Eviews操作教程_[完整版]

《Eviews操作教程_[完整版]》由会员分享，可在线阅读，更多相关《Eviews操作教程_[完整版]（62页珍藏版）》请在装配图网上搜索。

1、 .wd.1.EVIEWS根基51.1.Eviews简介51.2.Eviews的启动、主界面和退出51.3.Eviews的操作方式71.4.Eviews应用入门81.5.Eviews常用的数据操作172.一元线性回归模型262.1.用普通最小二乘估计法建设一元线性回归模型262.2.模型的预测322.3.构造稳定性的Chow检验363. 多元线性回归413.1.用OLS建设多元线性回归模型413.2.函数形式误设的RESET检验474. 非线性回归504.1.用直接代换法对含有幂函数的非线性模型的估计504.2.用间接代换法对含有对数函数的非线性模型的估计524.3.用间接代换法对CD函数的非

2、线性模型的估计554.4.NLS对可线性化的非线性模型的估计574.5.NLS对不可线性化的非线性模型的估计604.6.二元选择模型645. 异方差705.1.异方差的戈得菲尔德匡特检验705.2.异方差的WHITE检验745.3.异方差的处理776. 自相关816.1.自相关的判别816.2.自相关的修正857. 多重共线性897.1.多重共线性的检验897.2.多重共线性的处理948. 虚拟变量968.1.虚拟自变量的应用968.2.虚拟变量的交互作用1018.3.二值因变量：线性概率模型1039. 滞后变量模型1079.1.自回归分布滞后模型的估计1079.2.多项式分布滞后模型的参数估

3、计11210. 联立方程模型11710.1.联立方程模型的单方程估计方法11710.2.联立方程模型的系统估计方法1211. Eviews根基1.1. Eviews简介Eviews：Econometric Views经济计量视图，是美国QMS公司Quantitative Micro Software Co.，网址为 :/ eviews 开发的运行于Windows环境下的经济计量分析软件。Eviews是应用较为广泛的经济计量分析软件MicroTSP的Windows版本，它引入了全新的面向对象概念，通过操作对象实现各种计量分析功能。Eviews软件功能很强，能够处理以时间序列为主的多种类型数据，进

4、展包括描述统计、回归分析、传统时间序列分析等 根本数据分析以及建设条件异方差、向量自回归等复杂的计量经济模型。1.2. Eviews的启动、主界面和退出1.2.1. Eviews的启动标题栏启动Eviews 9程序，进入主窗口。如图1.1所示：状态栏菜单栏命令窗口工作区图 1.11.2.2. Eviews的主界面1.2.2.1. 标题栏Eviews窗口的顶部是标题栏，标题栏左边是控制框；右边是控制按钮，有【最小化】、【最大化或复原】、【关闭】三个按钮。1.2.2.2. 菜单栏标题栏下面是菜单栏。菜单栏中排列着按照功能划分的10个主菜单项选择项，用鼠标单击任意选项会出现不同的下拉菜单，显示该局部

5、的具体功能。10个主菜单项选择项提供的主要功能如下：【File】 有关文件工作文件、数据库、Eviews程序等的常规操作，如文件的建设New、翻开Open、保存Save/Save As、关闭Close、导入Import、导出Export、打印Print、运行程序Run等；选择下拉菜单中的Exit将退出Eviews软件。【Edit】 通常情况下只提供复制功能下拉菜单中只有Cut、Copy项被激活，应与粘贴Paste配合使用；对某些特定窗口，如查看模型估计结果的表达式时，可对窗口中的内容进展剪切Cut、删除Delete、查找Find、替换Replace等操作，选择Undo表示撤销上步操作。【Obj

6、ects】 提供关于对象的 根本操作。包括建设新对象New Objects、从数据库获取/更新对象Fetch/Update from DB、重命名Rename、删除Delete。【View】和【Procs】 二者的下拉菜单工程随当前窗口不同而改变，功能也随之变化，主要涉及变量的多种查看方式和运算过程。我们将在以后的实验中针对具体问题进展具体介绍。【Quick】 下拉菜单主要提供一些简单常规用法的快速进入方式。如改变样本范围Sample、生成新序列Generate Series、显示对象Show、作图Graph、生成新组Empty Group以及序列和组的描述统计量、新建方程和VAR。【Opti

7、ons】 系统参数设定选项。与一般应用软件一样，Eviews运行过程中的各种状态，如窗口的显示模式、字体、图像、电子表格等都有默认的格式，用户可以根据需要选择Options下拉菜单中的工程对一些默认格式进展修改。【Add-ins】 Add-ins 必需在Eviews 8 以上的功能选单里，用点选的方式执行，不是用执行程序方式执行。假设你尚未安装套件，执行方式如下 1. 功能选单寻找Add-ins = Download Add-ins 2. 出现 Add In Objects的对话框，对话框中点选你要的套件，例如BayesLinear，然后点选右方的Install选钮3.后面会出现install

