运用EViews进行实证分析

《运用EViews进行实证分析》由会员分享，可在线阅读，更多相关《运用EViews进行实证分析（32页珍藏版）》请在装配图网上搜索。

1、目录1、模型设定与数据处理11.1模型设定11.2数据预处理11.2.1建立工作文档 11.2.2数据导入21.2.3 X12进行季节性调整 31.2.4 HP滤波法估计潜在GDP 41.2.5时间序列数据的平稳性检验 41.3时间序列变量的最小二乘估计 51.3.1时间序列最小二乘估计的前提条件 51.3.2同阶单整举例61.3.3 EG协整法进行协整检验 62、诊断回归模型72.1多重共线性计量检验与消除72.2异方差计量检验与消除92.2.1怀特异方差检验模型92.2.2 white异方差校正功能 102.2.3加权最小二乘法 102.3自相关计量检验与消除 112.3.1自相关的后果1

2、12.3.2自相关的识别112.3.3 DW检验的局限122.3.4 EViews进行自相关检验 122.3.5包含滞后变量的自相关检验 133、联立方程模型134、面板数据模型的建立及应用145、葛兰杰因果检验155.1前提条件155.2检验模型155.3用EViews进行实例分析 166、协整检验及应用 166.1平稳性检验（单位根检验） 166.2协整检验176.3因果检验176.4误差纠正机制ECM 187、GARCH 模型187.1 GARCH模型的基本概念 187.2沪深股市收益率的波动性研究 197.2.1描述性统计 197.2.2平稳性检验 207.2.3均值方程的确定及残差序

3、列自相关检验207.2.4 GARCH类模型建模 227.2.5检验两市波动的因果性 257.2.6 修正 GARCH-M 模型 25主要参考文献27运用EViews进行实证分析-基于论文的计量需求1、模型设定与数据处理1.1模型设定一般化形式的泰勒规则i* = p +n + B.(n -n*) + B y回归方程式i = c + cH + c y + ut i t 2 t t考虑利率平滑特性=(1 -a)(p-B叩+(1项+叩,hi吟，+Ri 回归方程式i = C + Cn + C y + C i + U (1) t 01 t 2 t 3 t-1 t在EViews中对(1)式进行回归分析。1

4、.2数据预处理1.2.1建立工作文档按下图中的步骤建立workfile打开后的界面如下。Worlcfile Create给文档命名为多元回归，选择季度型数据Quarterly，输入开始日期2004Q1,结束日期 2015Q4，点击 OK。1.2.2数据导入首先将所需原始数据在Excel中加工处理好，将需要的数据全部复制。然后在EViews中依次选择QuickTEmpty Group （可录入多个变量的数据），或选择ObjectTNew Object（可逐个录入单个变量的数据），下图演示同时录入多个变量数据的步骤，如下图所示。在接下来打开的界面中（如下图），将复制的多列数据粘贴到打开的表格中，点

5、击上面 的各列默认设定的名称，修改为相应的变量名。FTil File Edit Object View Proc Quick Options Add-ins Window Help. ai XView I Proc I Object I I Print I Name I Freeze I Default | I Sort I Edit*/-1 Smpl+/-1 Compare+/-1 Transpose/-1 Title I Sample IITFAITYTIT_1ITFAITYTIT_1*2004Q12242.7700009.8600002.5500002004Q22324.4000006.

6、3000002.2400002004Q32.315.2700004.2500002.3200002004Q42.173.1700003.6800002.3100002005012.102.8300001.5600002.170000点击数据录入界面右上角的叉关闭窗口，可以 不用保存数据组，之后的界面如右图。至此，数据录入工作完毕。ViewPracObje 吐SaveFreezeFile Edit Object View Proc etaiRange: 200401 2015Q4 - 4-8 obsSample: 2004Q1 2015Q4 - 4-8 obs1.2.3 X12进行季节性调整d1

