eviews实验指导书

计量经济学计量经济学 实实 验验 指指 导导 书书 目目 录录 实验一实验一 Eviews 的基本操作与一元线性回归模型的最小二乘估计的基本操作与一元线性回归模型的最小二乘估计 1 实验目的 1 实验内容 1 实验二 实验二 Eviews 的常用函数与多元线性回归分析的常用函数与多元线性回归分析 6 实验目的 6 实验内容 6 实验三实验三 异方差的检验与修正异方差的检验与修正 8 实验目的 8 实验内容 8 实验四实验四 序列相关的检验与修正序列相关的检验与修正 13 实验目的 13 实验内容 13 实验五实验五 多重共线性的检验和修正多重共线性的检验和修正 18 实验目的 18 实验内容 18 实验六实验六 柯布柯布 道格拉斯生产函数的求解道格拉斯生产函数的求解 22 实验目的 22 实验内容 22 实验一实验一 Eviews 的基本操作与一元线性回归模型的最小二乘估计的基本操作与一元线性回归模型的最小二乘估计 实验目的 实验目的 1 熟悉 Eviews 的窗口与界面 2 掌握 Eviews 的命令与菜单的操作 3 掌握用 Eviews 估计与检验一元线性回归模型 实验内容 实验内容 1 启动 Eviews 双击 Eviews 图标 出现 Eviews 窗口 它由以下部分组成 标题栏 Eviews 主 菜单 File Edit Help 命令窗口 空白处 和工作区域 图 1 1 2 产生文件 Eviews 的操作在工作文件中进行 故首先要有工作文件 然后进行数据输入 分析等等操作 1 读已存在文件 File Open Workfile 2 新建文件 File New Workfile 出现对话框 工作文件范围 选取或 填上数据类型 起止时间 OK 后 得到一个无名字的工作文件 其中有 时间范 围 当前工作文件样本范围 filter 默认方程 系数向量 C 序列 RESID 在主菜单上依次点击 File New Workfile 即选择新建对象的类型为工作文件 将弹出一个对话框 如图所示 由用户选择数据的时间频率 frequency 起始期 工作区域 命令窗口 和终止期 图 1 2 工作文件对话框 其中 Annual 年度 Monthly 月度 Semi annual 半年 Weekly 周 Quarterly 季度 Daily 日 Undated or irregular 非时序数据 选择时间频率为 Annual 年度 再分别点击起始期栏 Start date 和终止期 栏 End date 输入相应的日前 1985 和 1998 然后点击 OK 按钮 将在 EViews 软 件的主显示窗口显示相应的工作文件窗口 如图所示 图 1 3 工作文件窗口 工作文件窗口是 EViews 的子窗口 工作文件一开始其中就包含了两个对象 一 个是系数向量 C 保存估计系数用 另一个是残差序列 RESID 实际值与拟合值之 差 3 命令方式新建文件 在 EViews 软件的命令窗口中直接键入 CREATE 命令 也可以建立工作文件 命 令格式为 CREATE 时间频率类型 起始期 终止期 则以上菜单方式过程可写为 CREATE A 1985 1998 3 输入数据 1 进入数据编辑窗口 有命令方式和菜单方式两种 DATA 命令方式 在 EViews 软件的命令窗口键入 DATA 命令 命令格式为 DATA 本例中可在命令窗口键入如下命令 如图 1 4 所示 将显示一个如图 1 5 的数 组窗口 此时可以按全屏幕编辑方式输入每个变量的数据 DATA Y X 图 1 4 图 1 5 数组窗口 菜单方式 Object New Object 选 Series 并输入序列的名称 确认后 点击 Edit 编辑 数据 2 数据的输入 在数据编辑窗口 数据的输入方式有如下几种方式 从键盘输入 从 Excel 复制数据 首先 先取定 Excel 中的数据区域 选 复制 其次 打 开 Eviews 同 2 2 建工作文件 使样本区域包含与被复制数据同样多的观察值 个数 第三 击 Quick Empty Group Edit series 第四 按向上滚动指针 击数据 区 OBS 右边的单元格 点 Edit Paste 再退出 选 No 于是 在工作文件中有被 复制的数据序列的图标 从 Excel 复制部分数据到已存在的序列中 取定要复制的数据 复制之 打 开包含已存在序列的 Group 窗口 使之处于 Edit 模式 开关键是 Edit 将光标指 到目标单元格 点 Edit Paste 其它同 3 2 4 从 Excel 工作表中读取数据 击 Procs Import Read Lotus Excel 选取文件类型为 Text