等检验是否存在异方差.

回归得到R2= 0.010825，t()=0.953001, t()=-0.418446,F= 0.175097,从这些可以说明，显著地为0，不存在异方差。

回归得到R2= 0.047763，t()=0.135782, t()=0.895846,F= 0.802541,从这些可以说明，显著地为0，不存在异方差。

8、用w=1/di作为权数，用加权最小二乘法消除异法差性：
如果存在异方差，分别取w=1/x,w=1/x^2,w=1/ 作为权数，用加权最小二乘法消除异方差性，并用White检验法检验加权回归结果是否消除了异方差性，从而选择最佳模型。
由于两个模型均不存在异方差，因此不需要消除。
9.如果原模型存在异方差，比较消除异方差前后模型估计结果的变化。
由于均不存在异方差，不需要消除，所以不需要进行比较。

[实验总结
该实验利用Eviews软件先排除序列的一阶相关，再通过观察残差序列线图，残差平方与解释变量的散点图判断模型的异方差性，如果残差随着解释变量的变化，不是在一定的范围内变化，那么即认为有异方差性。
Goldfield检验法，根据得出的分段回归数据表，可以得到残差平方的值，再根据残差平方的值，求出F统计量的值，再根据自由度的统计量的值，进行比较大小，如果前者大于后者，那么就存在异方差性，反之，则不存在异方差性。
White检验法和Glejser检验法，分别也进行检验 。
虽然该实验中不存在异方差，但是，在消除异方差方面：在运用最小二乘法修正过程中，可以分别选取了权数w1=1/x,w2=1/x^2,w3=1/x^0.5，权数生成的过程，是在相应的对话框中，的ENTER EQUATION,分别输入选取的权数，即可进行修正。

实验三 时间序列数据一元线性回归模型
（自相关性和异方差）

[实验目的和要求]

1、学会回归模型自相关性的检验方法。
2、掌握消除回归模型自相关性的方法。
3、在老师的指导下独立完成实验，并得到正确结果。

[实验内容]

1、估计河南省城市居民居民消费支出CE依可支配收入DI的一元回归模型和城市居民生活消费支出LE依纯收入NI的一元回归模型。
2、对模型的解进行经济理论检验和统计检验（拟合优度检验和t检验）
3、用图形法判断自相关性的存在及类型。
4、用DW法检验是否存在一阶自相关性。
5、用LM法检验是否存在一阶自相关性和高阶自相关。
6、用广义差分法（科克伦-奥克特迭代）对自相关性进行补救。
7、用ARCH法检验是否存在异方差。
[实验数据]

1、1978年-2014年河南省城市居民消费支出与可支配收入。
2、1978年-2014年河南省农村居民生活消费支出与纯收入。

[实验过程]

ce与di的散点图

从上图可知，变量CE和DI呈明显的线性趋势，所以存在线性相关。
Ce与di序列的线图

观察上图，CE与DI线图并不是近似直线。
Ln（ce）与ln（di）序列的线图

观察ln（CE）与ln（DI）的线图，近似为直线。

从上图可知，变量LE和NI呈明显的线性趋势，所以存在线性相关

从上图可知，变量LE和NI呈明显的线性趋势，所以存在线性相关

从上图可知，变量LNLE和LNNI呈明显的线性趋势，所以存在线性相关
4、设定被解释变量CE与解释变量DI的具体形式如下：
　CE=β1+β2DI+μ
　预测回归系数β1、β2的符号都是正号；
设定被解释变量log（CE）与解释变量ln（DI）的具体形式如下：
　Ln（CE）=β1+β2（DI）+μ
　预测回归系数β1、β2的符号都是正号；

即CE=131.7352 + 0.506677DI
（6.156094） （0.002698）
T=（21.39916） （187.7794）
Lnce为被解释变量lndi为解释变量的回归结果如下：

LNCE=0.424457+0.904339LNDI
(0.054261) (0.007767)
T= (7.822515) (116.4354)
设定被解释变量LE与解释变量NI的具体形式如下：
　LE=β1+β2NI+μ
　预测回归系数β1、β2的符号都是正号；
设定被解释变量lN（LE）与解释变量ln（NI）的具体形式如下：
　Ln（LE）=β1+β2（NI）+μ
　预测回归系数β1、β2的符号都是正号

