《计量经济学实验指导基于Eviews软件.ppt》由会员分享，可在线阅读，更多相关《计量经济学实验指导基于Eviews软件.ppt（103页珍藏版）》请在三一文库上搜索。
1、3/12/2019,1,计量经济学实验指导 基于Eviews软件,主讲：陈先强,襄樊学院,3/12/2019,2,实验指导之总论,实验目的 实验程序 实验成绩考核 实验内容安排 附录1：实验报告撰写的基本要求 附录2：Eviews软件简介,3/12/2019,3,实验目的,学习和掌握计量软件Eviews的基本使用方法； 掌握经济管理理论与问题的计量实现程序； 加深对课程理论知识的理解与应用； 初步掌握经济科学和管理科学规范的问题研究分析方法，以及计量研究结果的呈现。,3/12/2019,4,实验程序,1.教师实验案例讲授与演示 2.学生从实验室案例库提取案例数据，进行模拟分析； 3.学生撰写计
2、量分析实验报告 4.报告分析与点评,3/12/2019,5,实验成绩考核,实验成绩纳入课程考核总成绩，占总成绩的30。按照实验次数进行均分。 实验考核的指标 实验出勤与纪律（10） 实验过程（40） 报告呈现（规范性、科学性）（50）,3/12/2019,6,实验内容安排,简单线性回归模型实验 多元线性回归模型实验 异方差问题的解决实验 序列相关性问题的解决实验 多元共线性问题的解决实验,3/12/2019,7,附录1：实验报告撰写的基本要求,规范清晰的标题 明确的实验目的 详细的模型设定说明 必要的数据获取及其预处理的说明 模型估计的Eviews实现过程和必要图表 模型检验及其结果说明 模型
3、结果的初步讨论 预测分析,3/12/2019,8,附录2：Eviews简介,Eviews软件背景 Eviews的启动、运行与关闭 Eviews的基本窗口简介,3/12/2019,9,Eviews软件背景,EVIEWS是在大型计算机的TSP (Time Series Processor) 软件包基础上发展起来的一组处理时间序列数据的有效工具。 1981年QMS (Quantitative Micro Software) 公司在Micro TSP基础上直接开发成功EVIEWS并投入使用。目前已经发展到6.0版。 EVIEWS得益于WINDOWS的可视的特点，能通过标准的WINDOWS菜单和对话框，
4、用鼠标选择操作，并且能通过标准的WINDOWS技术来使用显示于窗口中的结果。 可以利用EVIEWS的强大的命令功能和它的大量的程序处理语言，进入命令窗口修改命令，并可以将计算工作的一系列操作建立成相应的计算程序，并存储，可以通过直接运行程序来完成你的工作。 是目前经济管理学科进行计量分析使用较为广泛的软件工具，据调查，目前国内高校使用率达98（丘东、李自奈，2007）。,3/12/2019,10,Eviews的启动、运行与关闭,EVIEWS提供了一张光盘。插入光驱既可直接安装，并直接在桌面上建立图标。在第一次使用前，EVIEWS要求你在注册（网上或者电话）。 在WINDOWS下，有下列几种启动
5、EVIEWS的办法：单击任务栏中的开始按钮，然后选择程序中的EVIEWS进入EVIEWS程序组，再选择EVIEWS程序符号；双击桌面上的EVIEWS图标；双击EVIEWS的workfile 或database文件名称。 在主菜单上选择File/Close或按ALT-F4键来关闭EVIEWS；可单击EVIEWS窗口右上角的关闭方块。,3/12/2019,11,Eviews的基本窗口简介（一）,EVIEWS窗口由如下五个部分组成：标题栏、主菜单、命令窗口、状态线、工作区，如下。,标题栏,主菜单,命令窗口,工作区,状态线,3/12/2019,12,Eviews的基本窗口简介（二）,标题栏：它位于主窗
6、口的最上方。你可以单击EVIEWS窗口的任何位置使EVIEWS窗口处于活动状态。 主菜单：点击主菜单会出现一个下拉菜单，在下拉菜单中可以单击选择显现项。 命令窗口：菜单栏下面是命令窗口。把EVIEWS命令输入该窗口，按回车键即执行该命令。 状态线：窗口的最底端是状态线，它被分成几个部分。左边部分有时提供EVIEWS发送的状态信息；往右接下来的部分是EVIEWS寻找数据和程序的预设目录；最后两部分显示预设数据库和工作文件的名称。 工作区：位于窗口中间部分的是工作区。EVIEWS在这里显示各个目标窗口。,3/12/2019,13,实验一：简单线性回归模型实验,实验目的：熟悉和掌握Eviews在简单
7、线性回归模型中的应用。 实验数据：19782000年中国人均居民消费CONSP与人均GDPP，共计23个数据点。 实验原理：普通最小二乘法(OLS) 实验预习知识：普通最小二乘法、t检验、拟合优度检验、预测,3/12/2019,14,实验步骤之一：建立工作文件,（1）点击桌面Eviews5.0图标，运行Eviews软件。 （2）通过主界面菜单路径file-new-workfile，打开workfile create对话框。在对话框workfile structure type的下拉菜单，选择dated-regular frequency,在date specification下的frequen