8、方块，请点选OK 4. 然后会显示已经安装了套件的信息。【Windows】 提供多种在翻开窗口种进展切换的方式，以及关闭所有对象Close All Objects或关闭所有窗口Close All。【Help】 Eviews的帮助选项。选择Eviews Help Topics按照索引或目录方式在所有帮助信息种查找所需工程。下拉菜单还提供分类查询方式，包括对象Object、命令Command、函数Function、矩阵与字符串Matrix&String、程序Programming等五个方面。1.2.2.3. 命令捕捉窗口菜单栏下面是命令窗口Command Windows，窗口内闪烁的“是光标。用户

9、可在光标位置用键盘输入各种Eviews命名，并按回车键执行该命令。Capture则可以捕捉之前的操作命令。1.2.2.4. 工作区窗口命令窗口下面是Eviews的工作区窗口。操作过程中翻开的各子窗口将在工作区内显示。1.2.2.5. 状态栏Eviews主窗口的底部是状态栏，从左到右分别为：信息框、路径框、当前数据库框和当前工作文件框。1.2.3. Eviews的退出选择【File】项下的【Exit】将退出Eviews程序，或者直接点击标题栏上的【关闭】按钮如果工作文件没有保存，系统将提示用户保存文件。如图1.2所示图 1.21.3. Eviews的操作方式方式说明面向对象面向过程交互方式菜单方

10、式A. 对象菜单方式主要通过主菜单【Objects】、【View】和【Procs】来完成各种操作B. 快速菜单方式通过【Quick】菜单操作。通过是先选择操作方法，再选择操作对象命令方式C. 对象命令Object Command方式B与对象菜单相对应的对象命令及菜单上没有对应项的对象命令，通常采用“对象.视图或过程的命令格式D. 辅助命令Auxiliary Commands方式与TSP语法一致的面向过程命令，通常采用“命令参数的格式。该操作方式主要是为了与TSP命令保持一致示意图DCA 程序方式通过编程实现重复性批处理操作，或者实现交互方式无法完成的复杂操作注：四种交互方式可以混合使用，本试验

11、教程着重介绍A、D方式1.4. Eviews应用入门1.4.1. 工作文件的创立Eviews要求数据的分析处理过程必须在特定的工作文件Workfile中进展，工作文件Workfile在创立和翻开之后便一直保存在内存中，这使得对工作文件中的对象进展存取的速度更快。所以在录入和分析数据之前，应创立一个工作文件。每个工作文件都具有特定的样本数据频率frequency和范围range。选择【File】【New】【Workfile】或者在命令窗口中输入：create如图1.3所示：图 1.3此时屏幕出现一个工作文件定义对话框，要求用户指定序列观测数据的频率和样本范围，如图1.4所示：图 1.4左上角为工

12、作文件构造类型，其中包括三种，如图1.5所示：图 1.51.4.1.1. 时间序列数据Eviews默认的构造为【Dated-regular frequency】，在右上角为数据频率，在对话框中选择适宜的数据频率和起始及完毕范围。数据频率各选项为：【Annual】 用4位数表示年度，如1980、1999、2004等。Start Date后输入起始年份，End Date后输入终止年份。如果只有两位数，那么系统将默认为20世纪的年份，如98默认为1998。注意：Eviews无法识别公元100年以前的年份。【Semi-annual】 数据频率为半年，表示为“年:上半年或“年.上半年。如起始日期为200

13、2年下半年，完毕日期为2004年上半年，那么表示为在Start Date后输入2002:2或2002.2，在End Date后输入2004:12004.1。注意年后面只能跟1、2，分别代表上下半年。【Quarterly】 数据频率为季度，表示为“年:季度或“年.季度。具体输入同上。如2003:3注意年后面只能跟1、2、3、4，分别代表四个季度。Eviews5在Eview3的根基上提供了一种新的季度识别方法，如输入数据“Feb 1990和“May 2000或者“12/6/1990和“4/7/2000则Eviews将自动识别恰好包括该段时间的季度。【Monthly】 数据频率为月度，表示为“年:月

14、度或“年.月度。如2002:11、2003:08等价于2003:8。同样，如果输入数据为“12/6/1990和“4/7/2000 则Eviews将自动识别恰好包括该段时间的月份。【Weekly】 数据频率为周，表示为“月/日/年。在输入起止时间以后，系统将会自动地将时间调整为相隔7天的整周时间。注意：Eviews默认的时间表示方式为“月/日/年，例如“8/10/97表示1997年8月10日；如果要修改为“日/月/年的表示方法，点击Eviews菜单栏上的【Options】【Default Frequency Conversion & Date Display】，在弹出的对话框中将【Format

15、for daily/weekly dates】中的选项改为【Day/Month/Year】，那么“8/10/97表示的时间即为1997年10月8日。下同【Daily5 day weeks】数据频率日，表示为“月/日/年。表示一周5天工作日，系统将自动生成每周5天的时间序列。如11/28/2003表示2003年11月28日。【Daily7 day weeks】 数据频率为日，表示为“月/日/年。表示一周7天工作日，系统将自动生成每周7天的时间序列。【Integer Date】 该序列是一个比照特殊的序列，由简单的列举产生，其支持任何整数，并可以识别100以内的数字。1.4.1.2. 截面数据在工