7、 什SIc 什it陀rev.采用EViews8.0中X12的方法对实际GDP数据进行季节性调整，打开已经录入的rgdp 序列，RGDP数据录入前工作文档的设定一定要正确，新建workfile的时候要选择Quarterly 数据类型（季度类）。不正确的设定可能进行下列操作时不会出现CensusX12的选项。在正确设定数据类型后，依次选择。ProTSeasonal Adjustme ntCensus X-12,如下图所示。打开如下界面，默认下列图1的设置，也可以根据自己的需要修改默认设定。点击确 定进入季节性调整的输出结果窗口，之后关闭该窗口，回到图2界面。图2界面出现的新的数据列rgd_sa，即

8、是rgdp进行X12季节调整后的数据。View Proc Object Save Freeze Details+Z- SheRange: 2002Q1 2015(14 - 56 obscrergrgSample:2002Q1 2015Q4 - 56 obs1.2.4 HP滤波法估计潜在GDP将之前的经季节调整后的rgdp_sa序列单击打开，采用HP滤波法估计潜在GDP。然后 依次选择ProTHodrick-Prescott Filter，如下图1所示。进入图2界面。Hod rick-Prescott Filter侦在第View J Proc| Object J Properties j Pri

9、nt | Mamie |Freeze D200：200：200：200：200；Generate by Equation.Generate by Classification.Resample.Interpolate.Seasonal AdjustmentExponential SmoothingHod rick-Prescott Filter.200： Frequency Filter.Make Whitened.200：p Output seriesSmoothed series: ytCyde series:一栏中为平滑后的pi6-1Cx12(savBlank fields will n

10、ot generateSmoothing ParameterLambda:! 1600a Edit lambda directlySet lambda by Ravn Uhlig frequency rulePower: | 2Power does not matter for quarterly季度数据的参数值为1600,因为新来的潜在GDP序列的名称。用Hp滤波法估计已经选择好了季度数据的类型，所以此处参数的默认设定为Cance数据命名为 yt, yt在此代表潜在HP滤波法估计建workfile点击ok,进0 Series; RGDP_SA Workfile: GDP:;Untitled-

11、面/关闭该界面。JL9R7J1 mEViews已经生成了 HP滤波法估计的潜在GDPnrView Proc Object Save Freeze Details+/-一yt 序列，如右图所示。-.?-：z 二：二二：二.二-三：二Sample: 2002Q1 2015Q4 一 56 obsresidgdp rgdp_sa yt1.2.5时间序列数据的平稳性检验打开时间序列Y,依次选择ViewTUnit Root Test,如下图中左图所示。进入下图中 右图界面。Unit Root Test-Test type| Augmented Dickey-FullerpTest for unit roo

12、t in LevelO 1st difference 2nd differenceInclude in test equation Intercept Trend and intercept None-Lag lengthi# Automatic selection:Schwarz Info CriterionMaximum lags: User specified:择变量水平值、一阶差分值、二阶差分值，选择包含常数项、包含时间趋势项以及常数项、 什么都不包含三个类型中的一个来对时间序列进行单位根检验。此次选择了 Y的水平值，仅包含常数项的单位根检验。输出结果如下。-EViews - Seri

13、es: Y Workfile: 元回 1 日:Urithtled| | File Edit Object View Proc Quick Options Add-ins Window HelpView Proc Object Properties Print Name Freeze SampleGenr SheetGraph StatAugmented Dickey-FulLer Unit RooNull Hypothesis: Y has a unit rootExogenous: ConstantLag Length: 0 (Automatic - based on SIC, maxlag

14、=9)t-StatisticProb *MgmentM Dicg-FullBtest statistic-2.0016270.2052原假设。该序列有单位根，即原假设为该序列不平稳。P=0.2852，无法拒绝原价设-2.925169水平值不平稳。接下来选择该序列的一阶差分|进行单位根检验，输出如下结果。5% I eve故该序列*MacKinnon (1996 one-sided p-values.Null Hypothesis: D(Y) has a unit rootExogenous: ConstantLag Length: 0 (Automatic - based on SIC, max