8、cy选择annual,然后分别在start与end框中填写“1978”和“2000”。最后，在WF框中填写文件名“consp”。点击OK确认。,3/12/2019,15,实验步骤之一图示,工作文件创建框,工作文件界面,3/12/2019,16,实验步骤之二：建立序列对象,（1）点击主界面下拉菜单objectnew object，打开new object对话框。在types of object下选择序列series，然后在右边命名框，将其命名为consp。点击OK，完成对consp序列对象的建立。 （2）重复上述步骤，建立gdpp序列对象。 （3）完成对象序列建立,3/12/2019,17,Ne
9、w object 对话框,3/12/2019,18,对象建立后的工作文件界面,序列对象,3/12/2019,19,实验步骤之三：录入数据,（1）将数据预先保存为Excel文件。 （2）在主界面点击file-import-read text-lotus-excel，找到数据源文件，确认后打开数据录入对话框（如后）。在录入序列名对话框中，空格输入序列名consp gdpp（注意顺序），其他采用默认方式。点击OK，完成数据录入。 （3）通过双击对应数据序列对象，或者同时选中要查看对象，点击右键弹出菜单，采用open-as group，以组形式打开数据序列，查看数据录入情况。,3/12/2019,20
10、,录入数据对话框,3/12/2019,21,数据录入查看,3/12/2019,22,实验步骤之四：数据统计与作图,以组形式打开序列consp和gdpp。 在组对象的菜单依次点击view-discriptive stats-common sample（或者individual sample，分别显示结果），对序列数据进行描述性统计，包括均值、中位数、最大值，最小值、方差、标准差、斜度、峰度、Jarque-bera值以及正态性检验概率等（见后表）。 在组对象的菜单依次点击view-graph-scatter-scatter with regression,默认拟合变换对话框的设置，点击OK，得到c
11、onsp和gdpp带拟合曲线的关系散点图（见后图）,3/12/2019,23,数据描述性统计,3/12/2019,24,Consp与gdpp关系散点图,3/12/2019,25,实验步骤之五：构建估计模型,构建模型依据： 已有经济理论（收入消费理论） 逻辑分析 数据关系图 本实验构建的模型如下：,3/12/2019,26,实验步骤之六：模型估计,（1）在主界面菜单上，点击quick-estimate equation，打开模型估计设置对话框（如后图）。 （2）在对话框equation specification框中填写模型方程形式。对于线性方程来说，可以简单地填写因变量、参数项（默认为c）和自
12、变量名称，用空格隔开。 （3）在估计方法estimate method 中，选择普通最小二乘线性估计LS。其他默认设置。 （4）单击OK键，进行模型估计。输出结果见后。,3/12/2019,27,模型估计设置对话框,3/12/2019,28,模型估计之参数结果,状态参数,估计参数,3/12/2019,29,模型估计之方程结果,估计方程,3/12/2019,30,实验步骤之七：估计模型检验,一元线性模型的检验包括参数显著性检验（t检验）和拟合优度 检验。 参数检验：方程斜距参数为13.507，显著性概率为0.0000，而斜率参数为53.457，显著性概率为0.0000。因此，根据t检验原则，在显
13、著性水平为0.05的条件下，两个参数均显著的异于零，拒绝原假设H0。 本模型的拟合优度系数 为0.993，显示本模型具有较高的拟合程度，gdpp对consp的变异解释能力达到99.3%,3/12/2019,31,实验步骤之八：预测,模型预测包括两个方面：对E(y)的预测与对y的预测。 预测模式包括点预测与区间预测。 预测的误差主要来自两个方面：随机抽样误差和干扰因素误差。,3/12/2019,32,对E(y)的预测,（1）在方程对象窗口中，选择菜单forecast，弹出forecast对话窗口，在series name下面分别给预测值与标准误命名consf和se1。 （2）在输出结果outpu
14、t中，选择输出预测图forecast graph与预测评估表forecast evalution。默认其他设置。 （3）点击OK，输出结果。,3/12/2019,33,Forecast 对话窗口,3/12/2019,34,E（y）预测结果：图与评估表,预测图,评价表,由评估表可以发现：本模型 具有良好的预测能力。,3/12/2019,35,E（y）预测结果：预测值与标准误,标准误,预测值,3/12/2019,36,对y的预测,（1）假设2001年和2002年人均GDP分别达到5100元和6500元。预测2001年和2002年的人均消费额及其95预测区间。 （2）操作方式：首先在对工作文件的观测
