計量經(jīng)濟學實驗指導基于Eviews軟.ppt

7/19/2019,1,計量經(jīng)濟學實驗指導 基于Eviews軟件,主講：陳先強,襄樊學院,7/19/2019,2,實驗指導之總論,實驗目的 實驗程序 實驗成績考核 實驗內容安排 附錄1：實驗報告撰寫的基本要求 附錄2：Eviews軟件簡介,7/19/2019,3,實驗目的,學習和掌握計量軟件Eviews的基本使用方法； 掌握經(jīng)濟管理理論與問題的計量實現(xiàn)程序； 加深對課程理論知識的理解與應用； 初步掌握經(jīng)濟科學和管理科學規(guī)范的問題研究分析方法，以及計量研究結果的呈現(xiàn)。,7/19/2019,4,實驗程序,1.教師實驗案例講授與演示 2.學生從實驗室案例庫提取案例數(shù)據(jù)，進行模擬分析； 3.學生撰寫計量分析實驗報告 4.報告分析與點評,7/19/2019,5,實驗成績考核,實驗成績納入課程考核總成績，占總成績的30。按照實驗次數(shù)進行均分。 實驗考核的指標 實驗出勤與紀律（10） 實驗過程（40） 報告呈現(xiàn)（規(guī)范性、科學性）（50）,7/19/2019,6,實驗內容安排,簡單線性回歸模型實驗 多元線性回歸模型實驗 異方差問題的解決實驗 序列相關性問題的解決實驗 多元共線性問題的解決實驗,7/19/2019,7,附錄1：實驗報告撰寫的基本要求,規(guī)范清晰的標題 明確的實驗目的 詳細的模型設定說明 必要的數(shù)據(jù)獲取及其預處理的說明 模型估計的Eviews實現(xiàn)過程和必要圖表 模型檢驗及其結果說明 模型結果的初步討論 預測分析,7/19/2019,8,附錄2：Eviews簡介,Eviews軟件背景 Eviews的啟動、運行與關閉 Eviews的基本窗口簡介,7/19/2019,9,Eviews軟件背景,EVIEWS是在大型計算機的TSP (Time Series Processor) 軟件包基礎上發(fā)展起來的一組處理時間序列數(shù)據(jù)的有效工具。 1981年QMS (Quantitative Micro Software) 公司在Micro TSP基礎上直接開發(fā)成功EVIEWS并投入使用。目前已經(jīng)發(fā)展到6.0版。 EVIEWS得益于WINDOWS的可視的特點，能通過標準的WINDOWS菜單和對話框，用鼠標選擇操作，并且能通過標準的WINDOWS技術來使用顯示于窗口中的結果。 可以利用EVIEWS的強大的命令功能和它的大量的程序處理語言，進入命令窗口修改命令，并可以將計算工作的一系列操作建立成相應的計算程序，并存儲，可以通過直接運行程序來完成你的工作。 是目前經(jīng)濟管理學科進行計量分析使用較為廣泛的軟件工具，據(jù)調查，目前國內高校使用率達98（丘東、李自奈，2007）。,7/19/2019,10,Eviews的啟動、運行與關閉,EVIEWS提供了一張光盤。插入光驅既可直接安裝，并直接在桌面上建立圖標。在第一次使用前，EVIEWS要求你在注冊（網(wǎng)上或者電話）。 在WINDOWS下，有下列幾種啟動EVIEWS的辦法：單擊任務欄中的開始按鈕，然后選擇程序中的EVIEWS進入EVIEWS程序組，再選擇EVIEWS程序符號；雙擊桌面上的EVIEWS圖標；雙擊EVIEWS的workfile 或database文件名稱。 在主菜單上選擇File/Close或按ALT-F4鍵來關閉EVIEWS；可單擊EVIEWS窗口右上角的關閉方塊。,7/19/2019,11,Eviews的基本窗口簡介（一）,EVIEWS窗口由如下五個部分組成：標題欄、主菜單、命令窗口、狀態(tài)線、工作區(qū)，如下。,標題欄,主菜單,命令窗口,工作區(qū),狀態(tài)線,7/19/2019,12,Eviews的基本窗口簡介（二）,標題欄：它位于主窗口的最上方。你可以單擊EVIEWS窗口的任何位置使EVIEWS窗口處于活動狀態(tài)。 