EViews軟件操作方法總結(jié)ppt課件

1、數(shù)量經(jīng)濟(jì)軟件,其他參考文獻(xiàn)： EViews計量經(jīng)濟(jì)軟件包用戶指南 幫助系統(tǒng)（英文） 用戶指南（英文）pdf格式 Eviews使用指南與案例 張曉峒 機(jī)械工業(yè)出版社 2007年，2 35元,一. EViews軟件使用初步,EViews簡介 EViews基礎(chǔ) 序列操作 范例： EViews的基本操作,1. EViews簡介,計量經(jīng)濟(jì)學(xué)研究的核心是設(shè)計模型、收集資料、估計模型、檢驗?zāi)Ｐ?、運用模型進(jìn)行預(yù)測、求解模型和運用模型。 EViews是美國GMS(Quantitative Micro Software)公司1981年發(fā)行第1版的Micro TSP(Time Series Processor)的W

2、indows版本，通常稱為計量經(jīng)濟(jì)學(xué)軟件包。 正是由于EViews等計量經(jīng)濟(jì)學(xué)軟件包的出現(xiàn)，使計量經(jīng)濟(jì)學(xué)取得了長足的進(jìn)步，發(fā)展成為實用與嚴(yán)謹(jǐn)?shù)慕?jīng)濟(jì)學(xué)科,EViews的功能,EViews的基本功能 EViews是Econometrics Views的縮寫，它的本意是對社會經(jīng)濟(jì)關(guān)系與經(jīng)濟(jì)活動的數(shù)量規(guī)律，采用計量經(jīng)濟(jì)學(xué)方法與技術(shù)進(jìn)行“觀察”。 使用 EViews軟件包可以對時間序列和非時間序列（截面數(shù)據(jù)、面版數(shù)據(jù)）的數(shù)據(jù)進(jìn)行分析，建立序列（變量）間的統(tǒng)計關(guān)系式-方程。 利用方程進(jìn)行結(jié)構(gòu)分析、預(yù)測、模擬等等。 EViews的操作模式：交互處理與批處理（程序控制,EViews的安裝與啟動,安裝： 程序文

3、件（英文） 幫助文件（英文） 啟動： 單擊任務(wù)欄中的開始按鈕，選擇 程序 中的EViews進(jìn)入EViews程序組，選擇EViews程序； 雙擊桌面上的Eviews快捷方式圖標(biāo)； 雙擊已建立的Eviews文件（workfile 文件）名稱,EViews窗口介紹,菜單欄,標(biāo)題欄,命令窗口,控制按鈕,信息欄,路徑,狀態(tài)欄,主工作區(qū) 在這里顯示各個對象窗口,EViews 的菜單,主菜單欄上共有9個選項： File，Edit，Objects，View，Procs，Quick，Options，Window，Help。 用鼠標(biāo)點擊可打開下拉式菜單（或再下一級菜單），點擊某個選項響應(yīng)對應(yīng)的操作。 File、E

4、dit、 Options、 Window、Help的功能與Word, Excel等其他應(yīng)用軟件的相應(yīng)功能相似,EViews的菜單,Objects：對象是指有一定關(guān)系的信息或算子捆綁在一起供使用的單元。如序列(series) 、方程（equations)、模型(Modeles)、系數(shù)(coefficients)等。對象都放置在對象容器中，其中工作文件（workfile）是最重要的對象容器。 View與Procs：Objects可以不同形式瀏覽和處理。視圖與過程的下拉菜單的項目隨著當(dāng)前的窗口不同而改變，上下文相關(guān)，主要涉及變量的多種查看方式和運算過程。 Quick：提供快速分析過程，包括常用的統(tǒng)計

5、分析方法，回歸模型，時間序列模型以及各種重要檢驗,EViews 的工作方式,交互式操作 批處理方式 （1）圖形界面導(dǎo)向方式； （2）簡單命令方式； （3）命令參數(shù)方式 (1)與（2）相結(jié)合),交互式,批處理,4）程序運行方式（采用EViews命令編制程序,2. EViews 基礎(chǔ),EViews的基本操作 建立工作文件：File/New/Workfile 在Workfile中顯示對象：選中對象View/Show 或者，直接雙擊對象。 顯示序列圖形：打開序列View/Graph 可改變圖形設(shè)置。 建立方程：Objects/New Object/Equation 常用組group建立方程 分析估計結(jié)

6、果：了解各參數(shù)的含義,EViews的基本操作,工作文件 用戶與 Eviews 對話期間保存在內(nèi)存中的信息，包含進(jìn)程中調(diào)入與建立的全部命名對象。 進(jìn)入EViews后的第一件工作應(yīng)從創(chuàng)建新的或打開原有的工作文件開始。 Workfile的文件擴(kuò)展名：.wfl 結(jié)束工作時，應(yīng)將工作文件保存到磁盤,Eviews中的對象,工作文件（對象容器,建立工作文件的方法,交互操作：點擊 File/New/Workfile 命令格式：wfcreate 缺省文件名是Untitled.wfl 確定工作文件結(jié)構(gòu)類型對話框： 選擇數(shù)據(jù)類型和起止日期，并在出現(xiàn)的對話框中提供必要的信息：適當(dāng)?shù)臅r間頻率（年、半年、季度、月度、周、

