人力资源管理计量经济学实验指导书本科20100315

计量经济学基础实验TOC\o"1-2"\h\z\u实验一Eviews软件的基本操作 1实验二一元回归模型 10实验三多元和非线性回归模型 20实验四多重共线性 29实验五异方差性 38实验六自相关性 49实验七滞后变量模型 63实验八虚拟解释变量模型 75实验九模型设定误差诊断与检验 82实验十联立方程模型 90实验十一平稳时间序列分析 106实验十二非平稳时间序列分析（一） 118

实验一Eviews软件的基本操作【实验目的】数据处理与操作等的基本操作【实验内容】一、Eviews软件的安装二、建立工作文件和对象三、数据的输入、编辑四、序列生成、序列组和序列窗口五、图形分析与描述统计分析【实验步骤】一、安装Eviews软件1.双击Eviews6安装盘中的setup.exe，弹出安装界面，如图2-2-1所示。2.指定安装Eviews软件的目标目录（默认为C：\Programfiles\EVIEWS6），多次点击Next键，在SerialNumber项中输入序列号(如图2-1-2所示)；3.安装完毕之后，桌面上会有Eviews6的快捷图标，了解更多信息可以点击“开始/程序/Eviews6”中的文件图2-1-1Eviews安装界面图2-1-2Eviews安装界面二、建立工作文件和对象1.建立工作文件。启动Eviews后，单击主菜单中的File/New/Workfile，在弹出的窗口中选择数据性质和起始、终止期，创建一个工作文档。文件的保存后缀为“WF1”。具体操作参考图1-1-2和图1-1-3及相关内容2.建立对象。在Eviews中，相关数据都保存的对象中，对象还包括视图（View）和处理。具体操作参考第1部分1.1.4中的Step3～Step5。

图2-1-3菜单操作创建序列文件三、数据的输入、编辑与序列生成。选择主菜单Objects/NewObjects，选择所需建立的对象类型，如序列（Series）、方程（equation）等。对象的冻结操作比较实用（如果希望保留某个图形，使它不随工作进程而改变，可以点击对象窗口工具栏中的Freeze键，该功能可以把当前图形冻结下来）（图1-1-8），对象的命名要注意可读性。具体操作可参考图1-1-4及相关内容。1.建立工作文件。2.输入Y、X的数据。(消费和收入数据见电子附件2-1-1.wf1)两种建立新序列的操作。菜单操作为：选择主菜单Objects/NewObjects后，选择Series对象类型，在弹出的窗口中给序列命名,点击OK；命令操作为：在命令窗口直接输入SeriesX即可建立X序列，如图2-1-3和图2-1-4所示。图2-1-4命令窗口创建序列文件图2-1-5打开SAS、SPSS等格式数据文件的操作三种数据输入方式：（1）键盘输入。（2）复制粘贴输入。通过主菜单的Edit/copy和Edit/Paste功能复制粘贴数据；要注意粘贴数据的时间区间要和表单中的时间区间一致。（3）文件输入。可以通过其他程序建立的数据文件直接输入数据。可以通过单击file/Open/foreigndataasworkfile直接打开SAS、SPSS等格式的数据文件（见图2-1-5）；也可以单击主菜单中的File/Import/ReadText-Lotus-Excel，在输入窗口中的Windows子目录中找到相应的Excel（.xls）文件，输入与Excel文件的列顺序相同的序列名(见图2-1-6)。尤其要注意时间区间和该窗口中设置好Excle（.xls）文件的数据开始单元。至于文本文件的输入转换，与Excel（.xls）操作类似。数据起始位置数据起始位置图2-1-6Excel文件数据输入选择窗口3.公式的运用。在命令窗口用命令生成log(Y)、log(X)、X^2、1/X、时间变量T等序列（＠year），见图2-1-7。图2-1-7公式的编辑4.选择若干序列，用右键以群（组）方式打开，在数组中可以增加、删除和更名序列（菜单GroupMember）见图2-1-8。图2-1-8构成数组菜单5.在工作文件窗口中删除、更名序列，可通过鼠标右键选择相应命令操作完成。6.标量的使用（scalar命令）。标量与序列或组不同，它没有显示窗口，只能通过命令方式来建立。例如，在命令窗口输入：Scalarhj=2。等号右边也可以是表达式或一个特殊的函数。如果要显示标量对象的值，可以使用Show按钮，这时系统会在Eviews窗口底部状态栏显示标量对象的值。如，Showhj。另外，也可通过双击工作文件窗口的标量对象的名字来显示标量对象的值，如图2-1-9所示。图2-1-9标量的使用命令7.对序列取数（序列名（i））。如在命令窗口键入scalara=X（2）,则取出序列X的第2个数据，如图2-1-10所示。图2-1-10序列取数命令操作8.群(组)生成的几种操作方式：DATA命令（见图2-1-11）；菜单操作(见图2-1-12)；追加成员（见图2-1-13）。9.设定样本范围。在计量分析中，设定样本范围是很重要的。Eviews主菜单中Quick/Sample功能和工作文件窗口中的功能键Procs中的Sample功能可以用来完成样本范围的设定。如在设定对话框上侧窗口输入：18；下侧窗口输入：X＞3000，这意味着样本在前8个观测范围内，收入大于3000的观测，如图2-1-14所示。图2-1-11DATA命令操作图2-1-12菜单操作点击此键点击此键图2-1-13追加成员操作图2-1-14设定样本范围对话框四、图形分析与描述统计分析1.菜单方式作图。要作出一个序列的图形，首先要在工作文件窗口中双击该序列的名称，在打开的序列窗口中，单击View功能键，选择Graph中的Line就可以显示以时间为横轴的折线图，选择Bar可以显示标有序列观测值条形图，如图2-1-15和图2-1-16所示。图2-1-15Line图图2-1-16直方图要画两个或更多序列的图形，从工作文件中选择要画图的多个序列，或打开一个数据组窗口，接着单击View键，选择Graph/Line就可以得到画在一张图中的各序列的折线图。如果要画两个变量的相关图，则选择主菜单Quick/Graph/XYline即可。图2-1-17X和Y的序列图图2-1-18X和Y的相关散点图2.命令方式作图。利用PLOT命令绘制趋势图。如Plotxy，绘制出两个序列的趋势图（见图2-1-17）；利用SCAT命令绘制X、Y的相关图（见图2-1-18）；3.在序列和数组窗口观察序列的描述统计量选择View下的DescriptiveStats菜单项。该菜单项下的第二项是IndividualSamples，选择它将会生成序列的直方图和描述统计量。这些统计量包括均值（Mean）、中位数（Median）、最大和最小值（MaximumandMinimum）、标准差（StandardDeviation）、偏度（Skewness）、峰度（Kurtosis）、Jarque-Bera统计量及概率（Probability），如图2-1-19所示。图2-1-19简单描述统计量窗口需要注意的是，标准差的公式。图2-1-20统计检验表单图2-1-21统计检验对话框4.Eviews进行描述统计检验选择序列窗口View按钮下的TestsofEquality菜单项。这里主要是序列均值、中位数和方差的简单假设检验。在序列窗口选择View/TestsofEquality，就会出现序列简单检验对话框。此选项提供了对均值（Mean）、方差（Variance）和中位数（Median）3个统计量是否等于某个给定值的检验，如图2-1-20和图2-1-21所示。