《宏观经济学〉实验指导手册

西安交通大学

经济与金融学院

《宏观经

实验指导手册 ........................................................ 4

1.1 实验一：分析影响我国城镇

1.1.1 实验目的 ............................................... 4 1.1.2 实验设备 ............................................... 4 1.1.3 实验内容 ............................................... 4 1.1.4 实验原理 ............................................... 4 1.1.5 实验步骤 ............................................... 4 1.1.6实验结果 ................................................ 5 1.2 实验二：分我国消费、

1.2.1 实验目的 ............................................... 5 1.2.2 实验设备 ............................................... 5 1.2.3实验内容 ................................................ 6 1.2.4实验原理 ................................................ 6 1.2.5验步骤 ................................................ 6 1.2.6实验结果 ................................................ 6 1.3 实验三：财政收入、支

1.3.1 实验目的 ............................................... 7 1.3.2 实验设备 ............................................... 7 1.3.3 实验内容 ............................................... 7 1.3.4 实验原理 ............................................... 7 1.3.5 实验步骤 ............................................... 8 1.3.6 实验结果 ............................................... 8 1.4 实验四：货供给变动对我国经济波动的影响 .... 错

1.4.1 实验目的 ............................................... 9 1.4.2 实验设备 ............................................... 9 1.4.3 实验容 ............................................... 9 1.4.4 验原

1.4.5 实验步骤 .............................................. 10 1.4.6 实验结果 .............................................. 10

实验指导手册

1.1 实验一：分析影响我国

1.1.1 实验目的

1. 加深对消理论相关理

2. 对我国居民消费问题、政府的关经济政策有定程度的认识。 1.1.2

软件：Eviews5.1 Windows XP 1.1.3 实验内容

选取我国1978-2004年的经验数据，使用Eviews软、采用简单一回归方估计我国对城镇居民人均可配收入、人均费支出进行分，并进行预测。 1.1.4 实

从消费函数理论的发展轨迹来看,早期的理例如绝对收入假说、相收入假说等认为消费是现期收入的函数，持久收入理、生命周期理论则注重居民消的长期安排，而预防储蓄理论、缓冲库存储蓄理论等新的消费函数理强调不确定性对居民消费函影响。这些理论强调的侧点虽各有所异，都强调了收入对费的决定性用，认同收入与消费之间在长期均衡短期波的关系。根据这样的思想，本运中国城镇居民的消费、收数据考察改革开

1. 根据有关消费理论，选

2. 从网络或者关的统计年鉴

3. 使用Eviews 5.1进行有关数的处理估计，得计量结果； 4. 对于结果进行分析、解释。 1.1.6实验

Dependent Variable: COM Method: Least Squares Date: 05/06/07 Time: 06:36 Sample: 1978 2004 Included observations: 27

Variable Coefficient Std. Error t-Statistic Prob. C 296.5697 41.28357 7.183723 0.0000 YD 0.740646

0.009853

75.16979

0.0000 R-squared

0.995595 Mean dependent var 2607.560 Adjusted R-squared 0.995419 S.D. dependent var 2115.265 S.E. of regression 143.1692 Akaike info criterion 12.83712 Sum squared resid 512435.4 Schwarz criterion 12.93311 Log likelihood -171.3011 F-statistic 36615.52 Durbin-Watson stat

0.723288 Prob(F-statistic)

0.000000

1.2 实验二：我

1.2.1 实验目的

1. 掌握GDP增长、消费、资本形的相关理论知； 2. 学习进一步了解相的计量分析方法和软

3. 重点分析我国GDP增长与消、资本形成之存在的关系。 1.2.2

软件：Eviews5.1 Windows XP

1.2.3实验内容

选取我国1978-2005年的经验数据，使用Eviews软件、采用多元回归方程重点分析我国GDP增长与消费、资本形成之存在的关系。 1.2.4实

按照凯恩斯国民收入决定理论，消费、资是总需求的重组成部分，也是动经济增长的重因素。 2. 消费

消费是当前收入、未来收入、财富、利率等因的函数。消费的变较为平稳，其增长GDP增长也具有著的影响。 3. 投资

投资是引起经济波动的主要宏观经变量，也是动一国经济增

1. 根据相关经济理设计计量模型； 2. 对

3. 对各变量进行平稳性检； 4.

5. 对

1.2.6实验结果

Dependent Variable: GDP Method: Least Squares Date: 05/21/07 Time: 16:46 Sample: 1978 2005 Included observations: 28 Variable C CONS

Coefficient Std. Error -377.9786 296.4266 0.956922 0.037938

t-Statistic -1.275117 25.22323

Prob. 0.2140 0.0000

CAP R-squared

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

1.149290 0.051512 22.31102 0.0000 52345.13 53430.11 16.80521 16.94795 36615.52 0.000000

0.999659 Mean dependent var 0.999631 S.D. dependent var 1025.761 Akaike info criterion 26304643 Schwarz criterion -232.2730 F-statistic 1.463160 Prob(F-statistic)

1.3 实验三：财收入、支出对

1.3.1 实验目的

1. 掌握和理财政政策的变

4. 了解在不同的经济环境下政财政政策的选方案和效果。 1.3.2

软件：Eviews5.1 Windows XP 1.3.3 实验内容

根据IS-LM模型和财政政策的相关理论知识，选1978～2005 年的年度数、建普通线性模和双对数模型，重点估计我国政收入、支出变化对GDP增长的影响方向和程度。 1.3.4 实

以IS-LM理论为基础，分析财政政策如何影响国民收变动。在三门经济模型中，IS线是据国民收入均条件I＋G=S+T推导出来的，因此I、G、S、T中任何一个因素变都会引起IS曲线移动，进而引起国民收入

关于财政收入及支出如何响IS曲线移动，以通过以

Y=C+I+GC=a+b(Y-T

)I=I0 -drT=T0

a+I0+G-bT0

1-ba+I0+G-bT0

dr1-b1-bdY

从上述公式可以看出，当政府支出G变动时，国民收变动量△Y=△G/1－b；当税T变动国民收入动量为△Y=b△T/1-b，中1/1-b政府支出乘数，b/1-b为税收乘数。 1.3.5 实

1. 根据IS-LM模型和政政策的相关理论知识，选取GDP

解释变量，财政收入增长率和财政支出增长率为解变量建普通线性模和双对数模型； 2. 对数据进行处理； 3. 对变量进行单位根检

4. 采用EViews 5.1 模型进行估计； 5. 对结果行分析、解释。 1.3.6 实验

Dependent Variable: GDPR Method: Least Squares Date: 05/21/07 Time: 11:16 Sample: 1978 2005 Included observations: 28

Variable TER

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood

Coefficient 0.555229

Std. Error 0.056947

t-Statistic 9.749935

Prob. 0.0000 10.04286 2.846248 6.088943 6.136521 0.816044

-2.077143 Mean dependent var -2.077143 S.D. dependent var 4.992827 Akaike info criterion 673.0647 Schwarz criterion -84.24520 Durbin-Watson stat

1.4 实验四：币供给变动

1.4.1 实验目的

1. 理解和掌握币供给的变动对

2. 通过实验了解不同的经济环境政府货币政策的择方案和效果。 1.4.2

软件：Eviews5.1 Windows XP 1.4.3 实验内容

以凯恩斯理论、IS-LM模型和货币政策理论为基础，建VAR模型，采用我1979-2005年币供给量、投和GDP的数据考察货币供给量变对经济波动的影，验证我国货币政策效果。 1.4.4 实验原理 1. 凯恩

凯恩斯认为货币当局通过改变货币供给量影人们的灵活偏好即币需求，进而影利率、影响真实经的波动。货币需求函数

=L1(Y)+L2(r)

在凯恩斯模型中，金融市场只有长期债券和现金两种融资产，可以相互替。在这一假定条件下，凯恩斯关货币供给变对真实经济的影响过程具

↑?r↓?I↑?Y↑

2. IS-LM模型

产品市场

C=a+bYd

I=I0-dr G=G0T=T0+tY

IS曲线：Y=

a+I0+G-bT0-dr

1-b(1-t)

货币市场L1=kY

曲线：

L2=-hr

L=L1+L2M

IS-LM斯模型中币供给变动对

IS0

IS1

LM0

LM1

货币供给增

↑→r↓→I↑→Y↑

Y↑→L1↑→L2↓→r↑

1.4.5

2. 做Granger 因果检验，验证是否内生变量；

3. 进行ADF平稳性和Johansen协整性检验，确OLS估计的有性； 4. 确定VAR计量模型并进行估

5. 对VAR模型滞后结构的检验，确保VAR模型稳定性； 6. 产生脉冲响函数，观察货币供量的变动如何影响收入增

7. 方差分解，定量地把握GDP增长1%中，货币

1.4.6 实验结果

Vector Autoregression Estimates

Date: 05/26/07 Time: 17:18

Sample (adjusted): 1981 2005

Included observations: 25 after adjustments

t-statistics in [ ] LNRM2 LNRI LNRGDP

LNRM2(-1) 1.193989 0.783557 0.491354

[ 6.67879] [ 2.38540] [ 2.42043]

LNRM2(-2) -0.268918 -0.401911 -0.279675

[-1.80012] [-1.46422] [-1.64868]

LNRI(-1) -0.148997 0.677755 0.403416

[-0.97484] [ 2.41337] [ 2.32440]

LNRI(-2) -0.493618 -0.484572 -0.154302

[-2.83962] [-1.51713] [-0.78171]

LNRGDP(-1) 1.005499 0.746780 0.640986

[ 4.05924] [ 1.64078] [ 2.27884]

LNRGDP(-2) -0.139662 -0.551167 -0.346810

[-0.68090] [-1.46244] [-1.48900]

C -1.892942 1.290623 2.438863

[-2.40792] [ 0.89351] [ 2.73208] R-squared 0.999081 0.991729 0.995626

Adj. R-squared 0.998775 0.988971 0.994168

Sum sq. resids 0.017873 0.060341 0.023046

S.E. equation 0.031511 0.057899 0.035782

F-statistic 3261.257 359.6947 682.8632

Log likelihood 55.06824 39.85931 51.89074

Akaike AIC -3.845459 -2.628745 -3.591259

Schwarz SC -3.504174 -2.287459 -3.249974

Mean dependent 8.955200 8.067200 8.995600

S.D. dependent 0.900172 0.551328 0.468545 Determinant resid covariance (dof adj.) 2.72E-09

Determinant resid covariance 1.01E-09

Log likelihood 152.4523

Akaike information criterion -10.51618

Schwarz criterion -9.492326

Period S.E. LnRM2 LnRGDP LnRI

1 0.03 0.12 35.22 64.67 2 0.06 7.12 49.82 43.05 3 0.08 18.72 53.05 28.23 4 0.11 27.58 49.31 23.10 5 0.13 31.21 42.69 26.10 6 0.16 31.51 37.24 31.25 7 0.18 30.91 34.08 35.01 8 0.19 30.49 32.73 36.77 9 0.20 30.39 32.49 37.11 10 0.21 30.47 32.82 36.71

