计量经济学Eviews上机指导

1、精选优质文档-倾情为你奉上第一部分 单方程计量经济模型Eviews操作案例：建立我国最终消费支出与国内生产总值（单位：亿元）之间的回归模型，并进行变量和方程整体的显著性检验。当显著性水平为0.05， 2004年国内生产总值为38000亿元时，对2004年我国最终消费支出和平均最终消费支出进行点预测和区间预测。年份GDP最终消费年份GDP最终消费19783624.102239.10199111147.736151.5719793899.532568.04199212735.097083.5319804203.962753.10199314452.917917.6519814425.032989.

2、25199416283.088638.3019824823.683225.09199517993.669445.3819835349.173511.35199619718.7310588.6419846160.973988.53199721461.9211444.1719856990.894506.64199823139.8812511.7019867610.614817.38199924792.4713819.5419878491.275114.07200026774.8515406.5719889448.035419.86200128782.6016759.7819899832.18519

3、0.02200231170.8818097.55199010209.095471.93200334070.1619452.70一、创建工作文件建立工作文件的方法有以下几种。1菜单方式 在主菜单上依次单击FileNewWorkfile（见图2-1）， 选择数据类型和起止日期。时间序列提供起止日期（年、季度、月度、周、日），非时间序列提供最大观察个数。本例中在Start Data里输入1978，在End data 里输入2003，见图2-3。单击OK后屏幕出现Workfile工作框，如图2-4所示。2命令方式在命令窗口直接输入建立工作文件的命令CREATE，命令格式：CREATE 数据频率 起始期

4、 终止期其中，数据频率类型分别为A（年）、Q（季）、M（月）、U（非时间序列数据）。输入Eviews命令时，命令字与命令参数之间只能用空格分隔。如本例可输入命令：CREATE A 1978 2003工作文件创立后，需将工作文件保存到磁盘，单击工具条中Save输入文件名、路径保存，或单击菜单兰中FileSave或Save as输入文件名、路径保存。图2-1这时屏幕上出现Workfile Range对话框，如图2-2所示。图2-2图2-3图2-4二、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：命令方式和菜单方式。命令格式：data 序列名1 序列名2 序列名n

5、功能：输入新变量的数据，或编辑工作文件中现有变量的数据。在本例中，在命令窗口直接输入：Data Y X三、图形分析在估计计量经济模型之前，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，以便合理的确定模型的数学形式。图形分析中最常用的是趋势图和相关图。1菜单方式在数组窗口工具条上Views的下拉菜单中选择Graph。（见图2-11）2命令方式趋势图：Plot Y X功能：（1）分析经济变量的发展变化趋势；（2）观察经济变量是否存在异常值。图给出了最终消费支出与国内生产总值的趋势图。相关图：Scat Y X （见图2-13）功能：（1）观察经济变量之间的相关程度；（2）观察经济变量之间的

6、相关类型，判断是线性相关，还是曲线相关；曲线相关时，大致是哪种类型的曲线。图2-11 数组窗口趋势图图2-12 最终消费支出与国内生产总值的趋势图图2-13 数组窗口相关图图2-14 最终消费支出与国内生产总值的相关图四、OLS估计参数1命令方式在主菜单命令行键入LS Y C X （如图2-15） 图2-152菜单方式在主菜单上选Quick菜单，单击Estimate Equation项，屏幕出现Equation Specification估计对话框，在Estimation Settings中选OLS估计，即Least Squares，输入：Y C X（其中C为Eviews固定的截距项

7、系数）。然后OK，出现方程窗口（见图2-16），输出结果如表2-1所示。图2-16 方程窗口 表2-1 回归结果Dependent Variable: YMethod: Least SquaresSample: 1978 2003Included observations: 26VariableCoefficientStd. Errort-StatisticProb. C245.3522153.96051.0.1241X76230.0000R-squared0. Mean dependent var8042.748Adjusted R-squared0. S.D. d

8、ependent var5177.609S.E. of regression427.3742 Akaike info criterion15.02700Sum squared resid. Schwarz criterion15.12378Log likelihood-193.3510 F-statistic3645.290Durbin-Watson stat0. Prob(F-statistic)0.方程窗口的上半部分为参数估计结果如表2-2所示，其中第1列分别为解释变量名（包括常数项），第2列为相应的参数估计值，第3列为参数的标准误差，第4列为t统计值，第5列为t检验的双侧概率值p，即P（