即LE=15.00865 + 0.612372NI
（7.488873） （0.008468）
T=（2.004126） （72.31334）

Lnle为被解释变量lnni为解释变量的回归结果如下：

LNLE=0.190963+0.904265LNNI
(0.091412) (0.014333)
T= (2.089026) (63.09155)
5、 ce为被解释变量di为解释变量的回归模型
（1）经济意义检验：所估计参数β1=131.7352，β2= 0.506677，说明可支配收入增加1元，平均说来可导致城市居民消费支出增加0.506677元。
（2）拟合优度和统计检验：通过以上的回归数据可知，可决系数为0.999008，说明所建模型整体上对样本数据拟合度较好:；
（3）对回归系数的t检验：针对H1:β1=0和H2:β2=0，由上回归结果可以看出，估计的回归系数B1的标准误差和t值分别为：SE(β1)= 6.156094
，t(β1)= 21.39916；β2的标准误差和t值分别为SE（β2）=0.002698 t(β2)= 0.002698取a=0,05，查t分布表得自由度为n-2=37-2=35的临界值为t0.025=2.0329,t（t(β1)= 21.39916＞t0.025=2.0329，拒绝H1, t(β2)= 0.002698＞t0.025=2.0369拒绝H2.这表明，城市居民可支配收入对其消费水平有很大影响。
经以上对比可以看出非对数模型的拟合效果较好。故选择非对数模型
LE为解释变量NI为解释变量的农村居民消费回归模型
（1）经济意义检验：所估计参数β1=15.00865，β2= 0.612372，说明可支配收入增加1元，平均说来可导致城市居民消费支出增加0.612372元。
（2）拟合优度和统计检验：通过以上的回归数据可知，可决系数为0.993351
（3）对回归系数的t检验：针对H1:β1=0和H2:β2=0，由上回归结果可以看出，估计的回归系数B1的标准误差和t值分别为：SE(β1)= （7.488873）
，t(β1)= （2.004126）β2的标准误差和t值分别为SE（β2）=（0.008468）
） t(β2)= （72.31334，取a=0,05，查t分布表得自由度为n-2=37-2=35的临界值为t0.025=2.0395, t(β1)= 2.004126＞t0.025=2.0395，拒绝H1, t(β2)= 72.31334＞t0.025=2.0395,拒绝H2.这表明，城市居民可支配收入对其消费水平有很大影响。
从以上比较可以看出非对数模型的可决系数较大拟合程度较好。故选择非对数模型。
6对所估计的模型进行异方差性检验。
对模型进行White检验，检验模型是否存在异方差性：

从上图可以看出：nR2=0.227239，又White检验知，在a=0.05.查X2分布表，得X2O.O5=5.9915，同时DI和DI2的t检验也显著。比较计算X2统计量与临界值，因为nR2=0.227239＜X2O.O5=5.9915，所以不拒绝原假设，表明模型不存在异方差性。

从上图可以看出：nR2=0.043194，又White检验知，在a=0.05.查X2分布表，得X2O.O5=5.9915，同时DI和DI2的t检验也显著。比较计算X2统计量与临界值，因为nR2=0.043194＜X2O.O5=5.9915，所以不拒绝原假设，表明模型不存在异方差性。
6、 一阶自相关检验

一阶偏自相关系数条形超出了随机区间，其他各阶都落入了随机区间内，表明残差序列存在一阶自相关
用DW法检验一阶自相关性:

根据OLS回归得到DW=0.716410，n=36,查5%显著水平的DW统计表可知du=1.525,dl=1.411,4-du=2.475685,因为DW=0.716410< dl=1.411，所以CE和DI存在自相关。

根据OLS回归得到DW=1.386235，n=36,查1%显著水平的DW统计表可知du=1.206 ,4-du=2.794,因为du=1.206 <DW=1.386235< 4-du=2.794，所以LE和NI不存在自相关
用LM法检验一阶自相关性:

根据回归可得，LM=TR2=14.59132>(2)=5.99147,则拒绝原假设，此时至少有一个在统计上显著不为0，说明存在自相关。

根据回归可得，LM=TR2=3.644739 <(2)=5.99147,则拒绝原假设，此时至少有一个在统计上显著为0，说明不存在自相关。
农村数据本身不存在自相关，不需进行消除
9.广义差分法

图中DW=2.318126，du=1.525,dl=1.411,4-du=2.475685，du<DW<4-du，说明在5%显著性水平下广义差分后模型已无自相关

德宾法
A．命名：e13=e1(-1)，做e1和e13的回归可得：

得到ρ= 0.623169
B.对原模型进行广义差分：ce-0.623169*ce(-1) c di-0.623169*di(-1)

图中DW=2.280852，du=1.525,dl=1.411,4-du=2.475685，du<DW<4-du，说明在5%显著性水平下广义差分后模型已无自相关。
（3）比较差别：
广义差分法得到的是一个修正后的直接的CE和DI的关系模型，而德宾两步法得到的是ce-0.623169*ce(-1) c di-0.623169*di(-1)的模型，还需要转换得到最后的回归结果。

（4）Arch检验消除自相关后模型是否存在自相关：

从上图可以看出：nR2=1.505245，又Arch检验知，在a=0.05.查 分布表，得(2)=5.99147。比较计算统计量与临界值，因为nR2=1.505245＜ (2)=5.99147，所以不拒绝原假设，表明消除自相关后模型不存在异方差性。

10.用模型最优估计结果，进行居民消费行为和农村居民消费行为的比较分析
(1) CE为被解释变量、DI为解释变量的城市居民消费
所估计参数β1=98.50435，β2= 0.676843，说明可支配收入增加1元，平均说来可导致城市居民消费支出增加0.676843元，这与预期的经济意义相符。
对其进行自相关修正后，得到城市居民边际消费倾向为0.669017，即城市居民可支配收入增加1元，平均说来可导致城市居民消费支出增加0.669017元，

2)LE为被解释变量、NI为解释变量的城市居民消费
所估计参数β1=17.76228，β2= 0.607062，说明可支配收入增加1元，平均说来可导致城市居民消费支出增加0.607062元。

11.仅用年鉴上提供的消费和收入的数据（即不做价格调整），重复步骤2至10，比较所得到的结果有什么不同。
（2）建立时间序列工作文件、用Eviews创建变量CE、DI（LE、NI），输入样本数据。
打开Eviews工作文件，建立新的文件夹，在命令框中输入“data ce di”回车 ，从数据表中粘贴数据到Eviews数据表中即可。
A.建立时间序列工作文件
B.创建变量CE、DI、LE NI

城市居民：
（3）建立CE和DI组成的组对象，做变量的散点图，CE和DI线图，ln(CE)和ln(DI)线图：
.建立CE和DI组成的组对象

CE和DI散点图：

两变量呈线性相关
.CE与DI序列的线图

CE、DI不是近似直线
Ln（CE）与ln（DI）序列的线图:
命名：lnCE=log(CE) lnDI=log(DI)

Ln（CE）与ln（DI）近似直线
（4）A．结合凯恩斯绝对收入假说的消费理论和散点图分析，设定被解释变量CE与解释变量DI的一元线性总体回归模型的具体形式如下：

预测回归系数β1、β2的符号都是正号，预测β2的取值范围为（0，1）
B.结合凯恩斯绝对收入假说的消费理论和线图分析分析，设定被解释变量lnCE与解释变量lnDI的一元线性总体回归模型的具体形式如下：

预测回归系数β1、β2的符号都是正号，预测β2的取值范围为（0，1）
(5)用OLS法估计以CE为被解释变量、DI为解释变量的城市居民消费回归模型：

即回归结果为：

（42.45531）（0.005107）
t = (6.804442) (129.0406)
R2= 0.997962 F= 16651.47 DW= 0.293004
生成残差序列resid: 赋值：e1=resid

用OLS法估计以lnCE为被解释变量lnDI为解释变量回归：

即回归结果为：

（0.043453）（0.005435）
t = (9.086461) (169.3438)
R2= 0.998816 F= 28677.32 DW= 0.735324
生成残差序列resid: 赋值：e2=resid

