Eviews使用教程简易版(清晰word版)张晓峒

《Eviews使用教程简易版(清晰word版)张晓峒》由会员分享，可在线阅读，更多相关《Eviews使用教程简易版(清晰word版)张晓峒（26页珍藏版）》请在装配图网上搜索。

1、计量经济学软件包 Eviews 使用说明一、启动软件包假定用户有 Windows95/98 的操作经验，我们通过一 个实际问题的处理过程，使用户对 EViews 的应用有一些感性 认识，达到速成的目的。1、Eviews 的启动步骤：进入 Windows /双击 Eviews 快捷方式，进入 EViews 窗 口；或点击开始 / 程序/Econometric Views/Eviews，进入 EViews 窗口。信息栏2、EViews窗口介绍标题栏：窗口的顶部是标题栏，标题栏的右端有三 个按钮：最小化、最大化（或复原）和关闭，点击这三个按钮 可以控制窗口的大小或关闭窗口。菜单栏：标题栏下是主菜单栏

2、。主菜单栏上共有 7 个选项： File，Edit，Objects，View，Procs，Quick， Options, Window, Help。用鼠标点击可打开下拉式菜单（或 再下一级菜单，如果有的话），点击某个选项电脑就执行对应 的操作响应（File, Edit的编辑功能与Word, Excel中的相 应功能相似）。命令窗口：主菜单栏下是命令窗口,窗口最左端一 竖线是提示符,允许用户在提示符后通过键盘输入 EViews （TSP风格）命令。如果熟悉MacroTSP （DOS）版的命令可以 直接在此键入，如同DOS版一样地使用EViews。按F1键（或 移动箭头）,键入的历史命令将重新显示

3、出来,供用户选用。主显示窗口：命令窗口之下是 Eviews 的主显示窗 口,以后操作产生的窗口（称为子窗口）均在此范围之内,不 能移出主窗口之外。状态栏：主窗口之下是状态栏,左端显示信息,中部 显示当前路径,右下端显示当前状态,例如有无工作文件等。二、创建工作文件工作文件是用户与 EViews 对话期间保存在 RAM 之中 的信息,包括对话期间输入和建立的全部命名对象,所以必须 首先建立或打开一个工作文件用户才能与 Eviews 对话。工作 文件好比你工作时的桌面一样,放置了许多进行处理的东西 （对象）,像结束工作时需要清理桌面一样,允许将工作文件 保存到磁盘上。如果不对工作文件进行保存,工作

4、文件中的 任何东西,关闭机器时将被丢失。进入 EViews 后的第一件工作应从创建新的或调入原有 的工作文件开始。只有新建或调入原有工作文件， EViews 才 允许用户输入开始进行数据处理。建立工作文件的方法：点击File/New/Workfile。选择数据类型和起止日期，并在出现的对话框中提供必要的信 息：适当的时间频率(年、季度、月度、周、日)；确定起止 日期或最大处理个数(开始日期是项目中计划的最早的日期； 结束日期是项目计划的最晚日期，非时间序列提供最大观察个 数，以后还可以对这些设置进行更改)。下面我们通过研究我国城镇居民消费与可支配收入的 关系来学习 Eviews 的应用。数据如

5、下：表一1998 年我国城镇居民人均可支配收入与人均消费性支出 单位：元地区可支 配收 入(inc)消费 性支出 (consum)地区可支 配收 入(inc)消费 性支出 (consum)北京8471.986970.83河南4219.423415.65天津7110.545471.01湖北4826.364074.38河北5084.643834.43湖南5434.264370.95山西4098.733267.70广东8839.687054.09内蒙 古4353.023105.74广西5412.244381.09辽宁4617.243890.74海南4852.873832.44吉林4206.63449

6、.74重庆5466.54977.2647黑龙4268.53303.15四川5127.04382.59江08上海8773.16866.41贵州4565.33799.3809江苏6017.84889.43云南6042.75032.6758浙江7836.76217.93陕西4220.23538.5264安徽4770.43777.41甘肃4009.63099.3671福建6485.65181.45青海4240.13580.4733江西4251.43266.814112.43379.8221山东5380.04143.96新疆5000.73714.1089（数据来源：中国统计年鉴T999光盘J10、J11

