計(jì)量經(jīng)濟(jì)學(xué)上機(jī)實(shí)驗(yàn)

1、計(jì)量經(jīng)濟(jì)學(xué)上機(jī)實(shí)驗(yàn)第一部分 預(yù)備知識(shí)一、Eviews安裝Eviews文件大小約11MB，可在網(wǎng)上下載。下載完畢后，點(diǎn)擊SETUP安裝，安裝過程與其他軟件安裝類似。安裝完畢后，將快捷鍵發(fā)送的桌面，電腦桌面顯示有Eviews3.1圖標(biāo)，整個(gè)安裝過程就結(jié)束了。雙擊Eviews按鈕即可啟動(dòng)該軟件。（圖1.2.1）圖1.2.1二、Eviews工作特點(diǎn)初學(xué)者需牢記以下兩點(diǎn)。（一）、Eviews軟件的具體操作是在Workfile中進(jìn)行。如果想用Eviews進(jìn)行某項(xiàng)具體的操作，必須先新建一個(gè)Workfile或打開一個(gè)已經(jīng)存在硬盤（或軟盤）上的Workfile，然后才能夠定義變量、輸入數(shù)據(jù)、建造模型等操作；（二

2、）、Eviews處理的對(duì)象及運(yùn)行結(jié)果都稱之為objects，如序列（series）、方程(equations)、表1.1 Eviews功能框架Histogram and Statistics View of a Single Series Multiple Series一個(gè)變量或多個(gè)變量的統(tǒng)計(jì)與圖形主要有：圖形包括線型圖、條形圖、多種散點(diǎn)圖等；指標(biāo)有均值、方差、偏度（Skewness）、峰度(Kurtosis)、Jarque-Bera Statistic（雅克-貝拉統(tǒng)計(jì)量）Descriptive statistics描述統(tǒng)計(jì)Correlogram View（相關(guān)分析）主要有：Autocorre

3、lations（自相關(guān)）、Partial Autocorrelations（偏自相關(guān)）、Cross Correlation（交叉相關(guān)）、Q-Statistics（Q統(tǒng)計(jì)量）等Standard Regression Output標(biāo)準(zhǔn)回歸輸出Regression Coefficients（回歸系數(shù)）t-Statistics（T統(tǒng)計(jì)量）（判定系數(shù)）等Regression回歸Actual and Fitted Values and Residuals實(shí)際值、擬合值、殘差A(yù)ctual Values（實(shí)際值）、Fitted Values（擬合值）、Residuals（殘差）Collinearity（共線性

4、）、Heteroskedasticity（異方差性）、Weighted Least Squares（加權(quán)最小二乘法）、Two-Stage Least Squares（二段最小二乘法）、 Polynomial Distributed Lags（多項(xiàng)式分布滯后）、Nonlinear Least Squares（非線性最小二乘法）、Logit and Probit Models（對(duì)數(shù)概率單位模型）、Granger Causality（葛蘭杰因果檢驗(yàn)）、Forecast Variances（預(yù)測(cè)方差）、Exponential Smoothing（指數(shù)平滑）等Durbin-Watson Statisti

5、c（德賓-沃森統(tǒng)計(jì)量）Serial Correlation序列相關(guān)ARIMA Models（自回歸求積移動(dòng)平均模型）Unit Root Tests（單位根檢驗(yàn)）Estimation of Difference Models（差分模型的估計(jì)）Two-Stage Least Squares With Serial Correlation（有自相關(guān)的二段最小二乘法）System Estimation（系統(tǒng)估計(jì)法）Systems 系統(tǒng)方法Vector Autoregression（VAR向量自回歸）Vector Error Correction Models and Cointegration Tes

6、ts（向量誤差校正模型與協(xié)積檢驗(yàn)）等Test on Coefficient （對(duì)系數(shù)的檢驗(yàn)）Wald Test of Coefficient Restriction（Wald檢驗(yàn)） Omitted Variable（省略變量的檢驗(yàn)） Redundant Variable（富裕變量的檢驗(yàn)）等Specification and Diagnostic Tests模型設(shè)定與診斷檢驗(yàn)Tests on Residuals (對(duì)殘差的檢驗(yàn))Histogram and Normality Test(相關(guān)圖與正態(tài)性檢驗(yàn))、Series Correlation LM Test（拉格朗日乘數(shù)檢驗(yàn)）、White He