ASCII 或 Excel xls 打开文件 在对话框中 选取要打开的序列名 多个之间用空格隔开 如全用原序 列名 输入序列的个数即可 OK 启动 Eviews 练习 Eviews 菜单与命令的使用 5 一元线性回归模型的 OLS 估计 方法 1 在命令窗口 直接输入 LS 因变量 C 自变量 中间用空格隔开 多 个自变量之间也用空格隔开 方法 2 点 Object New Object Equation 出现对话框 在 Equation Specification 内填入方程 不带扰动项 在 Estimation Settings 中填入所用估计方法 和样本估计区间 方法 3 点 Quick Estimate Equation 同上填写对话框 方法 4 在工作文件内 按被解释变量 各解释变量图标的次序取定 按住 Ctrl 用鼠标逐个选 对它们双击左键后 再点 Open Equation 出现对话框 根据 习惯 将 C 放在被解释变量与解释变量之间 其它填充同上方法 由如上的回归结果 分析如何对方程进行拟合优度检验 回归系数的显著性检 验以及其置信区间的求解 6 一元线性回归模型的预测 其步骤为 1 扩展工作文件范围 窗口方式 Proc Structure Resize current page 命令 方式 EXPAND 起始日期 结束日期 2 扩展样本区间 窗口方式 Proc set sample 命令方式 SMPL 起始日期 结束日期 3 输入解释变量预测时间的取值 在 OLS 估计结果窗口 点击 forecast 或 在命令行输入 FORECAST 7 图形分析 点 Quick Graph 打开作图对话框 图 1 6 实验二 实验二 Eviews 的常用函数与多元线性回归分析的常用函数与多元线性回归分析 实验目的实验目的 1 掌握 Eviews 中的常用函数及应用 2 掌握用 Eviews 估计与检验多元线性回归模型 实验内容实验内容 1 掌握 Eviews 中的常用函数及应用 1 一般函数 2 关于回归结果的函数 3 函数在 Eviews 中应用 2 多元线性回归分析 1 创建工作文件后 注意文件范围尽量大 能包容序列 用 New Object 建 立序列 在 Edit 状态下 在相应位置输入或复制序列数据 或者从 Excel 调入数据 根据下表中的数据分析城镇居民人均全年耐用消费品支出 Y 和可支配收入 X1和 耐用消费品价格指数 X2 表表 1 城镇居民人均人均耐用消费品支出与可支配收入的统计资料城镇居民人均人均耐用消费品支出与可支配收入的统计资料 年份 人均耐用消费品支出 Y 元 人均全年可支配收入 X1 元 耐用消费品价格指数 X2 1988137 161181 4115 96 1989124 561375 7133 35 1990107 911501 2128 21 1991102 961700 6124 85 1992125 242026 6122 49 1993162 452577 4129 86 1994217 433496 2139 52 1995253 424283 0140 44 1996251 074838 9139 12 1997285 855160 3133 35 1998327 265425 1126 39 建立工作文件 CREATE A 88 98 输入统计资料 DATA Y X1 X2 建立回归模型 LS Y C X1 X2 菜单点击法 Eviews 中的多元回归分析的操作方式与一元回归分析相似可参 照实验一步骤 则估计结果及有关信息如图 2 1 所示 图 2 1 由此 回归方程 12 158 53980 04940 9117 iii YXX 1 301564 10 54786 0 921316 t 2 0 947989R 2 0 934986R 72 90647F 3 进行回归系数的检验和回归方程的检验 分析回归输出结果是否符合你期 望出现的情况 实验三实验三 异方差的检验与修正异方差的检验与修正 实验目的实验目的 1 理解异方差的含义后果 2 学会异方差的检验与加权最小二乘法 实验内容实验内容 一 准备工作 建立工作文件 并输入数据 用普通最小二乘法估计方程 操作 步骤与方法同前 得到残差序列 表 2 列出了 1998 年我国主要制造工业销售收入与销售利润的统计资料 请利用 统计软件 Eviews 建立我国制造业利润函数模型 表表 2 2 我国制造工业我国制造工业 19981998 年销售利润与销售收入情况年销售利润与销售收入情况 行业名称销售利润销售收入行业名称销售利润销售收入 食品加工业 187 253180 44 医药制造业 238 711264 1 食品制造业 