7、日等） 開始日期是序列數(shù)據(jù)中最早的日期；結(jié)束日期是最晚日期，非時間序列提供觀測值個數(shù)。 以后還可以對這些設(shè)置進(jìn)行更改,建立工作文件,點擊 File/New/Workfile 彈出會話框,建立工作文件,時間序列數(shù)據(jù)、Dated 數(shù)據(jù)頻率表達(dá)方式： Annual年度：如96（1969），2005 Semi-annual 半年：如1990:1, 2005:2 Quarterly 季度：如2003:1，2005:4 Monthly月度：如1999:1，2000:6, 2005:12 Weekly 周：起始和終止日期都是日期 Daily5 每周5天的第一天 Daily7 每周7天的第一天 日期：（美國格

8、式）月:日:年 如，3:10:2005 Unstrucured or Undated 非時間序列數(shù)據(jù)： 給出樣本個數(shù)， 如，1, 50 演示 wfcreate,工作文件窗口,打開的工作文件是EViews的子窗口。 目錄顯示該工作文件的所有對象的圖標(biāo)： 雙擊對象可以打開對象窗口； 右擊對象可以彈出快捷菜單，選擇某種操作； 要同時選擇多個對象，按住Ctrl鍵同時單擊要選擇的對象,工作文件窗口,信息欄,標(biāo)題欄,工具條,控制按鈕,對象,小圖標(biāo),EViews中的對象,Eviews中的信息集成在對象中。 每個對象都包含與一個特定分析領(lǐng)域有關(guān)的信息。Objects可以不同形式瀏覽和處理。 與每類對象相關(guān)聯(lián)的

9、是一系列視圖（Views）和過程（Procedure），它們和對象中的信息一起使用。 這種視圖、過程與對象中的數(shù)據(jù)的相關(guān)聯(lián)被稱為面向?qū)ο蟮腅views 設(shè)計,Eviews 中的對象,Eviews 5.0 提供了17個以上Object,Eviews 中的對象,選擇 Object/New Object,Eviews 中的對象,工作文件一開始其中就包含了兩個對象： 系數(shù)向量c（保存估計系數(shù)用） 殘差序列 resid（實際值與擬合值之差）。 小圖標(biāo)上標(biāo)識出對象的類型， 是系數(shù)向量，曲線圖 是序列。 選擇Views后雙擊鼠標(biāo)左鍵，或直接使用Eviews 主窗口頂部的菜單選項，可以對工作文件和其中的對象進(jìn)

10、行處理,工作文件窗口工具條上的按鈕,Views 視圖按鈕、Procs 過程按鈕（最常用） Object 對象操作 Save 保存工作文件、Print 打印 Detail+/- 細(xì)節(jié)開關(guān) Show 顯示所選中的對象 Fetch、Store 讀取、存儲到數(shù)據(jù)庫文件 Delete 刪除選擇的對象 Gener 利用已有的序列生成新的序列 Sample 設(shè)置觀察值的樣本區(qū)間 從工作文件目錄中選取并雙擊對象，便可展示和分析工作文件內(nèi)的任何數(shù)據(jù),在Eviews中創(chuàng)建對象,交互方式創(chuàng)建對象：Objects / New Objects 選擇序列：Series 選擇多個序列，建立組（群）：Group (是一個框架

11、) 對象的命名：16個西文字符以內(nèi)。 對象命名不可與系統(tǒng)保留的對象名重名。 命令方式： Series 序列名 Genr 新序列名=已有序列，或公式 Group 組名 序列名 1序列名2 演示 Genr e=abs(resid) 在Estimate之后立即保存! 復(fù)制對象： Objects / Copy Selected,Eviews中對象的過程,大多Eviews 對象還包括過程（Procedure）。 與視圖一樣之處： 過程通常以對話框的形式顯示在對象窗口中； 與視圖不同之處： 過程改變數(shù)據(jù)，可能是對象本身中的也可能是其他對象中的數(shù)據(jù)。很多過程還創(chuàng)建新的對象。 如序列含有進(jìn)行平滑與季節(jié)調(diào)整的過

12、程，可以創(chuàng)建一個新的含有平滑以及調(diào)整后的數(shù)據(jù)的序列. 方程對象的過程可以建立新的序列來包含殘差、擬合值、以及預(yù)測。 可以用主菜單上的Procs或?qū)ο蟠翱诠ぞ邫谏系腜rocs來選擇過程。演示,Eviews中對象的過程,Eviews對象的視圖(views)不是獨立的Objects，它們是相應(yīng)對象屬性的可視化表現(xiàn)，因此隨原變量序列的改變而改變。 Views = Objects 如果想將某個View 轉(zhuǎn)換成一個獨立的Objects，可使用freeze按鈕將該view “凍結(jié)”，從而形成一個獨立的Object，然后可對其進(jìn)行編輯或存儲（快照,輸入和編輯數(shù)據(jù),向序列輸入數(shù)據(jù)有三種基本方法： data 命令