【练习与作业】1.数据文件的存贮、调用与转换（1）存贮并调用工作文件；（2）存贮若干个变量，并在另一个工作文件中使用这些存贮的变量（复制）；（3）将工作文件分别另存为文本文件和Excel文件；（4）在工作文件中分别调用文本文件和Excel文件；（5）在对象窗口中点击Name按钮，将对象命名贮于工作文件2.命令操作方式练习（1）Scalar标题命令的使用；（2）Eviews函数的使用，序列函数及其它对象函数；（3）使用帮助系统查阅函数及对象视图及属性的使用。3.1998年我国30个省的城镇居民人均可支配收入与人均消费性支出数据（单位：元）。表示的是可支配收入，表示的是消费性支出。(数据见电子附件lx1-3.wf1)（1）分别用菜单和命令方式建立并保存工作文件为Ex01.wf1；（2）将数据导出为Excel格式文件，文件名为Ex01.xls；（3）对数据进行描述统计分析，求两个变量的均值、方差等统计量；（4）作出两个变量的分布图。4.为了了解现阶段护士们对于工作的满意程度，国家医护协会对全国的医院护士进行了一项调查，下表是一个由50名护士组成的样本对工作、工资和升职机会的满意程度的评分（分值越大表明满意程度越高）。表示工作，表示工资，表示升职机会，(数据见电子附件lx1-4.wf1)。要求:（1）利用各种描述统计指标概括样本数据；（2）判断哪一方面是护士们最为满意的，哪一方面是护士们最不满意的，说明原因，并对如何改进进行讨论；（3）根据变异指标，判断护士们对工作的哪一方面的满意程度的差异程度最大；（4）指出还可以利用哪些指标来分析护士们对工作满意程度的情况。

实验二一元回归模型【实验目的】通过本实验，熟练掌握简单（一元）线性回归模型的文档建立和数据录入，熟悉Eviews对象操作和函数应用，熟悉Eviews进行回归分析的操作步骤，熟练掌握一元线性回归模型的建模、检验和预测等方法。学会用Eviews软件的回归分析功能分析和解决实际问题。【实验内容】一、建立我国城镇居民平均消费支出模型（2-2-1.wf1）二、建立我国财政收入模型（2-2-2.wf1）【实验步骤】一、建立我国城镇居民平均消费支出模型（2-2-1.WF1）问题概述：研究全国31个省市2002年城市居民家庭平均每人消费支出（Y）与收入（X）的数量关系（单位：亿元）。1.建立工作文件和序列。选择Eviews主菜单File/New/Workfile，进而在文件创建对话框中做如图2-2-1的设置，确定后再选择Object/Newobject建立两个序列（图2-2-2）。图2-2-1创建工作文件图2-2-2建立序列2.通过序列视图（view）考察数据的特征：趋势图、散点图、描述统计量和相关系数。通过序列窗口中的View功能键下Graph/Line，Graph/Scatter，Descriptivestatistics，correlations菜单来完成；操作方式如图2-2-3所示。图2-2-3群窗口中的View功能键的下拉菜单3.线性回归模型的估计（命令方式和菜单方式）(1)命令方式：LSYCX，如图2-2-4所示。图2-2-4命令方式估计模型(2)菜单方式①点击Quick\EstimateEquation，如图2-2-5所示。图2-2-5建立方程对象估计模型②在弹出的方程设定框内输入模型：YCX或Y=C(1)+C(2)*X，可参考图1-14.方程对象窗口及功能图2-2-6表明，F统计量为421.90，方程具有显著性；而截距项的显著性检验不能通过（伴随概率0.334>0.05），从经济意义上考虑自发性消费是应该有的一部分，可以保留截距项；X系数的显著不为零，说明城市人均可支配收入对消费支出有显著影响；可决系数为0.9357也表明模型总体拟合较好。在方程（Equation）窗口中（图2-2-6），View（视图）、Estimate（估计）、Forecast（预测）、Stats（统计量）和Resids（残差）是常用的按钮，点击相应按钮可以执行相应的功能。图2-2-6模型估计结果5.残差项正态分布检验回归的残差项服从正态分布是建立模型的基本要求。在工作文件目录中双击resid序列，在打开的窗口中点击View/DescriptiveStatistics/HistogramandStats，如图2-2-7所示，可以得到柱状分布图、Jarque-Bera统计量和它的伴随概率等统计量，如图2-2-8所示。图中Jarque-Bera统计量的伴随概率（Probability）大于0.05，则认为残差服从正态分布。也可从偏度（Skewness）和峰度（Kurtosis）考察残差序列分布的特点，由偏度值0.7439可知，其概率分布为左偏（值为0是为对称分布）；由峰度值3.8902可知，其比标准正态分布的峰要高（值为0是标准正态分布）。另外，还可以在Resid序列窗口点击View/Graph或在方程窗口点击Resid按钮得到残差序列的线图，考察其变化规律，可以参考图1-1-12的相关操作。图2-2-7残差序列的随机项正态分布检验的对话框图2-2-8残差序列的柱状图及相关统计量图2-2-9建立工作文件二、建立我国财政收入模型（2-2-2.wf1）问题概述：研究中国1978～1997年的财政收入（Y）和国内生产总值（X）的数量关系。（单位：亿元）1.建立工作文件在命令窗口键入CREATE，弹出创建文件对话框，做如图2-2-9的设置。2.输入数据在命令窗口键入：DATAYX，即可打开群窗口，输入相关数据，如图2-2-10所示。图2-2-10命令方式建立群3.图形分析（1）在命令窗口键入PLOTYX，得到趋势图，也可参考图2-1-17的相关操作。（2）在命令窗口键入SCATXY，得到两个序列的相关图，如图2-2-11。图2-2-11财政收入(Y)与国内生产总值(X)的相关4.估计线性回归模型(1)命令方式LSYCX，与图2-2-4操作相同。(2)菜单方式①点击Quick\EstimateEquation，与图2-2-5操作相同。②在弹出的方程设定框内输入：YCX或Y=C(1)+C(2)*X，可参考图1-5.根据判定系数、残差图等进行综合分析图2-2-12图2-2-13残差、实际值和拟合值的线图由回归结果图2-2-13可知，，说明模型拟合很好。变量x的伴随概率为0.0000，说明x对y有显著的影响。由图2-2-13（在图2-2-12中点击Resids按钮可得）可知，模型拟合效果不错，残差呈现出随机波动的特点。6.Eviews函数的使用（1）常用函数（以@符号为起始符）①序列描述统计函数：均值[@MEAN()]；相关系数[@COR()]；协方差[@COV()]等。②分布函数：标准正态分布[@CNORM()]；t分布[@TDIST(x，v)]等。③分位数函数：t分位数[@QTDIST(p,v)]；f分位数[@QFDIST(p,v1,v2)]等。④回归统计函数（重点）：回归参数标准差[@STDERRS(i)]；回归系数[@COEFS(i)]；回归标准差[@SE]；回归可决系数[@R2]；残差平方和[@SSR]等。（2）用函数完成参数估计和预测区间的计算（在Eviews命令窗口内）seriesdifx=x-@mean(x)‘建立x与其均值的离差序列seriesdify=y-@mean(y)seriesdifx2=difx*difx‘计算离差平方seriesdifxdify=difx*dify图2-2-14序列的生成在Eviews命令窗口中，输入以上命令，得到如图2-2-14所显示的序列。