1、計量經(jīng)濟(jì)學(xué)上機(jī)實驗指導(dǎo)書目 錄實驗一 EVIEWS的基本操作與一元線性回歸模型的最小二乘估計2實驗?zāi)康模?實驗內(nèi)容：2實驗二 EVIEWS的常用函數(shù)與多元線性回歸分析41實驗?zāi)康?2實驗內(nèi)容4實驗三 異方差的檢驗與修正5實驗?zāi)康?實驗內(nèi)容6實驗四 序列相關(guān)的檢驗與修正7實驗?zāi)康?實驗內(nèi)容7實驗五 多重共線性的檢驗和修正8實驗?zāi)康?實驗內(nèi)容8實驗六柯布-道格拉斯生產(chǎn)函數(shù)9實驗?zāi)康?實驗內(nèi)容9實驗一 Eviews的基本操作與一元線性回歸模型的最小二乘估計實驗?zāi)康模?、熟悉Eviews的窗口與界面2、掌握Eviews的命令與菜單的操作3、掌握用Eviews估計與檢驗一元線性回歸模型實驗內(nèi)容：1、啟動

2、Eviews雙擊Eviews圖標(biāo)，出現(xiàn)Eviews窗口，它由以下部分組成：標(biāo)題欄“Eviews”、主菜單“File，Edit，Help”、命令窗口（空白處）和工作區(qū)域。命令窗口工作區(qū)域2、產(chǎn)生文件Eviews的操作在工作文件中進(jìn)行，故首先要有工作文件，然后進(jìn)行數(shù)據(jù)輸入、分析等等操作。（1）讀已存在文件：FileOpenWorkfile。（2）新建文件：FileNewWorkfile，出現(xiàn)對話框“工作文件范圍”，選取或填上數(shù)據(jù)類型、 起止時間。OK后，得到一個無名字的工作文件，其中有：時間范圍、當(dāng)前工作文件樣本范圍、filter 、默認(rèn)方程、系數(shù)向量C、序列RESID。在主菜單上依次點擊File

3、/New/Workfile，即選擇新建對象的類型為工作文件，將彈出一個對話框（如圖所示），由用戶選擇數(shù)據(jù)的時間頻率（frequency）、起始期和終止期。 工作文件對話框其中， Annual年度 Monthly月度Semi-annual半年 Weekly周 Quarterly季度 Daily日Undated or irregular非時序數(shù)據(jù)選擇時間頻率為Annual（年度），再分別點擊起始期欄（Start date）和終止期欄（End date），輸入相應(yīng)的日前1985和1998。然后點擊OK按鈕，將在EViews軟件的主顯示窗口顯示相應(yīng)的工作文件窗口（如圖所示）。工作文件窗口工作文件窗口是

4、EViews的子窗口，工作文件一開始其中就包含了兩個對象，一個是系數(shù)向量C（保存估計系數(shù)用），另一個是殘差序列RESID（實際值與擬合值之差）。（3）命令方式新建文件在EViews軟件的命令窗口中直接鍵入CREATE命令，也可以建立工作文件。命令格式為：CREATE 時間頻率類型 起始期 終止期則以上菜單方式過程可寫為：CREATE A 1985 1998輸入Y、X的數(shù)據(jù)DATA命令方式在EViews軟件的命令窗口鍵入DATA命令，命令格式為：DATA <序列名1> <序列名2><序列名n>本例中可在命令窗口鍵入如下命令（圖所示）：DATA Y X將顯示一個

5、數(shù)組窗口（圖1-7所示），此時可以按全屏幕編輯方式輸入每個變量的統(tǒng)計資料。鍵入DATA命令 數(shù)組窗口3、輸入數(shù)據(jù)（1）從鍵盤輸入：ObjectNew Object，選Series，并輸入序列的名稱，確認(rèn)后，點擊Edit+/-編輯數(shù)據(jù)。（2）從Excel復(fù)制數(shù)據(jù)：先取定Excel中的數(shù)據(jù)區(qū)域，選“復(fù)制”；其次，打開Eviews，同2-（2），建工作文件，使樣本區(qū)域包含與被復(fù)制數(shù)據(jù)同樣多的觀察值個數(shù)；第三，擊QuickEmpty Group (Edit series)；第四，按向上滾動指針，擊數(shù)據(jù)區(qū)OBS右邊的單元格，點EditPaste，再退出，選No，于是，在工作文件中有被復(fù)制的數(shù)據(jù)序列的圖標(biāo)

