Eviews5學(xué)習教程

1、1.eviews 基礎(chǔ)基礎(chǔ)5 1.1.eviews簡介5 1.2.eviews的啟動、主界面和退出5 1.3.eviews的操作方式7 1.4.eviews應(yīng)用入門8 1.5.eviews常用的數(shù)據(jù)操作17 2.一元線性回歸模型一元線性回歸模型26 2.1.用普通最小二乘估計法建立一元線性回歸模型26 2.2.模型的預(yù)測32 2.3.結(jié)構(gòu)穩(wěn)定性的 chow檢驗 36 3. 多元線性回歸多元線性回歸41 3.1.用 ols 建立多元線性回歸模型41 3.2.函數(shù)形式誤設(shè)的 reset 檢驗47 4. 非線性回歸非線性回歸50 4.1.用直接代換法對含有冪函數(shù)的非線性模型的估計50 4.2.用間接

2、代換法對含有對數(shù)函數(shù)的非線性模型的估計52 4.3.用間接代換法對 cd 函數(shù)的非線性模型的估計55 4.4.nls 對可線性化的非線性模型的估計57 4.5.nls 對不可線性化的非線性模型的估計60 4.6.二元選擇模型64 5. 異方差異方差70 5.1.異方差的戈得菲爾德匡特檢驗70 5.2.異方差的 white 檢驗74 5.3.異方差的處理77 6. 自相關(guān)自相關(guān)81 6.1.自相關(guān)的判別81 6.2.自相關(guān)的修正85 7. 多重共線性多重共線性89 7.1.多重共線性的檢驗89 7.2.多重共線性的處理94 8. 虛擬變量虛擬變量96 8.1.虛擬自變量的應(yīng)用96 8.2.虛擬變

3、量的交互作用101 8.3.二值因變量：線性概率模型103 9. 滯后變量模型滯后變量模型107 9.1.自回歸分布滯后模型的估計107 9.2.多項式分布滯后模型的參數(shù)估計112 2 10. 聯(lián)立方程模型聯(lián)立方程模型117 10.1.聯(lián)立方程模型的單方程估計方法117 10.2.聯(lián)立方程模型的系統(tǒng)估計方法121 3 1. eviews 基礎(chǔ)基礎(chǔ) 1.1.eviews 簡介簡介 eviews：econometric views（經(jīng)濟計量視圖） ，是美國 qms 公司（quantitative micro software co.，網(wǎng)址為 http:/）開發(fā)的運行于 windows 環(huán)境下的經(jīng)

4、濟計量分析軟件。eviews 是應(yīng)用較為廣泛的經(jīng)濟計量分析軟件microtsp 的 windows 版本，它引入了全新的面向?qū)ο蟾拍睿ㄟ^操作對象實現(xiàn)各種計量分析功能。 eviews 軟件功能很強，能夠處理以時間序列為主的多種類型數(shù)據(jù)，進行包括描述統(tǒng) 計、回歸分析、傳統(tǒng)時間序列分析等基本數(shù)據(jù)分析以及建立條件異方差、向量自回歸等 復(fù)雜的計量經(jīng)濟模型。 1.2.eviews 的啟動、主界面和退出的啟動、主界面和退出 1.2.1. eviews 的啟動的啟動 單擊 windows 的【開始】按鈕，選擇【程序】選項中的【eviews 5】 ，單擊其中的 【eviews5】 ；或者在相應(yīng)目錄下用鼠標雙擊

5、啟動 eviews 5 程序，進入主窗口。如圖 1.1 所示： 圖 1.1 標題欄 菜單欄 命令窗口 工作區(qū) 狀態(tài)欄 4 1.2.2. eviews 的主界面的主界面 .標題欄標題欄 eviews 窗口的頂部是標題欄，標題欄左邊是控制框；右邊是控制按鈕，有【最小化】 、 【最大化（或還原） 】 、 【關(guān)閉】三個按鈕。 .菜單欄菜單欄 標題欄下面是菜單欄。菜單欄中排列著按照功能劃分的 9 個主菜單選項，用鼠標單 擊任意選項會出現(xiàn)不同的下拉菜單，顯示該部分的具體功能。9 個主菜單選項提供的主 要功能如下： 【file】 有關(guān)文件（工作文件、數(shù)據(jù)庫、eviews 程序等）

6、的常規(guī)操作，如文件的建 立（new） 、打開（open） 、保存（save/save as） 、關(guān)閉（close） 、導(dǎo)入（import） 、導(dǎo)出 （export） 、打?。╬rint） 、運行程序（run）等；選擇下拉菜單中的 exit 將退出 eviews 軟件。 【edit】 通常情況下只提供復(fù)制功能（下拉菜單中只有 cut、copy 項被激活） ，應(yīng) 與粘貼（paste）配合使用；對某些特定窗口，如查看模型估計結(jié)果的表達式時，可對窗 口中的內(nèi)容進行剪切（cut） 、刪除（delete） 、查找（find） 、替換（replace）等操作， 選擇 undo 表示撤銷上步操作。 【obje

7、cts】 提供關(guān)于對象的基本操作。包括建立新對象（new objects） 、從數(shù)據(jù)庫 獲取/更新對象（fetch/update from db） 、重命名（rename） 、刪除（delete） 。 【view】和【procs】 二者的下拉菜單項目隨當前窗口不同而改變，功能也隨之變 化，主要涉及變量的多種查看方式和運算過程。我們將在以后的實驗中針對具體問題進 行具體介紹。 【quick】 下拉菜單主要提供一些簡單常規(guī)用法的快速進入方式。如改變樣本范圍 （sample） 、生成新序列（generate series） 、顯示對象（show） 、作圖（graph） 、生成新 組（empty gr

