【正文】 二、 Almon估計的模擬⒈Almon變換genr z0=x+x(1)+x(2)+x(3)genr z1=x(1)+2*x(2)+3*x(3)genr z2=x(1)+4*x(2)+9*x(3)⒉估計變化后的模型LS Y C Z0 Z1 Z2圖3回歸結(jié)果見圖3，即：（） （） （－） ⒊計算原模型中的系數(shù)估計值根據(jù)Almon變換原理有：所以有： ＋－=+2**==所以還原成原分布滯后模型為：68 / 68。當(dāng)滯后期由4增大到5時，調(diào)整的判定系數(shù)減小，AIC值、SC值增大。圖2 Almon估計輸出結(jié)果經(jīng)過Almon變化之后的估計結(jié)果為：（即圖2中的PDL項）：（） （） （－） 還原后的分布滯后模型為： （） （） （） （－）二、滯后期長度的調(diào)整將PDL項的參數(shù)依次設(shè)定為：PDL(X,3,2)、PDL(X,4,2)、PDL(X,5,2)，其調(diào)整的判定系數(shù)、SC、AIC值如表2所示。因此可以設(shè)：假定可以由一個二次多項式逼近。圖1 互相關(guān)分析圖圖中第一欄是Y 與X各滯后期相關(guān)系數(shù)的直方圖。請利用分布滯后模型建立庫存函數(shù)。圖75 1998年樣本回歸的我國城鎮(zhèn)居民消費模型圖76 1999年樣本回歸的我國城鎮(zhèn)居民消費模型圖77 混合樣本回歸的我國城鎮(zhèn)居民消費模型將不同樣本估計的消費函數(shù)結(jié)果列在表7－3中，可以看出，使用混合回歸明顯地降低了系數(shù)的估計誤差。因此，可以將兩年的樣本數(shù)據(jù)合并成一個樣本，估計城鎮(zhèn)居民的消費函數(shù)。設(shè)1998年、1999年我國城鎮(zhèn)居民消費函數(shù)分別為： 1998年： 1999年：為比較兩年的數(shù)據(jù)，估計以下模型： 其中。1996年前的稅收函數(shù)為：1996年后的稅收函數(shù)為：由此可見，在實施1996年的稅收政策前，國內(nèi)生產(chǎn)總值每增加10000元，；而1996年后，國內(nèi)生產(chǎn)總值每增加10000元，因此，1996年的稅收政策大大提高了稅收收入水平。鍵入命令：GENR XD=X*D1LS Y C X D1 XD則模型估計的相關(guān)信息如圖73所示。二、我國稅收預(yù)測模型要求：設(shè)置虛擬變量反映1996年稅收政策的影響。低收入家庭與中高收入家庭各自的需求函數(shù)為：低收入家庭：中高收入家庭：由此可見我國城鎮(zhèn)居民家庭現(xiàn)階段彩電消費需求的特點：對于人均年收入在3300元以下的低收入家庭，需求量隨著收入水平的提高而快速上升，人均年收入每增加1000元，百戶擁有量將平均增加12臺；對于人均年收入在4100元以上的中高收入家庭，雖然需求量隨著收入水平的提高也在增加，但增速趨緩，人均年收入每增加1000元，百戶擁有量只增加3臺。按照以上步驟，虛擬變量模型的估計結(jié)果如圖72所示。從相關(guān)圖可以看出，前3個樣本點（即低收入家庭）與后5個樣本點（中、高收入）的擁有量存在較大差異，因此，為了反映“收入層次”這一定性因素的影響，設(shè)置虛擬變量如下：圖71 我國城鎮(zhèn)居民人均收入與彩電擁有量相關(guān)圖⒉構(gòu)造虛擬變量；方式1：使用DATA命令直接輸入；方式2：使用SMPL和GENR命令直接定義?！