当前位置： >>
eviews的应用
计量实验课实验一EViews 软件的介绍与基本操作【实验目的】 了解 EViews 软件的基本操作对象，掌握软件的基本操作。 【实验内容】 一、数据的输入、编辑与序列生成； 二、图形分析与描述统计分析； 三、数据文件的存贮、转换。 1、什么是 EViews EViews 是 Econometric Eview
s（计量经济学视图）的缩写，通常称为计量 经济学软件包，是专门从事数据分析、回归分析和预测的工具，在科学数据分析 与评价、金融分析、经济预测、销售预测和成本分析等领域应用非常广泛。 EViews 引入了流行的对象概念，操作灵活简便，可在菜单式窗口和编程窗 口两种方式下运行，可以使用鼠标对标准的 Windows 菜单和对话框进行操作,可 直接而不需要编程解决绝大部分计量经济学问题。 2、EViews 安装 注意事项: 1)、运行压缩包中的 Autorun.exe 文件，输入序列码:demo,将 Eviews 安装到 硬盘指定目录(默认为 c:\program files\eviews5\)。 2)、将压缩包中的 Eviews5.exe 文件复制到硬盘 Eviews 安装目录(默认为： c:\program files\eviews5\)中,覆盖原有的 Eviews5.exe 文件 3、EViews 使用参考书 1） 、 《EViews 使用指南与案例》 ，张晓峒主编，机械工业出版社 ，2007 2） 、 《计量经济学试验教程》 ，李国柱，刘德智主编，中国经济出版社，2010 3)、 《数据分析与 EViews 应用》 ，易丹辉．中国统计出版社，2002 4、EViews 的窗口Eviews 的窗口分为几个部分：标题栏、主菜单栏、命令窗口、状态行和工作区（如图 1-1 所示） 。1计量实验课图 1-1 Eviews 窗口主菜单包含九个主菜单，每个主菜单下包含若干菜单项。 File(文件) Edit(编辑) Object(对象)：主菜单下有：New Object(新建对象)、Fetch from DB（从数据 库导入） 、Update selected from DB（从数据库更新对象） 、store selected to DB（把选定的对象存储到数据库） 、copy selected（复制所选定的对象） 、rename （重命名） 、 freeze output （冻结当前输入） Qucik 提供快速分析过程，即一些频繁使用的功能。主要菜单有：sample（改编 样本范围） 、generate series（生成序列） 、show（打开已选择的对象，或将多 个序列合成一个群对象） 、graph（画图） 、empty group（打开一个空群） 、series statics （产生序列统计量） 、 group statistics （进行群统计） 、 estimate equation （估计方程） 、 estimate VAR（估计向量回归方程） 。 初学者需牢记以下两点。 （1） 、 Eviews 软件的具体操作是在 Workfile （工作簿） 中进行。 如果想用 Eviews 进行某项具体的操作，必须先新建一个 Workfile 或打开一个已经存在硬盘（或 软盘）上的 Workfile，然后才能够定义变量、输入数据、建造模型等操作； （2） 、Eviews 处理的对象及运行结果都称之为 objects，如序列（series） 、方 程(equations)、模型（models） 、系数（coefficients）等 objects。可以以不 同形式浏览（views）objects，比如表格（spreadsheet） 、图（graph） 、描述统 计（descriptive statistics）等，但这些浏览（views）不是独立的 objects， 他们随原变量序列（views）的改变而改变。如果想将某个浏览（views）转换成 一个独立的 objects，可使用 freeze 按钮将该 views“冻结” ，从而形成一个独2计量实验课立的 objects，然后可对其进行编辑或存储。 5、数据操作 常用函数：abs(x),exp(x),inv(x),log(x),log10(x),log10(x,b),sqrt(x) 常用描述统计函数： cor(x,y),cov(x,y),mean(x),medan(x),min(x),stdev(x),var(x),sum(x) 描述性统计常用的量：6、基本操作的例子【例 1】以下表中数据 1 为例进行操作。 数据 1 2002 年中国各地区城市居民人均年消费支出和可支配收入 城市居民家庭平均每人 地 北京 天津 河北 山西 内蒙古 辽宁 吉林 黑龙江 上海 江苏 浙江 安徽 福建 江西 山东 河南 湖北 湖南 广东 区 每年消费支出(元) Y 1.96 0.96 2.64 2.08 2.60 6.52 9.32 4.68 4.72 8988.483城市居民人均 年可支配收入(元)X 7.56 4.35 4.52 0.56 7.64 2.40 4.64 5.40 8.56 11137.20计量实验课广西 海南 重庆 四川 贵州 云南 西藏 陕西 甘肃 青海 宁夏 新疆 【实验步骤】9.64 3.08 7.92 8.04 2.52 6.402.72 0.80 0.56 0.84 0.52 9.64一、建立工作文件并录入数据 File\New\workfile, 弹出 Workfile create 对话框中选择数据类型。“Workfile frequency”中选择数据频率： Annual (年度) Quartrly (季度) Semi Annual (半年) Monthly (月度) Weekly ( 周数据 ) Daily (5 day week ) ( 每周 5 天日数据 ) Daily (7 day week ) ( 每周 7 天日数据 ) Undated or irreqular (未注明日期或不规则的)Object\newobject\group,按向上的方向键，出现两个 obs,输入变量名 Y，X。