8、oup）以及序列和組的描述統(tǒng)計量、新建方程和 var。 【options】 系統(tǒng)參數(shù)設(shè)定選項。與一般應(yīng)用軟件相同，eviews 運行過程中的各種 狀態(tài)，如窗口的顯示模式、字體、圖像、電子表格等都有默認的格式，用戶可以根據(jù)需 要選擇 options 下拉菜單中的項目對一些默認格式進行修改。 【windows】 提供多種在打開窗口種進行切換的方式，以及關(guān)閉所有對象（close all objects）或關(guān)閉所有窗口（close all） 。 【help】 eviews 的幫助選項。選擇 eviews help topics 按照索引或目錄方式在所有 幫助信息種查找所需項目。下拉菜單還提供分類查詢方

9、式，包括對象（object） 、命令 （command） 、函數(shù)（function） 、矩陣與字符串（matrix) () 1(,0,1 yy iii f y xg xg xy 那么由此可得第 次觀測的對數(shù)似然函數(shù)為i * mergeformat (4.15)( )log ()(1)log1() iiiii lyg xyg x 因此對所有觀測求和即得到樣本容量為的對數(shù)似然函數(shù)：n * mergeformat (4.16) 1 ( )log ()(1)log1() n iiii i yg xyg x 在確定以后，通過對方程 4.16 最大化的一階條件求解除模型參數(shù)的估計量。g 模型的解釋 對于該

10、模型的解釋，不同于線性概率模型。由于該模型的非線性特點，因此就不能在其 他條件不變的情況下單純考慮某一控制變量（control variable）對響應(yīng)變量（response variable）的影響。一般而言，估計對成功概率的影響只需要的符號就 j xp(1| )yx j 可以獲知這兩者之間的關(guān)系。如果需要更加具體的變動關(guān)系，則可以表述為： * mergeformat (4.17) 01122 01 122 () () kk kk pgxxxx gxxx 這樣的解釋相對于線性概率模型而言較為復(fù)雜。 二元選擇模型的類型 二元選擇模型可以有不同的類型，表 4.5 是幾種二元選擇模型的類型： 表

11、3.6 二元選擇模型類型表 對應(yīng)的分布e分布函數(shù) f相應(yīng)的二元選擇模型 標準正態(tài)分布)(xprobit 模型（較常用） logistic 分布 x x e e 1 logit 模型 i 型極值分布 - 1-e x e extreme value 模型 3.8.3. 實驗數(shù)據(jù)實驗數(shù)據(jù) 數(shù)據(jù)文件見工作文件chapter04demo05.wf11 變量說明文件見文本文件chapter04demo05d.txt 1 該數(shù)據(jù)反映美國已婚女性養(yǎng)育子女的個數(shù)對其個人參與勞動力市場的影響。 63 3.8.4. 實驗內(nèi)容實驗內(nèi)容 打開例 4.1 所指示的 chapter04demo05 這個工作文件 建立 nw

12、ifeinc、educ、exper、exper2、age、kidslt6、kidsge6 對 inlf 的二元選擇 模型進行參數(shù)估計 3.8.5. 實驗步驟實驗步驟 建立數(shù)據(jù)文件建立數(shù)據(jù)文件 inlf 為當年婦女為了工資收入而參與勞動力市場，nwifeinc 表示丈夫 的收入、educ 表示受教育水平、exper 表示曾經(jīng)的工作時間、age 表示年齡、kidslt6 表示 家中有的 6 歲以下孩子的個數(shù)、kidsge6 表示家中的 618 歲孩子的個數(shù)。 建立二元選擇模型建立二元選擇模型 打開工作文件 demo5，選擇建立方程，在【estimation settings】選項中選擇二元選擇模型

13、，如圖 4.11 所示。 圖 3.20 其默認的模型為 probit 模型，點擊 ok 按鈕即可輸出結(jié)果，如果 4.12 所示。 64 圖 3.21 log likelihood：簡記作 l，對數(shù)似然值。是基于極大似然估計法得到的統(tǒng)計量。 l 取值越大，模型越精確。一般來說當自變量較多時，l 越大。 restr. log likelihood：零模型的對數(shù)似然值，計為，其中零模型是僅含有常數(shù)l 項和誤差項的模型，又稱截距概率模型，主要用于和現(xiàn)有模型比較。但是在回 歸方程中如果不包含常數(shù)項時，將不顯示該統(tǒng)計量。 avg. log likelihood：是 l/n，其中 n 為觀察值個數(shù)。 lr

14、statistic：lr 檢驗統(tǒng)計量，用來檢驗?zāi)Ｐ偷恼w顯著性。檢驗的零假設(shè)為除 常數(shù)項以外的所有系數(shù)都為零，該統(tǒng)計量定義為：。其作用類)(2lllr 似于線性回歸中的 f 統(tǒng)計量，但是在回歸方程中如果不包含常數(shù)項時，將不顯 示該統(tǒng)計量。 probability（lr stat）：lr 統(tǒng)計量的相伴概率值。 akaike info criterion：aic 準則，赤池信息準則。該統(tǒng)計量定義為： 用以評價模型的好壞。其中 l 是對數(shù)似然值，k 是被估計參 n 2k n 2l aic 數(shù)的個數(shù)，n 是觀測值數(shù)目。aic 要求取值越小越好。 schwarz criterion：施瓦茨準則。該統(tǒng)計量

15、定義為：用法和 n n2k n 2lln sc 65 特點與 aic 近似。 mcfadden r.squared：該檢驗值被定義為似然比的一個指標，類似于線1 l l 性回歸中的 r2，如果在回歸方程中如果不包含常數(shù)項時，將不顯示該統(tǒng)計量。 進一步對模型結(jié)果進行期望預(yù)測（expectation-prediction）分析，在方程結(jié)果窗 口中點擊【view】【expectation-prediction table】 ，彈出對話框如圖 4.13 所示。 圖 3.22 這里 0.5 為 eviews 默認截斷值，然后根據(jù)每個觀察值的預(yù)測概率是否大于這個截斷值進 行分組。點擊【ok

