计量实验指导书-修改版[1].doc

实验一 EViews 软件的基本操作【实验目的】了解 EViews 软件的基本操作对象，掌握软件的基本操作。【实验内容】一、EViews 软件的安装；二、数据的输入、编辑与序列生成；三、图形分析与描述统计分析；四、数据文件的存贮、调用与转换。实验以表 1-1 所列出的税收收入和国内生产总值的统计资料为例进行操作。我国税收与 GDP 统计资料年份税收 YGDP X年份税收 YGDP X1985204189641992329726638198620911020219934255346341987214011963199451274675919882391149281995603858478198927271690919966910678851990282218548199782347446319912990216181998926379396表 1-1【实验步骤】一、安装 EViews 软件 EViews 对系统环境的要求一台 386、486 奔腾或其他芯片的计算机，运行 Windows3.1、Windows9X、Windows2000、WindowsNT 或 WindowsXP 操作系统；至少 4MB 内存；VGA、Super VGA 显示器；鼠标、轨迹球或写字板；至少 10MB 以上的硬盘空间。 安装步骤点击“网上邻居”，进入服务器；在服务器上查找“计量经济软件”文件夹，双击其中的 setup.exe，会出现如图 1-1 所示的安装界面，直接点击 next 按钮即可继续安装；指定安装 EViews 软件的目录（默认为 C:EViews3，如图 1-2 所示），点击 OK 按钮后，一直点击 next 按钮即可；安装完毕之后，将 EViews 的启动设置成桌面快捷方式。图 1-1 安装界面 1图 1-2 安装界面 2二、数据的输入、编辑与序列生成 创建工作文件菜单方式启动 EViews 软件之后，进入 EViews 主窗口（如图 1-3 所示）命令窗口工作区域状态栏图 1-3 EViews 主窗口在主菜单上依次点击 File/New/Workfile，即选择新建对象类型为工作文件 ， 将弹出一个对话框（如图1-4所示），由用户选择数据的时间频率（frequency）、起始期和终止期。图 1-4 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 1-5 所示）。图 1-5 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）命令方式在 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 输入 Y、X 的数据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（图 1-6 所示）：DATA Y X将显示一个数组窗口（图 1-7 所示），此时可以按全屏幕编辑方式输入每个变量的统计资料。图 1-6 键入 DATA 命令图 1-7 数组窗口鼠标图形界面方式在 EViews 软件主窗口或工作文件窗口点击 Objects/New Object，对象类型中选择Series，并给定序列名，一次只能创建一个新序列（图 1-8 所示）。再从工作文件目录中选取并双击所创建的新序列就可以展示该对象，选择 Edit/，进入编辑状态，输入数据。图 1-8 创建新对象窗口 生成 log（Y）、log（X）、X2、1/X、时间变量 T 等序列在命令窗口中依次键入以下命令即可：GENR LOGY=LOG(Y)GENR LOGX=LOG(X)GENR X1=X2GENR X2=1/XGENR T=TREND(84) 选择若干变量构成数组，在数组中增加、更名和删除变量在工作文件窗口中单击所要选择的变量，按住 Ctrl 键不放，继续用鼠标选择要展示的变量，选择完以后，单击鼠标右键，在弹出的快捷菜单中点击 Open/asGroup（图 1-9）则会弹出如图 1-10 所示的数组窗口，其中变量从左至右按在工作文件窗口中选择变量的顺序来排列。图 1-9 选择变量构成数组图 1-10 弹出的数组窗口在数组窗口点击 Edit/，进入全屏幕编辑状态，选择一个空列，点击标题栏，在编辑窗口输入变量名，再点击屏幕任意位置，即可增加一个新变量（图1-11 所示）。图 1-11 在数组窗口增加变量增加变量后，即可输入数据。点击要删除的变量列的标题栏，在编辑窗口输入新变量名，再点击屏幕任意位置，弹出 RENAME 对话框，点击 YES 按钮即可。（图 1-12 所示）。图 1-12 在数组窗口更名变量 在工作文件窗口中删除、更名变量。在工作文件窗口中选取所要删除或更名的变量并单击鼠标右键，在弹出的快捷菜单中选择 Delete（删除）或 Rename（更名）即可（如图 1-13 所示）。图 1-13 在工作文件窗口删除、更名变量 1在工作文件窗口中选取所要删除或更名的变量，点击工作文件窗口菜单栏中的 Objects/Delete selected（Rename selected），即可删除（更名）变量（图1-14所示）。