计量经济学讲义三.doc

讲义三*大家的任务 依据下列步骤，验证讲义中的例题或者书上的例题、习题每项内容至少1个。一 运用Eviews5.0进行异方差的检验和修正：建立工作文件，输入数据时期1234567891011储蓄26410590131122107406503431588898收人87779210995410508109791191212747134991426915522167301213141516171819202122239507798191222170215781654140018292200201721051766318575195352116322880241272560426500276702830027430295602425262728293031160022502420257017201900210023002815032100325003525033500360003620038200在主菜单点击QuickEmpty Group ，录入X、 Y 的数据。先按健，再按健，就可以看到obs行，修改名字就可以了。一）检验：1) 作散点图在主菜单点击QuickGrophScatter，在弹出的对话框里输入x y，点击“OK”即可得到关于x，y的散点图。点击“name”保存图形。由上图可以看出，可能存在单调递增型异方差。2) 做G-Q检验 以x为条件对全部序列作升序排列 在主菜单点击ProcSort Current Page ，弹出如下对话框，在上面空格内输入X，选中升序“Ascending”，点击“OK”即可。 对第一个子样本作回归分析在主菜单点击QuickEstimate Equation ，在弹出的对话框输入y c x，将样本范围设定为1到11。输出如下结果： 对第二个子样本作回归分析在主菜单点击QuickEstimate Equation ，在弹出的对话框输入y c x，将样本范围设定为21到31。输出如下结果： 求F值（也可以用计算器计算）在workfile窗口点击ViewShow，在弹出的对话框内输入如下：在上图输入后点击“OK”得到F值为5.062。给定，查表得到。因为5.0623.18，所以模型存在异方差，而且是单调递增型异方差。3) 怀特检验Resid中保存最后一次（最近一次）的残差，所以应先对所有数据求一次OLS回归再求残差的平方（E2=Resid2），残差的平方对X、X的平方做回归（当然也可以放入解释变量X的3、4次方项等）得到如下结果：，所以可以判断存在异方差。也可以在回归结果文件中点击View/Residual Tests/White Heteroskedasticity(no cross terms)就可以得到检验结果，看上面表格的第二行，P0.05说明存在异方差。对于多元回归也可以选择View/Residual Tests/White Heteroskedasticity(cross terms)。二）模型修正先对原模型数据进行回归，在主菜单点击QuickEstimate Equation ，在弹出的对话框输入y c x，将样本范围设定为1到31。得到如下结果：生成新序列。在主菜单点击QuickGenerate series 或者直接点击Workfile 窗口里的Genr按钮，在弹出的对话框内分三次依次输入：rr=1/abs(resid) ; yy=y*rr ; xx=x*rr 。修正方法有三：方法一、变量代换法：在主菜单点击QuickEstimate Equation，在弹出的对话框里依次输入yy rr xx。得到如下回归结果：点击“name”保存结果。方法二、加权最小二乘法（WLS）：在主菜单点击QuickEstimate Equation，在弹出的框内点击“Options”，在新弹出的框中选中“Weighted LS/TSLS”，在weight后面的空白中输入rr，如下图，点击OK回归即可。回归结果如下：方法三、hccc法：在主菜单点击QuickEstimate Equation，在弹出的框内点击“Options”，在“Estimation Options”窗口中做如下选择。得回归结果如下：分析：相对于不检验异方差而直接回归，三种修正方法中WLS对系数和标准误、拟合优度都有较大的改进；而HCCC对系数没有做任何修正，但是对参数的标准误做了修正；第一种方法是通过变量代换进行加权修正来消除异方差，结果和WLS大部分结果都相同。这可以看出WLS真正的处理方式就是通过变量代换进行的，只不过有些统计量是针对没有变换的统计量进行的。三）结果分析：通过使用加权最小二乘法得到修正以后的模型方程如下：回归方程： （37.82） （0.00275）(-18.609) （32.317） F=1044.419 DW=1.657显著性检验：查表可知：时， 因为 所以、显著不为零。这说明储蓄和收入之间具有显著的线性关系。