16、】按鈕，彈出結(jié)果如圖 4.14 所示。 圖 3.23 從表上半部分可以看出預(yù)測概率的正確率總體達到 73.44%；而表的下半部分給出了根據(jù) 期望值計算的預(yù)測結(jié)果，正確率達到 64.21%。 66 打開方程估計對話框，選擇 logit 模型，得出結(jié)果如圖 4.15 所示。 圖 3.24 通過對比 probit 回歸與 logit 回歸結(jié)果，不難發(fā)現(xiàn)回歸結(jié)果基本吻合，且存在將 probit 回歸所得的參數(shù)乘以 1.6 就基本與 logit 回歸所得參數(shù)值大小相當，其中原因，請讀者思 考。 67 4. 異方差異方差 4.1.異方差的戈得菲爾德異方差的戈得菲爾德匡特檢驗匡特檢驗 4.1

17、.1. 實驗要求實驗要求 掌握異方差的戈得菲爾德匡特檢驗原理，并使用 eviews 軟件進行戈得菲爾德 匡特檢驗的程序設(shè)計與操作，并通過該檢驗結(jié)果來判別是否存在因為自變量引起的 i x 異方差。 4.1.2. 實驗原理實驗原理 戈得菲爾德匡特（goldfeld-quandt）檢驗方法： * mergeformat (5.1) 01 122kk yxxx 如果存在由變量引起的異方差，那么首先按變量的樣本觀測值大小進行排序，然后 i x i x 將整個樣本中間的個觀測值除去，并將剩下的觀測值劃分為大小相同的兩個子4cn 樣本，每個子樣本的容量均為，此時作第一個子樣本的回歸，得到第一個回歸的 2 n

18、c ，同樣方法可以得到，進而可以得出： 1 ssr 2 ssr * mergeformat (5.2) 2 2 1,1 122 1 (1) 2 (1) 2 n cn c kk nc ssrk ssr ff nc ssr ssrk 在給定顯著性水平下，存在： ，則顯然存在因為引起的遞增的異方差；(1,1) 22 ncnc ffkk i x ，則不存在因為引起的異方差；1(1,1) 22 ncnc ffkk i x ，則取該統(tǒng)計值的倒數(shù)，即，再與給定顯著性水平的1f f 1 2 1ssr f fssr 臨界值比較大小，如果大于該臨界值，則存在因(1,1) 22 ncnc fkk 68 為引起的遞減

19、的異方差 i x 4.1.3. 實驗數(shù)據(jù)實驗數(shù)據(jù) 表 4.1 某地區(qū)居民收入與儲蓄額 1 obsxyobsxyobsxyobsxy 1958877726419661426943119742412715781982321002250 1959921010519671552258819752560416541983325002420 196099549019681673089819762650014001984335001720 19611050813119691766395019772743020171985352502570 1962109791221970185757791978276701

20、8291986360001900 19631191210719711953581919792815016001987362002100 196412747406197221163122219802830022001988382002300 19651349950319732288010721981295602105 y：儲蓄；x：居民收入 4.1.4. 實驗內(nèi)容實驗內(nèi)容 建立工作文件，創(chuàng)建序列（或變量）并輸入數(shù)據(jù) 建立一個程序文件，并按照要求輸入程序語句 運行并輸出結(jié)果，并得出結(jié)論 4.1.5. 實驗步驟實驗步驟 創(chuàng)建工作文件創(chuàng)建工作文件 創(chuàng)建一個時間在 19581988 的時間序列工作文件，

21、創(chuàng)建變量，并輸 入數(shù)據(jù)。 建立程序文件建立程序文件 點擊 eviews 主窗口菜單【file】【new】【program】 ，彈 出一個空白的程序窗口，如圖 5.1 所示。 1 該數(shù)據(jù)被保存在chapter05demo01.wf1 69 圖 4.1 并在這個程序窗口中輸入如下命令： vector(5) m創(chuàng)建一個含有五個數(shù)字的向量文件 m sort x對 x 序列進行排序 1 smpl 1958 1969定義第一子樣本的當前區(qū)間在 19581969 m(1)=10定義向量的第一個數(shù)字為 10 equation smleq.ls y c x創(chuàng)建一個名為 smleq 的線性回歸方程 m(2)=ss

22、r定義向量的第二個數(shù)字為 smleq 方程的殘差平方和 smpl 1977 1988定義第二子樣本的當前區(qū)間在 19771988 equation lrgeq.ls y c x創(chuàng)建一個名為 lrgeq 的線性回歸方程 m(3)=ssr定義向量的第三個數(shù)字為 lrgeq 方程的殘差平方和 m(4)=m(3)/m(2)定義向量的第四個數(shù)字為 m(3)/m(2) m(5)=fdist(m(4),m(1),m(1)定義向量的第五個數(shù)字為 f 統(tǒng)計量顯著性水平 show m顯示向量 m 完成后點擊【save】按鈕保存在指定的路徑。然后點擊【run】按鈕，彈出一個向量窗 口，如圖 5.2 所示。 圖 4.

