Eviews5学习教程.doc

《Eviews5学习教程.doc》由会员分享，可在线阅读，更多相关《Eviews5学习教程.doc（122页珍藏版）》请在三一文库上搜索。

1、1.EVIEWS 基础基础5 1.1.EVIEWS简介5 1.2.EVIEWS的启动、主界面和退出5 1.3.EVIEWS的操作方式7 1.4.EVIEWS应用入门8 1.5.EVIEWS常用的数据操作17 2.一元线性回归模型一元线性回归模型26 2.1.用普通最小二乘估计法建立一元线性回归模型26 2.2.模型的预测32 2.3.结构稳定性的 CHOW检验 36 3. 多元线性回归多元线性回归41 3.1.用 OLS 建立多元线性回归模型41 3.2.函数形式误设的 RESET 检验47 4. 非线性回归非线性回归50 4.1.用直接代换法对含有幂函数的非线性模型的估计50 4.2.用间接

2、代换法对含有对数函数的非线性模型的估计52 4.3.用间接代换法对 CD 函数的非线性模型的估计55 4.4.NLS 对可线性化的非线性模型的估计57 4.5.NLS 对不可线性化的非线性模型的估计60 4.6.二元选择模型64 5. 异方差异方差70 5.1.异方差的戈得菲尔德匡特检验70 5.2.异方差的 WHITE 检验74 5.3.异方差的处理77 6. 自相关自相关81 6.1.自相关的判别81 6.2.自相关的修正85 7. 多重共线性多重共线性89 7.1.多重共线性的检验89 7.2.多重共线性的处理94 8. 虚拟变量虚拟变量96 8.1.虚拟自变量的应用96 8.2.虚拟变

3、量的交互作用101 8.3.二值因变量：线性概率模型103 9. 滞后变量模型滞后变量模型107 9.1.自回归分布滞后模型的估计107 9.2.多项式分布滞后模型的参数估计112 2 10. 联立方程模型联立方程模型117 10.1.联立方程模型的单方程估计方法117 10.2.联立方程模型的系统估计方法121 3 1. Eviews 基础基础 1.1.Eviews 简介简介 Eviews：Econometric Views（经济计量视图） ，是美国 QMS 公司（Quantitative Micro Software Co.，网址为 http:/）开发的运行于 Windows 环境下的经

4、济计量分析软件。Eviews 是应用较为广泛的经济计量分析软件MicroTSP 的 Windows 版本，它引入了全新的面向对象概念，通过操作对象实现各种计量分析功能。 Eviews 软件功能很强，能够处理以时间序列为主的多种类型数据，进行包括描述统 计、回归分析、传统时间序列分析等基本数据分析以及建立条件异方差、向量自回归等 复杂的计量经济模型。 1.2.Eviews 的启动、主界面和退出的启动、主界面和退出 1.2.1. Eviews 的启动的启动 单击 Windows 的【开始】按钮，选择【程序】选项中的【Eviews 5】 ，单击其中的 【Eviews5】 ；或者在相应目录下用鼠标双击

5、启动 Eviews 5 程序，进入主窗口。如图 1.1 所示： 图 1.1 标题栏 菜单栏 命令窗口 工作区 状态栏 4 1.2.2. Eviews 的主界面的主界面 1.2.2.1.标题栏标题栏 Eviews 窗口的顶部是标题栏，标题栏左边是控制框；右边是控制按钮，有【最小化】 、 【最大化（或还原） 】 、 【关闭】三个按钮。 1.2.2.2.菜单栏菜单栏 标题栏下面是菜单栏。菜单栏中排列着按照功能划分的 9 个主菜单选项，用鼠标单 击任意选项会出现不同的下拉菜单，显示该部分的具体功能。9 个主菜单选项提供的主 要功能如下： 【File】 有关文件（工作文件、数据库、Eviews 程序等）

