【導讀】《計量經(jīng)濟學》作為經(jīng)濟學專業(yè)的核心課程之一，在我校已開設多年。濟學軟件，包括TSP、EViews、SPSS、SAS等。教學活動中，EViews逐漸成為了計量經(jīng)濟學本科教學的基本使用軟件。在輔助教學、科研等方面具有自身的特色和優(yōu)良的性能。為此，統(tǒng)計學院數(shù)量經(jīng)濟科研所第。教學大綱專門編寫的。手冊分為兩個部分，第一部分是關于EViews的基本操作和EViews在。計量經(jīng)濟學中的基本應用，以達到幫助同學們更好的學習、理解《計量經(jīng)濟學》之目的。師，作為平時成績的依據(jù)之一。盡管是再次編寫，但由于我們才疏學淺，領悟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責。批評指正，幫助我們進一步修訂、完善實驗手冊。教研室組織相關教師對《計量經(jīng)濟學》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學時上機）。

　　

【正文】 別值和平均值 點預測的預測公式 均為 12FFYX???? 內(nèi)插預測 在 Equation 框 （圖 ） 中，點擊“ Forecast ，進入圖 所示的畫面，在 Forecast name 框中可以為所預測的預測值序列命名，計算機默認為 YF，點擊 OK，則得樣本期內(nèi)被解釋變量的 預測 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 外推預測 例如原資 料為 19781998，外推 預測 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，在其中為預測的序列命名， 如yf2。點 OK即可得到預測結(jié)果的圖形形式，點 Workfile 中 新出現(xiàn)的序列 yf2，可以看到預測值（ 注意，因為沒有對默認預測區(qū)間 1～ 33 做改變，這時候得到的是所有內(nèi)插預測與外推預測的得值，若將區(qū)間改為 32 33，則只會得到外推預測結(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、預測值、殘差序列。 （ 2）區(qū)間預測。 被解釋變量 Y 的 個別值區(qū)間 預測公式為 2/2 2()11 ff iXXYt nx???? ? ? ?， 23 被解釋變量 Y 均值區(qū)間預測公式 2/2 2()1 ff iXXYt nx????? ?。 計算思路： 區(qū)間 預測 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 ） 。 找到該預測公式中各項后，即可用計算器或者 Excel 計算得到預測區(qū)間 端點 。 找到上面公式中各項后，若在 Excel 中計算 預測區(qū)間 ，可以采用以下表達式計算 （以預測 1998 年 Y 個別值預測區(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、實驗目的： 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、簡單相關系數(shù)檢驗法、綜合判斷法、逐步回歸法。 四、預備知識： 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（ ）很可能存在嚴重的多重共線性。 簡單相關系數(shù)檢驗法 計算解釋變量 x x x x x6 的簡單相關系數(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，即可得出相關系數(shù)矩陣（同圖 ）。 圖 由圖 相關系數(shù)矩陣可以看出，各解釋變量相互之間的相關系數(shù)較高，特別是 x2 和 x3 之間高度相關，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重程度而不是徹底地消除它。 3． 多重共線性模型的修正 關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)所對應的 t 值較大，相應的?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，模型應保留自變量 x x x4。 但通過圖 可以看到，在 x x5 基礎上加入 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，相應的 p 值 30 遠大于顯著性水平 ，說明 x6 對因變量的影響不顯著，甚至 x6 系數(shù)的符號為負，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)引起嚴重多重共線性。 第四步 ： 在保留變量 x x x4 基礎上，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)為負不符合經(jīng)濟意義。這說明 x2 、 x6 引起多重共線性，應予以剔除。因此，本案例最后應保留的變量是 x xx5，相應的回歸結(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 一、實驗目的 掌握異方差和自相關模型的檢驗方法與處理方法 . 二、實驗要求 1． 應用教材第 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． 應用教材第 171 頁案例做自相關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； 自相關性檢驗：圖形法檢驗、 DW 檢驗和科克倫 — 奧克特迭代法。 四、預備知識 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? ? ?