13、方式 鼠標(biāo)圖形界面方式 數(shù)據(jù)導(dǎo)入（import） 1、命令方式： data . 序列名之間用空格隔開 多個序列名組成“組”。 建立空序列，在空序列中手工輸入數(shù)據(jù)。 可根據(jù)習(xí)慣點擊Transpose改變數(shù)據(jù)按列或行的顯示形式,輸入和編輯數(shù)據(jù),輸入和編輯數(shù)據(jù),2、交互式方式 多種打開序列的方法： 直接雙擊序列圖標(biāo)； 在工作文件窗口，選中序列： View/Open Selected/One Window Show 在主窗口： Quick/Show 進(jìn)入數(shù)據(jù)編輯窗口，點擊開關(guān)按鈕Edit+/-改變數(shù)據(jù)編輯狀態(tài)，輸入數(shù)據(jù)。 適合添加或修改少量數(shù)據(jù)，大量數(shù)據(jù)用導(dǎo)入/導(dǎo)出,從Excel工作簿中導(dǎo)入數(shù)據(jù),3、

14、從Excel .xls中導(dǎo)入數(shù)據(jù)（ import） 點擊Procs/Import/Read Text-Lotus-Excel 選擇Excel .xls文件（可能不能識別中文，包括目錄） Excel .xls文件必須先關(guān)閉,常給出Excel文件中連續(xù)的 序列的個數(shù)。 或者，序列名稱（如果事先 沒有創(chuàng)建序列，則按Excel中 B1行名稱導(dǎo)入,左上角 單元格,按列還是按行 讀取數(shù)據(jù),導(dǎo)入范圍,從Excel工作簿中導(dǎo)入數(shù)據(jù),分析能源消費與經(jīng)濟(jì)增長關(guān)系 數(shù)據(jù)：1978-2008年實際GDP（單位：億元）、能源消費（單位：萬噸標(biāo)準(zhǔn)煤）。 有兩個時間序列數(shù)據(jù)存放在Energy的Excel工作簿中：realG

15、DP Ecsu 試做方程：realGDP= + *Ecsu 點擊Procs/Import/Read Text-Lotus-Excel導(dǎo)入后生成兩個序列： realGDP 改名為 rgdp Ecsu 導(dǎo)入后需查看數(shù)據(jù)是否正確，然后 save 為energy.wf1,3. 序列操作,序列窗口常用操作： View Procs Objects Name Freeze Edit+/- InsDel,下拉框-顯示百分比變化、對數(shù)等形式 Label+/- Wide+/- Smpl+/- Title Sort 排序顯示,3. 序列操作,通過命令打開視圖： Object名稱.View名稱 例如， rgdp.sh

16、eet ecsu.line 通過命令執(zhí)行過程： Object名稱.Procs名稱(選項) 參數(shù) 例如，gdp .seas(m) adjgdp 按乘方法對序列g(shù)dp進(jìn)行季節(jié)調(diào)整并將結(jié)果保存到新序列adjgdp中,3. 序列操作,1）指定樣本區(qū)間Smpl、Sample （2） 根據(jù)已有序列生成新序列Genr （3） 序列的描述統(tǒng)計分析View （4） 擴(kuò)展工作文件Procs/Resize Current page,設(shè)定樣本范圍,工作文件窗口、序列窗口、序列組窗口工具欄： Sample按鈕或工作文件窗口set sample -不生成樣本范圍對象，臨時指定工作文件當(dāng)前樣本范圍 序列窗口 Procs/

17、resample 生成一個新序列(子序列) Smpl 命令-彈出會話框臨時指定工作文件樣本范圍 簡化輸入的函數(shù)： all 整個工作文件 first 工作文件第一個觀測值 表達(dá)式：firs+5 last 工作文件最后一個觀測值 表達(dá)式：last-5,Smpl first last Smpl first+1 last-1 smpl 1 31 if x3 and xNA,樣本對象,創(chuàng)建樣本對象： 生成樣本對象，供隨時調(diào)用。 Sample 命令 彈出會話窗口,Sample 起點 終點 if 條件 Object/New Object 選擇 Sample 例1 上部分 91 2008 (20世紀(jì)可用2位數(shù)

18、字表示) 下部分 GDP30000 例2 上部分 81 2010 下部分 CONSUME 1.1*CONSUME(-1,樣本對象,創(chuàng)建樣本對象目的是在不同樣本區(qū)間進(jìn)行研究。 調(diào)用樣本對象： 雙擊樣本對象名，打開樣本范圍對象， 選中“Set workfile sample equal to this.” 或命令 Smpl 樣本名 或 Smpl+/- 開關(guān) 擴(kuò)展工作文件 在追加數(shù)據(jù)或進(jìn)行預(yù)測時，用來擴(kuò)展工作文件的樣板區(qū)間。 Work file：Procs/Resize current page 命令：Expand,2） 根據(jù)表達(dá)式（可包含已有序列）生成新序列 Genr 按鈕-通過等式生成樣本 命令

19、： Genr 序列名=表達(dá)式 series 序列名=表達(dá)式 例：Genr E1=resid Genr ee=abs(resid) Genr GDP_sd=pch(GDP,根據(jù)表達(dá)式生成新序列,one-period percentage change (in decimal,例： genr lngdp=log(rgdp) *實際是自然對數(shù)ln smpl 78 2008 genr y=trend+1978 genr D1=y=1998 可用作虛擬變量 genr t=1 smpl 79 2008 genr t=t(-1)+1,根據(jù)表達(dá)式生成新序列,否則回全部生成NA,根據(jù)表達(dá)式生成新序列,公式中的運