粘 贴收集数据。数据见数据的 excel 文档。二、数据的描述性统计与画图描述性统计： quick/group statistics/ descriptive statistics\common sample 或打开对象 x 与 y,点 View\descriptive statistics\common sample其中， Mean――均值 Median――中位数 Maximum――最大值 Minimum――最小值 Std.Dev.――标准差 Skewness――偏度 Kurtosis――峰度 Jarque-Bera――JB 统计量 Probability――概率 Sum――和 Sum Sq.Dev.――离差平方和 Observations――观测值个数画散点图：点 view\graph\scatter\x y 注意：点击图形窗口中 object 中 Freeze 按钮，再点击图顶部的 name ，给其一个名字Graph01，这样就将图保存在 workfile 中。该线性图不随 Y、X 数据变化而变化，是独立的， 可以对其进行编辑；而没有冻结前的图形，仅仅是 Y、X 数据的一种图形浏览形式，他随着 Y、X 数据变化而变化。4计量实验课画散点图：点 view\graph\scatter\x y 三、生成 log（Y） 、log（X） 、X^2、1/X 等序列workfile 中的 quick/generate series 功能来生成新变量.如 GENR LOGY=LOG(Y) GENR LOGX=LOG(X) GENR X1=X^2 GENR X2=1/X实验二 简单线形回归【实验目的】 一元线形回归模型中参数的估计与应用 【实验内容】 一数据的导入 二参数估计 三计算结果的分析 【案例】 例 2.以数据 1 为例，估计其参数并分析结果 【实验步骤】 1 建立工作文件并录入数据 File\New\workfile, 弹出 Workfile create 对话框中选择数据类型。 Object\new object\group,按向上的方向键，出现两个 obs 后输入数据. 2 模型结果 点 Quick\estimate equation,在弹出的对话框中输入”Y C X”，注意变量间留 空格。 4 结果的含义与分析 结果如下在本例中，参数估计的结果为：5计量实验课Yi ? 282.2434 ? 0.758511X i（287.2649） (0.036928) t=(0.982520) (20.54026)^r 2 ? 0.935685模型检验 （1） 、经济意义检验F=421.9023 df=29所估计的参数 ? 2 ? 0.758511 ，说明城市居民人均年可支配收入每相差 1 元，可导致居 民消费支出相差 0.758511 元。这与经济学中边际消费倾向的意义相符。 （2） 、拟合优度和统计检验 用 EViews 得出回归模型参数估计结果的同时，已经给出了用于模型检验的相关数据。 拟合优度的度量：由表 2.6 中可以看出，本例中可决系数为 0.935685，说明所建模型整 体上对样本数据拟合较好，即解释变量“城市居民人均年可支配收入”对被解释变量“城市 居民人均年消费支出”的绝大部分差异作出了解释。 对回归系数的 t 检验：针对 H 0 : ?1 ? 0 和 H 0 : ? 2 ? 0 ，由表 2.6 中还可以看出，估计的 回归系数 ?1 的标准误差和 t 值分别为： SE ( ?1 ) ? 287.2649 ， t ( ?1 ) ? 0.982520 ； ? 2 的标 准误差和 t 值分别为： SE ( ? 2 ) ? 0.036928 ，t ( ? 2 ) ? 20.54026 。取 ? ? 0.05 ，查 t 分布表 得 自 由 度 为^ ^ ^ ^ ^ ^^n ? 2 ? 3 1 ? 2 ?的 2 临 9 界 值 t0.( 0 22 ?9 5 )2 0 4 。. 因 为5t (?1 ? )^^0 . 9 ? t8 0 2 . 5 2 0 ? 2 50( 2 ) 能2 0 H 4 05 : ?1 ? 0 ； 因 为 ， 所 以9不 拒. 绝t (?2 ) ? 20.54026 ? t0.025 (29) ? 2.045 ，所以应拒绝 H 0 : ?2 ? 0 。这表明，城市人均年可支配收入对人均年消费支出有显著影响。预测省。 练习数据(课本上 37 面,例 2.3.2 的数据)收入 X 800 00 00 2900 6 支出 Y 638 935 08 68计量实验课实验三 多元线性回归和可线形化的回归模型【实验目的】 多元线性回归的软件操作,可线性化回归模型的原理与软件操作 【实验内容】 一、数据输入 二、根据数据画散点图 三、多元线性回归与非线性模型的软件操作与结果分析 【案例】 例 3：税收收入的模型分析:为了全面反映中国税收增长的全貌，选择包括中央和地方税收的“国家财政收入”中的 “各项税收” （简称“税收收入” ）作为被解释变量，以反映国家税收的增长；选择“国内生 产总值（GDP） ”作为经济整体增长水平的代表；选择中央和地方“财政支出”作为公共财 政需求的代表；选择“商品零售物价指数”作为物价水平的代表。由于财税体制的改革难以 量化，而且 1985 年以后财税体制改革对税收增长影响不是很大，可暂不考虑税制改革对税 收增长的影响。所以解释变量设定为可观测的“国内生产总值” 、 “财政支出” 、 “商品零售物 价指数”等变量。 从《中国统计年鉴》收集到以下数据：税收收入 年份 （Y）（亿元） 80 83 86
