計量經濟學軟件包eviews上機內容講稿-資料下載頁
2025-05-14 02:57本頁面
【正文】 量。在我們使用的一元回歸例子中，這兩個選項的作用沒有區(qū)別。當我們分析多元回歸模型的異方差問題時，因為所選輔助回歸方程的解釋變量不同，這兩個選項的作用就不同了。（圖十七）4．White異方差校正功能和加權最小二乘法（1）White 異方差校正功能：我們使用案例ch41的數據，點工具欄上點Proc\make Equations，選擇估計方法—普通最小二乘法，點擊Options按鈕進入方程估計選擇對話框，在LS\TSLS Options選項框中選擇Heteroskedasticity Consistent Covariance\White\OK，回到估計方程對話框，點擊OK得到校正后的回歸方程（見圖十八）。同學們可以比較圖十八中的方程與普通最小二乘法得到的方程（圖十五）。（圖十八）（2）加權最小二乘法：我們使用案例ch41的數據，點工具欄上點Proc\make Equations，選擇估計方法—普通最小二乘法，點擊Options 按鈕進入方程估計選擇對話框，在LS\TSLS Options選項框中選擇Weighted LS/TSLS\在對話框內輸入權重resid^（1/2）\OK應用，回到估計方程對話框，點擊OK得到加權最小二乘法回歸方程（見圖十九，并與圖十五中的方程比較）。（圖十九）Eviews中進行加權最小二乘估計的過程為：選定一個與殘差標準差的倒數成比例的序列作為權數，然后將權數序列除以該序列的均值進行標準化處理，將經過標準化處理的序列作為權數進行加權作最小二乘估計，這種做法不影響回歸結果。但應該注意，Eviews的這種標準化處理過程對頻率數據不適用。八、一階（高階）序列相關校正（課本P115的案例）當線性回歸模型中的隨機擾動項是序列相關時，OLS估計量盡管是無偏的，但卻不是有效的。當隨機擾動項有一階序列相關時，使用AR(1)可以獲得有效估計量。，其結果見圖二十：（圖二十）2．序列相關檢驗（殘差圖），點View \Actual, Fitted, Residual \Residual Graph得到（見圖二十一）：（圖二十一）3．GB檢驗（拉格朗日乘數檢驗），點View\Actual,Fitted,Residual\Residual Test\Serial Correlation LM Test，Lag取2，得到（見圖二十二）：(圖二十二)之后再重復一次，Lag取3，得到（見圖二十三），可以發(fā)現殘差項滯后三期的系數影響不顯著，說明不存在著3階序列相關。（圖二十三）4．運用廣義差分法進行自相關的處理（1）杜賓兩步法過程第一步：先將組mgdp打開（雙擊），點Proc\Make Equations…在specification中輸入如圖二十四的變量，點確定得到估計結果，見圖二十五。（圖二十四）（圖二十五）第二步，作差分變換：點對象窗口工具欄上的genr按鈕，在對話框中輸入如下圖（圖二十六）的等式1和等式2，（圖二十六）再對新得到的mnew關于gdpnew進行OLS估計，其結果見圖二十七。（圖二十七）（2）科克倫奧科特迭代法將組mgdp打開（雙擊），點Proc\Make Equations…在specification中輸入如圖二十八的變量，點確定得到結果（見圖二十九）。（圖二十八）（圖二十九）28 / 28
外語相關推薦
鄂ICP備17016276號-1