7、reoskedasticity Test（懷特檢驗(yàn)）等Specification and Stability Tests （模型設(shè)定與穩(wěn)定性檢驗(yàn)）如Chows Breakpoint Test（鄒氏檢驗(yàn)） Ramseys RESET Test（拉姆齊RESETJ檢驗(yàn)）Recursive Least Squares（遞歸最小二乘）模型（models）、系數(shù)（coefficients）等objects。可以以不同形式瀏覽（views）objects，比如表格（spreadsheet）、圖（graph）、描述統(tǒng)計(jì)（descriptive statistics）等，但這些瀏覽（views）不是獨(dú)立的ob

8、jects，他們隨原變量序列（views）的改變而改變。如果想將某個(gè)瀏覽（views）轉(zhuǎn)換成一個(gè)獨(dú)立的objects，可使用freeze按鈕將該views“凍結(jié)”，從而形成一個(gè)獨(dú)立的objects，然后可對(duì)其進(jìn)行編輯或存儲(chǔ)。上機(jī)實(shí)驗(yàn)一實(shí)驗(yàn)?zāi)康模篍Views軟件的基本操作實(shí)驗(yàn)內(nèi)容：對(duì)線性回歸模型進(jìn)行參數(shù)估計(jì)并進(jìn)行檢驗(yàn)具體步驟（以實(shí)習(xí)1為例）：一建立工作文件： 1.在主菜單上點(diǎn)擊FileNewWorkfile； 2.選擇時(shí)間頻率，A 3.鍵入起始期和終止期，然后點(diǎn)擊OK； 或：鍵入 CREATEA78 97二輸入數(shù)據(jù): 1.鍵入命令：DATA Y X 2.輸入每個(gè)變量的統(tǒng)計(jì)數(shù)據(jù)； 3.關(guān)閉數(shù)組窗口

9、（回答Yes）；三圖形分析： 1.趨勢(shì)圖：鍵入命令PLOT Y X 2.相關(guān)圖：鍵入命令 SCAT Y X四估計(jì)回歸模型： 方式1：鍵入命令LS Y C X 方式2： 1.點(diǎn)擊ObjectsNew Object,并在列表框中選擇Equation； 2.在彈出的方程設(shè)定框內(nèi)輸入模型：Y C X 或 Y=C(1)+C(2)*X 2)指定估計(jì)方法：LS 3.確定樣本區(qū)間；然后點(diǎn)擊OK。五存貯/調(diào)用文件 1.保存：點(diǎn)擊工作文件窗口上的Save按鈕，并指定文件的存貯目標(biāo)位置； 2.讀取：從主菜單上點(diǎn)擊FileOpenWokefile，選定文件后打開；六在當(dāng)前工作文件中保存/打開對(duì)象 1. 保存：點(diǎn)擊對(duì)象

10、窗口上的Name按鈕，可以將當(dāng)前對(duì)象保存到當(dāng)前工作文件之中。 2. 讀?。涸诠ぷ魑募翱谥须p擊對(duì)象圖標(biāo)，將打開該對(duì)象窗口。上機(jī)實(shí)驗(yàn)二實(shí)驗(yàn)?zāi)康模憾嘣貧w模型的建立、比較與篩選，掌握基本的操作要求并能根據(jù)理論對(duì)分析結(jié)果進(jìn)行解釋實(shí)驗(yàn)內(nèi)容：一. 我國稅收預(yù)測(cè)模型1.相關(guān)圖分析：SCAT Y X2.將樣本區(qū)間調(diào)整為1985-1998年：SMPL 85 983. 根據(jù)已有序列生成新序列： GENRlny=log(y) GENRlnx=log(x) GENR x2=x24. 估計(jì)模型，分別建立以下模型： 線性模型LS Y C X 雙對(duì)數(shù)模型LS LNY C LNX 對(duì)數(shù)模型LS Y C LNX 指數(shù)模型LS

