【導(dǎo)讀】《計量經(jīng)濟學(xué)》作為經(jīng)濟學(xué)專業(yè)的核心課程之一，在我校已開設(shè)多年。濟學(xué)軟件，包括TSP、EViews、SPSS、SAS等。教學(xué)活動中，EViews逐漸成為了計量經(jīng)濟學(xué)本科教學(xué)的基本使用軟件。在輔助教學(xué)、科研等方面具有自身的特色和優(yōu)良的性能。為此，統(tǒng)計學(xué)院數(shù)量經(jīng)濟科研所第。教學(xué)大綱專門編寫的。手冊分為兩個部分，第一部分是關(guān)于EViews的基本操作和EViews在。計量經(jīng)濟學(xué)中的基本應(yīng)用，以達到幫助同學(xué)們更好的學(xué)習(xí)、理解《計量經(jīng)濟學(xué)》之目的。師，作為平時成績的依據(jù)之一。盡管是再次編寫，但由于我們才疏學(xué)淺，領(lǐng)悟EViews的精髓不深，手冊中肯定存。在不足與錯誤，所有這些不足與謬誤完全由我們負(fù)責(zé)。批評指正，幫助我們進一步修訂、完善實驗手冊。教研室組織相關(guān)教師對《計量經(jīng)濟學(xué)》上機手冊進行了修訂，并補充完善了一些章節(jié)的內(nèi)容，其基本思想、基本方法，能夠有所幫助。進行了調(diào)整修改。整個修訂工作主要由郭建軍講師完成，黎實教授最后進行了總纂。低于10學(xué)時上機）。

　　

【正文】 別值和平均值 點預(yù)測的預(yù)測公式 均為 12FFYX???? 內(nèi)插預(yù)測 在 Equation 框 （圖 ） 中，點擊“ Forecast ，進入圖 所示的畫面，在 Forecast name 框中可以為所預(yù)測的預(yù)測值序列命名，計算機默認(rèn)為 YF，點擊 OK，則得樣本期內(nèi)被解釋變量的 預(yù)測 值 序列 YF（也稱擬合值序列） 的圖形形式（圖 ） 。 同時在 Workfile 中出現(xiàn)一新序列對象 YF。 22 圖 圖 外推預(yù)測 例如原資 料為 19781998，外推 預(yù)測 1999 、 2020 年 的四川省人均消費 Y。 ① 錄入 199 2020 年的可支配收入 X 的數(shù)據(jù)。 雙擊 Workfile 菜單下的 Range 所在行， 出現(xiàn) Workfile Structure 對話框，將右側(cè)“ End”旁的文本框中的數(shù)值改為 33，然后一直點 OK 即可將 Workfile 的 Range 以及 Sample 的 Range 改為 33； 雙擊打開序列 x 表格形式，將編輯狀態(tài)切換為“可編輯”，在 x 序列中補充輸入 1 9 9 9 2 0 0 027 80 , 12 40 5XX??。 ②進行預(yù)測 在 Equation 結(jié)果界面 （圖 ） 的菜單上點擊 Forecast，彈出一對話框，在其中為預(yù)測的序列命名， 如yf2。點 OK即可得到預(yù)測結(jié)果的圖形形式，點 Workfile 中 新出現(xiàn)的序列 yf2，可以看到預(yù)測值（ 注意，因為沒有對默認(rèn)預(yù)測區(qū)間 1～ 33 做改變，這時候得到的是所有內(nèi)插預(yù)測與外推預(yù)測的得值，若將區(qū)間改為 32 33，則只會得到外推預(yù)測結(jié)果 ）。 ③結(jié)果查看 按住 Ctrl 鍵 ， 同時 選中 Y、 YF、 Resid， 點擊右鍵，在右鍵菜單中選 Group 可打開實際值、預(yù)測值、殘差序列。 （ 2）區(qū)間預(yù)測。 被解釋變量 Y 的 個別值區(qū)間 預(yù)測公式為 2/2 2()11 ff iXXYt nx???? ? ? ?， 23 被解釋變量 Y 均值區(qū)間預(yù)測公式 2/2 2()1 ff iXXYt nx????? ?。 