20、算符和函數(shù) 缺值NA（Not available code） 特殊函數(shù) 回歸統(tǒng)計函數(shù) 其他函數(shù) 通過多次使用Genr命令可以拼接生成一個新序列,使用表達(dá)式,Eviews不僅提供了標(biāo)準(zhǔn)的數(shù)學(xué)運算和統(tǒng)計運算, 也提供了很多能夠自動處理時間序列中的先行、滯后、差分等操作的特殊函數(shù)。 運算符 基本算術(shù)運算符 +、-、*、/、(冪), +、-還可以作為符號運算符來使用。 比較運算符 、=、 =、 序列函數(shù) Eviews提供的函數(shù)能夠?qū)Ξ?dāng)前樣本的序列元素進(jìn)行運算，Eviews中大多數(shù)函數(shù)前都有一個符號,先行指標(biāo)、滯后指標(biāo) 處理序列中的先行、滯后指標(biāo)只要在序列名后加一對小括號; 滯后的數(shù)字用負(fù)號，先行的用正

21、數(shù)表示。 例如：gdp(-1) concume(-1) income(+1) Ls comsume c income condume(-1) Ls comsume c income concume2,使用表達(dá)式,表示消費遞減,使用表達(dá)式,邏輯表達(dá)式 邏輯表達(dá)式能作為數(shù)學(xué)表達(dá)式的一部分、樣本描述的一部分或在程序中作為 if 判斷的一部分。 注意：Eviews用1表示真，用0表示假。 復(fù)合邏輯表達(dá)式用 AND OR 例如：genr D1=y=1998 1998年之前為0，之后為1 差分 D函數(shù)和DLOG函數(shù)可以處理差分或先取對數(shù)后作差分。 例如：genr dgdp=d(rgdp) genr dlg

22、dp=dlog(rgdp,標(biāo)量操作,標(biāo)量與序列或組不同，它沒有顯示窗口，只能通過命令方式來建立。例如： scalar W=8 scalar Y=MEAN(X) 均值 scalar Z=VAR(X)總體方差 2= (X-)2/n 標(biāo)量對象的圖標(biāo)為#號。 用show 命令，系統(tǒng)會在Eviews窗口底下狀態(tài)行顯示標(biāo)量對象的值,3. 序列操作,3）序列的描述統(tǒng)計分析View 描述統(tǒng)計分析Descriptive Statistics 描述統(tǒng)計檢驗Tests for Descriptive Statistics 分布圖Distribution Graphs,描述統(tǒng)計量,序列窗口View下拉有Descrip

23、tive Statistics （描述統(tǒng)計量），選擇Histogram and Stats（直方圖及統(tǒng)計量） 直方圖顯示序列數(shù)據(jù)的頻數(shù)分布，給出標(biāo)準(zhǔn)的描述統(tǒng)計量： 中位數(shù) (median) 即從小到大排列的序列的中間值。 標(biāo)準(zhǔn)差（Standard Deviation）序列的離散程度。 偏度S（Skewness） 分布圍繞其均值的非對稱性。 S=0序列的分布對；S0序列分布有長右拖尾， S0序列分布有長左拖尾,描述統(tǒng)計量,峰度K（Kurtosis）反映平均數(shù)附近數(shù)據(jù)點的集中程度，分布的凸起或平坦程度： 正態(tài)分布的K值為3。如果K3，分布的凸起程度大于正態(tài)分布；如果K3，序列分布相對于正態(tài)分布平坦

24、。 Jarque-Bera 檢驗序列是否服從正態(tài)分布。 在正態(tài)分布的原假設(shè)下，Jarque-Bera統(tǒng)計量是自由度為2的 分布。概率值p是Jarque-Bera統(tǒng)計量拒絕原假設(shè)下犯第一類錯誤的概率，稱為檢驗的相伴概率。 若p0，則拒絕原假設(shè)，即不服從正態(tài)分布,描述統(tǒng)計量,可以通過函數(shù)返回公式輸出的標(biāo)量數(shù)值： 序列Y的觀測值數(shù)目 obs(Y) mean(Y) median(Y) min(Y) max(Y) sum(Y) sumsq(Y) var(Y) stdev(Y) 計算樣本方差的無偏估計值： var(Y)*(obs(Y)/(obs(Y)-1) 或 stdev(Y)2 樣本標(biāo)準(zhǔn)差的平方,方差的

25、自由度就是(n-1,相關(guān)圖及單位根檢驗,Correlogram（相關(guān)圖）： 給出了自相關(guān)函數(shù)與偏相關(guān)函數(shù)的數(shù)值與圖表，可以在它的對話框中選擇最大滯后階數(shù)，以及是否對序列進(jìn)行差分。 unit root test（單位根檢驗） 在進(jìn)行時間序列之前應(yīng)對每一個序列進(jìn)行單位根檢驗來確定它的平穩(wěn)性。Eviews 提供了兩中單位根檢驗。（ADF and PP）可以在單位根檢驗的對話框中選擇,描述統(tǒng)計量檢驗,序列窗口View下拉有Tests for Descriptive Stats （描述統(tǒng)計量檢驗）： Simple Hypothesis Tests（簡單假設(shè)檢驗） 原假設(shè)分別為給定均值Mean、方差Var