16、作文件构造类型选项中选择【Unstructured / Undated】，如图1.6所示：图 1.6只要在右上角的【Dated range】的【Observation】输入序列个数，即可生成一个区间在1到序列个数范围内的截面数据集。1.4.1.3. 平衡面板数据在工作文件构造类型选项中选择【Balanced Panel】，如图1.7所示：图 1.7在右上角的【Panel specification】中选择时间序列的频率，并输入起止时间；此外需要在【Number of cross】输入截面个数用以构造平衡面板数据。最后在右下角【Names (optional)】的【WF】中输入当前创立的工作文件

17、的名称以及【Page】中输入当前文件的当前工作页面的名称。该步骤为可选，如果现在不输入也可以在保存时输入输入完毕以后，点击【OK】，工作文件创立完毕，工作文件窗口如图1.8所示同时翻开。这时工作文件的文件名为【Untitled】，表示该工作文件未保存和命名。1.4.2. 工作文件窗口简介工作文件窗口是各种类型数据的集中显示区域，拥有很多功能。1.4.2.1. 标题栏工作文件窗口顶部是标题栏，显示【Workfile：工作文件名】，如图1.8所示是尚未保存的新创立时间序列工作文件，显示为【Workfile: Unititled】。1.4.2.2. 工具栏标题栏下面是工具栏，它提供常用操作的快捷方式

18、。工具栏左边的三个按钮【View】、【Procs】和【Objects】与主菜单栏上的同名菜单功能完全一样。图 1.81.4.2.3. 信息栏【Range】 显示工作文件的范围，可以双击【Range】来修改工作文件范围。【Sample】 当前样本区间，指用于统计操作的样本观测点范围，它小于或等于工作文件的范围。可以通过双击【Sample】来修改当前样本区间的范围【Filter】 过滤器，用于选择一些对象显示在工作文件窗口中的规则，默认为【*】，表示选择全部对象。可以通过双击【Filter】来调整过滤范围。如选择【f*】，则表示显示所有以f开头的对象。1.4.2.4. 对象栏任何新创立的工作文件中

19、都有两个自动生成的对象。图标为：和。C表示系数向量，Resid表示残差序列。在主窗口菜单栏或工作文件菜单栏的【Object】【New Object】，或者在对象栏的空白处单击鼠标右键选择【New Object】。如图1.9所示：图 1.9Eviews提供了功能各不一样的17种对象。可以认为，对象是既是构成工作文件的 根本元素，也是实现所有分析功能的载体。1.4.3. 工作文件的存储工作文件的存储主要有两种方式：一种是在主窗口中选择【File】【Save】或【Save As】；另一种也可以在工作文件窗口工具栏中单击【Save】按钮此外还可以在命令窗口中输入命令：save name如图1.10所示

20、：图 1.10保存文件时，用户需要定义保存路径以及文件名。在保存类型中，可以选择性地将工作文件存储为更低版本的格式或其它格式。当用户在对话框中输入文件名后点击【保存】后，系统会弹出一个对话框，如图1.11所示：图 1.11在【Series storage】选项中：【Single precision】表示以7位准确度保存数据，用该方式保存的数据精度相对较低但是保存的文件所占空间容量较小；【Double precision】表示以16位准确度保存数据，该方式保存的数据精度相对较高但文件相对较大。【Use compression】提供了Eviews保存数据文件的压缩，但是一旦选择该选项，则保存的Ev

21、iews文件将不可被Eviews5.0以下的版本识别。【Prompt on each Save】为每次保存提示，可以在主窗口的菜单栏中选择【Options】【Workfile Storage Options】当中禁用该功能，一旦该功能被禁用，则每次保存将直接进展而不会弹出该对话框。最后确定需要保存的属性以后，点击【OK】按钮，Eviews将保存该文件为扩展名为.wfl的工作文件。1.4.4. 工作文件与其它数据文件的翻开调用以前建设的工作文件，在主窗口菜单项选择项中依次选择【File】【Open】【Eviews Workfile】，然后在对话框中选择指定路径下的.wf1文件。也可以在命令窗口中

22、输入命令：load name。Eviews同时也提供改变工作文件默认路径的功能，以方便用户操作；用户可以选中在存储和调用工作文件对话框中的【Update default directory】，即可使当前目录变成默认工作路径。Eviews提供了对更多经济计量软件形式数据包的兼容，在Eviews中可以直接翻开Access、Excel、dBASE、TSP、Guass、SAS、Spss、Stata、ODBC等格式的数据。点击【File】【Open】【Foreign Data as Workfile】，如图1.12所示：图 1.12双击chapter01下的save.xls文件，如图1.13所示：图 1

23、.13对话框左上角为单元格定义范围，默认为【Predefined range】，在该定义下，将自动翻开Excel文件的第一张工作表Sheet1，如果该文件存在多张工作表，可以通过下拉菜单项选择择工作表。此时第一行为变量名，其余的数据则全部被圈中。也可以自定义单元格范围，点击【Custom range】，如图1.14：图 1.14可以在右上角的【Sheet】对话框中选择所需的工作表，并可以利用【Start】和【End】边上操作方向按钮来选择所需的数据范围。点击下一步，如图1.15：图 1.15在左上角的【Column headers】中可以定义列标题所占的行数，默认为1；并且可以定义列标题的性质

