【正文】 擇數(shù)據(jù)頻率為“Annual”，樣本區(qū)間為1978年至2000年。 利用圖24估計方程顯示窗口中工具條 View，可以顯示估計方程、估計方程的統(tǒng)計結(jié)果、以圖或表的形式顯示數(shù)據(jù)的實際值、預(yù)測值和殘差。 點擊 OK 確認(rèn)，得新建工作文件窗口。打開eq1方程對象窗口，點擊View\Coefficient Tests\Wald Coefficient Restrictions…，在Wald tests 窗口設(shè)定參數(shù)約束條（圖35）件：C(2)+c(3)+c(4)=0,再按OK，如圖35和圖36所示。古典線性回歸模型的一個重要假設(shè)是總體回歸方程的隨機(jī)擾動項ui同方差，即他們具有相同的方差s 2。（圖43）注意：White Heteroskedasticity (no cross terms)　與White Heteroskedasticity (cross terms)選項的區(qū)別在于：在no cross terms選項下得到的輔助回歸方程中不包含原回歸方程左手變量的交叉乘積項作為解釋變量；而cross terms選項下得到的輔助回歸方程中包含原回歸方程左手變量的交叉乘積項作為解釋變量?？梢姡瑱z驗統(tǒng)計量對應(yīng)的P值超過了給定的顯著性水平，說明加入了AR（1）和AR（2）兩個滯后項模型已經(jīng)消除了序列自相關(guān)。，運用前面學(xué)過的方法。六、輸出并上交實驗報告實驗項目七：平穩(wěn)性檢驗與ARMA模型估計一、實驗?zāi)康耐ㄟ^上機(jī)實驗,使學(xué)生加深對時間序列平穩(wěn)性的理解，能夠運用Eviews 軟件檢驗時間序列數(shù)據(jù)的平穩(wěn)性和估計ARMA模型。可見，無論是樣本自相關(guān)圖還是QLB統(tǒng)計量，均顯示GDP序列是非平穩(wěn)序列。（圖79）（五）估計GDP序列的ARMA模型（圖710）運用上面的方法可以驗證，一階差分后的GDP序列滿足ARMA（2，0），即AR（2）隨機(jī)過程，因此，可以用AR（2）模型進(jìn)行擬合。（二）、運用前一個實驗的方法，對人均消費（consp）和人均GDP（gdpp）兩個序列進(jìn)行檢驗，可以得到這兩列序列都是I（2）序列。（圖86）在工作文件主窗口，點擊Procs\Generate Series…，在Gernerate Series窗口，輸入公式lnc=log(consp)，再按OK，則產(chǎn)生一個新的序列對象，名稱是lnc，它是consp的自然對數(shù)，見圖86和87。圖810所發(fā)映的方程即為它們長期穩(wěn)定的均衡關(guān)系。JarqueBera統(tǒng)計量是1248481，表明收益率序列并不服從正態(tài)分布。（圖98）（圖97）在eq1方程窗口，點擊View\Conditional SD Graph，如圖98所示。易丹輝. ：中國統(tǒng)計出版社，2002。在Equation Specification窗口，進(jìn)行模型的設(shè)置后，如圖96所示。三、實驗內(nèi)容（1）對上海股票市場收益率數(shù)據(jù)進(jìn)行描述性統(tǒng)計分析；（2）用EViews估計上海股票市場收益率的ARCH模型四、實驗步驟（一）、運用前面學(xué)過的方法，（R）數(shù)據(jù)導(dǎo)入到EViews。（圖811）保存模型（81）的殘差為lne序列，并對其進(jìn)行平穩(wěn)性檢驗，檢驗結(jié)果如圖811所示。因此， consp與gdpp是（2，2）階協(xié)整的。二、預(yù)備知識 （1）用EViews估計線性回歸模型的基本操作；（2）時間序列數(shù)據(jù)的協(xié)整關(guān)系及其檢驗方法；（3）誤差修正模型的結(jié)構(gòu)及估計方法。