【正文】 /Omitted Variables—Likelihood Ration，在打開的對話框中，列出檢驗統(tǒng)計量名，用至少一個空格相互隔開。 58 注意： (1) 遺漏變量檢驗要求在原始方程中和檢驗方程中觀測值數(shù)相等 。 檢驗的輸出是 F 統(tǒng)計量和似然比（ LR）統(tǒng)計量及各自 P值 ，以及在備選假設下無約束模型估計結(jié)果。 在方程對 話 框 中 選 擇 View/Coefficient tests/Wald Coefficient Restrictions。它們的 P值表明我們可以確定地接受規(guī)模報酬不變的原假設。 約束條件應表示為含有估計參數(shù)和常數(shù) （ 不可以含有序列名 ） 的方程 ， 系數(shù)應表示為 c(1)， c(2)等等 ， 除非在估計中已使用過一個不同的系數(shù)向量 。 那么由產(chǎn)出彈性的經(jīng)濟意義 ， 應該有 ? ,? 即當資本與勞動的數(shù)量同時增長 ?倍時，產(chǎn)出量也增長 ? 倍。 u?~52 2. 如何進行 Wald系數(shù)檢驗 為介紹如何進行 Wald系數(shù)檢驗，我們考慮一個例子。 進一步假設誤差獨立同時服從正態(tài)分布 ， 我們就有一確定的 、 有限的樣本 F統(tǒng)計量 qWkTuuquuuuF /)/(??/)???~?~( ??????? 是約束回歸的殘差向量 。 如果約束為真 ， 無約束估計量應接近于滿足約束條件 。包括系數(shù)檢驗、殘差檢驗和穩(wěn)定性檢驗： 50 167。每一檢驗的內(nèi)容都不同，將分別描述。例如，如果 P值在 ，原假設在 5%顯著性水平被拒絕而不是在 1%水平。 48 下面描述的每一檢驗過程包括假設檢驗的 原假設 定義。 一旦估計了方程 ， EViews提供了評價方程定義質(zhì)量的工具 。 定義和診斷檢驗 經(jīng)驗研究經(jīng)常是一種相互影響的過程 。 出現(xiàn)這個錯誤信息后 ， 應該檢查回歸變量是否是共線的 。這種季節(jié)調(diào)整方法是以季節(jié)變動要素不變并且服從于加法模型為前提，否則應該首先運用 X12或其他方法對數(shù)據(jù)進行季節(jié)調(diào)整。 43 4 0 0 05 0 0 06 0 0 07 0 0 08 0 0 09 0 0 01 0 0 0 01 1 0 0 01 2 0 0 01 9 9 5 1 9 9 6 1 9 9 7 1 9 9 8 1 9 9 9 2 0 0 0 2 0 0 1 2 0 0 28 0 0 01 2 0 0 01 6 0 0 02 0 0 0 02 4 0 0 02 8 0 0 03 2 0 0 01 9 9 5 1 9 9 6 1 9 9 7 1 9 9 8 1 9 9 9 2 0 0 0 2 0 0 1 2 0 0 2圖 社會消費品零售總額 RS 圖 GDP 通過圖 ， 可以看出 1995年 1季度～ 2020年 1季度的季度 GDP和社會消費品零售額 RS存在明顯的季節(jié)因素 （ 數(shù)據(jù)見附錄 E表 ） ， GDP通常逐季增加 ， 也有一些年份中第二季度高于第三季度 。 42 例 季節(jié)虛擬變量 當使用含有季節(jié)因素的經(jīng)濟數(shù)據(jù)進行回歸分析時，可以對數(shù)據(jù)進行季節(jié)調(diào)整消除原數(shù)據(jù)帶有的季節(jié)性影響，也可以使用虛擬變量描述季節(jié)因素，進而可以同時計算出各個不同季度對經(jīng)濟變量的不同影響。因為工資的總平均是 ，該虛擬變量告訴我們，婦女的平均工資為 ，或比總平均低 。如果考慮到通貨膨脹預期的影響，則可以在模型中引入代表通貨膨脹預期的變量，比如用通貨膨脹前期值來代表。 ttt utccPG D P ???? 10)_l n (35 (3) 雙曲函數(shù)模型 形如下式的模型稱為雙曲函數(shù)模型 這是一個變量之間是非線性的模型，因為 Xt 是以倒數(shù)的形式進入模型的，但這個模型卻是參數(shù)線性模型，因為模型中參數(shù)之間是線性的。宏觀經(jīng)濟模型表達式中常有時間趨勢，在研究經(jīng)濟長期增長或確定性趨勢成分時，常常將產(chǎn)出取對數(shù)，然后用時間 t 作解釋變量建立回歸方程。類似雙對數(shù)模型，半對數(shù)模型也可以使用 OLS估計。 ) o g (l o g 1 ???tt )1()()(1 ????????????? ?????? ??tt 例 : 下面建立我國居民消費的收入彈性方程： log(cspt) = + (inct) t =() () R2 = . = 其中 cspt 是城鎮(zhèn)居民消費 ， inct 是居民消費可支配收入。 如設 Qt 為產(chǎn)值 ， Pt 為價格 ， 在 log(Qt)= ? +? log(Pt) + ut 的估計式中 ， P 增加 1%時 ， Q 大約增加 β%， 所以 β相當于 Qt的價格彈性 。 詳細內(nèi)容參見附錄 E， “ 梯度和導數(shù) ” 。 26 注意 F檢驗是一個聯(lián)合檢驗，即使所有的 t統(tǒng)計量都是不顯著的， F統(tǒng)計量也可能是高度顯著的。對于普通最小二乘模型， F統(tǒng)計量由下式計算： ? ?? ? ? ?kTRkRF????2211 在原假設為誤差正態(tài)分布下，統(tǒng)計量服從 F(k – 1 , T – k) 分布。