【導讀】《計量經(jīng)濟學》作為經(jīng)濟學專業(yè)的核心課程之一，在我校已開設幾年。量經(jīng)濟學》基本思想、加強具體操作等方面有著重要的作用。在我們的《計量經(jīng)。濟學》教學活動中，EViews成為了計量經(jīng)濟學本科教學的基本使用軟件。證明，EViews在輔助教學、科研等方面具有自身的特色和優(yōu)良的性能。學們提供更好的教學服務產(chǎn)品。本手冊是配合科學出版社《計量經(jīng)濟學》教材的體系和教學大綱專門編寫的。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。報告，并上交給試驗老師，作為平時成績的依據(jù)之一。線性的綜合檢驗。自相關性重點為DW檢驗、圖示法檢驗；于Windows平臺下的應用軟件，其前身是DOS操作系統(tǒng)下的TSP軟件。操作結(jié)果出現(xiàn)在窗口中并能采用標準的Windows技術對操作結(jié)果進行處理。在EViews的命令行中輸入、編輯和執(zhí)行命令。程序文件中建立和存儲命令，以便在后續(xù)的研究項目中使用這些程序。析和統(tǒng)計分析，數(shù)據(jù)管理簡單方便。對聯(lián)立方程進行線性和非線性的估計；

　　

【正文】 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) 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 25 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 841 399 56 73 )44 98 ()00 65 ()67 20 ()16 84 ()21 60 )(29 45 ()84 4()41 75 ()09 36 ()06 33 ()00 46 ()04 37(98 442 67 22 24 25 71?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 XX6 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 ， ?R 可決系數(shù)很高，說明模型對樣本的擬合很好； ?F 檢驗值很大，相應的 p=，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/Covariance analysis，選擇其中的“ covariance”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 26 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。 27 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。 圖 圖 28 圖 圖 29 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 x2 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 30 圖 圖 圖 31 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 x3 的二元回歸方程 ??R 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 x3。 第三步 ： 在保留變量 x x3 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。 圖 圖 32 圖 結(jié)果分析 觀察圖 我們可以看到，在 x x3 基礎上加入 x4 后的方程 ???R ， 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，其中 X4 參數(shù)的 t 值為 ，相應的 ?p ，在 ?? 的顯著性水平下不顯著，但是在 ?? 顯著性水平下顯著為 0。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 xx4。 但通過圖 可以看到，在 x x3 基礎上加入 x5 后不僅 ??R 降低，而且 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 x5 對因變量的影響不顯著；同樣，由圖 可知，加入 x6 后不僅 ??R 降低，而且 x6參數(shù)的 t 值很小，相應的 p 值 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 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。 33 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x5 后 2R 雖略有改進，但是 x5 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) 34 的 t 檢驗也變得不顯著，并且參數(shù)為負不符合經(jīng)濟意義。這說明 x5 、 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 x x4，相應的回歸結(jié)果為： 17 199 )97 ()83 ()04 ()59 ()10 34 ()95 68 ()00 27 ()92 5(17 36?22432???????????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，當國內(nèi)旅游人數(shù) X2 每增加 1 萬人次，城鎮(zhèn)居民人均旅游支出 x3 和農(nóng)村居民人均旅游支出 X4 分別增長 1 元，平均來說，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。 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)療機構數(shù) Y（ P141）如圖 。 35 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。 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 )。 36 圖 估計結(jié)果為 : ? ? ? ? () 22) )( 064 6) ( 981 1 ) , , , 19 ( ( tR R F df?? ? ? ? 檢驗模型的異方差 本例用的是四川省 2020 年各地市州的醫(yī)療機構數(shù)和人口數(shù)，由于地區(qū)之間存在的不同人口數(shù)，因此，對各種醫(yī)療機構的設置數(shù)量會存在不同的需求，這種差異使得模型很容易產(chǎn)生異方差， 從而影響模型的估計和運用。為此，必須對該模型是否存在異方差進行檢驗。 (1)圖形法 由路徑： Quick/Estimate Equation，進入 Equation Specification 窗口，鍵入“ y c x”，確認并“ ok”，得樣本回歸估計結(jié)果，見圖 。 生成殘差平方序列。在得到 圖 后，直接在工作文件窗口中按 Genr,在彈出的窗口中 , 在主窗口鍵入命令如下 2 ^ 2e resid? (用 2e 來表示 殘差平方序列 2ie ),得到殘差平方序列 2e (如圖 ) 37 圖 繪制 2te 對 tX 的散點圖。按住 Ctrl 鍵 ,同時選擇變量 X 與 2e （注意選擇變量的順序，先選的變量將在圖形中表示橫軸，后選的變量表示縱軸）以組對象方式打開，進入數(shù)據(jù)列表，再按路徑 view\Graph\Scatter\Simple Scatter，可得散點圖，見圖 。 圖 判斷。由圖 ，殘差平方 2ie 對解釋變 量 iX 的散點圖主要分布在圖形中的下三角部分，大致看出殘差平方 2ie 隨 iX 的變動呈增大的趨勢，因此，模型很可能存在異方差。但是否確實存在異方差還應通過更進一步的檢驗。 （ 2） GoldfeldQuanadt檢驗 對變量取值排序（按遞增或遞減）。直接在工作文件窗口中按 Proc\Sort Current Page… ,在彈出的對話框中輸入 X 即可 (默認 項是 Ascending（升序） )。本例選升序排序，這時變量Y 與 X 將以 X 按升序排序 (如圖 )。 38 圖 構造子樣本區(qū)間，建立回歸模型。在本例中，樣本容量 21n? ，刪除中間 1/4的觀測值，即大約 5個觀測值，余下部分平分得兩個樣本區(qū)間： 1— 8和 14— 21，它們的樣本個數(shù)均是8個，即 128nn??。 在工作文件窗口中按在 Sample 菜單，在彈出的對話框中輸入 1 8，將樣本期改為 1～ 8 圖 然后用 OLS方法求得如下結(jié)果 圖 在 Sample 菜單里 ,將區(qū)間定義為 14～ 21，再用 OLS方法求得如下結(jié)果 39 圖 下面求 F統(tǒng)計量值?；趫D ，即 Sum squared resid的值。由圖 21 ??，由圖 平方和為 22 73 58 44 .7ie ??，根據(jù) GoldfeldQuanadt 檢驗， F統(tǒng)計量為 2221 7 3 5 8 4 4 .7 5 .0 7 6 21 4 4 9 5 8 .9iieF e? ? ???