111 421119 88 化学纤维制品 81 57779 46 饮料制造业 205 421489 89 橡胶制品业 77 84692 08 烟草加工业 183 871328 59 塑料制品业 144 341345 纺织业 316 793862 9 非金属矿制品 339 262866 14 服装制品业 157 71779 1 黑色金属冶炼 367 473868 28 皮革羽绒制品 81 71081 77 有色金属冶炼 144 291535 16 木材加工业 35 67443 74 金属制品业 201 421948 12 家具制造业 31 06226 78 普通机械制造 354 692351 68 造纸及纸品业 134 41124 94 专用设备制造 238 161714 73 印刷业 90 12499 83 交通运输设备 511 944011 53 文教体育用品 54 4504 44 电子机械制造 409 833286 15 石油加工业 194 452363 8 电子通讯设备 508 154499 19 化学原料纸品 502 614195 22 仪器仪表设备 72 46663 68 二 异方差的检验 1 图形分析检验 观察销售利润 Y 与销售收入 X 的相关图 图 3 1 SCAT X Y 图 3 1 我国制造工业销售利润与销售收入相关图 从图中可以看出 随着销售收入的增加 销售利润的平均水平不断提高 但离 散程度也逐步扩大 这说明变量之间可能存在递增的异方差性 残差分析 首先将数据排序 命令格式为 SORT 解释变量 然后建立回归方程 在方程 窗口中点击 Resids 按钮就可以得到模型的残差分布图 或建立方程后在 Eviews 工 作文件窗口中点击 resid 对象来观察 图 3 2 我国制造业销售利润回归模型残差分布 图 3 2 显示回归方程的残差分布有明显的扩大趋势 即表明存在异方差性 2 Goldfeld Quant 检验 将样本安解释变量排序 SORT X 并分成两部分 分别有 1 到 10 共 11 个样本合 19 到 28 共 10 个样本 利用样本 1 建立回归模型 1 回归结果如图 3 3 其残差平方和为 2579 587 SMPL 1 10 LS Y C X 图 3 3 样本 1 回归结果 利用样本 2 建立回归模型 2 回归结果如图 3 4 其残差平方和为 63769 67 SMPL 19 28 LS Y C X 图 3 4 样本 2 回归结果 计算 F 统计量 63769 67 2579 59 24 72 分别是 12 RSS RSSF 21 RSSRSS 和 模型 1 和模型 2 的残差平方和 取时 查 F 分布表得 而05 0 44 3 1110 1110 05 0 F 所以存在异方差性44 3 72 24 05 0 FF 3 White 检验 建立回归模型 LS Y C X 回归结果如图 3 5 图 3 5 我国制造业销售利润回归模型 在方程窗口上点击 View Residual Test White Heteroskedastcity 检验结果如图 3 6 图 3 6 White 检验结果 其中 F 值为辅助回归模型的 F 统计量值 取显著水平 由于05 0 所以存在异方差性 实际应用中可以直接观察相伴2704 6 99 5 2 22 05 0 nR 概率 p 值的大小 若 p 值较小 则认为存在异方差性 反之 则认为不存在异方差 性 4 斯皮尔曼等级相关系数检验 其操作步骤为 A 对 X 排序 命令行输入 SORT X B 输入 X 的等级 data d1 依次输入 1 n 的自然数 C 对残差绝对值排序 命令行输入 SORT abs resid D 输入残差绝对值的等级 data d2 依次输入 1 n 的自然数 E 依据公式计算等级相关系数检验统计量 并查表得出结论 5 异方差的消除 加权最小二乘法加权最小二乘法 加权最小二乘法中 最重要的是确定权重的确定 一般而言 采用残差绝对值的采用残差绝对值的 倒数作为权重倒数作为权重 也可以采用其他形式 A 首先 用 SMPL 命令设定样本的区间 包括所有观测值 如 SMPL 1 31 B 进行最小二乘回归 得到残差序列 LS Y C X C 根据残差确定权重 GENR W1 1 ABS RESID D 进行加权最小二乘估计 LS W W1 Y C X 或在方程窗口中点击 Estimate Option 按钮 并在权数变量栏里依次输入 W1 回归结果如下图 3 7 所示 图 3 7 E 对回归方程在进行 White 检验 观察异方差的调整情况 对所估计的模型再进行 White 检验 其结果如下图 3 8 所示 图 3 8 图 3 8 对应的 