⑴ 計量經濟學可以預測股票嗎
計量經濟學是可以預測股票的，不過要是做股票的話，還是你專業的學生知識，或者是網路一些有用的知識啊，或者是請教他人。
⑵ 求一份計量經濟學論文，多元線性回歸模型，有數據來源，用eviews分析的過程，謝謝 ！！！
實驗三 多元回歸模型
【實驗目的】
掌握建立多元回歸模型和比較、篩選模型的方法。
【實驗內容】
建立我國國有獨立核算工業企業生產函數。根據生產函數理論，生產函數的基本形式為： 。其中，L、K分別為生產過程中投入的勞動與資金，時間變數 反映技術進步的影響。表3-1列出了我國1978-1994年期間國有獨立核算工業企業的有關統計資料；其中產出Y為工業總產值（可比價），L、K分別為年末職工人數和固定資產凈值（可比價）。
表3-1 我國國有獨立核算工業企業統計資料
年份 時間
工業總產值
Y（億元） 職工人數
L（萬人） 固定資產
K（億元）
1978 1 3289.18 3139 2225.70
1979 2 3581.26 3208 2376.34
1980 3 3782.17 3334 2522.81
1981 4 3877.86 3488 2700.90
1982 5 4151.25 3582 2902.19
1983 6 4541.05 3632 3141.76
1984 7 4946.11 3669 3350.95
1985 8 5586.14 3815 3835.79
1986 9 5931.36 3955 4302.25
1987 10 6601.60 4086 4786.05
1988 11 7434.06 4229 5251.90
1989 12 7721.01 4273 5808.71
1990 13 7949.55 4364 6365.79
1991 14 8634.80 4472 7071.35
1992 15 9705.52 4521 7757.25
1993 16 10261.65 4498 8628.77
1994 17 10928.66 4545 9374.34
資料來源：根據《中國統計年鑒－1995》和《中國工業經濟年鑒-1995》計算整理
【實驗步驟】
一、建立多元線性回歸模型
一建立包括時間變數的三元線性回歸模型；
在命令窗口依次鍵入以下命令即可：
⒈建立工作文件： CREATE A 78 94
⒉輸入統計資料： DATA Y L K
⒊生成時間變數 ： GENR T=@TREND(77)
⒋建立回歸模型： LS Y C T L K
則生產函數的估計結果及有關信息如圖3-1所示。
圖3-1 我國國有獨立核算工業企業生產函數的估計結果
因此，我國國有獨立工業企業的生產函數為：
（模型1）
＝(-0.252) (0.672) (0.781) (7.433)
模型的計算結果表明，我國國有獨立核算工業企業的勞動力邊際產出為0.6667，資金的邊際產出為0.7764，技術進步的影響使工業總產值平均每年遞增77.68億元。回歸系數的符號和數值是較為合理的。 ，說明模型有很高的擬合優度，F檢驗也是高度顯著的，說明職工人數L、資金K和時間變數 對工業總產值的總影響是顯著的。從圖3-1看出，解釋變數資金K的 統計量值為7.433，表明資金對企業產出的影響是顯著的。但是，模型中其他變數（包括常數項）的 統計量值都較小，未通過檢驗。因此，需要對以上三元線性回歸模型做適當的調整，按照統計檢驗程序，一般應先剔除 統計量最小的變數（即時間變數）而重新建立模型。
二建立剔除時間變數的二元線性回歸模型；
命令：LS Y C L K
則生產函數的估計結果及有關信息如圖3-2所示。
圖3-2 剔除時間變數後的估計結果
因此，我國國有獨立工業企業的生產函數為：
（模型2）
＝(-2.922) (4.427) (14.533)
從圖3-2的結果看出，回歸系數的符號和數值也是合理的。勞動力邊際產出為1.2085，資金的邊際產出為0.8345，表明這段時期勞動力投入的增加對我國國有獨立核算工業企業的產出的影響最為明顯。模型2的擬合優度較模型1並無多大變化，F檢驗也是高度顯著的。這里，解釋變數、常數項的 檢驗值都比較大，顯著性概率都小於0.05，因此模型2較模型1更為合理。
三建立非線性回歸模型——C-D生產函數。
C-D生產函數為： ，對於此類非線性函數，可以採用以下兩種方式建立模型。
方式1：轉化成線性模型進行估計；
在模型兩端同時取對數，得：
在EViews軟體的命令窗口中依次鍵入以下命令：