24、，默认为【Names Only】，如需要更改列标题的属性，点击该下拉菜单，如图1.16所示：图 1.16可以根据实际需要选择适当的列标题属性。在右上角【Column info】中可以修改列标题在Eviews中显示的名称，如需修改的话，首先点击对话框中间的变量序列系统自动会将选中的列显亮，如图1.15中的year序列，然后在【Column info】中的【Name】中输入在Eviews中显示的名称，可以【Description】中输入变量描述。注意：如果在数据中出现文本，Eviews将默认为N/A点击完成，Excel文件中的数据就被Eviews以组的形式翻开。其它文件格式数据如Access、Fo

25、xpro、TSP、Guass、SAS、Spss、Stata不再赘述，请读者自己尝试。1.5. Eviews常用的数据操作1.5.1. 表达式Eviews的表达式通常由数据、序列名称、函数、数学和关系运算符构成。Eviews中表达式的各种运算符见表1.1表 1.1 Eviews中的运算符运算符+-*/=意义加减乘除幂大于小于等于不等于小于等于大于等于1.5.2. 序列1.5.2.1. 序列的创立工作文件建设之后，应创立待分析处理的数据序列。在主窗口的菜单项选择项或者工作文件窗口的工具栏中选择【Object】【New Object】如图1.17所示。图 1.17用户在对话框左侧列表中选择【Seri

26、es】，并可以在对话框右上方的空格处为新序列命名，默认名为【Untitled】，如果命名为B1，定义完毕后单击【OK】。也可以在命令窗口中输入命令：series name。注意：在给包括序列在内的所有的对象命名时，不能使用以下Eviews软件的保存字符。表 1.2 Eviews软件的保存字符ABSACOSARASINCCONCNORMCOEFCOSDDLOGDNORMELSEENDIFEXPLOGLOGITLPT1LPT2MANANRNDPDLRESIDRNDSARSINSMASQRTHENEviews软件不区分序列名称子目大小写，如mn、Mn和MN等都被视为同一序列名称。如果要同时生成多个序

27、列可以使用命名：data name name 。1.5.2.2. 序列窗口简介生成新序列以后，在工作文件窗口中双击该序列名称，即可显示序列窗口，如图1.18所示。图 1.18窗口上方的工具栏中有多个按钮，主要功能如下：【View】 改变序列在窗口中的显示模式，可以显示为：电子表格形式、线性图、条形图以及一些描述统计与检验。【Procs】 提供关于序列的各种过程。【Objects】 进展有关序列对象的存盘、命名、删除、拷贝和打印等。【Properties】 提供数据格式和显示模式的改变，具体功能见图1.19：图 1.19【Name】 序列的命名或改名。【Freeze】 以当前序列窗口内容为根基，

28、生成一个新的文本类型的对象。【Default】 该下拉菜单提供一些常见的数据处理，具体功能见图1.20：图 1.20【Edit+/-】 可以在是否编辑当前序列两种模式之间切换。【Samp+/-】 可以在显示工作文件时间范围内全部数据和只显示样本数据样本期可以为工作文件时间范围的一个子区间之间切换。【Label+/-】 在是否显示对象标签两种模式之间切换。【Wide+/-】 在单列显示和多列显示序列之间切换。1.5.2.3. 时间序列的自动生成Eviews可以自动生成一个数值为整数的时间序列。在创立工作文件之后，可以在命令窗口中输入：series t=trend(时间)，生成一个以该时间为0基准

29、的整数的时间序列。例如在命令窗口中输入：series t=trend(1980)，就将自动生成一个以1980年为数值0的整数时间序列，如图1.9所示。图 1.211.5.2.4. 序列数据录入与导入数据录入：建设新序列以后，可以在工具栏上选择【Edit+/-】进入编辑状态，用户可以进展录入、修改等编辑操作。数据导入：Eviews可以导入数据格式有ASC，Lotus和Excel工作表。用户可以从主菜单项选择择【File】/【Procs】【Import】【Read Text-Lotus-Excel】，然后找到并翻开目标文件，相对应不同类型的文件将会出现不同的对话框，下面将以Excel为例加以具体说

30、明。例1.1 在chapter01目录下名为save的Excel工作簿中，序列year和save分别代表年份和居民储蓄额，现将其导入Eviews。首先，按照1.4.1的方法创立一个时间范围在1952到1962年的工作文件，然后在主菜单中选择【File】/【Procs】【Import】【Read Text-Lotus-Excel】，找到该文件存储路径后，双击文件名，屏幕会出现图1.22所示的对话框.对话框左上方有两个选项，分别表示数据在Excel工作簿中的排列方式按列和按行排序。右边【Upper-left data cell】下的空格应填写Excel工作簿中第一个有效数据单元的地址，在本例中是B