15、lag=9)t-StatisticProb.*Augmented Dickey-Fullertest statiStic-6.9398290.0000Test critical values:1% level-3.5811525% level-2.92662210% level-2.601424*FvlacKinnon (1996) one-sided p-values.其中。D（Y）表示Y序列的一阶差分，P值=0.000，显著拒绝D（Y）不平稳的原假设， 故D（Y）是平稳的时间序列。Y不平稳，D（Y）平稳，故Y是1阶单整的时间序列。1.3时间序列变量的最小二乘估计1.3. 1时间序列最小二乘

16、估计的前提条件要对方程式。Y=C0+C1*X1+C2*X2进行回归分析，进行最小二乘估计要满足下列条件中 的一个。（1）Y、X1、X2三个时间序列必须是0阶单整的，即Y、X1、X2三个时间序列是平稳 的。word格式文档(2) Y、X1、X2三个时间序列是非平稳的，但是Y、XI、X2三个时间序列是同阶单整 的，回归方程必须通过协整检验。1.3.2同阶单整举例Y、XI、X2都不平稳，但D (Y)、D (XI)、D (X2)都是平稳的，Y、XI、X2三个时间序 列是都是1阶单整。Y、X1、X2是同阶单整的。1.3.3 EG协整法进行协整检验假设Y、X1、X2都是1阶单整的，在进行最小二乘估计之后，

17、导出估计方程的残差项， 复制粘贴数据到新的变量et,对et变量进行单位根检验，若检验结果表明et是平稳的时 间序列，即et是0阶单整的时间序列，那么该回归结果就通过了 EG协整检验，之前的回 归结果就不会因为各个变量的不平稳性出现伪回归的现象。依次选择。Quick T EstimateEquationoEViews - Workfile:多元回归-(d:userdatapersonal元回归.wfl)H File Edit Object View ProcView Proc Object Save Freeze DetaRange: 2004C11 2015Q4 一 48 obs Sample

18、: 2004Q1 2015Q4 一 48 obsQuick | Options Add-ins Window HelpSample.snr SampleGenerate Series.Show dSICrex1x2x3Graph Empty Group (Edit Series)Series StatisticsGroup StatisticsEstimate Equation.Estimate VAR.Equation Estimation在输入栏中输入估计方程式 y c x1 x2 x3，选择最小二乘估计的方法，点击 确定。SpecificationUpti oilsEquation sp

19、edfication .DeperLderit vari able followed by li st of regi_eeeore :eltuI FEL terms3 OR an explicit equation likey c x1 x2 X3|在估计结果窗口依次选择。View TActual, Fitted,ResidualTActual, Fitted, Residual Table进入下一个界面。2007Q33.410003.22731Q 4 oacn I1湿i2007Q43.480003.63664-0；CopyCtrkC2008013.090003.80793-0；ParteC

20、trkV200802.3.340003.47125-0.2008033.150003.44562-D ：Paste Special.2OO0Q42.44U003.0764-0-0.12009Q11.010002.26589圣3敝物E non-empty 饪Ils2009Q2:1.020001.05405甫严足苗2009Q31.560001.078120/2009041.510001.67596-口 Title.2010Q11.660001.77849-o.-2010Q22.100001.96037q -Save table to disk.View Proc Object Print Name

21、 Freeze Estimate Forecast Stats Resideobs Actual Fitted Residual ResjdliaLp|ot左图选中Residual列的数据，右击再选中copy。然后在工具栏选择。ObjectTNew Object新建变量，选择series类型，命名为et, 点击OK,单击打开et序列，粘贴数据。对et进行单位根检验。Null Hypothesis: ET has a unit rootExogenous: ConstantLag Length: 0 (Automatic - based on SIC, maxlag=9)t-StatisticP

22、rob*Augmented Dickey-Fuller test statistic-6.6374960.0000Test critical values:1% level5% level10% level-3.577723-2.925169-2.600658喧MacKinnon (1996) one-sided p-values.检验结果P值=0.0000,拒绝et有单位根的原假设，故et是平稳的时间序列。即该回 归方程通过了 EG协整检验。2、诊断回归模型2.1多重共线性计量检验与消除将之前的分析结果展示如下。File Edit Object View Proc Quick Options