图 1-14 在工作文件窗口删除、更名变量 2在工作文件窗口中选取所要删除的变量，点击工作文件窗口菜单栏中的Delete 按钮即可删除变量（如图 1-15 所示）。图 1-15 在工作文件窗口删除变量 3三、图形分析与描述统计分析利用 PLOT 命令绘制趋势图在命令窗口中键入：PLOT Y 则可以绘制变量 Y 的趋势图（图 1-16）。图 1-16 变量 Y 的趋势图从图 1-16 中可以看出，我国 19851998 年间税收收入是大体呈指数增长趋势的。也可以利用 PLOT 命令将多个变量的变化趋势描绘在同一张图中，例如键入以下命令，可以观察变量 Y、X 的变化趋势（图 1-17）。PLOT Y X图 1-17 变量 Y、X 的趋势图从图1-17中可以看出，我国 19851998年间税收收入与 GDP 都大体呈指数增长趋势。 利用 SCAT 命令绘制 X、Y 的相关图在命令窗口中键入： SCAT X Y则可以初步观察变量之间的相关程度与相关类型（如图1-18所示）图 1-18 变量 X、Y 相关图图 1-18 表明，税收收入水平与 GDP 密切相关，税收收入水平随着 GDP 的增加而增加，两者大体呈线性变化趋势。 观察图形参数的设置情况双击图形区域中任意处或在图形窗口中点击 Procs/Options（图 1-19），则会弹出如图 1-20 所示的 Graph Options 窗口，进入图形编辑状态。选择图形类型、图形属性（是否置入图框内，刻度，是否用彩色）、柱和线的选项，设定竖轴（单个，双个，是否交叉），设定比例尺度（优化线性尺度，强制通过 0 线，对数尺度，正态化尺度），手动设定比例尺度、线形图选项、柱形图选项、散点图选项（连接，配拟合直线）、饼图选项等。图 1-19 在图形窗口选择 Graph Options图 1-20 图形选项窗口从图 1-20 中可以看出，本例中 X、Y 相关图使用散点图，且置入图框内，带有刻度与色彩，竖轴是单个刻度，比例尺度为优化线性尺度，散点图未连接，未配拟合直线，其余一些参数模式是自动设置的。 在序列和数组窗口观察变量的描述统计量若是单独序列窗口，从序列窗口菜单选择 View/Descriptive Statistics/Histogram and Stats，则会显示变量的描述统计量（图 1-21）。图 1-21 单独变量序列描述统计量窗口若是数组窗口，从数组窗口菜单选择 View/Descriptive Stats/IndividualSamples，就对每个序列计算描述统计量（图 1-22）。图 1-22 数组描述统计量窗口其中， Mean均值 Median中位数 Maximum最大值Minimum最小值 Std.Dev.标准差 Skewness偏度Kurtosis峰度 Probability概率 Observations观测值个数四、数据文件的存贮、调用与转换存贮并调用工作文件存贮在 Eviews 主窗口的工具栏上选择 File/Save（Save as），再在弹出的对话框中指定存贮路径，点击确定按钮即可。调用在 Eviews 主窗口的工具栏上选择 File/Open/Workfile，再在弹出的对话框中选取要调用的工作文件，点击确定按钮即可。存贮若干个变量，并在另一个工作文件中调用存贮的变量在工作文件窗口中选取所要存贮的变量，点击工作文件窗口菜单栏中的Store 按钮，弹出 store 对话框，指定存贮路径，点击 YES 按钮即可（图 1-23）。 打开另一个工作文件，点击工作文件窗口菜单栏中的 Fetch 按钮，弹出 fetch对话框，在指定目录下选取要调用的变量，点击确定按钮即可（图 1-24）。图 1-23 Store 窗口图 1-24 Fetch 窗口 将工作文件分别存贮成文本文件和 Excel 文件在工作文件窗口中选择要保存的一个或多个变量，点击 Eviews 主窗口菜单栏中的 File/Export/Write Text-Lotus-Excel，在弹出的对话框中指定存贮路径和存贮的文件格式（图 1-25），若存贮成文本文件则选择 Text-ASCII，若存贮成 Excel 文件则选择 Excel.xls，再点击保存按钮，弹出 ASCII Text Export（ExcelExport）窗口（图 1-26），点击 OK 按钮即可。其中，By Observation-Series in columns 表示各观测值按列排列，By Series-Series in rows 表示各观测值按行排列。图 1-25 指定存贮路径图 1-26 存贮为文本格式 在工作文件中分别调用文本文件和 Excel 文件点击 Eviews 主窗口菜单栏中的 File/Import/Read Text-Lotus-Excel，在弹出的对话框中选取要调用的文本文件或 Excel 文件，点击打开按钮后，弹出ASCII Text Import（Excel Import）窗口（图 1-27），在 Name for series or Numberof series if file names in file 编辑框中要输入调用的变量名，点击 OK 按钮即可。