7、，中国统计出版社）下面的图片说明了具体操作过程。 1、打开新建对象类型对话框，选择工作文件Workfile，见图二。（图二）（图三）2、打开工作文件时间频率和样本区间对话框，输入 频率和样本区间，见图三。控制框工具条Detault Eq: Noneme3、点击OK确认，得新建工作文件窗口，见图四。Ranqe: 1 30Sample: 1 3UView Procs Objects Save Label+/- Show Fetch Store Delete Genr Sa工作文件窗口：工作文件窗口是 EViews 的子窗口。 它有标题栏、控制按钮和工具条。标题栏指明窗口的类型 workfile、工

8、作文件名。标题栏下是工作文件窗口的工具条， 工具条上有一些按钮。 Views 观察按钮、 Procs 过程按钮、 Save （保存）工作文件、Sample （设置观察值的样本区 间）、Gener （利用已有的序列生成新的序列）、Fetch （从 磁盘上读取数据）、Store （将数据存储到磁盘）、Delete （删除）对象。此外，可以从工作文件目录中选取并双击对 象，用户就可以展示和分析工作文件内的任何数据。工作文件 一开始其中就包含了两个对象，一个是系数序列C （保存估计 系数用），另一个残差序列RESID （实际值与拟合值之差）。 小图标上标识出对象的类型， C 是系数向量，曲线图是时间序

9、 列。用户选择 Views 对象后双击鼠标左建或直接使用 EViews 主窗口顶部的菜单选项，可以对工作文件和其中的对象进行一 些处理。4 、保存工作成果：将工作成果保存到磁盘，点击工 具条中save、输入文件名、路径保存，或点击菜单栏中File Save 或 Save as 输入文件名、路径保存。5、打开工作文件：我们可以打开一个已有的工作文件 继续以前的工作，点击主菜单中的 File Open Workfile 选定文件打开。三、输入和编辑数据建立或调入工作文件以后，可以输入和编辑数据。 输入数据有两种基本方法：data命令方式和鼠标图形界面方 式1、data 命令方式：命令格式为： da

10、ta 序列名 1序列名2序列名n，序列名之间用空格隔开，输入全部序列后回车就进入数据编辑窗口，如图五所示。用户可 以按照 Excel 的数据输入习惯输入数据。数据输入完毕，可以 关闭数据输入窗口，点击工作文件窗口工具条的Save或点击 菜单栏的 File Save 将数据存入磁盘。2、鼠标图形界面方式数组方式：点击 Quick Empty Group （Edit Series）， 进入数据窗口编辑窗口，点击 obs 行没有数据的第一列（如图五中太阳标志处），然后输入 序列名，并可以如此输入多个序列。输入数据名后，可以输入 数据，方式同上。3、鼠标图形界面方式序列方式：点击 Objects Ne

11、w object 选Series 输入序列名称Ok，进入数据编 辑窗口，点击Edit+/-打开数据编辑状态，（用户可以根据习 惯点击Smpl+/-改变数据按行或列的显示形式，）然后输入数 据，方式同上。输入命令,l| obsINCCONSUM18471.980NA27110.54|NA3NANA序列名;禾称4NANA1W5NANA6NANA7NANA8NA输入的数【据9NANA10NANA11NANA12NANA13NANA14NANA15“KIAMA二J;Ld!4、编辑工作文件中已有的序列：可以按照操作Windows 的习惯在工作文件主显示窗口选定一个或多个序列， 点击鼠标右健打开一个或多个

12、序列，进入数据编辑状态，可以 修改数据。四 、由组的观察查看组内序列的数据特征按下数组窗口（也可以成为数组或数据编辑窗口）工具条上 Views 按钮，可以得到组内数据的特征，见图六。 具体介绍如下：Group Members 可用于增加组中的序列；Spreadsheet以电子数据表的形式显示数据；Dated DataTable 将使时序数据以表的形式显示； Graph 以各种图形的形 式显示数据的； Multi Graph 以多图的形式显示组中数据；J File Edit Objects View Procs Quick Options Window Helpevs - Group： UBTI