31、2。中间选项【Names for series or Number of series if names in file】填写导入后该序列的名称，单击【OK】便导入了Excel数据。图 1.22注意：在导入数据时如果出现字符，Eviews程序将无法读入，系统将默认为【N/A】。如果工作文件的区间大于导入数据的区间，系统将自动导入全部数据，同时超出导入数据区间的局部，系统将默认为【N/A】；如果工作文件的区间小于导入数据的区间，系统将自动取导入数据区间中最前面的数据导入工作文件。1.5.2.5. 序列的复制与删除序列复制：当需要复制序列时，可以在主菜单中选择【Objects】【Copy sele

32、cted】或者在工作文件窗口中选中序列然后单击鼠标右键选择【Object copy】，屏幕出现图1.23所示对话框。用户在对话框上面空行中输入复制源序列名称，在下面空行中输入新序列名称，输入完成以后点击【OK】。此时便复制成功了一个序列。图 1.23序列删除：当需要删除序列时，工作文件窗口中选中序列，然后在主菜单中选择【Objects】【Delete selected】或者在选中序列以后单击鼠标右键选择【Delete】，在弹出对话框中选择【Yes】即可。同时可以输入命令：delete name。1.5.3. 组组Group是一个或多个序列的标志符，相当于一张电子表格。通过它可以实现很多针对群序

33、列的整体操作，是研究序列间关系的有效工具。1.5.3.1. 组的创立选择工具栏中【Objects】【New Object】，显示如图1.9。选择在【Type of Object】中选择【Group】，在【Name for Object】输入组名称，单击【OK】。即创立了一个新的空组，但是这时这个组不包括任何序列。也可以输入命令：group name。根据创立的一个空组，可以使用命令来包含序列。如：group name ser1 ser2。其中ser1、ser2是已经产生的序列，这样ser1、ser2就被包含到该组当中。例1.2 将以下四个序列cs、gdp、gov_net、inv纳入到一个名为e

34、conomy的组中。首先，翻开Eviews5Example Filsdatacs.wf1文件。翻开完毕之后，在命令窗口中输入：group economy cs gdp gov_net inv。这时工作区窗口便多生成一个图标，见图1.24。再双击该图标，就进入了economy组的界面，见图1.25。图 1.24图 1.25在工作窗口中，也可以先按下“ctrl键，再用鼠标分别点击需要纳入组的序列，在选中这些序列之后，单击鼠标右键，选择【Open】【as Group】，这样也可以翻开一个包含被选中序列的组，但是这个组尚未命名保存。如果按照创立对象的一般方法，逐个创立所有序列，再创立包含这些序列的组，

35、那么该创立过程是十分繁琐的。在实际应用中，可以使用data命令来实现。在命令窗口中输入：data ser1 ser2 ser3。系统将创立一个包含这些序列的未命名的组。1.5.3.2. 组的视图Eviews为组提供丰富的视图功能，可以通过单击组窗口工具栏中的【View】【Graph】如图1.26所示。图 1.26【Line】 线形图【Bar】 条形图【Scatter】 散点图【XY Line】 X-Y线线形图【Hight-Low(-Close)】 高-低图【Pie】 饼图例1.3 显示在例1.2中序列cs与序列gdp的散点图首先按例1.2的方法将cs与gdp纳入一个组，然后单击组窗口工具栏中的

36、【View】【Graph】【Scatter】【Simple Scatter】，输出散点图如图1.27所示。图 1.272. 一元线性回归模型2.1. 用普通最小二乘估计法建设一元线性回归模型2.1.1. 实验要求掌握建设一元线性回归模型的估计和检验方法。理解估计参数、判定系数、参数显著性检验检验、方程显著性检验检验。2.1.2. 实验数据表 2.1某地区建材产量与基建投资统计资料 该数据被保存在chapter02demo01.wf1198119821983198419851986198719881989199019911992X13.5514.3815.5215.1717.4817.6320.

37、0523.1425.2525.8824.8327.4Y7.658.098.317.888.98.419.5311.0111.1911.1310.1711.35X：基建投资亿元；Y：建材产量万吨2.1.3. 实验内容n 建设工作文件n 创立序列或变量并将变量纳入一个组n 输入数据n 绘制散点图n 建设模型并输出结果2.1.4. 实验步骤建设工作文件 翻开Eviews，按照1.4.1方法创立一个时间范围在1981到1992的工作文件。如图2.1所示图 2.1生成工作表 在命令窗口中输入：data x y命令，将生成一个有X、Y变量的工作表，然后直接输入数据注意：在输入完最后一个数据的时候，需要单击

38、回车键“Enter，否则最后一个数据将会无效，如图2.2所示。图 2.2绘制X、Y的散点图 绘制X、Y的散点图，单击组窗口工具栏中的【View】【Graph】【Scatter】【Simple Scatter】，输出散点图如图2.3所示。图 2.32.4.1.4 通过观察散点图，可以大致确定变量Y、X之间存在线性关系，因此在命令窗口中输入命令：ls y c x，Eviews将自动输出结果，如图2.4所示。图 2.4统计显著性检验 模型建成之后，需要进展统计学检验。采用最广泛的是、作为检验统计量，以判定模型拟和优度、估计参数和方程的统计显著性。估计参数 ：截距项，模型常数项。表示当自变量取0时，因