537.82 571.70 629.89 700.02 775.59 947.35 0.73 2140.36国内生产总值 （X2）（亿元） 8.2 2.4 4.5 4.4 62.57财政支出 （X3）（亿元） 1.79 8.41 9.52 4.25 2.18商品零售价格指数 （X4）（%） 100.7 102.0 106.0 102.4 101.9 101.5 102.8 108.8 106.0 107.3计量实验课90 93 96 99 027.40 0.17 5.30 8.04 4.04 82.58 01.38 17636.4509.2 17.8 34.4 78.1 62.6 67.5 14.8 3.78 6.62 2.30 3.72 3.56 87.67 02.58 22053.15118.5 117.8 102.1 102.9 105.4 113.2 121.7 114.8 106.1 100.8 97.4 97.0 98.5 99.2 98.7步骤: 1 参数估计a) 建立工作文件： 启动 EViews， 点击 File\New\Workfile， 在对话框 “Workfile Range” 。在 “Workfile frequency” 中选择 “Annual” (年度)， 并在 “Start date” 中输入开始时间 “1978” ， 在“end date”中输入最后时间“2002” ，点击“ok” ，出现“Workfile UNTITLED”工作框。 其中已有变量： “c”―截距项 “resid”―剩余项。在“Objects”菜单中点击“New Objects”， 在“New Objects”对话框中选“Group”，并在“Name for Objects”上定义文件名，点击“OK” 出现数据编辑窗口。 b)输入数据：8计量实验课c)估计参数： 点击 “Procs “下拉菜单中的 “Make Equation” ， 在出现的对话框的 “Equation Specification” 栏中键入 “Y C X2 X3 X4” ， 在 “Estimation Settings” 栏中选择 “Least Sqares” (最小二乘法)，点“ok” ，即出现回归结果： 表 3.4总结： 多元与一元操作类似，只是多了解释变量。 根据表 3.4 中数据，模型估计的结果为：Yi ? ? ? 0.022067 X 2 ? 0.702104 X 3 ? 23.98541X 4(940.6128) t= (-2.7459) (0.0056) (3.9566) (0.0332) (21.1247) (8.7363) (2.7449) df=21^R 2 ? 0.99742、模型检验 a)经济意义检验R 2 ? 0 . 9 9 7 1 F=模型估计结果说明，在假定其它变量不变的情况下，当年 GDP 每增长 1 亿元，税收收 入就会增长 0.02207 亿元；在假定其它变量不变的情况下，当年财政支出每增长 1 亿元，税 收收入会增长 0.7021 亿元；在假定其它变量不变的情况下，当年零售商品物价指数上涨一 个百分点，税收收入就会增长 23.9854 亿元。这与理论分析和经验判断相一致。 b)统计检验2 （ 1 ）拟合优度：由表 3.4 中数据可以得到： R ? 0.9974 ，修正的可决系数为R 2 ? 0.9971 ，这说明模型对样本的拟合很好。（2）F 检验：针对 H0 : ?2 ? ?3 ? ?4 ? 0 ，给定显著性水平 ? ? 0.05 ，在 F 分布表中查9计量实验课出自由度为 k-1=3 和 n-k=21 的临界值 F? (3, 21) ? 3.075 。由表 3.4 中得到 F=，由于 F=& F? (3, 21) ? 3.075 ，应拒绝原假设 H0 : ?2 ? ?3 ? ?4 ? 0 ，说明回归方程显著， 即“国内生产总值” 、 “财政支出” 、 “商品零售物价指数”等变量联合起来确实对“税收收入” 有显著影响。 （3）t 检验：分别针对 H 0 ： ? j ? 0 ( j ? 1, 2,3, 4) ，给定显著性水平 ? ? 0.05 ，查 t 分布 表得自由度为 n-k=21 临界值^t? (n ? k ) ? 2.0802。由表 3.4 中数据可得，与 ?1 、 ? 2 、 ? 3 、^^^? 4 对 应 的 t 统 计 量 分 别 为 -2.7459 、 3.9566 、 21.1247 、 2.7449 ， 其 绝 对 值 均 大 于 t? (n ? k ) ? 2.080 ? ? 0 ( j ? 1, 2,3, 4) H2，这说明分别都应当拒绝0：j，也就是说，当在其它解释变量不变的情况下，解释变量“国内生产总值” （ X2 ） 、 “财政支出” （ X3 ） 、 “商 品零售物价指数” （ X 4 ）分别对被解释变量“税收收入”Y 都有显著的影响。例 4:随着经济的增长，国家财政收入也随之增长，但这种增长可能是非线性的。 如下表列出了中国
年的 GDP 与财政输入 Y 的数据。 年份 财政收入（Y） 国内生产总值(X)
8 02.3 .08 0 14.6 .04
实验步骤： 1、 国内生产总值（x）与财政收入 (y) 的相关图。 Scat y x 或点菜单 view\graph\scatter\x y 2、 根据散点图，考虑以下模型：10计量实验课模型 线性模型 倒数模型 指数模型 多项式模型表达式 y=a+bx+u 1/y=a+bx+u命令方式 LS Y C X GENR DY=1/Y LS DY C X lny=a+bx+u GENR Lny=log(y) Ls lny c x y=a+bx+cx^2 GENR X2=X^2 LS Y C X X2菜单方式 Y C X 1/Y C X LOG(Y) C X Y C X X^2根据上面数据，分别计算出以上模型参数估计的结果。 3、 比较以上模型，判断哪个模型的拟合效果最好。 （根据 F，t 检验和 R2 判 断）实验四 异方差的检验与修正案例 5：课本 116 面案例――中国农村居民人均消费函数。 