主菜單：點擊主菜單會出現(xiàn)一個下拉菜單，在下拉菜單中可以單擊選擇顯現(xiàn)項。 命令窗口：菜單欄下面是命令窗口。把EVIEWS命令輸入該窗口，按回車鍵即執(zhí)行該命令。 狀態(tài)線：窗口的最底端是狀態(tài)線，它被分成幾個部分。左邊部分有時提供EVIEWS發(fā)送的狀態(tài)信息；往右接下來的部分是EVIEWS尋找數(shù)據(jù)和程序的預設目錄；最后兩部分顯示預設數(shù)據(jù)庫和工作文件的名稱。 工作區(qū)：位于窗口中間部分的是工作區(qū)。EVIEWS在這里顯示各個目標窗口。,7/19/2019,13,實驗一：簡單線性回歸模型實驗,實驗目的：熟悉和掌握Eviews在簡單線性回歸模型中的應用。 實驗數(shù)據(jù)：19782000年中國人均居民消費CONSP與人均GDPP，共計23個數(shù)據(jù)點。 實驗原理：普通最小二乘法(OLS) 實驗預習知識：普通最小二乘法、t檢驗、擬合優(yōu)度檢驗、預測,7/19/2019,14,實驗步驟之一：建立工作文件,（1）點擊桌面Eviews5.0圖標，運行Eviews軟件。 （2）通過主界面菜單路徑file-new-workfile，打開workfile create對話框。在對話框workfile structure type的下拉菜單，選擇dated-regular frequency,在date specification下的frequency選擇annual,然后分別在start與end框中填寫“1978”和“2000”。最后，在WF框中填寫文件名“consp”。點擊OK確認。,7/19/2019,15,實驗步驟之一圖示,工作文件創(chuàng)建框,工作文件界面,7/19/2019,16,實驗步驟之二：建立序列對象,（1）點擊主界面下拉菜單objectnew object，打開new object對話框。在types of object下選擇序列series，然后在右邊命名框，將其命名為consp。點擊OK，完成對consp序列對象的建立。 （2）重復上述步驟，建立gdpp序列對象。 （3）完成對象序列建立,7/19/2019,17,New object 對話框,7/19/2019,18,對象建立后的工作文件界面,序列對象,7/19/2019,19,實驗步驟之三：錄入數(shù)據(jù),（1）將數(shù)據(jù)預先保存為Excel文件。 （2）在主界面點擊file-import-read text-lotus-excel，找到數(shù)據(jù)源文件，確認后打開數(shù)據(jù)錄入對話框（如后）。在錄入序列名對話框中，空格輸入序列名consp gdpp（注意順序），其他采用默認方式。點擊OK，完成數(shù)據(jù)錄入。 （3）通過雙擊對應數(shù)據(jù)序列對象，或者同時選中要查看對象，點擊右鍵彈出菜單，采用open-as group，以組形式打開數(shù)據(jù)序列，查看數(shù)據(jù)錄入情況。,7/19/2019,20,錄入數(shù)據(jù)對話框,7/19/2019,21,數(shù)據(jù)錄入查看,7/19/2019,22,實驗步驟之四：數(shù)據(jù)統(tǒng)計與作圖,以組形式打開序列consp和gdpp。 在組對象的菜單依次點擊view-discriptive stats-common sample（或者individual sample，分別顯示結果），對序列數(shù)據(jù)進行描述性統(tǒng)計，包括均值、中位數(shù)、最大值，最小值、方差、標準差、斜度、峰度、Jarque-bera值以及正態(tài)性檢驗概率等（見后表）。 