实验报告要求

Author

Li Zongzhang

Published

2026-03-20

选题与数据

详见👉:小组任务要求

实验报告形式

封面

  • 课程名称：计量经济学实验

  • 学期：2025 - 2026第2学期

  • 题目：

  • 小组成员(按学号由小到大排列)

    • 学号1 组员1
    • 学号2 组员2
    • 学号3 组员3
    • 学号4 组员4

1 选题背景与研究问题

  • 撰写要求：
    • 简述你观察到的某种经济或社会现象，并说明为什么研究这个现象是有趣且有现实价值的（研究动机）。
    • 明确本研究试图回答的一个或几个问题(如X1对Y有何影响？)。

2 理论逻辑与研究假说

  • 撰写要求：
    • 基于你的直觉判断或经济学常识，阐述变量间的内在影响机制。
    • 明确提出待检验的科学假说 \(H_1\)。
  • 评分要点：
    • 逻辑推演合理，能清晰解释“为什么对变量之间的关系有这样的预期”。
    • 假说表述具体、可观测、可证伪。

3 数据概况

  • 撰写要求：
    • 描述样本选取过程及样本容量。
    • 描述性统计：报告所有变量的均值、中位数、最小值、最大值、标准差。
    • 可视化探究：通过直方图、散点图、相关系数矩阵展示变量的分布，变量间的关联。
  • 评分要点：
    • 数据收集过程清晰，变量含义明确，统计量、图形完整。

4 实证分析：模型构建与检验

4.1 模型设定

  • 写出经济计量模型的表达式： \[Y_{i} = B_0 + B_1 X_{1} +...+ B_2 X_{2} + u_{i}\]
  • 选用你认为最合适的模型形式。

4.2 参数估计结果

  • 按照学术规范列表报告模型估计结果（含系数、标准误/t值、显著性星号等）。
  • 解释为什么该模型是一个“好的”模型。
  • 选用你认为最合适的一个或几个模型
  • 不要写模型的尝试的过程，只写最终的模型设定

4.3 模型诊断（重点）

  • 展示 R 或 EViews 的输出结果截图，并用“人话”简要解释：
    • 残差的图形诊断
    • 多余或遗漏变量的检验
    • 多重共线性诊断
    • 异方差检验

4.4 估计结果解释

  • 显著系数：解释其经济学含义，讨论与现实/猜想是否一致。
  • 不显著系数：结合现实分析可能的原因（如样本量不足、内生性或确实无影响）。

5 结论和启示

  • 结论：概括实证研究最主要的发现，直接响应研究假说。
  • 启示：基于你的实证发现，提出 1-2 条具有现实意义的建议。

6 EViews或R代码

  • EViews或R代码

7 心得体会(各成员独立完成)

  • 小组成员1学号 姓名 班级 个人心得体会
    • 本人在小组作业和实验报告中做的具体工作
    • 遇到过什么困难，如何解决的
    • 课程建议和感想
    • 个人心得体会字数不少于500字

提交要求

  • 提交时限
    • 电子文件：第17周2026-6-22(周一)-20:00
      • 提交下述文件至QQ群“实验报告”文件夹中
        • 实验报告PDF版，文件命名“第#组+组长+班级+主题.pdf”, 如“第1组徐颖颜22金融3星巴克.pdf”, 不要提交WORD文件
        • EXCEL数据文件，文件命名“第#组+组长+班级+主题.xlsx”, 如“第1组徐颖颜22金融3.xlsx”
        • R代码文件“第#组+组长+班级+主题.R” (可选，不是必须)
    • 实验报告打印稿：第17周2026-6-23(周二课间)

实验报告评价标准

评分体系总览

本实验报告采取百分制，旨在评估学生在经济学逻辑构建、计量模型应用、软件操作规范及学术反思四个维度的综合能力。

详细评分指标

1. 选题价值与变量构建 (20分)

  • 选题意义：研究课题具有明确的现实意义，非随意堆砌数据。
  • 变量定义：被解释变量、核心解释变量及控制变量选取有理论依据，变量定义准确。
  • 数据质量：数据来源可靠，样本量、变量的类型和个数满足课程要求。

2. 理论框架与研究假说 (10分)

  • 逻辑推演：基于经济理论清晰阐述变量间的内在影响机制。
  • 假说表述：提出明确的待检验科学假说 \(H_1\)，要求假说具体、可观测、可证伪。

3. 数据概览与特征分析 (10分)

  • 描述性统计：报告均值、标准差、最大/最小值等核心统计量，并对异常值进行识别与处理说明。
  • 可视化呈现：通过直方图、箱线图、散点图展现变量的分布，或变量之间间的关联。

4. 实证模型与计量分析 (30分)

  • 模型设定：模型形式表达规范
  • 结果阐释：参数估计值的含义解释准确；显著性水平（p值、t值）标注规范。
  • 模型诊断：系统进行模型诊断，至少包含以下内容：
    • 残差的图形诊断
    • 多余或遗漏变量的检验
    • 多重共线性诊断
    • 异方差检验

5. 结论提炼与对策建议 (10分)

  • 结论准确性：结论必须直接响应研究假说，严禁脱离实证结果过度推断。
  • 启示：基于实证发现提出针对性的建议，体现独立思考。

6. 个人心得与反思 (10分)

要求：各小组成员独立完成，字数不少于 500 字。

  • 具体贡献：清晰界定个人在数据收集、建模、代码编写或文档撰写中的具体具体工作。
  • 问题解决逻辑：详细描述在实验中遇到的具体困难（如软件报错、系数不显著等）以及寻找解决方案的过程。
  • 课程反馈：对教学内容的应用心得及建设性改进建议。

7. 报告质量与技术附件 (10分)

  • 规范性：报告结构清晰，图表编号自动关联，语言表达专业。
  • 可复现性：**必须随报告提交Excel数据文件，以及EViews或R代码，老师运行代码后应能直接复现报告中的所有结果。

加分项：R 语言实践激励 (额外加分 5-10%)

为了鼓励学生探索现代数据科学工具，对于主动使用 R 语言 完成实验报告的小组，将在总分基础上获得额外加分。加分标准不仅取决于“使用了 R”，更取决于“如何使用 R”：

基础加分 (5%) —— 技术迁移奖

  • 能够使用 R 完整复现实验报告要求的全部流程（从描述性统计到回归分析与诊断）。

  • 代码运行无误，注释清晰，输出图表（如 ggplot2 绘制的图形）比 EViews 默认图表更具专业美感。

进阶加分 (6-10%) —— 技术规范奖

  • 若代码展现出以下高级素养，分值将向 6% - 10% 上浮：

  • 极致简洁与逻辑化 (Conciseness)：

  • 避免冗余代码，使用管道符（|> 或 %>%）使处理流程一目了然。

  • 变量命名规范，代码结构层级分明。

  • 高质量注释。

加分后的总分上限不得超过 100 分。

等级换算表

分数区间 等级 说明
90-100 优秀 逻辑严密，模型诊断全面，内生性讨论深入，代码规范。
80-89 良好 步骤完整，统计结果正确，能够独立解决大部分计量问题。
70-79 中等 字数达标，模型设定基本合理，但分析深度不足。
60-69 及格 完成基本流程，数据真实，但模型诊断及规范性欠缺。
< 60 不及格 存在抄袭嫌疑、数据造假或模型设定严重错误。