6、。（3）從Excel復(fù)制部分?jǐn)?shù)據(jù)到已存在的序列中：取定要復(fù)制的數(shù)據(jù)，復(fù)制之；打開包含已存在序列的Group窗口，使之處于Edit模式（開關(guān)鍵是Edit+）；將光標(biāo)指到目標(biāo)單元格，點EditPaste，其它同3-（2）。 4、從Excel工作表中讀取數(shù)據(jù)擊ProcsImportRead-Lotus-Excel，選取文件類型為Text-ASCII或Excel.xls，打開文件；在對話框中，選取要打開的序列名，多個之間用空格隔開（如全用原序列名，輸入序列的個數(shù)即可），OK。啟動Eviews，練習(xí)Eviews菜單與命令的使用；5、一元線性回歸模型的OLS估計方法1：在命令窗口，直接輸入“LS 因變量

7、C 自變量”，中間用空格隔開，多個自變量之間也用空格隔開。方法2：點ObjectNew ObjectEquation，出現(xiàn)對話框：在Equation Specification內(nèi)填入方程（不帶擾動項）；在Estimation Settings中填入所用估計方法和樣本估計區(qū)間。方法3：點QuickEstimate Equation，同上填寫對話框。方法4：在工作文件內(nèi)，按被解釋變量、各解釋變量圖標(biāo)的次序取定（按住Ctrl，用鼠標(biāo)逐個選），對它們雙擊左鍵后，再點Open Equation，出現(xiàn)對話框，根據(jù)習(xí)慣，將C放在被解釋變量與解釋變量之間，其它填充同上方法。由如上的回歸結(jié)果，分析如何對方程進(jìn)行

8、擬合優(yōu)度檢驗、回歸系數(shù)的顯著性檢驗以及其置信區(qū)間的求解。6、一元線性回歸模型的預(yù)測其步驟為：（1）擴(kuò)展工作文件范圍。窗口方式：ProcStructure/Resize current page；命令方式：EXPAND 起始日期 結(jié)束日期。（2）擴(kuò)展樣本區(qū)間。窗口方式：Procset sample；命令方式：SMPL 起始日期 結(jié)束日期。（3）輸入解釋變量預(yù)測時間的取值，在OLS估計結(jié)果窗口，點擊forecast，或在命令行輸入FORECAST7、圖形分析點QuickGraph打開作圖對話框，實驗二：Eviews的常用函數(shù)與多元線性回歸分析實驗?zāi)康?、掌握Eviews中的常用函數(shù)及應(yīng)用2、掌握用

9、Eviews估計與檢驗多元線性回歸模型實驗內(nèi)容1、掌握Eviews中的常用函數(shù)及應(yīng)用（1）一般函數(shù)（2）關(guān)于回歸結(jié)果的函數(shù)（3）函數(shù)在Eviews中應(yīng)用2、多元線性回歸分析（1）創(chuàng)建工作文件后（注意文件范圍盡量大，能包容序列），用New Object建立序列，在Edit狀態(tài)下，在相應(yīng)位置輸入或復(fù)制序列數(shù)據(jù)。或者從Excel調(diào)入數(shù)據(jù)。根據(jù)下表中的數(shù)據(jù)分析城鎮(zhèn)居民人均全年耐用消費品支出Y和可支配收入X1和耐用消費品價格指數(shù)X2表2-1年份人均耐用消費品支出Y（元）人均全年可支配收入X1（元）耐用消費品價格指數(shù)X21988137.161181.4115.961989124.561375.7133.3