緦嶒瀮?nèi)容】一、試根據(jù)表71的1998年我國城鎮(zhèn)居民人均收入與彩電每百戶擁有量的統(tǒng)計資料建立我國城鎮(zhèn)居民彩電需求函數(shù)；表71 我國城鎮(zhèn)居民家庭抽樣調(diào)查資料收入等級彩電擁有量Y（臺/百戶）人均收入X(元/年)DiXDi困難戶00最低收入戶00低收入戶00中等偏下戶1中等收入戶1中等偏上戶1高收入戶1最高收入戶1資料來源：據(jù)《中國統(tǒng)計年鑒1999》整理計算得到二、試建立我國稅收預(yù)測模型（數(shù)據(jù)見實驗一）；三、試根據(jù)表72的資料用混合樣本數(shù)據(jù)建立我國城鎮(zhèn)居民消費函數(shù)。二、利用逐步回歸方法處理多重共線性⒈建立基本的一元回歸方程根據(jù)相關(guān)系數(shù)和理論分析，鋼材產(chǎn)量與生鐵產(chǎn)量關(guān)聯(lián)程度最大。本例中，在Eviews軟件命令窗口中鍵入：LS X1 C X2 X3 X4 X5LS X2 C X1 X3 X4 X5LS X3 C X1 X2 X4 X5LS X4 C X1 X2 X3 X5LS X5 C X1 X2 X3 X4對應(yīng)的回歸結(jié)果如圖2－6所示。由相關(guān)系數(shù)矩陣可以看出，即解釋變量之間時高度相關(guān)的。在Eviews軟件中可以直接計算相關(guān)系數(shù)矩陣。實驗六 多重共線性【實驗?zāi)康摹空莆斩嘀毓簿€性的檢驗及處理方法【實驗內(nèi)容】建立并檢驗我國鋼材產(chǎn)量預(yù)測模型【實驗步驟】【例1】表1是1978－1997年我國鋼材產(chǎn)量（萬噸）、生鐵產(chǎn)量（萬噸）、發(fā)電量（億千瓦時）、固定資產(chǎn)投資（億元）、國內(nèi)生產(chǎn)總值（億元）、鐵路運輸量（萬噸）的統(tǒng)計資料。當(dāng)GDP指數(shù)相對增加1％時，％，當(dāng)上期居民存款余額相對增加1％時，％。圖524 模型2的偏相關(guān)系數(shù)檢驗結(jié)果⒉解釋模型的經(jīng)濟含義。圖523 模型2的估計結(jié)果圖523表明了DW=，n＝20，k＝2，查表得＝，＝，而＝DW，屬于無法判定區(qū)域。采用偏相關(guān)系數(shù)檢驗的結(jié)果如圖522所示，圖中偏相關(guān)系數(shù)方塊均未超過虛線，模型1不存在自相關(guān)性。⒈檢驗自相關(guān)性；⑴模型1鍵入命令：LS LNY C LNX LNY(1)則模型1的估計結(jié)果如圖521所示。⒊從雙對數(shù)模型和二次多項式模型中選擇調(diào)整結(jié)果較好的模型。調(diào)整后模型的DW＝，n＝19，k＝1，取顯著性水平＝，查表得＝，＝，而＝DW4－，說明模型不存在一階自相關(guān)性；再進(jìn)行偏相關(guān)系數(shù)檢驗（圖517）和BG檢驗（圖518），也表明不存在高階自相關(guān)性，因此，中國城鄉(xiāng)居民儲蓄存款的雙對數(shù)模型為： () ()＝ F＝ ＝ DW＝圖517 雙對數(shù)模型調(diào)整后的偏相關(guān)系數(shù)檢驗結(jié)果圖518 雙對數(shù)模型調(diào)整后的BG檢驗結(jié)果⒉對二次多項式模型進(jìn)行調(diào)整；鍵入命令：LS Y C X X2 AR(2)則估計結(jié)果如圖519所示。鍵入命令：LS LNY C LNX AR(1) AR(2)則估計結(jié)果如圖516所示。又因為，的回歸系數(shù)均顯著地不為0，說明雙對數(shù)模型存在一階和二階自相關(guān)性。⒊BG檢驗在方程窗口中點擊View/Residual Test/Series Correlation LM Test，并選擇滯后期為2，則會得到如圖513所示的信息。圖511 雙對數(shù)模型的偏相關(guān)系數(shù)檢驗圖512 二次多項式模型的偏相關(guān)系數(shù)檢驗從511中可以看出，雙對數(shù)模型的第1期、第2期偏相關(guān)系數(shù)的直方塊超過了虛線部分，存在著一階和二階自相關(guān)。