金融计量学-期末考试.doc

金融计量学-期末考试重要说明：（1） 考试时间：18周随堂，请在此之前做好实证部分。我会根据实证结果出5道问答题，到时与实证结果一起写在答题册上。（2） 18周随堂考时，可携带5页纸以下的资料（上面附上实证结果，也可以写上任何文字），但不要携带书籍、电脑，不可查阅手机等。（3） 本次考试为半开卷形式，请同学们认真遵守考试规则。利用test.wfl文件（consump表示实际消费，income表示实际收入，int_3m表示实际利率），完成以下实证部分：在主菜单选择File/Open/Eviews workfile,选择test.wfl文件（1） 列出变量consump，income，int_3m的均值、标准差、最小值、中值、最大值、偏度、峰度、JB值等描述性统计量。选中3个变量后双击，出现选择菜单，选择one group，出现的表格是3个变量的基本信息，在菜单栏中选择view，选中第五项Descriptive Stats(统计量描述)后选择Common Sample(因为所选变量的范围一样，若变量范围不一样是则选择individual samples)Probability估计系数的显著性水平Mean 均值Median 中值Maximum 最大值Minimum最小值Std.Dev 标准差Skewness 偏度Kurtosis峰度Sum Sq.Dev 离差平方和（2） 对consump以及income最小二乘法回归。（即ls consump c income）在窗口中输入ls consump c income回车方程：（3） 对consump以及income取对数，分别命名为lncon以及lninc，作最小二乘法回归。（即ls lncon c lninc）在窗口中输入series lncon=log(consump) series lninc=log(income)回车，可见到workfile增加了两列，输入ls lncon c lninc可得方程：（4） 对consump以及income取对数，然后取增加值，分别命名为gcon以及ginc（即gcon=lncon-lncon(-1)，ginc=lninc-lninc(-1)）；然后作最小二乘法回归。（即ls gcon c ginc）在窗口中输入series gcon=lncon-lncon(-1) series ginc=lninc-lninc(-1)回车，可见到workfile增加了两列，输入ls ls gcon c ginc可得方程：（5） 在（3）和（4）的回归方程中，分别加入收入的一期滞后并回归。（即ls lncon c lninc lninc(-1)以及ls gcon c ginc ginc(-1)）在窗口中输入ls lncon c lninc lninc(-1)得方程：在窗口中输入ls gcon c ginc ginc(-1)得方程：（6） 在（3）和（4）的方程中，加入实际利率，并回归。（即ls lncon c lninc int_3m以及ls gcon c ginc int_3m）在窗口中输入ls lncon c lninc int_3m得方程：在窗口中输入ls gcon c ginc int_3m得方程：（7） 估计方程ls gcon c gcon(-1)。在窗口中输入ls gcon c gcon(-1)得：（8） 估计方程ls gcon c gcon(-1) ginc(-1) int_3m(-1)。在窗口中输入ls gcon c gcon(-1) ginc(-1) int_3m(-1)得方程：（9） 用Serial Correlation LM test检验方程（3）和方程（4），有无存在序列自相关。如果存在自相关，请重新回归出消除了自相关后的方程。方程(3)在“Equation”窗口选择“View/residual tests/ Serial Correlation LM test在弹出的对话框里选择滞后阶数，从1开始，LM(1)检验结果：LM检验的统计量 (Obs*R-squared)=17.14221相应的伴Prob. Chi-Square(1)为0小于0.05且辅助回归方程里RESID(-1)的系数显著为0(t统计量的p值为00.05因此可以判断模型至少存在一阶序列自相关LM(2)检验结果LM检验的统计量 (Obs*R-squared)=17.37367相应的伴Prob. Chi-Square(1)为0.0002小于0.05且辅助回归方程里RESID(-1)的系数显著不为0(t统计量的p值为0.00120.05),因此不能说模型存在2阶序列相关，模型只存在1阶序列自相关根据残差序列1阶自相关，可直接在EViews下进行广义差分修正。在命令行输入：ls lncon c lninc ar(1)，然后回车。得到如下的估计结果：得到回归方程方程(4)在“Equation”窗口选择“View/residual tests/ Serial Correlation LM test在弹出的对话框里选择滞后阶数，从1开始，LM(1)检验结果LM检验的统计量 (Obs*R-squared)=0.349988相应的伴Prob. Chi-Square(1)为0.5541大于0.05且辅助回归方程里RESID(-1)的系数显著不为0(t统计量的p值为0.57310.05因此可以判断模型不存在序列自相关（10） 用white方法检验方程（8）是否存在异方差。如果存在，请写出消除了异方差之后的方程。在（8）结果中，按路径view/residual tests/ heteroskedasticity test(no cross terms），进入White检验，其中no cross terms表示无交叉乘积项。得到以下结果由于小于white检验的统计量(Obs*R-squared)=8.3969，所以存在异方差。在命令窗口输入“genr w=1/resid2”生成权数，在(8)的结果中，由路径：Procs/Specify/Estimate进入Equation Specification对话框，点击Options按钮，在Estimation Options对话框的weighted前面打勾并在下面输入栏处输入w连续两次确认OK后，得到以下的估计结果：按路径view/residual te