其中 in columns 表示按列调用数据，in rows 表示按行调用数据。图 1-27 调用文本文件或 Excel 文件窗口 在对象窗口中点击 Name 按钮，将对象存贮于工作文件。以 Y、X 变量组成的数组为例，点击 Name 菜单，弹出 object name 对话框，在 Name to identify object 文本框中输入要命名的数组名称，点击 OK 按钮即可（图 1-28）。实验二一元线性回归模型【实验目的】掌握一元线性、非线性回归模型的建模方法【实验内容】完成课本P54页第11题的相关问题【实验步骤】【例 1】 建立我国税收预测模型。表 1 列出了我国 19851998年间税收收入Y 和国内生产总值（GDP）X的时间序列数据，利用统计软件 Eviews 建立一元线性回归模型。表 1 我国税收与 GDP 统计资料年份税收 YGDP X年份税收 YGDP X1985204189641992329726638198620911020219934255346341987214011963199451274675919882391149281995603858478198927271690919966910678851990282218548199782347446319912990216181998926379396一、建立工作文件菜单方式在录入和分析数据之前，应先创建一个工作文件（Workfile）。启动 Eviews 软件之后，在主菜单上依次点击 FileNewWorkfile（菜单选择方式如图 1 所示），将弹出一个对话框（如图 2 所示）。用户可以选择数据的时间频率（Frequency）、起始期和终止期。图 2-1 Eviews 菜单方式创建工作文件示意图图 2-2 工作文件定义对话框本例中选择时间频率为 Annual（年度数据），在起始栏和终止栏分别输入相应的日期 85和 98。然后点击OK，在 Eviews 的主显示窗口将显示相应的工作文件窗口（如图3所示）。图 2-3 Eviews 工作文件窗口一个新建的工作文件窗口内只有 2 个对象(Object）,分别为 c（系数向量）和 resid（残差）。它们当前的取值分别是 0 和 NA（空值）。可以通过鼠标左键双击对象名打开该对象查看其数据，也可以用相同的方法查看工作文件窗口中其它对象的数值。命令方式还可以用输入命令的方式建立工作文件。在 Eviews 软件的命令窗口中直接键入CREATE 命令，其格式为：CREATE 时间频率类型 起始期 终止期本例应为：CREATE A 85 98二、输入数据在 Eviews 软件的命令窗口中键入数据输入/编辑命令：DATA Y X此时将显示一个数组窗口（如图 4 所示），即可以输入每个变量的数值图 2-4 Eviews 数组窗口三、图形分析借助图形分析可以直观地观察经济变量的变动规律和相关关系，以便合理地确定模型的数学形式。趋势图分析命令格式：PLOT 变量 1 变量 2 变量 K作用：分析经济变量的发展变化趋势观察是否存在异常值本例为：PLOT Y X相关图分析命令格式：SCAT 变量 1 变量 2 作用：观察变量之间的相关程度观察变量之间的相关类型，即为线性相关还是曲线相关，曲线相关时大致是哪种类型的曲线说明：SCAT 命令中，第一个变量为横轴变量，一般取为解释变量；第二个变量为纵轴变量，一般取为被解释变量SCAT命令每次只能显示两个变量之间的相关图，若模型中含有多个解释变量，可以逐个进行分析通过改变图形的类型，可以将趋势图转变为相关图本例为：SCAT Y X图 2-5 税收与 GDP 趋势图图5、图6 分别是我国税收与 GDP 时间序列趋势图和相关图分析结果。两变量趋势图分析结果显示，我国税收收入与 GDP 二者存在差距逐渐增大的增长趋势。相关图分析显示，我国税收收入增长与 GDP 密切相关，二者为非线性的曲线相关关系。图 2-6 税收与 GDP 相关图四、估计线性回归模型在数组窗口中点击 ProcMake Equation，如果不需要重新确定方程中的变量或调整样区间，可以直接点击 OK 进行估计。也可以在 Eviews 主窗口中点击 QuickEstimate Equation，在弹出的方程设定框（图 7）内输入模型：Y C X 图 2-7 方程设定对话框还可以通过在 Eviews 命令窗口中键入 LS 命令来估计模型，其命令格式为：LS 被解释变量 C 解释变量系统将弹出一个窗口来显示有关估计结果（如图8所示）。因此，我国税收模型的估计式为：=987.54+0.0946 x这个估计结果表明，GDP 每增长 1 亿元，我国税收收入将增加 0.09646 亿元。图 2-8我国税收预测模型的输出结果五、估计非线性回归模型由相关图分析可知，变量之间是非线性的曲线相关关系。因此，可初步将模型设定为指数函数模型、对数模型和二次函数模型并分别进行估计。在 Eviews 命令窗口中分别键入以下命令命令来估计模型：双对数函数模型：LS log(Y) C log(X) 对数函数模型：LS Y C log(X) 指数函数模型：LS log(Y) C X 二次函数模型：LS Y C X X2 还可以采取菜单方式，在上述已经估计过的线性方程窗口中点击 Estimate项，然后在弹出的方程定义窗口中依次输入上述模型（方法通线性方程的估计），其估计结果显示如图 9、图 10、图 11 图、12 所示。