23、 Add-ins Window HelpViewProcObje 吐PrintNameFreezeEstimateForecastStatsRe s id 5Dependent Variable: YMethod: Least Squares ate: 06/17/16 Time: 12:09Sample: 200401 201504Included observations: 4-8VariableCoefficientStd. Errort-StatisticProb.C0.3869630.2371731.6315480.1099X10.0349760.0397532.1375830.03

24、81X2-0.0149170.033914-0.4390340.6622X30.7794540.0342959.2467630.0000R-squa.red0.736217Mean dependent var2.361042Adjusted R-squared0.713232S.D. dependent var0.990363S.E. of regression0.525703Akaike info criterion1.631494Sum squared resid12.15999Schwarz criterion1.787427Log likelihood-35l15584Hannan-Q

25、uinn criter.1.690421F-statistic4-0.93459Durbin-Watson stat1.970504Prob(F-statistic)0.000000分析上述结果。 .样本可决系数为73.62%，表示XI、X2、X3可以解释Y总变动的73.6217%。 .F统计量为40.93，对应的P值为0.0000，小于0.05，表明方程总体线性显著，或者解释变量中至少有一个是对被解释变量有显著影响。.有的变量的T统计量对应的P值大于0.05，表明该解释变量对被解释变量的影响是不显著的，与F统计量所得到的结果矛盾。.X2的系数符号与实际情况不符。X1X2X3X11.00000

26、00.0562320.375502X20.0562321.0000000.140925X30.3755020.1409251.000000重/iewl Proc | Object | | Print |Name | Freeze | | Samplel Sheet | Stats Correlation综合（2）、（3）、（4）表明可能存在严重的多 共线性。进一步诊断。依 次选择 Quick T Group Statistics TCorrelations在接下来的窗口中输入x1 x2 x3输出结果如右图所示。x1与x3的相关性最大，但也只有37.55%, 故多重共线性不是很严重。但为了谨慎起

27、见，采 用逐步回归法进行分析。表1。对因变量Y进行的回归分析解释变量CX1X2X3R2Adjusted-R2第一步2.2170(0.0000*)0.2234(0.0008*)0.22010.20322.8555(0.0000*)0.0370(0.5637)0.007300.4517(0.0676*)0.8417(0.0000*)0.70770.7014第二步0.3986(0.0948*)0.0849(0.0365*)0.7747(0.0000*)0.73510.72330.4403(0.0791*)-0.0147(0.6794)0.7747(0.0000*)0.70880.6959注。Adju

28、sted-R2为负数时取0。 *代表系数通过了显著性水平为10%的假设检验。 *代表系数通过了显著性水平为5%的假设检验。进行第一步回归。由第二行至第四行的回归结果可以知道，X3对Y解释力度最大，故 选择X3作为第一个解释变量。进行第二步回归。比较第五行到第六行的结果可以知道，XI、X3 一起对Y的解释力度 最大，且各个参数都通过了显著性检验。故选择剔除解释变量X2。2.2异方差计量检验与消除2.2.1怀特异方差检验模型2e = C + CX1 + C X12 + C X3 + C X32 + Ut 01 t 2 t 3 t 3 t t若包括交叉乘积项，则自变量还有X1*X3项。样本容量n，上

29、述方程估计出R2，然后n* R2 （服从卡方分布）后的值与临界值进行比较，判断是否存在异方差。原假设H0。存在异方差。用EViews进行怀特异方差检验。在回归方程估计窗口下，选择View T Residual Tests T Heteroskedasticity T White（选项中挑选），若勾选Include White cross term，则回归方程中会有交叉乘积项， 如右图所示，点击OK。H ete ro s kedast iciity T estsSpecificationTest type:Breusch -Pagan-GodfreyHarveyGlejserARCHWhiteC

30、ustom Test Wizard.Dependent variable: RESID2The White Test regresses the squared residuals on the cross product of the original regressors and a constant.7 Indude White cross terms输出结果如右图。P值=0.0003, 拒绝同方差性。故该回归方程结果存在 异方差。HeteroskedHeteroskedasticity Test: WhiteF-statistic Obs*R-squa.red Scaled expla