⑵二次多項式模型＝，＝，而＝DW，所以通過DW檢驗并不能判斷是否存在自相關(guān)。雙對數(shù)模型和二次多項式模型都具有很高的擬合優(yōu)度，因而初步選定回歸模型為這兩個模型。圖57 線性模型殘差分布圖58 雙對數(shù)模型殘差分布圖59 指數(shù)模型殘差分布圖510 二次多項式模型殘差分布從以上殘差分布表可見，線性模型的殘差在較長時期內(nèi)呈連續(xù)遞減趨勢而后又轉(zhuǎn)為連續(xù)遞增趨勢，指數(shù)模型則大體相反，殘差先呈連續(xù)遞增趨勢而后又轉(zhuǎn)為連續(xù)遞減趨勢，因此，可以初步判斷這兩種函數(shù)形式設(shè)置是不當(dāng)?shù)摹３藢?shù)模型的擬合優(yōu)度較低外，其余模型都具有高擬合優(yōu)度，因此可以首先剔除對數(shù)模型。圖56 二次多項式模型估計結(jié)果其檢驗報告如下： () () ()＝ F＝ ＝⒊選擇模型比較以上模型，可見各模型回歸系數(shù)的符號及數(shù)值較為合理。圖54 對數(shù)模型估計結(jié)果其檢驗報告如下： () ()＝ F＝ ＝⑷指數(shù)模型：LS LNY C X估計結(jié)果及相關(guān)信息如圖55所示。圖52 線性模型估計結(jié)果其檢驗報告如下： () ()＝ F＝ ＝⑵雙對數(shù)模型：GENR LNY=LOG(Y) GENR LNX=LOG(X) LS LNY C LNX估計結(jié)果及相關(guān)信息如圖53所示。因此，為了合理估計居民儲蓄存款模型，可以將函數(shù)初步設(shè)定為線性、雙對數(shù)、對數(shù)、指數(shù)、二次多項式等不同形式，進(jìn)而加以比較分析。表51 我國城鄉(xiāng)居民儲蓄存款與GDP統(tǒng)計資料年份存款余額YGDP指數(shù)X年份存款余額YGDP指數(shù)X197819891979199019801991198119921982199319831994198419951985199619861997198719981988資料來源：《中國統(tǒng)計年鑒1999》【實驗步驟】一、回歸模型的篩選⒈相關(guān)圖分析：SCAT X Y存款余額為被解釋變量Y，GDP指數(shù)為解釋變量X，可得到二者的相關(guān)關(guān)系圖如51所示。圖18圖19圖20圖21實驗五 自相關(guān)性【實驗?zāi)康摹空莆兆韵嚓P(guān)性的檢驗與處理方法。圖1121所對應(yīng)的White檢驗顯示，P值較大，所以接收不存在異方差的原假設(shè)，即認(rèn)為已經(jīng)消除了回歸模型的異方差性。二、 調(diào)整異方差性⒈確定權(quán)數(shù)變量根據(jù)Park檢驗生成權(quán)數(shù)變量：GENR W1=1/X^根據(jù)Gleiser檢驗生成權(quán)數(shù)變量：GENR W2=1/X^另外生成：GENR W3=1/ABS(RESID）GENR W4=1/ RESID ^2⒉利用加權(quán)最小二乘法估計模型在Eviews命令窗口中依次鍵入命令：LS(W=) Y C X或在方程窗口中點擊Estimate\Option按鈕，并在權(quán)數(shù)變量欄里依次輸入WWWW4，回歸結(jié)果圖11117所示。⑷由F值或確定異方差類型Gleiser檢驗中可以通過F值或值確定異方差的具體形式。圖8圖9圖10圖11圖12圖13由上述各回歸結(jié)果可知，各回歸模型中解釋變量的系數(shù)估計值顯著不為0且均能通過顯著性檢驗。⒌Gleiser檢驗（Gleiser檢驗與Park檢驗原理相同）⑴建立回歸模型（結(jié)果同圖5所示）。⑵生成新變量序列：GENR LNE2=log(RESID^2