在組對象的菜單依次點擊view-graph-scatter-scatter with regression,默認擬合變換對話框的設置，點擊OK，得到consp和gdpp帶擬合曲線的關系散點圖（見后圖）,7/19/2019,23,數(shù)據(jù)描述性統(tǒng)計,7/19/2019,24,Consp與gdpp關系散點圖,7/19/2019,25,實驗步驟之五：構建估計模型,構建模型依據(jù)： 已有經(jīng)濟理論（收入消費理論） 邏輯分析 數(shù)據(jù)關系圖 本實驗構建的模型如下：,7/19/2019,26,實驗步驟之六：模型估計,（1）在主界面菜單上，點擊quick-estimate equation，打開模型估計設置對話框（如后圖）。 （2）在對話框equation specification框中填寫模型方程形式。對于線性方程來說，可以簡單地填寫因變量、參數(shù)項（默認為c）和自變量名稱，用空格隔開。 （3）在估計方法estimate method 中，選擇普通最小二乘線性估計LS。其他默認設置。 （4）單擊OK鍵，進行模型估計。輸出結果見后。,7/19/2019,27,模型估計設置對話框,7/19/2019,28,模型估計之參數(shù)結果,狀態(tài)參數(shù),估計參數(shù),7/19/2019,29,模型估計之方程結果,估計方程,7/19/2019,30,實驗步驟之七：估計模型檢驗,一元線性模型的檢驗包括參數(shù)顯著性檢驗（t檢驗）和擬合優(yōu)度 檢驗。 參數(shù)檢驗：方程斜距參數(shù)為13.507，顯著性概率為0.0000，而斜率參數(shù)為53.457，顯著性概率為0.0000。因此，根據(jù)t檢驗原則，在顯著性水平為0.05的條件下，兩個參數(shù)均顯著的異于零，拒絕原假設H0。 本模型的擬合優(yōu)度系數(shù) 為0.993，顯示本模型具有較高的擬合程度，gdpp對consp的變異解釋能力達到99.3%,7/19/2019,31,實驗步驟之八：預測,模型預測包括兩個方面：對E(y)的預測與對y的預測。 預測模式包括點預測與區(qū)間預測。 預測的誤差主要來自兩個方面：隨機抽樣誤差和干擾因素誤差。,7/19/2019,32,對E(y)的預測,（1）在方程對象窗口中，選擇菜單forecast，彈出forecast對話窗口，在series name下面分別給預測值與標準誤命名consf和se1。 （2）在輸出結果output中，選擇輸出預測圖forecast graph與預測評估表forecast evalution。默認其他設置。 （3）點擊OK，輸出結果。,7/19/2019,33,Forecast 對話窗口,7/19/2019,34,E（y）預測結果：圖與評估表,預測圖,評價表,由評估表可以發(fā)現(xiàn)：本模型 具有良好的預測能力。,7/19/2019,35,E（y）預測結果：預測值與標準誤,標準誤,預測值,7/19/2019,36,對y的預測,（1）假設2001年和2002年人均GDP分別達到5100元和6500元。預測2001年和2002年的人均消費額及其95預測區(qū)間。 （2）操作方式：首先在對工作文件的觀測值范圍range進行修改。方式是在主菜單或者工作文件菜單上，點擊proc-structure/resize current page，彈出workfile structure對話框。 （3）在對話框中，將end的年份修改為2002。 （4）點擊OK，即修改了工作文件的觀測值范圍。 （注意：一種簡單的方式就是雙擊workfile上的range，彈出對話窗口后修改。）,7/19/2019,37,Workfile structure 窗口及修改后數(shù)據(jù),修改,將2001年和2002年數(shù)據(jù)輸入,7/19/2019,38,對y的預測（續(xù)）,（4）打開序列gdpp，將其變?yōu)榭删庉嫚顟B(tài)，將2001和2002年數(shù)據(jù)輸入。 （5）回到方程對象窗口，點擊forecast，進入預測設置窗口。