CE为被解释变量、DI为解释变量的城市居民消费
A.经济检验：
所估计参数β1= 288.8847，β2= 0.659045，说明可支配收入增加1元，平均说来可导致城市居民消费支出增加0.659045元，这与预期的经济意义相符。
B.拟合优度检验：
通过以上的回归数据可知，可决系数为0.997962，说明所建模型整体上对样本数据拟合度较好。
C. 对回归系数的t检验：
针对H1:β1=0和H2:β2=0，由上回归结果可以看出，估计的回归系数B1的标准误差和t值分别为：SE(β1)= 42.45531，t(β1)= 6.804442；β2的标准误差和t值分别为SE（β2）= 0.005107 ,t(β2)= 129.0406，取a=0.05，查t分布表得自由度为n-2=36-2=34的临界值为t0.025=2.339061,t(β1)=11.90960＞t0.025=2.339061，拒绝H1, t(β2)= 134.5552＞t0.025=2.33906拒绝H2.这表明，城市居民可支配收入对其消费水平有很大影响。
lnCE为被解释变量lnDI为解释变量
A.经济检验：
所估计参数β1= 0.394838，β2=0.920398说明可支配收入增加1%，平均说来可导致城市居民消费支出增加0.920398%，这与预期的经济意义相符。
B.拟合优度检验：
通过以上的回归数据可知，可决系数为0.998816，说明所建模型整体上对样本数据拟合度较好。
C. 对回归系数的t检验：
针对H1:β1=0和H2:β2=0，由上回归结果可以看出，估计的回归系数B1的标准误差和t值分别为：SE(β1)= 0.043453，t(β1)= 9.086461；β2的标准误差和t值分别为SE（β2）=0.005435，t(β2)= 169.3438，取a=0,05，查t分布表得自由度为n-2=36-2=34的临界值为t0.025=2.339061,t(β1)= 9.086461＞t0.025=2.339061，拒绝H1, t(β2)= 169.3438＞t0.025=2.33906拒绝H2.这表明，城市居民可支配收入对其消费水平有很大影响。
经以上对比可以看出对数模型的拟合效果较好。故选择对数模型
(7)异方差性检验：LNCE和LNDI回归异方差检验：
.残差平方与DI序列散点图:命名：e22=e2^2

可能存在异方差，还需进一步检验。
.White检验：

从上图可以看出：nR2=1.956671，又White检验知，在a=0.05.查分布表，得(2)=5.99147。比较计算统计量与临界值，因为nR2=1.956671＜(2)=5.99147，所以不拒绝原假设，表明模型不存在异方差性。
Arch检验：

从上图可以看出：nR2=1.389118，又Arch检验知，在a=0.05.查 分布表，得(2)=5.99147。比较计算统计量与临界值，因为nR2=1.3891181＜ (2)=5.99147，所以不拒绝原假设，表明模型不存在异方差性。
LNCE和LNDI
.用图示法进行一阶自相关检验：
一阶相关图

一阶偏自相关系数条形超出了随机区间，其他各阶都落入了随机区间内，表明残差序列存在一阶自相关。
DW法检验一阶自相关性：CE&DI

根据OLS回归得到DW=0.735324，n=36,查5%显著水平的DW统计表可知du=1.525,dl=1.411,4-du=2.475685,因为DW=0.735324< dl=1.411，所以CE和DI存在自相关。
.用LM法检验自相关性：CE&DI

根据回归可得，LM=TR2=12.54173>(2)=5.99147,则拒绝原假设，此时至少有一个在统计上显著不为0，说明存在自相关。
(9)LNCE&LNDI
.广义差分法（迭代法）：

图中DW=2.294273，du=1.525,dl=1.411,4-du=2.475685，du<DW<4-du，说明在5%显著性水平下广义差分后模型已无自相关。
德宾两部法：
a.命名：e23=e2(-1)，做e2和e23的回归可得：

得到ρ= 0.587505
.对原模型进行广义差分：
LNCE-0.587505*LNCE(-1) c LNDI-0.587505*LNDI(-1)

图中DW=2.288607，du=1.525,dl=1.411,4-du=2.475685，du<DW<4-du，说明在5%显著性水平下广义差分后模型已无自相关。
比较差别：
广义差分法得到的是一个修正后的直接的CE和DI的关系模型，而德宾两步法得到的是LNCE-0.587505*LNCE(-1) c LNDI-0.587505*LNDI(-1)的模型，还需要转换得到最后的回归结果。
.Arch检验消除自相关后模型是否存在自相关