13、TLED Vorkfile： IFView|Procs|Objects| Print|Name|Freeze| Sample|Sheet|Stats|Spec|ImsNOO-|g|x|-! x|evi ews3x. vfl)Vi 亡w | Frous I Ob.j 亡uts | Save I Lab亡 1+/-1 Show | F亡tuh| St or 亡 | D亡亡t 亡 | G亡nr | SamiRange: 1Sample: 1-i r-!l: ii _ .- j： _ . Ji i-. hi.Equail on Sped f i cati onconsum inc resid serO

14、1Equation Specific：ation:consum inc cDependent variable followed by list of regressors including ARMA and RDL terms, OR an explicit equation like 丫=匚+匚(2)%Estimation Settings:Method:Sample:Descriptive Stats 给出组中数据的描述统计量，如均值、方 差、偏度、峰度、J-B统计量(用于正态性检验)等；Tests of equality给出检验组中序列是否具有同方差、同均值或 相同中位数的假设检验结

15、果； N-way/One-way Tabu l at i on 给出数组中序列观测值在某一区间的频数、频率和某一序列是 否与组中其他序列独立的假设检验结果； Correlations 给出 数组中序列的相关系数矩阵； Covariances 给出数组中序列的 斜方差矩阵； Correlogram (1)给出组内第 1 序列的水平序列 及其差分序列的自相关函数和偏自相关函数； Cross Correlation (2)给出组内第 1和第 2 序列的超前几期和滞后 几期值之间的互相关函数； Cointegration Test 执行 Johansen cointegration 协整(或称为共积)

16、检验； Granger Causality 检验组内各个配对间的 Granger 因果关 系； Lable 给出数组的名称及修改时间等信息。五、回归分析-估计消费函数1 、在经济理论指导下，利用软件包的“观察(View)”功能对数据进行“火力侦察”，观察消费性支出与 可支配收入的 散点图(见图七)。依据凯恩斯理论，设定理论 模型：consum= a + b (inc)2、作普通最小二乘法估计：在主菜单选QuickEstimate Equations，进入输入估计方程对话框，输入待估计方程，选 择估计方法普通最小二乘法，如图八所示。点击 OK 进行估 计，得到估计方程及其统计检验结果，如图九所示

17、。3、利用图九中给出的统计检验结果对模型的可靠性 进行统计学检验，由统计结果可以看出该模型拟合优良，误差 项不存在一阶正自相关。4、利用图九中估计方程显示窗口中工具条View，可 以显示估计方程、估计方程的统计结果、以图或表的形式显 示数据的实际值、预测值和残差。六、单方程预测预测是我们建立经济计量模型的目的之一, 其操作BBSFile Edi t Obj ects Vi ew Procs Quick Options Window Help EqTorkfile： IF-Inl x|View|Procs|Objects|Print|Name|Freeze| Estimate|Forecast|

18、3tats |ResidsJDependent Variable:CONSUMMethod: Least SquaresDate: 01/18/01 Time: 22:29Sample: 1 30Included observations: 30VariableCoefficientStd. Error t-StatisticProb.INC0.7944340.02571930.888570.0000C49.82200143.70130.3467050.7314R-squared0.971490Mean dependent var4342.317Adjusted R-squared0.9704

19、72S.D. dependent var1166.015S.E. of regression200.3663Akaike info criterion13.50251Sum squared resid1124106.Schwarz criterion13.59592Log likelihood-200.5377F-statistic954.1039Durbin-Watson stat1.607925Prob(F-statistic)0.000000-IQ1 凶CreProcsShow | Fetch | Store |Delete |Genr11 Path = e:evievs3 |DB =

20、none 11VF = xf图九如下：进入方程估计输出窗口(可以选定一个已有的方程建打开或估计一个新方程)如图九，点击其工具栏中的 Forecast 打开对话框(图十)，输入序列名(Forecast name)， 这 名称通常与方程中被解释变量的名字不同， 这样就不会混淆 实际值和预测值；作为可选项，可给预测标准差随意命名 S. E(optional)，命名后，指定的序列将存储于工作文件 中；用户可以根据需要选择预测区间(sample range for forecast)； Dynamic 选项是利用滞后左手变量以前的预测 只来计算当前样本区间的预测值， Static 选项是利用滞后左 手变