23、2 通過對圖 5.2 輸出結(jié)果的比較，r5 為 0.010.05，因此可以在 0.05 的水平上拒絕原假設(shè)， 1 此處命令僅對截面數(shù)據(jù)有效，注意在時間序列中不能使用該命令，因為在命令行中打。 70 即原方程存在異方差，且為遞增的異方差。 4.1.6. 實驗注意實驗注意 戈得菲爾德匡特檢驗適用于樣本容量較大，異方差遞增或者遞減的情況；并且 已知引起該異方差的自變量。此外根據(jù)戈得菲爾德匡特檢驗的結(jié)果，如果存在異方 差，那么該異方差的形式一般為。( ) ii f xx 71 4.2.異方差的異方差的 white 檢驗檢驗 4.2.1. 實驗要求實驗要求 理解 white 檢驗的相關(guān)概念和檢驗方法；掌

24、握異方差的 white 檢驗方法，使用 eviews 進行異方差的 white 檢驗，并對報告結(jié)果進行分析推斷。 4.2.2. 實驗原理實驗原理 white 檢驗思想：在異方差形式未知的情況下，假設(shè)當模型中包括了 3 個自變量， 形如： * mergeformat (5.3) 2222 01 122334152637128 13923 xxxxxxx xx xx xe 其中為方程的殘差值，此時 white 檢驗就是上述回歸 01 12233 yxxxu 的整體顯著性的 f 檢驗，如果此時 f 檢驗顯著，那么就存在異方差，反之則不存在異方 差。但是當自變量增多的時候，上述回歸中的自變量將呈現(xiàn)出幾

25、何級增加，因此將大量 損失自由度。因此存在的一個改進為，作回歸： * mergeformat (5.4) 22 012 yye 此時采用 f 檢驗來檢驗的原假設(shè)即可。 001 h :0 4.2.3. 實驗內(nèi)容實驗內(nèi)容 基于實驗 5.1 數(shù)據(jù)來進行 white 檢驗 4.2.4. 實驗步驟實驗步驟 打開實驗數(shù)據(jù)打開實驗數(shù)據(jù) 打開 5.1 的實驗數(shù)據(jù)（注意將樣本區(qū)間改為 19581988，在運行 完程序之后，工作文件默認的樣本區(qū)間位 19771988） 進行回歸與進行回歸與 white 檢驗檢驗 用 y 對 x 進行回歸，回歸結(jié)果如圖 5.3 所示 72 圖 4.3 通過 eviews 對該回歸模

26、型進行 white 檢驗 點擊方程窗口的【view】【residual tests】【white heteroskedasticity】 (no cross terms 即是否選擇交叉項)。如圖 5.4 所示。 圖 4.4 結(jié)果顯示如圖 5.5。 73 圖 4.5 圖 5.5 的上半部分報告的為 white 檢驗的 f 檢驗值及其相伴概率和 lm 統(tǒng)計量 1及其 相伴概率，通過這兩個統(tǒng)計量值及其相伴概率，可以拒絕不存在異方差的原假設(shè)。而圖 5.5 的下半部分提供了 white 檢驗的輔助回歸的回歸結(jié)果，該結(jié)果的 f 檢驗統(tǒng)計量值與 上半部分報告的一樣；在本實驗中，由于只有一個自變量，所以 wh

27、ite 檢驗中輔助回歸 的自變量是原方程的自變量及其二次項，而非和。 （在只有一個自變量的條件下， y 2 y 交互項也是不存在的，所以無論在 eviews 選擇 white 檢驗的是否含有交互項的檢驗，此 時的結(jié)論時完全一致的） 1 lm 統(tǒng)計量（lagrange multiplier statistic）:拉格朗日乘數(shù)統(tǒng)計量，又稱得分統(tǒng)計量（score statistic） ，此 處值為觀測值個數(shù)乘以殘差項對自變量回歸后的值，其服從自由度為自變量個數(shù)的分布，因此 2 r 2 有時也被稱為 n-r-平方統(tǒng)計量，該統(tǒng)計量類似于 f 檢驗統(tǒng)計量，也是檢驗排除性約束的。 74 4.3.異方差的處理

28、異方差的處理 4.3.1. 實驗要求實驗要求 理解加權(quán)最小二乘法的原理，掌握加權(quán)最小二乘法對異方差的處理并根據(jù)經(jīng)濟理論 對可能產(chǎn)生的異方差的函數(shù)形式進行適當分析，進而應(yīng)用 eviews 來進行 wls 的操作并 觀察異方差的消除。 4.3.2. 實驗原理實驗原理 如果已知一元線性回歸模型的方差與自變量的某種函數(shù)成比例，即有 i * mergeformat (5.5) 2 i var()* 2 ii f(x ) 那么對于原模型 01122iiikik y x x x 兩邊同時除以，得到)f(xi * mergeformat (5.6) 01122iiikiki iiiiii y x x x f(

29、x )f(x )f(x )f(x )f(x )f(x ) 由于具有同方差性，因此變換消除了異方 2 222 ii ee() i ii i 11 f(x )f(x )f(x ) 差。為此原方程也變化為 01122 ( )( )( )( )( )( ) iiiiiiikikiii yf xf xxf xxf xxf xf x * mergeformat (5.7) 或者寫為 * mergeformat (5.8) * 001122iiiikiki yxxxx 一般而言在 wls 的權(quán)重選擇上，常見的形式有、1 ii x1 ii x 等 2 1 ii x 75 4.3.3. 實驗內(nèi)容實驗內(nèi)容 基于

30、5.2white 檢驗的結(jié)果在 eviews 中進行 wls 操作 根據(jù)經(jīng)濟學(xué)理論對異方差形式進行一定估計以取得適當?shù)臋?quán)重 根據(jù)選取的權(quán)重利用 wls 對異方差進行處理 4.3.4. 實驗步驟實驗步驟 打開 5.1.2 的實驗數(shù)據(jù)并進行 white 檢驗，在此略去。 在進行過 white 檢驗的工作窗口中點擊【procs】【specify/estimate】 ，如圖 5.6 所示。 圖 4.6 在彈出方程對話框中點擊【option】 ，如圖 5.7 所示。 76 圖 4.7 再在 option 對話框中在【weighted ls/tsls】前打，在 weight

