【正文】 圖118表明，稅收收入水平與GDP密切相關，稅收收入水平隨著GDP的增加而增加，兩者大體呈線性變化趨勢。⒈在工作文件窗口中選取所要刪除或更名的變量并單擊鼠標右鍵，在彈出的快捷菜單中選擇Delete（刪除）或Rename（更名）即可（如圖113所示）。圖16 鍵入DATA命令圖17 數組窗口⒉鼠標圖形界面方式在EViews軟件主窗口或工作文件窗口點擊Objects/New Object，對象類型選擇Series，并給定序列名，一次只能創(chuàng)建一個新序列（圖18所示）。㈡安裝步驟⒈點擊“網上鄰居”，進入服務器；⒉在服務器上查找“計量經濟軟件”文件夾，會出現如圖11所示的安裝界面，直接點擊next按鈕即可繼續(xù)安裝；⒊指定安裝EViews軟件的目錄（默認為C:\EViews3，如圖12所示），點擊OK按鈕后，一直點擊next按鈕即可；⒋安裝完畢之后，將EViews的啟動設置成桌面快捷方式。表11 我國稅收與GDP統(tǒng)計資料 單位：億元年份稅收 YGDP X年份稅收 YGDP X1985204189641992329726638198620911020219934255346341987214011963199451274675919882391149281995603858478198927271690919966910678851990282218548199782347446319912990216181998926379396資料來源：《中國統(tǒng)計年鑒1999》【實驗步驟】一、安裝EViews軟件㈠EViews對系統(tǒng)環(huán)境的要求⒈一臺38486奔騰或其他芯片的計算機，、Windows9X、Windows2000、WindowsNT或WindowsXP操作系統(tǒng)；⒉至少4MB內存；⒊VGA、Super VGA顯示器；⒋鼠標、軌跡球或寫字板；⒌至少10MB以上的硬盤空間。命令格式為：CREATE 時間頻率類型 起始期 終止期則以上菜單方式過程可寫為：CREATE A 1985 1998㈡輸入Y、X的數據⒈DATA命令方式在EViews軟件的命令窗口鍵入DATA命令，命令格式為：DATA 序列名1 序列名2…序列名n本例中可在命令窗口鍵入如下命令（圖16所示）：DATA Y X將顯示一個數組窗口（圖17所示），此時可以按全屏幕編輯方式輸入每個變量的統(tǒng)計資料。圖112 在數組窗口更名變量㈤在工作文件窗口中刪除、更名變量。㈡利用SCAT命令繪制X、Y的相關圖在命令窗口中鍵入：SCAT X Y則可以初步觀察變量之間的相關程度與相關類型（圖118）。⒉調用在Eviews主窗口的工具欄上選擇File/Open/Workfile，再在彈出的對話框中選取要調用的工作文件，點擊確定按鈕即可。以Y、X變量組成的數組為例，點擊Name菜單，彈出object name對話框，在Name to identify object文本框中輸入要命名的數組名稱，點擊OK按鈕即可（圖128）。圖3 Eviews工作文件窗口一個新建的工作文件窗口內只有2個對象(Object）,分別為c（系數向量）和resid（殘差）。圖6 稅收與GDP相關圖三、 估計線性回歸模型在數組窗口中點擊Proc\Make Equation，如果不需要重新確定方程中的變量或調整樣本區(qū)間，可以直接點擊OK進行估計。因此，對這兩個模型再做進一步比較。其中，L、K分別為生產過程中投入的勞動與資金，時間變量反映技術進步的影響。因此，需要對以上三元線性回歸模型做適當的調整，按照統(tǒng)計檢驗程序，一般應先剔除統(tǒng)計量最小的變量（即時間變量）而重新建立模型。方式1：轉化成線性模型進行估計；在模型兩端同時取對數，得：在EViews軟件的命令窗口中依次鍵入以下命令：GENR LNY=log（Y）GENR LNL=log（L）GENR LNK=log（K）LS LNY C LNL LNK則估計結果如圖33所示。將模型5與通過方式1所估計的模型3比較，可見兩者是相當接近的。而且，模型4的表達式也說明了模型的經濟意義不合理，不能用于描述我國國有工業(yè)企業(yè)的生產情況，應舍棄此模型。2．外推預測①先利用樣本數據估計方程，LS Y C X ，并保存方程；②修改數據區(qū)間和樣本區(qū)間，將區(qū)間擴充到預測年份：鼠標放在工作文件窗口Range和sample位置，雙擊即可修改數據區(qū)間和樣本區(qū)間；【或者用命令】修改數據區(qū)間： RANGE 起始期 終止期擴充數據區(qū)間： EXPAND 起始期 終止期 （注：EXPAND這條命令只能增加數據區(qū)間，不能縮減）調整樣本區(qū)間： SMPL 起始期 終止期③輸入解釋變量預測年份的數值，點擊方程之前保存的方程窗口的FORECAST按鈕進行預測，注意，此時預測的樣本區(qū)間已經包含了擴充的年份；④觀察保存的預測變量，預測年份的被解釋變量也已填充了數據，此即點預測結果。