计量经济学实验报告-LOGIT模型.docx
XXX学院实验报告课程名称计量经济学成绩实验名称虚拟变量模型专业投资学年级/班级B18投资学一班指导教师刘某某实验地点文博楼实验室名称经济学实验中心实验时间实验仪器计算机、eviews计量分析软件姓名学号实验目的1 .运用习题7T数据，建立ANOVA模型，并解释相关变量。2 .运用习题7T数据，建立ANeoVA模型，并解释相关变量。3 .运用习题7-1数据，建立LPM模型，并解释相关变量。4 .运用7T数据，建立LOGrr模型，并解释相关变量。5 .运用7T数据，建立PROBlT模型，并解释相关变量。6 .运用7-2数据，建立审察回归模型TOBrr模型，并解释相关变量。实验内容步骤1 .建立ANOVA模型：打开Eviews,选择数据GPA>PSI打开，点击Quick-EstimateEquation进行回归分析。2 .建立ANCOVA模型：选择GPAGRADEPSITUCE作为一组数据打开，点击Quick-EstimateEqUation进行回归分析。3 .建立LPM模型：在EstimateEquation命令框中输入GRADECGPAPSITUCE进行回归，得到LPM模型。4 .建立LOGIT模型:在Method下拉列表中选择BINARY选项,并在BinaryEstimate选项组中选择LOGlT,同时在命令框中输入GRADEGPAPSITUCEC得到模型。5 .建立PROBIT模型:在Method下拉列表选择BINARY选项，并在BinaryEstimate选项组中选择PROBIT,同时在命令框中输入GRADEGPAPSITUCEC得到模型。6 .建立TOBIT模型：在Method下拉列表中选择CENSORED选项，在EstimateEqUatiOn命令框中输入YXlX2X3X4C,在DiStribUtiOn中选择NOnna1。1 .建立ANOVA模型如下：回归分析如下：DependentVariable:GPAMethod:LeastSquaresDate:11/21/21Time:11:24Sample:132Includedobservations:32VariableCoefficientStd.Errort-StatisticProb.PSI0.0367460.1689280.2175240.8293C3.1011110.11173627.754020.0000R-squared0.001575Meandependentvar3.117188AdjustedR-squared-0.031706S.D.dependentvar0.466713S.E.ofregression0.474054Akaikeinfocriterion1.405470Sumsquaredresid6.741813Schwarzcriterion1.497079Loglikelihood-20.48752Hannan-Quinnenter.1.435836F-Statistic0.047317Durbin-Watsonstat2.225416Prob(F-Statistic)0.829272实验结果分析及诗论根据回归数据建立模型，结果为：GPA=3.101111+0.036746PS/jZ=(27.75402)(0.217524)汗=0.001575,F=0.047317由回归结果可知，PSl所对应的P值为0.8293,P>0.05,P值不显著，这说明PSl对GPA没有显著影响，即是否接受新的教学方法对学生的平均分数没有很大的关系。2 .建立ANCOVA模型如下:回归分析结果如下：DependentVariable:GPAMethod:LeastSquaresDate:11/21/21Time:11:48Sample:132Includedobservations:32实验结果分析及诗论(续)VariableCoefficientStd.Errort-StatisticProb.GRADE0.4884730.1705532.8640540.0078PSI-0.1877880.156612-1.1990610.2406TUCE0.0307190.0192401.5966380.1216C2.3575330.4182445.6367380.0000R-squared0.342418Mean dependent var3.117188Adjusted R-squared0.271963S.D.dependent var0.466713S.E. of regression0.398223Akaike info criterion1.112861Sum squared resid4.440289Schwarz criterion1.296078Log likelihood-13.80577Hannan-Quinn criter.1.173592F-statistic4.860075Durbin-Watson stat1.831719Prob(F-Statistic)0.007604根据回归数据建立模型，结果为：GPA=2.357533+0.488473G/MO耳0.187788PSZ.