31、inedF-statisticObs*R-squaredScaled explained SS3.64301814.5200223.30635Prob. F(5,42)Prob. Chi-Squa.re(5)Prob. Chi-Squa.re(5)0.00790.01260.0003Test Equation: Dependent Variat Method: Least Sq Date: 06/17/16 T Sample: 2004Q1 Included observatTest Equation:Dependent Variable: RESIDA2Method: Least Squar

32、esDate: 06/17/16 Time: 13:55 Sample: 2004Q1 2015Q4Included observations: 48VariableVariableCoefficientStd. Errort-StatisticProb.C X1A2 X1*X3 X1 X3A2 X3C X1A2 X1*X3 X1 X3A2 X3-1.0933340.041735-0.104092-0.092364-0.0868790.9863900.5657070.0158060.0554070.1299970.0838530.466302-1.9326872.640403-1.878699

33、-0.710511-1.0360832.1153480.06000.01160.06720.4813030610.0404R-squaredAdjusted R-squarS E. of regressionR-squaredAdjusted R-squaredS.E. of regression03025000.2194650.434172t n t h. n.Mean dependent var S.D. dependent var Aka ike info criterion0.2544470.4914351.285719 d c-a ncA nView Proc C View Proc

34、 Object Print Name Freeze Estimate Forecast Stats Resids接下来运用white异方差校正功 能和加权最小二乘法来修正模型的异 方差性。2.2.2 white异方差校正功能回归方程估计窗口选择最小二乘估计，再选择options选项。选择White栏目，点击确定。| View|proc|Object| (print|Name |Freeze | (Estimate |Forecast |Stats |ResidslDependent Variable: YMethod: Least SquaresDate: 06/17/16 Time: 14:

35、08Sample: 2004Q1 2015Q4Included observations: 48White heteroskedasticity-consistent standard errors & covariance因而得到校正后的回归方程。VariableCoefficientStd. Error t-StatisticProb.C03986410.1809692.2028180.0328X10.0849120.0455631.8636240.0689X30.7746540.0921368.4077610.0000R-squared0.735057Mean dependent var

36、2.861042Adjusted! R-squaredl0.723282S.D. dependent var0.990363S.E. of regression0.520970Aka ike info criterion1.594214Sum squared resid12.21345Schwarz criterion1.711164Log likelihood-35.26113Hannan-Quinn criter.1.638409F-statistic62.42400Durbin-Watson stat1.955792Pro b(F-stati stic)0.000000Wald F-st

37、atistic85.89104ProbfWald F-statistic)0.0000002.2.3加权最小二乘法运用加权最小二乘法校正回归方程的操作如下。回归方程估计窗口选择最小二乘估计，再选择options选项。选择 White栏目，weight下选择Inverse std dev栏目。点击确定即可得到加权最小二乘法的回归结果:注：老版本为：在Weight文本框内输入 “1/abs（resid），resid 默认为最新估计方程的残差序列Equation EstimationMWSpecificati on | Options Coefficient covariance matrixEst

38、imation defaulty| d. f. Adjustme:-Iteration control 瞄|500一Convergence： | 0.0001I I Di splay settingsWeights.Type:|Inverse st.d. 山Weight 一 series：IScalins EViews de fault 输出结果如右图:2.3自相关计量检验与消除Yt=B0+B 1*Xt1+B2*Xt2+ e tCOV（Et,Et-s）手0, t=1,2,，N, s=1,2，t-12.3.1自相关的后果 参数的OLS估计不再具有最小方差性，从而不再是参数6的有效估计，这使估计的

39、 精度大大降低。 显著性检验方法失效。对回归方程和回归系数的显著性检验的统计量分布时，是以 e t n（0, a2），且相互独立为依据的。当存在自相关时，各e t之间不再独立，因而原 来导出的统计量的分布就不再成立。 预测和控制的精度降低，由于OLS估计不再具有最小方差性，使参数估计的误差增 大，就必然导致预测和控制的精度降低，失去应用价值。2.3.2自相关的识别2.3.2.1图示法利用残差序列et来分析e t之间是否存在自相关。 用OLS对原模型进行回归，求出残差et 作关于（et, et-1）, t=2,3,.,N,或（t, et）, t=1,2,，N 的散点图。（et, et-1） 散点

