1. 多元統計分析和計量經濟學不同之處
多元統計 更多關注 數據之間的關系，計量有一定的經濟理論基礎；
多元統計只是計量的一部分內容，計量更多的是對參數分布情況的估計
2. 求能做計量經濟學多元線性回歸實驗的數據，要50組以上的 ，在線等。急
數據可以去很多地方找的
分析的話，可以用eviews或者stata，不同軟體操作不一樣
3. 計量經濟學中 線性回歸的無偏性 和 多元相關系數 是什麼意思
線性回歸的無偏性: 英文中簡稱BLUE, best linear unbiased estimate.
（1）線性，即這個估計量是隨機變數。
（2）無偏性，即這個估計量的均值或者期望值E（a）等於真實值a。
（3）具有有效估計值，即這個估計量在所有這樣的線性無偏估計量一類中有最小方差。
ps: 其中(2)稍微給你解釋下, 就是, 如果有y= a0+a1*x1+u , 那麼unbiased代表E(a0)=a0, E(a1)=a1
多元相關系數: 其實你應該找的是"相關系數", 英文Correlation coefficient.
相關表和相關圖可反映兩個變數之間的相互關系及其相關方向，但無法確切地表明兩個變數之間相關的程度。
著名統計學家卡爾·皮爾遜設計了統計指標——相關系數。相關系數是用以反映變數之間相關關系密切程度的統計指標。相關系數是按積差方法計算，同樣以兩變數與各自平均值的離差為基礎，通過兩個離差相乘來反映兩變數之間相關程度；著重研究線性的單相關系數。
依據相關現象之間的不同特徵，其統計指標的名稱有所不同。如將反映兩變數間線性相關關系的統計指標稱為相關系數（相關系數的平方稱為判定系數）；將反映兩變數間曲線相關關系的統計指標稱為非線性相關系數、非線性判定系數；將反映多元線性相關關系的統計指標稱為復相關系數、復判定系數等
4. 計量經濟學 求一份 EViews軟體做的多元線性回歸模型 要有數據和表格結果分析
應用計量經濟學綜合實驗報告
一、觀察序列特徵
（一）變數的描述統計
變數的描述統計表
X
Y
Mean
24.19133
38.51823
Median
24.60819
35.06598
Maximum
31.51318
59.66837
Minimum
12.28087
24.88616
Std. Dev.
4.378617
9.715057
Skewness
-0.857323
0.890026
Kurtosis
3.169629
2.605577
Jarque-Bera
17.81273
19.94491
Probability
0.000136
0.000047
Sum
3483.552
5546.625
Sum Sq. Dev.
2741.637
13496.67
Observations
144
144
（二）變數的趨勢分析
1、各變數的時間序列圖
2、根據時序圖大致判斷變數的平穩性
答：不平穩
（三）雙變數分析
1、畫出XY散點圖
2、計算變數X和Y間的相關系數
Dependent Variable: Y
Method: Least Squares
Date: 10/19/12 Time: 16:31
Sample (adjusted): 1 144
Included observations: 144 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
X
1.531880
0.042949
35.66763
0.0000
R-squared
-0.700579
Mean dependent var
38.51823
Adjusted R-squared
-0.700579
S.D. dependent var
9.715057
S.E. of regression
12.66904
Akaike info criterion
7.923120
Sum squared resid
22952.15
Schwarz criterion
7.943743
Log likelihood
-569.4646
Durbin-Watson stat
0.028629
二、計量經濟學分析
（一）X和Y的單整階數檢驗（選擇適當的檢驗模型並說明理由，報告結果及結論）
X的一階單整檢驗：
Included observations: 196 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
D(X(-1))
-1.097771
0.071696
-15.31146
0.0000
C
0.161673
0.153431
1.053718
0.2933
@TREND(1)
-0.001153
0.001339
-0.861117
0.3902
趨勢項不顯著，改選模型二；
Included observations: 196 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
D(X(-1))
-1.094074
0.071520
-15.29752
0.0000
C
0.046755
0.075656
0.617991
0.5373
截距項不顯著，改選模型一；
Lag Length: 0 (Automatic based on SIC, MAXLAG=14)
t-Statistic
Prob.*
Augmented Dickey-Fuller test statistic
-15.30936
0.0000
Test critical values:
1% level
-2.576814
5% level
-1.942456
10% level
-1.615622
根據ADF檢驗值可知，ADF值小於各個顯著水平下的臨界值，故應拒絕原假設，認為沒有單位根，是平穩序列。故X是一階單整序列；
Y的一階單整檢驗：
Included observations: 196 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
D(Y(-1))
-0.934141
0.072131
-12.95060
0.0000
C
-0.055176
0.193160
-0.285650
0.7755
@TREND(1)
0.001979
0.001693
1.169003
0.2438
趨勢項不顯著，改選模型二；
Included observations: 196 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
D(Y(-1))
-0.927506
0.071975
-12.88644
0.0000
C
0.140769
0.096086
1.465030
0.1445
截距項不顯著，改選模型一；
Lag Length: 0 (Automatic based on SIC, MAXLAG=14)
t-Statistic
Prob.*
Augmented Dickey-Fuller test statistic
-12.76596
0.0000
Test critical values:
1% level
-2.576814
5% level
-1.942456
10% level
-1.615622
根據ADF檢驗值可知，ADF值小於各個顯著水平下的臨界值，故應拒絕原假設，認為沒有單位根，是平穩序列。故Y是一階單整序列；
綜上所述，X與Y都是一階單整序列
（二）用Y,X,常數項，以及Y的滯後一期值建立二元回歸模型
1、用OLS估計模型Y=b0+b1X+b2Y-1+m，回歸結果如下：
Variable
Coefficient
Std. Error
t-Statistic
Prob.