21、量的实际值来计算预测值(该选项只有在实际数值可以得到时使用)，当方程中不含有滞后被解释变量或ARMA项时,这两种方法在第二步和以后各步都给出相同结果，当方程中含 有滞后被解释变量或 ARMA 项时，这两种方法在第二步以后给 出不同结果；用 Output 可选择用图形或数值来看预测值，或 两者都用以及预测评价指标（平均绝对误差等）。将对话框的 内容输入完毕，点击 OK 得到用户命名的预测值序列。注意：在进行外推预测之前应给解释变量赋值。例如我 们根据 19801998 年数据得到中国人均生活费支出与人均可支 配收入关系的回归方程，希望预测 1999、2000、2001 年的人 均生活费支出。为此

22、，我们首先需要给出 1999、2000、2001 年人均收入可支配的数据，如果 1999、2000、2001 我们从历 史数据中得不到 1999、2000、2001 年人均收入可支配的数 据，就应利用其他方法估计出这些数据，把 1999、2000、 2001 年人均收入可支配的数据（可能是估计值）输入解释变 量中就可以预测出这三年的人均生活费支出。七、异方差检验 古典线性回归模型的一个重要假设是总体回归方程的随机扰动 项ui同方差，即他们具有相同的方差Q 2。如果随机扰动项的 方差随观察值不同而异，即ui的方差为b i2,就是异方 差。检验异方差的步骤是先在同方差假定下估计回归方程， 然后再对

23、得到的的回归方程的残差进行假设检验，判断是否 存在异方差。Eviews提供了怀特(White)的一般异方差检验功 能。Forecast ot C：U SU v* DynamicStateForecast name:3.旦(optionail):ARCH (optional!Output:Sample range for forecast:凶 Do grapheva ua.t.ion4342.317166.0153.50251ignore ARMA)atisticProb.；88570.0000FS7U50 73143.59592零假设：原回归方程的误差同方差。 备择假设：原回归方程的误差异方差

24、 我们仍利用表一数据进行分析。操作步骤：在工作文件主显示窗口选定需要分析的回归方 程 打开估计方程及其统计检验结果输出窗口(见图九) 点 击工具栏中的 View 选 Residual Tests White Heteroskedasticity (no cross terms) 或 White Heteroskedasticity (cross terms) (图十一)，可得到辅 助回归方程和怀特检验统计量一即F统计量、x2统计量的值 及其对应的p值。由图十二中的显示结果可以看出：在1% 显著水平下我们拒绝零假设，接受回归方程的误差项存在异方 差的备择假设。值得重申的是：虽然图九中的信息告诉我

25、们 回归方程拟和优良，但我们还应该对其进行经济计量学检 验，以确定其是否满足古典假设。一般地，只要图十二中给出的 p 值小于给定的显著水 平，我们就可以在该显著水平下拒绝零假设。EViews - Equation： EQO1 lorkfile： EV-OP-1I I File Edit Objects View Procs Quick Options Window Kelp Ifi*I *1View|Procs|Objects| Print|Name|Freeze| EstimateForecast|Stats|Resids|White Heteroskedasticity Test:F-st

26、atistic12831.87 Probability0.000000Obs*R-squared29.96847 Probability0.000000Test Equation:Dependent Variable: RESIDA2 Method: Least SquaresDate: 01/25/01 Time: 19:26Sample: 1 30In eluded observations: 30VariableCoefficientStd. Errort-StatisticProb.C5.89E-227.53E-2478.213010.0000INC-2.16E-252.54E-27-

27、85.023510.0000INCA21.98E-292.00E-3198.715550.0000R-squared0.998949Mean dependent var4.04E-23Adjusted R-squared0.998871S.D. dependentvar6.13E-23S.E. of regression2.06E-24Sum squared resid1.15E-46F-statistic12831.87Durbin-Wats on stat1.693605Prob( F-statistic)0.000000| Path = e:eviews3 DB = none WF =