31、 框中填入適當?shù)臋?quán)重， 在本例當中，選擇 1/x 為權(quán)重，如圖 5.8 所示。 圖 4.8 確定以后，退回到方程對話框中，點擊【ok】 ，得到結(jié)果，如圖 5.9 所示。 77 圖 4.9 再對 wls 以后的模型進行 white 檢驗，得出結(jié)果如圖 5.10 所示。 圖 4.10 從結(jié)果看出，異方差消除。 4.3.5. 實驗注意實驗注意 在經(jīng)過加權(quán)變化后的估計模型中，所得到的值，盡管對計算 f 統(tǒng)計量很有用， 2 r 但是作為擬合優(yōu)度的指標已經(jīng)沒有意義：因為它反映出的僅僅是的變異中有多少可以 * y 由來解釋，但這的確是沒有意義的。 * i x 78 5. 自相關(guān)自相關(guān) 5.1.自相關(guān)的判別自

32、相關(guān)的判別 5.1.1. 實驗要求實驗要求 掌握 durbin-watson 檢驗的基本思想，并根據(jù)報告的 durbin-watson 值判別是否存在 自相關(guān)。了解 durbin-watson 檢驗的適用范圍與自相關(guān)的基本原理，并能夠根據(jù)自相關(guān) 存在的基本原理進行更為一般的檢驗 5.1.2. 實驗原理實驗原理 durbin-watson 檢驗的基本原理 存在一階自相關(guān) * mergeformat (6.1) 1ttt uu 那么基于全套經(jīng)典線性模型假定采用 ols 回歸得出的殘差則存在 * mergeformat (6.2) 1 ttt uu 那么應(yīng)當顯著異于 0 且絕對值小于 1，因此可以構(gòu)

33、建 * mergeformat (6.3) 22 1 21 ()2(1) tt iii ii dwuuu 根據(jù)經(jīng)驗做法 dw 值一般在 2 左右則不存在自相關(guān)，同樣可以通過 durbin-watson 統(tǒng)計 量表來判定是否存在自相關(guān)。 表 5.1 dw 檢驗判斷表 dw 值值結(jié)論結(jié)論 0dwdl存在一階正自相關(guān) dldwdu無法判斷 dudw4- du不存在自相關(guān) 4- dudw4- dl無法判斷 4- dldw4存在一階負自相關(guān) 通過這一基本原理可以了解 durbin-watson 檢驗的適用條件為：在大樣本條件下只存在 誤差項的一階自相關(guān)，并且解釋變量與誤差項不相關(guān)。 一般情形下自相關(guān)的判

34、別方法 79 從方程 6.2 出發(fā)，可以通過回歸直接得出的值的 統(tǒng)計量檢驗是否異于 0 來判t 斷是否存在一階自相關(guān)。同樣如果存在自變量與誤差項相關(guān)時，可以類似的做 回歸： * mergeformat (6.4) 01 1221 tkkt uxxxu 通過該回歸得出的與 判斷是否存在一階自相關(guān)。t 更一般地，如果檢驗是否存在高階自相關(guān)，那么只需要做回歸 * mergeformat (6.5) 01 1221122 tkktt uxxxuu 只需要檢驗方程 6.5 中的聯(lián)合顯著性的檢驗或者 lm 檢驗，該 lm 檢驗又 12 , tt uu f 被稱為 breusch-godfrey 大樣本檢驗

35、。 5.1.3. 實驗數(shù)據(jù)實驗數(shù)據(jù) 表 5.2 某地區(qū)出口商品總值與國內(nèi)生產(chǎn)總值 1 obsyxobsyx 19674010224181977562829091 19683711223081978573629450 19694004233191979594630705 19704151241801980650132372 19714569248931981654933152 19724582253101982670533764 19734697257991983710434411 19744753258861984760935429 19755062268681985810036200 197

36、6566928134 y：出口總值；x：國民生產(chǎn)總值 5.1.4. 實驗內(nèi)容實驗內(nèi)容 創(chuàng)建工作文件，創(chuàng)建變量，并輸入數(shù)據(jù) 建立模型并輸出結(jié)果 輸出 y 的實際觀察值序列（actual） 、擬合值序列（fitted）以及殘差序列 （residual） ，并給出殘差圖（residual plot） 輸出殘差 et和 et-1的散點圖 通過 dw 值判斷是否存在自相關(guān) 1 該數(shù)據(jù)被保存在chapter06demo01.wf1 80 5.1.5. 實驗步驟實驗步驟 創(chuàng)建工作文件創(chuàng)建工作文件 創(chuàng)建一個時間在 19671985 的時間序列工作文件，創(chuàng)建變量，并輸 入數(shù)據(jù) 建立模型建立模型 用出口總值 y

37、對國名生產(chǎn)總值 x 進行回歸。結(jié)果如圖 6.1 所示。 圖 5.1 接下來點擊方程窗口左上角【view】【actual,fitted,residual】 【actual,fitted,residual graph】 ，如圖 6.2 所示。屏幕顯示結(jié)果如圖 6.2 所示。 圖 5.2 散點圖判斷散點圖判斷 再通過命令：genr e=resid 生成一個殘差序列 e，接下來通過在命令窗 口中輸入命令：scat e(-1) e 來觀察 et和 et-1的散點圖，輸出結(jié)果如圖 6.3 所示。 （也可以 直接輸入命令：scat resid(-1) resid 來實現(xiàn)。 ） 81 圖 5.3 結(jié)合圖 6.