39、变量的值。在本例中表示在基建投资额为0时，建材产量为3.92万吨。：斜率项，估计参数Coefficient。表示在其他自变量保持不变的情况下，当该自变量发生1单位变化时，因变量的变化程度。在本例中表示当基建投资额每增加1亿元，建材产量可以增加0.277万吨，具有经济上的合理性。拟合优度检验检验其中：TSS为总体平方和total sum of squares，ESS为回归平方和explained sum of squares，RSS为剩余平方和residual sum of squares。表示在回归方程中，自变量对因变量的解释比例，这一比例越大，回归方程可以解释的局部越多，模型越准确，回归的效

40、果越显著。是一个介于0到1的数，越接近1说明回归拟合效果越好。一般地，如果地取值超过0.8，认为模型的拟合优度比照高。在本例中为0.945，表示拟合程度很好。参数显著性检验检验检验的零假设为，H0：，i1,2,3k检验统计量，i1,2,3k它在零假设下服从自由度为n-k-1的t分布，其中是估计量的标准差。当小于临界值时，未通过检验；大于临界值则通过检验。如果每一个回归系数都通过了检验，说明模型中的每一个自变量都是显著的。未通过显著性检验的系数所对应的变量，应结合实际情况考虑将其剔除，这是自变量选择的一个最常用的方法。为了方便用户，Eviews给出了拒绝零假设时犯错误第一类错误的概率，称为相伴概

41、率p。假设此概率值低于事先确定的置信度如0.05或0.01，则可拒绝零假设，反之则不能拒绝。在本例中t统计量的相伴概率p值即统计量右边的Prob.的值为0.00000.01，因此在0.01的水平上拒绝H0，即回归参数都十分显著。注意：在经济计量学中，当H0被拒绝时，标准的表述是“在x%的水平上拒绝H0；当H0未被拒绝时，标准的表述是“在x%的水平上不能拒绝H0而不是“在x%的水平上承受H0方程显著性检验F检验检验的零假设为，H0：检验统计量，它在零假设下服从自由度为k，n-k-1的分布。假设大于临界值，则拒绝零假设，认为在显著性水平下，因变量对自变量有显著的线性关系，回归方程是显著的；反之则不

42、能拒绝原假设，认为回归方程不显著。在Eviews中，同样可以通过统计量的相伴概率p值来判定该方程的整体显著性水平。在本例中，统计量的相伴概率p值为0.00000.01，因此在0.01的水平上拒绝H0，即方程总体回归显著。2.1.5. 小结与讨论2.1.5.1. 小结对于2.1中的模型而言，变量的数据均是时间序列上的增长数据。对于任意在时间序列上增长的数据来说，模型在很大可能上将得到一个很高的R2值，因为变量的变异局部在很大程度上来自于自身的惯性增长，其具体的分析将在本教程的时间序列局部进展深入阐述。在实际的建模过程中，除非两个变量的数据都是在同一统计时期发生，否则不可以使用该时间序列的静态方程

43、形如：。2.1.5.2. 讨论n 的大小并不十分重要在社会科学研究中，较低是十分正常的，即使一个很低的也不意味着该回归方程是没有用的，这一点将在下一章中更加具体的阐述。n 回归分析并不确定因果关系回归分析不是用来确定因果关系的，而只是在一元线性回归中简单地判断变量之间是正相关还是负相关。两个变量是否存在因果关系，必须以经济理论为判定准则。n 检验显著性水平的设定一般而言统计量的显著性水平只要观察其相伴概率p值大小即可获知。 根本判断标准是p值越接近0，拒绝原假设H0：的理由就越充分；反之当p值越接近1，拒绝原假设H0：的理由就越弱。但是显著性水平是由研究者根据需要设定的，可以设定为0.01、0

44、.05、0.10在某些条件下，只需要单尾检验one-tailed test即原假设H0：或即可，此时显著性水平的p值只需要将双尾条件H0：下p值除以2就可以得到。2.2. 模型的预测2.2.1. 实验要求掌握建设一元线性回归模型的预测。理解预测区间的定义、建设模型预测的方法。2.2.2. 实验数据同2.1.2实验数据。2.2.3. 实验内容n 扩大工作文件区间rangen 扩大样本区间samplen 设定相应的自变量值n 取得因变量预测值2.2.4. 实验步骤扩大工作文件区间range 在命令窗口中输入：expand 1981 1993，或双击工作文件窗口中的Range，在弹出对话框中将199

45、2改为1993。工作文件区间发生变化，并且在Eviews5中，随着工作区间的变化，样本区间也自动发生变化。如在低版本的Eviews3中，则需要手动修改样本区间如图2.5、2.6所示。图 2.5图 2.6设定外推预测的自变量值 翻开序列X，在序列窗口中选择【edit+/-】，例如在1993年中输入30。然后在命令窗口中输入：ls y c x。在弹出的方程窗口中点击【Forecast】，如图2.7所示，将弹出一个Forecast对话框，如图2.8所示。图 2.7图 2.8此时将会产生一个名称以“因变量名称+F的预测序列，在本例中即为YF。单击【OK】按钮，将产生一个预测图，如图2.9所示。途中实线