White 检验没有显示 F 值和的值 这表示异方差性已经得到 2 nR 很好的解决 实验四实验四 序列相关的检验与修正序列相关的检验与修正 实验目的实验目的 1 理解序列相关的含义后果 2 学会序列相关的检验与消除方法 实验内容实验内容 利用下表资料 试建立我国城乡居民储蓄存款模型 并检验模型的自相关性 表表 3 3 我国城乡居民储蓄存款与我国城乡居民储蓄存款与 GDPGDP 统计资料 统计资料 19781978 年 年 100100 年份存款余额 YGDP 指数 X年份存款余额 YGDP 指数 X 1978210 60100 019895146 90271 3 1979281 00107 619907034 20281 7 1980399 50116 019919107 00307 6 1981523 70122 1199211545 40351 4 1982675 40133 1199314762 39398 8 1983892 50147 6199421518 80449 3 19841214 70170 0199529662 25496 5 19851622 60192 9199638520 84544 1 19862237 60210 0199746279 80592 0 19873073 30234 0199853407 47638 2 19883801 50260 7 一 模型的估计 0 准备工作 建立工作文件 并输入数据 1 相关图分析 SCAT X Y 相关图表明 GDP 指数与居民储蓄存款二者的曲线相关关系较为明显 现将函数 初步设定为线性 双对数等不同形式 进而加以比较分析 2 估计模型 利用 LS 命令分别建立以下模型 线性模型 LS Y C X xy5075 9284 14984 6 706 13 862 t 0 9100 F 192 145 S E 5030 809 2 R 双对数模型 GENR LNY LOG Y GENR LNX LOG X LS LNY C LNX xyln9588 2 0753 8 ln 31 604 64 189 t 0 9954 F 4120 223 S E 0 1221 2 R 3 选择模型 比较以上模型 可见各模型回归系数的符号及数值较为合理 各解释变量及常 数项都通过了 检验 模型都较为显著 比较各模型的残差分布表 线性模型的残差t 在较长时期内呈连续递减趋势而后又转为连续递增趋势 残差先呈连续递增趋势而 后又转为连续递减趋势 因此 可以初步判断这种函数形式设置是不当的 而且 这个模型的拟合优度也较双对数模型低 所以又可舍弃线性模型 双对数模型具有 很高的拟合优度 因而初步选定回归模型为双对数回归模型 二 模型自相关的检验 1 图示法 其一 残差序列 et的变动趋势图 菜单 Quick Graph line 在对话框中输入 resid 或者用命令操作 直接在命令行输入 line X 其二 作 et 1和 et之间的散点图 菜单 Quick Graph Scatter 在对话框中输 入 resid 1 resid 或者用命令操作 直接在命令行输入 scat resid 1 resid 2 DW 检验 因为 n 21 k 1 取显著性水平 0 05 时 查表得 1 22 1 42 L d U d 而 0 0 7062 DW 所以存在 正 自相关 L d 3 LM BG 检验 在方程窗口中点击 View Residual Test Series Correlation LM Test 并选择 滞后期为 2 则会得到如图 4 1 所示的信息 图 4 1 双对数模型的 BG 检验 图中 11 31531 临界概率 P 0 0034 因此辅助回归模型是显著的 即存 2 nR 在自相关性 又因为 的回归系数均显著地不为 0 说明双对数模型存在一 1 t e 2 t e 阶和二阶自相关性 三 自相关的修正 1 自相关系数 的估计 主要的方法有 A 根据 和 DW 统计量之间的近似关系 取 的估计为 1 DW 2 B 直接取 1 C 采用杜宾两步法估计 LS Y C Y 1 X X 1 Y 1 的系数估计即为 的估计 D 科克伦 奥科特迭代法 首先产生残差序列 命名为 e 然后 e 对其滞后 1 阶 回归 无常数项 LS e e 1 e 1 的系数估计作为 的估计 2 加入 AR 项 在 LS 命令中加上 AR 1 和 AR 2 使用迭代估计法估计模型 键入命令 LS LNY C LNX AR 1 AR 2 则估计结果如图 4 2 所示 图 4 2 加入 AR 项的双对数模型估计结果 图 4 2 表明 调整后模型的 DW 1 6445 n 19 k 1 取显著性水平 0 