15、值范围range进行修改。方式是在主菜单或者工作文件菜单上，点击proc-structure/resize current page，弹出workfile structure对话框。 （3）在对话框中，将end的年份修改为2002。 （4）点击OK，即修改了工作文件的观测值范围。 （注意：一种简单的方式就是双击workfile上的range，弹出对话窗口后修改。）,3/12/2019,37,Workfile structure 窗口及修改后数据,修改,将2001年和2002年数据输入,3/12/2019,38,对y的预测（续）,（4）打开序列gdpp，将其变为可编辑状态，将2001和2002年
16、数据输入。 （5）回到方程对象窗口，点击forecast，进入预测设置窗口。在序列名下，将预测值和标准误分别命名为cospf2和se2。默认其他设置。 （6）点击OK，输出预测图、评估表。同时可以通过打开conspf2和se2查看2001和2002年的实际预测值以及预测误差。,3/12/2019,39,Forecast 设置窗口,3/12/2019,40,y预测图与评估表,3/12/2019,41,y的预测值与预测标准误,预测值,标准误,3/12/2019,42,本实验的基本结论,（1）实验估计的模型结果如下： （2）参数检验结果均显著。 （3）本模型具有良好的预测功效。 （4）本模型具有一定
17、的缺陷，如没有考虑前期收入与消费的影响，也没有考虑时间序列的趋势性等，因此本实验结果值得进一步探讨。,（14.889) (0.0072) n=23, R2=0.993,3/12/2019,43,Ready? Lets go the next!,3/12/2019,44,实验二：多元线性回归模型实验,实验目的：熟悉和掌握Eviews在多元线性回归模型中的应用。 实验数据：19782002年中国的税收收入(y)、国内生产总值（x1）、财政支出（x2）和商品零售价格指数（x3）。 实验原理：普通最小二乘法(OLS) 实验预习知识：普通最小二乘法、t检验、拟合优度检验、F检验、预测,3/12/2019
18、,45,实验步骤一：建立工作文件,运行Eviews，依据路径file-new，打开工作文件建立对话框； 选择数据类型和时间频率，在开始start和end 框填写1978与2002，并对工作文件进行命名shuishou. 点击OK，完成工作文件建立。,3/12/2019,46,工作文件建立对话框,3/12/2019,47,实验步骤二：建立数据序列对象,建立序列对象有多种方法。 其一是通过主菜单中的下拉菜单object，进入序列建立对话框。后面步骤同实验一。 其二是通过workfile菜单的下拉菜单object，同样可以进入序列对象建立对话框。后面步骤同实验一。 其三是通过命令data。在工作命令
19、区输入如下命令“data y x1 x2 x3”，回车后，一次性建立多个序列。,3/12/2019,48,通过命令建立序列对象,3/12/2019,49,实验步骤三：输入数据,将数据预存于excel表； 在主菜单通过路径file-import-read text-lotus-excel，进入数据文件选择对话框，通过输入数据路径，进入数据录入对话框。 在对话框中的序列名称中，输入要输入的数据序列名：y x1 x2 x3（注意顺序）。 默认其他设置，单击OK，完成数据录入工作。,3/12/2019,50,数据录入对话框,3/12/2019,51,实验步骤四：数据统计与图象,将所有数据对象按照组的方
20、式打开； 在组窗口下依据路径view-descripritive stats-common sample，输出各个变量的统计描述表格。 在组窗口下，依据路径view-graph，输出各序列的图象。,3/12/2019,52,统计描述与图象,3/12/2019,53,实验步骤五：模型构建,通过分析，构建如下实验模型：,3/12/2019,54,实验步骤六：模型参数估计,在主菜单依据路径：quick-estimate equation，进入模型设定对话框。 在模型设定对话框输入模型，或者“y c x1 x2 x3” 选择“LS”作为估计方法。 单击OK，进行参数估计。,3/12/2019,55,模