46、表示因变量的预测值，上下两条虚线表示95的置信区间。图 2.9同时在工作文件窗口中将产生序列YF，翻开序列YF，即可输出1993年相对应于X30时的Y的预测值，如图2.10所示。图 2.102.3. 构造稳定性的Chow检验2.3.1. 实验要求掌握构造变动的Chow检验方法2.3.2. 实验原理n Chow检验的 根本思想在Eviews中，Chow检验包括Chow断点检验Chow Breakpoint Test和Chow预测检验Chow Forecast Test。其中Chows断点检验的思想是对每一个子样本单独拟合方程来观察估计方程是否存在显著差异，H0：两个子样本拟合的方程无显著差异。C

47、hows预测检验的思想是先对前T1个观察值的子样本建设模型，然后用这个模型对后T2个观察值的因变量进展预测，假设实际值与预测值有较大变动，就可以判定存在构造稳定性的变动，H0：不存在构造变动。根据下面实验数据具体来说：如果把数据分为两个时期：1952-1978年和1979-1990年，则存在三种可能的回归方程：时期1952-1990年N=39方程1时期1952-1978年N1=27方程2时期1979-1990年N2=12方程3 1估计方程1，如果不存在构造变化，方程1应是一个准确的回归方程。求当自由度为N-k-1时的限制性残差RSSr，其中k是待估参数的个数；其隐含假定为和，即方程2和方程3不

48、存在差异2估计方程2，求在自由度为N1-k-1下的RSS1；估计方程3，求在自由度N2-k-1下的SSR23由于两组子样本相互独立，所以将SSR1与SSR2相加，得到非限制性残差RSSur4根据Chow检验思想：如果模型中确实不存在构造变化，即方程2与方程3一样，那么RSSr与RSSur不是统计不同的。因此通过构建以下F统计量：该F值服从分子自由度为k+1，分母自由度为N-2k-2的F分布，因此如果该F值没有超过F临界值，那么不能拒绝参数稳定性即不存在构造变动的零假设，此时我们使用方程1；相反，如果拒绝零假设，那么回归方程2和方程3是不同的，在应用中则需要分别使用方程2和方程3。在Eviews

49、中我们只需要观测该F统计量的相伴概率p值即可 Chows预测检验类似于断点检验，实际上先对前一段子样本建设回归模型，然后用该回归模型预测后一段子样本，比照实际值与预测值的差异性，从而反映出构造的稳定性，一般多见于时间序列。2.3.3. 实验数据表 2.2 19521990年我国人均国民收入和全国城乡储蓄余额的资料 该数据被保存在chapter02demo02.wf1YearP_GDPSAVEYearP_GDPSAVEYearP_GDPSAVE19521048.6196519465.21978315210.6195312212.3196621672.31979346281195412615.91

50、96719773.91980376399.5195512919.9196818378.31981397523.7195614226.7196920375.91982422675.4195714235.2197023579.51983463892.5195817155.2197124790.319845451214.7195918368.31972248105.219856681622.6196018366.31973263121.219867372237.6196115155.41974261136.519878593073.3196213941.11975273149.61988106638

51、01.5196314745.71976261159.1198911785146.9196416755.51977280181.6199012717034.2Year：年份；P_GDP：人均国民收入元；SAVE：城乡储蓄余额亿元2.3.4. 实验内容n 建设工作文件，创立序列或变量并将变量纳入一个组并输入数据n 绘制散点图n 建设模型并输出结果n 进展Chow检验2.3.5. 实验步骤 建设工作文件 建设一个时间在1952到1990的工作文件，创立序列P_GDP、SAVE，并纳入一个组，然后输入数据。过程在此略去 绘制散点图 绘制这两个变量的散点图过程在此略去，输出散点图如图2.11所示。图 2

52、.11 建设模型并输出结果 通过观察大致确定P_GDP、SAVE呈线性关系。因此在命令窗口中输入：ls save c p_gdp。输入结果如图2.12所示。图 2.12因此储蓄方程为： 进展Chow检验 对该储蓄方程进展Chows断点检验。在方程窗口中点击【View】【Stability Tests】【Chow Breakpoint Test】，如图2.13所示。图 2.13在弹出对话框中填入断点时间1978，如图2.14所示。然后单击【OK】按钮，输出结果如图2.15所示。图 2.14图 2.15通过统计量的相伴概率，可以在1%的水平上拒绝在1978年先后两个子样本拟和的方程无显著差异的零假

53、设，即在该储蓄方程中存在显著的跨时期构造变动。据此可以判定，在1978年先后存在着两个不同的拟和方程，因此需要对两个时期分别建设模型方程。2.3.3.5对该储蓄方程进展Chows预测检验和Chows断点检验类似，因此在此不在赘述。2.3.6. 小结和讨论在进展Chow检验时，需要注意以下一些限制条件：n 每个子样本的回归方程的随机误差项服从同方差正态分布，且相互独立。n Chow检验的结果仅仅提高两子样本回归方程是否存在构造差异，而无法得知导致这种差异的原因。进一步的讨论可以参见本书在虚拟变量内容局部的讨论，将这个问题作出答复n Chow检验假定知道构造发生变化的时间点。3. 多元线性回归3.