28、ev-op-1图十二注意：White Heteroskedasticity (no cross terms)White Heteroskedasticity (cross t e r m s )选项的区别在 于：在 no cross terms 选项下得到的辅助回归方程中不包含 原回归方程左手变量的交叉乘积项作为解释变量；而 cross terms 选项下得到的辅助回归方程中包含原回归方程左手变量 的交叉乘积项作为解释变量。在我们使用的一元回归例子 中，这两个选项的作用没有区别。当我们分析多元回归模型 的异方差问题时，因为所选辅助回归方程的解释变量不同， 这两个选项的作用就不同了。八、Whit

29、e异方差校正功能和加权最小二乘法1White 异方差校正功能：我们使用表二的数据，在主菜 单选 Quick Estimate Equat i ons ，进入输入估计方程对话 框, 输入待估计方程 (cum in )，选择估计方法普通最 小二乘法，点击 Options 按钮进入方程估计选择对话框， 选择 Heteroskedasticity Consistent Covariance White OK 应用（见图十三）1，回到估计方程对话框，点 击 OK 得到校正后的回归方程（见图十四）。同学们可以比 较图十四中的方程与普通最小二乘法得到的方程。表二中国 1998 年各地区城镇居民平均每人全年家

30、庭可支配收入 及交通和通讯支出单位：人民币 元项目X 变量名可支 配收入交通和 通讯支 出项目X 变量名可支 配收入交通和 通讯支 出地区incum地区incum4009.65000.7甘肃1159.60新疆9212.304098.75084.6山西3137.11河北4270.094112.45127.0宁夏1231.51四川8212.464206.65380.0吉林4172.65山东8255.534219.45412.2河南2193.65广西4252.374220.25434.2陕西4191.76湖南6255.794240.15466.5青海3197.04重庆7337.834251.4601

31、7.8江西2176.39江苏5255.651对这一方法的进一步了解可参考经济计量分析美威廉H格林著，中国社会科学出版社，1998年3月, P423-424，适用于普通最小二乘法的协方差矩阵的估计4268.56042.7黑龙江0185.78云南8266.484353.06485.6内蒙古2206.91福建3346.754565.37110.5贵州9227.21天津4258.564617.27836.7辽宁4201.87浙江6388.794770.48471.9安徽7237.16北京8369.544826.38773.1湖北6214.37上海0384.494852.88839.6海南7265.98

32、广东8640.56数据来源：中国统计年鉴1998光盘，文件j11c,j12c)图十三Vi&a |Procs|Objects| PTint|Name|Fteeze| Estimatg|Forecast|Stats|Resids|Dependent Variable: CUMMethod: Least Squar_esDate: 04/08/01 Time: 08:23Sample(adjusted): 1 30Included obsen/ations: 30 after adjusting endpointsWhite Heteroskedasticity-Consistent Standar

33、d Errors & CovarianceVariableCoefficientStd. Error t-StatisticProb.C-56.9179860.22735-0.9450520.3527IN0.0580750.0124554.6627290.0001R-squared0.741501Mean dependent var-256.8727Adjusted R-squared0.732269S.D. dependentvar97.56583S.E. of regression50.48324Akaike info criterion10.74550Sum squared resid7

34、1359.62Schvvarv criterion10.83891Loq likelihood-159.1825F-statistic80.31760Durbin-VVatson stat2.008179Prob(F-statistic)0.000000图十四2、加权最小二乘法：我们使用表二的数据，在主菜单选 Quick Estimate Equations ，进入输入估计方程对话框 , 输入待估计方程 （cum in ），选择估计方法普通最小二乘 法，点击 Options 按钮进入方程估计选择对话框，选择 Weighted LS/TSLS 在对话框内输入用作加权的序列名称 in的平方根得倒数

35、 OK应用（见图十五），回到估计方程 对话框，点击 OK 得到加权最小二乘法回归方程（见图十六并 与图十四中的方程比较）。Eviews 中进行加权最小二乘估计的过程为：选定一个与 残差标准差的倒数成比例的序列作为权数，然后将权数序列除 以该序列的均值进行标准化处理，将经过标准化处理的序列作vanab eVVeiqhted ytatisties247. b 742图十六0.523215J. 50618743.0628651923.48-54.413-2.16UbB210.42754U.52U9530.72fJb3J .iJiJUiJUbR-squaredDurbin-Watson statMea