10、51990107.911501.2128.211991102.961700.6124.851992125.242026.6122.491993162.452577.4129.861994217.433496.2139.521995253.424283.0140.441996251.074838.9139.121997285.855160.3133.351998327.265425.1126.39命令窗口：A: 建立工作文件： CREATE A 88 98B:輸入統(tǒng)計資料： DATA Y X1X2C: 建立回歸模型：LS Y C X1X2 菜單點擊法，Eviews中的多元回歸分析的操作方式與一元

11、回歸分析相似可參照實驗一步驟則估計結(jié)果及有關(guān)信息如圖2-1所示。由此，回歸方程：(1.301564) (10.54786) (0.921316) （3）進(jìn)行回歸系數(shù)的檢驗和回歸方程的檢驗，分析回歸輸出結(jié)果是否符合你期望出現(xiàn)的情況。實驗三 異方差的檢驗與修正實驗?zāi)康?、理解異方差的含義后果、2、學(xué)會異方差的檢驗與加權(quán)最小二乘法實驗內(nèi)容一、準(zhǔn)備工作。建立工作文件，并輸入數(shù)據(jù)，用普通最小二乘法估計方程（操作步驟與方法同前），得到殘差序列。表1列出了1998年我國主要制造工業(yè)銷售收入與銷售利潤的統(tǒng)計資料，請利用統(tǒng)計軟件Eviews建立我國制造業(yè)利潤函數(shù)模型。表1 我國制造工業(yè)1998年銷售利潤與銷售收

12、入情況行業(yè)名稱銷售利潤銷售收入行業(yè)名稱銷售利潤銷售收入食品加工業(yè)187.253180.44醫(yī)藥制造業(yè)238.711264.1食品制造業(yè)111.421119.88化學(xué)纖維制品81.57779.46飲料制造業(yè)205.421489.89橡膠制品業(yè)77.84692.08煙草加工業(yè)183.871328.59塑料制品業(yè)144.341345紡織業(yè)316.793862.9非金屬礦制品339.262866.14服裝制品業(yè)157.71779.1黑色金屬冶煉367.473868.28皮革羽絨制品81.71081.77有色金屬冶煉144.291535.16木材加工業(yè)35.67443.74金屬制品業(yè)201.421948

13、.12家具制造業(yè)31.06226.78普通機(jī)械制造354.692351.68造紙及紙品業(yè)134.41124.94專用設(shè)備制造238.161714.73印刷業(yè)90.12499.83交通運輸設(shè)備511.944011.53文教體育用品54.4504.44電子機(jī)械制造409.833286.15石油加工業(yè)194.452363.8電子通訊設(shè)備508.154499.19化學(xué)原料紙品502.614195.22儀器儀表設(shè)備72.46663.68二、異方差的檢驗圖形分析檢驗觀察銷售利潤（Y）與銷售收入（X）的相關(guān)圖(圖1)：SCAT X Y圖1 我國制造工業(yè)銷售利潤與銷售收入相關(guān)圖從圖中可以看出，隨著銷售收入的增

14、加，銷售利潤的平均水平不斷提高，但離散程度也逐步擴(kuò)大。這說明變量之間可能存在遞增的異方差性。殘差分析首先將數(shù)據(jù)排序（命令格式為：SORT 解釋變量），然后建立回歸方程。在方程窗口中點擊Resids按鈕就可以得到模型的殘差分布圖（或建立方程后在Eviews工作文件窗口中點擊resid對象來觀察）。圖2 我國制造業(yè)銷售利潤回歸模型殘差分布圖2顯示回歸方程的殘差分布有明顯的擴(kuò)大趨勢，即表明存在異方差性。Goldfeld-Quant檢驗將樣本安解釋變量排序（SORT X）并分成兩部分（分別有1到10共11個樣本合19到28共10個樣本）利用樣本1建立回歸模型1（回歸結(jié)果如圖3），其殘差平方和為2579