9、| t |> ti）= p。表2-2 参数估计结果常数和解释变量参数估计值参数标准误差t统计量双侧概率C245.3522153.96051.0.1241X76230.0000方程窗口的下半部分主要是一些统计检验值，其中各统计量的含义如表2-3所示。表2-3 统计检验值可决系数0.被解释变量均值8042.748调整的可决系数0.被解释变量标准差5177.609回归方程标准差427.3742赤池信息准则15.02700残差平方和.施瓦兹信息准则15.12378似然函数的对数-193.3510F统计量3645.290DW统计量0.F统计量的概率0.单击Equation 窗口中的

10、Resid按钮，将显示模型的拟合图和残差图。图2-17 拟合图和残差图单击Equation 窗口中的View Actual, Fitted, Resid Table按钮，可以得到拟合直线和残差的有关结果。 图2-18五、预测 在Equation框中选Forecast项后，弹出Forecast对话框，Eviews自动计算出样本估计期内的被解释变量的拟合值，拟合变量记为YF，其拟合值与实际值的对比图如图2-19所示。图2-19下面预测2004年我国最终消费支出。1首先将样本期范围从1978-2003年扩展为1978-2004年。即单击工作文件框中Procs中的structure/resi

11、ze current page，如图2-20所示，并将1978-2003改为1978-2004，如图2-21所示。图2-20图2-212然后编辑解释变量X。在Group数据框中输入变量X的2004年数据38000.00。（见图2-22）图2-223点预测。在前面Equation对话框中选Forecast，将时间Sample定义在1978-2004，如图2-23所示，这时Eviews自动计算出=21202.，如图2-24所示。图2-23图2-244区间预测。在Group数据框中单击View，选Descriptive Stats里的Common Sample Eviews，计算出有关X和Y的描述统

12、计结果，如图2-25所示。图2-25图2-26 X和Y的描述统计结果根据图2-26可计算出如下结果：的标准差.9给定显著性水平0.05，查表得，由可得的预测区间为：回归方程的标准差21202.30364即的95%预测区间为（20201.56915，22204.17643）。六、非线性回归模型的估计1倒数模型：在命令窗口直接依次键入GENR X1=1/XLS Y C X12多项式模型：在命令窗口直接依次键入GENR X1=XGENR X2=X2LS Y C X1 X23准对数模型：在命令窗口直接依次键入GENR lnX=LOG(X)LS Y C lnX4双对数模型：在命令窗口直接依次键入GENR

13、 lnX=LOG(X)GENR lnY=LOG(Y)LS logY C logX七、异方差检验与解决办法1相关图检验法LS Y C X 对模型进行参数估计GENR E=RESID 求出残差序列GENR E2=E2 求出残差的平方序列SORT X 对解释变量X排序SCAT X E2 画出残差平方与解释变量X的散点图2戈德菲尔德匡特检验已知样本容量n=26，因GDP已经按升序排列，直接去掉中间6个样本点（即约n/4），形成两个样本容量均为10的子样本。 SORT X 将样本数据关于X排序 SMPL 1 10 确定子样本1 LS Y C X 求出子样本1的回归平方和RSS1 SMPL 17 26 确

14、定子样本2 LS Y C X 求出子样本2的回归平方和RSS2 计算F统计量并做出判断。 (White检验)3加权最小二乘法 LS Y C X 最小二乘法估计，得到残差序列 GRNR E1=ABS(RESID) 生成残差绝对值序列 LS(W=1/E1) Y C X 以E1为权数进行加权最小二成估计八、自相关检验与解决办法 1图示法检验LS Y C X 最小二乘法估计，得到残差序列GENR E=RESID 生成残差序列SCAT E(-1) E etet-1的散点图PLOT E 还可绘制et的趋势图2广义差分法 LS Y C X AR(1) AR(2)  九、联立方程计量经济模型Evie

15、ws操作19782003年全国居民消费CSt、国民生产总值Yt、投资It、政府消费Gt数据，如下表所示。年 份CStYtItGt19781759.1003605.6001377.900468.600019791966.0783994.1181445.294582.745119802143.4784210.2681470.860595.929719812352.3944427.6421428.184647.064119822542.4654866.3121560.461763.386519832779.4765306.8121751.092776.244519843121.9206087.001

16、2097.366867.714519853582.3586863.4662643.247637.861019863810.7517461.5612832.106818.704019874091.4218088.3322966.3691030.542219884419.8618514.1863181.818912.507219894190.5118095.3792996.559908.308819904387.6758820.1733102.5521329.947019914827.2819958.0723517.5481613.242919925532.77111484.7694278.863

17、1673.135019936152.37313534.9945883.8761498.744619946708.51115051.8056209.0912134.203719957566.55416430.9186705.1392159.224919968510.40218086.3957111.4882464.505019979152.99419667.5957473.1093041.491619989954.46221300.4317966.0023379.9676199910932.29622977.5158532.9633512.2568200012103.72525209.05891