26、iance、中位數(shù)Median。 如果已知序列標(biāo)準(zhǔn)差，也可給出。 Equality Tests by Classification（分組齊性檢驗） 主要利用方差分析方法計算各組數(shù)據(jù)的組內(nèi)和組間的差異。與分組描述統(tǒng)計過程類似,二.線性回歸分析,1、序列組的建立與檢驗 2、回歸模型的建立與分析,1、序列組的建立,命令方式： group group_name ser1 ser2 ser3 Show 交互方式： 主菜單中選Object/New Groups后輸入序列名稱或表達(dá)式 先選中一個序列，然后按住Ctrl鍵選擇其他序列；雙擊選中區(qū)，從彈出的快捷菜單中選擇Open Group Save,組對象的視

27、圖,組窗口內(nèi)的View下拉菜單分為四個部分： 第一部分包括組中數(shù)據(jù)的各種顯示形式。 第二部分包括各種基本統(tǒng)計量。 第三部分為時間序列的特殊的統(tǒng)計量。 第四部分為標(biāo)簽項，提供組對象的相關(guān)信息,組中數(shù)據(jù)的各種顯示形式,Group Members 可用于增加、修改組中的序列 SpreadSheet以電子數(shù)據(jù)表的形式顯示數(shù)據(jù) Dated Data Table 將使時序數(shù)據(jù)以表的形式顯示組中的每一個序列 單擊Transpose按鈕，可以使表格的行列互換。 Graph以各種圖形的形式顯示數(shù)據(jù) Multi Graph 以多圖的形式顯示組中數(shù)據(jù),組中數(shù)據(jù)常用統(tǒng)計量,Descriptive Statistics

28、 （描述統(tǒng)計量）： Common Sample 用于在組中序列無缺失值的情形下計算統(tǒng)計量（去掉包含缺失項所在時期的樣本）。 如均值、方差、偏度、峰度、J-B統(tǒng)計量（用于正態(tài)性檢驗）等。 Individual Samples 用每一個序列有值的觀測值進(jìn)行統(tǒng)計量計算（去掉缺失項） Tests of Equality（齊次檢驗）： 檢驗組中序列是否具有同方差、同均值或相同中位數(shù)的假設(shè)檢驗結(jié)果,2、線性回歸模型的建立,線性回歸分析普通最小二乘法LS 系數(shù)是線性的方程稱為線性方程： Y=b0 + b1X1+ b2X2 + bkXk+ e Y=b0 + b1X + b2X2 + bkXk + e 變量是非

29、線性的，但它仍然是線性方程。因為，令X1=X1,X2=X2, ,Xk=Xk，就化成線性方程。 二次函數(shù)和雙曲函數(shù)仍然是線性方程 二次方程：Y=a+bX+cX2 雙曲函數(shù)：Y=a+b/X,2、線性回歸模型的建立,雙對數(shù)方程： lnY=lna+blnX 可以表述為冪函數(shù) 雙對數(shù)模型的彈性=b 彈性是指一個變量對另一個變量微小的百分比變動所作出的反應(yīng),2、線性回歸模型的建立,線性回歸分析普通最小二乘法OLS 交互方式建立方程： 常用在Group窗口中單擊Procs/Make Equation 或 WFL菜單Object/New/Equation 或 主菜單Quick Estimate Equatio

30、ns 彈出定義方程對話框。 命令格式： LS 如 LS Y C X 即 Y = + x + u 也可寫成：LS Y=C(1)+C(2)*X,最小樣本容量： 樣本最小容量必須不少于模型中解釋變量的數(shù)目（包括常數(shù)項）。即 n k+1 滿足基本要求的樣本容量： 經(jīng)驗表明，當(dāng) n - k 8 時t分布較為穩(wěn)定，檢驗才較為有效。 一般經(jīng)驗認(rèn)為，當(dāng)n 30 或者至少n 3(k+1) 時，才能滿足模型估計的基本要求,樣本容量問題,一元線性回歸-估計消費函數(shù),依據(jù)凱恩斯理論：設(shè)定理論模型： consume = + *urban_inc 2006年國內(nèi)31個省市城鎮(zhèn)居民數(shù)據(jù) 相關(guān)系數(shù)：Group中的View/C

31、orrelations 0.985606 通常情況下，相關(guān)系數(shù)： |r|0.95 存在顯著性相關(guān)； |r|0.8 高度相關(guān)； 0.5 |r|0.8 中度相關(guān)； 0.3 |r|0.5 低度相關(guān)； |r|0.3 關(guān)系極弱，認(rèn)為不相關(guān),一元線性回歸-估計消費函數(shù),觀察消費性支出與可支配收入的 散點圖： 交互：Group中的View/Graph/Scatter 命令：Scat urban_inc consume 回車,帶有擬合線的散點圖,交互：Group中的View/Graph/Scatter 包括四種散點圖： 1、Simple Scatter（簡單散點圖） 其第一個序列在水平軸上，其余的在縱軸上。