計算思路： 區(qū)間 預(yù)測 不能直接由 EViews 得到 。 可以從 EViews 中得到公式中部分項的值 ，再 用手工或者別的方式 將其 計算出來 。 具體地， fY 可以在前面點預(yù)測序列 yf2 中找到； /2t? 可以查 t 分布表得到；樣本數(shù) n 為已知； fXX? 中的 fX 為已知， X 可以 在 序列 x 的描述統(tǒng)計中找到（ 圖 ）；由 總體方差的無偏估計式 221ix xn? ? ??可以計算出 22( 1)ixxn???? （ x? 可在序列 x 的描述統(tǒng)計中找到 ，見圖 ） 。 找到該預(yù)測公式中各項后，即可用計算器或者 Excel 計算得到預(yù)測區(qū)間 端點 。 找到上面公式中各項后，若在 Excel 中計算 預(yù)測區(qū)間 ，可以采用以下表達式計算 （以預(yù)測 1998 年 Y 個別值預(yù)測區(qū)間為例，計算區(qū)間的上端點，課本第 61 頁第二行） ： 打開 Excel 后在任意一個空格中，輸入 =+**SQRT(1+1/31+) ，回車即可。 實驗二 多元線性回歸模型和多重共線性 一、實驗?zāi)康模?掌握多元線性回歸模型的估計方法、掌握多重共線性模型的識別和修正。 二、實驗要求： 應(yīng)用教材第 119 頁案例做多元線性回歸模型，并識別和修正多重共線性。 三、實驗原理： 普通最小二乘法、簡單相關(guān)系數(shù)檢驗法、綜合判斷法、逐步回歸法。 四、預(yù)備知識： 最小二乘法估計的原理、 t 檢驗、 F 檢驗、 2R 值。 五、實驗步驟 設(shè)定并估計多元線性回歸模型 ttttttt uXXXXXY ??????? 66554433221 ?????? （ ） 建立工作文件并錄入數(shù)據(jù)（參照實驗一），得到圖 圖 對（ ）采用 OLS 估計參數(shù) 24 方法一：在主界面命令框欄中輸入 ls y c x2 x3 x4 x5 x6，然后回車，即可得到參數(shù)的估計結(jié)果，如圖 所示。 方法二：按住 ctrl 鍵，同時選中序列 y 和 x2 x3 x4 x5 x6，點右鍵，在所出現(xiàn)的右鍵菜單中，選 擇 open\as Equation… 后彈出一對話框，點擊“確定”，即可得回歸結(jié)果。 方法三：點擊主界面菜單 Quick\Estimate Equation，彈出方法二中出現(xiàn)的對話框。不過框中沒有設(shè)定回歸模型，可以自己輸入 y c x2 x3 x4 x5 x6，點確定即可得到回歸結(jié)果。（注意被解釋變量 y 一定要放在最前面，變量間留空格）。 圖 根據(jù)圖 中的數(shù)據(jù)，得到模型（ ）的估計結(jié)果為 )()()()())(()()()()()()(2265432??????????????dfFRRtXXXXXY i 從上回歸結(jié)果可以看出，擬合優(yōu)度很高，整體 效果的 F 檢驗通過。但有重要變量 X X6 的 t 檢驗不顯著，可能存在嚴(yán)重的多重共線性。 2．多重共線性模型的識別 綜合判斷法 由模型（ ）的估計結(jié)果可以看出， ?R ， 2 ? 可決系數(shù)很高，說明模型對樣本的擬合很好； ? 檢驗值很大，相應(yīng)的 ? ，說明回歸方程顯著，即各自變量聯(lián)合起來確實對因變量“全國旅游收入” 有顯著影響；給定顯著性水平 ?? ，但變量 X X6 系數(shù)的 t 統(tǒng)計量分別為 、相應(yīng)的 p 值分別為 、 ，說明 X X6 對因變量影響不顯著，而且 X6 系數(shù)符號與經(jīng)濟意義不符。綜合上述分析，表明模型（ ）很可能存在嚴(yán)重的多重共線性。 