主要步骤： 1、得出模型 lny=a+blnx1+clnx2+u 的结果 输入命令：log(y) c log(x1) log(x2) 2、模型异方差的检验 图示法： 可以认为不同地区农村人均消费支出的差别主要来源于非农经营收入及 工资收入、财产收入等其他收入的差别上，因此，如果存在异方差，则可能是由 X2 引起的，作出 ei2 ? ln( x2 ) 的散点图； Graph/scatter 输入 log(x2) e^2 G-Q 检验 (1)将原始数据按 X2 排序在主窗口 Procs 菜单里选 Sort current page 命令，输入排序变量 x2，如果以递增型 排序，选 Ascenging，如果以递减型排序，则应选 Descending，键入 X，点 ok。 （2）构造子样本区间，建立回归模型。在本例中，样本容量 n=31，删除中间 1/4 的观 测值，即大约 7 个观测值，余下部分平分得两个样本区间：1―12 和 20―31，它们的样本个 数均是 12 个。 在 Sample 菜单里，将区间定义为 1―12，然后用 OLS 方法求得结果 在 Sample 菜单里，将区间定义为 20―31，然后用 OLS 方法求得结果对两个子样本分别作 OLS 回归，求各自的残差平方和 RSS1 和 RSS2 （也可以在 excel 中排序后再，再作回归）,再根据 F 统计量判断 （3）根据 F 统计量作出异方差的判断。11计量实验课怀特检验 作辅助回归:（课本 118）et2 ? 10.24 ? 2.3ln x1? 0.46ln x2 ? 0.5(ln x1)2 ? 0.02(ln x2)2 ? 0.02ln x1ln x2再比较 n R 2 与临界值的大小 在 equation 窗口中选择 View/residual test/white heteroskedasticity 结果有交叉项和没有交叉项的结果。比较其伴随概率即可以。 3 异方差的修正 可以在 evies 主窗口中选择 quick/estimate equation/options,在窗口中输入 权数如 1/x1,1/log(x1)等。 方法一：命令 GENR W1=1/X GENR W2=1/SQR(X) GENR W3=1/ABS(resid) GENR W4=resid^2 再输入：LS(W=Wi) Y C X 方法二：在 estimate/option 中输入权数栏输入 W1，W2 等 再根据怀特检验输出结果判断是否存在异方差性。 练习： 一、问题的提出和模型设定 为了给制定医疗机构的规划提供依据，分析比较医疗机构与人口数量的关 系， 建立卫生医疗机构数与人口数的回归模型。假定医疗机构数与人口数之间满 足线性约束，则理论模型设定为Yi ? ?0 ? ?1 X i ? ui其中 Yi 表示卫生医疗机构数， X i 表示人口数。由 2001 年《四川统计年鉴》得到 如下数据。 表 5.1 四川省 2000 年各地区医疗机构数与人口数 地区 人口数（万 医疗机构数 人） X
眉山 宜宾 广安 339.9 508.5 438.6 827
（个）Y地区 人口数（万 医疗机构数 人） X 成都 自贡 攀枝 花
103 （个）Y12计量实验课泸州 德阳 绵阳 广元 遂宁 内江 乐山 南充463.7 379.3 518.4 302.6 371 419.9 345.9 709.216 12 达州 雅安 巴中 资阳 阿坝 甘孜 凉山620.1 149.8 346.7 488.4 82.9 88.9 402.43
1471二、参数估计 设模型为 Yi ? ?0 ? ?1 X i ? ui ，估计其参数。 三、检验模型的异方差 （一）图示法 （1）画出 Y-X 的散点图； （2）画出 ei2 ? X 的散点图； 从以上图形判断 u i 是否存在异方差. （二）Goldfeld-Quanadt 检验 （三）White 检验 四、异方差性的修正（通过权数）详细的过程解答二、参数估计 进入 EViews 软件包，确定时间范围；编辑输入数据；选择估计方程菜单，估计样本回 归函数如下 表 5.213计量实验课估计结果为? ? ?563.5X Y i i (?1.9311 )2(8.3403 )(5.32)R ? 0.7855 , s.e. ? 508.2665 , F ? 69.56括号内为 t 统计量值。 三、检验模型的异方差本例用的是四川省 2000 年各地市州的医疗机构数和人口数，由于地区之间存在的不同 人口数，因此，对各种医疗机构的设置数量会存在不同的需求，这种差异使得模型很容易产 生异方差，从而影响模型的估计和运用。为此，必须对该模型是否存在异方差进行检验。 （一）图形法 1、EViews 软件操作。 由路径：Quick/Qstimate Equation，进入 Equation Specification 窗口，键入“y c x” ，确认并“ok” ，得样本回归估计结果，见表 5.2。 （1）生成残差平方序列。在得到表 5.2 估计结果后，立即用生成命令建立序列 ei ，记 为 e2。 生成过程如下， 先按路径： Procs/Generate Series， 进入 Generate Series by Equation 对话框，即214计量实验课图 5.4 然后，在 Generate Series by Equation 对话框中（如图 5.4） ，键入“e2=（resid）^2” ， 则生成序列 ei 。 （2）绘制 et 对22X t 的散点图。选择变量名 X 与 e2（注意选择变量的顺序，先选的变量将在图形中表示横轴，后选的变量表示纵轴） ，进入数据列表，再按路径 view/graph/scatter，可得散点图，见图 5.5。图 5.52、判断。由图 5.5 可以看出，残差平方 ei 对解释变量 X 的散点图主要分布在图形中的 下三角部分，大致看出残差平方 ei 随 X i 的变动呈增大的趋势，因此，模型很可能存在异方 差。