LnRM2对LnRGDP变动的贡献度

Period S.E. LnRM2 LnRGDP LnRI

1 0.03 1.47 98.53 0.00 2 0.06 6.37 82.46 11.17 3 0.08 15.69 74.66 9.65 4 0.11 25.47 67.66 6.87 5 0.13 31.39 58.22 10.39 6 0.16 33.07 49.66 17.26 7 0.18 32.76 43.91 23.32 8 0.19 32.17 40.85 26.98 9 0.20 31.88 39.60 28.53 10 0.21 31.84 39.35 28.81

计量经济学上机实验手册

第一节 Eviews简介

Eviews 是 Econometrics Views 的缩写,译为计量经济学观察,通常称为计量经济学软件包。它本意是对社会经济关系与经济活的数量规律, 采用量经济学方法与技术进行“观察” 。计量经济学研的核心是设计型、收集资、估计模型、检验模型、应用模型 (结分析、经济预测、政策评价) 。 Eviews 是完上述任务比得力的不可少工具。正是由于 Eviews 等计量经济学软件包的现, 使量经济取得了长足的进步, 发展成为一门较为实用与严谨的

1、 Eviews 是什么

Eviews 是美国 QMS 公司研制的在 Windows 下专门从事据分析、回归分析和预测的工。使用 Eviews 可以迅地从数据中寻找统计关系,并用得到的关系预测数据的未来值。 Eviews 的应范围包括:科学实验数分与评估、金分析、宏观经济预测、仿真、销售预测和成本

Eviews 是专门为大型机开发的、用处理时间序列数据的时序列软件包的新版本。 Eviews 的前身是 1981年第 1版的 Micro TSP。目前最的版本是 Eviews4.0。我们以 Eviews3.1版本为例,介绍济计量学软件包使用的基方法和技巧。虽 Eviews 是经济学开发的,而且主要用于经学领域,但从软包的设计来看, Eviews 运用领域并不局限于处理济时间序。即使跨部门的大型项目,也可以采用 Eviews

Eviews 处理的基本数据对象是时间列,每个序列有一个名,只要提及序列的名称就可以对序列中所有的观察值行操作, Eviews 允用户以简便的可视的方式从键盘或磁盘文件中输入据, 根据已有序列生成新的序列, 在上显示序列或打印机上打输出序列,对序之间存在的关系行统计分。 Eviews 具有作简便且可化的操风格,体现在从键盘或从键盘入据序列、依据已有序生成新序、显和打印序列以及对序列之间存在的关系进行统计分

Eviews 具有现代 Windows 软件可视化操的优良性。以用鼠标标准的 Windows 菜单和对框进行操作。操作结果出现在窗口中并能采用

Windows 技术对操作结果进行处理。此外, Eviews 拥有强的命令功能和处理言功能。在 Eviews 的命令行中输入、辑和执行命令。程序文件中建立存储命令,以便在后续的研究项目中使用这些

2、运

在 Windows 2000中运行 Eviews 的方法有:

(1) 单击任务栏上的 “开始” → “程序” → “ Eviews ” 程序组→ “ Eviews ”

图标。

(2) 使用 Windows 浏览器或从面上“我的电

击 “ Eviews ”程序图标。

(3) 双击 Eviews 的

3、 Eviews 的窗口

Eviews 的窗口分为个部分:标题栏、主菜栏、命令

1-1

图 1-1 Eviews窗口

(1) 标题栏

标题栏位于主窗口的顶部, 标记有 Eviews 字样。当 Eviews 窗口处于激活时, 标题栏颜加深, 否则变暗。单击 Eviews 窗口任意区域将使它处于激活状态。标题栏的右端有个按钮:最小、最大(或复原)和关闭。标栏边是控制框,控制框也有上述三个按钮的功能且双击它关闭

(2) 主菜单

主菜单位于标题栏之下。将指针移至主菜单上的某个目并用鼠标左键单 , 打开一下拉菜单, 通单击下拉菜单中的项目, 就以对它们进行问。菜单中黑色是可执行的,灰色的是不可执行的无效

主菜单栏上共有 7个选项:“ File ” , “ Edit ” , “ Objects ” , “ View ” , “ Procs ” , “ Quick ” , “ Options ” , “ Windows ” , “ Help ” 。

(3) 命令窗口

主菜单下的区域称作命令窗口。在命窗口输入命令,按“ ENTER ”后命令立即执行。命令窗口的竖条称为插入点(或提符) ,它指示盘输入字符的位臵。允许户在提示符通过键盘输入 Eviews (TSP 风格)命令。如果熟悉 Micro TSP(DOS)版的命令,可直接在此入,如 DOS 版一样使用 Eviews 。按 F1键(或移动箭头) ,输入的历史命令将重新显示出来,供

将插入点移至从前已经执行过的命令行,编辑已经存在命令,按 ENTER , 立执行原命令的编辑版

命令窗口支持 cut-and-paste 功能,命令窗口、其他 Eviews 文本窗和其他 Windows 程窗口间方便地进行文本的动。命令窗口的内容可直接保存到文文件中备用,为此必须持命令窗口处于激活状,并从主菜单上选

若输入的命令超过了命令窗口显示的大小,窗口中自动出现滚动条, 过上下或右调,可浏览已行命令的各个部分。将指针至命令窗口下部, 按着鼠标左向下向上拖动,来调整默认命令窗口的

(4) 状态栏

窗口最底部是状态行。状态行分为 4栏。左栏有时给出 Eviews 送出的状信息,单击状态行左端边框可以楚这些信息。二栏是 Eviews 默认

数据和程序的路径。最后两栏分别显默认的数据库默认的工作文。 (5)

命令窗口下是 Eviews 的工作区主显示窗口,以后操产生的窗口(称为子窗口)均在此范围之内,不能出主窗口之外。 Eviews 在此显示它建的各种对象的窗口。工作区的这些窗口类于用户在办公桌上使用的各纸张。出现在最上的窗口正处于焦, 即处于激状态。状栏颜色加深的窗口是激窗口。击部处于下面窗口的标题栏或任何见分, 都可以使该窗口至顶部。也可以压 F6或 CTRL-TAB ,循环地激活

此外, 单击窗口中菜单项目, 选择关的文件名, 可接选择某个窗。还可以移动口、改变窗口的大小

4、 Eviews 的主要功能

(1) 输入、扩大和修改时间序列数据。

(2) 依据已有列按照任意复杂

(3) 在屏幕上和用打机输出序列的趋势

(4) 执行普通最小二乘法(多元回归) ,带有自回归正的最小二乘, 两阶段最小二法和三阶段最小二乘

(5) 执

(6) 对二择一决策模

(7) 对联立程进行线性

(8) 估

(9) 计算描述统计量:关系数、斜方差、自相系数、互

(10)残

(11)

(12)

(13)

(14)

(15) 与外部软件(如 Excel 和 Lotus 软

5、关

关闭 Eviews 的方法很多:选择主菜单上的 “ File ”→“ Close ” ; 按 ALT-F4键;单击 Eviews 窗口右角的关闭按

Eviews 关闭总是警告给予机会将那些还没有存的工作保

第二节单方程

案例:

建立我国最终消费支出与国内生产总值 (单位:亿元) 之间的回模型, 并行变量和程整体的显著性检。当著性水平为 0.05, 2004年国内生产总为 38000亿元,对 2004年我国终消费支出平均最终消费支出进行点预测和区间

一、创建工作文件

建立工作文

1.菜单方式

在主菜单上依次单击 File → New → Workfile (见图 2-1) ,

图 2-1

这时屏幕上出现 Workfile Range对话框,如

图 2-2

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、、日) ,非间序列提供大观察个数。本中在 Start Data 里输入 1978, End data 里输入 2003,见图 2-3。单击 OK 后屏幕

所示。

图

2-3

图 2-4

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 数据率起始期终

其中, 数据频率类型分别为 A (

输入 Eviews 命令时,令字与命令数之间只能空格分隔。

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 File → Save 或 Save as→ 输入文件名、路径 →

二、输入和编辑数据

建立或调入工作文件以后, 可以入和编辑数据。输入数据

1.命令方式

命令格式:data 〈序

功能:输入新变量的据,或编辑工作

在本例中,

Data Y X

2.菜单方式

在主菜单上单击 Objects → New object, New object对框里,选 Group 在 Name for Object 上定义变量名(如变量 X 、 Y ) ,单击 OK ,屏幕出现数

图 2-5

图 2-6

另一种菜单方式是在主菜单上依次

图 2-7

建立一个空

图 2-8

再用方向键将光标移到每一列的顶部之后, 输入各变量名 , 回车后输数据 (见图 2-9) 。另数据还可以 Excel 中直接复制到

然后为每个时间序列取序列名。单击数据表中的 SER01(图 2-8) , 在数组对话框中的令窗口入该序列名称,如本例中输入 X (见图 2-9) ,回车后 Yes 。采用同样的步骤修序列名 Y (见图 2-10) 。数据输入操作

图 2-9 修改序列名

图 2-10 修改序列名

图 2-11 修改序列名

图 2-12 数据输入

数据输入完毕 , 单击作文件窗口工具条的 Save

File → Save

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济变量的变规律和相关系, 以便合理的确定型的数学形。图形分中最常用的是趋势图和相关

1.菜单方式

在数组窗口工具条上 Views 的下拉

图 2-13 数组窗口趋势图

2.命令方式

趋势图:Plot Y X

功能:

(1)分析

(2)观察

图给出了最终消支出与国内

10000

20000

30000

40000

7880828486889092

9496980002

图 2-14 终消费支出与

计量经济学上机实验手册

实验三异方差性

实验目的:在理解异方差性概念和异方差对 OLS 回归结果影基础上, 掌握进行异差检验和处理的法。练掌握和运用 Eviews 软件的图示检验、 G-Q 检验、怀特(White )检验等方差检验方和处理异方差的方法——加权最小二

实验内容:

书 P116例 4.1.4:中国

中国农村居民民人均消费支出主要由人均纯收入来决定。农村人均入除从事农经营的收外, 还包括从事他产业经营性收入以工资性收入、财产收和转移支付收等。为了考察从事业经营的收入和其他收对中国农村民消费支出增长的影响, 建立双对数

01122ln ln ln Y X X βββμ=+++

其中, Y 表示农村家庭人均消费支出, X 1示从事农业经营的收入, X 2表其他来源纯收入。表 4.1.1列出中国内地 2006年各地区农村民家庭人均纯收入及消费支出的相关

表 4.1.1 中国 2006年各地区村居民家庭均纯收入与

注:从事农业经营的纯收入由从事第一产业的经营总收与从事一产业的经营出之差计算,其他来源的纯收由总纯收入去从事农业经营的纯收入后

资料来源:《中国农村住户调查

实验步骤:

一、创建文件

1. 建立工作文件

CREATE U 1 31 【其中的“ U ”表

Data Y X1 X2 【意是:同时录

3. 保存文件

单击主菜单栏中 File → Save 或 Save as→ 输文件名、路径 → 保存。二、数据

1. 散点图

① Scat X1 Y

10000

8000

6000

4000

2000

50010001500200025003000

从散点图可看出, 农民农业营的纯收入农民人均消支出呈现一

② Scat X2 Y

10000

8000

6000

4000

2000

0200040006000800010000

从散点图可看出, 农民其他源纯收入与农民人均消支出呈现较

2. 数据取对数处理 Genr LY=LOG (Y) Genr LX1=LOG (X1) Genr LX2=LOG (X2)

三、模型 OLS 参数估

得到模型 OLS 参数估计

Dependent Variable: LY Method: Least Squares Sample: 1 31

Included observations: 31

Variable Coefficient Std. Error t-Statistic Prob. C 3.266068 1.041591 3.135653 0.0040 LX1 0.150214 0.108538 1.383975 0.1773 R-squared

0.779878 Mean dependent var 7.928613 Adjusted R-squared 0.764155 S.D. dependent var 0.355750 S.E. of regression 0.172766 Akaike info criterion -0.581995 Sum squared resid 0.835744

Schwarz criterion -0.443222 Log likelihood 12.02092 F-statistic 49.60117

【注意:在学术文献中一般以这种形式出回归方程的输结果,而不是把上面的软件输结果直接粘贴到文章

可决系数 0.779878,调整可决系数 0.764155,示模型拟合程较高 ; 同时 ,F 检统计量 49.60117,在 5%的显著性水平下通过方程体显著性检验。可为农民农业经营的收入其他收入整与农村居民消费支出的线性关系显著

变量 X2和截距项均在 5%的显著性平下通过变量显性检验, 但 X1在 10%的显水平下仍不能通过检

四、异方差检验

对于双对数模型,由于 12(0.150214) (0.477453) ββ=<=【二者为弹性系数】 ,="" 认为其他来源的收入而不是从事农业经营纯收入的增,="" 对农户人均消费="" 的增长更有刺激作用。="" 也就是说,="" 不同地区村人均消支出的差别主要来于="" 非农营入及工资收入、="" 财产入其他来源收入的差别,="" 因此,="" 如果模型存="" 在异方差性,则可能是="">

1. 图示检验法

观察残差的平方与 LX2的散点图。 ①残差(resid )

残差 (resid ) 变量数据是模型参数估计命完成后由 Eviews 软件自动成 (在 Workfile 框里可找到) ,无人工操作获得。意, resid 保留的是最近一次估计模型的残差

②残差的平方与 LX2

0.00

0.05

0.10

0.15

0.20

0.25

LX2

R E S I D ^2

从上图可大体判出模型存在

2. G-Q 法检验异方差

补充:先定义一个变量 T ,取值为 1、 2、 … 、 31【分别代表省市】 ,用于在完 G-Q 检验之后,按 T 排序,使数据顺序

Data T 【提示:输入 1、 2、 … 、 31】

① 将所有原

Sort X2

Show Y X1 X2 LY LX1 LX2

显示各个变量数据的目的是看一下,所有变量数据

②将 31对样本数据, 去掉中间的 7对, 形成两

③对 1-12的子本做普通最小二乘

RSS 。 Smpl 1 12 【意是:将样本区

Ls LY C LX1 LX2

Dependent Variable: LY Method: Least Squares Sample: 1 12

Variable Coefficient Std. Error t-Statistic Prob. C 3.141208 1.122358 2.798757 0.0208 LX1 0.398385 0.078791 5.056234 0.0007 R-squared

0.739693 Mean dependent var 7.700532 Adjusted R-squared 0.681847 S.D. dependent var 0.156574 S.E. of regression 0.088316 Akaike info criterion -1.803481 Sum squared resid 0.070197 Schwarz criterion -1.682255 Log likelihood 13.82089 F-statistic 12.78726 子样

1RSS =0.070197

④对 20-31的子样本做普通最小二乘估计,并录残差平方 2RSS 。 Smpl 20 31 【意思是:将样本

Dependent Variable: LY Method: Least Squares Sample: 20 31

Included observations: 12

Variable Coefficient Std. Error t-Statistic Prob. C 3.993644 1.884054 2.119708 0.0631 LX1

-0.113766

0.159962

-0.711205

0.4950

R-squared

0.876931 Mean dependent var 8.239746 Adjusted R-squared 0.849582 S.D. dependent var 0.375812 S.E. of regression 0.145754 Akaike info criterion -0.801478 Sum squared resid 0.191197 Schwarz criterion -0.680251 Log likelihood 7.808868 F-statistic 32.06485 Durbin-Watson stat

2.565362 Prob(F-statistic)

0.000080

子样本 2:12ln 3.9936440.113766ln 0.6201681ln Y X X e =-++

2RSS =0.191197

⑤异方差检验

22012:H σσ= 22112

:H σσ≠ 在 5%与 10%的显著水平下,自由度为(9,9)的 F

F =与 0.10(9,9)2.44F =。因此 5%显著性平下不能拒绝同

补充:怀特检验

软件操作:在原始模型的 OLS 方程对象窗中,选择 view/Residual test/White Heteroskedasticity 。 Eviews 提供了包含交叉项怀特检验 “ White Heteroskedasticity(cross terms ) ”和没有交叉项怀特检验“ White Heteroskedasticity(no cross terms) ”这样两个选择。【问题:如果刚做上面的 G-Q 检验, 何得到原始型?答:先恢复成全样本, 再按 T 排序,然后做 OLS

SMPL 1 31 【意思是:将样本区恢复到 1-31】补充:将样本据按 T 升序排列,使数据顺序还原。 Sort T 【意思是:将

下面是在原始模型的 OLS 方程对象窗口中, 选择 view/Residual test/White Heteroskedasticity , 然后进行包含

Heteroskedasticity (cross terms ) ”得到的出结果【最上显示了个检验统计:F 统计量和 White 统计量 nR 2;下方显的是以 OLS 的

F-statistic 9.833740 Probability 0.000027

Test Equation:

Dependent Variable: RESID^2 Method: Least Squares Date: 05/03/11 Time: 17:21 Sample: 1 31

Included observations: 31

C 10.24328 5.474522 1.871082 0.0731 LNX1 -2.329070 1.116442 -2.086153 0.0473 LNX1^2 0.149114 0.058107 2.566195 0.0167 LNX1*LNX2 0.019333 0.041265 0.468507 0.6435 LNX2 -0.457307 0.454020 -1.007238 0.3235 R-squared

0.662931 Mean dependent var 0.026959 Adjusted R-squared 0.595517 S.D. dependent var 0.042129 S.E. of regression 0.026794 Akaike info criterion -4.229312 Sum squared resid 0.017948 Schwarz criterion -3.951766 Log likelihood 71.55434 F-statistic 9.833740 可, 怀特统计 nR 2=20.55085【 =31×0.662931】 , 大于自由

辅助回归方程中解释变量的个】为 5的 χ2分

. 0=) (χ,因此, 在 5%的显著性平下拒绝

五、采用加权最小二乘法处理异方差【以下内和教材 P118-120不一, 是我们必须握的重点 ——以原始模型 OLS 回归差的绝对值的数为权数,手工完成加权最小二乘估

LS LY C LX1 LX2

Genr E=resid 【意思是:记录双对数模型 OLS 估计残差】用

Genr LX1E=LX1/abs (E) Genr LX2E=LX2/abs (E) Genr CE=1/abs (E) LS LYE CE LX1E LX2E

Dependent Variable: LYE Method: Least Squares Sample: 1 31

Included observations: 31

CE 3.326576 0.173572 19.16543 0.0000 LX1E 0.150945 0.024819 6.081832 0.0000 R-squared

0.999984 Mean dependent var

188.5956 Adjusted R-squared 0.999983 S.D. dependent var 245.8904 S.E. of regression 1.014851 Akaike info criterion 2.959126 Sum squared resid 28.83782 Schwarz criterion 3.097899 Log likelihood

-42.86646 Durbin-Watson stat

1.522872

可以看出, lnX1参数的 t 统计量有了显著改进, 这表明在 1%显著性水下, 都不能拒绝从事业生产带来纯收入对农户

六、检验加权的回归模型是还存在异方 1.

Sort LX1E 【意思是:原始数按 LX1E 升序排列】 ① 子样本 1的

LS LYE CE LX1E LX2E

Dependent Variable: LYE Method: Least Squares Sample: 1 12

Variable Coefficient Std. Error t-Statistic Prob. CE 1.831689 2.087729 0.877360 0.4031 LX1E 0.357479 0.218092 1.639121 0.1356 LX2E

0.462127

0.106042

4.357942

0.0018

R-squared

0.989665 Mean dependent var 35.95002 Adjusted R-squared 0.987369 S.D. dependent var 9.562672 S.E. of regression 1.074733 Akaike info criterion 3.194340 Sum squared resid 10.39546 Schwarz criterion 3.315566 Log likelihood

-16.16604 Durbin-Watson stat

2.429720

② 子样本 2

LS LYE CE LX1E LX2E

Dependent Variable: LYE Method: Least Squares Date: 05/01/11 Time: 23:23 Sample: 20 31

Variable Coefficient Std. Error t-Statistic Prob. CE 3.322535 0.186723 17.79394 0.0000 LX1E 0.152994 0.027038 5.658417 0.0003 R-squared

0.999989 Mean dependent var 397.9217 Adjusted R-squared 0.999987 S.D. dependent var 292.1047 S.E. of regression 1.057514 Akaike info criterion 3.162037

Sum squared resid 10.06502 Schwarz criterion 3.283264 Log likelihood

-15.97222 Durbin-Watson stat

1.471565

③异方差检验【注意做题的步骤】

提出假设

012:H σσ= 22112:H σσ≠

计算检验统计量:

在 5%的显著性水平下 , 自由度为 (9,9) 的 F 分布临界值分别为

0.05(9,9)3.18F =。因此 5%显著水平下不

2. 检验是

Smpl 1 31 【意思是:将

Sort lx2e 【意思是:将

① 子样本 1

LS LYE CE LX1E LX2E

Dependent Variable: LYE Method: Least Squares Sample: 1 12

CE 1.474650 1.815563 0.812227 0.4376 LX1E 0.403271 0.181466 2.222299 0.0534 LX2E

0.469307

0.098307

4.773907

0.0010 R-squared

0.991889 Mean dependent var

36.19042 Adjusted R-squared 0.990086 S.D. dependent var 10.00683 S.E. of regression 0.996372 Akaike info criterion 3.042927 Sum squared resid 8.934823 Schwarz criterion 3.164153 Log likelihood

-15.25756 Durbin-Watson stat

2.031453

② 子样本 2

LS LYE CE LX1E LX2E

Dependent Variable: LYE Method: Least Squares Sample: 20 31

CE 3.322535 0.186723 17.79394 0.0000 LX1E 0.152994 0.027038 5.658417 0.0003 LX2E

0.466559

0.010483

44.50623

0.0000

R-squared

0.999989 Mean dependent var

397.9217 Adjusted R-squared 0.999987 S.D. dependent var 292.1047 S.E. of regression 1.057514 Akaike info criterion 3.162037 Sum squared resid 10.06502 Schwarz criterion 3.283264 ③异方差检验【注意做

