【正文】 列表中的序列 c。 下面列出了標準教科書 (逐漸變難 )： (1) Pindyck， Rubinfeld (1991), Econometric Models and Economic Forecasts, 《 經(jīng)濟計量模型和經(jīng)濟預(yù)測 》 ， 第三版 。 (4) Davidson 和 MacKinon (1993) ， Estimation and Inference in Econometrics , 《 經(jīng)濟計量學(xué)中的估計和推斷 》 。 內(nèi)部序列 c 不出現(xiàn)在工作文檔中 ， 除了說明方程外不能使用它 。 在 New Matrix 對話框中 ， 選擇Coefficient Vector 并說明向量中應(yīng)有多少行 。這些選項允許進行以下操作：對估計方程加權(quán)，計算異方差性，控制估計算法的各種特征。而且系數(shù)估計值的標準差是這個矩陣對角線元素的平方根。 y)()(??12yyyyuuR?????? Xbyu ???u?18 2. R2 調(diào)整 使用 R2 作為衡量工具存在的一個問題 ， 即在增加新的自變量時 R2 不會減少 。 24 F統(tǒng)計量下的 P值，即 Prob(Fstatistic), 是 F檢驗的邊際顯著性水平。 Made Residual Series... 以序列形式保存回歸中的殘差 。 uxey ??? 10 ??uxy ??? 10)l n ( ??uxy ??? )l n (10 ??uxy ??? 10)l n ( ??33 半對數(shù)模型（ ）和（ ）中的回歸系數(shù)具有直觀的意義： ， （ ） 即： ?1表示 x 變化 1%導(dǎo)致 y 絕對量的變化量； ?1表示 x 的變化 1單位導(dǎo)致 y 變化的百分比。 S E XW ??40 在回歸模型中加入年齡 AGE和受教育年數(shù) ED以及種族或民族，性別虛擬變量仍然是顯著的： （ ) () () () () () R2= .= tttttt H I S PN O N W HA G EEDS E XW ???????41 最后考慮年齡 AGE與工資 W之間非線性關(guān)系的可能性時，男女差別還是顯著存在的。 如果一個回歸變量可以寫作其他回歸變量的線性組合 ， 則回歸變量是完全共線的 。切記：對每一檢驗都有不同假設(shè)和分布結(jié)果。 F統(tǒng)計量比較有約束和沒有約束計算出的殘差平方和 。 55 下面考慮檢驗多個約束條件的情況。 59 例如：原始回歸為： log(q) c log(L) log(k) 。 63 (1) 相關(guān)圖和 Q?統(tǒng)計量 (2) 平方殘差相關(guān) 圖 (3) 殘差直方圖和正態(tài)檢驗 顯示殘差直方圖和殘差的描述統(tǒng)計量，包括檢驗殘差正態(tài)性的 JarqueBera統(tǒng)計量。 例如 ， 可以使用這個檢驗來檢查石油危機前后的能源需求函數(shù)是否一樣 。 68 Chow預(yù)測檢驗先估計了包括 T1區(qū)間子樣本的所有樣本觀測值的模型 ， 然后用同樣的模型去估計 T1區(qū)間樣本的因變量的值 。 如何進行預(yù)測 為預(yù)測該方程的實際消費 csp，在方程的工具欄中按Forecast按鈕，或選擇 Procss/ Forecast … 。 注意：需要提供樣本外預(yù)測期間的解釋變量值 。 它們應(yīng)該被作為相對指標來比較同樣的序列在不同模型中的預(yù)測結(jié)果 ，誤差越小 ， 該模型的預(yù)測能力越強 。 86 動態(tài)預(yù)測和靜態(tài)預(yù)測的比較 87 167。 隨后的 h個預(yù)測值 ， k = 1 , 2 , … , h， 將使用前期 y 的預(yù)測值 ： TTTT yczcxccy )4(?)3(?)2(?)1(?? 111 ???? ???.?)4(?)3(?)2(?)1(?? 111 kTkTkTkT yczcxccy ??????? ????85 2. 靜態(tài)預(yù)測 靜態(tài)預(yù)測對因變量進行一系列的一步向前預(yù)測： EViews采用滯后內(nèi)生變量的實際值，通過下式對 k =0 , 1 , 2 , … , h 計算每一個預(yù)測值： kTkTkTkT yczcxccy ??????? ???? )4(?)3(?)2(?)1(?? 111 靜態(tài)預(yù)測要求外生變量和任何滯后內(nèi)生變量在預(yù)測樣本中的觀測值可以獲得 。設(shè)誤差項均值為零，可以得到 y 的預(yù)測方程： bxy tt ???該預(yù)測的誤差為實際值與預(yù)測值之差 bxye ttt ???ttt uxy ??? ?79 假設(shè)我們利用 1979～ 2020的樣本數(shù)據(jù)估計出的 cs方程 ，然后分別進行 2020～ 2020關(guān)于 csp的預(yù)測 。 但如果選擇了 Structural， 所有預(yù)測都會忽略殘差項而只對模型的結(jié)構(gòu)部分進行預(yù)測 。但有時也會產(chǎn)生相反的結(jié)果。20世紀 90年代前的中國仍然處于賣方市場 ， 雖然居民收入水平增幅較大 ，但商品供給有限 ， 而且當時的利息率較高 ， 因而居民收入更加傾向于儲蓄增值而不是立即消費 。 當看不出有轉(zhuǎn)折點時 ， 常用的經(jīng)驗方法是用 85%90%的數(shù)據(jù)作估計 ， 剩余的數(shù)據(jù)作檢驗 。