15、.587。SMPL 1 10LS Y C X圖3 樣本1回歸結(jié)果利用樣本2建立回歸模型2（回歸結(jié)果如圖4），其殘差平方和為63769.67。SMPL 19 28LS Y C X圖4 樣本2回歸結(jié)果計算F統(tǒng)計量：63769.67/2579.59=24.72，分別是模型1和模型2的殘差平方和。取時，查F分布表得，而，所以存在異方差性White檢驗建立回歸模型：LS Y C X，回歸結(jié)果如圖5。圖5 我國制造業(yè)銷售利潤回歸模型在方程窗口上點擊ViewResidualTestWhite Heteroskedastcity,檢驗結(jié)果如圖6。圖6 White檢驗結(jié)果其中F值為輔助回歸模型的F統(tǒng)計量值。取顯

16、著水平，由于,所以存在異方差性。實際應(yīng)用中可以直接觀察相伴概率p值的大小，若p值較小，則認(rèn)為存在異方差性。反之，則認(rèn)為不存在異方差性。4、斯皮爾曼等級相關(guān)系數(shù)檢驗其操作步驟為：A. 對X排序：命令行輸入SORT XB. 輸入X的等級：data d1（依次輸入1-n的自然數(shù)）；C. 對殘差絕對值排序：命令行輸入SORT abs(resid)；D. 輸入殘差絕對值的等級：data d2（依次輸入1-n的自然數(shù)）；E. 依據(jù)公式計算等級相關(guān)系數(shù)檢驗統(tǒng)計量，并查表得出結(jié)論。5、異方差的消除加權(quán)最小二乘法加權(quán)最小二乘法中，最重要的是確定權(quán)重的確定，一般而言，采用殘差絕對值的倒數(shù)作為權(quán)重，也可以采用其他形

17、式。A. 首先，用SMPL命令設(shè)定樣本的區(qū)間（包括所有觀測值），如：SMPL 1 31B. 進(jìn)行最小二乘回歸，得到殘差序列，LS Y C XC. 根據(jù)殘差確定權(quán)重， GENR W1=1/ABS(RESID)D. 進(jìn)行加權(quán)最小二乘估計，LS(W=W1) Y C X；或在方程窗口中點擊EstimateOption按鈕，并在權(quán)數(shù)變量欄里依次輸入W1回歸結(jié)果如下圖7所示：圖7E. 對回歸方程在進(jìn)行White 檢驗，觀察異方差的調(diào)整情況對所估計的模型再進(jìn)行White檢驗，其結(jié)果如下圖8所示：圖8圖8對應(yīng)的White檢驗沒有顯示F值和的值，這表示異方差性已經(jīng)得到很好的解決。實驗四 序列相關(guān)的檢驗與修正實驗

18、目的1、理解序列相關(guān)的含義后果、2、學(xué)會序列相關(guān)的檢驗與消除方法實驗內(nèi)容1、準(zhǔn)備工作。建立工作文件，并輸入數(shù)據(jù)，用普通最小二乘法估計方程（操作步驟與方法同前），得到殘差序列。利用下表資料，試建立我國城鄉(xiāng)居民儲蓄存款模型，并檢驗?zāi)Ｐ偷淖韵嚓P(guān)性。表4-1 我國城鄉(xiāng)居民儲蓄存款與GDP統(tǒng)計資料（1978年100）年份存款余額YGDP指數(shù)X年份存款余額YGDP指數(shù)X1978210.60100.019895146.90271.31979281.00107.619907034.20281.71980399.50116.019919107.00307.61981523.70122.1199211545.40

19、351.41982675.40133.1199314762.39398.81983892.50147.6199421518.80449.319841214.70170.0199529662.25496.519851622.60192.9199638520.84544.119862237.60210.0199746279.80592.019873073.30234.0199853407.47638.219883801.50260.7一、模型的估計相關(guān)圖分析SCAT X Y相關(guān)圖表明，GDP指數(shù)與居民儲蓄存款二者的曲線相關(guān)關(guān)系較為明顯。現(xiàn)將函數(shù)初步設(shè)定為線性、雙對數(shù)等不同形式，進(jìn)而加以比較分析。估