但是否确实存在异方差还应通过更进一步的检验。1522计量实验课（二）Goldfeld-Quanadt 检验 1、EViews 软件操作。 （1）对变量取值排序（按递增或递减） 。在 Procs 菜单里选 Sort Series 命令，出现排 序对话框，如果以递增型排序，选 Ascenging，如果以递减型排序，则应选 Descending，键 入 X，点 ok。本例选递增型排序，这时变量 Y 与 X 将以 X 按递增型排序。 （2）构造子样本区间，建立回归模型。在本例中，样本容量 n=21，删除中间 1/4 的观 测值，即大约 5 个观测值，余下部分平分得两个样本区间：1―8 和 14―21，它们的样本个 数均是 8 个，即 n1 ? n2 ? 8 。 在 Sample 菜单里，将区间定义为 1―8，然后用 OLS 方法求得如下结果 表 5.3在 Sample 菜单里,将区间定义为 14―21，再用 OLS 方法求得如下结果 表 5.4（3）求 F 统计量值。基于表 5.3 和表 5.4 中残差平方和的数据，即 Sum squared resid 的值。由表 5.3 计算得到的残差平方和为 方和为?e2 1i? ，由表 5.4 计算得到的残差平?e2 2i? ，根据 Goldfeld-Quanadt 检验，F 统计量为16计量实验课F??e ?e2 2i 2 1i? ? 5.066 （5.33）（4）判断。在 ? ? 0.05 下，式（5.33）中分子、分母的自由度均为 6，查 F 分布表得 临界值为F0.05 (6,6) ? 4.28，因为 F ? 5.066 ? F0.05 (6,6) ? 4.28 ，所以拒绝原假设，表明模型确实存在异方差。 （三）White 检验 由表 5.2 估计结果， 按路径 view/residual tests/white heteroskedasticity （no cross terms or cross terms） ，进入 White 检验。根据 White 检验中辅助函数的构造，最后一项 为变量的交叉乘积项，因为本例为一元函数，故无交叉乘积项，因此应选 no cross terms， 则辅助函数为? t2 ? ?0 ? ?1 xt ? ?2 xt2 ? vt经估计出现 White 检验结果，见表 5.5。（5.34）2 从表 5.5 可以看出，nR ? 18.0694，由 White 检验知，在 ? ? 0.05 下，查 ? 分布表,2得临界值 ? 0.05 (2) ? 5.9915（在（5.34）式中只有两项含有解释变量，故自由度为 2） ，比22 较计算的 ? 统计量与临界值，因为 nR ? 18.0694＞ ? 0.05 (2) ? 5.9915，所以拒绝原假设，22不拒绝备择假设，表明模型存在异方差。 表 5.5四、异方差性的修正 （一）加权最小二乘法（WLS）17计量实验课w1t ?在运用 WLS 法估计过程中，我们分别选用了权数1 1 1 , w2i ? 2 , w3i ? Xt Xt Xt。权数的生成过程如下，由图 5.4，在对话框中的 Enter Quation 处，按如下格式分别键入：w1 ? 1 / X ； w2 ? 1 / X ^ 2 ； w3 ? 1/ sqr( X ) ，经估计检验发现用权数 w2t 的效果最好。下面仅给出用权数w2t 的结果。表 5.7表 5.7 的估计结果如下? ? 368.0X Y i i (4.3794 ) (3.5894 ) R 2 ? 0.9387 , D.W . ? 1.7060 , s.e. ? 276.0493 , F ? 12.8838 （5.36）括号中数据为 t 统计量值。 可以看出运用加权小二乘法消除了异方差性后，参数的 t 检验均显著，可决系数大幅提 高， F 检验也显著， 并说明人口数量每增加 1 万人， 平均说来将增加 2.953 个卫生医疗机构， 而不是引子中得出的增加 5.3735 个医疗机构。虽然这个模型可能还存在某些其他需要进一 步解决的问题，但这一估计结果或许比引子中的结论更为接近真实情况。实验五 序列相关性的检验与修正[试验目的]对自相关进行检验,然后再修正 [试验内容] 自相关的检验与修正,统计软件的操作18计量实验课[试验步骤]例子：将消费模型设定为Yt ? ?1 ? ? 2 X t ? ut式中，Yt 为农村居民人均消费支出，X t 为农村人均居民纯收入，ut 为随机误差项。表 6.3 是 从《中国统计年鉴》收集的中国农村居民
年的收入与消费数据。 表 6.3年份 全年人均纯收入 （现价） 87 90 93 96 99 02
423.80 462.60 544.90 601.50 686.30 708.60 784.00 921.60 7.70 0.10 4.30 6.40 2.24 年农村居民人均收入和消费全年人均消费性支出 （现价） 317.42 357.00 398.30 476.70 535.40 584.63 619.80 659.80 769.70 0.36 7.15 7.42 1.00 3.30 消费价格指数 （） 100.0 106.1 112.7 132.4 157.9 165.1 168.9 176.8 201.0 248.0 291.4 314.4 322.3 319.1 314.3 314.0 316.5 315.2 320.2 人均实际纯收入 （1985 可比价） 397.60 399.43 410.47 411.56 380.94 415.69 419.54 443.44 458.51 492.34 541.42 611.67 648.50 677.53 704.52 717.64 747.68 785.41 818.86单位：元人均实际消费性支出 （1985 可比价） 317.40 336.48 353.42 360.05 339.08 354.11 366.96 373.19 382.94 410.00 449.69 500.03 501.77 498.28 501.75 531.85 550.08 581.85 606.81注：资料来源于《中国统计年鉴》。