05 时 查表得 1 18 1 40 而 1 6445 DW 4 说明模型 L d U d U d U d 不存在一阶自相关性 再 BG 检验 图 4 3 也表明不存在高阶自相关性 因此 中 国城乡居民储蓄存款的双对数模型为 xyln9193 2 8445 7 ln 25 263 52 683 t 0 9982 F 2709 985 S E 0 0744 DW 1 6445 2 R 图 4 3 实验五实验五 多重共线性的检验和修正多重共线性的检验和修正 实验目的实验目的 1 理解多重共线性的含义与后果 2 学会序多重共线性的修正 实验内容实验内容 1 例表 4 是 1978 1997 年我国钢材产量 万吨 生铁产量 万吨 发电量 亿 千瓦时 固定资产投资 亿元 国内生产总值 亿元 铁路运输量 万吨 的统 计资料 表表 4 4 我国钢材产量及其它相关经济变量统计资料我国钢材产量及其它相关经济变量统计资料 年份 钢材产 量 Y 生铁产量 X1 发电量 X2 固定资产投 资 X3 国内生产 总值 X4 铁路运输 量 X5 1978220834792566668 723264110119 1979249736732820699 364038111893 1980271638023006746 94518111279 1981267034173093638 214862107673 1982292035513277805 95295113495 1983307237383514885 265935118784 19843372400137701052 437171124074 19853693438441071523 518964130709 19864058506444951795 3210202135635 19874386550349732101 6911963140653 19884689570454522554 8614928144948 19894859582058482340 5216909151489 1990515362386212253418548150681 19915638676567753139 0321618152893 19926697758975394473 7626638157627 19937716895683956811 3534634162663 19948428974192819355 3546759163093 19958980105291007010702 9758478165855 19969338107231081312185 7967885168803 19979979115111135613838 9674463169734 2 多重共线性的检验 1 综合统计检验法 若 在 OLS 法下 R2与 F 值较大 但 t 检验值较小 则可能存在多重共线性 2 简单相关系数检验 利用相关系数可以分析解释变量之间的两两相关情况 在 Eviews 软件中可以直 接计算相关系数矩阵 本例中 在 Eviews 软件命令窗口中键入 COR X1 X2 X3 X4 X5 或在包含所有解释变量的数组窗口中点击 View Correlations 其结果如图 1 所 示 由相关系数矩阵可以看出 解释变量之间的相关系数均为 0 93 以上 即解释变 量之间是高度相关的 图 5 1 3 判定系数检验法 当解释变量多余两个且变量之间呈现出较复杂的相关关系时 可以通过建立辅 助回归模型来检验多重共线性 本例中 在 Eviews 软件命令窗口中键入 LS X1 C X2 X3 X4 X5 LS X2 C X1 X3 X4 X5 LS X3 C X1 X2 X4 X5 LS X4 C X1 X2 X3 X5 LS X5 C X1 X2 X3 X4 得到相应的回归结果 分析每个方程对应的 F 值和 T 值 来检验这些变量间是 否相关以及相关联程度 对应的回归结果如下图所示 图 5 2 图 5 3 图 5 4 图 5 5 图 5 6 上述每个回归方程的上述每个回归方程的 F F 检验值都非常显著 方程回归系数的检验值都非常显著 方程回归系数的 T T 检验值表明 检验值表明 X1X1 与与 X5X5 X2X2 与与 X3X3 X3X3 与与 X5X5 X4X4 与与 X X X5X5 与与 X1X1 X3X3 X4X4 的的 T T 检验值较小 这些变量检验值较小 这些变量 之间可能不相关或相关程度较小 之间可能不相关或相关程度较小 3 多重共线性的克服 逐步回归 一 建立基本的一元线性回归方程 1 被解释变量对每一个解释变量进行初始回归 选取拟合优度最高的首先进 入方程 根据经济理论分析和回归结果 