在序列名下，將預測值和標準誤分別命名為cospf2和se2。默認其他設置。 （6）點擊OK，輸出預測圖、評估表。同時可以通過打開conspf2和se2查看2001和2002年的實際預測值以及預測誤差。,7/19/2019,39,Forecast 設置窗口,7/19/2019,40,y預測圖與評估表,7/19/2019,41,y的預測值與預測標準誤,預測值,標準誤,7/19/2019,42,本實驗的基本結論,（1）實驗估計的模型結果如下： （2）參數(shù)檢驗結果均顯著。 （3）本模型具有良好的預測功效。 （4）本模型具有一定的缺陷，如沒有考慮前期收入與消費的影響，也沒有考慮時間序列的趨勢性等，因此本實驗結果值得進一步探討。,（14.889) (0.0072) n=23, R2=0.993,7/19/2019,43,Ready? Lets go the next!,7/19/2019,44,實驗二：多元線性回歸模型實驗,實驗目的：熟悉和掌握Eviews在多元線性回歸模型中的應用。 實驗數(shù)據(jù)：19782002年中國的稅收收入(y)、國內生產(chǎn)總值（x1）、財政支出（x2）和商品零售價格指數(shù)（x3）。 實驗原理：普通最小二乘法(OLS) 實驗預習知識：普通最小二乘法、t檢驗、擬合優(yōu)度檢驗、F檢驗、預測,7/19/2019,45,實驗步驟一：建立工作文件,運行Eviews，依據(jù)路徑file-new，打開工作文件建立對話框； 選擇數(shù)據(jù)類型和時間頻率，在開始start和end 框填寫1978與2002，并對工作文件進行命名shuishou. 點擊OK，完成工作文件建立。,7/19/2019,46,工作文件建立對話框,7/19/2019,47,實驗步驟二：建立數(shù)據(jù)序列對象,建立序列對象有多種方法。 其一是通過主菜單中的下拉菜單object，進入序列建立對話框。后面步驟同實驗一。 其二是通過workfile菜單的下拉菜單object，同樣可以進入序列對象建立對話框。后面步驟同實驗一。 其三是通過命令data。在工作命令區(qū)輸入如下命令“data y x1 x2 x3”，回車后，一次性建立多個序列。,7/19/2019,48,通過命令建立序列對象,7/19/2019,49,實驗步驟三：輸入數(shù)據(jù),將數(shù)據(jù)預存于excel表； 在主菜單通過路徑file-import-read text-lotus-excel，進入數(shù)據(jù)文件選擇對話框，通過輸入數(shù)據(jù)路徑，進入數(shù)據(jù)錄入對話框。 在對話框中的序列名稱中，輸入要輸入的數(shù)據(jù)序列名：y x1 x2 x3（注意順序）。 默認其他設置，單擊OK，完成數(shù)據(jù)錄入工作。,7/19/2019,50,數(shù)據(jù)錄入對話框,7/19/2019,51,實驗步驟四：數(shù)據(jù)統(tǒng)計與圖象,將所有數(shù)據(jù)對象按照組的方式打開； 在組窗口下依據(jù)路徑view-descripritive stats-common sample，輸出各個變量的統(tǒng)計描述表格。 在組窗口下，依據(jù)路徑view-graph，輸出各序列的圖象。,7/19/2019,52,統(tǒng)計描述與圖象,7/19/2019,53,實驗步驟五：模型構建,通過分析，構建如下實驗模型：,7/19/2019,54,實驗步驟六：模型參數(shù)估計,在主菜單依據(jù)路徑：quick-estimate equation，進入模型設定對話框。 在模型設定對話框輸入模型，或者“y c x1 x2 x3” 選擇“LS”作為估計方法。 單擊OK，進行參數(shù)估計。,7/19/2019,55,模型設置對話框,7/19/2019,56,模型參數(shù)估計結果,7/19/2019,57,實驗步驟七：,模型參數(shù)檢驗（t檢驗） 擬合優(yōu)度檢驗R平方與調整R平方。 