20、計模型，利用LS命令分別建立以下模型線性模型： LS Y C X (-6.706) (13.862)0.9100 F192.145 S.E5030.809雙對數(shù)模型：GENR LNY=LOG(Y) GENR LNX=LOG(X) LS LNY C LNX (-31.604) (64.189)0.9954 F4120.223 S.E0.1221選擇模型比較以上模型，可見各模型回歸系數(shù)的符號及數(shù)值較為合理。各解釋變量及常數(shù)項都通過了檢驗，模型都較為顯著。比較各模型的殘差分布表。線性模型的殘差在較長時期內(nèi)呈連續(xù)遞減趨勢而后又轉(zhuǎn)為連續(xù)遞增趨勢，殘差先呈連續(xù)遞增趨勢而后又轉(zhuǎn)為連續(xù)遞減趨勢，因此，可以初步

21、判斷這種函數(shù)形式設(shè)置是不當(dāng)?shù)摹６遥@個模型的擬合優(yōu)度也較雙對數(shù)模型低，所以又可舍棄線性模型。雙對數(shù)模型具有很高的擬合優(yōu)度，因而初步選定回歸模型為雙對數(shù)回歸模型。二、模型的檢驗1.圖示法其一，殘差序列et的變動趨勢圖。菜單：QuickGraphline，在對話框中輸入resid；或者用命令操作，直接在命令行輸入：line X。其二，作et-1和et之間的散點圖。菜單：QuickGraphScatter，在對話框中輸入resid(-1) resid；或者用命令操作，直接在命令行輸入：scat resid(-1) resid。2.DW檢驗因為n21，k1，取顯著性水平0.05時，查表得1.22，1

22、.42，而0<0.7062DW<，所以存在（正）自相關(guān)。3.LM(BG)檢驗在方程窗口中點擊View/Residual Test/Series Correlation LM Test，并選擇滯后期為2，則會得到如圖4-1所示的信息。圖4-1雙對數(shù)模型的BG檢驗圖中，=11.31531，臨界概率P=0.0034，因此輔助回歸模型是顯著的，即存在自相關(guān)性。又因為，的回歸系數(shù)均顯著地不為0，說明雙對數(shù)模型存在一階和二階自相關(guān)性。三、自相關(guān)的修正（1）自相關(guān)系數(shù)的估計主要的方法有：A. 根據(jù)和DW統(tǒng)計量之間的近似關(guān)系，取的估計為：1-DW/2B. 直接取=1C. 采用杜賓兩步法估計。LS

23、Y C Y(-1) X X(-1)，Y(-1)的系數(shù)估計即為的估計D. 科克倫-奧科特迭代法。首先產(chǎn)生殘差序列，命名為e，然后e對其滯后1階回歸（無常數(shù)項），LS e e(-1)，e(-1)的系數(shù)估計作為的估計（2）加入AR項在LS命令中加上AR(1)和AR(2)，使用迭代估計法估計模型。鍵入命令：LS LNY C LNX AR(1) AR(2)則估計結(jié)果如圖4-2所示。圖4-2 加入AR項的雙對數(shù)模型估計結(jié)果 圖4-2表明，調(diào)整后模型的DW1.6445，n19，k1，取顯著性水平0.05時，查表得1.18，1.40，而<1.6445DW<4，說明模型不存在一階自相關(guān)性；再BG檢驗

24、（圖4-3），也表明不存在高階自相關(guān)性，因此，中國城鄉(xiāng)居民儲蓄存款的雙對數(shù)模型為： (-25.263) (52.683)0.9982 F2709.985 S.E0.0744 DW1.6445圖4-3實驗五多重共線性的檢驗和修正實驗?zāi)康?、理解多重共線性的含義與后果、2、學(xué)會序多重共線性的修正實驗內(nèi)容1、例表1是19781997年我國鋼材產(chǎn)量（萬噸）、生鐵產(chǎn)量（萬噸）、發(fā)電量（億千瓦時）、固定資產(chǎn)投資（億元）、國內(nèi)生產(chǎn)總值（億元）、鐵路運輸量（萬噸）的統(tǒng)計資料。表1 我國鋼材產(chǎn)量及其它相關(guān)經(jīng)濟(jì)變量統(tǒng)計資料年份鋼材產(chǎn)量Y生鐵產(chǎn)量X1發(fā)電量X2固定資產(chǎn)投資X3國內(nèi)生產(chǎn)總值X4鐵路運輸量X519782