提出假设 22

012:H σσ= 22112:H σσ≠

计算检验统计量:

在 5%的显著性水平下 , 自由度为 (9,9) 的 F 分布临界值分别为

0.05(9,9)3.18F =。因此 5%显著水平下不

【结论:用 OLS 估计的残差绝对值的倒数为权数,对存在异差的模型加权,后采用 OLS 估

最终通过异

12?ln 3.3265760.150945ln 0.467864ln Y X X =++

实验四序列相关性

实验目的:在理解序列相关性的基本概念、序列相关的严重后果的础上, 掌握行序列相检验和处理的方。熟掌握 Eviews 软件的图示检验、 DW 检、拉格朗日乘数(LM )检验等序列关性检验方法处理序列相关性的方法 ——广义差

实验内容:

书 P132例 4.2.1(例 2.6.2) :中国

建立总量消费函数是进行宏观经济管理的重手段。为了从总体考察中国居民收入与消费的关系 , P56表 2.6.3给出了中国名义支法国内生产总值 GDP 、名义居民总消费 CONS 以及表示观税负的税收总额 TAX 、表示价格变化的居民费价格指数 CPI (1990=100) ,并由这些数据整理出实支出法国内产总 GDPC=GDP/CPI、居实际消费总支出 Y=CONS/CPI,

表 2.6.3 中国居民总

单位:亿元

年份

GDP

CONS

CPI

TAX

GDPC

5590.0

2902.9 52.95

700.02

10557.3

9235.2

5482.4

19836216.2 3231.1 54.00775.5911510.8 10074.65983.2 19847362.7 3742.0 55.47947.35 13272.8 11565.06745.7 19859076.7 4687.4 60.652040.79 14966.8 11601.77729.2 198610508.5 5302.1 64.572090.37 16273.7 13036.58210.9 198712277.4 6126.1 69.302140.36 17716.3 14627.78840.0 198815388.6 7868.1 82.302390.47 18698.7 15794.09560.5 198917311.3 8812.6 97.002727.40 17847.4 15035.59085.5 199019347.8 9450.9 100.002821.86 19347.8 16525.99450.9 199122577.4 10730.6 103.422990.17 21830.9 18939.610375.8 199227565.2 13000.1 110.033296.91 25053.0 22056.511815.3 199336938.1 16412.1 126.204255.30 29269.1 25897.313004.7 199450217.4 21844.2 156.655126.88 32056.2 28783.413944.2 199563216.9 28369.7 183.416038.04 34467.5 31175.415467.9 199674163.6 33955.9 198.666909.82 37331.9 33853.717092.5 199781658.5 36921.5 204.218234.04 39988.5 35956.218080.6 199886531.6 39229.3 202.599262.80 42713.1 38140.919364.1 199991125.0 41920.4 199.7210682.58 45625.8 40277.020989.3 200098749.0 45854.6 200.5512581.51 49238.0 42964.622863.9 2001108972.4 49213.2 201.9415301.38 53962.5 46385.424370.1 2002120350.3 52571.3 200.3217636.45 60078.0 51274.026243.2 2003136398.8 56834.4 202.7320017.31 67282.2 57408.128035.0 2004160280.4 63833.5 210.6324165.68 76096.3 64623.130306.2 2005188692.1 71217.5 214.4228778.54 88002.1 74580.433214.4 2006221170.5 80120.5 217.6534809.72 101616.3 85623.136811.2料来源:根据《中国统

实验步骤:

一、创建文件

1. 建立工作文件

CREATE A 1978 2006 【中的“ A ”表示年度

2. 录入与编辑

Data X Y

3. 保存文件

单击主菜栏中 File → Save 或 Save as→ 输入文名、路径 → 存。二、数据分析 :

Plot X Y 【意思是:同时出 Y 和 X 的趋

20000

40000

60000

80000

100000

从 X 和 Y 的趋势图中可看出它们存在共同变动趋势。三、 OLS 参数估计与

Dependent Variable: Y Method: Least Squares Sample: 1978 2006 Included observations: 29

C 2091.295 334.9869 6.242914 0.0000 X

0.437527

0.009297

47.05950

0.0000 R-squared

0.987955 Mean dependent var 14855.72 Adjusted R-squared 0.987509 S.D. dependent var 9472.076 S.E. of regression 1058.633 Akaike info criterion 16.83382 Sum squared resid 30259014 Schwarz criterion 16.92811 从 OLS 估计的结果看,模型合好:可决系数 20.9880R =,截距项斜率项的 t 检验值大于 5%显著性水平下自由度为 n-2=27 临界值 0. 025(27) 2. 05t =。而且,斜符合经济理论中边际费倾向在 0与 1间的绝对收入假说。斜率项 0.438表明, 在 1978— 2006年间, 以 1990价计算的中国居民可支配总入每增加 1亿元,居民费支

四、序列相关性检验 1. 图示检

①残差与时间 t 的关系图(趋势

Plot resid

-3000

-2000-100001000

2000300080

9500

②相邻两期残差之间的关系图 Scat resid(-1) resid

-3000

-2000-100001000

20003000-2000

-10000100020003000

RESID(-1)

R E S I D

从两个关系图看出,随机误差项呈正序列相关。 2.D.W. 检

D.W. 检验值为 0.277155, 表明在 5%显著性平下, n=29, k=2(包常) , 查表得 1.34L d =, 1.48U d =,由于 D.W.=0.2771551.34L d <=,故存在>

五、处理序列相关

1. 修正模型设定偏误 (剔除虚假序列

首先面临的问题是, 模型的列相是纯序相关, 还是由于模型设定有偏误而导致的虚假序列相关。从 X 和 Y 的趋势图中看到它们表出共同的变动势, 因有理由怀高的 2R =0.987955分地是由这共同的变化趋带来的。为了排除时间序列模型中这种随时间变动而具有的共变化趋势的影响,一种解决方案是在模型中引入间趋势项,将这种影响离出来。

配收入 X 与消费支出 Y 均呈非线性变化态势 ,因引入的时间变 T (T=1,2,……, 29) 以平方的形式出现 , 回归型

20113Y X T βββμ=+++ ①

在数据表中输入 1-29。 ② 做如下的回

Dependent Variable: Y Method: Least Squares Sample: 1978 2006 Included observations: 29

C 3328.191 195.0326 17.06479 0.0000 X 0.176152 0.025986 6.778788 0.0000 R-squared

0.997590 Mean dependent var 14855.72 Adjusted R-squared 0.997404 S.D. dependent var 9472.076 S.E. of regression 482.5729 Akaike info criterion 15.29384 Sum squared resid 6054792. Schwarz criterion

15.43528 Log likelihood -218.7607 F-statistic 5380.771 Durbin-Watson stat

0.442033 Prob(F-statistic)

0.000000

得到如下的修正模

2?3328.910.17615221.65582(17.06479)(6.778788)(10.19489)

X T =++

可见, T 2的 t 统计量显著。但是, 修正的模型 D.W. 值仍然较低, 没有通过 5%著水平的 D.W. 检验【 n=29,k=3时 , 27. 1=L D , 56. 1=U D 】 ,因此该模型仍存正序

补充:序列相关性的拉格朗日乘数检验(LM

在 EViews 软件中, 如果在上面的 OLS 回方程界面直接做残差序列

检验,那么得到的是如下结果,和书上 P133结果不

原因:EViews 在 LM 检验时,为了不损失样本,把滞后残差序列的 “ 前样本 ” 缺失值设定为 0【 Presample missing value lagged residuals set to zero. 】。这, 它的样本容量仍然是 n ,而不是 n-p 。回结果和书

解决办法:要使件的 LM 检验结果和教材 P133结果一致, 办法是进行 OLS 估计之后,先把残差序列 resid

先做含 1阶滞后残差的辅助回归:ls e c x t^2 e(-1)

LM 检

由于该

. 0=) (χ, 由此判断原模型存在 1阶序列相

再做含 2阶滞后残差的辅助回归: ls e c x t^2 e(-1) e(-2)

LM 检

由于该

. 0=) (χ,

由此判断原型存在序列相关。但 2~-t e 的系未通过 5%的显著性检验,表明在 5%的显性水平下不存在 2阶序相

所以, 结前面含 1阶、 2阶滞后残差的辅助回归结果, 可以判断在 5%的显著性水平仅存在 1阶序列关

2. 广义差分法处理序列相关 ① Ls Y C X T^2 AR(1)

Dependent Variable: Y Method: Least Squares Sample(adjusted): 1979 2006

Included observations: 28 after adjusting endpoints Convergence achieved after 5 iterations

Variable Coefficient Std. Error t-Statistic Prob. C 3505.738 403.3077 8.692465 0.0000 X 0.199535 0.030263 6.593407 0.0000 T^2 19.24205 2.926774 6.574491 0.0000 AR(1)

0.747923

0.126042

5.933906

0.0000 R-squared

0.999093 Mean dependent var 15250.33 Adjusted R-squared 0.998979 S.D. dependent var 9400.011 S.E. of regression 300.2877 Akaike info criterion 14.37892 Sum squared resid 2164144. Schwarz criterion 14.56924 Log likelihood -197.3049 F-statistic 8811.099 AR(1)前的参数即为随机扰动项的 1阶序列相关系数 , 在 5%的显著性水下显著。 D.W.= 1.394891,在 5%显著性水平下, 1.18. . 1.65L U d DW d =<=(样本容量为="" 28)="" ,="" 无法判断="">

② 继续入 AR(2)【以下内容和教材 P133-134的法不同,但是们必须掌握的基

Ls Y C X T^2 AR(1) AR(2)

Dependent Variable: Y Method: Least Squares Sample(adjusted): 1980 2006

Included observations: 27 after adjusting endpoints Convergence achieved after 5 iterations

C 3298.150 319.4772 10.32359 0.0000

X 0.207519 0.035018 5.926054 0.0000

T^2 18.89340 3.116937 6.061529 0.0000

AR(1) 1.063886 0.204200 5.210008 0.0000

R-squared 0.999189 Mean dependent var 15656.89

Adjusted R-squared 0.999041 S.D. dependent var 9324.833

S.E. of regression 288.7344 Akaike info criterion 14.33447

Sum squared resid 1834086. Schwarz criterion 14.57444

Log likelihood -188.5153 F-statistic 6774.010

Inverted AR Roots

.53 -.32i

.53+.32i

AR(2)前的参数在 10%显著水平下著不为 0; 且 D.W.= 1.992643,接于 2,认为在 10%显著性水平下,已存在序列相。但是,在 5%的著水平下,则没必要引入 AR(2)。【注:教材 P133用 LM 检验的结果是, 引入 AR(1) 的回归方(4.2.25) 5%的显著性水平下已不存序列相关性,因而不需

补充:下是针对引入 AR(1)的回归方程(4.2.25)的 LM 检验的命令操作和检

首先, 采用上得到的 1阶自回归系数 ρ1【也即 AR (1) 的系 0.747923】 , 做如下的 1阶广义差分变量的 OLS 回归【注:与(4.2.25)式等