图 2-9 双对数模型回归结果双对数模型： =1.270443+0.682297 (3.8305) (21.0487)=0.973629，=0.973629，F = 443.05 图 2-10 对数模型回归结果对数模型： =-26123.32+2985.923(-8.3066) (9.6999)=0.886886，=0.877460，F = 94.08748图 2-11 指数模型回归结果指数模型： =7.5048605+2.07 (231.7463) (27.2685) =0.984118，=0.982794，F = 743.5689图 2-12二次函数模型回归结果二次函数模型： =1645.701+0.046776+5.58(7.4918) (3.3422) (3.4806) =0.991758，=0.990259，F = 661.7806六、模型比较四个模型的经济意义豆比较合理，解释变量也都通过了T检验。但是从模型的拟合优度来看，二次函数模型的值最大，其次为指数函数模型。因此，对这两个模型再做进一步比较。在回归方程（ 以二次函数模型为例）窗口中点ViewActual,Fitted,Residual Actual,Fitted,Residual Table（如图 13）,可以得到相应的残差分布表。图 2-13 回归方程残差分析菜单上述两个回归模型的残差分别表分别如下（图 14、图 15）。比较两表可以发现，虽然二次函数模型总拟合误差较小，但其近期误差却比指数函数模型大。所以，如果所建立的模型是用于经济预测，则指数函数模型更加适合。图 2-14 二次函数回归模型残差分别表图 2-15 指数函数模型残差分布表实验三 多元线性回归模型【实验目的】掌握建立多元回归模型和比较、筛选模型的方法【实验内容】完成课本P91页第11题及相关问题【实验步骤】例题欣赏：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：Y =f (t, L, K , ) 。其中，L、K 分别为生产过程中投入的劳动与资金，时间变量 t 反映技术进步的影响。表 3-1 列出了我国 1978-1994 年期间国有独立核算工业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 3-1 我国国有独立核算工业企业统计资料年份时间工业总产值职工人数固定资产197813289.1831392225.70197923581.2632082376.34198033782.1733342522.81198143877.8634882700.90198254151.2535822902.19198364541.0536323141.76198474946.1136693350.95198585586.1438153835.79198695931.3639554302.251987106601.6040864786.051988117434.0642295251.901989127721.0142735808.711990137949.5543646365.791991148634.8044727071.351992159705.5245217757.2519931610261.6544988628.7719941710928.6645459374.34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 t ： GENR T=TREND(77)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 3-1 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： =-675.3208 +77.67893T +0.666665L +0.776417K （模型 1）t (-0.252) (0.672) (0.781) (7.433)=0.995764，=0.994786，F =1018.551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。 =0.9948 ，说明模型有很高的拟合优度，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 t 对工业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 t 统计量值为 7.433，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 t 统计量值都较小，未通过检验。因此，需要对模型做适当的调整，一般应先剔除 t 统计量最小的变量（即时间变量）而重新建立模型。 