模型設定檢驗F檢驗。,7/19/2019,58,實驗步驟八：模型預測評估,通過方程界面的菜單“forecast”，進行預測分析。 通過分析相關參數(shù)，可以發(fā)現(xiàn)模型的擬合程度和預測效果很好。,7/19/2019,59,預測評估：圖形與參數(shù),7/19/2019,60,實驗步驟九：實驗總結,通過實驗，本模型的擬合結果如下： 解釋各個參數(shù)的統(tǒng)計含義和經(jīng)濟含義。 實驗報告撰寫要點提示,（940.613) (0.006) (0.033) (8.738),=0.997, F=2717.238, N=25,7/19/2019,61,Ready? Lets go to the next,7/19/2019,62,實驗三：異方差問題的解決實驗,實驗目的：掌握異方差問題的eviews解決過程；進一步深化異方差問題的理論理解。 實驗數(shù)據(jù):smoke.raw,樣本容量：807。 實驗原理：White 檢驗，F(xiàn)GLS異方差修正方法。 實驗知識預習：OLS估計；異方差問題后果；異方差檢驗方法；FGLS異方差修正程序。,7/19/2019,63,實驗步驟一：建立工作文件和數(shù)據(jù)錄入,依據(jù)實驗一和實驗二學過的關于工作文件建立的知識，建立相應的工作文件smoke.workefile。 錄入數(shù)據(jù)。數(shù)據(jù)的格式為橫截面數(shù)據(jù)，樣本點807個。,7/19/2019,64,實驗步驟二：構建估計模型,主要分析影響個人天均吸煙量（cigs）的因素，包括income:年收入；cigpric:香煙價格（包/美分）；educ:受教育年數(shù)；age:年齡；restaurn:二值變量，所在地禁止吸煙為1，否則為0。 多元線性模型如下：,7/19/2019,65,實驗步驟3：模型的初步估計,估計方法采用OLS方法； 估計的程序類似實驗一與實驗二。 估計的結果（見后）,7/19/2019,66,參數(shù)估計結果表,7/19/2019,67,實驗步驟四:異方差檢驗,在方差窗口,選擇eview-residual test-White heteroskedasticity,進行異方差檢驗. 注意到選擇White檢驗,有兩種選項,即包括交叉項(cross terms)和不包括交叉項(no cross terms)兩種. 兩類輸出結果見后.,7/19/2019,68,異方差檢驗結果,沒有交叉項的檢驗結果:,有交叉項的檢驗結果:,檢驗結論:在顯著水平為0.05的條件下,兩種檢驗結果均顯示:本模型 具有異方差性.,7/19/2019,69,實驗步驟五:異方差修正(1),采用的方法為FGLS. 創(chuàng)建回歸殘差序列u,并且轉換為log(u2).操作方式 (1)在方程窗口,選擇Proc-make residual series,彈出序列命名對話框,將序列命名為u,單擊OK后,得到殘差序列u. (2)在主窗口命令區(qū),輸入如下命令”series g=log(u2).回車后得到log(u2)序列,并命名為g.,7/19/2019,70,實驗步驟五:異方差修正(2),獲取權重函數(shù)h.具體操作步驟是: (1)將g對所有解釋變量回歸; (2)獲取g的擬合值.操作是在g的回歸窗口,選擇forecast,在預測窗口中,將forecast序列命名為gf.單擊OK后,得到gf序列; (3)在主窗口采用命令”series h=exp(gf)”,得到權重函數(shù)序列h.,7/19/2019,71,預測對話窗口,7/19/2019,72,權重H顯示,7/19/2019,73,實驗步驟五:異方差修正(3),重新打開模型估計設定窗口,設定模型后,選擇Opion,打開加權選擇窗口(如后). 選中wighted LS/2SLS,并在其空白框填寫”1/squrt(h)”. 