【正文】 如果沒有某期數(shù)據(jù) ，對應(yīng)該期的預(yù)測值為 NA。 假設(shè)預(yù)測樣本為 j =T+1, T+2, … ,T+h， T 為實(shí)際估計(jì)用樣本長度 ， 用 和 yt 分別表示 t 期的實(shí)際值與預(yù)測值 。 如果缺選 ， EViews將該樣本置為工作文件樣本 。 EViews中的方程預(yù)測 為說明一個被估計(jì)方程的預(yù)測過程 ， 我們?nèi)匀豢紤]例 ， 如果要對此模型的預(yù)測功能進(jìn)行評價 ， 可以用 1978～ 1999年的 22年數(shù)據(jù)進(jìn)行參數(shù)估計(jì) ， 用 2000～2002年的數(shù)據(jù)作為檢驗(yàn)性數(shù)據(jù) ， 考察實(shí)際值和預(yù)測值的差別 。 不妨以 1994年為假想的間斷點(diǎn) ， 用 Chow檢驗(yàn)判斷 1994之前和之后的兩段時期消費(fèi)函數(shù)是否產(chǎn)生了顯著的差異 。 65 1. Chow分割點(diǎn)檢驗(yàn) Chow分割點(diǎn)檢驗(yàn)的思想是對每一個子樣本區(qū)間估計(jì)方程 ， 看估計(jì)方程中是否存在顯著差異 。 62 167。只有通過列表法列出回歸因子定義方程而不能通過公式，檢驗(yàn)才可以進(jìn)行。本例中，僅有一個約束條件，所以這兩個檢驗(yàn)統(tǒng)計(jì)量等價。 Wald統(tǒng)計(jì)量簡寫為， b 為沒有加入約束得到的參數(shù)估計(jì)值： )())(?()( 112 rRbRXXRrRbW ?????? ??? W 在 H0下服從漸近 ?2(q)分布 。 P值度量的是犯第一類錯誤的概率，即拒絕正確的原假設(shè)的概率， P值越大，錯誤地拒絕原假設(shè)的可能性就越大； P值越小，拒絕原假設(shè)時就越放心。 在這種情況下 ， EViews會產(chǎn)生一個顯示錯誤信息對話框 “ 奇異矩陣 ” 。這項(xiàng)多元回歸分析研究所用到的變量有： W — 雇員的工資（美元 /小時） 1；若雇員為婦女 SEX = 0；男性 ED — 受教育的年數(shù) AGE — 雇員的年齡 1；若雇員不是西班牙裔也不是白人 NONWH = 0；其他 1；若雇員是西班牙裔 HISP = 0；其他 39 對 206名雇員的樣本所進(jìn)行的研究得到的回歸結(jié)果為（括號內(nèi)是 t統(tǒng)計(jì)量的值）： （ ）（ ） R2 = .= 反映雇員性別的虛擬變量 SEX在顯著性水平 1%下顯著。而且，雖然原來的變量 x 和 y 之間是非線性關(guān)系，但變量 x（或 y）經(jīng)過對數(shù)變換后，變量 ln(x) 和 y 之間（或變量 x 和ln(y) 之間）是線性關(guān)系，因此可以稱其為半對數(shù)線性模型。 Make Regressor Group 創(chuàng)建包含方程中使用的所有變量的未命名組 （ 常數(shù)除外 ） 。 Gradients and Derivatives...描述目標(biāo)函數(shù)的梯度和回歸函數(shù)的導(dǎo)數(shù)計(jì)算的信息 。 ? ? ? ?11 2 ??? ? ? Tyys Tt iy))/??l o g (π)2l o g (1(2 TuuTl ?????23 9. Schwarz準(zhǔn)則 Schwarz準(zhǔn)則是 AIC準(zhǔn)則的替代方法 : ? ? TTkTlSC l o g2 ??? 10. F統(tǒng)計(jì)量和邊際顯著性水平 F統(tǒng)計(jì)量檢驗(yàn)回歸中所有的系數(shù)是否為零 (除了常數(shù)或截距 )。 例如 ， 回歸沒有截距或常數(shù) ，或回歸包含系數(shù)約束 ， 或估計(jì)方法采用二階段最小二乘法或ARCH方法 。 標(biāo)準(zhǔn)差衡量了系數(shù)估計(jì)的統(tǒng)計(jì)可信性 標(biāo)準(zhǔn)差越大 ， 估計(jì)中的統(tǒng)計(jì)干擾越大 。 從1978年 ?2002年期間的 25個觀測值中 , EViews使用了 24個觀測值 。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 。 這是 EViews用來說明回歸中的常數(shù)而建立的序列 。 (2) Johnston 和 DiNardo (1997)， Economtric Methods, 《 經(jīng)濟(jì)計(jì)量方法 》 ， 第四版 。 (3) Greene (1997)， Economtric Analysis, 《 經(jīng)濟(jì)計(jì)量分析 》 ， 第三版 。 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) 。然后 ， 選擇 OK 。 11 估計(jì)選項(xiàng) (Options) EViews提供很多估計(jì)選項(xiàng)。 估計(jì)系數(shù)的協(xié)方差矩陣是由以下公式計(jì)算得到的： 這里 是殘差。 EViews計(jì)算 R2 的公式為 ： ， 其中， 是殘差， 是因變量的均值。對于普通最小二乘模型， F統(tǒng)計(jì)量由下式計(jì)算： ? ?? ? ? ?kTRkRF????2211 在原假設(shè)為誤差正態(tài)分布下，統(tǒng)計(jì)量服從 F(k – 1 , T – k) 分布。 詳細(xì)內(nèi)容參見附錄 E， “ 梯度和導(dǎo)數(shù) ” 。 類似雙對數(shù)模型，半對數(shù)模型也可以使用 OLS估計(jì)。