32、2、Scatter with Regression（回歸散點圖） 在組中對第一個序列及第二個序列進(jìn)行總體變換進(jìn)行二元回歸。 選擇 Robustness lterations（穩(wěn)健迭代） 最小二乘法對一些無關(guān)觀測值的存在非常敏感，穩(wěn)健疊代操作產(chǎn)生一種對殘差平方的加權(quán)形式，使無關(guān)的觀測值在估計參數(shù)時被加最小的權(quán)數(shù),帶有擬合線的散點圖,3、Scatter with Nearest Neighber Fit （最鄰近擬合散點圖） 一種帶寬基于最鄰近點的局部回歸。對樣本中的每一個數(shù)據(jù)點，擬合出一條局部的經(jīng)過加權(quán)的回歸線。 4、Scatter with Kernel Fit（核擬合分布） 核擬合固定帶寬且

33、局部的觀測值通過核函數(shù)加權(quán)。 局部核擬合通過選取參數(shù)使總體二乘殘差最小。 Method分為精確和線性單元兩種方式,定義方程對話框,序列名，用空格隔開，第一個變量 為被解釋變量，后面跟解釋變量列表。 也可寫成：consume = incC(1)+C(2)*urban,估計的 樣本區(qū)間,使用的估 計方法,因為2006年國內(nèi)31個省市城鎮(zhèn)居民消費模型是截面數(shù)據(jù)，無須因果關(guān)系檢驗 在Group窗口中單擊Procs/Make Equation,查看方程,在Equation窗口中單擊View/Representations,Estimation Command: = LS(W=1/E10.5) CONSU

34、ME C URBAN_INC Estimation Equation: = CONSUME = C(1) + C(2)*URBAN_INC Substituted Coefficients: = CONSUME = 292.0023476 + 0.714518775*URBAN_INC,模型參數(shù)估計量的表示： Equation窗口中的Views / Representations 得表達(dá)式： consume = 292.00 + 0.71*urban_inc 收入增加1元時，消費增加0.71元,一元線性回歸-估計消費函數(shù),邊際消費傾向MPC,查看統(tǒng)計學(xué)檢驗： Equation窗口中的Views

35、 / Equation Output,模型的可靠性檢驗,假設(shè)檢驗 統(tǒng)計學(xué)檢驗-回歸假設(shè)檢驗 估計得到的參數(shù)是一個隨機(jī)變量（隨抽樣不同而不同），因此有必要討論參數(shù)估計量的性質(zhì)。 計量經(jīng)濟(jì)學(xué)檢驗-檢驗是否違背基本假定 是對隨機(jī)擾動項是否滿足基本假定的假設(shè)檢驗,回歸模型的統(tǒng)計檢驗,統(tǒng)計檢驗包括三方面內(nèi)容： 變量顯著性檢驗 t-Statistic 擬合優(yōu)度檢驗 R-squared， Adjusted R-squared 方程顯著性檢驗 F-statistic 查看的次序不限,Eviews 輸出的估計結(jié)果,Equation窗口中的Views / Equation Output 共分3個部分，頂部總體處理

36、信息,Dependent Variable: CONSUME Method: Least Squares Date: 09/16/03 Time: 12:29 Sample: 1 31 Included observations: 31,因變量（被解釋變量,觀察值個數(shù),樣本范圍,方法,參數(shù)估計值,參數(shù)為0的t檢驗,Eviews輸出的估計結(jié)果,中部關(guān)于系數(shù)的估計及其檢驗,Variable Coefficient Std. Errort-Statistic Prob. C 281.4993 268.9497 1.046662 0.3039 Urban_INC 0.714554 0.022760 3

37、1.59529 0.0000,估計值的標(biāo)準(zhǔn)差,Prob|T|的p值 拒絕原假設(shè)的最低顯著性水平,R-squared 0.971419 Mean dependent var 8401.467 Adjusted R-squared 0.970433 S.D. dependent var 2388.455 S.E. of regression 410.6928 Akaike info criterion14.9359 Sum squared resid 4891388 Schwarz criterion15.02842 Log likelihood -229.5066 F-statistic985.

38、6616 Durbin-Watson stat 1.461502 Prob(F-statistic)0.000000,Eviews輸出的估計結(jié)果,下部統(tǒng)計匯總,擬合優(yōu)度,殘差平方和,F值,ProbF的P值,統(tǒng)計檢驗,t 檢驗的假設(shè)為 常數(shù)項（截距）的檢驗：H0: =0 H1: 0 多元線性回歸：H0: i=0 H1: i 0 F 檢驗（方差分析）的假設(shè)為 多元線性回歸：H0: 1= 2= m=0 H1: 1， 2， m中至少有一個不等于零 因此方差分析的結(jié)論是線性回歸方程是否顯著，是否有意義,統(tǒng)計檢驗實用經(jīng)驗,實用經(jīng)驗 樣本個數(shù) n 如果大到一定程度 (n30)， t 值只要大于2.0，就可以