为了消除价格变动因素对农村居民收入和消费支出的影响， 不宜直接采用现价人均纯收 入和现价人均消费支出的数据，而需要用经消费价格指数进行调整后的 1985 年可比价格计 的人均纯收入和人均消费支出的数据作回归分析。19计量实验课根据表 6.3 中调整后的 1985 年可比价格计的人均纯收入和人均消费支出的数据，使用 普通最小二乘法估计消费模型得? ? 106.8 Y Xt tSe = (12.2238) t = (8.7332)2（6.44）(0.0214) (28.3067)R = 0.9788，F = 786.0548，d f = 17，DW = 0.7706 该回归方程可决系数较高，回归系数均显著。对样本量为 19、一个解释变量的模型、5%显 著水平，查 DW 统计表可知，dL=1.18，dU= 1.40，模型中 DW&dL，显然消费模型中有自相关。 这一点残差图中也可从看出，点击 EViews 方程输出窗口的按钮 Resids 可得到残差图，如图 6.6 所示。30 20 10 0 -10 -20 -30 2 4 6 8 10 12 14 16 18RESID图 6.6残差图图 6.6 残差图中，残差的变动有系统模式，连续为正和连续为负，表明残差项存在一 阶正自相关，模型中 t 统计量和 F 统计量的结论不可信，需采取补救措施。 三、自相关问题的处理 为解决自相关问题，选用科克伦―奥克特迭代法。由模型（6.44）可得残差序列 et，在 EViews 中，每次回归的残差存放在 resid 序列中，为了对残差进行回归分析，需生成命名为 e 的残差序列。在主菜单选择 Quick/Generate Series 或点击工作文件窗口工具栏中的 Procs/ Generate Series，在弹出的对话框中输入 e = resid，点击 OK 得到残差序列 et。使用 et 进行滞 后一期的自回归，在 EViews 命今栏中输入 ls e e (-1)可得回归方程 et= 0.4960 et-1 （6.45）? =0.4960，对原模型进行广义差分，得到广义差分方程 由式（6.45）可知 ?Yt ? 0.4960 Yt ?1 ? ?1 (1 ? 0.4960 ) ? ? 2 ( X t ? 0.4960X t ?1 ) ? ut（6.46）对式（6.46）的广义差分方程进行回归，在 EViews 命令栏中输入 ls Y-0.4960*Y (-1) c20计量实验课X-0.4960*X (-1)，回车后可得方程输出结果如表 6.4。表 6.4广义差分方程输出结果Dependent Variable: Y-0.496014*Y(-1) Method: Least Squares Date: 03/26/05 Time: 12:32Sample(adjusted):
Included observations: 18 after adjusting endpoints Variable C X-0.496014*X(-1) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient 60.287 0....919 -66.928 Std. Error 8..029410 t-Statistic 6..83325 Prob. 0.0 231.25 7...000Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)由表 6.4 可得回归方程为? * ? 60.3X * Y t tSe ? (8.9650 )t = （6.7423） R2 = 0.9609*（6.47）（0.0294） （19.8333） F = 393.3577*d f = 16DW = 1.3979? Yt ?1 ， X t ? X t ? 0.4960X t ?1 。 式中， Yt ? Yt ? 0.4960由于使用了广义差分数据，样本容量减少了 1 个，为 18 个。查 5%显著水平的 DW 统计 表可知 dL = 1.16，dU = 1.39，模型中 DW = 1.3979& dU，说明广义差分模型中已无自相关，不 必再进行迭代。同时可见，可决系数 R 、t、F 统计量也均达到理想水平。 对比模型 （6.44） 和 （6.47） ， 很明显普通最小二乘法低估了回归系数 ? 2 的标准误差。 [原 模型中 Se（ ? 2 ）= 0.0214，广义差分模型中为 Se（ ? 2 ）= 0.0294。 经广义差分后样本容量会减少 1 个，为了保证样本数不减少，可以使用普莱斯―温斯212???计量实验课* 2 * 2 腾变换补充第一个观测值，方法是 X 1 ? X 1 1 ? ? 和 Y1 ? Y1 1 ? ? 。在本例中即为2 2 X 1 1 ? 0.4960 和 Y1 1 ? 0.4960 。由于要补充因差分而损失的第一个观测值，所以在EViews 中就不能采用前述方法直接在命令栏输入 Y 和 X 的广义差分函数表达式，而是要生 成 X 和 Y 的差分序列 X*和 Y*。在主菜单选择 Quick/Generate Series 或点击工作文件窗口工 具栏中的 Procs/Generate Series，在弹出的对话框中输入 Y*= Y-0.4960*Y (-1)，点击 OK 得到 广义差分序列 Y*，同样的方法得到广义差分序列 X*。此时的 X*和 Y*都缺少第一个观测值， 需计算后补充进去，计算得 X 1 =345.236，Y1 =275.598，双击工作文件窗口的 X* 打开序列 显示窗口，点击 Edit+/-按钮，将 X 1 =345.236 补充到 1985 年对应的栏目中，得到 X*的 19 个观测值的序列。