18、70.3723934.9605200113054.06728041.21210654.3804332.7645200214086.91631094.40912191.6144815.8790200315194.26035047.99514820.5085033.2276建立如下宏观经济模型：消费函数：投资函数：收入方程：容易判断该联立方程模型中投资方程是过渡识别，消费方程是恰好识别，模型是可识别的。下面用四种方法进行二阶段最小二乘法估计参数。这四种方法的输出结果是一样的。方法一：第一阶段： LS Y C G CS(-1) 估计收入的简化式方程 GENR EY=Y-RESID 计算收入的估计值第

19、二阶段：LS CS C EY CS(-1) 估计替代后的消费结构式方程 LS I C EY 估计替代后的投资结构式方程Dependent Variable: CSMethod: Least SquaresSample(adjusted): 1979 2003Included observations: 25 after adjusting endpointsVariableCoefficientStd. Errort-StatisticProb. C273.3999188.43401.0.1609EY.1667CS(-1).3519R-squared0. Mean

20、dependent var6526.600Adjusted R-squared0. S.D. dependent var4023.411S.E. of regression185.1869 Akaike info criterion13.39277Sum squared resid.1 Schwarz criterion13.53904Log likelihood-164.4097 F-statistic5653.343Durbin-Watson stat1. Prob(F-statistic)0. Dependent Variable: IMethod: Least Squares

21、Sample(adjusted): 1979 2003Included observations: 25 after adjusting endpointsVariableCoefficientStd. Errort-StatisticProb. C-258.6251219.8342-1.0.2514EY07040.0000R-squared0. Mean dependent var5279.634Adjusted R-squared0. S.D. dependent var3703.951S.E. of regression597.1325 Akaike info crite

22、rion15.69877Sum squared resid. Schwarz criterion15.79628Log likelihood-194.2347 F-statistic900.4222Durbin-Watson stat0. Prob(F-statistic)0.方法二（OK）：实际上在Eviews软件中，可以利用命令直接进行二阶段最小二乘估计，命令格式为：TSLS Yi C 解释变量名 C 先决变量名其中符号前面是该结构式方程的所有解释变量名，包括内生变量和先决变量；符号后面是联立方程模型中的所有前定变量。因此本例可用TSLS命令直接写成：TSLS CS C Y CS(-1)

23、C G CS(-1)TSLS I C Y C G CS(-1)Dependent Variable: CSMethod: Two-Stage Least SquaresSample(adjusted): 1979 2003Included observations: 25 after adjusting endpointsInstrument list: C G CS(-1)VariableCoefficientStd. Errort-StatisticProb. C273.3999177.35011.0.1374Y.1429CS(-1).3232R-squared

24、0. Mean dependent var6526.600Adjusted R-squared0. S.D. dependent var4023.411S.E. of regression174.2940 Sum squared resid.6F-statistic6382.063 Durbin-Watson stat1.Prob(F-statistic)0.    Dependent Variable: IMethod: Two-Stage Least SquaresSample(adjusted): 1979 2003Included observa

25、tions: 25 after adjusting endpointsInstrument list: C G CS(-1)VariableCoefficientStd. Errort-StatisticProb. C-258.6251131.6564-1.0.0617Y04440.0000R-squared0. Mean dependent var5279.634Adjusted R-squared0. S.D. dependent var3703.951S.E. of regression357.6166 Sum squared resid.F-statistic2510.

26、455 Durbin-Watson stat0.Prob(F-statistic)0.   方法三：还可以在方程说明窗口中，选择估计方法为TLSL，并在工具变量兰（Instrument List）输入模型中的所有先决变量。方法四(OK)：借助于Eviews中的System命令，可以直接进行TSLS估计。（1）创建系统：在主菜单上单击Objects New Object，并在弹出的对象列表框中选择System；然后在打开的系统窗口输入结构式模型的随机方程CS=C(1)+C(2)*Y+C(3)*CS(-1)I=C(4)+C(5)*YINST G CS(-1)（2）估计

27、模型：在系统窗口单击Estimate，在弹出估计方法选择窗口中选择TSLS方法后，单击OK。System: UNTITLEDEstimation Method: Two-Stage Least SquaresSample: 1979 2003Included observations: 25Total system (balanced) observations 50Instruments: G CS(-1) C CoefficientStd. Errort-StatisticProb. C(1)273.3999177.35011.0.1302C(2).1356C(3)