6、的常规操作，如文件的建 立（New） 、打开（Open） 、保存（Save/Save As） 、关闭（Close） 、导入（Import） 、导出 （Export） 、打印（Print） 、运行程序（Run）等；选择下拉菜单中的 Exit 将退出 Eviews 软件。 【Edit】 通常情况下只提供复制功能（下拉菜单中只有 Cut、Copy 项被激活） ，应 与粘贴（Paste）配合使用；对某些特定窗口，如查看模型估计结果的表达式时，可对窗 口中的内容进行剪切（Cut） 、删除（Delete） 、查找（Find） 、替换（Replace）等操作， 选择 Undo 表示撤销上步操作。 【Obje

7、cts】 提供关于对象的基本操作。包括建立新对象（New Objects） 、从数据库 获取/更新对象（Fetch/Update from DB） 、重命名（Rename） 、删除（Delete） 。 【View】和【Procs】 二者的下拉菜单项目随当前窗口不同而改变，功能也随之变 化，主要涉及变量的多种查看方式和运算过程。我们将在以后的实验中针对具体问题进 行具体介绍。 【Quick】 下拉菜单主要提供一些简单常规用法的快速进入方式。如改变样本范围 （Sample） 、生成新序列（Generate Series） 、显示对象（Show） 、作图（Graph） 、生成新 组（Empty Gr

8、oup）以及序列和组的描述统计量、新建方程和 VAR。 【Options】 系统参数设定选项。与一般应用软件相同，Eviews 运行过程中的各种 状态，如窗口的显示模式、字体、图像、电子表格等都有默认的格式，用户可以根据需 要选择 Options 下拉菜单中的项目对一些默认格式进行修改。 【Windows】 提供多种在打开窗口种进行切换的方式，以及关闭所有对象（Close All Objects）或关闭所有窗口（Close All） 。 【Help】 Eviews 的帮助选项。选择 Eviews Help Topics 按照索引或目录方式在所有 帮助信息种查找所需项目。下拉菜单还提供分类查询方

9、式，包括对象（Object） 、命令 （Command） 、函数（Function） 、矩阵与字符串（Matrix) () 1(,0,1 yy iii f y xG xG xy 那么由此可得第 次观测的对数似然函数为i * MERGEFORMAT (4.15)( )log ()(1)log1() iiiii lyG xyG x 因此对所有观测求和即得到样本容量为的对数似然函数：n * MERGEFORMAT (4.16) 1 ( )log ()(1)log1() n iiii i yG xyG x 在确定以后，通过对方程 4.16 最大化的一阶条件求解除模型参数的估计量。G 模型的解释 对于该

10、模型的解释，不同于线性概率模型。由于该模型的非线性特点，因此就不能在其 他条件不变的情况下单纯考虑某一控制变量（control variable）对响应变量（response variable）的影响。一般而言，估计对成功概率的影响只需要的符号就 j xP(1| )yx j 可以获知这两者之间的关系。如果需要更加具体的变动关系，则可以表述为： * MERGEFORMAT (4.17) 01122 01 122 () () kk kk PGxxxx Gxxx 这样的解释相对于线性概率模型而言较为复杂。 二元选择模型的类型 二元选择模型可以有不同的类型，表 4.5 是几种二元选择模型的类型： 表

11、3.6 二元选择模型类型表 对应的分布e分布函数 F相应的二元选择模型 标准正态分布)(xProbit 模型（较常用） Logistic 分布 x x e e 1 Logit 模型 I 型极值分布 - 1-e x e Extreme value 模型 3.8.3. 实验数据实验数据 数据文件见工作文件chapter04demo05.wf11 变量说明文件见文本文件chapter04demo05D.txt 1 该数据反映美国已婚女性养育子女的个数对其个人参与劳动力市场的影响。 63 3.8.4. 实验内容实验内容 打开例 4.1 所指示的 chapter04demo05 这个工作文件 建立 nw