Ls y-0.747923*y(-1) c x-0.747923*x(-1) t^2-0.747923*(t-1)^2

Dependent Variable: Y-0.747923*Y(-1)

Method: Least Squares

Date: 06/02/13 Time: 11:07

Sample (adjusted): 1979 2006

Included observations: 28 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

C 883.7160 92.72532 9.530472 0.0000

X-0.747923*X(-1) 0.199535 0.028386 7.029274 0.0000

(庞皓)计量经济学实验手册(第二版)

《计量经济学》实验手册

统计学院数量

2014年 4月

第一部分 EViews 基本操作 __________________________________________ 1第一预备知识 __________________________________________________ 1第二章 EViews 的本操作 10

第一部分 EViews 基本操作

第一章预备知识

一、什么是 EViews

EViews (Econometric Views)软件是 QMS (Quantitative Micro Software)公司开发的、基于 Windows 平的应软件,其前身是 DOS 操作系统下的 TSP 软件。 EViews 具有现代 Windows 软件可视操作的优良性。可使用鼠标对标准的 Windows 菜单和对话框进行作。操作结果现在口中并能采标准的 Windows 技术对操作结果进行处理。 EViews 还拥有强大的命令功能和批处理语言能。在 EViews 的命令行中入、编辑和执行

EViews 是 Econometrics Views 的缩,直为计量经济学观察,通常称计量经济学件包, 是专从事数据分、回归分析和预的工具, 在科学数据分析与评价、金融分析、经济预测、销

应用领域

■ 应用经计量学 ■ 总

■ 销售预测 ■ 财务分析

■ 成本分析和预测 ■ 蒙特卡罗模拟

■ 经济模

EViews 引入了流行的对象概,操作灵活简便,可采种操作方式行各种计分

(1)采用统一的方管理数据,过对象、视

(2)输入、扩展和修改间序列数据或截数据,依据已有列

(3)计算描述统计:相关系数、协方差、自

(4)进行 T 检

(5)执行普通最小二乘法、带有自回归正的最小二乘法、两段最小乘法和三阶段小二乘法、非线

(6)对选择模型进

(7)对联方程进行线性

(8)估计和分析向

(9)多项式分布滞

(10)回归方

(11)模型的

(12)数

(13)与外部软

EViews 可用于回归分析与预测 (regression and forecasting)、时序列 (Time Series)以及横截面数 (cross-sectional data )分。与其他计软件 (如 EXCEL 、 SAS 、 SPSS ) 相比, EViews 功能

本手册以 EViews5.1版本

表 1.1.1 EViews 功能框架

二、 EViews 安装

打开 EViews5.1文件所在文件夹,点击 Setup 安,安装过程与其他软件类似。安完毕后,电桌面和文件

图 1.1.1

三、 EViews 工作特点

(一) EViews 软件的具体操作是在 Workfile 中行。如想用 EViews 进某项具体的,必须先新建个 Workfile 或打开个已经存在盘(或软盘)上的 Workfile ,然后才能

(二) EViews 处理的对象及行结果都称之为 Object (对象) ,序列(Series ) 、方程 (Equation)、如表格(Spreadsheet ) 、图(Graph ) 、描述统计(Descriptive Statistics) 、模型 (Models ) 、系(Coefficients )等 Object ,可以不同形式查看(View ) Object ,比如表格 (Spreadsheet ) 、图(Graph ) 、描统计(Descriptive Statistics)等,但这看(View )结果不是独立的 Object ,他们随原变量序列的改变而改变。如果想将某个看 (View )结果转换成一个独立的 Object , 可使

(三) EViews 中建立的 Object 的命名不区分大小,其中 c 、 resid 为参数向量

四、一个示例

在这里,我们通过一个简单的回归分析例子来显示一个 EViews 程,对 EViews 的详功能展开讨论,目的是使读者先 EViews 有个概括了解。例子是四省人均可支配收入与人均年消费支出的数量关系分析(

表 1.1.2

设定模型为 t t t Y X u αβ=++

STEP1

双击桌面上 EViews 快捷图标,

STEP2 建立 Workfile 。

点击 EViews 主窗口顶部命令菜单 file\new\Workfile (如图 1.1.2) ,弹出 Workfile Create 对框 ( 1.1.3) 。在边 frequency 下拉菜单中可选数据类型, Annual 为默认的数据类型。为次数据是年度时序列数据 (1978年~1998年的年度数据) , 故不需做调整 (是别的数据类则需选相应选项) 。在 Start 和 End 的文本框中分别输入 1978和 1998,在右下角文本框中输入新的这个 Workfile 的名字,

此时可以看到 Workfile 有两个默认的象,名称分别为 c 、 resid ,分别为数计值向量和残差序列。在没归估计之前,向 c 的每个元素的值为 0,残差序的每个值 NA ,表还没有赋值。

图 1.1.2 图 1.1.3

图 1.1.4

STEP3 新建 Object ,用以录入数据。

方法一 :新 Group

点击 EViews 主窗口顶

Object ,弹出 New Object框(图 1.1.5) , Type of Object中选择 Group 型,然后在右边文本框中为新建的 group 对象(Object )名,比如为 g1,然后点 OK ,弹出一表格形式的 Group 对话框 (图 1.1.6) , 同在 Workfile 中出现了新建的这个 group 对象 g1。在 g1对话框

方法二:新

建立序列对象方法同方一,不同之处在于选择对象

是选 Series 。序列对建立后,可

图 1.1.5 图 1.1.6

STEP4

对应上 step3 方法一:

(1)将图 1.1.6表格右端的滑拖到顶端,这看

(2)建立序列对象 Y :点击 g1表中第一列顶部的色条(一个 obs 右侧) ,该列全变蓝(图 1.1.7) ,输入变量名 Y ,回车,现图 1.1.8所对话框,点 OK 即可。如此便建立了序 Y (这时可 Workfile 中发现多一个列 Y ) ,不过此时还没有给序列对象 Y 赋值(即录入数据) ,序列 Y 中每

命令栏

图 1.1.7 图

1.1.8

图 1.1.9

(3)录入数据:在 g1数据表中 Y 所在

仿上可在 g1第二列建立序列 X (人均可支收) ,并录入各年可支配 X 。这样在 g1中定了两

图 1.1.10

对应上 step3中法二 :直接

双击 Workfile 中序列对象 Y ,点击列对 Y 的数据表上单命令 edit +\-,将辑状态切换“可编

注意,无论是在 g1中,还是在 Y 、 X 中录入数

上菜单命令 edit +\-,把编辑

STEP5 查看对象(View ) 。

使用 g1对话框命令菜单 view 可以用多种式查看数据和对数据做一些统计、检验。下面例线性图查看 X 和 Y 的数:双击打开 g1形式,点击 g1格上菜单命令 View\Graph,出现个下拉菜单,

图 1.1.11

图 1.1.12

STEP6 保存对

前面提到, 这些查看结果不是独立的对, 只是原对象的另外一种展现形式而已。若需存这个展形式, 可以 freeze 命令把它 “冻结” 起来。点击图 1.1.12菜单命令 Freeze , 弹出 X 和 Y 的图形对象, 1.1.13所示。点图形对象 UNTILED 顶部菜单命令 Name ,会弹个命名的对话框, 在中给该图形命名 (默为 Graph01, 也可别的名字) , 点 OK , 就将新对象命名且保存在 Workfile 中(在 Workfile 可以看到新出了一个图对象 graph01) 。图 1.1.13 1.1.12不同在于,图 1.1.13是一个 Graph 类型的 Object ,该线性图不随 Y 、 X 数据变化变化,是立的,可以对其进行编辑;而图 1.1.12 Group 类

图 1.1.13

STEP7:最小

点击 EViews 主窗口上菜单命令的 Quick\Estimate Equation,弹出 Equation Specification 对框(图 1.1.14) ,在 Equation specification 下的空框输入 Y C X (注意被解释变量要到第一个位置,变量空格隔开。 c 外,其变量须为序象,量均不带下标) , 点击“确定” ,得到 Y 对 X 回归模型估计结果(图 1.1.15) 。模型说明

图 1.1.14 图 1.1.15

若需要保留回归结果,可直接点击图 1.1.15顶部菜单命令 Name ,在弹出的对话中键入保

STEP8:从图形的角度来查看一下模型的合情况。点击上 Equation 对话

图 1.1.16

STEP9 保存。点击 EViews 主窗口菜单命令:File\save(保存)或 File\save as (另 ) ,在弹出的话框中

第二章 EViews 的基本操作

一、 Workfile (工作文件)

Workfile 就象你的一个桌面,上面放有许多 Object ,在使 EViews 时首先打开该桌, 如果想永久留 Workfile 及其中的容, 关

打开 EViews 后,点击 File\New\Workfile,弹出一个 Workfile Create话框(图 1.2.1) 。该对话框是定义 Workfile 的频率等内。该频是用于界定样本数据的, 中包括时序数据、截面数据、 Panel Data等。选择所用样据相适应的频率。例如,样本数据是年度据,选择年度(Annual ) ,相应的 Object 也是年度数据,且 Object 数据范围小于等 Workfile 范围。当们的数据为 1978年至 1998的年度数据,则选择的频率为年度数据(Annual ) ,接着再在起始时间(Start date)和终止时间(End date)两项选择项中分别键入 1970、 1998,

图 1.2.1图 1.2. 2

其他不同频率的时间序列样本数据的选择方法类似于年度数据的选择方法, 于截面据,则是在 Workfile Create对话框左侧 Workfile structure type选择 Unstructure/Undated选项,在右

在 Workfile 窗口顶部, 有一些主要的菜单命令, 使用这些单命令以查看 Object 、变样本范围(Range ) 、存取 Object 、生成新的 Object 等操作,这些命令和 EViews 主窗口上的菜单

在新建的 Workfile 中已经默认存在两个 Object , 即 c 和 resid 。 c 是系数量、 resid 是残序列,

Workfile 窗口中

下面我们以第一章已经建好的包含 X (均可支配收入)与 Y (人可支配支出)为

图 1.2.3

View (查看)

该命令与 EViews 窗口顶部的 View 功能一样的,功

选定图 1.2.3中的 X ,然

View 的

Procs (处理)

Procs 命令包含设置 sample (样本) 和筛选条件选择样

(改变工作簿范围) 、 import (导入数据) 、 export (出

单命令最右

Sample (

可用于改变样本的范围,不能超过工作簿范

超过工作簿范围,先修改工作簿范围,然后再改变样本范围。

点击 proc\sample\OK,弹出一个对话(图 1.2.4) ,

选择 1980~1990样本,可在上面空处键入新的样本

格,点击 OK ,这样

Structure\Resize Current Page(改变作簿范)功

操作与样本范围的改变相。一般是在型建好后, 外

Genr 功能是在现有序列象 (变量) 的基上, 生新的序

窗口顶部的 Genr ,弹一个对话框(图 1.2.5) ,键入生

点击 OK ,一个的变量(序对象) Z

图 1.2.4 图 1.2.5

Object (对象)