單擊OK,進行加權估計,結果見后.,7/19/2019,74,Opion窗口設置,7/19/2019,75,加權估計結果,7/19/2019,76,實驗總結,對比加權前后的估計結果,進行討論; 本實驗的其他可能問題的討論; 可以同時采用圖形法、GQ檢驗以及BP檢驗。 實驗報告的撰寫.,7/19/2019,77,ready? Lets go to the next!,7/19/2019,78,實驗四:序列相關性問題的解決實驗,實驗目的:掌握序列相關性問題的Eviews解決程序,加深對序列相關問題的理解. 實驗數(shù)據(jù):1985-2003的中國農(nóng)村人均消費(y)和人均純收入(x). 實驗原理:圖形檢驗,杜賓-沃森DW檢驗,LM檢驗，科克倫-奧科特迭代估計. 預備知識：序列相關及其檢驗知識。,7/19/2019,79,實驗步驟一：建立工作文件并估計方程,依據(jù)前述實驗知識，建立工作文件。 構建如下估計模型： 依據(jù)以前的基本操作程序，估計上述模型。結果見后。,7/19/2019,80,初步估計結果,7/19/2019,81,實驗步驟二：異方差圖形檢驗,（1）創(chuàng)建殘差序列。在方程窗口依據(jù)路徑proc-make residual series，打開序列對話框，將序列命名為e； （2）單擊確定，得到殘差序列e. （3）打開序列e,依據(jù)路徑eview-graph-line，得到et關系圖（見后）。 （4）通過命令“series e(t-1)=e(-1)”，得到滯后一階序列e(t-1),作e(t)與e(t-1)圖形。,7/19/2019,82,圖形檢驗,由兩個圖形可以初步判斷：模型存在正的序列相關。,7/19/2019,83,實驗步驟三：DW檢驗,通過對模型的OLS估計，得到其DW估計為： 通過查表，可以發(fā)現(xiàn)，對樣本量為19、一個解釋變量的模型、5%顯著水平，查DW統(tǒng)計表可知，dL=1.18，dU= 1.40，模型中DWdL，顯然消費模型中有正的自相關。,7/19/2019,84,實驗步驟四：LM檢驗,（1）在估計方程選擇eview-residual test-serial correlation LM test,在彈出窗口，選擇滯后2項（即可能存在2階序列相關）得到LM檢驗結果如后。,7/19/2019,85,LM檢驗結果,由結果可知：存在一階正的序列相關。,7/19/2019,86,實驗步驟五：CO修正,注意：在Eviews的估計中，序列相關性修正并不復雜。 打開方程設定程序，在模型設定空白框中輸入如下模型形式“y c x ar(1)”,選擇最小二乘估計，單擊確定，即可得到修正的估計方程。,7/19/2019,87,序列相關修正的模型設置,7/19/2019,88,模型修正結果,7/19/2019,89,實驗步驟六：對修正模型的再檢驗,采用LM對修正模型再進行序列相關性檢驗，得到的結果如下： 同時修正模型的DW1.398，通過查表，可以發(fā)現(xiàn)，修正后模型不再具有序列相關性。,7/19/2019,90,實驗步驟七：結論與討論,本模型的最終估計結果如下： 如何解釋實驗結論？ 實驗報告的撰寫指導,(19.230) (0.031),(0.188),7/19/2019,91,Ready? Lets go to the next!,7/19/2019,92,實驗五：多元共線性問題的解決實驗,實驗目的：了解和掌握Eviews在解決多元共線問題的解決程序，加深對多元共線問題的知識理解。 實驗數(shù)據(jù)：19942003國內旅游業(yè)數(shù)據(jù)。 實驗原理：t、R平方與F檢驗；逐步回歸法； 實驗預備知識：多重共線的矩陣知識；逐步回歸方法。,7/19/2019,93,實驗步驟一：建立工作文件并構建模型,依據(jù)前述相關實驗的知識，在Eviews中構建工作文件，并建立相應的序列對象，其中包括國