X的系数表示边际储蓄倾向，应该在01之间，可以求出95%的置信区间为（0.08898-2.045*0.00275，0.08898+2.045*0.00275）即（0.0833，0.0946），也就是说真实的边际储蓄倾向95%的可能会落入（0.0833，0.0946）区间内。二自相关的检验和修正 研究消费和收入的关系。1建立工作文件启动Eviews后，点击FileNewWorkfile ，在弹出的对话框中选择数据的时间频率为Dated-regular frequency，在Data specification Frequency选Annual，起止日期为1989和2002，点击OK即可。2输入数据在主菜单点击QuickEmpty Group ，录入数据。点击“Freeze”保存原始数据。obsY（人均纯收入）CC（人均消费）1989 601.5000 553.00001990 686.3000 571.00001991 708.6000 621.00001992 784.0000 718.00001993 921.6000 855.00001994 1221.000 1118.0001995 1577.700 1434.0001996 1926.100 1768.0001997 2090.100 1876.0001998 2162.000 1895.0001999 2210.300 1927.0002000 2253.400 2037.0002001 2366.400 2156.0002002 2475.600 2269.0003检验图示法在主菜单点击QuickEstimate Equation ，在弹出的对话框输入cc c y。输出如下结果：由于仅有14个观测值，不能用DW检验，用图示法。在此窗口点击ViewActual,Fitted,Residual Actual,Fitted,Residual Table ，将得到如下结果：看上图中的residual plot，就是t-e散点图，可以看出存在正自相关。LM检验：e（t）对e（t-1）做回归，结果如下e（t）对e（t-1）、e（t-2）、e（t-3）做回归，结果如下：所以，此模型存在2阶序列相关性。也可以在最初的回归结果文件中点击View/Residual Test/serial correlation LM Test在弹出的窗口中输入滞后阶数，从1到2、3、，看输出结果中上面表格中的第二行，如果P0.05，存在序列相关。也可以看出存在2阶自相关。4修正广义差分法在主菜单点击QuickEstimate Equation ，在弹出的对话框输入cc c y ar(1) ar(2) 即可。NWse法直接回归，在回归选项中做如下设置：回归结果为：可以看出：存在2阶自相关。相对于没有任何修正的情况，对标准误做了修正。 结果分析：样本回归方程为：消费 = 20.731 + 0.890 收入 （27.07）（0.015） （0.766）（59.827） DW=2.011 方程显著成立，尽管常数项的系数显著性检验未通过，但是由于根据经济理论，基础消费应该大于零，所以回归方程必须保留常数项。三多重共线性的检验和修正（以张保法183页习题4为例）1建立工作文件启动Eviews后，点击FileNewWorkfile ，在弹出的对话框中选择数据的时间频率（frequency）为Undated or irregular ，起止日期为1和10，点击OK即可。2输入数据在主菜单点击QuickEmpty Group ，录入X、 Y 的数据。点击“Freeze”保存原始数据。obsYX1X21 70.00000 80.00000 810.00002 65.00000 100.0000 1009.0003 90.00000 120.0000 1273.0004 95.00000 140.0000 1425.0005 110.0000 160.0000 1633.0006 115.0000 180.0000 1876.0007 120.0000 200.0000 2052.0008 140.0000 220.0000 2201.0009 155.0000 240.0000 2435.00010 150.0000 260.0000 2686.0003作回归分析在主菜单点击QuickEstimate Equation ，在弹出的对话框输入y c x1 x2。输出如下结果：可以看出财产x2对消费支出y的影响为负值，这和经济理论相违背，判断可能存在多重共线性。（这是一种直观检验法。）4求相关系数 按住Ctrl按钮，同时选中x1 x2 ，右健Openas Group ，在弹出的窗口中点击ViewCorrelationsCommon Sample 得到他们之间的相关系数。查表 ，而x1 x2之间的相关系数r=0.998962，可以看出存在比较严重的多