36、n dependent varAkaike into criterionSchwarv criterionF-statisticF：lrob( F-stati stic)Dependent variable: CUMDate:Time: (J8:53CaetticientStd. Errort-Statistic：-53.1925133.57023-1.584514ij/ 2430.057385u .iJUbsyy0.0000View Procs Objects Print Name Freeze Estimate Forecast Stats ResidsMethod: Least Squa

37、resSarnple(adiusted): 1 30Included observations: 30 after adjusting endpointsWeighting senes: (IN)八卜0.5Adjusted R-squaredS.E. or repressionSum squared residLog likelihoodb.u. dependentvar为权数进行加权作最小二乘估计，这种做法不影响回归结果。但应该注意， Eviews 的这种标准化处理过程对频率数据不适用。九、一阶(高阶)序列相关校正当线性回归模型中的随机扰动项是序列相关时， OLS 估计量 尽管是无偏的，但却

38、不是有效的。当随机扰动项有一阶序列相 关时，使用AR(1)可以获得有效估计量。其原理如下：表三中的数据，设进口需求函数随机方程为IM= B B GNP u （2） t 0 1 t tIM 为每年进口额， GNP 每年收入的替代变量。假设误差项存 在一阶自相关，则 u 可以写成：t 表三我国进口支出与国内生产总值和消费者价格指数国民生产总 值（人民币亿 元，当年价）进口总 额（人民 币亿元， 当年价）消费价 格指数（1985 年=100）年度GNPIMCPI19858989.11257.8100.0198610201.41498.3106.5198711954.51614.2114.319881

39、4922.32055.1135.8198916917.82199.9160.2199018598.42574.3165.2199121662.53398.7170.8199226651.94443.3181.7199334560.55986.2208.4199446670.09960.1258.6199557494.911048.1302.9199666850.511557.4328.0199773142.711806.5337.2199878017.811622.4334.5(数据来源：中国统计年鉴1999光盘cO1、q03和i01 ，)u = p u +v-1p1(3)t t-1 t其中

40、vN(0, 6), Cov(v v ) = 0, izj。记作 u 服从 AR(1)。i, ti假定p已知，我们将方程(3)中的变量滞后一期，写为:IM = B B GNP u (4) t-1 0 1 t-1 t-1方程两边同时乘以p得到：pIM =pB pBGNP pu(5)t-1 0 1 t-1 t-1将方程 (2)与方程 (4)相减并利用方程(3)，得到：IM - pIM =B (1-p)+B (GNP pGNP )+v (6) t t-1 0 1 t t-1 t图十七Eviews利用Marquardt非线性最小二乘法，同时估计(6)式 中的B、B和p。用AR(1)项进行估计时，必须保证

41、估计过程 01使用滞后观测值存在。例如，左右端变量的起始观测时间为 1 985年，则回归时的样本区间最早能从1 986年开始。若用户 忽略了这一点，会暂时调整样本区间，这一点可以从估计方程 的结果显示中看到。操作如下：在主菜单选 Quick EstimateEquations，进入输入估计方程对话框，输入待估计方程IM C GNP AR(1)，选择估计方法一普通最小二乘法，如图十七所示 估计方程对话框图中竖线为光标。估计结果如图十八所示。 图十八中AR 的系数就是p的估计值。Inverted AR Roots 是残差自相关模型(3) 的滞后算子多项式的根，这个根有时是 虚数，但静态自回归模型的

42、滞后算子多项式的根的模应该小于Hl EViews - Equation： EQ05AR1Workfile： E6-2口 File Edi + Objects ViewFrocs QuickOptions Window HelpView Procs|Objects Print|Name|Freeze| Estimate|Forecast Ji3tats | Res idsDependent Variable: IMMethod: Least SquaresDate: 03/28/01 Time:11:32Sample(adjusted): 1986 1998Included observatio

43、ns:13 after adjusting endpointsConvergence achieved after 16 iterationsVariableCoefficientStd. Errort-StatisticProb.C139.46961770.9220.0787550.9388GNP0.1600230.0364704.3878500.0014AR(1)0.6899950.3807541.8121810.1000R-squared0.972051Mean dependent var6135.731Adjusted R-squared0.966462S.D. dependent v