同样的方法可得到 Y*的 19 个观测值序列。在命令栏中输入 Ls Y* c X*得到 普莱斯―温斯腾变换的广义差分模型为* * *Yt* ? 60.3X t*Se ? (9.1298 )t = （6.5178） R2 = 0.9585 （0.0297） （19.8079） F = 392.3519 d f = 19（6.48）DW = 1.3459对比模型（6.47）和（6.48）可发现，两者的参数估计值和各检验统计量的差别很微小， 说明在本例中使用普莱斯―温斯腾变换与直接使用科克伦―奥克特两步法的估计结果无显 著差异，这是因为本例中的样本还不算太小。如果实际应用中样本较小，则两者的差异会较 大。通常对于小样本，应采用普莱斯―温斯腾变换补充第一个观测值。 由差分方程（6.46）有? ? ? 160.4 4 4 3 ?1 1 9 .9 2 9 2 1 ? 0.4 9 6 0（6.49）由此，我们得到最终的中国农村居民消费模型为 Y t = 119.3 X t （6.50）由（6.50）的中国农村居民消费模型可知，中国农村居民的边际消费倾向为 0.5833，即中国 农民每增加收入 1 元，将增加消费支出 0.5833 元。[练习]P132 面案例结果如何操作,结果的解释 注意：resid(-1)滞后 1 期； Ls Y c x t^2在方程窗口中点击 View/Residual Test/Series Correlation LM Test，经过反复选择滞后 期; Ls Y c x t^2 AR(1)22计量实验课实验六 多重共线性的检验与修正 [试验目的]多重共线性的检验,然后再修正 [试验内容]例子：建立并检验我国私人汽车拥有量预测模型。数据如表 6-1 所示。 表 6-1 中国私人汽车拥有量及影响因素数据年份 私人汽车拥有 量 Y(万辆) 国 民 收 入 X1(亿元) 钢材产量 X2(万吨) 公 路 里 程 X3 （万公里） 营运汽车拥 有量 X4（万 辆） 87 .49 34.71 42.29 60.42 73.12 74.4 36.8 3.0 6.0 9.0 94.24 96.28 98.22 99.96 101.43 27.73 29.27 30.32 30.69 30.85 城镇居民 消 费 X5( 亿 元) 2.9 4.1 4266.923计量实验课92 95 98 01 04 0781.62 96.04 118.20 155.77 205.42 249.96 289.67 358.36 423.65 533.88 625.33 770.78 968.98 1.66 3.32 2876.2226.2 60.0 10.5 60.8 79.2 068.2
8.0 6.0 9.8 8.9 09.8 67.6 08.0 71.1 60.9102.83 104.11 105.67 108.35 111.78 115.70 118.58 122.64 127.85 135.17 140.27 169.80 176.52 180.98 187.07 334.52 345.70 358.3731.30 31.67 30.87 28.96 27.97 27.49 28.81 29.89 31.88 501.77 702.82 764.39 826.34 924.64 .22 802.58 849.228.6 4.1 98.1 45.7 36.3 22.2 28.7 89.3 87.8【实验步骤】 一、检验多重共线性 ⒈相关系数检验 利用相关系数可以分析解释变量之间的两两相关情况。在 Eviews 软件中可以直接计算 相关系数矩阵。 本例中，在 Eviews 软件命令窗口中键入：COR X1 X2 X3 X4 X5 或在包含所有解释变量的数组窗口中点击 View\Correlations，其结果如图 6-1 所示。 由相关系数矩阵可以看出， 解释变量之间的相关系数均较高， 即解释变量之间时高度相关的。图 6-1 解释变量相关系数矩阵 ⒉辅助回归方程检验 当解释变量多余两个且变量之间呈现出较复杂的相关关系时， 可以通过建立辅助回归模 型来检验多重共线性。本例中，在 Eviews 软件命令窗口中键入： LS X1 C X2 X3 X4 X5 LS X2 C X1 X3 X4 X5 LS X3 C X1 X2 X4 X5 LS X4 C X1 X2 X3 X524计量实验课LS X5 C X1 X2 X3 X4 对应的回归结果如图 6-2 到图 6-6 所示。图 6-225计量实验课图 6-3图 6-426计量实验课图 6-5图 6-6 上述每个回归方程的 F 检验值都非常显著，方程回归系数的 T 检验值表明：X1 与 X2、 X4、X5，X2 与 X1、X4、X5，X4 与 X1、X2、X5，X5 与 X1、X2、X4 的 T 检验值较大，这些变 量之间可能相关程度较高。 二、利用逐步回归方法处理多重共线性 ⒈建立基本的一元回归方程 直接利用命令 COR Y X1 X2 X3 X4 X5。和 Y 相关系数最大的解释变量作为基本 的一元回归方程的解释变量。我们发现 Y 和 X2 的相关系数最大。 ⒉逐步引入其它变量，确定最适合的多元回归方程（回归结果如表 6-2 所示） 表 6-2 私人汽车拥有量预测模型逐步回归结果 模型 X1 X2 0.1 ) 0.6 ) 0.1 ) 0.127X3X4X5R20.9952R20.995 0 0.996 5 0.994Y=f(X2)Y=f(X2,X1) Y=f(X2,X3)0.3计量实验课(15.0071 ) Y=f(X2,X4) 0.6 ) 0.9 ) 0.009 (1.5760 ) 0.8 ) 0.4 ) 0.1 )?(0.4376)80.3) 0.3) 0.8) 0.6) 0.5) 0.9) 0.6)0.99740.997 2 0.996 9 0.997 4 0.997 4 0.997 5Y=f(X2,X5)0.9972Y=f(X2,X4,X 1) Y=f(X2,X4,X 3) Y=f(X2,X4,X 5)0.99770.99780.9978所以，建立的多元回归模型为：y = -197.3707 + 0.0479*X2 + 0..0032*X5[练习] P 课本 142 面案例分析，重点是结果分析与软件操作.实验七 虚拟变量和滞后变量模型 [试验目的] 虚拟变量和滞后变量模型的参数估计与检验 [试验内容] 例子：试根据表 7-1 的