12、ifeinc、educ、exper、exper2、age、kidslt6、kidsge6 对 inlf 的二元选择 模型进行参数估计 3.8.5. 实验步骤实验步骤 建立数据文件建立数据文件 inlf 为当年妇女为了工资收入而参与劳动力市场，nwifeinc 表示丈夫 的收入、educ 表示受教育水平、exper 表示曾经的工作时间、age 表示年龄、kidslt6 表示 家中有的 6 岁以下孩子的个数、kidsge6 表示家中的 618 岁孩子的个数。 建立二元选择模型建立二元选择模型 打开工作文件 demo5，选择建立方程，在【Estimation Settings】选项中选择二元选择模型

13、，如图 4.11 所示。 图 3.20 其默认的模型为 Probit 模型，点击 ok 按钮即可输出结果，如果 4.12 所示。 64 图 3.21 Log Likelihood：简记作 L，对数似然值。是基于极大似然估计法得到的统计量。 L 取值越大，模型越精确。一般来说当自变量较多时，L 越大。 Restr. log likelihood：零模型的对数似然值，计为，其中零模型是仅含有常数l 项和误差项的模型，又称截距概率模型，主要用于和现有模型比较。但是在回 归方程中如果不包含常数项时，将不显示该统计量。 Avg. log likelihood：是 l/n，其中 n 为观察值个数。 LR

14、statistic：LR 检验统计量，用来检验模型的整体显著性。检验的零假设为除 常数项以外的所有系数都为零，该统计量定义为：。其作用类)(2llLR 似于线性回归中的 F 统计量，但是在回归方程中如果不包含常数项时，将不显 示该统计量。 Probability（LR stat）：LR 统计量的相伴概率值。 Akaike info criterion：AIC 准则，赤池信息准则。该统计量定义为： 用以评价模型的好坏。其中 L 是对数似然值，k 是被估计参 n 2k n 2L AIC 数的个数，n 是观测值数目。AIC 要求取值越小越好。 Schwarz criterion：施瓦茨准则。该统计量

15、定义为：用法和 n n2k n 2Lln SC 65 特点与 AIC 近似。 McFadden R.squared：该检验值被定义为似然比的一个指标，类似于线1 l l 性回归中的 R2，如果在回归方程中如果不包含常数项时，将不显示该统计量。 4.6.5.3 进一步对模型结果进行期望预测（Expectation-Prediction）分析，在方程结果窗 口中点击【View】【Expectation-Prediction Table】 ，弹出对话框如图 4.13 所示。 图 3.22 这里 0.5 为 Eviews 默认截断值，然后根据每个观察值的预测概率是否大于这个截断值进 行分组。点击【OK

16、】按钮，弹出结果如图 4.14 所示。 图 3.23 从表上半部分可以看出预测概率的正确率总体达到 73.44%；而表的下半部分给出了根据 期望值计算的预测结果，正确率达到 64.21%。 66 4.6.5.4 打开方程估计对话框，选择 Logit 模型，得出结果如图 4.15 所示。 图 3.24 通过对比 Probit 回归与 Logit 回归结果，不难发现回归结果基本吻合，且存在将 Probit 回归所得的参数乘以 1.6 就基本与 Logit 回归所得参数值大小相当，其中原因，请读者思 考。 67 4. 异方差异方差 4.1.异方差的戈得菲尔德异方差的戈得菲尔德匡特检验匡特检验 4.1

17、.1. 实验要求实验要求 掌握异方差的戈得菲尔德匡特检验原理，并使用 Eviews 软件进行戈得菲尔德 匡特检验的程序设计与操作，并通过该检验结果来判别是否存在因为自变量引起的 i x 异方差。 4.1.2. 实验原理实验原理 戈得菲尔德匡特（Goldfeld-Quandt）检验方法： * MERGEFORMAT (5.1) 01 122kk yxxx 如果存在由变量引起的异方差，那么首先按变量的样本观测值大小进行排序，然后 i x i x 将整个样本中间的个观测值除去，并将剩下的观测值划分为大小相同的两个子4cn 样本，每个子样本的容量均为，此时作第一个子样本的回归，得到第一个回归的 2 n