28、.3176C(4)-258.6251131.6564-1.0.0557C(5)04440.0000Determinant residual covariance1.35E+09  Equation: CS=C(1)+C(2)*Y+C(3)*CS(-1)Observations: 25R-squared0. Mean dependent var6526.600Adjusted R-squared0. S.D. dependent var4023.411S.E. of regression174.2940 Sum squared resid.6Du

29、rbin-Watson stat1.   Equation: I=C(4)+C(5)*YObservations: 25R-squared0. Mean dependent var5279.634Adjusted R-squared0. S.D. dependent var3703.951S.E. of regression357.6166 Sum squared resid.Durbin-Watson stat0.   演示示例（一） 异方差目的：1、正确使用EVIEWS 2、会使用OLS和WLS，Goldfeld-Quandt检验

30、 3、能根据计算结果进行异方差分析和出现异方差性后的补救。 实例：某市人均储蓄与人均收入的关系分析（异方差性检验及补救）根据某市19781998年人均储蓄与人均收入的数据资料（见下表），其中X为人均收入（元），Y为人均储蓄（元），经分析人均储蓄受人均收入的线性影响，可建立一元线性回归模型进行分析。obsXY1978590.2000107.00001979664.9400123.00001980809.5000159.00001981875.5400189.00001982991.2500233.000019831109.950312.000019841357.870401.0000198516

31、82.800522.000019861890.580664.000019872098.250871.000019882499.5801033.00019892827.7301589.00019903084.1702209.00019913462.7102878.00019923932.5203722.00019935150.7905350.00019947153.3508080.00019959076.85011758.00199610448.2115839.00199711575.4818196.00199812500.8420954.001、用OLS估计法估计参数设模型为：运行EVIEWS

32、软件，并输入数据，得计算结果如下：Dependent Variable: YMethod: Least SquaresDate: 10/11/05 Time: 23:10Sample: 1978 1998Included observations: 21VariableCoefficientStd. Errort-StatisticProb. C-2185.998339.9020-6.0.0000X91500.0000R-squared0. Mean dependent var4533.238Adjusted R-squared0. S.D. dependent var6535

33、.103S.E. of regression1065.086 Akaike info criterion16.86989Sum squared resid Schwarz criterion16.96937Log likelihood-175.1338 F-statistic733.9495Durbin-Watson stat0. Prob(F-statistic)0.2、异方差检验 （1）Goldfeld-Quandt检验在Procs菜单项选Sort series项，出现排序对话框，输入X，OK。在Sample菜单里，将时间定义为19781985(本例中X本身已按升序排列)，用OLS方法计算

34、得如下结果：Y = -145. + 0.*X（-8.） （25.42693）R-squared0. Sum squared resid115.12284Dependent Variable: YMethod: Least SquaresDate: 10/11/05 Time: 23:25Sample: 1978 1985Included observations: 8VariableCoefficientStd. Errort-StatisticProb. C-145.441516.65952-8.0.0001X26930.0000R-squared0. Mean depend

35、ent var255.7500Adjusted R-squared0. S.D. dependent var146.0105S.E. of regression15.12284 Akaike info criterion8.Sum squared resid1372.202 Schwarz criterion8.Log likelihood-31.93043 F-statistic646.5287Durbin-Watson stat1. Prob(F-statistic)0.在Sample菜单里，将时间定义为19911998，用OLS方法计算得如下结果：Y = -4602. + 1.*X（-5

36、.） （18.40942）R-squared0. Sum squared resid2.Dependent Variable: YMethod: Least SquaresDate: 10/11/05 Time: 23:29Sample: 1991 1998Included observations: 8VariableCoefficientStd. Errort-StatisticProb. C-4602.367908.4882-5.0.0023X09420.0000R-squared0. Mean dependent var10847.12Adjusted R-square

37、d0. S.D. dependent var6908.102S.E. of regression984.1400 Akaike info criterion16.83373Sum squared resid. Schwarz criterion16.85359Log likelihood-65.33492 F-statistic338.9068Durbin-Watson stat0. Prob(F-statistic)0.求F统计量：，查F分布表，给定显著性水平，得临界值，比较>，拒绝原假设，表明随机误差项显著的存在异方差。F自由度（，），1指常数项，n为每组的观察次数。3、异方差的修正

38、（1）WLS估计法。首先生成权函数,然后用OLS估计参数，Y = -2262. + 1.*XDependent Variable: YMethod: Least SquaresDate: 10/12/05 Time: 08:07Sample: 1978 1998Included observations: 21Weighting series: WVariableCoefficientStd. Errort-StatisticProb. C-2262.640131.2507-17.239070.0000X85900.0000Weighted StatisticsR-square