21、型设置对话框,3/12/2019,56,模型参数估计结果,3/12/2019,57,实验步骤七：,模型参数检验（t检验） 拟合优度检验R平方与调整R平方。 模型设定检验F检验。,3/12/2019,58,实验步骤八：模型预测评估,通过方程界面的菜单“forecast”，进行预测分析。 通过分析相关参数，可以发现模型的拟合程度和预测效果很好。,3/12/2019,59,预测评估：图形与参数,3/12/2019,60,实验步骤九：实验总结,通过实验，本模型的拟合结果如下： 解释各个参数的统计含义和经济含义。 实验报告撰写要点提示,（940.613) (0.006) (0.033) (8.738),
22、=0.997, F=2717.238, N=25,3/12/2019,61,Ready? Lets go to the next,3/12/2019,62,实验三：异方差问题的解决实验,实验目的：掌握异方差问题的eviews解决过程；进一步深化异方差问题的理论理解。 实验数据:smoke.raw,样本容量：807。 实验原理：White 检验，FGLS异方差修正方法。 实验知识预习：OLS估计；异方差问题后果；异方差检验方法；FGLS异方差修正程序。,3/12/2019,63,实验步骤一：建立工作文件和数据录入,依据实验一和实验二学过的关于工作文件建立的知识，建立相应的工作文件smoke.wo
23、rkefile。 录入数据。数据的格式为横截面数据，样本点807个。,3/12/2019,64,实验步骤二：构建估计模型,主要分析影响个人天均吸烟量（cigs）的因素，包括income:年收入；cigpric:香烟价格（包/美分）；educ:受教育年数；age:年龄；restaurn:二值变量，所在地禁止吸烟为1，否则为0。 多元线性模型如下：,3/12/2019,65,实验步骤3：模型的初步估计,估计方法采用OLS方法； 估计的程序类似实验一与实验二。 估计的结果（见后）,3/12/2019,66,参数估计结果表,3/12/2019,67,实验步骤四:异方差检验,在方差窗口,选择eview-
24、residual test-White heteroskedasticity,进行异方差检验. 注意到选择White检验,有两种选项,即包括交叉项(cross terms)和不包括交叉项(no cross terms)两种. 两类输出结果见后.,3/12/2019,68,异方差检验结果,没有交叉项的检验结果:,有交叉项的检验结果:,检验结论:在显著水平为0.05的条件下,两种检验结果均显示:本模型 具有异方差性.,3/12/2019,69,实验步骤五:异方差修正(1),采用的方法为FGLS. 创建回归残差序列u,并且转换为log(u2).操作方式 (1)在方程窗口,选择Proc-make re
25、sidual series,弹出序列命名对话框,将序列命名为u,单击OK后,得到残差序列u. (2)在主窗口命令区,输入如下命令”series g=log(u2).回车后得到log(u2)序列,并命名为g.,3/12/2019,70,实验步骤五:异方差修正(2),获取权重函数h.具体操作步骤是: (1)将g对所有解释变量回归; (2)获取g的拟合值.操作是在g的回归窗口,选择forecast,在预测窗口中,将forecast序列命名为gf.单击OK后,得到gf序列; (3)在主窗口采用命令”series h=exp(gf)”,得到权重函数序列h.,3/12/2019,71,预测对话窗口,3/1
26、2/2019,72,权重H显示,3/12/2019,73,实验步骤五:异方差修正(3),重新打开模型估计设定窗口,设定模型后,选择Opion,打开加权选择窗口(如后). 选中wighted LS/2SLS,并在其空白框填写”1/squrt(h)”. 单击OK,进行加权估计,结果见后.,3/12/2019,74,Opion窗口设置,3/12/2019,75,加权估计结果,3/12/2019,76,实验总结,对比加权前后的估计结果,进行讨论; 本实验的其他可能问题的讨论; 可以同时采用图形法、GQ检验以及BP检验。 实验报告的撰写.,3/12/2019,77,ready? Lets go to t
27、he next!,3/12/2019,78,实验四:序列相关性问题的解决实验,实验目的:掌握序列相关性问题的Eviews解决程序,加深对序列相关问题的理解. 实验数据:1985-2003的中国农村人均消费(y)和人均纯收入(x). 实验原理:图形检验,杜宾-沃森DW检验,LM检验，科克伦-奥科特迭代估计. 预备知识：序列相关及其检验知识。,3/12/2019,79,实验步骤一：建立工作文件并估计方程,依据前述实验知识，建立工作文件。 构建如下估计模型： 依据以前的基本操作程序，估计上述模型。结果见后。,3/12/2019,80,初步估计结果,3/12/2019,81,实验步骤二：异方差图形检验