44、ar4354.758S.E. of regression797.5074Akaike info criterion16.40003Sum squared resid6360180.Schwarz criterion16.53041Log likelihood-103.6002F-statistic173.8998Durbin-Watson stat1.304478Prob( F-statistic)0.000000Inverted AR Roots图十八1。如果模型(2)的误差项存在高阶自相关，形如u = p u +p u +p u +v -1 p 1i=1,2,3 (7)t 1t-12t-2

45、3t-3 ti我们应在图十七的估计方程对话框中输入 IM C GNP AR(1)AR(2) AR(3) 。如果模型(2)的误差项存在形如下式的自相关 u = p u + p u v-1 p 1i=1 ,3(8)t 1t-13t-3 ti我们应在图十七的估计方程对话框中输入 IM C GNP AR(1) AR(3) 。如果模型(2)的误差项存在形如下式的自相关u = p u v-1 p 1(9)t 4t-4 t4我们应在图十七的估计方程对话框中输入 IM C GNP AR(4) 。 这样就可以校正误差序列高阶自相关。十、邹氏转折点检验邹氏转折点检验的目的是检验在整个样本的各子样本中模 型的系数是

46、否相等。如果模型在不同的子样本中的系数不同， 则说明该模型中存在着转折点。转折点出现的原因可能由于社会制度、经济政策的变化、社会动荡等，如固定汇率变为浮动 汇率、中国的改革开放、战争等。我们可以用邹氏转折点检验 来验证某点是否是转折点。这个检验使用的 F 是统计量和 LR 2 统计量。表四某地区 1947 年一季度至 1957 年 4 季度国内生产总值和投资 总额数据 单位：亿美元obsGDPINVobsGDPINVobsGDPINV19471239.1951-1504.1955-1742.-15431160.41564.719471247.1951-1548.1955-1758.-2242.

47、32365.42667.919471951-1585.1955-1778.-31255433461.73270.819471269.1951-1955-1793.-45494159657.34974.219481952-1607.1956-1128449.81758.91178774.219481295.1952-1612.1956-1798.-27512151.12573.919481303.1952-1621.1956-1802.-3851.43952.83275.719481316.1952-1657.1956-1826.-4449.84855.84676.119491305.1953-

48、1687.1957-1836.-1343.11356.51477.519491953-1695.1957-1834.-2130235.62356.22876.819491312.1953-1687.1957-1851.-3637.83956.13278.5根据表四数据建立回归方程如下：GDP = 14.5169INV + 735.545 现在需要验证 1952 年 4 季度是不是转折点，即 1952 年 4 季度 之前与之后投资对国内生产总值的贡献是否一致。操作如下： 在方程估计输出窗口点击 View/Stability test /Chow breakpoint test，如图十九；进入转折

49、点输入窗口如图二 十，输入转折点日期；得到检验统计结果如图二十一。从统计 结果可以看出 F 检验和 LR 2检验都拒绝零假设：1952 年 4 季 度是转折点，接受 1952 年 4 季度不是转折点的备则假设。一 般地，只要图二十一中的显示的概率小于给定的显著平，如 5%或 1%，就可以在该显著水平拒绝原假设。如果我们需要检验多个转折点，则可以同时输入多个转 折点的时间。假如我们需要判断 1952 年 4 季度和 1954 年 4 季 度是不是转折点，这时的零假设是：1952 年 4 季度和 1954 年 4 季度都是转折点。可以验证我们拒绝零假设。如图二十二和 图二十三。Te匚:口 口 -1 .iq 匚Enter one date (observation) for Forecast Test or one or more dates for Breakpoint Test:1?2(1：1：if图十九图二十图二十二十一、两阶段最小二乘法在解联立方程组时图二十三我们经常会用到两阶段最小二乘法，操作方法如下：在主菜单选Quick Estimate Equations,选择估计方法两阶段最小二乘法(TSLS)，在估计方程对话框内，输入待估计 方程, 在工具变量窗口输入工具变量。如图二十四所示。点击图二十四OK 进行估计，就可得到估计方程及其统计检验结果。