+0.030719TUCEit=(5.636738)(2.864054)(-1.199061)(1.596638)R2=0.342418,F=4.860075由模型结果可知，当GRADE为常量时，接受新方法比不接受新方法的平均分数低0.187788分；当GRADE和PSl为常量时，测验得分每增加一个单位，学生的平均分数就增加2.388252分。另外GRADE的P值较小，小于0.05,说明是否接受新方法对学生的学习成绩影响较大。Method:LeastSquaresDate:11/21/21Time:11:27Sample:132Includedobsen/ations:32实验结果分析及诗论(续)VariableCoefficientStd.Errort-StatisticProb.GPA0.4638520.1619562.8640540.0078PSI0.3785550.1391732.7200350.0111TUCE0.0104950.0194830.5386850.5944C-1.4980170.523889-2.8594190.0079R-squared0.415900Mean dependent var0.343750Adjusted R-squared0.353318S.D.dependent var0.482559S.E. of regression0.388057Akaike info criterion1.061140Sum squared resid4.216474Schwarz criterion1.244357Log likelihood-12.97825Hannan-Quinn criter.1.121872F-statistic6.645658Durbin-Watson stat2.346447Prob(F-Statistic)0.001571利用普通最小二乘估计，得到线性概率模型为：GRA。耳二T.498017+0.463852GPA+0.378555P5/,.+0.010495TUCEit=(-2.859419)(2.864054)(2.720035)(0.538685)芯=0.4159,F=6.645658模型回归结果表明，模型总体的统计是显著的。可知GPA的斜率估计量为0.463852,这说明平均分数每增加1时，接受新教学方法后成绩改善的概率上升46.39%；TUCE的斜率估计量为0.010495,这说明测验得分每增加1个单位时，接受新教学方法后成绩改善的概率上升1.05%；PSI的斜率估计量为0.378555,这接受新方法的意愿每增加1个单位时，接受新教学方法后成绩改善的概率上升37.86%oMethod:ML-BinaryLogit(Quadratichillclimbing)Date:11/21/21Time:11:32Sample:132Includedobsen/ations:32Convergenceachievedafter4iterationsCovariancematrixcomputedusingsecondderivatives实验结果分析及诗论(续)VariableCoefficientStd.Error z-StatisticProb.GPA0.2993360.6815420.4392040.6605PSI1.6363570.8126202.0136810.0440TUCE-0.1014720.099563-1.0191830.3081Mean dependent var0.343750S.D.dependent var0.482559S.E. of regression0.467281Akaike info criterion1.360661Sum squared resid6.332187Schwarz criterion1.498074Log likelihood-18.77057Hannan-Quinn criter.1.406209Deviance37.54114Restr. deviance41.18346Avg. log likelihood-0.586580Obs with Dep=O21Total obs32Obs with Dep= 111根据上述结果，可以得出二元LOgit模型结果为：PIn()=0.299336GPA+1.636357PS/-0.10141TUCEi-Pi,z=(0.439204)(2.013681)(-1.019183)由二元Logit模型可得：P=!iJ-(O.299336G<4i+1.636357PS/；-0.1Ol4727VC)可知解释变量PSI的Z统计量较大且其相应的概率值比较小，这说明其在统计上是显著的，从而说明PSl对提高学生成绩有显著的影响。然而解释变量GPA,TUCE参数估计值相应的概率值较大，统计上不显著，说明这两个变量对提高学生成绩没有显著影响。5.