39、將回歸系數(shù)判定為顯著。 因為，通常在利用5%的顯著水平(雙側(cè)檢驗)，如果自由度在28以上(即一元回歸的n30)，則將小數(shù)第二位四舍五入，t 全部等于2.0。 即使自由度=時，1.962.0。 當(dāng)待驗回歸系數(shù)非常多時，利用這種方法比較方便，不用特意去查t分布表,回歸模型的統(tǒng)計檢驗,1）對各個回歸系數(shù)進(jìn)行t檢驗， Prob：實際顯著性水平（雙側(cè)檢驗）的p值，當(dāng)p值小于給定的顯著性水平時，拒絕零假設(shè)，說明該自變量對因變量作用顯著；否則該系數(shù)與0無顯著差異，應(yīng)重新選擇估計方法或重新設(shè)計。 （2）查看擬合優(yōu)度：判定系數(shù)R2和調(diào)整后的判定系數(shù)。 調(diào)整的判定系數(shù)系數(shù)R2避免片面增加解釋變量的傾向。 不要片面

40、追求擬合優(yōu)度。 （3） F檢驗：對模型中被解釋變量與解釋變量之間的線性關(guān)系在總體上是否顯著成立作推斷。R2越大，值越大。 對整個方程進(jìn)行整體檢驗， Prob(F-stastic)：F檢驗的實際 顯著性水平, 即p值，判斷回歸方程是否成立,Eviews輸出的估計結(jié)果,R-squared Mean dependent var S.D. dependent var Sum squared resid S.E. of regression F-statistic,模型的代表性分析,擬合優(yōu)度或稱判定系數(shù)、可決系數(shù)R2 在總離差平方和中,由解釋變量X做出解釋部分所占的比例 0 R2 1 SST=SSR+S

41、SE (TSS) (ESS) (RSS) R2 0.8為好,但在用截面數(shù)據(jù)時，即使模型令人滿意，R2值仍可能很低，原因是各觀測值之間存在較大的變差,模型的代表性分析,調(diào)整(修正)的可決系數(shù)Adjusted R-squared R2 用于多元回歸，由增加解釋變量個數(shù)引起的R2的增大與擬合好壞無關(guān)。在樣本容量一定的情況下，增加解釋變量必定使得自由度減少，所以調(diào)整的思路是：將殘差平方和與總離差平方和分別除以各自的自由度，以剔除變量個數(shù)對擬合優(yōu)度的影響,其中：n-k-1為殘差平方和的自由度，n-1為總體平方和的自由度。 可能為負(fù),赤池信息準(zhǔn)則和施瓦茨準(zhǔn)則,為了比較所含解釋變量個數(shù)不同的多元回歸模型的擬

42、合優(yōu)度，常用的標(biāo)準(zhǔn)還有： 赤池信息準(zhǔn)則 （Akaike information criterion, AIC） AIC=(-2L/n) +(2k/n) L對數(shù)似然值 施瓦茨準(zhǔn)則 （Schwarz criterion，SC,這兩準(zhǔn)則均要求 僅當(dāng)所增加的解釋變量能夠減少AIC值或SC值時才在原模型中增加該解釋變量,模型的代表性分析,估計結(jié)果的分析：Equation窗口中的Views 利用Equation視圖中工具條View，可以顯示估計方程、估計方程的統(tǒng)計結(jié)果、以圖或表的形式顯示數(shù)據(jù)的實際值、預(yù)測值和殘差。 查看殘差圖 Equation視圖的Views / Actual, Fitted, Resi

43、dual 方程的殘差存儲于resid 序列對象中，可象普通序列一樣直接使用。最好保存下來，避免被估計其他方程時被覆蓋。 觀察圖形，對異方差性和序列相關(guān)性有大致判斷,計算Eviews 的估計結(jié)果,可以通過函數(shù)返回公式輸出的標(biāo)量數(shù)值 判定系數(shù)r2 如 Scalar r2=eq1.r2 回歸標(biāo)準(zhǔn)差se 殘差平方和ssr F統(tǒng)計量的值f 樣本容量regobs 因變量均值meandep 因變量標(biāo)準(zhǔn)差sddep 估計系數(shù)的個數(shù)ncoef 第i個系數(shù)的估計值coefs(i) 第i個系數(shù)的估計標(biāo)準(zhǔn)差stderrs(i) 第i個系數(shù)的t統(tǒng)計量的值tstats(i) 第i個與第j個系數(shù)的協(xié)方差cov(i,j) 協(xié)

44、方差矩陣cov 返回向量：系數(shù)標(biāo)準(zhǔn)差stderrs 系數(shù)值coefs 系數(shù)t統(tǒng)計量的值tstats,參數(shù)估計量的置信區(qū)間,創(chuàng)建一個向量保存計算結(jié)果 命令vector(10) result 計算雙尾5%顯著水平下的t值： 函數(shù)qtdist(p,v) result(1)=qtdist(.975,(eq01.regobs - eq01.ncoef)如果當(dāng)前的默認(rèn)公式是eq01,則可省略。 計算95%置信度下斜率的置信區(qū)間： result(2)= coefs(2) - result(1)*stderrs(2) result(3)= coefs(2) + result(1)*stderrs(2) CON