25、20834792566668.7232641101191979249736732820699.3640381118931980271638023006746.945181112791981267034173093638.2148621076731982292035513277805.952951134951983307237383514885.26593511878419843372400137701052.43717112407419853693438441071523.51896413070919864058506444951795.3210202135635198743865503497

26、32101.691196314065319884689570454522554.861492814494819894859582058482340.5216909151489199051536238621225341854815068119915638676567753139.032161815289319926697758975394473.762663815762719937716895683956811.353463416266319948428974192819355.354675916309319958980105291007010702.9758478165855199693381

27、07231081312185.796788516880319979979115111135613838.96744631697342、多重共線性的檢驗（1）綜合統(tǒng)計檢驗法若在OLS法下：R2與F值較大，但t檢驗值較小，則可能存在多重共線性。（2）簡單相關(guān)系數(shù)檢驗利用相關(guān)系數(shù)可以分析解釋變量之間的兩兩相關(guān)情況。在Eviews軟件中可以直接計算相關(guān)系數(shù)矩陣。本例中，在Eviews軟件命令窗口中鍵入：COR X1 X2 X3 X4 X5或在包含所有解釋變量的數(shù)組窗口中點擊ViewCorrelations，其結(jié)果如圖1所示。由相關(guān)系數(shù)矩陣可以看出，解釋變量之間的相關(guān)系數(shù)均為0.93以上，即解釋變量之間

28、是高度相關(guān)的。（3）判定系數(shù)檢驗法當(dāng)解釋變量多余兩個且變量之間呈現(xiàn)出較復(fù)雜的相關(guān)關(guān)系時，可以通過建立輔助回歸模型來檢驗多重共線性。本例中，在Eviews軟件命令窗口中鍵入：LS X1 C X2 X3 X4 X5LS X2 C X1 X3 X4 X5LS X3 C X1 X2 X4 X5LS X4 C X1 X2 X3 X5LS X5 C X1 X2 X3 X4得到相應(yīng)的回歸結(jié)果，分析每個方程對應(yīng)的F值和T值，來檢驗這些變量間是否相關(guān)以及相關(guān)聯(lián)程度。對應(yīng)的回歸結(jié)果如下圖所示。圖2圖3圖4圖5圖6上述每個回歸方程的F檢驗值都非常顯著，方程回歸系數(shù)的T檢驗值表明：X1與X5、X2與X3、X3與X5、

29、X4與X、X5與X1、X3、X4的T檢驗值較小，這些變量之間可能不相關(guān)或相關(guān)程度較小。3、多重共線性的克服逐步回歸（一）建立基本的一元線性回歸方程（1）被解釋變量對每一個解釋變量進(jìn)行初始回歸，選取擬合優(yōu)度最高的首先進(jìn)入方程；根據(jù)經(jīng)濟(jì)理論分析和回歸結(jié)果，可知鋼材產(chǎn)量和生鐵產(chǎn)量關(guān)聯(lián)度最大，所以建立基本的一元回歸方程：（2）然后把其余解釋變量逐步引入模型，根據(jù)擬合優(yōu)度選出最優(yōu)方程。表2 鋼材產(chǎn)量預(yù)測模型逐步回歸結(jié)果模型X1X2X3X4X5Y=f(X1)0.9214 (56.807)0.9949 0.9941 Y=f(X1,X2)0.4159 (3.5394)0.4872 (4.3234)0.9974