图2-2-15参数的计算scalarb2=@sum(difxdify)/@sum(difx2)‘计算回归系数scalarb1=@mean(y)-b2*@mean(x)‘计算回归截距项根据公式和,计算出和。如图2-2-15所示。seriesforecasty=b1+b2*xseriese=y-forecastyseriese2=e*escalarsigma2=@sum(e2)/18‘求得方程方差scalarvarb2=sigma2/(@var(x)*20)‘求得回归系数方差scalarTb2=b2/@sqrt(varb2)‘求得T统计量scalartlinjie=@qtdist(0.975,18)‘求出95%置信水平下的T临界值scalary1998=b1+b2*78017.8‘已知1998年GDP为78017.8，预测1998年财政收入scalarfdown=y1998-tlinjie*@sqrt(sigma2)*@sqrt(1+1/20+(78017.8-@mean(x))^2/(@var(x)*20))‘计算1998年预测值的置信区间下限图2-2-16置信区间的计算求出1998年的预测值置信区间下限。如图2-2-16所示。根据公式：，可以得出1998年的预测值置信区间下限为8146.2890。（3）使用回归统计函数获取回归过程的中间结果在命令窗口键入Scalara=@SSR（将回归残差平方和的值赋给标量a）；或者Scalara=@Stderrs(2)（将第二个参数估计量的标准差赋给标量a），使用回归统计函数有利于更快捷地计算其他相关的统计量。【练习与作业】1.开放作业（需上机前做好准备）。利用网络搜索有关计量经济学的网站、实证论文，就感兴趣的某一问题及相关的实证论文，了解在实际经济背景下如何利用计量经济学软件建立计量经济学模型的全过程。要求如下：（1）将查阅的资料录入生成工作文件；（2）用三种不同的操作方式完成回归分析，保存回归结果；（3）对建立的模型进行经济理论检验、统计检验并对残差进行图形分析；（4）写出回归分析报告，与论文的分析结果进行对比。2.发生车祸次数与司机年龄有关吗？作为交通安全研究的一部分，美国交通部采集了每1000个驾驶执照发生死亡事故的车祸次数(number)和有驾驶执照的司机中21岁以下者所占比例(proportion)的数据，样本由42个城市组成(数据见电子附件LX2-2.wf1)。要求:（1）对这些数据做出数值的和图示的概述；（2）利用回归分析研究发生死亡事故的车祸次数和有驾驶执照的司机中21岁以下者所占比例之间的关系，结合分析结果展开同学间的讨论。（3）从你的分析中，你能得出什么结论或提出什么建议。3.利用1988年9个工业国的名义利率（Y）与通货膨胀率（X）的数据(数据见电子附件LX2-3.wf1),资料来源：原始数据来自国际货币基金组织出版的《国际金融统计》。分析下列问题：（1）以利率为纵轴、通货膨胀率为横轴做图；（2）用OSL进行回归分析，写出求解步骤；（3）如果实际利率不变，则名义利率与通货膨胀率的关系如何？4.研究深圳市1990～2001年地方预算内财政收入（Y）与国内生产总值(X)的关系（数据见电子附件LX2-4.wf1），资料来源:《深圳统计年鉴2002》，中国统计出版社。要求：（1）建立深圳地方预算内财政收入对GDP的回归模型；（2）估计所建立模型的参数，解释斜率系数的经济意义；（3）对回归结果进行检验，用命令方式计算参数估计量的置信区间和预测的置信区间；（4）若是2005年年的国内生产总值为3600亿元，用命令方式确定2005年财政收入的预测值和预测区间。

实验三多元和非线性回归模型【实验目的】本章是在第二章基础上的推广，仍然是学习计量经济学的重要基础。要求掌握多元线性回归模型的矩阵估计方法，理解模型的参数估计以及模型的统计检验与简单线性回归的区别；熟悉模型的非线性特征，掌握非线性模型的两类估计方法。在本实验结束后，学生能够根据所学知识，独立地选择实际经济问题，确定研究对象，按照计量经济分析的工作程序（即建立理论模型，收集统计数据，参数的估计和检验），最终写出研究分析报告。【实验内容】一、建立西部电力消费多元回归模型（2-3-1.wf1）二、建立中国税收收入多元回归模型（2-3-2.wf1）三、建立中国的生产函数（模型）（2-3-3.wf1）【实验步骤】一、建立西部电力消费多元回归模型（2-3-1.wf1）问题概述：研究西部各省份2002年电力消费量（Y，亿千瓦·小时）与国内生产总值（，亿元）、水电燃料价格指数（，%）的数量关系。1.用矩阵命令构造X和Y矩阵（见图2-3-1）；图2-3-1命令窗口中使用矩阵命令matrixmatrixy=@convert(y)‘将Y序列转换为矩阵类型seriesx1=1‘建立一个值为1的序列groupgroupxx1x2x3‘建立一个名称为groupx的数组，包括三个序列matrixmatrixx=@convert(groupx)‘将groupx数组转换为矩阵2.用矩阵运算函数完成对模型参数的估计（见图2-3-2）；matrixxx=@transpose(matrixx)*matrixx‘求出参数估计公式的前半部分matrixxy=@transpose(matrixx)*matrixy‘求出参数估计公式的后半部分matrixb=@inverse(xx)*xy‘得到参数矩阵图2-3-2矩阵运算函数双击工作文件窗口中的矩阵b，即可得到估计出的三个参数（图2-3-3），估计出的模型为：图2-3-3矩阵命令计算出的参数向量b3.用矩阵运算完成方程方差估计和可决系数的计算（见图2-3-4）。，多重可决系数参考公式（1-2-38）。matrixRSS=@transpose(matrixy)*matrixy-@transpose(b)*@transpose(matrixx)*matrixy‘计算残差平方和scalarsigma2=rss(1)/8‘计算方程方差matrixESS=@transpose(b)*@transpose(matrixx)*matrixy-11*@mean(y)^2matrixTSS=@transpose(matrixy)*matrixy-11*@mean(y)^2scalarr2=ESS(1)/TSS(1)图2-3-4回归方程方差由图2-3-4计算结果可知，回归方程的多重可决系数为0.9469，拟合效果较好。另外，还可以利用矩阵命令计算参数估计量的标准差和t统计量，进行显著性检验。图2-3-5模型的参数回归二、建立中国税收收入多元回归模型（2-3-2.wf1问题概述：研究我国税收收入增长的主要原因，建立税收收入（Y，亿元）和国内生产总值（，亿元）、财政支出（，亿元）、商品零售价格指数（，%）的回归模型。1.建立方程对象完成多元回归模型的参数估计可以参考图2-2-5的相关操作，在方程窗口输入YX2X3X4C，确定后即可得到回归分析结果（见图2-3-5）。2.作出残差图和查看模型表达式在方程对象窗口中，点击View，选择Actual，Fitted，Residual/ResidualGraph，便出现残差图（见图2-3-6）；点击View/Representations，得到估计方程的表达式，如图2-3-7所示；再点击View/EstimationOutput，返回显示回归结果。图2-3-6残差图估计的方程表达式式估计的方程表达式式图2-3-7估计方程的表达式3.