40、图均匀分布在四个象限，说明不存在自相关；大部分落在1,3象限，正相关性；大部 分落在2、4象限，负相关性。若et随时间t呈某种周期性的变化趋势，则说明存在正相 关。若呈现锯齿形的震荡变化规律，则说明存在负相关。2.3.2.2 杜宾-瓦森（Durbin-Watson）检验杜宾-瓦森检验简称D-W检验，检验原理如下。e t= pe t-1 + Vt, t=2,3,，NH0: =0, H1: p手0DW =&24-2乙2tt=1DW r 2(1 -p );p = -t=2二2 t t=1 若存在一阶完全正自相关，p帽21,则DWQ0; 若存在一阶完全负自相关，p帽2-1，则DW24；自相关性越小。若

41、不存自相关，p帽20,则DW22，故DW越接近于2,查表可以知道DW统计量的临界值为dL、dU。当dLWD-WWdU时，不存在自相关。2.3.3 DW检验的局限 只适用于一阶自相关检验 存在不能判定的区域 模型中含有因变量的滞后变量时，D-W检验失效 需要比较大的样本容量(NN15)2.3.4 EViews进行自相关检验u =p u 1 + v ;-1 p 1 (1)其中 Vt N (0,6 2), COV (Vt, Vt-1) =0。记ut服从一阶自回归AR (1)。AR (1 )的系数就是p的估计值， Inverted AR Roots是残差自相关模型(1) 式)的滞后算子多项式的根，这个

42、根有时 是虚数，但静态自回归模型的滞后算子多 项式的根的模应该小于1。DW值为2.0176,接近于2,模型自相 关问题解除。Dependent Variab 回 YMethod: Least SquaresDate: 06/17/16 Time: 20:47Sample (adjusted): 2004Q22015Q4Included observations: 47 after adjustmentsConvergence achieved after 6 iterationsWhite heteroskedasticity-consistent standard errors & cova

43、rianceVariableCoefficientStdl. Error t-StatisticProb.C0.4331100.19092S2.2946300.0267X10.0870910.0474131.0363610.0731X30.7615120.0966447.0795430.0000AR(1)0.0303070.1774080.1708320.8652R-squared0.735980Mean dependent var2.874255Adjusted! R-squaredl0.717560S.D. dependent var0.996783S.E. of regression0.

44、529742Akaike info criterion1.648410Sum squared resid12.06692Schwa iz criterion1.805870Log likelihood-34.73764Hannan-Quinn criter.1.707663F-statistic39.95545Durbin-Watson stat2.017555Pro b(F-stati stic)0.000000Wald F-statistic75.71547Prob(Wald F-statistic)0.000000Inverted AR Roots.03在EViews的估计窗口中输入带估

45、计方程YC X1 X3 AR(1)。选择估计方法最小二乘法。若误差项存在高阶自相关，形如u = P u +P u +P u +P u + v ;-1 P 1t 1 t-12 t-23 t-34 t-4 ti则应在估计方程对话框中输入Y C X1 X3 AR(1) AR(2) AR(3) AR若形如下式的自相关u =P u + v ;-1 P ha/2，则拒绝原假设p =0,说明自回归模型存在自相关，需对模 型作进一步修改。绝对值h ha/2，则接收原假设p=0,模型扰动项不存在一阶自相关。3、联立方程模型宏观经济的联立方程模型如下。消费方程：C =a +a Y +a C + ut 01 t 2

46、t-1 1t投资方程：I广p o +p 1Yt1 + u2t收入方程：Y = C + I +a Gt t t 1 t在菜单栏上依次选择ObjectsTNew Object命令，然后选择System作为对象的类型,将该对象命名为SYS01 o园 System: SY501Workfile:寥元回归:Untitled、- XViewProcObjectPrintNameFreezeInsertTxtEstimateSpecStatsResidsct=c(1hc(2)*yt+c(3rct(-1;INST jH-1)用System: SYS01Estimation Method: Two-Stage