SMPL 1 10LS Y C X圖3 樣本1回歸結果⑶利用樣本2建立回歸模型2（回歸結果如圖4）。⒋Park檢驗⑴建立回歸模型（結果同圖5所示）。本例中，圖10所示的回歸方程F值（）最大，可以據次來確定異方差的形式。 圖51表明隨著GDP指數的上升，居民儲蓄存款也逐步增加，二者的曲線相關關系較為明顯，線性關系則不太明顯。各解釋變量及常數項都通過了檢驗，模型都較為顯著。⒉偏相關系數檢驗在方程窗口中點擊View/Residual Test/CorrelogramQstatistics，并輸入滯后期為10，則會得到殘差與的各期相關系數和偏相關系數，如圖51512所示。圖516 加入AR項的雙對數模型估計結果 圖516表明，估計過程經過4次迭代后收斂；，并且檢驗顯著，說明雙對數模型確實存在一階和二階自相關性。圖522 模型1的偏相關系數檢驗結果⑵模型2鍵入命令：GENR DLNX=D(LNX)LS LNY C LNY(1) DLNX則模型2的估計結果如圖523所示。表1 我國鋼材產量及其它相關經濟變量統(tǒng)計資料年份鋼材產量Y生鐵產量X1發(fā)電量X2固定資產投資X3國內生產總值X4鐵路運輸量X519782208347925663264110119197924973673282040381118931980271638023006451811127919812670341730934862107673198229203551327752951134951983307237383514593511878419843372400137707171124074198536934384410789641307091986405850644495102021356351987438655034973119631406531988468957045452149281449481989485958205848169091514891990515362386212253418548150681199156386765677521618152893199266977589753926638157627199377168956839534634162663199484289741928146759163093199589801052910070584781658551996933810723108136788516880319979979115111135674463169734一、檢驗多重共線性⒈相關系數檢驗利用相關系數可以分析解釋變量之間的兩兩相關情況。所以，設建立的一元回歸方程為：⒉逐步引入其它變量，確定最適合的多元回歸方程（回歸結果如表2所示）表2 鋼材產量預測模型逐步回歸結果模型X1X2X3X4X5Y=f(X1) ()　　　　 Y=f(X1,X2) () ()　　　 Y=f(X1,X3) ()　 ()　　 Y=f(X1,X4) ()　　 ()　 Y=f(X1,X5) ()　　　 () Y=f(X1,X2,X3) () () ()　　Y=f(X1,X2,X4) () ()　 ()　Y=f(X1,X2,X5) () ()　　 ()所以，建立的多元回歸模型為：Y = + *X1 + *X2實驗七 虛擬變量【實驗目的】掌握虛擬變量的設置方法。事實上，現階段我國城鎮(zhèn)居民中國收入家庭的彩電普及率已達到百分之百，所以對彩電的消費需求處于更新換代階段。具體估計過程如下：CREATE U 16 建立工作文件DATA Y X(輸入1998，1999年消費支出和收入的數據，1－8期為1998年資料，9－16期為1999年資料)SMPL 1 8 樣本期調成1998年GENR D1=0 輸入虛擬變量的值SMPL 9 16 樣本期調成1999年GENR D1=1 輸入虛擬變量的值SMPL 1 16 樣本期調成1998～1999年GENR XD=X*D1 生成XD的值LS Y C X D1 X D 利用混合樣本估計模型則估計結果如圖74：圖74 引入虛擬變量后的我國城鎮(zhèn)居民消費模型 () () () ()＝ ＝ F＝ ＝ 根據檢驗，D和XD的回歸系數均不顯著，即可以認為＝0，＝0；這表明1998年、1999年我國城鎮(zhèn)居民消費函數并沒有顯著差異?？梢钥闯?，庫存額與當年及前三年的銷