对回归方程进行经济意义检验、拟合优度检验、F检验和t检验，并判断各检验的区别与联系（1）经济意义检验模型估计结果说明，在假定其它变量不变的情况下，当年GDP每增长1亿元，税收收入就会增长0.02207亿元；在假定其它变量不变的情况下，当年财政支出每增长1亿元，税收收入会增长0.7021亿元；在假定其它变量不变的情况下，当年零售商品物价指数上涨一个百分点，税收收入就会增长23.9854亿元。这与理论分析和经验判断相一致。（2）统计检验拟合优度：由图2-3-5中数据可以得到：，修正的可决系数为，这说明模型对样本的拟合很好。F检验：针对，给定显著性水平，在F分布表中查出自由度为k-1=3和n-k=21的临界值。由图2-3-5中得到，由于大于临界值，应拒绝原假设，说明回归方程显著，即“国内生产总值”、“财政支出”、“商品零售物价指数”等变量联合起来确实对“税收收入”有显著影响。t检验：给定显著性水平，查t分布表得自由度为n-k=21临界值。由图2-3-5中数据可得，与参数对应的t统计量分别为-2.7459、3.9566、21.1247、2.7449，其绝对值均大于临界值，这说明分别都应当拒绝原假设，也就是说，当在其它解释变量不变的情况下，解释变量“国内生产总值”、“财政支出”、“商品零售物价指数”分别对被解释变量“税收收入”Y都有显著的影响。4.对模型进行回归系数的区间估计并计算预测值的置信区间参数估计的置信区间：个别值预测区间：参考实验二的命令方式计算过程。三、建立中国生产函数（模型）（2-3-3.wf1问题概述：研究我国1980～2002年国内生产总值（GDP，亿元）、劳动投入（L，万人）、资本投入（K，亿元）的数量关系。1.建立我国柯布－道格拉斯生产函数2.用线性化方法和迭代估计法完成模型的参数估计方式1：转化成线性模型进行估计命令窗口键入命令：LSlog(GDP)Clog(L)log(K)‘取对数有助于克服异方差和自相关等问题（后续学习内容），可得分析结果（见图2-3-8）。图2-3-8转化为线性模型的估计结果方式2：迭代估计非线性模型在表达式窗口输入GDP=c(1)*L^c(2)*K^c(3)（见图2-3-9）。图2-3-9表达式窗口迭代过程中可以作如下控制：（1）在工作文件窗口中双击序列C，输入参数的初始值；（2）在方程描述框中点击Options，输入精度控制值（见图2-3-10），结果如下：①参数初值：0，0，0；迭代精度：10-3（见图2-3-11）；②参数初值：0，0，0；迭代精度10-5（见图2-3-12）；③参数初值：0，0，0；迭代精度：10-5，迭代次数1000（见图2-3-13）；④参数初值：0，0，0；迭代精度：10-5，迭代次数100（见图2-3-14）。图2-3-10迭代窗口图2-3-11迭代精度为和次数为500的回归结果图2-3-12迭代精度为和次数为500的回归结果图2-3-13迭代精度为和次数为1000的回归结果图2-3-14迭代精度为从4个回归结果中看出，C(2)的系数全都不显著，并且由图2-3-8结果中得出可决系数，都比迭代法的可决系数大，由此可见，采用线性化方法估计模型更为合适（在不考虑模型可能存在的自相关的情况下）。3.根据劳动和资本投入弹性值判断规模报酬情况。由图2-3-8可知，和，，所以可以初步判断该函数是规模报酬递增。四、Eviews中的矩阵运算函数简介1.矩阵的定义：Matrix；对称矩阵的定义：sym；向量定义：vector2.序列、群向矩阵的转换：Matrixy=@convert(x)3.矩阵的转置：＠transpose()4.矩阵逆的运算：＠inverse()【练习与作业】1.美国30所知名学校的MBA学生1994年基本年薪（ASP）、GPA分数（从1~4共四个等级）、GMAT分数以及每年学费（ATT）的数据。(数据见电子附件lx3-1.wf1)（1）建立一个多元回归模型，解释MBA毕业生的平均初职工资，并且求出回归结果；（2）如果模型中包括了GPA和GMAT分数这两个解释变量，先验地，你可能会遇到什么问题，为什么？（3）如果学费这一变量的系数为正、并且在统计上是显著的，是否表示进入最昂贵的商业学校是值得的。学费这个变量可用什么来代替？2.考察家庭月收入与购买耐用消费品的关系，用表示虚拟变量，取1时表示已购买，0表示没有购买，可用逻辑增长曲线建立计量模型。（数据见电子附件lx3-2.wf1）3.1960-1982年7个OECD国家（美国、加拿大、德国、意大利、英国、日本、法国）总的最终能源需求指数（）、实际的GDP（）、实际的能源价格()的数据，所有指数均以及970年为基准（1970=100），试建立模型对能源需求和两个影响因素间的关系进行分析。（数据见电子附件lx3-3.wf1）①运用柯布-道格拉斯生产函数建立能源需求与收入、价格之间的对数需求函数：②所估计的回归系数是否显著？用值回答这个问题。③解释回归系数的意义。④根据上面的数据建立线性回归模型：⑤比较以上两个模型的可决系数。⑥如果以上两个模型的结论不同，你将选择哪一个回归模型？为什么？

实验四多重共线性【实验目的】通过本实验，要求学生在理解计量经济模型中出现多重共线性的不良后果基础上，掌握诊断多重共线性和修正多重共线性的若干方法；与实验三紧密联系起来，利用若干变量建立多元回归模型过程中，要求学生能够独立分析和解决存在的多重共线性问题。【实验内容】一、我国财政收入影响因素分析（2-4-1.wf1）二、我国旅游市场发展影响因素分析（2-4-2.wf1）三、经典案例：工业增加值与三大产业固定资产投资的联系（2-4-3.wf1）【实验步骤】一、我国财政收入影响因素分析（2-4-1.wf1）问题概述：建立中国1978-2003年的财政收入（CS,亿元）对农业增加值(NZ，亿元)、工业增加值(GZ，亿元)、建筑业增加值(JZZ，亿元)总人口(TPOP，万人)、最终消费(CUM，亿元)和受灾面积(SZM，万公顷)的数量模型。1.建立回归模型，估计模型的参数图2-4-1估计回归模型的结果在EquationEstimation窗口输入CSCNZGZJZZRPOPCUMSZM，得到回归估计果，如图2-4-1所示。2.关注可决系数、F检验和t检验如图2-4-1可知：可决系数0.995，由此可知模型拟合很好；F统计量为632.10，并且F检验的伴随概率很小，方程具有显著性。而某些t检验伴随概率大于5%或更大，说明很有可能存在多重共线性。3.理论与现实相结合的经济意义分析经济意义检验时，经济变量间的变化是否与现实情况不符，如果有这种情况出现，应考虑模型可能存在多重共线性。如农业增加值和建筑业增加值的回归系数竟然是负的，这就是说，农业和建筑业的发展反而会使财政收入减少，这显然与理论分析和实际经验不符。4.多重共线性的一般判断经验值很大，方程的F统计量值很大，而且它的伴随概率很小，并且变量t检验的伴随概率大于0.05或者更大。二、我国旅游市场发展影响因素分析（2-4-2.wf1）问题概述：分析中国1994-2003年全国旅游收入（Y，亿元），国内旅游人数（X2，万人/次），城镇居民人均旅游支出（X3，元），农村居民人均旅游支出（X4，元），公路里程（X5，万km），铁路里程（X6，万km）的数量关系。图2-4-2多元回归模型的回归结果1.多元线性回归模型的参数估计模型形如，用Eviews估计结果如图2-4-2所示。2.从可决系数、F检验和t检验综合判断共线性如图2-4-2可知：可决系数，由此可知模型拟合很好；F统计量为173.3525，并且F检验的伴随概率很小。而两个回归系数的t检验伴随概率大于5%，很有可能存在多重共线性。3.