18、c ，同样方法可以得到，进而可以得出： 1 SSR 2 SSR * MERGEFORMAT (5.2) 2 2 1,1 122 1 (1) 2 (1) 2 n cn c kk nc SSRk SSR FF nc SSR SSRk : 在给定显著性水平下，存在： ，则显然存在因为引起的递增的异方差；(1,1) 22 ncnc FFkk i x ，则不存在因为引起的异方差；1(1,1) 22 ncnc FFkk i x ，则取该统计值的倒数，即，再与给定显著性水平的1F F 1 2 1SSR F FSSR 临界值比较大小，如果大于该临界值，则存在因(1,1) 22 ncnc Fkk 68 为引起的

19、递减的异方差 i x 4.1.3. 实验数据实验数据 表 4.1 某地区居民收入与储蓄额 1 obsXYobsXYobsXYobsXY 1958877726419661426943119742412715781982321002250 1959921010519671552258819752560416541983325002420 196099549019681673089819762650014001984335001720 19611050813119691766395019772743020171985352502570 19621097912219701857577919782767

20、018291986360001900 19631191210719711953581919792815016001987362002100 196412747406197221163122219802830022001988382002300 19651349950319732288010721981295602105 Y：储蓄；X：居民收入 4.1.4. 实验内容实验内容 建立工作文件，创建序列（或变量）并输入数据 建立一个程序文件，并按照要求输入程序语句 运行并输出结果，并得出结论 4.1.5. 实验步骤实验步骤 创建工作文件创建工作文件 创建一个时间在 19581988 的时间序列工作文

21、件，创建变量，并输 入数据。 建立程序文件建立程序文件 点击 Eviews 主窗口菜单【File】【New】【Program】 ，弹 出一个空白的程序窗口，如图 5.1 所示。 1 该数据被保存在chapter05demo01.wf1 69 图 4.1 并在这个程序窗口中输入如下命令： vector(5) m创建一个含有五个数字的向量文件 m SORT X对 X 序列进行排序 1 SMPL 1958 1969定义第一子样本的当前区间在 19581969 m(1)=10定义向量的第一个数字为 10 equation smleq.LS Y C X创建一个名为 smleq 的线性回归方程 m(2)=

22、ssr定义向量的第二个数字为 smleq 方程的残差平方和 SMPL 1977 1988定义第二子样本的当前区间在 19771988 equation lrgeq.LS Y C X创建一个名为 lrgeq 的线性回归方程 m(3)=ssr定义向量的第三个数字为 lrgeq 方程的残差平方和 m(4)=m(3)/m(2)定义向量的第四个数字为 m(3)/m(2) m(5)=fdist(m(4),m(1),m(1)定义向量的第五个数字为 F 统计量显著性水平 show m显示向量 m 完成后点击【Save】按钮保存在指定的路径。然后点击【Run】按钮，弹出一个向量窗 口，如图 5.2 所示。 图

23、4.2 通过对图 5.2 输出结果的比较，R5 为 0.010.05，因此可以在 0.05 的水平上拒绝原假设， 1 此处命令仅对截面数据有效，注意在时间序列中不能使用该命令，因为在命令行中打。 70 即原方程存在异方差，且为递增的异方差。 4.1.6. 实验注意实验注意 戈得菲尔德匡特检验适用于样本容量较大，异方差递增或者递减的情况；并且 已知引起该异方差的自变量。此外根据戈得菲尔德匡特检验的结果，如果存在异方 差，那么该异方差的形式一般为。( ) ii f xx 71 4.2.异方差的异方差的 WHITE 检验检验 4.2.1. 实验要求实验要求 理解 White 检验的相关概念和检验方法