30、 0.9970 Y=f(X1,X3)0.959 (14.185)0.0249 (-0.5738)0.9950 0.9940 Y=f(X1,X4)0.9414 (13.025)-0.0025 (-0.2846)0.9945 0.9938 Y=f(X1,X5)0.8578 (20.229)0.0084 (-0.2846)0.9919 0.9910 Y=f(X1,X2,X3)0.405 (2.835)0.491 (4.1225)0.0046 (0.1424)0.99690.9974Y=f(X1,X2,X4)0.4433 (3.4857)0.4911 (4.2748)-0.0039 (-0.6347)

31、0.99690.9974Y=f(X1,X2,X5)0.4073 (3.1797)0.5025 (3.6357)-0.001 (-0.2041)0.99690.9974所以，建立的多元回歸模型為：Y = -287.68669 + 0.4159*X1 + 0.4872*X2實驗六柯布-道格拉斯生產(chǎn)函數(shù)的求解實驗?zāi)康?、掌握Eviews在經(jīng)濟(jì)學(xué)中的應(yīng)用2、熟悉柯布-道格拉斯生產(chǎn)函數(shù)的求解實驗內(nèi)容1、柯布-道格拉斯生產(chǎn)函數(shù)的求解建立我國國有獨立核算工業(yè)企業(yè)生產(chǎn)函數(shù)。根據(jù)生產(chǎn)函數(shù)理論，生產(chǎn)函數(shù)的基本形式為：。其中，L、K分別為生產(chǎn)過程中投入的勞動與資金，時間變量反映技術(shù)進(jìn)步的影響。表6-1列出了我國19

32、78-1994年期間國有獨立核算工業(yè)企業(yè)的有關(guān)統(tǒng)計資料；其中產(chǎn)出Y為工業(yè)總產(chǎn)值（可比價），L、K分別為年末職工人數(shù)和固定資產(chǎn)凈值（可比價）。表6-1 我國國有獨立核算工業(yè)企業(yè)統(tǒng)計資料年份時間工業(yè)總產(chǎn)值Y（億元）職工人數(shù)L（萬人）固定資產(chǎn)K（億元）197813289.1831392225.70197923581.2632082376.34198033782.1733342522.81198143877.8634882700.90198254151.2535822902.19198364541.0536323141.76198474946.1136693350.95198585586.143815

33、3835.79198695931.3639554302.251987106601.6040864786.051988117434.0642295251.901989127721.0142735808.711990137949.5543646365.791991148634.8044727071.351992159705.5245217757.2519931610261.6544988628.7719941710928.6645459374.34資料來源：根據(jù)中國統(tǒng)計年鑒1995和中國工業(yè)經(jīng)濟(jì)年鑒-1995計算整理【實驗步驟】一、建立多元線性回歸模型建立包括時間變量的三元線性回歸模型；在命令窗口

34、依次鍵入以下命令即可：建立工作文件： CREATE A 78 94輸入統(tǒng)計資料： DATA Y L K生成時間變量： GENR T=TREND(77)建立回歸模型： LS Y C T L K則生產(chǎn)函數(shù)的估計結(jié)果及有關(guān)信息如圖3-1所示。圖6-1 我國國有獨立核算工業(yè)企業(yè)生產(chǎn)函數(shù)的估計結(jié)果因此，我國國有獨立工業(yè)企業(yè)的生產(chǎn)函數(shù)為： （模型1）(-0.252) (0.672) (0.781) (7.433)模型的計算結(jié)果表明，我國國有獨立核算工業(yè)企業(yè)的勞動力邊際產(chǎn)出為0.6667，資金的邊際產(chǎn)出為0.7764，技術(shù)進(jìn)步的影響使工業(yè)總產(chǎn)值平均每年遞增77.68億元。回歸系數(shù)的符號和數(shù)值是較為合理的。，說明模型有很高的擬合優(yōu)度，F(xiàn)檢驗也是高度顯著的，說明職工人數(shù)L、資金K和時間變量對工業(yè)總產(chǎn)值的總影響是顯著的。從圖3-1看出，解釋變量資金K的統(tǒng)計量值為7.433，表明資金對