38、2 和圖 6.3 的分析，初步得出存在正自相關(guān)的結(jié)論。 dw 檢驗檢驗 通過在圖 6.1 中得出的 durbin-watson 統(tǒng)計值為 0.9505。在 5%的顯著性 水平下，n=19，k=1，查表得的 dl=1.18，du=1.40。由于 d=0.95dl，故存在正自相關(guān)。 也可以通過做 et對 et-1的回歸來判定是否存在自相關(guān)，在命令窗口中輸入 ls e c e(-1)， 彈出結(jié)果如圖 6.4 所示。 圖 5.4 通過該輔助回歸可以得出原模型存在較為顯著的正自相關(guān)。 82 5.2.自相關(guān)的修正自相關(guān)的修正 5.2.1. 實驗要求實驗要求 掌握自相關(guān)的修正方法。 廣義差分法 durbin

39、 兩步法 cochrane-orcutt 迭代法 5.2.2. 實驗數(shù)據(jù)實驗數(shù)據(jù) 同 6.1.2 實驗數(shù)據(jù) 5.2.3. 實驗內(nèi)容實驗內(nèi)容 建立模型并輸出結(jié)果 判斷是否存在自相關(guān) 分別使用廣義差分法、durbin 兩步法、cochrane-orcutt 迭代法進行修正 5.2.4. 實驗步驟實驗步驟 廣義差分法對自相關(guān)的修正廣義差分法對自相關(guān)的修正 由 d=0.9505，可得 0.95052 10.5248 在命令窗口中輸入：genr y1=y-0.5248*y(-1)、genr x1=x-0.5248*x(-1)作廣義差分變換。 再通過命令窗口輸入：ls y1 c x1，輸出結(jié)果如圖 6.5

40、 所示。 83 圖 5.5 再使用 genr e=resid 命令定義殘差項，做 et對 et-1的回歸，輸出結(jié)果如圖 6.6 所示。 圖 5.6 可以看出自相關(guān)消除。 durbin 兩步法對自相關(guān)的修正兩步法對自相關(guān)的修正 在命令窗口中輸入：ls y c y(-1) x x(-1)，輸出結(jié)果如圖 6.7 所示。 84 圖 5.7 以，做廣義差分變換，通過輸入命令：ls y-0.5939*y(-1) c x-0.5939*x(-1)0.5939 輸出結(jié)果，如圖 6.8 所示。 圖 5.8 再使用 genr e=resid 命令定義殘差項，做 et對 et-1的回歸，輸出結(jié)果如圖 6.9 所示。

41、 85 圖 5.9 自相關(guān)消除。 cochrane-orcutt 迭代法迭代法 在命令窗口中輸入：ls y c x ar(1)。輸出結(jié)果如圖 6.10 所示。 圖 5.10 因此消除了自相關(guān)。 86 6. 多重共線性多重共線性 6.1.多重共線性的檢驗多重共線性的檢驗 6.1.1. 實驗要求實驗要求 了解產(chǎn)生多重共線性的原因，掌握多重共線性的一些判別指標與方法，配合使用 eviews 軟件進一步對多重共線性及其影響進行深入思考。 6.1.2. 實驗原理實驗原理 多重共線性的基本概念 在回歸模型 * mergeformat (7.1) 01 122kk yxxx 中假定（為描述方便）是其余變量的

42、一個線性組合，即在輔助回歸 1 x * mergeformat (7.2) 102233kk xxxx 中，那么此時原回歸模型 7.1 就存在完全多重共線性；如果方程 7.2 的接近 2 1r 2 r 1，那么就稱回歸模型 7.1 存在高度多重共線性。 （一般而言，在實際應(yīng)用當中，多重共 線性指的是高度多重共線性） 多重共線性的影響 在回歸方程 7.1 中，有 * mergeformat (7.3) 2 2 var() (1) j jj sstr 其中為的總樣本變異，為將對其他自變量（包括截距項） 2 1 () n jijj i sstxx j x 2 j r j x 進行回歸的。如果存在高度

43、多重共線性，隨著，那么將存在。因 2 1 j r var() j 此在方程中一旦某些自變量之間存在多重共線性，必然地其參數(shù)估計值的 檢驗統(tǒng)計值t 在很大程度上可能是不顯著的，但是對這些變量的聯(lián)合約束的檢驗的統(tǒng)計量卻可能是f 顯著的。 根據(jù) 7.3，可以定義方差膨脹因子（vif：the variance inflation factor） 87 * mergeformat (7.4) 2 1 1 j vif r 這個指標意味著如果在輔助回歸中，將被膨脹式擴大。 2 1 j r vif 6.1.3. 實驗數(shù)據(jù)實驗數(shù)據(jù) 表 6.1 某地區(qū)固定資產(chǎn)投資及其相關(guān)資料 1 obsyx1x2x3obsyx1

44、x2x3 197837.9321.0727.0627.031990393.26192.05304.38150.69 197940.7523.6730.9728.031991457.32240.2373.16182.48 198051.7728.2537.724.931992759.16328.48479.25219.61 198170.2933.2843.2627.1819931275.44444.42718.32331.27 198293.4838.1151.1530.7519941639.83619.75922.94416.83 198396.741.8256.5834.271995205

45、9.43871.251144.4525.63 1984129.5952.0672.6242.6519962240.761020.081225.29601.23 1985160.2865.6694.1160.8419972288.691126.641456.26682.66 1986181.1977.99111.5882.9119982651.241251.721165.6825.61 1987205.0799.73151.9389.8719992974.321436.781308.24965.9 1988288.79135.89207.41115.220003175.931641.141628

46、.41069.86 1989320.23169.99265.39141.16 y：固定資產(chǎn)投資（億元） ；x1：固定資產(chǎn)折舊（億元） ；x2：營業(yè)盈余（億元） ；x3：財 政支出（億元） 6.1.4. 實驗內(nèi)容實驗內(nèi)容 建立模型并輸出結(jié)果 考察解釋變量簡單相關(guān)系數(shù)矩陣 比較輔助回歸的 vif 判斷多重共線性的存在性 通過逐步回歸處理多重共線性 6.1.5. 實驗步驟實驗步驟 創(chuàng)建一個時間在 19782000 的時間序列工作文件，創(chuàng)建變量，并輸入數(shù)據(jù) 用 y 對 x1、x2、x3 進行回歸。結(jié)果如圖 7.1 所示。 1 該數(shù)據(jù)被保存在chapter07demo01