用相关系数法、方差膨胀因子法和条件数法进行共线性诊断（1）相关系数检验在命令窗口键入CORX2X3X4X5X6，结果如图2-4-3所示。由相关系数矩阵可以看出，部分解释变量相互之间相关系数较高，存在多重共线性。图2-4-3各解释变量之间的相关系数（2）方差膨胀因子检验法①建立辅助回归方程图2-4-4辅助回归的估计在命令窗口依次键入以下命令，如图2-4-4所示，分别得出x2、x3、x4、x5和x6的辅助回归方程。LSX2LSX3CX2X4X5LSX4CX2X3X5X6…其中LSX2CX3X4X5X6的回归结果如图2-4-5图2-4-5x2的辅助回归结果而LSX3CX4X5X6，LSX4CX2X3X5X6，LSX5CX2X3X4X6，LSX6CX2X3X4X5的回归估计与X2的辅助回归估计类似，依此类推即可。图2-4-6x2的方差膨胀因子②求得方差膨胀因子以第1个解释变量x2为例，如图2-4-6的左下角可以看到x2的方差膨胀因子=17.8722。其他变量对应的方差膨胀因子可以依次类推。一般认为，方差膨胀因子大于10，模型中就存在严重的多重共线性，因此可以认为，该模型中存在严重的多重共线性。（4）用病态指数法检验多重共线性的存在（提示：使用@eigenvalues函数）图2-4-7病态指数病态指数的知识参考1.3.3。图2-4-7中的第四个命令行产生一个对称矩阵，第五行求得特征根向量，第六行计算出病态指数。由图2-4-7可知：病态指数CI=3078810.7975≥100，模型存在严重的多重共线性。4.用逐步回归法消除多重共线性先分别做Y对X2X3X4X5X6的回归，以最大者为基础，如表2-4-1所示。表2-4-1一元回归结果X2X3X4X5X6T统计量8.665913.15985.19676.46758.7487T值的概率0.00000.00000.00080.00020.0000R20.90370.95580.77150.83940.9054F统计量75.0970173.180227.005341.828076.5397F值的概率0.00000.00000.00080.00020.0000由表可以看出，x3方程的最大，以x3为基础，依次加入其它变量，进行逐步回归，如表2-4-2所示。表2-4-2加入新变量的回归结果（一）X2X4X5X6T统计量2.15120.85782.65840.4621T值的概率0.06850.41940.03250.6580R20.97340.96000.97800.9572表2-4-2表明，在x3的基础上,新加入变量x5方程的最大，并且T值的概率相对优于其他变量，选择x5。再次加入其他变量逐步回归的结果如表2-4-3所示。表2-4-3加入新变量的回归结果（二）X2X4X6T统计量0.42323.0677-0.8051T值的概率0.68690.02200.4515R20.97870.99140.9802表2-4-3表明，在x3、x5的基础上，新加入变量x4方程的最大，并且T值的概率相对优于其他变量，选择x4。再次加入其他变量逐步回归的结果如表2-4-4所示。表2-4-4加入新变量的回归结果（三）X2X6系数0.0075-480.6102T统计量0.5163-1.5349T值的概率0.62760.1854R20.99190.9942图2-4-8最后的回归结果表2-4-4表明，在x3、x5、x4的基础上,加入变量x2的，并且几乎没有多大的改进，而且T检验不显著；加入变量x6方程的T检验不显著，而且参数为负值不合理。这说明x2、x6引起多重共线性。此时，最后方程的回归结果如下，如图2-4-8所示。由图2-4-8可知参数估计模型估计结果为：t=(-8.2461)(3.9450)(3.0677)(4.6930)F=231.7935DW=1.9526这说明，在其他因素不变的情况下，当城镇居民人均旅游支出和农村居民人均旅游支出分别增长1元，公里路程每增加1万km时，国内旅游收入将分别增长4.22亿元、3.22亿元和13.63亿元。三、经典案例：工业增加值与三大产业固定资产投资的联系（2-4-3.wf1）背景资料：工业增加值与三大产业固定资产投资存在着紧密的联系。工业增加值包含重工业增加值和轻工业增加值。重工业增加值以当月重工业增加值点工业增加值的比重来衡量，三大产业固定资产投资以各产业固定资产投资占当月全部固定资产投资的比重来衡量（数据见2-4-3.wf1）问题概述：假设Y表示当月重工业增加值占同月工业增加值的比重（%），X1表示第一产业固定资产投资占当月全部固定资产投资的比重（%），X2表示第二产业固定资产投资占当月全部固定资产投资的比重（%），X3表示第三产业固定资产投资占当月全部固定资产投资的比重（%），为随机扰动项。试建立模型：模型1：模型2：从不同的角度分析，可能会有不同的结论！1.模型1：的回归结果见图2-4-9所示。2.模型2：的回归结果见图2-4-10所示。从共线性的角度分析来看这两个模型的分析结果（图2-4-9和图2-4-10），其中模型1：变量x1和x2的伴随概率很小，F统计量为91.0001。模型2：变量x1和x2的伴随概率小于相对于模型1有所增大；F统计量为52.7526，相对于模型1有所减小模型1的可决系数；模型2的可决系数。如果仅从模型拟合效果来看，或者从模型的预测功效来看，模型2优于模型1。虽然模型2中存在一定程度的共线性，但如果更强调模型的预测应用效果，那么，关注拟合效果（可决系数）比这种共线性更有意义。图2-4-9模型1的回归结果图2-4-10模型2的回归结果【练习与作业】1.已知美国1971－1986年间的年数据，(数据见电子附件LX4-1.wf1)，其中，y为售出新客车的数量（千辆）；x1为新车，消费者价格指数，1967＝100；x2为所有物品所有居民的消费者价格指数，1967=100；x3为个人可支配收入（PDI，10亿美元）；x4为利率；x5为城市就业劳动力（千人）。考虑下面的客车需求函数：Lny=b0+b1lnx1+b2lnx2+b3lnx3+b4lnx4+b5lnx5+u（1）用OLS法估计样本回归方程。（2）如果模型存在多重共线性，试估计各辅助回归方程，并找出哪些变量是高度共线性的。（3）如果存在严重的共线性，你会剔除哪一个变量，为什么？（4）在剔除一个或多个解释变量后，最终的客车需求函数是什么？这个模型在哪些方面好于包括所有解释变量的原始模型？（5）你认为还有哪些变量可以更好地解释美国的汽车需求？2.某公司经理试图建立识别对管理有利的个人能力模型，他选取了15名新近提拨的职员，作一系列测试，确定他们的交易能力（x1）、与其他人联系的能力（x2）及决策能力（x3）。每名职员的工作情况(y)(数据见电子附件LX4-2.wf1)依次对上述三个变量作回归，解决下列问题：（1）建立三元线性回归模型，并进行回归分析。（2）模型是否显著。（3）计算方差膨胀因子，并判断是否存在多重共线性。