簡單相關(guān)系數(shù)檢驗法 計算解釋變量 x x x x x6 的簡單相關(guān)系數(shù)矩陣。 方法 1：將解釋變量 x x x x x6 選中，雙擊選擇 Open Group（或點擊右鍵，選擇 Open/as Group），然后再點擊 View/Correlation/Common Sample， 即可得出相關(guān)系數(shù)矩陣（圖 ）。再點擊頂部的 Freeze 按鈕，可得到一個 Table 類型獨立的 object（圖 ）。 相關(guān)系數(shù)矩陣 25 圖 圖 方法 2：點擊 Eviews 主畫面的頂部的 Quick/Group Statistics/Correlatios 彈出對話框（圖 ）。在對話框中輸入解釋變量 x x x x x6，點擊 OK，即可得出相關(guān)系數(shù)矩陣（同圖 ）。 圖 由圖 相關(guān)系數(shù)矩陣可以看出，各解釋變量相互之間的相關(guān)系數(shù)較高，特別是 x2 和 x3 之間高度相關(guān)，證實解釋變量之間存在多重共線性。 根據(jù)綜合判別法與簡單相關(guān)系數(shù)檢驗法分析的結(jié)果可以知道，本案例的回歸變量間確實存在多重共線性。注意，多重共線性是一個程度問題而不是存在與否的問題。下面我們將采用逐步回歸法來減少共線性的嚴(yán)重程度而不是徹底地消除它。 3． 多重共線性模型的修正 關(guān)于多重共線性的修正方法一般有 變量變換法、 先驗信息法、逐步回歸法等，這里我們僅介紹向前逐步回歸的具體做法，來 減少共線性的嚴(yán)重程度。而其他的修正方法本文沒逐一介紹， 感興趣的讀者可參閱相關(guān)計量經(jīng)濟書籍。 第一步 ： 運用 OLS 方法分別求 Y 對各解釋變量 x x x x x6 進行一元回歸。五個方程的回歸結(jié)果詳見圖 ，再結(jié)合經(jīng)濟意義和統(tǒng)計檢驗選出擬合效果最好的一元線性回歸方程。 26 圖 圖 圖 27 圖 圖 通過一元回歸結(jié)果 圖 進行對比分析，依據(jù)調(diào)整后可決系數(shù) 2R 最大原則，選取 x3 作為進入回歸模型的第一個解釋變量，形成一元回歸模型。 第二步 ： 逐步回歸。將剩余解釋變量分別加入模型，得到分別如圖 、 、 、 所示的二元回歸結(jié)果。 圖 28 圖 圖 圖 通過觀察比較圖 — 所示結(jié)果，并根據(jù)逐步回歸的思想，我們可以看到，新加入變量 x5 的二元回歸方程 2 ? 最大，并且各參數(shù)的 t 檢驗顯著，參數(shù)的符號也符合經(jīng)濟意義，因此，保留變量 x5。 第三步 ： 在保留變量 x x5 基礎(chǔ)上，繼續(xù)進行逐步回歸，分別得到如圖 、 、 、所示的回歸結(jié)果。 29 圖 圖 圖 結(jié)果分析 觀察圖 我們可以看到，在 x x5 基礎(chǔ)上加入 x4 后的方程 2 ??明顯增大， F 統(tǒng)計量也很大，說明模型對樣本 的擬合很好且回歸方程顯著；同時各解釋變量的系數(shù)所對應(yīng)的 t 值較大，相應(yīng)的?p ，說明各解釋變量對因變量的影響顯著，并且 參數(shù)的符號也符合經(jīng)濟意義。因此，根據(jù)逐步回歸的思想，模型應(yīng)保留自變量 x x x4。 但通過圖 可以看到，在 x x5 基礎(chǔ)上加入 x2 后不僅 9 7 1 6 7 9 9 ??R 降低，而且 x x5變量系數(shù)的 t 值很小，相應(yīng)的 p 值都大于顯著性水平 ，說明自變量 x x5 對因變量的影響不顯著 ；同樣，由圖 可知，加入 x6 后不僅 9 7 1 7 0 2 5 ??R 降低，而且 x6 參數(shù)的 t 值很小，相應(yīng)的 p 值 30 遠(yuǎn)大于顯著性水平 ，說明 x6 對因變量的影響不顯著，甚至 x6 系數(shù)的符號為負(fù)，顯然不符合經(jīng)濟意義。