54、1. 用OLS建设多元线性回归模型3.1.1. 实验要求掌握建设多元线性回归模型的估计和检验方法。理解判定系数、调整的判定系数、参数显著性检验检验、联合假设检验检验。3.1.2. 实验数据表 3.1某地区机电行业销售额与汽车产量和建筑业产值资料 该数据被保存在chapter03demo01.wf1obsSALEMOTOCONSobsSALEMOTOCONS19712803.9099.431980620.86.11332.171972281.55.11910.361981513.64.25835.091973337.46.66614.51982606.95.59136.421974404.25.

55、33815.7519836296.67536.581975402.14.32116.781984602.75.54337.1419764526.11717.441985656.76.93341.31977431.75.55919.771986778.57.63845.621978582.37.9223.761987877.67.75247.381979596.65.81631.61Sale：机电行业销售额万元；Moto：汽车产量万辆；Cons：建筑业产值千万元3.1.3. 实验内容n 建设工作文件n 创立序列或变量并将变量纳入一个组n 输入数据n 建设模型并输出结果n 输出SALE的实际观察值

56、序列Actual、拟合值序列Fitted以及残差序列Residual，并给出残差图Residual Plotn 进展联合假设检验F检验3.1.4. 实验步骤3.1.4.1 创立一个范围在19711987年的时间序列工作文件。接下来通过命令：data sale moto cons创立三个变量序列，再输入数据。步骤在此略去3.1.4.2 通过在命令窗口中输入：ls sale c moto cons。得到输出结果如图3.1所示。图 3.1n 调整的判定系数相比照R2而言，考虑到了自由度，对在回归方程中增加新的自变量施加了惩罚。其具有以下性质：由于，则。即随着模型中自变量的增加，调整的判定系数越来越小

57、于R2，这相当于对增加新自变量的惩罚；对于很小的n和很大的k，可能远小于R2，甚至可能为负如R2=0.1，n=51和k=10代入上式得到，为负说明相对于自由度个数而言，该回归方程是个很差的拟合模型。在本实验中，调整的判定系数为0.939，是一个可以令人满意的报告。n 回归整体显著的F检验在Eviews中报告的F检验实际上是对于所有自变量的排除约束进展检验，即原假设认为没有一个自变量可以影响应变量，用参数表示为：实际上得到的受约束的模型为：所有自变量被从方程中除去，所以H0等同于:即因变量的变异一点都没有得到解释，因此回归整体显著性的统计量可以定义为：在本实验中，统计值为124.69，其相伴概率

58、p为0.000，显示出回归整体是极为显著的。3.1.4.3输出残差图。点击方程窗口左上角【View】按钮下的【Actual,Fitted,Residual】项下的【Actual,Fitted,Residual Table】，如图3.2所示；屏幕显示结果如图3.3所示。图 3.2图 3.33.1.5. 实验注意n 调整的判定系数的进一步说明在已有的表达中，可以了解到存在，则；同时存在另一个状况，就是当自变量增加时可能上升，也可能在下降：在代数上当回归方程中增加一个新的自变量，当且仅当该自变量的t统计量的绝对值大于1，才会有所提高。对此的一个推广便是，在回归中增加了一组自变量时，当且仅当这些新的自

59、变量的联合显著性的F统计量大于1，才会有所提高于是，使用来决定一个特定的自变量或者变量组是否属于某个模型时，所得到的答案与或检验不同，因为在传统的显著性水平上，大小为1的或统计量是不显著的。n 联合假设检验F检验的进一步说明上文提及的Eviews报告的统计量为方程整体显著性的一个检验统计量。更为一般的是，F检验提供了对方程中任意排除性约束的检验。具体而言就是在含有k个自变量的不受约束的回归方程有q个排除性约束需要检验为了记号方便，假定这个自变量是方程的最后个，其零假设可以表示为：在H0的约束下，存在以下受约束模型：可以定义：也可以写做：如果F统计量大于选定显著性水平下的临界值，那么就拒绝H0，

60、就可以认定在选定显著性水平下联合显著。在本实验中，如果需要进展汽车产量和建筑业产值的联合显著性检验该检验结果在本实验中已经报告，点击方程窗口左上角【View】按钮下的【Coefficient】项下的【Wald Coefficient Restrictions】，如图3.4所示图 3.4在弹出对话框中输入：c(2)=0，c(3)=0。如图3.5所示图 3.5点击【OK】按钮，输出结果如图3.6所示图 3.6可以观察到该统计值与图3.1中报告的统计值一致，因为本例中这两个自变量的联合显著性检验就是回归整体的显著性检验。n 统计量和统计量关系对排除单一变量的统计量等于对应统计量的平方。因为具有分布，在双侧对立假设下，这两种方法的得到完全一样的结果。由于t统计量比F统计量更容易获得，并可以用来检验单侧对立假设，且更加灵活，所以没有理由去使用F统计量对单个参数进展检验。3.2. 函数形