实验五异方差性【实验目的】异方差是计量经济建模过程中常见的问题。通过本实验要求：在理解异方差性概念和异方差对OLS影响的基础上，掌握进行异方差检验和处理的方法。熟练掌握和运用Eviews软件的White、Glejser和Arch等异方差检验方法和异方差的处理办法——加权最小二乘法。【实验内容】一、四川各地区医疗机构数和人口数的关系分析(2-5-1.wf1)二、新疆城镇居民人均消费和收入的关系分析（2-5-2.wf1）三、经典案例：模型的突变点检验和稳定性（2-5-3.wf1）【实验步骤】一、四川各地区医疗机构数和人口数的关系分析(2-5-1.wf1)问题概述：分析四川省2000年各地区医疗机构数（Y，个）和人口数量（X，万人）的数量关系1.建立字符型的序列alpha序列的建立：主菜单Object/NewObject，在弹出窗口中选择alphaseries，如图2-5-1所示。进而输入各地区汉字名称。图2-5-1建立alpha序列对话框2.用图形诊断异方差（1）图形的观察和分析观察Y、X相关图：命令窗口键入SCATXY；观察Y、X的线性相关图：主菜单Quick/graph/XYLine。图形有明显的转折点，如图2-5-2和图2-5-3所示。图2-5-2Y和X的线性相关图图2-5-3Y和Xline图图2-5-4残差分析图（2）残差分析命令窗口键入LSYCX，再在方程窗口上点击Rseidual按钮，判断残差是否存在明显的波动和转折，如图2-5-4所示。残差图波动较大，呈现两头大，中间小，异方差存在的可能性较大。3.Goldfeld-Quant检验法诊断异方差SORTX‘样本排序SMPL18LSYCX‘计算第一组残差平方和，检验结果见图2-5-5SMPL1421LSYCX‘计算第二组残差平方和，检验结果见图2-5-6图2-5-5第一组回归结果图2-5-6第二组回归结果计算F统计量，判断异方差性。基于图2-5-5和图2-5-6中残差平方和的数据，即Sumsquaredresid的值。由图2-5-5得到的残差平方和为，由图2-5-6得到的残差平方和为，根据Goldfeld-Quanadt检验，F统计量为上式中分子、分母的自由度均为6，查F分布表得临界值为，因为，所以拒绝无异方差的原假设，表明模型确实存在异方差。二、新疆城镇居民人均消费和收入的关系分析（2-5-2.wf1）问题概述：分析新疆1980-2007年城镇居民家庭人均消费Y和收入X的数量关系。（一）White、Glejser检验和异方差的处理1.White检验命令窗口键入LSYCX，得到方程估计结果。在方程窗口上点击：View\ResidualTests\HeteroskedastcityTests，弹出HeteroskedastcityTests对话框，选中White，点击OK，见图2-5-7。再由概率值判断异方差性，见图2-5-8。图2-5-7White检验对话框图2-5-8White检验结果从图2-5-8可看出，的伴随概率小于0.05，应拒绝不存在异方差的原假设，表明模型显著存在异方差。2.Glejser检验图2-5-9绝对残差与X的回归分析结果选择解释变量的不同函数形式与残差绝对值进行回归，若能发现某种函数形式对残差绝对值有显著影响，则认为模型存在异方差。在命令窗口执行以下三条命令：LSYCXGENRE1=ABS（resid）‘将回归残差的绝对值赋给新序列E1LSE1CX回归结果如图2-5-9所示，X的伴随概率为0.1157，表明X对残差绝对值的影响不显著。图2-5-10Estimate按扭对话框再在方程窗口中点击Estimate按扭，然后在方程描述框中依次输入下列方程（见图2-5-10）：E1CX^2(检验结果见图2-5-11）E1CX^(-2)(检验结果见图2-5-12）E1C1/X(检验结果见图2-5-13）图2-5-11E1CX^2的回归结果图2-5-12E1CX^(-2)的回归结果图2-5-13E1CX^(-1)的回归结果根据值和t值确定最显著的异方差类型模型。从四个回归的结果看，第一和第二个不显著，后两个显著，比较后两个回归结果，选择的Glejse方程为：，原模型存在显著的异方差。3.进行加权最小二乘法处理（1）计算权数变量在命令窗口键入以下命令，取四种权数进行加权最小二乘回归。GENRW1=1/X根据Gleiser检验结果GENRW2=1/X^2根据Gleiser检验结果GENRW3=1/E1取权数变量为1/||GENRW4=1/E2取权数变量为1/（2）WLS估计在EquationEstimation窗口中定义模型YCX，然后选择Options选项卡，在WeightedLs前复选框上打勾，依次输入W1、W2、W3、W4，可得四个回归结果，这里以1/为例，加权最小二乘回归结果见图2-5-14。可决系数由0.9838提高到0.9998，模型的拟合优度由于加权最小二乘而得到了进一步提高。图2-5-14权数W2=1/e^2的回归结果4.再次诊断异方差可直接对WLS处理后的残差项进行异方差检验，例如选择White检验法，经过加权后的模型能有效克服异方差问题，检验结果见图2-5-15。图2-5-15White检验结果由图2-5-15可知，的伴随概率为0.6331，远大于0.05，应该接受原假设，模型不存在异方差，经过加权后，模型消除了异方差。（二）arch检验EquationEstimation窗口中定义模型为YCX，在回归结果的方程窗口上选择View\ResidualTest\ArchLMtest（见图2-5-16），在对话框进行滞后期的选择，分别选1、2、3，对结果进行对比，判断是否存在明显的异方差。检验结果见图2-5-17，图2-5-18和图2-5-19。图2-5-16Arch对话框图2-5-17滞后期=1的回归结果图2-5-18滞后期=2的回归结果图2-5-19滞后期=3的回归结果从图2-5-17，图2-5-18和图2-5-19检验结果看出，模型不存在异方差。最终可以结论为：该模型不存在自回归条件下的异方差,但存在其他形式的异方差。三、经典案例：模型的突变点检验和稳定性（2-5-3.wf1）问题概述：中国农用汽车拥有量和城镇居民家庭人均可支配收入关系稳定吗？根据1985～2002年中国家用汽车拥有量（，万辆）与城镇居民家庭人均可支配收入（，元）建立计量经济模型进行分析。1.图形分析从散点图看（见图2-5-20），1996年有一个明显的转折，当城镇居民家庭人均可支配收入突破4838.9元后，城镇居民家庭购买家用汽车的能力大大提高，那么，1996年是不是一个突变点？即将资料分为两段，分别回归，两个模型是否存在显著的差异。可以用Goldfeld-Quant检验法进行验证，如果存在异方差，说明可能存在这个转折点（突变点），模型所表达的关系是不稳定的。因而，可以进一步验证1996年为突变点。图2-5-20散点图2.异方差检验操作步骤与实验内容一相似，定义两个样本，即1985～1992和1995～2002。从两个回归结果中得到和，，可以确定模型存在严重的异方差问题，应该进一步做突变点的验证。3.突变点检验。图2-5-21菜单窗口图2-5-22ChowTests对话框图2-5-23检验结果将样本范围重新设定为1985～2002年，在简单线性回归后的方程对象窗口中，单击View功能键，选Stabilitytests/ChowBreakpointTest功能（图2-2-21），结合以上的图形分析，在ChowTests的第一个文本框键入1996，第二个文本框键入c和x（图2-5-22），确定后即可得邹检验结果，如图2-5-23所示，三个统计量的伴随概率都远远小于0.05，可以认为1996年是一个明显的突变点。将1996年后的时间段作为预测期，选Stabilitytests/ChowForcastTest功能，也可以判断回归参数是否发生的显著变化（是否稳定）。可见异方差的问题与模型稳定性问题往往是相伴的。另外，还可以引入虚拟变量对模型结构稳定问题进行研究，相关内容参考实验八。【练习与作业】1.假定在家计调查中得出一个关于家庭收入（）和每年生活必需品综合支出（）的横截面样本，数据如下表：表2-5-1Xi11.21.41.61.82.02.22.42.73.03.33.53.84.0Yi0.80.80.91.21.41.21.71.52.12.42.22.12.33.2根据表中数据：（1）用普通最小二乘法估计线性模型（2）用适当的检验法进行异方差检验。（3）用加权最小二乘法对模型加以改进。2.1995年北京市规模最大的20家百货零售商店的商品销售收入（）和销售利润（）的统计资料（单位：千万元）（数据见电子附件lx5-2.wf1）。（1）根据y,x的相关图分析异方差性（2）利用怀特检验、ARCH检验和戈里瑟检验进行异方差检验（3）利用WLS法估计利润函数3.试分析美国1988年工业部门R&D支出费用Y和销售额、销售利润的统计资料（单位：百万美元）的数量关系（数据见电子附件lx5-3.wf1）。试分析下列问题：（1）分别利用线性模型和双对数模型建立研发费用模型，比较模型的统计检验结果和异方差的变化情况。（2）检验模型的异方差性。（3）对于双对数模型，分别取权数变量为W1＝1/P、W2=1/RESID^2，利用WLS重新估计模型，分析模型中异方差性的校正情况。