从上图可以看出：nR2= 0.609055，又Arch检验知，在a=0.05.查 分布表，得(2)=5.99147。比较计算统计量与临界值，因为nR2= 0.609055＜ (2)=5.99147，所以不拒绝原假设，表明消除自相关后模型不存在异方差性。
农村居民：
建立时间序列工作文件、用Eviews创建变量CE、DI（LE、NI），输入样本数据。
打开Eviews工作文件，建立新的文件夹，在命令框中输入“data ce di”回车 ，从数据表中粘贴数据到Eviews数据表中即可。
建立时间序列工作文件
.创建变量LE NI

LE和NI散点图

根据上图所示，两变量之间线性相关。
.LE与NI序列的线图

根据图形显示，并近似为直线。
Ln（le）与ln（ni）序列的线图
命名：lnle=log(le) lnni=log(ni)

根据图形显示，近似为直线。
结合凯恩斯绝对收入假说的消费理论和散点图分析，设定被解释变量LE与解释变量NI的一元线性总体回归模型的具体形式如下：

预测回归系数β1、β2的符号都是正号，预测β2的取值范围为（0，1）
结合凯恩斯绝对收入假说的消费理论和线图分析分析，设定被解释变量lnLE与解释变量lnNI的一元线性总体回归模型的具体形式如下：

预测回归系数β1、β2的符号都是正号，预测β2的取值范围为（0，1）
.LE为被解释变量NI为解释变量回归：

即回归结果为：

（15.24552）（0.005030）
t = (3.676441) (131.0836)
R2=0.998083 F=17182.92 DW=0.974260
生成残差序列resid: 赋值：e3=resid

lnLE为被解释变量lnNI为解释变量回归：

即回归结果为：

（0.068948）（0.009674）
t = (2.265901) (96.53181)
R2=0.991082 F=3667.498 DW=0.760016
生成残差序列resid: 赋值：e4=resid

LE为被解释变量、NI为解释变量的城市居民消费
a.经济检验：
所估计参数β1=56.04927，β2= 0.659326，说明可支配收入增加1元，平均说来可导致城市居民消费支出增加0.659326元，这与预期的经济意义相符。
b.拟合优度检验：
通过以上的回归数据可知，可决系数为0.998083，说明所建模型整体上对样本数据拟合度较好。
c. 对回归系数的t检验：
针对H1:β1=0和H2:β2=0，由上回归结果可以看出，估计的回归系数B1的标准误差和t值分别为：SE(β1)= 15.24552，t(β1)= 3.676441；β2的标准误差和t值分别为SE（β2）= 0.005030, t(β2)= 131.0836，取a=0,05，查t分布表得自由度为n-2=36-2=34的临界值为t0.025=2.339061,t(β1)= 3.676441>t0.025=2.339061，拒绝H1, t(β2)= 131.0836＞t0.025=2.33906拒绝H2.这表明，城市居民可支配收入对其消费水平有很大影响。
B.lnCE为被解释变量lnDI为解释变量
a.经济检验：
所估计参数β1=0.156228，β2= 0.933883说明可支配收入增加1%，平均说来可导致城市居民消费支出增加0.933883%，这与预期的经济意义相符。
b.拟合优度检验：
通过以上的回归数据可知，可决系数为0.996471，说明所建模型整体上对样本数据拟合度较好。
c. 对回归系数的t检验：
针对H1:β1=0和H2:β2=0，由上回归结果可以看出，估计的回归系数B1的标准误差和t值分别为：SE(β1)= 0.068948，t(β1)= 2.265901；β2的标准误差和t值分别为SE（β2）= 0.009674，t(β2)= 96.53181，取a=0,05，查t分布表得自由度为n-2=36-2=34的临界值为t0.025=2.339061,t(β1)= 2.265901<t0.025=2.339061，接受H1, t(β2)= 96.53181＞t0.025=2.33906拒绝H2.这表明，城市居民可支配收入对其消费水平有很大影响。
经以上对比可