该菜单命令主要是对 Object 进操作,包括新对

命名、复制等。

点击 Workfile 窗口上菜单命令 Object ,出现下拉菜单,菜单中包很多功,中一些功能以命令形式出现 Workfile 窗口顶部, 如 fetch (取出) 、 store (存储) 、 delete (删除) 。 ① 新建一个 Object 和生成

② fetch :取出一个已经存在硬盘或软上的 Object 。点击 Object\fetch from DB\OK或直接点击 Workfile 窗顶部的 fetch 命令, 然后按其求给出路径

④ delete :删除 Workfile 的 Object 。作:点删除的 Object ,再点

Object 命令菜单部分功能可利用标右键来完成。例如选中 X ,然后点右键,出现一命令菜单来完对对象的多种。例如右键中的 COPY 命可以将该 Workfile 中

Save (保存)

功能是将当前 Workfile 保存在硬盘或软盘。如果是新的 Workfile , 会弹一个对话框, 需要指明存放位置及文件

建议在使用 EViews 时,应经常点击 Save 命令,避免电出现障,而丢失未能保存的内。这里需要提是, Save 与 Store 是

Lable (标签)

显示 Workfile 中所有 Object 的完成时间。

Show :显示所选的 Object 。

Fetch 、 Store 、 Delete 功能已经包含在 Object 菜单命令中, Genr 、 Sample 功能包含在 Proc 菜单命令中,前面已经介绍。

(二)打开已经存在的 Workfile

双击 EViews 图标, 进入 EViews 主窗口。击 File\Open\EViews Workfile, 弹出对框, 给出要打开

(三) Workfile 频率的设定

当新建一个 Workfile 时,首先会弹出一个 Workfile Create对话框(图 1.2.1) 。该对话框可义 Workfile 的频率, Workfile 的频率也就是其中的所有 Object

1. Annual :直接输入年份如 1998,若是 20世纪内,则可只输年份的后两个字,

2. Quarterly :年份全称或后两个字冒号,再接季度,如 1992:1,表示 1992年第一季度。注意号后面

3. Monthly :份全称或后两个接冒号,再接月度

4. Daily :格

5. Weekly :格式与 Daily 相似,也是“月序号:日:年份” ,但里的日期是个

二、 Object (对象)

EViews 为 Object 提

(一)创建 Object

在 Workfile 已经打开的前提下, 点击 EViews 主窗顶部的命令 Object\New(或 Workfile 窗口中的 Object\New)弹出

Object ,从中选择所需类型,并左边本框给其一个名字, OK ,一个新 Object 创建就

图 1.2.6

我们以 Series 和 Graph 种 Object 例来说般 Object 窗口常用令的

(1) Series 窗口

双击变量 X , 打开其表格形式查看式 (图 1.2.7) 。下面我们自左至右介绍其菜命令。 View :我们发现在 EViews 主窗口顶部、 Workfile 窗口、 Object 窗口都有该命令, 们的功能类,都是提供查能,但包含具体内容又有差别。 EViews 主窗口顶部的 View 命令

点击序列 X 表格上的 View , 出

例如:点击 View\ Descriptive statistics\Histogram and Stats, 这样序 X 的表格形式转换成了述统计的式 (图 2.8) 。然后再点击 View\spreadsheet\, 直方

图 1.2.8

再点击 View\ Graph\ Line,序列 X 又转换成线性图的式(图 1.2.9) 。因此可以用不同方式浏览序列 X ,但读者注论表格形式、还是直方图形式、线性图形式,每个最顶部仍然是标明“ Series :X Workfile :SHILI\...” ,意思是三种形式然是 Series 类型的 Object ,而

对于 View 命令中其他功能

Procs :该命令中内含生成变量 (generation by equation) 、季节整 (seasonal adjustment) 、数平滑(Exponential smoothing) 、普雷斯科特过(Hodrick-prescott )对变量序列 X 调整的方法。生成量 (generation by equation) 与 Workfile 中的 generate 功能类, 是在现有变量基础上生成新的变量。建议读者使用 Workfile 中 generate 功能来生成新变

Object :该命令的功能与 Workfile 、 EViews

Prin :打印 X 序列内容。

Name :给当前 Object 命名或修改名字。这里需要提醒的,如果要将当前 Object 存到 Workfile 中,可使用 Name 命

Freeze :该命令将序列 X 当前的某种查看形式转换成为独立的 Object , 前面已有介绍。 Edit+\-:命令功能是切换格的输入状,点击 Edit+\-,表格处

Smpl+\-:该命令与 Wide+\-是配对使用。点击 Smpl+\-,据以列的式

Lable+\-:功能是控制格顶部是否

InsDel :在数据中插或删除数据命令,

Sample :该命令

Genr :该命令与 Workfile 中 Genr

(2) Graph 窗口

前面我们谈到如何将序列转成图形,这里详介绍有关作图内容,并

① 画图:为了将某个序列画成图,双击 Workfile 中该序的名字,打开序列表格形式的窗口。用 View\ Line\ Graph,序列转换线性图,

EViews 可以同时画两个或多个序列图。按住 Ctrl 键选中多序列,后点右键 \Open\Group打开表看形式的一个窗,该窗口了示多个序

也可以将多个序列单独画图同时出现在一个

图 1.2.10 图 1.2.11

② 冻结图形 (Freeze )

注意,将序列转换成图形后,该图型仍然是 Series group 类型的 Object ,图随原序的改而改变。点击 Freeze 命, 可形成一个独立 Graph 类型的 Object , 点其顶部的 Name 命令,保

③ 图形修饰 :EViews 允许多种方修饰图形。双击图中任何位就弹出图形参对话框(

图 1.2.12

○ 4组合图形 : EViews 可将多个图组合一

Workfile 中,然后按下 CTRL 键中这些图形,双击选中的这些图形,就开含有个形的窗口,他们可一起被保、粘贴到 Word 文档中或打印出来。例如,先生成列 y 和 x 的线图 liney 、 linex ,选中 linex 、 liney 并双击,就在同

图 1.2.13

○ 5将图形插入文献中 : EViews 可以将图形插入到 Word 文档中。首先将图形打开,然

后点击 EViews 主窗口顶部单命令 Edit\Copy弹出对话

(二) 打开已经存在

打开一个 Workfile ,点击 Workfile 顶的 Fetch 命,弹出对话,按要求给要打开 Object 路径及

第二部分上机实验

实验一简

一、实验目的 :掌握元线性回归模的估计与应用,熟

二、实验要求 :应用教材第 54页

三、实验原理 :

四、预备知识 :最小乘法估计的原、 t 检验、

五、实验步骤

1.建立工作文

(1)双击桌面 EViews 速启动图标,

(2) 点击主界面菜单 File\New\Worekfile, 弹出 Workfile Create对话框。 Workfile Create话框左侧 Workfile structure type 栏

图 2.1.1

点击左下的“ OK ”

图 2.1.2

建立 Workfile ,应当进行数据录工作。数据入方法多

方法 1:点击主界面(或 Workfile 界面)的菜单栏 Object ,再点击 New Object… 选项,

弹出一对话框,选择 Group 选项,在左侧框中命名,为 yx 。如图 2.1.3所。点击 OK 之后,出现数据录入界面(以表形式出现) , 2.1.4所示。在图 2.1.4中,先将右侧滑块上顶端,单击 obs 右侧小框(空白数据上端灰框) ,入 y (对样本数据列进命名) ,回车(时 Workfile 中会出序列 Y 这对象) ,选择 Numeric Series选项,点击 OK 后,再从“ 1”开始逐个录入相应的数据。这样们建立了一个

图 2.1.3

方法 2 :直接在主界面命令栏键入 data y x ,回车,则出现图 2.1.5画面。在 Group 表应的位置逐个 y 和 x 数据。 (不此时 Group 没

图 2.1.5

. 两种录入方完成后,最终得到如

图 2.1.6

命令栏

为了保存数据,可点击主界面的 File ,选择 Save as 项,将件永

以上建立的序列 y 和 x 之后, 可其做描述统计和图

(1)描述统计

双击打开组对象 yx 的表格形式, 点 View/Descriptive Statistics/Common Sample, 得描述统计结

图 2.1.7

(2)图形统计

双击序列 y ,打开 y 的表格形式,点

图 2.1.8

可以看到, Graph 的下级菜单上列有多种图形形式,如线、面积图(区域图) 、条形图、季节化堆叠线图。这里较常用的

图 2.1.9

同样可以查看序列 x 的线性图。

很多时候需要把两个序列放到一个图中来查看两者的相互关, 用线图或

在命令栏键入:scat x y ,回车便得

图 2.1.10

3.设定模型,用普通最

设定模型为 12i i i Y X u ββ=++。以介绍三种 EViews 软件估计的操作方法。方法一:主界命令框栏中输入 ls y x c ,然后回车,既可以得到二乘法估计的结果,如图 2.1.12所示。其中, “ ls ”是做最小二乘估计的令, y 为被

方法二:按住 Ctrl 键,同时选中序列 y 和序列 x ,点右键,在所出现的右键菜单中, 择 Open\as Equation … 后弹出一对框(如图 2.1.11) ,点击其上的“确定” ,即可得

方法三:点击主界面菜单 Quick\Estimate Equation ,弹出方法二中出现的对话。不过框中有设定回归模型,可以自己输 y x c,点确即可得到

图 2.1.11

图 2.1.12

回归结果界面解释如下

表 2.1.1

Equation 结果界面

3.模型检验

(1)经济

为居民边际消,落在 0~1

(2) t 检验和拟合优检验。易判断, 2β的 t 检验通

拟合良好。在回归结果界面 (图 2.1.12所示) 点击菜命令 View\Actual Fitted Residual\ Actual Fitted Residual Graph可得到图 2.1.13,可以

图 2.1.13

4. Equation 窗口功能介绍

Equation 窗口菜单的功能与前面第一部分第二章讲的 Series 类型 Object 窗口、 Graph 型 object 窗口顶

(1) Views

该按钮作用很重要,他可对回归估计进行检验、察实际值、拟合值、等。点 Views 出

图 2.1.14

① Representation :给出回归估计的方程

③ Actual fitted Residual:给出回归估计际值、

⑤ Coefficient Test:对回系数进行检验。包括检回归系束的沃尔德(Wald )检 ,检验

⑥ Residual Tests :对残差检验,包括相图 Q 统计量检验、正态性验、序列相 LM 检、 ARCH 检验、不带

⑦ Stability Test:稳定

注意:如果想将某个视图单独保存起来,点击 Equation 口顶部 Freeze 按,形

(2) Procs

该按钮中包含很多次级功能,有些已经显示在 Equation 口

可以直接在 EViews 上做内插点预和外推点预测,详

(1)被解释量 Y 的个

由课本第二章第四节知道,个别值和平均值预测的预测公式

内插预测

在 Equation 框(图 2.1.7)

图 2.1.15

图 2.1.16

外推预测

例如原资料为 1978-1998,外推

① 录入 1999、 2000年的

双击 Workfile 菜单下的 Range 所在行,出现 Workfile Structure对,将右侧“ End ” 旁的本框中的数改为 33, 然后

双击打开序列 x 表形式,将编辑态切换为“可

199920002780, 12405X X ==。

②进行预测

在 Equation 结果界面(图 2.1.7)的菜单点击 Forecast ,弹出一对话框,其中为预测的列命名, 如 yf2。点 OK 可得到预测结果的图式, 点 Workfile 中新出现的列 yf2, 以看到预测值 (注意, 因为没对默预测区间 1~33做改变, 这时候得到的是所有内插预测与外推预测的得值,若将区

③结果查看

按住 Ctrl 键,同时选中 Y 、 YF 、 Resid ,点击右键,在右键菜

(2)区间预测。

被解释变量 Y

的个别值区

, 被解

均值区间预测公式 /f Y t ασ?