实验六自相关性【实验目的】通过本实验要求：在理解自相关的基本概念、自相关导致的严重后果的基础上，掌握诊断自相关存在的方法和修正自相关的方法。能够熟练使用Eviews对实际经济问题独立进行自相关的诊断与处理。经过第四、五、六章的学习，学生可自己选择一个实际经济问题，建立模型，并判断和解决可能存在的上述问题。【实验内容】一、我国城乡居民储蓄余额与GDP指数的关系分析（2-6-1.wf1）二、我国GDP与进口总额的关系(2-6-2.wf1)三、经典案例：新疆消费需求的影响因素分析(2-6-3.wf1)【实验步骤】一、我国城乡居民储蓄余额与GDP指数的关系分析（2-6-1.wf1）问题概述：分析我国1978-2007年城乡居民储蓄存款年底余额（Y，亿元）与GDP指数（1978=100）的数量关系。1.学生可将数据补齐至2007年数据从1978至1998年，要求学生查阅中国统计年鉴，补充相应数据至2007年，同时，了解学校图书馆的统计年鉴状况。2.模型的设定（尝试多种函数）（1）线形模型。命令方式执行LSYCX，如图2-6-1所示。图2-6-1线形模型的回归结果（2）双对数模型。命令方式执行LSlog(Y)Clog(X)，如图2-6-2所示。图2-6-2双对数模型的回归结果（3）对数模型。命令方式执行LSYClog(X)，如图2-6-3所示。图2-6-3对数模型的回归结果（4）指数模型。命令方式执行LSlog(Y)CX，如图2-6-4所示。图2-6-4指数模型的回归结果（5）二次多项式模型。命令方式执行LSYCXX^2，如图2-6-5所示。图2-6-5二次多项式模型的回归结果根据判定系数、残差图等分析结果，双对数模型和二次多项式模型的统计检验结果较好。他们的判定系数分别为和，t值的伴随概率显著。由于原始变量y、x数据呈现指数变化，宜选择双对数模型，继续进行以下分析。3.自相关性的诊断（1）残差图分析。双对数回归模型残差项呈现有规律的波动（图2-6-6），预示着可能存在自相关。图2-6-6残差图分析（2）DW检验。观察回归结果中的DW统计量（图2-6-2）。查DW分布表，DW=0.1290<，可判定双对数模型存在正自相关。（3）偏相关系数检验。在图2-6-2所在的方程对象窗口单击View键功能，选择Residualtests/correlogram-Q-statistics，在弹出的对话框中输入滞后期12。结果如图2-6-7所示，残差序列是非平稳序列，根据PACF（偏自相关）图判断可能存在自相关问题图2-6-7偏相关系数检验（4）BG检验（LM检验）（进一步检验高阶自相关）图2-6-8LM检验方程对象窗口单击View键功能，选择Residualtests/serialcorrelationLMtest，在弹出的对话框中输入要验证的自相关阶数，例如选择2（可做多次更高阶数的选择），确定后根据F统计量和的伴随概率，判断是否存在高阶自相关。如图2-6-7所示，F值的伴随概率小于0.05，可以认为存在高阶自相关。4.自相关的处理（1）广义差分法做一阶自相关的处理，命令方式执行如下命令，结果如图2-6-9所示。serieslny=log(y)serieslnx=log(x)seriesdlny=lny-0.9355*lny(-1)‘产生差分序列，0.9355如何计算？seriesdlnx=lnx-0.9355*lnx(-1)dlny(1)=@sqrt(1-0.9355^2)*lny(1)‘定义差分序列的初始值dlnx(1)=@sqrt(1-0.9355^2)*lnx(1)lsdlnycdlnx图2-6-9广义差分的回归结果图2-6-9显示广义差分回归结果中的DW=0.8814<，仍存在正自相关，为什么？（因为可能存在高阶自相关。双对数模型的DW值不适用于高阶自相关的检验，原模型存在一阶自相关的结果有可能是错误的）。（2）C－O迭代法①命令方式执行LSlnyclnxar(1)ar(2)，即设定模型存在2阶自相关，结果如图2-6-10所示，我们可知LNX的t值伴随概率大于0.05，这与常理不符，可以考虑建立更高阶自相关的回归模型。图2-6-10二阶自相关的回归结果②命令方式执行LSlnyclnxar(1)ar(2)ar(3)，即设定模型存在3阶自相关，结果如图2-6-11所示，各个系数都显著不为零，而且模型拟合效果也很好，说明模型存在三阶自相关。图2-6-11三阶自相关的回归结果由以上分析可知，我国城乡居民储蓄余额与GDP指数的关系模型存在三阶自相关，最终模型可确定为：在回归结果中，AR（1）、AR（2）、AR（3）的系数就是三个自相关系数。5.两种方法处理效果对比在这个模型中，由于存在高阶自相关，从拟合优度、显著性检验等多个方面来看，C-O迭代法的效果比广义差分法（一阶）更好。二、我国GDP与进口总额的关系(2-6-2.wf1)问题概述：分析1985-2003年中国实际进口额（Y，亿元）和实际GDP（X，亿元）的数量关系。1.自相关诊断（残差图分析和DW检验）（1）残差相关图分析命令方式执行lsYcX，可得回归结果和残差序列。继续命令方式执行SCATRESIDRESID（-1），得相关散点图（图2-6-13）。由图可知，残差序列（RESID）与其滞后一期的序列（RESID（-1））存在一定程度的正相关（同方向变动），因此，残差序列存在某种程度的正自相关问题。图2-6-13残差的相关图（2）DW检验Y与X的简单线性回归结果如图2-6-12所示。N=19，在0.05的显著性水平下，查DW统计表可知，DW=0.5239<，模型存在正自相关。也可对原序列求自然对数后，再进行简单回归，DW=0.4501（图2-6-14）。图2-6-12我国1985-2003年GDP与进口总额的回归结果2.一阶自相关系数的确定（DW法和杜宾两步法）（1）DW法。根据公式计算一阶自相关系数，如图2-6-14可知：。图2-6-14由DW值计算（2）杜宾两步法。以命令方式执行lslnyclny(-1)lnxlnx(-1)，结果中的lny(-1)的参数估计值就是一阶自相关系数。如图2-6-15可知：。图2-6-15一阶自相关系数的计算3.自相关的处理（1）广义差分法在广义差分过程中，对缺失的初始值进行补充，公式如下：，，此种变换叫做普瑞斯-文思（Prais-Winsten）变换。图2-5-16广义差分的结果由图2-5-16可知，广义差分后，DW=0.5242<。自相关处理效果不理想，模型可能存在高阶自相关。