24、；掌握异方差的 White 检验方法，使用 Eviews 进行异方差的 White 检验，并对报告结果进行分析推断。 4.2.2. 实验原理实验原理 White 检验思想：在异方差形式未知的情况下，假设当模型中包括了 3 个自变量， 形如： * MERGEFORMAT (5.3) 2222 01 122334152637128 13923 xxxxxxx xx xx xe 其中为方程的残差值，此时 White 检验就是上述回归 01 12233 yxxxu 的整体显著性的 F 检验，如果此时 F 检验显著，那么就存在异方差，反之则不存在异方 差。但是当自变量增多的时候，上述回归中的自变量将呈现

25、出几何级增加，因此将大量 损失自由度。因此存在的一个改进为，作回归： * MERGEFORMAT (5.4) 22 012 yye 此时采用 F 检验来检验的原假设即可。 001 H :0 4.2.3. 实验内容实验内容 基于实验 5.1 数据来进行 White 检验 4.2.4. 实验步骤实验步骤 打开实验数据打开实验数据 打开 5.1 的实验数据（注意将样本区间改为 19581988，在运行 完程序之后，工作文件默认的样本区间位 19771988） 进行回归与进行回归与 White 检验检验 用 y 对 x 进行回归，回归结果如图 5.3 所示 72 图 4.3 通过 Eviews 对该回

26、归模型进行 White 检验 点击方程窗口的【View】【Residual Tests】【White Heteroskedasticity】 (no cross terms 即是否选择交叉项)。如图 5.4 所示。 图 4.4 结果显示如图 5.5。 73 图 4.5 图 5.5 的上半部分报告的为 White 检验的 F 检验值及其相伴概率和 LM 统计量 1及其 相伴概率，通过这两个统计量值及其相伴概率，可以拒绝不存在异方差的原假设。而图 5.5 的下半部分提供了 White 检验的辅助回归的回归结果，该结果的 F 检验统计量值与 上半部分报告的一样；在本实验中，由于只有一个自变量，所以

27、White 检验中辅助回归 的自变量是原方程的自变量及其二次项，而非和。 （在只有一个自变量的条件下， y 2 y 交互项也是不存在的，所以无论在 Eviews 选择 White 检验的是否含有交互项的检验，此 时的结论时完全一致的） 1 LM 统计量（Lagrange Multiplier statistic）:拉格朗日乘数统计量，又称得分统计量（score statistic） ，此 处值为观测值个数乘以残差项对自变量回归后的值，其服从自由度为自变量个数的分布，因此 2 R 2 有时也被称为 n-R-平方统计量，该统计量类似于 F 检验统计量，也是检验排除性约束的。 74 4.3.异方差的

28、处理异方差的处理 4.3.1. 实验要求实验要求 理解加权最小二乘法的原理，掌握加权最小二乘法对异方差的处理并根据经济理论 对可能产生的异方差的函数形式进行适当分析，进而应用 Eviews 来进行 WLS 的操作并 观察异方差的消除。 4.3.2. 实验原理实验原理 如果已知一元线性回归模型的方差与自变量的某种函数成比例，即有 i * MERGEFORMAT (5.5) 2 i Var()* 2 ii f(x ) 那么对于原模型 01122iiikik y x x x 两边同时除以，得到)f(xi * MERGEFORMAT (5.6) 01122iiikiki iiiiii y x x x

29、f(x )f(x )f(x )f(x )f(x )f(x ) 由于具有同方差性，因此变换消除了异方 2 222 ii EE() i ii i 11 f(x )f(x )f(x ) 差。为此原方程也变化为 01122 ( )( )( )( )( )( ) iiiiiiikikiii yf xf xxf xxf xxf xf x * MERGEFORMAT (5.7) 或者写为 * MERGEFORMAT (5.8) * 001122iiiikiki yxxxx 一般而言在 WLS 的权重选择上，常见的形式有、1 ii x1 ii x 等 2 1 ii x 75 4.3.3. 实验内容实验内容 基