计算思路:区间预测不能直

再用手工或者别的方式

具体地, f Y

可以在前面点预测序列 yf2中找到; /2t α可以

已知; f X - 中的 f X 为已知, 以在序列 x 的描统

差的无偏估计

x n σ

-可以计算出 22

(1) i x x n σ=-∑(x σ可

见图 2.1.7) 。找该预测公式中各项,即可用计算器

找到上面公式中各项后,若在 Excel 中算预测区间,可以采下表达计算(以预测 1998年 Y 个别

打开 Excel 后在任

=6555.13+2.045*413.1593*SQRT(1+1/31+569985.74/125176492.59) ,回车即可。

实验二多元线性回归

一、实验目的:掌握多元线性回归模的估计方法、握多重共线性模型的识别和修正。、实验求:用教材第 119页案例做多线性回归模型,并和修正多重共线性。三、实验原:普通最小二法、简单相系数检验法、

1、设定并估计多

t t t t t t t u X X X X X Y ++++++=66554433221ββββββ (2.1)

1.1 建立工文件并录入数据(

2.2.1

图 2.2.1

1.2 对(2.1)采用 OLS 估计参数

方法一:在主界面命令框栏中输入 ls y c x2 x3 x4 x5 x6,然后车,

方法二:按住 ctrl 键,同时选中序列 y 和 x2 x3 x4 x5 x6,点右键,在所出现的键菜单

方法三:点击主界面菜单 Quick\Estimate Equation ,弹出法二中出对话框。不框中没设定回归模型,以自己

意被解释变量 y 一定要放在最前

图 2.2.2

根据图 2.2.2中的数据,得到模

3525

. 173989664

. 0995406

. 0) 752685. 1()

108296. 3()

465073. 3()

939591. 3()

031172. 1)(208384. 0() 2830. 321() 177929. 4() 944215. 0() 380395. 1()

012692. 0() 690. 1316(1077. 56398624. 12271773. 3438193. 5013088. 03773. 274?226

5432====--=-++++-=df F R t X X X X X Y i

从上回归结果可以看出,拟合优度很高,整体果的 F 检验通过。但有重量 X2、 X6的 t 检不显

2.1

由模型(2.1)的估计结果可以看出, 9954. 02=R , 20.9897=可决系数很,说明模型对样本的拟合很好; 173.3525F =检验值很大, 应 0.000092p =, 说明回归方程显著,自变量联合起来确实对因变量“国游收入” 显著影响;给定显性水平 0.05α=,但变 X2、 X6系数的 t 统计量分别 1.031172、 -1.752685,相应的 p 值分别为 0.3607、 0.1545,说明 X2、 X6对因变量影响不显著,而且 X6系号与经济意义

2.2 简单相

计算解释变量 x2、 x3、 x4、 x5、 x6的简单相关系数矩阵。

方法 1:将解释变量 x2、 x3、 x4、 x5、 x6选中,双击选择 Open Group(或击右键, 选择 Open/as Group) , 然后再击 View/Correlation/Common Sample, 即可出相关系数矩 ( 2.2.3) 。再点击顶部的 Freeze 按钮, 可得到一个 Table

计量经济学上机实验手册

实验三异方差性

实验目的:在理解异方差性概念和异方差对 OLS 回归结影响基础上, 掌握进行方差检验和的方法。练掌握和用 Eviews 软件的

实验内容:

书 P116 4.1.4:中

中国农村居民民人均消费支出主要由人均纯收入来决定。农村人均纯收除事农业经营的收入外, 还从事其他产经营性收入以工资性收入、财产入和转移付收入等。为了考察从事农业经营的收入和其他收入对中国农村居

01122ln ln ln Y X X βββμ=+++

其中, Y 表示农村家庭人均消费支出, X 1表从事业经营的纯收入, X 2表其他来源的纯收入。 4.1.1出了中国

注:从事农业经营的纯收入由从事第一产的经营总收入与从第一的经营支出之计算,其他

资料来源:《中国农村住调查年鉴(2007) 》、《

实验步骤:

一、创建文件

1. 建立工作文件

CREATE U 1 31 【其中的“ U ”表示非时序数据】

2. 录入

Data Y X1 X2 【意思是:同时

3. 保存文件

单击主菜单栏中 File → Save 或 Save as→ 入

1. 散点图

① Scat X1 Y

10000

8000

6000

4000

2000

50010001500200025003000

从散点图可看出, 农农业经营的纯入与农民人均

② Scat X2 Y

10000

8000

6000

4000

2000

0200040006000800010000

从散点图可看出, 农其他来源纯入与农民人均

2. 数据取对数处理 Genr LY=LOG (Y) Genr LX1=LOG (X1) Genr LX2=LOG (X2)

三、模型 OLS 数估计与统

得到模型 OLS 参数估

Dependent Variable: LY Method: Least Squares Sample: 1 31

Included observations: 31

Variable Coefficient Std. Error t-Statistic Prob. C 3.266068 1.041591 3.135653 0.0040 LX1 0.150214 0.108538 1.383975 0.1773 R-squared

0.779878 Mean dependent var 7.928613 Adjusted R-squared 0.764155 S.D. dependent var 0.355750 S.E. of regression 0.172766 Akaike info criterion -0.581995 Sum squared resid 0.835744 Schwarz criterion

-0.443222 Log likelihood 12.02092 F-statistic 49.60117 Durbin-Watson stat

1.780981 Prob(F-statistic)

0.000000

【注意:在学术文献中一般以种形式给出回归方的输出结,而不

可决系数 0.779878,调整可决系数 0.764155,显模型拟程度较高 ; 同时 ,F 检验统计 49.60117,在 5%的显著性水平下通过程总体显性检验。可认为农民农业经营的收入和其他收入整体与

变量 X2和截距项均在 5%的显著性水平下通过量显著性检

四、异方差检验

对于双对数模型, 由于 12(0.150214) (0.477453) ββ=<=, 认为其他源="" 纯收入而不是从事农业经营的入的增长,="" 对农均消费的增长更有刺作="" 用。="" 也就说,="">

1. 图示检验法

观察残差的平方 LX2

残差 (resid ) 变量数据是模型参数估计命令成后 Eviews 软自动生成 (在 Workfile 框里可找到) ,无需

②残差的平方与 LX2的散点

0.00

0.05

0.10

0.15

0.20

0.25

LX2

R E S I D ^2

从上图可大体

2. G-Q

① 将所有原始数据按照 X2升序排列。

Sort X2

Show Y X1 X2 LY LX1 LX2

显示各个变量数据的的是查看一,所有变量数

②将 31对样本数据, 去中间的 7对, 形两个容均为 12的

③对 1-12子样本做普通最小二

R SS 。 Smpl 1 12 【意思是:将样本

Ls LY C LX1 LX2

Dependent Variable: LY Method: Least Squares Sample: 1 12

Included observations: 12

Variable Coefficient Std. Error t-Statistic Prob. C 3.141208 1.122358 2.798757 0.0208 LX1 0.398385 0.078791 5.056234 0.0007 R-squared

1.298449 Prob(F-statistic)

0.002343

子样本 1:12ln 3.1412080.398385ln 0.234751ln Y X X e =+++

R S S =0.070197 ④对 20-31的子样本做通最二乘估计,并记录残差和 2RSS 。 Smpl 20 31 【意思是:

Dependent Variable: LY Method: Least Squares Sample: 20 31

Included observations: 12

C 3.993644 1.884054 2.119708 0.0631 LX1

-0.113766

0.159962

-0.711205

0.4950

R-squared

2.565362 Prob(F-statistic)

0.000080

子样本 2:12ln 3.9936440.113766ln 0.6201681ln Y X X e =-++

2RSS =0.191197

⑤异方差检验

012:H σσ= 2

112

:H σσ≠

在 5%与 10%

0.05(9,9) 3.18F =与 0.10(9,9) 2.44

F =。因此 5%显著性水平下

但在 10%的显著

五、采用加权最小二乘法处异方差【以下内

SMPL 1 31 【意思是:样本区间恢

Genr E=resid 【意思是:记双对数型 OLS 估计的残差】残差的对

Dependent Variable: LYE Method: Least Squares Sample: 1 31

Variable Coefficient Std. Error t-Statistic Prob. CE 3.326576 0.173572 19.16543 0.0000 LX1E 0.150945 0.024819 6.081832 0.0000 R-squared

0.999984 Mean dependent var 188.5956 Adjusted R-squared 0.999983 S.D. dependent var 245.8904 S.E. of regression 1.014851 Akaike info criterion 2.959126 Sum squared resid 28.83782

Schwarz criterion 3.097899 Log likelihood

-42.86646 Durbin-Watson stat

1.522872

可以看出, lnX1参数的 t 统计量了显著改进, 这表在 1%著性水平下, 不能拒绝从农业

六、检验加权的回归型是否还存在方差 1. 检

Sort LX1E 【意思是:将原始数据按 LX1E

LS LYE CE LX1E LX2E

Dependent Variable: LYE Method: Least Squares Sample: 1 12

Included observations: 12

Variable Coefficient Std. Error t-Statistic Prob. CE 1.831689 2.087729 0.877360 0.4031 LX1E 0.357479 0.218092 1.639121 0.1356 LX2E

0.462127

0.106042

4.357942

0.0018

R-squared

0.989665 Mean dependent var 35.95002 Adjusted R-squared 0.987369 S.D. dependent var 9.562672 S.E. of regression 1.074733 Akaike info criterion 3.194340

Sum squared resid 10.39546 Schwarz criterion 3.315566 Log likelihood

-16.16604 Durbin-Watson stat

2.429720

② 子样本 2的回归:

Smpl 20 31

LS LYE CE LX1E LX2E

Dependent Variable: LYE Method: Least Squares Date: 05/01/11 Time: 23:23 Sample: 20 31

Variable Coefficient Std. Error t-Statistic Prob. CE 3.322535 0.186723 17.79394 0.0000 LX1E 0.152994 0.027038 5.658417 0.0003 LX2E

0.466559

0.010483

44.50623

0.0000

R-squared

0.999989 Mean dependent var 397.9217 Adjusted R-squared 0.999987 S.D. dependent var 292.1047 S.E. of regression 1.057514 Akaike info criterion 3.162037 Sum squared resid 10.06502