在 “序列相關的檢驗”中，我們討論 Q統(tǒng)計量和 LM檢驗，這些都是比 DW統(tǒng)計量更為一般的序列相關檢驗方法。 對數(shù)似然計算如下： ))/??l o g (π)2l o g (1(2 TuuTl ?????21 6. DurbinWatson 統(tǒng)計量 DW 統(tǒng)計量衡量殘差的一階序列相關性，計算方法如下： 作為一個規(guī)則 ， 如果 DW值小于 2， 證明存在正序列相關 。計算方法如下： 從不會大于 R2 ，隨著增加變量會減小，而且對于很不適合的模型還可能是負值。 EViews計算 R2 的公式為 ： ， 其中， 是殘差， 是因變量的均值。 如果回歸完全符合 ， 統(tǒng)計值會等于 1。 對于例 1的結(jié)果，系數(shù) inc 的零假設在 1%的顯著水平下被拒絕。 4. 概率 （ P值 ） 結(jié)果的最后一項是在誤差項為正態(tài)分布或系數(shù)估計值為漸近正態(tài)分布的假設下 , 指出 t 統(tǒng)計量與實際觀測值一致的概率。 估計系數(shù)的協(xié)方差矩陣是由以下公式計算得到的： 這里 是殘差。 從 系數(shù)中可以看出邊際消費傾向是 。 系數(shù) c 是回歸中的常數(shù)或者截距 它是當其他所有自變量都為零時預測的基本水平 。 uX β ??y13 167。 11 估計選項 (Options) EViews提供很多估計選項。 如果估計中使用的任何一個序列的數(shù)據(jù)丟失了 ， EViews會臨時調(diào)整觀測值的估計樣本以排除掉這些觀測值 。 采用 OLS， TSLS， GMM， 和 ARCH方法估計的方程可以用一個公式說明 。 則可以用新的系數(shù)向量代替 c ： log(csp)=a(1)+ beta(1)* log(csp(1)) 9 167。然后 ， 選擇 OK 。 要用公式說明一個方程 ， 只需在對話框中變量列表處輸入表達式即可 。 例如： log(csp) c log(csp(1)) log((inc+inc(1))/2) 相當?shù)幕貧w方程形式為： log(csp) = c(1)+c(2) ? log(csp(1))+c(3) ? log((inc+inc(1))/2) 7 167。 csp c csp(1) inc 相當?shù)幕貧w方程形式為： csp = c(1)+ c(2) ? csp(1)+c(3) ? inc。 EViews在回歸中不會自動包括一個常數(shù) ， 因此必須明確列出作為回歸變量的常數(shù) 。 列表法 說明線性方程的最簡單的方法是列出方程中要使用的變量列表 。 在最上面的編輯框中 ， 可以說明方程：因變量（ 左邊 ） 和自變量 （ 右邊 ） 以及函數(shù)形式 。 為了創(chuàng)建一個方程對象 : 從主菜單選擇 Object/New Object/Equation 或 Quick/Estimation Equation … ， 或者在命令窗口中輸入關鍵詞 equation。 (3) Greene (1997)， Economtric Analysis, 《 經(jīng)濟計量分析 》 ， 第三版 。這些技術和模型都建立在本章介紹的基本思想的基礎之上。1 第三章 基本回歸模型 經(jīng)濟計量研究始于經(jīng)濟學中的理論假設，根據(jù)經(jīng)濟理論設定變量間的一組關系，如消費理論、生產(chǎn)理論和各種宏觀經(jīng)濟理論，對理論設定的關系進行定量刻畫，如消費函數(shù)中的邊際消費傾向、生產(chǎn)函數(shù)中的各種彈性等進行實證研究。隨后的章節(jié)討論了檢驗和預測，以及更高級，專業(yè)的技術，如加權最小二乘法、二階段最小二乘法(TSLS)、非線性最小二乘法、 ARIMA/ARIMAX模型、GMM（廣義矩估計）、 GARCH模型和定性的有限因變量模型。 (2) Johnston 和 DiNardo (1997)， Economtric Methods, 《 經(jīng)濟計量方法 》 ， 第四版 。 創(chuàng)建方程對象 EViews中的單方程回歸估計是用方程對象來完成的 。 在 EViews中對方程進行說明 當創(chuàng)建一個方程對象時，會出現(xiàn)如下對話框： 在這個對話框中需要說明三件事： 方程說明 ， 估計方法 ， 估計使用的樣本 。 5 167。 這是 EViews用來說明回歸中的常數(shù)而建立的序列 。 6 在統(tǒng)計操作中會用到 滯后序列 ， 可以使用與滯后序列相同的名字來產(chǎn)生一個新序列 ， 把滯后值放在序列名后的括號中 。 在變量列表中也可以包括 自動序列 。 EViews中的公式是一個包括回歸變量和系數(shù)的數(shù)學表達式 。要創(chuàng)建新的系數(shù)向量 ， 選擇 Object/New Object… 并從主菜單中選擇 MatrixVectorCoef , 為系數(shù)向量輸入一個名字 。 例如 ， 假設創(chuàng)造了系數(shù)向量 a 和beta， 各有一行 。 其他的方法在以后的章節(jié)中介紹 。 EViews會用當前工作文檔樣本來填充對話框 。 從1978年 ?2002年期間的 25個觀測值中 , EViews使用了 24個觀測值 。 方程輸出 在方程說明對話框中單擊 OK鈕后， EViews顯示估計結(jié)果 ： 根據(jù)矩陣的概念 , 標準的回歸可以寫為： 其中 :