47、Least SquaresDate: 06/17/16 Time: 23:01Sample: 2004Q2 2013Q4Included observations: 39Total system (balanced) observations 78R-squaredAdjusted! R-squared S.E. of regression Durbin-Watson stat0.9994610.9994311755.2491.142934Mean dependentvar S.D. dependentvar Sum squared) resid59718.0973576.801.11E+08

48、Equation: IT=C(4)C(5)*YT(-1)Instruments: CT(-1) YT(-1) GT CObservations: 39R-squared0.993895Mean dependentvar66323.34Adjusted R-squared0.993730S.D. dependentvar91568.88S.E. of regression7250.612Sum squared! resid1.95E+09Durbin-Watson stat0.597882Equation: CT=C(1 )+C*YT+C*CT(-1)Instruments: CT(-1) YT

49、(-1) GT CObservations: 39前两行输入Ct, Yt的估计方程，最终 Yt 只受 Ct (-1) Yt (-1), Gt 的影响，。而第三行输入INST Ct (-1) Yt (-1)Gt。(表示工具变量)接下来选择Estimate按钮。有九种估计方法可供选择：OLS WLSSUR 2SLS WTSLS 3SLS FIML GMM(White 协方差矩 阵，用于截面数据)GMM(HAC协方差矩阵，用于时间序列数据)ARCH。下图选择2SLS估计方法，单击确定，得 到右图估计结果CoefficientStd. Errort-StatisticProb.c(1)1652.972

50、381.40074.3339510.0000C(2)0.1550130.0188288.2329160.0000c0.6492560.05669711.451270.00000(4)-2433.3361460.405-1.6662060.1000C(5)0.5086660.00655477.613160.0000Determinant residual covariance1.41E+144、面板数据模型的建立及应用正常情况下，选择时序类进行建立 workfile，录入数据后，选择ObjectTNew Object，选择Pool类型对象，命名为MBdata。 在右图打开的窗口中输入bi tj

51、sh gd标识。接着单击Sheet按钮，进入左下图，输y？ ct？ i？g？，再点击ok进入右下角图示界面，在该界面录入数据。按左下图输入。点击确定。录入数据后在pool窗口下单击Estimate按钮，Dependent Variable: CT?Method: Pooled Least SquaresDate: 06/17/16 Time: 23:54Sample: 1976 2015Included observations: 40Cross-sections included: 1Total pool (balanced) observations: 40Cross sections w

52、ithout valid observations droppedVariableCoefficientStd. Errort-StatisticProb.C6472.2161448.9734.4667600.00011?0.8006280.01308961.167040.0000Fixed Effects (Cross)BJ-C2.73E-12Effects SpecificationCross-section fixed (dummy variables)R-squared0.989946fdean dependent var58264.85Adjusted! R-squaredl0.98

53、9681S.D. dependent var73206.64S.E. of regression7436.541Aka ike info criterion20.71491Sum squared resid2.10E+09Schwarz criterion20.79935Log likelihood-412.2981Hannan-Quinn criter.20.74544F-statistic3741.406Durbin-Watson stat0.242379Pro b(F-stati stic)0.0000005、葛兰杰因果检验5.1前提条件在进行Granger因果检验之前，必须对Xt、Yt进行ADF检验，如果序列非平稳，则需 要先经过1次或多次差分使之平稳化，然后再对两个平稳化后的序列进行Granger检验。5.2检验模型如果Xt与Yt为平稳的过程，对于模型(1)(2)X = C1 + Ea X . +籽 Y + U1Y = C2 + E=Y .Y . + 归容.+ u2如果p j=S j=0 (j=1,，q)，j则Xt、丫.相互独立； 如果Bj=0,aj手0 （j=1,，q），则Xt为Yt的原因； 如果B j手0,a j=0 （j=1,，q），则Yt为Xt的原因； 如果B j手0,a j手0 （