因?yàn)楣べY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 。 出現(xiàn)這個錯誤信息后 ， 應(yīng)該檢查回歸變量是否是共線的 。例如，如果 P值在 ，原假設(shè)在 5%顯著性水平被拒絕而不是在 1%水平。 進(jìn)一步假設(shè)誤差獨(dú)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(jì)量 qWkTuuquuuuF /)/(??/)???~?~( ??????? 是約束回歸的殘差向量 。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(shè)。 2. 如何進(jìn)行遺漏變量檢驗(yàn) 選擇 View/Coefficient Tests/Omitted Variables—Likelihood Ration，在打開的對話框中，列出檢驗(yàn)統(tǒng)計(jì)量名，用至少一個空格相互隔開。 殘差檢驗(yàn) EViews提供了對估計(jì)方程殘差的序列相關(guān)，正態(tài)性，異方差性和自回歸條件異方差性檢驗(yàn)。 顯著差異說明關(guān)系中存在結(jié)構(gòu)變化 。 該結(jié)果是拒絕原假設(shè) （ 不存在結(jié)構(gòu)變化 ） ：即 1994前后存在結(jié)構(gòu)變化 。 71 用 1978～ 2020年的 22年數(shù)據(jù)進(jìn)行參數(shù)估計(jì)的結(jié)果： 72 167。 如果指定的樣本超出估計(jì)方程所使用的樣本區(qū)間 (估計(jì)樣本 )， 那么會使 EViews產(chǎn)生樣本外預(yù)測 。 計(jì)算出的預(yù)測誤差統(tǒng)計(jì)結(jié)果如下所示： Root Mean Squared Error 均方根誤差 Mean Absolute Percentage Error 平均絕對誤差 Mean Absolute Percentage Error 平均相對誤差 Theil Inequality Coefficient 泰爾不等系數(shù) ??????hTTttt yyh12)?(11??????hTTttt yyh1?11??????hTTt tttyyyh 1?11?????????????????hTTtthTTtthTTtttyhyhyyh12121211?11)?(11ty?81 前兩個預(yù)測誤差統(tǒng)計(jì)量由因變量規(guī)模決定 。 它并不會對以后預(yù)測產(chǎn)生影響 。 如上 ， 如果需要 ， EViews將對預(yù)測樣本進(jìn)行調(diào)整以解釋滯后變量的前期樣本 。 如果選中Forecast evaluation (預(yù)測效果評估 )， EViews將顯示預(yù)測效果評估的統(tǒng)計(jì)結(jié)果表： 80 注意 ： 如果預(yù)測樣本中沒有因變量的實(shí)際值數(shù)據(jù) ， EViews不能進(jìn)行預(yù)測效果評估 。 樣本區(qū)間 (Sample range)— 必須指定用來做預(yù)測的樣本 。 70 167。 1994年我國開始了全面的體制改革和制度創(chuàng)新 ，隨著國有企業(yè)體制改革的推進(jìn)和大量非國有企業(yè)的興起并日益壯大 ， 國內(nèi)商品市場日益繁榮 ， 商品品種更加豐富 ， 使得居民收入用于消費(fèi)的部分增加 。 EViews提供了一些檢驗(yàn)統(tǒng)計(jì)量選項(xiàng)，它們檢查模型參數(shù)在數(shù)據(jù)的不同子區(qū)間是否平穩(wěn)。 LR檢驗(yàn)是漸近檢驗(yàn)，服從 ?2 分布。 (2) 遺漏變量檢驗(yàn)可應(yīng)用于線性 LS， TSLS， ARCH，Binary, Ordered, Censored, Count模型估計(jì)方程。 ?2 統(tǒng)計(jì)量等于 F 統(tǒng)計(jì)量乘以檢驗(yàn)約束條件數(shù)。 51 對于一個線性回歸模型 uXy ?? ?一個線性約束： 0:0 ?? rRH ?式中 R是一個已知的 q ? k 階矩陣， r 是 q 維向量。 P值說明在原假設(shè)為真的情況下，樣本統(tǒng)計(jì)量絕對值的檢驗(yàn)統(tǒng)計(jì)量大于或等于臨界值的概率。 估計(jì)中存在的問題 如果自變量具有高度共線性 ， EViews 在計(jì)算回歸估計(jì)時會遇到困難 。 38 2. 虛擬變量的應(yīng)用 例 ：工資差別 為了解工作婦女是否受到了歧視，可以用美國統(tǒng)計(jì)局的“當(dāng)前人口調(diào)查”中的截面數(shù)據(jù)研究男女工資有沒有差別。 32 (2) 半對數(shù)模型 線性模型與對數(shù)線性模型的混合就是半對數(shù)模型 或 半對數(shù)模型包含兩種形式，分別為： （ ） （ ） 半對數(shù)模型也是線性模型，因?yàn)閰?shù)是以線性形式出現(xiàn)在模型中的。 27 例如，可以通過選擇最小 AIC值來確定一個滯后分布的長度。 R2 可能會由于一些原因成為負(fù)值 。 15 2. 標(biāo)準(zhǔn)差 () 標(biāo)準(zhǔn)差項(xiàng)報告了系數(shù)估計(jì)的標(biāo)準(zhǔn)差 。 在方程結(jié)果的頂部 , EViews報告樣本已經(jīng)得到了調(diào)整 。 8 用公式說明方程的好處是可以使用不同的系數(shù)向量 。 例如 ， 要說明一個線性消費(fèi)函數(shù) ， 用一個常數(shù) c 和收入 inc 對消費(fèi) csp 作回歸 ， 在方程說明對話框上部輸入： csp c inc 注意回歸變量