GENR LNY=log（Y）
GENR LNL=log（L）
GENR LNK=log（K）
LS LNY C LNL LNK
則估計結果如圖3-3所示。
圖3-3 線性變換後的C-D生產函數估計結果
即可得到C-D生產函數的估計式為：
（模型3）
＝ (-1.172) (2.217) (9.310)
即：
從模型3中看出，資本與勞動的產出彈性都是在0到1之間，模型的經濟意義合理，而且擬合優度較模型2還略有提高，解釋變數都通過了顯著性檢驗。
方式2：迭代估計非線性模型，迭代過程中可以作如下控制：
⑴在工作文件窗口中雙擊序列C，輸入參數的初始值；
⑵在方程描述框中點擊Options，輸入精度控制值。
控制過程：
①參數初值：0，0，0；迭代精度：10－3；
則生產函數的估計結果如圖3-4所示。
圖3-4 生產函數估計結果
此時，函數表達式為：
（模型4）
＝(0.313)(－2.023)(8.647)
可以看出，模型4中勞動力彈性 ＝-1.01161，資金的產出彈性 ＝1.0317，很顯然模型的經濟意義不合理，因此，該模型不能用來描述經濟變數間的關系。而且模型的擬合優度也有所下降，解釋變數L的顯著性檢驗也未通過，所以應舍棄該模型。
②參數初值：0，0，0；迭代精度：10－5；
圖3-5 生產函數估計結果
從圖3-5看出，將收斂的誤差精度改為10－5後，迭代100次後仍報告不收斂，說明在使用迭代估計法時參數的初始值與誤差精度或迭代次數設置不當，會直接影響模型的估計結果。
③參數初值：0，0，0；迭代精度：10－5，迭代次數1000；
圖3-6 生產函數估計結果
此時，迭代953次後收斂，函數表達式為：
（模型5）
＝(0.581)(2.267)(10.486)
從模型5中看出，資本與勞動的產出彈性都是在0到1之間，模型的經濟意義合理， ，具有很高的擬合優度，解釋變數都通過了顯著性檢驗。將模型5與通過方式1所估計的模型3比較，可見兩者是相當接近的。
④參數初值：1，1，1；迭代精度：10－5，迭代次數100；
圖3-7 生產函數估計結果
此時，迭代14次後收斂，估計結果與模型5相同。
比較方式2的不同控制過程可見，迭代估計過程的收斂性及收斂速度與參數初始值的選取密切相關。若選取的初始值與參數真值比較接近，則收斂速度快；反之，則收斂速度慢甚至發散。因此，估計模型時最好依據參數的經濟意義和有關先驗信息，設定好參數的初始值。
二、比較、選擇最佳模型
估計過程中，對每個模型檢驗以下內容，以便選擇出一個最佳模型：
一回歸系數的符號及數值是否合理；
二模型的更改是否提高了擬合優度；
三模型中各個解釋變數是否顯著；
四殘差分布情況
以上比較模型的一、二、三步在步驟一中已有闡述，現分析步驟一中5個不同模型的殘差分布情況。
分別在模型1～模型5的各方程窗口中點擊View/Actual, Fitted, Resial/ Actual, Fitted, Resial Table（圖3-8），可以得到各個模型相應的殘差分布表（圖3-9至圖3-13）。
可以看出，模型4的殘差在前段時期內連續取負值且不斷增大，在接下來的一段時期又連續取正值，說明模型設定形式不當，估計過程出現了較大的偏差。而且，模型4的表達式也說明了模型的經濟意義不合理，不能用於描述我國國有工業企業的生產情況，應舍棄此模型。
模型1的各期殘差中大多數都落在 的虛線框內，且殘差分別不存在明顯的規律性。但是，由步驟一中的分析可知，模型1中除了解釋變數K之外，其餘變數均為通過變數顯著性檢驗，因此，該模型也應舍棄。
模型2、模型3、模型5都具有合理的經濟意義，都通過了 檢驗和F檢驗，擬合優度非常接近，理論上講都可以描述資本、勞動的投入與產出的關系。但從圖3-13看出，模型5的近期誤差較大，因此也可以舍棄該模型。
最後將模型2與模型3比較發現，模型3的近期預測誤差略小，擬合優度比模型2略有提高，因此可以選擇模型2為我國國有工業企業生產函數。
圖3-8 回歸方程的殘差分析
圖3-9 模型1的殘差分布
圖3-10 模型2的殘差分布
圖3-11 模型3的殘差分布
圖3-12 模型4的殘差分布
圖3-13 模型5的殘差分布
⑶ 求一篇計量經濟學多元線性回歸分析論文，要求用eviews軟體對具體數據進行分析，有關於經濟學（金融）理論
嗯，挺復雜的，spss做過，給你提供一個思路吧。反正這次作業的目的是考查你對軟體的使用、數據處理以及結果的報告，那不妨google一篇相關論文，然後模擬其中的數據，參考論文的分析報告即可。
⑷ 計量經濟的回歸分析是什麼