BG检验（LM检验）可以验证确实存在高阶自相关。（2）C-O迭代法①一阶自相关的处理命令方式执行LSlnyclnxar(1)，结果如图2-6-17所示。图2-6-17AR（1）回归的的结果②二阶自相关的处理命令方式执行LSlnyclnxar(1)ar(2)，结果如图2-6-18所示。图2-6-18AR（2）回归的的结果对比图2-6-17和图2-6-18可知：二阶自相关模型的拟合优度更好，BG检验（LM检验）效果也更好，因此，应该选择二阶自相关模型（模型方程形式参考实验内容一）。三、经典案例：新疆消费需求的影响因素分析背景资料：消费问题在近两年成为一个焦点问题，刺激消费成为拉动经济增长的有效手段。由于经济发展的外部环境和内部环境变化，将刺激消费、扩大内需确定为经济增长的基本立足点和长期发展策略，具有重要的现实意义。影响人均居民消费的主要影响因素可能有以下几个方面：前期人均居民消费（x1）、人均国内生产总值（x2）、全省商品零售价格指数（x3）、中国人民银行一年期储蓄存款利率（x4）。(数据见电子附件2-6-3.wf1)要求：通过计量分析，确定影响新疆消费需求的主要因素，针对实验四、五和六涉及内容的进行较综合的实验。1.共线性分析（1）多重共线性的检验图2-6-19多元回归结果由图2-6-19我们可以看出，可决系数，模型拟合效果很好；F统计量为383.6059，并且F检验的伴随概率很小；而变量x3和x4的t检验伴随概率大于5%，很有可能存在多重共线性。（2）逐步回归法消除多重共线性（反向逐步回归）前面的实验中选择了正向逐步回归，这里选择反向逐步回归法做实验。先分别做Y对X1X2X3X4的回归。如表2-6-1所示表2-6-1Y对每个解释变量的回归CX1X2X3X4T统计量-1.02752.31423.22612.11990.3051T值的概率0.32630.04100.00810.05760.7660先逐次剔除不显著的变量，由表2-6-1可知，可以将截距项和X4予以剔除，回归结果如表2-6-2所示，模型1为：，DW=1.8558。表2-6-2剔除变量X1X2X3T统计量4.27774.64014.9362T值的概率0.00090.00050.0003也可尝试将截距项和X3予以剔除，回归结果如表2-6-3所示，模型2为：，DW=1.6874。表2-6-3剔除变量的回归结果（二X1X2X4T统计量9.25643.01983.7607T值的概率0.00000.00990.0024经表2-6-2和表2-6-3比较，反向逐步回归可以停止，模型1的拟合优度比模型2高，模型1的DW=1.8558>，模型不存在一阶自相关，而模型2无法判定是否存在自相关，因为<DW=1.68747<。所以，可以选择模型1作为回归模型，结果如图2-6-21所示。3.异方差分析图2-6-20White检验对上述模型回归结果的残差进行异方差White检验。从图2-6-20可以看出，F和统计量的伴随概率均远大于0.05，模型不存在异方差。4.自相关性分析由图2-6-21可知<DW=1.8558<，确定模型不存在一阶自相关。根据图2-6-22的偏自相关图和LM检验，均接受无自相关的假定。因此，模型不存在自相关问题。图2-6-21Y对X1X2X3的回归结果图2-6-22自相关检验图综合以上分析，最后模型估计的结果为：，DW=1.8558。方程总体显著，解释变量对被解释变量的影响显著，拟合优度较高。可决系数，说明这三个变量的变动能解释人均消费水平99.20%的变动，模型解释能力较强。由于我国实行固定利率制度，利率不是通过市场调节的，所以人均居民消费与一年期储蓄存款利率无密切关系。同样，商品零售价格也没有发挥其市场作用，与人均居民消费呈现正相关。可见，包括保持经济增长（人均国内生产总值（x2））和消费贯性的形成（前期人均消费）在内的方法是在制定拉动消费对策中应该重点考虑的。【练习与作业】1.在用广义差分法消除一阶自相关过程中，由于差分会将丢失一个观察值。为避免观察值的丢失，我们可对第一组观察值作如下变换：，，此种变换叫做普瑞斯-文思特（Prais-Winsten）变换。利用美国1968-1987年进口支出（y）与个人可支配收入（x）的数据，掌握在广义差分法消除一阶自相关过程中补充缺失值的方法,数据见电子附件LX6-1.wf1（单位：10亿美元，1982年为基期）。请回答以下问题：（1）利用表中数据估计模型；（2）是否存在自相关？如果存在，请用DW的估计值估计自相关系数ρ；（3）用广义差分法重新估计模型：；（4）应用杜宾两步法估计ρ的方法，解决第（3）问。2.已知某上市公司的子公司的年销售额与其总公司年销售额的观测数据(数据见电子附件LX6-2.wf1)，请回答以下问题：(1)用最小二乘法估计关于的回归方程；(2)用D.W.检验分析随机项的一阶自相关性；(3)用Durbin两步法估计回归模型的参数；(4)用广义差分法估计回归模型的参数。3.已知美国股票价格指数（y）和GNP（x）数据(数据见电子附件LX6-3.wf1)，请回答以下问题：（1）利用OLS估计模型；（2）根据DW统计量确定在数据中是否存在一阶自相关；（3）如果存在一阶自相关，用DW值来估计自相关系数；（4）利用估计的自相关系数值，用OLS法进行广义差分估计；（5）利用一阶差分法进行参数估计。比较（4）和（5）的回归结果，你能得出什么结论？在变换后的模型中还存在自相关吗？

实验七滞后变量模型【实验目的】本章是一般线性回归模型的扩展部分--动态计量经济建模。通过本实验要求：在了解分布滞后模型与自回归模型的区别与联系基础上，掌握利用Eviews软件进行分布滞后模型的参数估计方法；在区别库伊克模型、自适应期望模型和局部调整模型三种模型的基础上，尝试进行自回归模型的参数估计，并掌握处理随机解释变量问题的工具变量法。【实验内容】一、库存函数及其模型分析（2-7-1.wf1）二、货币供应量与物价指数模型分析（2-7-2.wfl）三、我国消费与GDP关系的模型分析（2-7-3.wf1）【实验步骤】一、库存函数及其模型分析（2-7-1.wf1）问题概述：分析1955-1974年美国制造业库存量（Y，亿美元）和销售额（X，亿美元）的数量关系（滞后销售对库存量有影响）。1.经验加权法用递减滞后结构、∧型滞后结构和不变滞后结构分别进行加权，在Eviews中命令方式执行如下三条命令，产生三个新的线性组合变量：Genrz1=X+(1/2)*X(-1)+(1/4)*X(-2)+(1/8)*X(-3)‘递减滞后加权Genrz2=(1/4)*X+(1/2)*X(-1)+(2/3)*X(-2)+(1/4)*X(-3)‘∧型滞后加权Genrz3=(1/4)*X+(1/4)*X(-1)+(1/4)*X(-2)+(1/4)*X(-3)‘不变滞后加权再用Y与产生的三个新变量分别回归，选取最佳的模型即可。2.阿尔蒙法（1）分析滞后期长度：①互相关分析命令方式执行CROSSYX；或在Y和X的数组对象窗口中，单击View功能键，选择crosscorrelation(2)，进而再选择滞后长度，就可以做互相关分析了（见图2-7-1）。（注意与自相关分析图的区别）②确定滞后期长度根据临界值（虚线）判断（图2-7-1），滞后3期后，互相关系数进入了临界域，可以确定滞后期长度为3。图2-7-1X和Y的互相关图（2）命令方式进行阿尔蒙计算①Almon变换多项式的次数m一般取值小于滞后长度k，这里取m=2。如图2-7-2所示，在命令窗口中利用阿尔蒙多项式进行计算。GENRZ0=X+