建立剔除时间变量的二元线性回归模型； 命令：LS Y C L K 则生产函数的估计结果及有关信息如图3-2所示。图 3-2 剔除时间变量后的估计结果因此，我国国有独立工业企业的生产函数为： =-2387.269 + 1.208532L +0.834496K （模型 2）t (-2.922) (4.427) (14.533)=0.995617，=0.994990，F =1589.953从图 3-2 的结果看出，回归系数的符号和数值也是合理的。劳动力边际产出为 1.2085，资金的边际产出为 0.8345，表明这段时期劳动力投入的增加对我国国有独立核算工业企业的产出的影响最为明显。模型 2 的拟合优度较模型 1 并无多大变化，F 检验也是高度显著的。这里，解释变量、常数项的 t 检验值都比较大，显著性概率都小于 0.05，因此模型 2 较模型 1 更为合理。 建立非线性回归模型C-D 生产函数。C-D生产函数为：Y = A，对于此类非线性函数，可以采用以下方式建立模型。在模型两端同时取对数，得：ln = ln A + ln L + ln K + 在 EViews 软件的命令窗口中依次键入以下命令：GENR LNY=log（Y）GENR LNL=log（L）GENR LNK=log（K）LS LNY C LNL LNK则估计结果如图 3-3 所示。图 3-3 线性变换后的 C-D 生产函数估计结果即可得到 C-D 生产函数的估计式为： =-1.951253+0.604467ln L+0.673658ln K （模型 3）t (-1.172) (2.217) (9.310)=0.995764，=0.994786，F =1018.551实验四 异方差性【实验目的】掌握异方差性的检验及处理方法【实验内容】建立并检验我国制造业利润函数模型【实验步骤】【例 题】表 1 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 4-1 我国制造工业 1998 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72.46663.68一、检验异方差性 图形分析检验图 4-1 我国制造工业销售利润与销售收入相关图 观察销售利润（Y）与销售收入（X）的相关图(图 1)：SCAT X Y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 4-2 我国制造业销售利润回归模型残差分布图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。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），其残差平方和为 2579.587。SMPL 1 10LS Y C X图 4-3 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 4），其残差平方和为 63769.67。SMPL 19 28LS Y C X 图 4-4 样本 2 回归结果计算 F 统计量： F = RSS2/ RSS163769.67/2579.59=24.72， RSS1和RSS2分别是模型 1和模型 2 的残差平方和。取 = 0.05时 ，查F分 布 表 得F0.05(10 1 1,10 1 1) = 3.44， 而F=24.72 F0.05=3.44 ，所以存在异方差性White 检验建立回归模型：LS Y C X，回归结果如图 5图 4-5 我国制造业销售利润回归模型在方程窗口上点击 ViewResidualTestWhite Heteroskedastcity,检验结果如图 6。图 4-6 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=0.05 ，由于= 5.99 n= 6.2704 ,所以存在异方差性。实际应用中可以直接观察相伴概率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。Park 检验建立回归模型（结果同 图5 所示）生成新变量序列：GENR LNE2=log(RESID2) GENR LNX=log（X） 建立新残差序列对解释变量的回归模型：LS LNE2 C LNX，如图7所示。图 4-7 Park 检验回归模型从图 7 所示的回归结果中可以看出，LNX 的系数估计值不为 0 且能通过显著性检验，即随即误差项的方差与解释变量存在较强的相关关系，即认为存在异方差性。 Gleiser 检验（Gleiser 检验与 Park 检验原理相同）建立回归模型（结果同图 5 所示）。生成新变量序列：GENR E=ABS(RESID)分别建立新残差序列（E）对各解释变量（X/X2/X(1/2)/X(1)/ X(2)/ X(1/2)）的回归模型：LS E C X，回归结果如图 8、9、10、11、12、13 所示。图 4-8图 4-9图 4-10图 4-11图 4-12图 4-13由上述各回归结果可知，各回归模型中解释变量的系数估计值显著不为 0 且均能通过显著性检验。