因此， 根據(jù)逐步回歸的思想，說明 x x6 的出現(xiàn)引起嚴(yán)重多重共線性。 第四步 ： 在保留變量 x x x4 基礎(chǔ)上，繼續(xù)進行逐步回歸，分別得到如圖 、圖 所示的回歸結(jié)果。 圖 圖 類似第三步的結(jié)果分析，由圖 、 我們可以看到，在 x x x4 基礎(chǔ)上加入 x2 后 2R 沒有改進，而且 x2 參數(shù) t 檢驗不顯著； 加入 x6 后雖然 2R 略有改進，但 x6 參數(shù)的 t 檢驗變得不顯著，并且參數(shù)為負(fù)不符合經(jīng)濟意義。這說明 x2 、 x6 引起多重共線性，應(yīng)予以剔除。因此，本案例最后應(yīng)保留的變量是 x xx5，相應(yīng)的回歸結(jié)果為： 8 7 1 6 9 1 4 4 )6 9 2 9 6 ()0 6 7 6 7 ()9 4 4 9 8 ()()9 0 4 1 5 ()0 5 0 2 9 ()0 6 8 6 7 ()(6 2 9 0 2 1 9 6 1 5 8 8 22543???????????DWFRRtXXXY i 由綜合判斷法知，上述回歸結(jié)果基本上消 除了多重共線性。并且，在其他因素不變的情況下，當(dāng)城鎮(zhèn)居民人均旅游支出 x3 和農(nóng)村居民人均旅游支出分別增長 1 元，公路里程 x5 每增加 1 萬 km 時，國內(nèi)旅游收入 Y將分別增長 億元、 億元和 億元。 此案例存在的問題是樣本容量過小，其可靠性受到影響，如果增大樣本容量，效果將會好一些。 31 實驗三 異方差性和自相關(guān) 一、實驗?zāi)康? 掌握異方差和自相關(guān)模型的檢驗方法與處理方法 . 二、實驗要求 1． 應(yīng)用教材第 141 頁案例做異方差模型的圖形法檢驗、 GoldfeldQuanadt 檢驗與 White 檢 驗，使用 WLS法對異方差進行修正； 2． 應(yīng)用教材第 171 頁案例做自相關(guān)模型的圖形法檢驗和 DW 檢驗，使用科克倫 — 奧克特迭代法對自相關(guān)進行修正。 三、實驗原理 異方差性檢驗：圖形法檢驗、 GoldfeldQuanadt 檢驗、 White 檢驗與加權(quán)最小二乘法； 自相關(guān)性檢驗：圖形法檢驗、 DW 檢驗和科克倫 — 奧克特迭代法。 四、預(yù)備知識 GoldfeldQuanadt 檢驗、 White 檢驗、加權(quán)最小二乘法、 DW 檢驗和科克倫 — 奧克特迭代法。 五、實驗步驟 【案例 1】 異方差性 在現(xiàn)實經(jīng)濟活動中，最小二乘法的基本假定并非 都能滿足，本案例將討論隨機誤差違背基本假定的一個方面 —— 異方差性。本案例將介紹：異方差模型的圖形法檢驗、 Goldfeld Quanadt 檢驗與 White 檢驗；異方差模型的 WLS 法修正。 建立 Workfile 和對象，錄入變量人口數(shù) X 和醫(yī)療機構(gòu)數(shù) Y（ P141）如圖 。 圖 參數(shù)估計 按住 ctrl 鍵，同時選中序列 X 和序列 Y ，點右鍵，在所出現(xiàn)的右鍵菜單中，選擇 open\as Group 彈出一對話框，點擊其上的“確定”，可生成并打開一個群對象（圖 ）。在群對象窗口工具欄中點擊view\Graph\Scatter\Simple Scatter, 可得 X 與 Y 的簡單散點圖 (圖 )，可以看出 X 與 Y 是帶有截距的近似線性關(guān)系。 32 圖 點擊主界面菜單 Quick\Estimate Equation，在彈出的對話框中輸入 y c x，點確定即可得到回歸結(jié)果 (圖)。 圖 估計結(jié)果為 : ? 5 6 2 .9 0 7 4 5 .3 7 2 8 2 8iiYX? ? ?