1. 多元统计分析和计量经济学不同之处
多元统计 更多关注 数据之间的关系，计量有一定的经济理论基础；
多元统计只是计量的一部分内容，计量更多的是对参数分布情况的估计
2. 求能做计量经济学多元线性回归实验的数据，要50组以上的 ，在线等。急
数据可以去很多地方找的
分析的话，可以用eviews或者stata，不同软件操作不一样
3. 计量经济学中 线性回归的无偏性 和 多元相关系数 是什么意思
线性回归的无偏性: 英文中简称BLUE, best linear unbiased estimate.
（1）线性，即这个估计量是随机变量。
（2）无偏性，即这个估计量的均值或者期望值E（a）等于真实值a。
（3）具有有效估计值，即这个估计量在所有这样的线性无偏估计量一类中有最小方差。
ps: 其中(2)稍微给你解释下, 就是, 如果有y= a0+a1*x1+u , 那么unbiased代表E(a0)=a0, E(a1)=a1
多元相关系数: 其实你应该找的是"相关系数", 英文Correlation coefficient.
相关表和相关图可反映两个变量之间的相互关系及其相关方向，但无法确切地表明两个变量之间相关的程度。
著名统计学家卡尔·皮尔逊设计了统计指标——相关系数。相关系数是用以反映变量之间相关关系密切程度的统计指标。相关系数是按积差方法计算，同样以两变量与各自平均值的离差为基础，通过两个离差相乘来反映两变量之间相关程度；着重研究线性的单相关系数。
依据相关现象之间的不同特征，其统计指标的名称有所不同。如将反映两变量间线性相关关系的统计指标称为相关系数（相关系数的平方称为判定系数）；将反映两变量间曲线相关关系的统计指标称为非线性相关系数、非线性判定系数；将反映多元线性相关关系的统计指标称为复相关系数、复判定系数等
4. 计量经济学 求一份 EViews软件做的多元线性回归模型 要有数据和表格结果分析
应用计量经济学综合实验报告
一、观察序列特征
（一）变量的描述统计
变量的描述统计表
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）变量的趋势分析
1、各变量的时间序列图
2、根据时序图大致判断变量的平稳性
答：不平稳
（三）双变量分析
1、画出XY散点图
2、计算变量X和Y间的相关系数
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、计量经济学分析
（一）X和Y的单整阶数检验（选择适当的检验模型并说明理由，报告结果及结论）
X的一阶单整检验：
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
趋势项不显著，改选模型二；
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
截距项不显著，改选模型一；
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
根据ADF检验值可知，ADF值小于各个显著水平下的临界值，故应拒绝原假设，认为没有单位根，是平稳序列。故X是一阶单整序列；
Y的一阶单整检验：
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
趋势项不显著，改选模型二；
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
截距项不显著，改选模型一；
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
根据ADF检验值可知，ADF值小于各个显著水平下的临界值，故应拒绝原假设，认为没有单位根，是平稳序列。故Y是一阶单整序列；
综上所述，X与Y都是一阶单整序列
（二）用Y,X,常数项，以及Y的滞后一期值建立二元回归模型
1、用OLS估计模型Y=b0+b1X+b2Y-1+m，回归结果如下：
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、检验和改进
（1）统计检验和结论（t检验，F检验）
用t检验: P（x）>α，不显著
P（C）>α，不显著
PY(-1)> α，显著
用f检验：P（f）<α,显著
（2）计量经济学检验和结论（异方差检验，序列相关性检验）
F-statistic
0.689788
Probability
0.599846
Obs*R-squared
2.790897
Probability
0.593405
不显著，接受原假设，故无异方差性
Breusch-Godfrey Serial Correlation LM Test:
F-statistic
0.471125
Probability
0.625019
Obs*R-squared
0.962067
Probability
0.618144
不显著，接受原假设，故无序列相关性
（3）对模型估计方法的改进（若存在有异方差或序列相关性时，采用WLS或GLS估计的结果）
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）最终的模型
1、Y=-0.196548+0.012001X+1.002499Y(-1)
2、R^2=0.999990
3、调整后的R=0.999990
4、D.W=1.858016
5. 计量经济学课题：需要提一个课题做多元回归分析写报告的。不知道研究什么方向好，请贵人指导 有兴趣的课题
我不知道你的这个报告是以什么为目的的？
如果是以熟悉模型检验，经济意义检验以及其他的共线，异方差和设定误差的熟悉为目的的话，你可以从书里随意找到一个多元的模型。然后在统计数据里（时间序列最好）找到数据。然后你自己按照程序，一一检验得到答案即可。
如果是以研究方向为主，那么这个就有些复杂了。通常你需要阅读很多的文献。中文多以（。。。。实证分析）为题的文章。从这些文章中找到你认为不妥或者可以改善的地方。这是一个捷径。自己去找方向，在你没有一定阅读量的基础上，是很难找到的。其结果就是，要么自己设定的模型本身就是错的。要么就是前人其实已经研究过了。所以在你感兴趣的领域找些前人已做的检验是最好的。
6. 求一份计量经济学论文,多元线性回归模型,截面模型，与经济有关的，有数据来源,用eviews分析的过程
古典文学常见论文一词，谓交谈辞章或交流思想。当代，论文常用来指进行科学研究和描述科研成果的文章，简称之为论文。它既是探讨问题进行科学研究的一种手段，又是描述科研成果进行学术交流的一种工具。它包括学年论文、毕业论文、学位论文、科技论文、成果论文等，总称为论文。
论文一般由 题名、 作者、 摘要、 关键词、 正文、 参考文献和附录等部分组成，其中部分组成（例如 附录）可有可无。
论文题目
要求准确、简练、醒目、新颖。
目录
目录是论文中主要段落的简表。（短篇论文不必列目录）
内容提要
是 文章主要内容的摘录，要求短、精、完整。
1、先确立一个论点。全文围绕这一论点展开论证。对“开卷有益”这种说法，既不能全盘否定，写驳论文；也不宜全盘肯定，写成立论文。因为这种说法既有它正确的一面。又有它不够全面的地方，所以对这个看法要采取“一分为二”的方法进行分析，肯定其有益的一面，否定其有害的一面，从中总结出正确的论点来。只有这样才能对这一说法作出合乎事实的评价，最终达到以理服人的目的。
2、运用“一分为二”的方法进行分析，要防止出这样一个毛病：自相矛盾。一会儿说开卷有益，一会儿说开卷有害，令人不知所云。为了避免这种现象，文章中还要将二者的联系点明，才算把道理真正说透。
3、从论证方法看，如果所读的书是坏书，则开卷未必有益，这里可以采取例证法，并辅之以引证法和喻证法，用前几年社会上黄书泛滥成灾毒害青少年作为事实论据，用名人名言作为理论论据，充分论证黄书的害处和读好书的益处。在此基础上，再把这两者辩正地统一起来。说明我们中学生既要多读书，又要慎重地加以选择、读好书。这样从正反两方面进行论证，就将问题说得比较全面而深刻，文章也就具有了不可辩驳的逻辑力量。
导思：这是一篇给材料作文。该题虽然规定了作文题目，但仍给学生思维留下了很大的空间，从文体来看，写议论文是最好的选择。学生可以从是非观、处世态度、治学精神等方面谈自己的看法，阐述自己的见解和主张。要写好议论文，必须做好以下三点：
1、确定论点。根据命题提供的材料，可从不同角度提炼出诸多观点，但短短600字的文章不可能面面俱到。因此，一定要选准一个论点充分论证。
2、选好论据。论据能起到充分证明论点的作用，论据选择要遵循两个原则：①真实确凿，不能有虚假成分；②具有典型性，有说服力，才能发挥更大的作用。
3、组织好论证结构。最常用的结构一般为“提出问题（引论）——分析问题（本论）——解决问题（结论）”。
7. 如何用Stata软件做一个多元probit回归,计量经济学
题主的Y变量有四个类型：不付股利，支付现金，回购，和两者结合，所以可以用多项probit回归（Multinomial probit regression）。在Stata软件里面使用mprobit命令就可以。具体就是：mprobit y x1 x2 x3 x4
8. 如何用EViews做计量经济学多元分析
做多元回归
9. 求计量经济学多元线性回归模型案例分析（含eviews分析数据、截图）
数据需要你自己去找的