可知钢材产量和生铁产量关联度最大 所 以建立基本的一元回归方程 1 YX 2 然后把其余解释变量逐步引入模型 根据拟合优度选出最优方程 表表 5 5 钢材产量预测模型逐步回归结果钢材产量预测模型逐步回归结果 模型 X1X2X3X4X5 Y f X1 0 9214 56 807 0 9949 0 9941 Y f X1 X2 0 4159 3 5394 0 4872 4 3234 0 9974 0 9970 Y f X1 X3 0 959 14 185 0 0249 0 5738 0 9950 0 9940 Y f X1 X4 0 9414 13 025 0 0025 0 2846 0 9945 0 9938 Y f X1 X5 0 8578 20 229 0 0084 0 2846 0 9919 0 9910 Y f X1 X2 X3 0 405 2 835 0 491 4 1225 0 0046 0 1424 0 99690 9974 Y f X1 X2 X4 0 4433 3 4857 0 4911 4 2748 0 0039 0 6347 0 99690 9974 Y f X1 X2 X5 0 4073 3 1797 0 5025 3 6357 0 001 0 2041 0 99690 9974 2 R 2 R 所以 建立的多元回归模型为 Y 287 68669 0 4159 X1 0 4872 X2 实验六实验六 柯布柯布 道格拉斯生产函数的求解道格拉斯生产函数的求解 实验目的实验目的 1 掌握 Eviews 在经济学中的应用 2 熟悉柯布 道格拉斯生产函数的求解 实验内容实验内容 1 柯布 道格拉斯生产函数的求解 建立我国国有独立核算工业企业生产函数 根据生产函数理论 生产函数的基 本形式为 其中 L K 分别为生产过程中投入的劳动与资金 时 KLtfY 间变量 反映技术进步的影响 表 6 列出了我国 1978 1994 年期间国有独立核算工业t 企业的有关统计资料 其中产出 Y 为工业总产值 可比价 L K 分别为年末职工人 数和固定资产净值 可比价 表表 6 6 我国国有独立核算工业企业统计资料我国国有独立核算工业企业统计资料 年份时间t 工业总产值 Y 亿元 职工人数 L 万人 固定资产 K 亿元 197813289 1831392225 70 197923581 2632082376 34 198033782 1733342522 81 198143877 8634882700 90 198254151 2535822902 19 198364541 0536323141 76 198474946 1136693350 95 198585586 1438153835 79 198695931 3639554302 25 1987106601 6040864786 05 1988117434 0642295251 90 1989127721 0142735808 71 1990137949 5543646365 79 1991148634 8044727071 35 1992159705 5245217757 25 19931610261 6544988628 77 19941710928 6645459374 34 资料来源 根据 中国统计年鉴 1995 和 中国工业经济年鉴 1995 计算整理 一 建立多元线性回归模型 一 建立包括时间变量的三元线性回归模型 在命令窗口依次键入以下命令即可 建立工作文件 CREATE A 78 94 输入统计资料 DATA Y L K 生成时间变量 GENR T TREND 77 t 建立回归模型 LS Y C T L K 则生产函数的估计结果及有关信息如图 3 1 所示 图 6 1 我国国有独立核算工业企业生产函数的估计结果 因此 我国国有独立工业企业的生产函数为 模型 1 KLty7764 0 6667 0 6789 7732 675 0 252 0 672 0 781 7 433 t 9958 0 2 R9948 0 2 R551 1018 F 模型的计算结果表明 我国国有独立核算工业企业的劳动力边际产出为 0 6667 资金的边际产出为 0 7764 技术进步的影响使工业总产值平均每年递增 77 68 亿元 回归系数的符号和数值是较为合理的 说明模型有很高9958 0 2 R 的拟合优度 F 检验也是高度显著的 说明职工人数 L 资金 K 和时间变量 对工业t 总产值的总影响是显著的 从图 3 1 看出 解释变量资金 K 的 统计量值为 7 433 t 表明资金对企业产出的影响是显著的 但是 模型中其他变量 包括常数项 的 统t 计量值都较小 未通过检验 因此 需要对以上三