39、d0. Mean dependent var2183.201Adjusted R-squared0. S.D. dependent var2104.209S.E. of regression423.5951 Akaike info criterion15.02583Sum squared resid. Schwarz criterion15.12530Log likelihood-155.7712 F-statistic474.5211Durbin-Watson stat0. Prob(F-statistic)0.Unweighted StatisticsR-squared0. Mean de

40、pendent var4533.238Adjusted R-squared0. S.D. dependent var6535.103S.E. of regression1293.978 Sum squared residDurbin-Watson stat0.（2）对数变换法。用GENR生成LY和LX序列，用OLS方法求LY 对LX的回归，结果如下：LY = -6. + 1.*LXDependent Variable: LYMethod: Least SquaresDate: 10/12/05 Time: 00:05Sample: 1978 1998Included observations:

41、 21VariableCoefficientStd. Errort-StatisticProb. C-6.0.-28.788450.0000LX06800.0000R-squared0. Mean dependent var7.Adjusted R-squared0. S.D. dependent var1.S.E. of regression0. Akaike info criterion-1.Sum squared resid0. Schwarz criterion-1.Log likelihood13.95611 F-statistic3541.059Durbin-Wat

42、son stat0. Prob(F-statistic)0.比较方法（1）和（2），可以看出X与Y在对数线性回归下拟合效果较好。原因是Y的曲线呈对数型图形有关。（二）多重共线性目的：1、正确使用EVIEWS 2、能根据计算结果进行多重共线性检验和出现多重共线性时的补救。 实例：我国钢材供应量分析（多重共线性检验及补救） 通过分析我国改革开放以来（19781997）钢材供应量的历史资料，可以建立一个单一方程模型。根据理论及对现实情况的认识，影响我国钢材供应量Y（万吨）的主要因素有：原油产量X1（万吨），生铁产量X2（万吨），原煤产量X3（万吨），电力产量X4（亿千瓦小时），固定资产投资X5(亿元

43、)，国内生产总值X6(亿元)，铁路运输量X7（万吨）。obsX1X2X3X4X5X6X7Y1978104053479.006.812566668.723624.1220819791061536736.352820699.364038.2249719801059538026.23006746.94517.8271619811012234176.223093638.214862.4267019821021235516.663277805.95294.7292019831060737387.153514885.265934.5307219841146140017.8937701052.4371713

44、37219851249048348.7241071523.518964.4369319861306950648.9444951795.3210202.2405819871341455039.2849732101.6911962.5438619881370557049.854522554.8614928.34689198913764582010.5458482340.5216909.24859199013831623810.86212253418547.95153199114099676510.8767753139.0321617.85638199214210758911.1675394473.

45、7626638.16697199314524895611.583956811.3534634.47716199414608974112.492819355.3546759.48428199515004.9510529.2713.6110070.310702.9758478.18979199615733.3910722.513.9710813.112185.7967884.69338199716074.1411511.4113.7311355.5313838.9674772.49978设模型的函数形式为：一、运用OLS估计法对上式中参数进行估计，EVIEWS操作步骤为：1、 在FILE菜单中选择

46、NEWWORKFILE，输入起止时间。2、 在主窗口菜单选QUICKEMPTY GROUP，在编辑数据区输入Y X1 X2 X3 X4 X5 X6 X7所对应的数据。3、 在主窗口菜单选在QUICKESTIMATE EQUATION，对参数做OSL估计，输出结果见下表：VariableCoefficientStd. Errort-StatisticProb. C139.2362718.24930.0.8495X1-0.0.-0.0.5776X.3547X3-24.2942797.48792-0.0.8074X.0006X.0086X6-0.0.-

47、2.0.0177X.9059R-squared0. Mean dependent var5153.350Adjusted R-squared0. S.D. dependent var2511.950S.E. of regression88.17626 Akaike info criterion12.08573Sum squared resid93300.63 Schwarz criterion12.48402Log likelihood-112.8573 F-statistic2201.081Durbin-Watson stat1. Prob(F-statistic)0.Y = 139. - 0.*X1 + 0.*X2 - 24.*X3 + 0.*X4 + 0.*X5 - 0.*X6 + 0.5*X7二、分析由F=2201.081>F0.05(7,12)=2.91（显著性水平a=0.05），表明模型从整体上看钢材供应量与解释变量之间线性关系显著。三、检验计算解释变量之间的简单相关系数。EVIEWS过程如下：1、 主菜单QUICKGROUP STATISTICSCORRRELATION，在对话框中输入X1 X2 X3 X4 X5 X6 X7，结果如下：X1X2X3X4X5X6X7X1 1. 0. 0. 0.