47、.wf1 88 圖 6.1 從 檢驗及其伴隨概率來看，只有變量 x2 較為顯著，其他解釋變量均不顯著；并且方程t 擬和優(yōu)度為 0.991、同時方程整體的檢驗很顯著。因此可以懷疑在變量 x1 和 x3 2 rf 之間存在多重共線性。 因此察看 x1、x3 的簡單相關(guān)系數(shù)。在工作窗口中定義這兩個序列，然后單擊鼠 標右鍵，選擇【open】【as group】 ，再在顯示的組工作窗口中點擊【view】 【correlations】-【common sample】 ，如圖 7.2 所示。 圖 6.2 結(jié)果顯示如圖 7.3 所示。 89 圖 6.3 從圖 7.3 可以看出，解釋變量 x1、

48、x3 之間的簡單相關(guān)系數(shù)很大，因此解釋變量之間相 關(guān)程度較高?？梢岳猛瑯拥姆椒ㄟM一步可以觀察 x1、x2 和 x3 之間的相關(guān)系數(shù)矩陣， 結(jié)果如圖 7.4 所示 圖 6.4 可以看出，三個變量之間兩兩之間的相關(guān)系數(shù)也很大，相關(guān)程度也較高。 為了進一步考察這三個變量之間的方差膨脹因子（vif） ，創(chuàng)建一個程序文件， 點擊 eviews 主窗口菜單【file】【new】【program】 ，彈出一個空白的程序窗口， 在命令窗口中輸入命令語句如圖 7.5 所示。 圖 6.5 保存該程序然后點擊【run】 ，彈出向量窗口如圖 7.6 所示 90 圖 6.6 根據(jù)此結(jié)果，可以進一步明確

49、 x1、x2 和 x3 之間存在高度的線性關(guān)系。即使第二個輔 助回歸得出的 vif 相對較小，但是該 vif 相對應(yīng)的輔助回歸的也將近達到 0.96。 2 r 6.1.6. 實驗注意實驗注意 多重共線性是一個程度問題而不是存在與否的問題 除了對于存在一個較大的，并因此導(dǎo)致較大的，進而導(dǎo)致 j x 2 j rvif 變大以外；一個很小的也可能導(dǎo)致一個較大的，因此 var() j j tss var() j 小的樣本容量也能導(dǎo)致大的抽樣方差。 即使存在一個較大的和， 檢驗也不一定不顯著，畢竟vif var() j t ，因此對多重共線性的判斷要格外小心。 () jj tse 91 6.2.多重共線

50、性的處理多重共線性的處理 6.2.1. 實驗要求實驗要求 在掌握多重共線性的判別方法以后，進一步研究可能產(chǎn)生多重共線性的原因，并利 用 eviews 軟件實現(xiàn)消除多重共線性或降低多重共線性程度。 6.2.2. 實驗原理實驗原理 從模型中刪除不必要的自變量 1 獲取額外的數(shù)據(jù)或新的樣本 改變模型形式 利用先驗信息 變量變換 6.2.3. 實驗內(nèi)容實驗內(nèi)容 判斷產(chǎn)生多重共線性原因 設(shè)計方法（刪除變量、利用先驗信息，改變模型形式等） 6.2.4. 實驗步驟實驗步驟 造成該多重共線性的原因在于：企業(yè)折舊資金與企業(yè)盈余資金主要是會計帳面的 區(qū)別，而往往資金在現(xiàn)實中卻并不表現(xiàn)出會計特點。因

51、此解決這一多重共線性的方法在 于將企業(yè)折舊資金與企業(yè)盈余資金兩個變量通過相加合并為一個變量，再對 y、x1+x2、x3 進行線性回歸，輸出結(jié)果如圖 7.7 所示。 1 刪除變量要謹慎，否則可能導(dǎo)致模型產(chǎn)生偏誤。 （參見計量經(jīng)濟學(xué)導(dǎo)論現(xiàn)代觀點：j.m.伍德 里奇，中國人民大學(xué)出版社，2003，95 頁） 92 圖 6.7 通過對輸出結(jié)果的考察，發(fā)現(xiàn)多重共線性已經(jīng)消除。 6.2.5. 實驗注意實驗注意 由于多重共線性是樣本的特征，因此既無法預(yù)知哪種檢測的方法，也無法設(shè)計 出一個在任何情況下都使用的處理方法。 如果回歸模型僅用來預(yù)測，那么多重共線性就不用過多的考慮。 有時在回歸方程中，盡管存在高度共

52、線性，但在常用的顯著性水平（如 0.05） 上，大多數(shù)回歸系數(shù) 檢驗都是顯著的。t 在 eviews 中，完全多重共線性是無法運算的，如果出現(xiàn)完全多重共線性， eviews 會自動彈出對話框如圖 7.8 所示。 圖 6.8 93 7. 虛擬變量虛擬變量 7.1.虛擬自變量的應(yīng)用虛擬自變量的應(yīng)用 7.1.1. 實驗要求實驗要求 掌握將虛擬變量引入多元線性回歸思想，了解虛擬變量的估計參數(shù)的意義。并能夠 進行在 eviews 操作中虛擬變量的設(shè)定和應(yīng)用，并對虛擬變量的估計參數(shù)進行必要的解釋。 7.1.2. 實驗原理實驗原理 使用虛擬變量的基本思想 如果在多元線性回歸中： * mergeformat