建立PROBIT模型如下：DependentVariable:GRADEMethod:ML-BinaryProbit(Quadratichillclimbing)Date:11/21/21Time:11:31Sample:132Includedobsen/ations:32Convergenceachievedafter3iterationsCovariancematrixcomputedusingsecondderivatives实验结果分析及诗论(续)VariableCoefficientStd.Error z-StatisticProb.GPA0.1763780.4089200.4313260.6662PSI0.9786390.4746342.0618820.0392TUCE-0.0602020.059089-1.0188220.3083Mean dependent var0.343750S.D.dependent var0.482559S.E. of regression0.467831Akaike info criterion1.363158Sum squared resid6.347100Schwarz criterion1.500570Log likelihood-18.81052Hannan-Quinn criter.1.408706Deviance37.62104Restr. deviance41.18346Avg. log likelihood-0.587829Obs with Dep=O21Total obs32Obs with Dep= 111根据上述结果，可以得出二元PrObit模型结果为:中T(Pi)=O.176378GPA+0.978639PS，-0.06020276gz=(0.431326)(2.061882)(-1.018822)由回归模型结果可得：6二(0.176378GPi+0.978639PS/.-0.060202TUCEj)可知PSI对应的P值为0.0392,小于0.05,从而表明PSI对提高学生成绩有明显的影响。而解释变量GPA和TUCE相应的概率较大，统计上不显著，说明其对提高学生成绩没有明显的影响。Method:ML-CensoredNormal(TOBIT)(Quadratichillclimbing)Date:11/21/21Time:11:34Sample:150Includedobsen/ations:50Leftcensoring(value)atzeroConvergenceachievedafter5iterationsCovariancematrixcomputedusingsecondderivativesVariableCoefficientStd.Errorz-StatisticProb.X1-6.2048323.179638-1.9514270.0510X2-0.9415340.326982-2.8794710.0040X33.0494971.3462202.2652300.0235X40.0001560.0001700.9153960.3600C18.6330320.644960.9025460.3668ErrorDistributionSCALE:C(6)22.790783.1028637.3450830.0000Meandependentvar19.16000S.D.dependentvar19.02454S.E.ofregression17.27325Akaikeinfocriterion6.628115Sumsquaredresid13128.06Schwarzcriterion6.857558Loglikelihood-159.7029Hannan-Quinnenter.6.715488Avg.loglikelihood-3.194058Leftcensoredobs18Rightcensoredobs0Uncensoredobs32Totalobs50实验结果分析及讨论(续)根据结果可以得出回归方程:Y=18.63303+(-6.2()4832)X1+(-0.941534)X2+3.()49497X3+0.000156X4可知X、X?的回归系数值为-6.204832和-0.941534,且P值都比较显著，这意味着X】、X?对丫有显著的反向影响关系。*3的回归系数值为3.049497,P值较小，匕对丫产生显著的正向影响关系。乂4的回归系数值为o.oooi56,P值较大,X,对V产生不显著的正向影响关系。实验心得1 .明确了虚拟变量的概念,学会了虚拟变量作为自变量时建立的ANoVA模型，ANCOVA模型。2 .学会了虚拟变量作为因变量的二元选择模型，主要有线形概率模型（LPM）,二元逻辑模型（LOGIT模型），二元概率模型（PROBrr模型）。3 .同时，老师还给我们补充了书本之外的审察回归模型TOBlT模型，学习了新的回归模型，扩充了我们的知识储备。4 .经过这一节课的学习，大家都收获颇多，学会了很多新知识，掌握了很多专业方法，在下节课的学习中我会继续保持这种良好的状态。教师评阅1 .学生实验动手能力（20分）口优秀（20-18）口较好（17-15）口合格（14-12）口不合格（11-0）2 .实验报告内容（共60分）（1）实验目的、教材、原理、内容及涉及步骤记录（20分）口正确、清晰、重点突出（20-18）口较正确、较清晰（17-15）口有较少错误（14-12）口有较多错误（11-0）（2）实验数据（现象）及结果记录、处理（20分）口清晰、正确（20-18）口较清晰、较正确（17-15）口合格（14-12）口不合格（11-0）（3）实验结果分析及讨论（20分）口结果详实、结论清晰、讨论合理（20-18）口结果正确、讨论适当（17-15）口合格（14-12）口不合格（11-0）3 .学生遵循实验室规定及实验要求程度（20分）好（20-18）口较好（17-15）口合格（14-12）口不合格（11-0）4.其他意见：教师签名：年月曰