年我国居民旅游支出与可支配收入的统计资料，建立我国居民旅游支出模型； 表 7-1 我国居民旅游支出与可支配收入统计资料 年份 旅游支出 可支配收入 年份 旅游支出 可支配收入 96 99 4.7 464.0 534.1 599.8 607.0 614.8 678.6 708.3 3 0.3 4.02
684.9 731.8 737.1 766.4 906.9 849.4 2.2 93 85.8 15780.76资料来源：据《中国统计年鉴 2009》整理计算得到28计量实验课⒈相关图分析； 键入命令：SCAT X Y，则可支配收入与旅游支出的相关图如 7-1 所示。 由于从 1999 年实行了“黄金周”，从相关图可以看出，前 5 个样本点与后 10 个样本点 存在较大差异，因此，为了反映“黄金周”这一定性因素的影响，设置虚拟变量如下：?1 ,1999年及以后 D?? ,1999以前 ?0图 7-1 我国居民可支配收入与旅游支出相关图 ⒉构造虚拟变量； 方式 1：使用 DATA 命令直接输入； 方式 2：使用 SMPL 和 GENR 命令直接定义。 DATA D1 GENR XD=X*D1 ⒊估计虚拟变量模型： Y=C+AX+BD1+ X*D1+U LS Y C X D1 XD1 再由 t 检验值判断虚拟变量的引入方式，并写出“黄金周”前后的旅游支出函数。 按照以上步骤，虚拟变量模型的估计结果如图 7-2 所示。29计量实验课图 7-2 我国居民旅游支出函数的估计 我国居民旅游支出函数的估计结果为：?i ? 26.8271 ? 0.1071xi ? 494.8081Di ? 0.0843XDi yt ? (0.2) (4.3414) (-3.6150)R 2 ＝0.9449 R 2 ＝0.9299F＝62.9337虚拟变量的回归系数的 t 检验都是显著的，且模型的拟合优度很高，说明我国居民旅游 支出模型在实行“黄金周”年份前后在截距和斜率上都存在着明显差异，所以以加法和乘法 方式引入虚拟变量是合理的。实行“黄金周”年份前后的旅游支出函数为： “黄金周”前：D=0?i ? 26.8271 ? 0.1071xi y“黄金周”后：D=1?i ? ? 26.8271 ? 494.8081? ? ?0.1071 ? 0.0843? xi ? 521.6352 ? 0.0228xi y分布滞后模型请参考课本 168 面案例和 173 面的案例。 注意：赋值语句和多项式分布滞后模型的估计GENR Z0=X+X(-1)+ X(-2)+ X(-3) GENR Z1= X(-1)+2* X(-2)+ 3*X(-3) LS Y C PDL(X,7，2)（7 为滞后期阶数，2 为多项式次数）30
eviews手把手教你入门_计算机软件及应用_IT/计算机_专业资料。EVIEWS 简介 ? ? Eviews 是 Econometrics Views 的缩写, 直译为计量经济学观察, 俗称计量经济学软 ...EViews的基本使用_计算机软件及应用_IT/计算机_专业资料。EViews的基本使用:相关性分析和回归分析 EViews 的基本使用一、 相关性分析 1. 导入数据 File → Open ...eviews使用方法_计算机软件及应用_IT/计算机_专业资料。计量经济学软件包 Eviews 使用说明一、启动软件包假定用户有 Windows 的操作经验,我们通过一个实际问题的处理...虽然 EViews 是经济学家开发的, 而且主要用于经济学领域里, 但是从软件包的设计来看,EViews 的运用领域并不局限于处理经济时间序列。 EViews 具有现代 Windows 软件...实验要求了解在多元线性回归中可能存在的函数形式误设,掌握拉姆齐(Ramsey)回归设定 误差检验(RESET:regression specification error test)原理,并应用 Eviews 进行 ...eviews的应用_金融/投资_经管营销_专业资料。eviews的应用的简单介绍1 打开 workfile,展开你要做图的序列,在序列查看窗口的左上角,依次: view-correlogram-OK 得到...EViews应用之样本_经济学_高等教育_教育专区。EViews 应用之样本一、工作文件样本(The Workfile Sample)观察值的样本(Sample)是 EViews 中最重要的概念之一。样本...eviews运用分析_计算机软件及应用_IT/计算机_专业资料。中国经济增长影响因素实证分析摘要:改革开放以来,我国的社会主义经济取得了突飞猛进的发展,经济增长速度更是举 ...EViews应用_经济学_高等教育_教育专区。EViews 应用_01 EViews 简介 一、EViews 是什么?(What Is EViews?) EViews 是 Econometrics Views(直译:计量经济学观察,...在整个操作过程中,我们体会和获取到用 eviews 软件对经济原理进行验证的乐趣与经验,通过 eviews 软件的应用,免去了大量的运算过程, 使得我们分析问题更加的方便快捷,...
All rights reserved Powered by
copyright &copyright 。文档资料库内容来自网络，如有侵犯请联系客服。