按OK后，結(jié)果如圖78所示。在Correlogram Specification窗口，設(shè)定樣本自相關(guān)系數(shù)的最大滯后期為21，見圖74，按OK后，最后結(jié)果如圖75所示。因此，從2階滯后來看，GDP的增長是居民消費增長的原因，而不是相反。可見，顯著地異于零，顯示著兩個時期的回歸結(jié)果在斜率項上不同。（圖55）（圖54）在模型設(shè)定窗口對模型51進(jìn)行修正，加入AR（1）和AR（2）兩個滯后項，即可修正2階自相關(guān)，如圖54，修正結(jié)果如圖55。二、預(yù)備知識 （1）用EViews估計線性回歸模型的基本操作；（2）最小二乘法的基本原理和假設(shè)（3）序列相關(guān)性、科克倫奧科特迭代法的基礎(chǔ)概念三、實驗內(nèi)容（1）使用LM檢驗方法檢驗序列自相關(guān)；（2）使用科克倫奧科特迭代法修正序列自相關(guān)。由圖43中的顯示結(jié)果可以看出：在１％顯著水平下我們拒絕零假設(shè)，接受回歸方程（4１）的誤差項存在異方差的備擇假設(shè)。（二）、運用OLS估計模型： （41）EViews運行結(jié)果如圖41。我們對1981年至1994年的樣本進(jìn)行估計，在Estimation Settings（圖33）框內(nèi)的Sample欄目，我們把樣本區(qū)間改為1981 1994，具體操作如圖33所示，得到的結(jié)果如圖34所示。四、實驗步驟（一）、啟動Eviews軟件包（二）、創(chuàng)建工作文件具體操作過程。點擊 OK 進(jìn) 行估計，得到估計方程(21)及其統(tǒng)計檢驗結(jié)果，如圖24所示。四、實驗步驟（一）、啟動軟件包 Eviews 的啟動步驟：進(jìn)入 Windows /雙擊 Eviews 快捷方式，進(jìn)入 EViews 窗口；或點擊開始 /程序/ Eviews 3/，進(jìn)入 EViews 窗口。具體操作如下：在Workfile窗口，點擊Procs/Change workfile Range后，把工作文件的數(shù)據(jù)范圍從1978年至2000年修改為1978年至2001年，如圖1111所示。具體功能介紹如下：Group Members 可用于增加組中的序列；SpreadSheet 以電子數(shù)據(jù)表的形式顯示數(shù) 據(jù)；Dated Data Table 將使時序數(shù)據(jù)以表的形式顯示；Graph 以各種圖形的形式顯示數(shù)據(jù) 的；Multi Graph 以多圖的形式顯示組中數(shù)據(jù)；Descriptive Stats 給出組中數(shù)據(jù)的描述 統(tǒng)計量，如均值、方差、偏度、峰度、JB 統(tǒng)計量（用于正態(tài)性檢驗）等；Tests of equality… 給出檢驗組中序列是否具有同方差、同均值或相同中位數(shù)的假設(shè)檢驗結(jié)果；Nway/Oneway Tabulation…給出數(shù)組中序列觀測值在某一區(qū)間的頻數(shù)、頻率和某一序列是否與組中其他序列獨立的假設(shè)檢驗結(jié)果；Correlations 給出數(shù)組中序列的相關(guān)系數(shù)矩陣；Covariances給出數(shù)組中序列的斜方差矩陣；Correlogram (1)給出組內(nèi)第 1 序列的水平序列及其差分序 列的自相關(guān)函數(shù)和偏自相關(guān)函數(shù)；Cross Correlation (2)給出組內(nèi)第 1 和第 2 序列的超前 幾期和滯后幾期值之間的互相關(guān)函數(shù)；Cointegration Test 執(zhí) 行 Johansen cointegration 協(xié)整（或稱為共積）檢驗； Granger Causality 檢驗組