回歸分析方法是計量經濟學的主要方法。「回歸分析」這個詞最初是由一位叫弗朗西斯 高爾頓的英國學者提出來的，他用收集的樣本數據來說明孩子的身高與父母身高及人口平均高度的關系。現代計量經濟學所用的回歸分析方法是用實際數據來解釋變數之間的關系。
⑸ 計量經濟學課題：需要提一個課題做多元回歸分析寫報告的。不知道研究什麼方向好，請貴人指導 有興趣的課題
我不知道你的這個報告是以什麼為目的的？
如果是以熟悉模型檢驗，經濟意義檢驗以及其他的共線，異方差和設定誤差的熟悉為目的的話，你可以從書里隨意找到一個多元的模型。然後在統計數據里（時間序列最好）找到數據。然後你自己按照程序，一一檢驗得到答案即可。
如果是以研究方向為主，那麼這個就有些復雜了。通常你需要閱讀很多的文獻。中文多以（。。。。實證分析）為題的文章。從這些文章中找到你認為不妥或者可以改善的地方。這是一個捷徑。自己去找方向，在你沒有一定閱讀量的基礎上，是很難找到的。其結果就是，要麼自己設定的模型本身就是錯的。要麼就是前人其實已經研究過了。所以在你感興趣的領域找些前人已做的檢驗是最好的。
⑹ 計量經濟學中，對於多元模型而言，SST、SSR、SSE各自的自由度是什麼
對於一元線性回歸模型，SST有n-1個自由度；SSE有1個自由度；SSR有n-2個自由度。
因為一元線性耽歸方程在建立時要求離回歸的平方和最小，即根據「最小二乘法」原理來建立回歸方程。
回歸分析（regression analysis)是確定兩種或兩種以上變數間相互依賴的定量關系的一種統計分析方法。運用十分廣泛，回歸分析按照涉及的變數的多少，分為一元回歸和多元回歸分析；按照因變數的多少，可分為簡單回歸分析和多重回歸分析；按照自變數和因變數之間的關系類型，可分為線性回歸分析和非線性回歸分析。如果在回歸分析中，只包括一個自變數和一個因變數，且二者的關系可用一條直線近似表示，這種回歸分析稱為一元線性回歸分析。如果回歸分析中包括兩個或兩個以上的自變數，且自變數之間存在線性相關，則稱為多重線性回歸分析。
在統計學中，回歸分析（regression analysis)指的是確定兩種或兩種以上變數間相互依賴的定量關系的一種統計分析方法。回歸分析按照涉及的變數的多少，分為一元回歸和多元回歸分析；按照因變數的多少，可分為簡單回歸分析和多重回歸分析；按照自變數和因變數之間的關系類型，可分為線性回歸分析和非線性回歸分析。
在大數據分析中，回歸分析是一種預測性的建模技術，它研究的是因變數（目標）和自變數（預測器）之間的關系。這種技術通常用於預測分析，時間序列模型以及發現變數之間的因果關系。
多元回歸中SST=SSE+SSR公式怎麼推導出來，就是「最小二乘法」
計量和統計學中的rss ess 和sse ssr
但是Regression和Error是兩個名詞他們要用of 或者 from放在後面又因為意思的不同就變成了RSS=SSE ESS=SSR。
供參考。
⑺ 求計量經濟學多元非線性回歸實驗報告 急急急急急 注意是非線性回歸
計量經濟學實驗報告參考格式：
一、介紹主題，提出感興趣的主要問題
實驗報告的前幾段應該對主題進行有趣的描述。研究項目的介紹部分應該包括以下兩個部分（按順序排列）：
1、主題說明；
2、對方法的描述。
二、回顧現有文獻
其他研究人員可能已經研究了相關主題，所以報告的一個部分應該回顧關於這個主題的其他研究。
三、描述概念或理論框架
計量經濟學的應用研究不同於統計分析，其特徵之一是支持實證工作的理論結構。
四、解釋計量經濟學模型
開發了模型的理論結構之後，同學需要將其與經驗、方法（也就是統計分析和觀察方法）聯系起來，這種方法在形式上被稱為經濟計量模型。
五、討論估算方法
因為估計通常是假設某些統計條件成立，所以從計量經濟學模型到估計可能並不完全簡單。
六、詳細描述數據
詳細描述所使用的數據。要解決這些問題：
1、數據集是如何獲得的及其來源;
2、數據的性質;
3、數據覆蓋的時間范圍;
4、數據收集的方式和頻率;
5、觀察到的結果;
6、計量經濟學模型中使用的任何變數的匯總統計數據(平均值、標准差等)。
七、解釋報告結果
讀者可能不太了解計量經濟學模型的規格、變數的規模以及其他相關信息，因此同學需要為讀者提供相應的解釋。
八、總結學到的東西
研究項目的結論應該綜合結果，並解釋其如何與報告的主要問題相關聯。
⑻ 如何用計量經濟學分析股價與財務指標的關系
計量數據一般30個左右，用財務數據和股價分別構造自變數和因變數，用最小二乘法做回歸分析。