28、,（1）创建残差序列。在方程窗口依据路径proc-make residual series，打开序列对话框，将序列命名为e； （2）单击确定，得到残差序列e. （3）打开序列e,依据路径eview-graph-line，得到et关系图（见后）。 （4）通过命令“series e(t-1)=e(-1)”，得到滞后一阶序列e(t-1),作e(t)与e(t-1)图形。,3/12/2019,82,图形检验,由两个图形可以初步判断：模型存在正的序列相关。,3/12/2019,83,实验步骤三：DW检验,通过对模型的OLS估计，得到其DW估计为： 通过查表，可以发现，对样本量为19、一个解释变量的模型、5
29、%显著水平，查DW统计表可知，dL=1.18，dU= 1.40，模型中DWdL，显然消费模型中有正的自相关。,3/12/2019,84,实验步骤四：LM检验,（1）在估计方程选择eview-residual test-serial correlation LM test,在弹出窗口，选择滞后2项（即可能存在2阶序列相关）得到LM检验结果如后。,3/12/2019,85,LM检验结果,由结果可知：存在一阶正的序列相关。,3/12/2019,86,实验步骤五：CO修正,注意：在Eviews的估计中，序列相关性修正并不复杂。 打开方程设定程序，在模型设定空白框中输入如下模型形式“y c x ar(1
30、)”,选择最小二乘估计，单击确定，即可得到修正的估计方程。,3/12/2019,87,序列相关修正的模型设置,3/12/2019,88,模型修正结果,3/12/2019,89,实验步骤六：对修正模型的再检验,采用LM对修正模型再进行序列相关性检验，得到的结果如下： 同时修正模型的DW1.398，通过查表，可以发现，修正后模型不再具有序列相关性。,3/12/2019,90,实验步骤七：结论与讨论,本模型的最终估计结果如下： 如何解释实验结论？ 实验报告的撰写指导,(19.230) (0.031),(0.188),3/12/2019,91,Ready? Lets go to the next!,3
31、/12/2019,92,实验五：多元共线性问题的解决实验,实验目的：了解和掌握Eviews在解决多元共线问题的解决程序，加深对多元共线问题的知识理解。 实验数据：19942003国内旅游业数据。 实验原理：t、R平方与F检验；逐步回归法； 实验预备知识：多重共线的矩阵知识；逐步回归方法。,3/12/2019,93,实验步骤一：建立工作文件并构建模型,依据前述相关实验的知识，在Eviews中构建工作文件，并建立相应的序列对象，其中包括国内旅游市场收入（Y），国内旅游人数（X2），城镇居民人均旅游支出（X3），农村居民人均旅游支出（X4），公路里程（X5），铁路里程（X6） 构建如下研究模型：,3
32、/12/2019,94,实验步骤二：初步估计方程,方程估计的Eviews估计结果如下：,3/12/2019,95,实验步骤三：多重共线性诊断,多重共线性诊断有多种方法： （1）t、F、R平方诊断。注意到前述模型OLS估计的F173.353;调整后的R平方0.99；但是，常数项，x2和x6的t检验均不显著。这暗示了本模型可能存在多重共线性问题。 （2）计算解释变量间的相关系数。操作模式：将x2x6同组打开，选择eview-correlations-common sample，得到相关系数矩阵。,3/12/2019,96,解释变量相关系数矩阵,由表可以看出，x2和x6与其他变量间存在较高的相关系数
33、，因此可以怀疑解释变量间存在多重共线问题。,3/12/2019,97,实验步骤四：多重共线性的消除,采用逐步回归的办法，去检验和解决多重共线性问题。分别作Y对X2、X3、X4、X5、X6的一元回归，结果如表所示：,3/12/2019,98,按 的大小排序为：X3、X6、X2、X5、X4。 以X3为基础，顺次加入其他变量逐步回归。首先加入X6回归结果为：,t=(2.9086) (0.46214),X6不显著，予以剔除。,3/12/2019,99,加入X2回归得,t=(4.2839) (2.1512),X2检验也不显著（阀值为2.365)，予以剔除。,3/12/2019,100,加入X5回归得,t
34、=(6.6446) (2.6584),X5的参数检验显著，予以保留。,3/12/2019,101,再加入X4回归得,t=(3.944983) (4.692961) （3.06767）,F=231.7935 DW=1.952587,三个参数检验均显著，X4予以保留。,3/12/2019,102,实验步骤五：结论与讨论,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元时，国内旅游收入将分别增长4.21亿元和3.22亿元。在其他因素不变的情况下，作为旅游设施的代表，公路里程每增加1万公里时, 国内旅游收入将增长13.63亿元。 可以利用SPSS软件，计算膨胀因子。 实验报告的撰写问题,3/12/2019,103,The end. Thank you!,