所以认为存在异方差性。 由 F 值或 确定异方差类型Gleiser 检验中可以通过 F 值或值确定异方差的具体形式。本例中，图 10 所示的回归方程 F 值（）最大，可以据次来确定异方差的形式。二、调整异方差性确定权数变量根据 Park 检验生成权数变量：GENR W1=1/X1.6743根据 Gleiser 检验生成权数变量：GENR W2=1/X0.5 另外生成：GENR W3=1/ABS(RESID）GENR W4=1/ RESID 2利用加权最小二乘法估计模型在 Eviews 命令窗口中依次键入命令：LS(W=Wi) Y C X 或在方程窗口中点击 EstimateOption 按钮，并在权数变量栏里依次输入 W1、W2、W3、W4，回归结果图 14、15、16、17 所示。图 4-14图 4-15图 4-16图 4-17对所估计的模型再进行 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，其结果分别对应图 14、15、16、17 的回归模型（如图 18、19、20、21 所示）。图 18、19、21 所对应的 White 检验显示，P 值较大，所以接收不存在异方差的原假设，即认为已经消除了回归模型的异方差性。图 20 对应的 White 检验没有显示 F 值和 n的值，这表示异方差性已经得到很好的解决。图 4-18图 4-19图 4-20图 4-21实验五 自相关性【实验目的】掌握自相关性的检验与处理方法【实验内容】完成课本P136页第八题及相关问题利用表 5-1 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 5-1 我国城乡居民储蓄存款与 GDP 统计资料（1978 年100）年份存款余额YGDP指数X年份存款余额YGDP指数X1978210.60100.019895146.90271.31979281.00107.619907034.20281.71980399.50116.019919107.00307.61981523.70122.1199211545.40351.41982675.40133.1199314762.39398.81983892.50147.6199421518.80449.319841214.70170.0199529662.25496.519851622.60192.9199638520.84544.119862237.60210.0199746279.80592.019873073.30234.0199853407.47638.219883801.50260.7-【实验步骤】一、回归模型的筛选相关图分析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、对数、指数、二次多项式等不同形式，进而加以比较分析。估计模型，利用 LS 命令建立模型双对数模型：GENR LNY=LOG(Y)GENR LNX=LOG(X) LS LNY C LNX =8.0753 + 2.9588t = (-31.604) (64.189)0.9954 F4120.223 S.E0.1221二、自相关性检验DW 检验；因为 n21，k1，取显著性水平0.05 时，查表得 dL1.22，dU1.42，而 00.7062DWdL，所以存在（正）自相关。偏相关系数检验在方程窗口中点击 View/Residual Test/Correlogram-Q-statistics，并输入滞后期为 10，则会得到残差 et与 et1,et2,Let10 的各期相关系数和偏相关系数，如图 5-1、5-2 所示。图 5-1 双对数模型的偏相关系数检验图 5-2 二次多项式模型的偏相关系数检验从 5-1 中可以看出，双对数模型的第 1 期、第 2 期偏相关系数的直方块超过了虚线部分，存在着一阶和二阶自相关。图 5-2 则表明二次多项式模型仅存在二阶自相关。三、自相关性的调整：加入 AR 项对双对数模型进行调整；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 5-3 所示。图 5-3 加入 AR 项的双对数模型估计结果图 5-3 表明，估计过程经过 4 次迭代后收敛；1，2的估计值分别为 0.9459和-0.5914，并且 t 检验显著，说明双对数模型确实存在一阶和二阶自相关性。调整后模型的 DW1.6445，n19，k1，取显著性水平 0.05 时，查表得 dL1.18， dU1.40，而 dU1.6445DW4 dU，说明模型不存在一阶自相关性；再进行偏相关系数检验（图 5-4），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： Lny=-7.8445+2.9193lnx t=(-25.263) (52.683)R20.9982 F2709.985 S.E0.0744 DW1.6445图 5-4 偏相关系数检验实验六多重共线性【实验目的】掌握多重共线性的检验及处理方法【实验内容】建立并检验我国钢材产量预测模