Schwarz criterion 3.283264 ③异方差检验

012:H σσ= 2

112

:H σσ≠

在 5%的显著性水平下 , 自度为 (9,9)

0. 05(9, 9) 3. 18F =

。因此

5%显著性水平下不能

2. 检验是否由 LX2E 引起异方差

Smpl 1 31 【意思是:将样本区间复原】

Sort lx2e 【意思是:将原据按 LX2E 升序

LS LYE CE LX1E LX2E

Dependent Variable: LYE Method: Least Squares Sample: 1 12

Variable Coefficient Std. Error t-Statistic Prob. CE 1.474650 1.815563 0.812227 0.4376 LX1E 0.403271 0.181466 2.222299 0.0534 R-squared

0.991889 Mean dependent var 36.19042 Adjusted R-squared 0.990086 S.D. dependent var 10.00683 S.E. of regression 0.996372 Akaike info criterion

3.042927 Sum squared resid 8.934823 Schwarz criterion 3.164153 Log likelihood

-15.25756 Durbin-Watson stat

2.031453

② 子样本 2的回归: Smpl 20 31

LS LYE CE LX1E LX2E

Dependent Variable: LYE Method: Least Squares Sample: 20 31

Included observations: 12

Variable Coefficient Std. Error t-Statistic Prob. CE 3.322535 0.186723 17.79394 0.0000 LX1E 0.152994 0.027038 5.658417 0.0003 LX2E

0.466559

0.010483

44.50623

0.0000

R-squared

0.999989 Mean dependent var 397.9217 Adjusted R-squared 0.999987 S.D. dependent var 292.1047 S.E. of regression 1.057514 Akaike info criterion

3.162037 Sum squared resid 10.06502 Schwarz criterion 3.283264 Log likelihood

-15.97222 Durbin-Watson stat

1.264061

③异方差检验

012:H σσ= 2

112

:H σσ≠

在 5%的显著性水平下 , 自度为 (9,9)

0.05(9,9) 3.18F =。因此

5%显著性水平下不能

【结论:用 OLS 估计的残差对值的倒数作为权数,对在异方差的型加权,然后

最终通过异方差检验

?ln 3.3265760.150945ln 0.467864ln Y X X =++

实验四

实验目的:在理解序列相关性的基本概念、序列相关的严重果的础上, 掌握进行序列关检验和处的方法。熟掌握 Eviews 软件图示检

实验内容:

书 P132例 4.2.1(

建立总量消费函数是进行宏观经济管理的重要手段。为了从总体上考中国居收入与消费的关系,表 2.6.3给出中国名义支出国内产总值 GDP 、名义居民总消费 CONS 以及表示宏观税负收总额 TAX 、表示价变化的居民消费价指数 CPI (1990=100) ,并由些数据整出实际出法国内生产总值 GDPC=GDP/CPI、居民实际消费总支出 Y=CONS/CPI, 以及

表 2.6.3 中国居民总

单位:亿元

年份

GDP

CONS

CPI

TAX

GDPC

X Y 1978 3605.6 1759.1 46.21 519.28 7802.5 6678.8 3806.7 1979 4092.6 2011.5 47.07 537.82 8694.2 7551.6 4273.2 1980 4592.9 2331.2 50.62 571.70 9073.7 7944.2 4605.5 1981 5008.8 2627.9 51.90 629.89 9651.8 8438.0 5063.9 1982 5590.0 2902.9 52.95 700.02 10557.3 9235.2 5482.4 1983 6216.2 3231.1 54.00 775.59 11510.8 10074.6 5983.2 1984 7362.7 3742.0 55.47 947.35 13272.8 11565.0 6745.7 1985 9076.7 4687.4 60.65 2040.79 14966.8 11601.7 7729.2 1986 10508.5 5302.1 64.57 2090.37 16273.7 13036.5 8210.9 1987 12277.4 6126.1 69.30 2140.36 17716.3 14627.7 8840.0 1988 15388.6 7868.1 82.30 2390.47 18698.7 15794.0 9560.5 1989 17311.3 8812.6 97.00 2727.40 17847.4 15035.5 9085.5 1990

19347.8

9450.9

100.00

2821.86

19347.8

16525.9

9450.9

1991 22577.4 10730.6 103.42 2990.17 21830.9 18939.6 10375.8 1992 27565.2 13000.1 110.03 3296.91 25053.0 22056.5 11815.3 1993 36938.1 16412.1 126.20 4255.30 29269.1 25897.3 13004.7 1994 50217.4 21844.2 156.65 5126.88 32056.2 28783.4 13944.2 1995 63216.9 28369.7 183.41 6038.04 34467.5 31175.4 15467.9 1996 74163.6 33955.9 198.66

6909.82 37331.9 33853.7 17092.5 1997 81658.5 36921.5 204.21 8234.04 39988.5 35956.2 18080.6 1998 86531.6 39229.3 202.59 9262.80 42713.1 38140.9 19364.1 1999 91125.0 41920.4 199.72 10682.58 45625.8 40277.0 20989.3 2000 98749.0 45854.6 200.55 12581.51 49238.0 42964.6 22863.9 2001 108972.4 49213.2 201.94 15301.38 53962.5 46385.4 24370.1 2002 120350.3 52571.3 200.32 17636.45 60078.0 51274.0 26243.2 2003 136398.8 56834.4 202.73 20017.31 67282.2 57408.1 28035.0 2004 160280.4 63833.5 210.63

24165.68

76096.3

64623.1 30306.2 2005

188692.1

71217.5

214.42 28778.54

88002.1 74580.4 33214.4 2006 221170.5 80120.5 217.65 34809.72 101616.3 85623.1

36811.2

资料来源:根据《国统计年

实验步骤:

CREATE A 1978 2006 【其的“ A ”表示年度数据】 2.

单击主菜单栏中 File → Save 或 Save as→ 入文件、

Plot Y X 【意思是:同时

20000

40000

60000

80000

100000

从 X 和 Y 的趋势图中可看出

三、 OLS

Dependent Variable: Y Method: Least Squares Sample: 1978 2006 Included observations: 29

C 2091.295 334.9869 6.242914 0.0000 R-squared

0.987955 Mean dependent var 14855.72 Adjusted R-squared 0.987509

S.D. dependent var 9472.076 S.E. of regression 1058.633 Akaike info criterion 16.83382 Sum squared resid

30259014 Schwarz criterion 16.92811 Log likelihood -242.0903 F-statistic 2214.596 从 OLS 估计的结看,模型拟合好:可决系数 20.9880R =,截距项和斜率项的 t 检验值均大于 5%显著性平

0. 025(27) 2. 05

t =

。而且,斜率项合经济理中边际消费

对收入假说。斜率项 0.438表明, 在 1978— 2006间, 1990年价计的中国居民支配

四、序列相关性检验 1. 图示检验法

①残差与时间 t 的关系图(趋势图) Plot resid

-3000

-2000-100001000

20003000

②相邻两期残差之间

-3000

-2000

-100001000

20003000-2000-1000

0100020003000

RESID(-1)

R E S I D

从两个关系图看出,随机项呈

D.W. 检验值为 0.277155, 表明在 5%显著性平下, n=29, k=2(

五、处理序列相关

1. 修正模型设定偏误(虚假序列相关)

首先面临的问题是, 模型的序列相关是纯序列关, 还是由于模型设定有偏误导致的虚序相关。从 X 和 Y 势图中看到它们出共同的变动趋势, 因此有理怀疑较高 2R =0.987955部分地是有这一共同的变化趋势带来的。为了排出时间序列模型中

解决方案是在模型中引入时间趋势项, 将这种影响分离出来。由本例中可支配收入 X 与消费 Y 均呈线性变化势, 因此引的时间变

0113Y X T βββμ

=+++

① 编辑变量 T data T

在数据表中输入 1-29。 ② 由变量 T 生成

Dependent Variable: Y Method: Least Squares Sample: 1978 2006 Included observations: 29

Variable Coefficient Std. Error t-Statistic Prob. C 3328.191 195.0326 17.06479 0.0000 X 0.176152 0.025986 6.778788 0.0000 T2

21.65582

2.124183

10.19489

0.0000

R-squared

0.997590 Mean dependent var 14855.72 Adjusted R-squared 0.997404 S.D. dependent var 9472.076 S.E. of regression 482.5729 Akaike info criterion 15.29384 Sum squared resid 6054792. Schwarz criterion 15.43528 Log likelihood -218.7607 F-statistic 5380.771 Durbin-Watson stat

0.442033 Prob(F-statistic)

0.000000

可见, T 2的 t 统计量显著。但是, 修正的模型 D.W. 值然较低, 没有过 5%显性水

2. 广义差分法处

Dependent Variable: Y Method: Least Squares Sample(adjusted): 1979 2006

Included observations: 28 after adjusting endpoints Convergence achieved after 5 iterations

Variable Coefficient Std. Error t-Statistic Prob. C 3505.738 403.3077 8.692465 0.0000 X 0.199535 0.030263 6.593407 0.0000 T2 19.24205 2.926774 6.574491 0.0000 R-squared

.75

AR(1)前的参数值即为随机扰动项的 1阶序列相关系数 , 在 5%显著性平下显著。 D.W.= 1.394891,在 5%显著性平下, 1.18. . 1.65L U d D W d =<=(样本容量为="" 28)="" ,="" 无法判断="">

② 继续引入 AR(2)【以下内容和教材 P133-134的法

Ls Y C X T2 AR(1) AR(2)

Dependent Variable: Y Method: Least Squares Sample(adjusted): 1980 2006

Included observations: 27 after adjusting endpoints Convergence achieved after 5 iterations

C 3298.150 319.4772 10.32359 0.0000 X 0.207519 0.035018 5.926054 0.0000 T^2 18.89340 3.116937 6.061529 0.0000 AR(1) 1.063886 0.204200 5.210008 0.0000 AR(2)

-0.386598

0.193639

-1.996485

0.0584

R-squared

0.999189 Mean dependent var 15656.89 Adjusted R-squared 0.999041 S.D. dependent var 9324.833 S.E. of regression 288.7344 Akaike info criterion 14.33447 Sum squared resid 1834086. Schwarz criterion 14.57444 Log likelihood -188.5153 F-statistic 6774.010 Inverted AR Roots

.53 -.32i .53+.32i

2?3298.150.20751918.89341.063886(1)0.386598(2)(10.32359)(5.926054)

(6.061529)(5.210008)

(1.996485)

X T AR AR =+++--

AR(2)前的参数在 10%的显著性水平显著不为 0;且 D.W.= 1.992643,接近于 2,认为在 10%显著性水,已不存在序列关。【注意:书上 P133用 LM 检验的结是,引入 AR(1)之后,在 5%的显著性水平下已不存在序列

转载请注明出处范文大全网 » 《宏观经济学〉实验指导手册

计量经济学上机实验手册

计量经济学 上机实验手册

(庞皓)计量经济学实验手册(第二版)

计量经济学上机实验手册

计量经济学上机实验手册