X
0.013866
0.015102
0.918190
0.3597
C
-0.190932
0.521862
-0.365867
0.7149
Y(-1)
1.001264
0.011224
89.20662
0.0000
2、檢驗和改進
（1）統計檢驗和結論（t檢驗，F檢驗）
用t檢驗: P（x）>α，不顯著
P（C）>α，不顯著
PY(-1)> α，顯著
用f檢驗：P（f）<α,顯著
（2）計量經濟學檢驗和結論（異方差檢驗，序列相關性檢驗）
F-statistic
0.689788
Probability
0.599846
Obs*R-squared
2.790897
Probability
0.593405
不顯著，接受原假設，故無異方差性
Breusch-Godfrey Serial Correlation LM Test:
F-statistic
0.471125
Probability
0.625019
Obs*R-squared
0.962067
Probability
0.618144
不顯著，接受原假設，故無序列相關性
（3）對模型估計方法的改進（若存在有異方差或序列相關性時，採用WLS或GLS估計的結果）
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
-0.196548
0.090185
-2.179381
0.0305
X
0.012001
0.002178
5.509368
0.0000
Y(-1)
1.002499
0.001697
590.6897
0.0000
Weighted Statistics
R-squared
0.999990
Mean dependent var
37.17069
Adjusted R-squared
0.999990
S.D. dependent var
96.28015
S.E. of regression
0.307135
Akaike info criterion
0.492055
Sum squared resid
18.30044
Schwarz criterion
0.542053
Log likelihood
-45.46742
F-statistic
179795.0
Durbin-Watson stat
2.017946
Prob(F-statistic)
0.000000
Unweighted Statistics
R-squared
0.976307
Mean dependent var
37.63027
Adjusted R-squared
0.976062
S.D. dependent var
8.651587
S.E. of regression
1.338552
Sum squared resid
347.5940
Durbin-Watson stat
1.858016
（4）最終的模型
1、Y=-0.196548+0.012001X+1.002499Y(-1)
2、R^2=0.999990
3、調整後的R=0.999990
4、D.W=1.858016
5. 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。
6. 求一份計量經濟學論文,多元線性回歸模型,截面模型，與經濟有關的，有數據來源,用eviews分析的過程
古典文學常見論文一詞，謂交談辭章或交流思想。當代，論文常用來指進行科學研究和描述科研成果的文章，簡稱之為論文。它既是探討問題進行科學研究的一種手段，又是描述科研成果進行學術交流的一種工具。它包括學年論文、畢業論文、學位論文、科技論文、成果論文等，總稱為論文。
論文一般由 題名、 作者、 摘要、 關鍵詞、 正文、 參考文獻和附錄等部分組成，其中部分組成（例如 附錄）可有可無。
論文題目
要求准確、簡練、醒目、新穎。
目錄
目錄是論文中主要段落的簡表。（短篇論文不必列目錄）
內容提要
是 文章主要內容的摘錄，要求短、精、完整。
1、先確立一個論點。全文圍繞這一論點展開論證。對「開卷有益」這種說法，既不能全盤否定，寫駁論文；也不宜全盤肯定，寫成立論文。因為這種說法既有它正確的一面。又有它不夠全面的地方，所以對這個看法要採取「一分為二」的方法進行分析，肯定其有益的一面，否定其有害的一面，從中總結出正確的論點來。只有這樣才能對這一說法作出合乎事實的評價，最終達到以理服人的目的。
2、運用「一分為二」的方法進行分析，要防止出這樣一個毛病：自相矛盾。一會兒說開卷有益，一會兒說開卷有害，令人不知所雲。為了避免這種現象，文章中還要將二者的聯系點明，才算把道理真正說透。
3、從論證方法看，如果所讀的書是壞書，則開卷未必有益，這里可以採取例證法，並輔之以引證法和喻證法，用前幾年社會上黃書泛濫成災毒害青少年作為事實論據，用名人名言作為理論論據，充分論證黃書的害處和讀好書的益處。在此基礎上，再把這兩者辯正地統一起來。說明我們中學生既要多讀書，又要慎重地加以選擇、讀好書。這樣從正反兩方面進行論證，就將問題說得比較全面而深刻，文章也就具有了不可辯駁的邏輯力量。
導思：這是一篇給材料作文。該題雖然規定了作文題目，但仍給學生思維留下了很大的空間，從文體來看，寫議論文是最好的選擇。學生可以從是非觀、處世態度、治學精神等方面談自己的看法，闡述自己的見解和主張。要寫好議論文，必須做好以下三點：
1、確定論點。根據命題提供的材料，可從不同角度提煉出諸多觀點，但短短600字的文章不可能面面俱到。因此，一定要選准一個論點充分論證。
2、選好論據。論據能起到充分證明論點的作用，論據選擇要遵循兩個原則：①真實確鑿，不能有虛假成分；②具有典型性，有說服力，才能發揮更大的作用。
3、組織好論證結構。最常用的結構一般為「提出問題（引論）——分析問題（本論）——解決問題（結論）」。
7. 如何用Stata軟體做一個多元probit回歸,計量經濟學
題主的Y變數有四個類型：不付股利，支付現金，回購，和兩者結合，所以可以用多項probit回歸（Multinomial probit regression）。在Stata軟體裡面使用mprobit命令就可以。具體就是：mprobit y x1 x2 x3 x4
8. 如何用EViews做計量經濟學多元分析
做多元回歸
9. 求計量經濟學多元線性回歸模型案例分析（含eviews分析數據、截圖）
數據需要你自己去找的