30、于 5.2White 检验的结果在 Eviews 中进行 WLS 操作 根据经济学理论对异方差形式进行一定估计以取得适当的权重 根据选取的权重利用 WLS 对异方差进行处理 4.3.4. 实验步骤实验步骤 5.3.4.1 打开 5.1.2 的实验数据并进行 White 检验，在此略去。 5.3.4.2 在进行过 White 检验的工作窗口中点击【Procs】【Specify/Estimate】 ，如图 5.6 所示。 图 4.6 在弹出方程对话框中点击【Option】 ，如图 5.7 所示。 76 图 4.7 再在 Option 对话框中在【Weighted LS/TSLS】前打，在 Weig

31、ht 框中填入适当的权重， 在本例当中，选择 1/x 为权重，如图 5.8 所示。 图 4.8 确定以后，退回到方程对话框中，点击【OK】 ，得到结果，如图 5.9 所示。 77 图 4.9 再对 WLS 以后的模型进行 White 检验，得出结果如图 5.10 所示。 图 4.10 从结果看出，异方差消除。 4.3.5. 实验注意实验注意 在经过加权变化后的估计模型中，所得到的值，尽管对计算 F 统计量很有用， 2 R 但是作为拟合优度的指标已经没有意义：因为它反映出的仅仅是的变异中有多少可以 * y 由来解释，但这的确是没有意义的。 * i x 78 5. 自相关自相关 5.1.自相关的判

32、别自相关的判别 5.1.1. 实验要求实验要求 掌握 Durbin-Watson 检验的基本思想，并根据报告的 Durbin-Watson 值判别是否存在 自相关。了解 Durbin-Watson 检验的适用范围与自相关的基本原理，并能够根据自相关 存在的基本原理进行更为一般的检验 5.1.2. 实验原理实验原理 Durbin-Watson 检验的基本原理 存在一阶自相关 * MERGEFORMAT (6.1) 1ttt uu 那么基于全套经典线性模型假定采用 OLS 回归得出的残差则存在 * MERGEFORMAT (6.2) 1 ttt uu 那么应当显著异于 0 且绝对值小于 1，因此可

33、以构建 * MERGEFORMAT (6.3) 22 1 21 ()2(1) tt iii ii DWuuu 根据经验做法 DW 值一般在 2 左右则不存在自相关，同样可以通过 Durbin-Watson 统计 量表来判定是否存在自相关。 表 5.1 DW 检验判断表 DW 值值结论结论 0DWdL存在一阶正自相关 dLDWdU无法判断 dUDW4- dU不存在自相关 4- dUDW4- dL无法判断 4- dLDW4存在一阶负自相关 通过这一基本原理可以了解 Durbin-Watson 检验的适用条件为：在大样本条件下只存在 误差项的一阶自相关，并且解释变量与误差项不相关。 一般情形下自相关

34、的判别方法 79 从方程 6.2 出发，可以通过回归直接得出的值的 统计量检验是否异于 0 来判t 断是否存在一阶自相关。同样如果存在自变量与误差项相关时，可以类似的做 回归： * MERGEFORMAT (6.4) 01 1221 tkkt uxxxu 通过该回归得出的与 判断是否存在一阶自相关。t 更一般地，如果检验是否存在高阶自相关，那么只需要做回归 * MERGEFORMAT (6.5) 01 1221122 tkktt uxxxuu 只需要检验方程 6.5 中的联合显著性的检验或者 LM 检验，该 LM 检验又 12 , tt uu F 被称为 Breusch-Godfrey 大样本检验。 5.1.3. 实验数据实验数据 表 5.2 某地区出口商品总值与国内生产总值 1 obsYXobsYX 19674010224181977562829091 19683711223081978573629450 19694004233191979594630705 19704151241801980650132372 19714569248931981654933152 19724582253101982670533764 19734697257991983710434411 19744753258861984760935429 197550622686819858