53、(8.1) 01 122kk yxxx 存在表示某種定性信息的變量，如性別、受教育程度、政策那么方程可以寫作d * mergeformat (8.2) 0111 122kk ydxxx 則這個虛擬變量所攜帶的信息將直接表現(xiàn)為截距項的差異，如圖 8.1 所示。同樣，如 1 果存在多個虛擬變量，則表現(xiàn)為多個不同的截距。 0 01 y x 圖 7.1 在模型引入虛擬變量時，如果有 m 種互斥的屬性類型，應(yīng)該在模型中引入 m-1 個虛擬變量；否則將導(dǎo)致完全多重共線性，就是所謂的虛擬變量陷阱（dummy variable trap） 94 在回歸方程： * mergeformat (8.3) 01122

54、1 122kk yddxxx 中，假設(shè)為表示男性的虛擬變量，為表示女性的虛擬變量，那么由于存在 1 d 2 d * mergeformat (8.4) 12 1dd 即為 * mergeformat (8.5) 12 1dd 虛擬變量之間呈現(xiàn)出完全的多重共線性。 7.1.3. 實驗數(shù)據(jù)實驗數(shù)據(jù) 表 7.1 美國制造業(yè)利潤和銷售額資料 1 obsyxobsyxobsyx 1965:1105031148621967:1113491369891969:114151162781 1965:2120921239681967:2126151451621969:215949176057 1965:31083

55、41234541967:3110141415361969:314024172419 1965:4122011319171967:4127301517761969:414315183327 1966:1122451299111968:1125391488621970:112381170415 1966:2140011409761968:2148491539131970:213991181313 1966:3122131378281968:3132031557271970:312174176712 1966:4128201454651968:4149471684091970:41098518037

56、0 y：利潤；x：銷售額 7.1.4. 實驗內(nèi)容實驗內(nèi)容 創(chuàng)建工作文件，創(chuàng)建變量，并輸入數(shù)據(jù) 引入適當虛擬變量對利潤進行回歸，觀察結(jié)果 對銷售額的變化和虛擬變量與利潤進行回歸，并觀察結(jié)果 7.1.5. 實驗步驟實驗步驟 創(chuàng)建工作文件創(chuàng)建工作文件 創(chuàng)建一個時間在 1965119704 的時間序列工作文件，創(chuàng)建變量， 并輸入數(shù)據(jù) 引入虛擬變量引入虛擬變量 引入三個虛擬變量 d1、d2、d3，分別代表 1 季度、2 季度與 3 季 度。通過在命令窗口輸入命令 data d1 d2 d3，創(chuàng)建這三個變量，并輸入數(shù)據(jù)。 1 該數(shù)據(jù)被保存在chapter08demo01.wf1 95 圖 7.2 進行回歸

57、進行回歸 對 y、d1、d2、d3 進行回歸。在命令窗口中輸入：ls y c d1 d2 d3，輸 出結(jié)果如圖 8.3 所示。 圖 7.3 通過對輸出結(jié)果的考察，發(fā)現(xiàn) d1、d2、d3 的 t 檢驗值不顯著，且 durbin- watson 值為 0.28，存在很強的自相關(guān)。因此，對該模型進行 arma 處理，在命令窗口 中輸入：ls y c d1 d2 d3 ar(1) ma(1)。輸出結(jié)果如圖 8.4 所示。 96 圖 7.4 通過 8.4 可以發(fā)現(xiàn)季度對利潤產(chǎn)生了較為重要的影響，與第四季度相比第二季度的利潤 最高，第 1 季度利潤最低。可以初步得出季度對利潤產(chǎn)生影響的結(jié)論

58、。 對 x 的變化與 y、d1、d2、d3 進行回歸。在命令窗口中輸入：ls d(x) c y d1 d2 d3，輸出結(jié)果如圖 8.5 所示。 97 圖 7.5 通過該結(jié)果可以得出利潤、第一季度，第三季度對銷售額的變動的影響較為顯著。而第 二季度則對銷售額的變動并不十分顯著。 98 7.2.虛擬變量的交互作用虛擬變量的交互作用 7.2.1. 實驗要求實驗要求 掌握虛擬變量交互作用的原理，了解虛擬變量交互作用的意義。并能夠在 eviews 操 作中進行虛擬變量交互的設(shè)定和應(yīng)用，并對由此產(chǎn)生的問題進行診斷與消除，進而得出 具體的參數(shù)實際含義。 7.2.2. 實驗原理實驗原理 虛擬變量

59、交互作用的基本思想 在一般的多元線性回歸中引入的虛擬變量只表現(xiàn)為截距的變化。往往在實際應(yīng)用中， 某些定性變量的信息不僅僅影響截距，也有可能改變斜率。即方程 8.2 變化為（為了方 便說明，不妨假設(shè)虛擬變量與存在交互作用）： 1 x * mergeformat (8.6) 01121 11 122kk ydd xxxx 也可以寫作 * mergeformat (8.7) 011211122 ()() kk yddxxx 該方程所表示的幾何意義如圖 8.6 所示。 yy 12 0 12 0 (a)(b) 1 x 1 x 圖 7.6 7.2.3. 實驗數(shù)據(jù)實驗數(shù)據(jù) 數(shù)據(jù)文件見工作文件chapter0

60、8demo02.wf11 99 變量說明文件見文本文件chapter08demo02d.txt 7.2.4. 實驗內(nèi)容實驗內(nèi)容 打開 8.2.3 所指示的數(shù)據(jù)文件與變量說明文件 建立 female、educ、female*educ、exper、exper2、tenure、tenure2 對 log(wage)的 多元線性回歸 對該回歸模型進行診斷 建立新的回歸模型 7.2.5. 實驗步驟實驗步驟 打開 8.2.3 所指示的數(shù)據(jù)文件與變量說明文件，做 female、educ、female*educ、exper、exper2、tenure、tenure2 對 log(wage)的多