如果誤差是獨立正態(tài)分布隨機變量， F統(tǒng)計量有確定有限樣本 F分布，分子自由度為原假設(shè)下系數(shù)約束條件數(shù)，分母自由度為總回歸自由度。 如果要加入變量的任一序列與原方程樣本相比 ， 含有缺失觀測值 （ 當加入滯后變量時這種情況常見 ） ， 檢驗統(tǒng)計量將無法建立 。 為檢驗 ? +? =1 的規(guī)模報酬不變的假設(shè) ， 在對話框中輸入下列約束： c(2) + c(3) = 1 單擊 OK， EViews顯示 Wald檢驗如下結(jié)果 （ 原假設(shè)：約束條件有效 ）： EViews顯示 F統(tǒng)計量和 ?2 統(tǒng)計量及相應(yīng)的 P值。 下面給出計算 Wald 檢驗統(tǒng)計量的一般公式 。檢驗指令輸出包括一個或多個檢驗統(tǒng)計量樣本值和它們的聯(lián)合概率值（ P值 ）。 圖 SL的實際曲線（實線）和擬合曲線（虛線） (左、右圖分別由式 ()， ()得到 ) 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 3 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 24 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 3 0 0 01 9 9 5 1 9 9 6 1 9 9 7 1 9 8 1 9 9 9 2 0 0 0 2 0 0 1 2 0 0 246 167。 37 )/1( 2 8 1 ttt U???? ???含有通貨膨脹預(yù)期的菲利普斯曲線估計結(jié)果為 可以看出，加入通貨膨脹預(yù)期因素后，模型的擬合效果很好，而且這時的模型體現(xiàn)出了失業(yè)率和通貨膨脹率之間的顯著的反向變動關(guān)系。 31 方程中消費的收入彈性為 ，說明我國居民可支配收入每增加 1%，將使得居民消費增加 %。 Update Coefs from Equation 把方程系數(shù)的估計值放在系數(shù)向量中 。 Actual, Fitted, Residual Table 以表的形式來顯示這些值 。 uu??????????TtttTtt uuuDW12212?)??(22 7. 因變量均值和標準差 （ ） y 的均值和標準差由下面標準公式算出： TyyTii???1 8. AIC準則 (Akaike Information Criterion) 計算公式如下： TkTlA I C 22 ???其中 l 是對數(shù)似然值 我們進行模型選擇時， AIC值越小越好。 如果結(jié)果不比因變量的均值好 ， 統(tǒng)計值會等于 0。 也即 1978年 ~2020年中國居民可支配收入的 73%用來消費 。 EViews通過在樣本結(jié)果中報告實際樣本來通知樣本已經(jīng)被調(diào)整了 。 EViews會在方程中添加一個隨機附加擾動項并用最小二乘法估計模型中的參數(shù) 。 首先是因變量或表達式名 ， 然后是自變量列表 。 2 對于本章及隨后章節(jié)所討論的技術(shù) ， 可以使用下列的經(jīng)濟計量學(xué)教科書作為參考 。 3 167。 在上例中，常數(shù)存儲于 c(1)， inc的系數(shù)存儲于 c(2)，即回歸方程形式為： csp = c(1)+c(2)*inc。 帶有系數(shù)向量圖標 ? 的對象會列在工作文檔目錄中 ， 在方程說明中就可以使用這個系數(shù)向量 。 12 167?？梢酝ㄟ^選擇 View/Covariance Matrix項來察看整個協(xié)方差矩陣。 在極端的情況下 ， 如果把樣本觀測值都作為自變量 ， 總能得到 R2 為 1。如果 P值小于所檢驗的邊際顯著水平，比如說，則拒絕所有系數(shù)都為零的原假設(shè)。 Covariance Matrix以表的形式顯示系數(shù)估計值的協(xié)方差矩陣 。 特別地，如果在半對數(shù)模型式（ ）中 x 取為 t（年份），變量 t 按時間順序依次取值為 1， 2， … ， T，則 t 的系數(shù)度量了 y 的年均增長速度，因此，半對數(shù)模型（ ）又稱為增長模型。這一點可以由下列回歸結(jié)果看出 ： () () () () () () () R2= .= A G EA G EH I S PN O N W HEDS E XW ???????? 這個回歸模型的年齡 AGE項說明，在其他條件不變的情況下，雇員的工資率隨著他的年齡的增長而增長（系數(shù)為 ），但是增加的速度越來越慢（ ）。 在完全共線的情況下 ， 回歸變量矩陣 X不是列滿秩的 ， 不能計算 OLS估計值 。例如，有些檢驗統(tǒng)計量有確切的有限的樣本分布（常為 t 或 F分布）。 如果約束有效 ， 這兩個殘差平方和差異很小 ，F(xiàn)統(tǒng)計量值也應(yīng)很小 。例如，改變前面的 CD生產(chǎn)函數(shù)為非線性形式，我們估計一個如下形式的生產(chǎn)函數(shù) ??????? ??????? KLKLKLQ l o gl o g2l o g2l o gl o gl o gl o g 62524321 檢驗約束條件： 。 輸入： K L EViews將顯示含有這兩個附加解釋變量的無約束回歸結(jié)果，而且顯示 原假設(shè)：新添變量系數(shù)為 0 的檢驗統(tǒng)計量。如果殘差服從正態(tài)分布，直方圖應(yīng)呈鐘型， JB統(tǒng)計量應(yīng)不顯著。 為進行檢驗 ， 把數(shù)據(jù)分為兩個或多個子樣本區(qū)間 ，