45、SUME = 238.47 + 0.75* Urban_INC 邊際消費傾向在95%置信度下置信區(qū)間：(0.68 , 0.81,從向量中取值,估計系數(shù)的個數(shù),樣本容量,計量經(jīng)濟(jì)學(xué)檢驗,計量經(jīng)濟(jì)學(xué)檢驗 穩(wěn)定性檢驗 異方差 多重共線 序列相關(guān),擬合回歸“直線”的性質(zhì),方程的殘差存儲于Resid的序列對象中 可象普通序列一樣直接用于檢查擬合回歸“直線”的性質(zhì)：演示 1、擬合值的均值等于因變量的實際均值； 2、殘差和等于零，即殘差的均值為0； 3、殘差與擬合值不相關(guān)； 4、殘差與每一個自變量都不相關(guān)； 5、回歸直線過X、Y的均值點,擬合回歸“直線”的性質(zhì),y4,y1,y2,y3,x1,x2,x3,x4

46、,1,2,3,4,x,y,fitted value,actual value,擬合回歸“直線”的性質(zhì),殘差和為零,自變量與殘差不相關(guān),平均數(shù)相等,擬合值與殘差不相關(guān),回歸直線過 點,擬合回歸“直線”的性質(zhì),演示 Show consume consumef urban_inc resid View/Descriptive Stats/Common Sample,殘差和為零、 擬合值的均值等于因變量的實際均值,殘差和為零,演示 View/Correlations,擬合回歸“直線”的性質(zhì),回歸直線過均值點： Scalar YM=mean(Y) Scalar YM1=C(1) + C(2)* mean

47、(X) Scalar a=ym-ym1 a 應(yīng)當(dāng)?shù)扔?,從系數(shù)向量中取值,擬合值與殘差不相關(guān),自變量與殘差不相關(guān),consume = 281.50 + 0.714554* Urban_INC eq1 t=( 1.05 31.40 ) p=( 0.3946 0.0000 ) R2=0.949146,修正擬合方程,t檢驗沒有通過,由于數(shù)據(jù)來自截面資料，存在 異方差性（后討論） 選擇加權(quán)最小二乘法 權(quán)重序列取殘差絕對值平方根的倒數(shù)，得： eq2 consume = 292.00 + 0.714519* Urban_INC p=( 0.00 0.00 ) R2=0.999138 回歸標(biāo)準(zhǔn)差也有很大改善

48、,利用擬合方程預(yù)測,預(yù)測步驟 把原來的工作文件頻率范圍擴(kuò)展為1到33 選擇Procs/Structure Resize Current page 或 用命令 Expand 1 33 添加解釋變量的值（Urban_INC) Edit+/- NA = 22000 NA = 24000 預(yù)測：Procs/Forecast 或工具欄 Forecast 按鈕 生成預(yù)測序列：當(dāng)收入達(dá)22000時，平均消費16011； 當(dāng)收入達(dá)24000時，平均消費17440。 預(yù)測的平均絕對百分比誤差達(dá)4.01%。 演示,利用擬合方程預(yù)測,預(yù)測：Procs/Forecast的選項 Dynamic 選項利用滯后左變量以前的

49、預(yù)測值來計算當(dāng)前樣本區(qū)間的預(yù)測值 Static 選項是利用滯后左變量的實際值來計算預(yù)測值 （選項只有在實際數(shù)值可以得到時可用），當(dāng)方程中不含有滯后被解釋變量 或 ARMA項時，兩種方法出結(jié)果相同，所以在Eviews中不提供選擇。 用Output可選擇用圖形或數(shù)值來看預(yù)測值，或兩者都用以及預(yù)測評價指標(biāo)（平均絕對誤差等）。 S.E.(Optional) 將預(yù)測標(biāo)準(zhǔn)差項保存為序列,利用擬合方程預(yù)測,因變量平均值的點預(yù)測,因變量平均值的區(qū)間預(yù)測 置信水平為 1- 的預(yù)測區(qū)間為,通常在利用5%的顯著水平(雙側(cè)檢驗)，如果自由度在28以上(即一元回歸的n30)，則將小數(shù)第二位四舍五入，t全部等于2.0。

50、df= 時，t=1.96。 模型研制者的任務(wù)是盡可能地縮小置信區(qū)間,利用擬合方程預(yù)測,點預(yù)測,預(yù)測區(qū)間,點預(yù)測與預(yù)測區(qū)間,利用擬合方程預(yù)測,給出近似95%的置信區(qū)間,對預(yù)測的評價指標(biāo),事后模擬是將預(yù)測數(shù)列與實際數(shù)列直接進(jìn)行比較，根據(jù)兩者的接近程度進(jìn)行預(yù)測評價。 預(yù)測時選中保存標(biāo)準(zhǔn)差到序列 SE Genr High=csf+2*SE Genr Low =csf-2*SE,預(yù)測值保存的序列名,Show consume csf High Low 下面給出事后模擬預(yù)測評價的若干指標(biāo),對預(yù)測的評價指標(biāo),2、平均絕對誤差百分比 (MAPE Mean Abs. Percent Error,一般認(rèn)為， MAPE10 時預(yù)測精度較高,1、均方根誤差(RMSE Root mean Squared Error