11、 LNY C X 二次多項(xiàng)式模型 LS Y C X X2（注：估計(jì)時(shí)可以采用兩種方式：線性化、迭代估計(jì)）5.模型比較: 根據(jù)判定系數(shù)、T檢驗(yàn)值、殘差圖等進(jìn)行綜合分析二. 我國國有獨(dú)立核算工業(yè)企業(yè)生產(chǎn)函數(shù)1. 建立多元線性回歸模型；2. 建立非線性回歸模型；3. 比較、選擇最佳模型；上機(jī)實(shí)驗(yàn)三實(shí)驗(yàn)?zāi)康模赫莆债惙讲畹臋z驗(yàn)與調(diào)整方法的上機(jī)實(shí)現(xiàn)實(shí)驗(yàn)內(nèi)容：我國制造工業(yè)利潤函數(shù)實(shí)驗(yàn)步驟：一檢驗(yàn)異方差性1圖形分析檢驗(yàn)： 1) 觀察Y、X相關(guān)圖：SCAT Y X 2) 殘差分析:觀察回歸方程的殘差圖 LS Y C X 在方程窗口上點(diǎn)擊Residual按鈕；2 Goldfeld-Quant檢驗(yàn)： SORT X

12、SMPL 1 10 LS Y C X（計(jì)算第一組殘差平方和） SMPL 19 28 LS Y C X（計(jì)算第二組殘差平方和） 計(jì)算F統(tǒng)計(jì)量，判斷異方差性3White檢驗(yàn)： SMPL 1 28 LS Y C X 在方程窗口上點(diǎn)擊： ViewResidualTestWhite Heteroskedastcity 由概率值判斷異方差性。4 Park檢驗(yàn) LS Y C X GENR LNE2=log(resid2) GENR LNX=log(X) LS LNE2 C LNX5Gleiser檢驗(yàn)： LS Y C X GENRE1=ABS(resid) LSE1 C X再在方程窗口中點(diǎn)擊Estimete按

13、鈕，并在方程描述框中依次輸入其它方程： E1 C X2 E1 C X(1/2) E1 C X(-1) E1 C X(-2) E1 C X(-1/2)二調(diào)整異方差性（WLS估計(jì)）：1計(jì)算權(quán)數(shù)變量： GENRW1=1/X(1.6743) GENRW2=1/X(0.5) GENRW3=1/X2 GENR W4=1/E1 GENR W5=1/E22依次進(jìn)行WLS估計(jì)： LS Y C X在方程窗口中點(diǎn)擊EstimeteOptions,然后在權(quán)數(shù)變量欄依次輸入W1、W2.W5,并選擇WLS估計(jì)，從中篩選出最佳的異方差調(diào)整模型。上機(jī)實(shí)驗(yàn)四實(shí)驗(yàn)?zāi)康模赫莆兆韵嚓P(guān)性的檢驗(yàn)與調(diào)整方法實(shí)驗(yàn)內(nèi)容： 我國城鄉(xiāng)居民儲(chǔ)蓄函數(shù)

14、（教材P94）實(shí)驗(yàn)步驟：一、 回歸模型的篩選 1.相關(guān)圖分析：SCAT Y X 2.根據(jù)已有序列生成新序列： GENRlny=log(y) GENRlnx=log(x) GENRx2=X2 3.估計(jì)模型，分別建立以下模型： 線性模型LS Y C X 雙對(duì)數(shù)模型LS LNY C LNX 對(duì)數(shù)模型LS Y C LNX 指數(shù)模型LS LNY C X 二次多項(xiàng)式模型 LS Y C X X2 4. 利用判定系數(shù)、殘差圖等比較模型，初步選定回歸模型為雙對(duì)數(shù)模型和二次多項(xiàng)式模型。二自相關(guān)性的檢驗(yàn)： 1、DW檢驗(yàn)； 2、偏相關(guān)系數(shù)檢驗(yàn) 3、BG檢驗(yàn)三自相關(guān)性的調(diào)整 ：加入AR項(xiàng) 1.關(guān)于雙對(duì)數(shù)模型的調(diào)整 2.

15、關(guān)于二次多項(xiàng)式模型的調(diào)整四從雙對(duì)數(shù)模型和二次多項(xiàng)式模型中選擇最佳模型： 1判定系數(shù)分析； 2殘差分析五重新設(shè)定雙對(duì)數(shù)模型中的解釋變量，并解釋其經(jīng)濟(jì)含義，檢驗(yàn)自相關(guān)性： 模型1加入上期儲(chǔ)蓄LNY(-1)； 模型2解釋變量取成：上期儲(chǔ)蓄LNY（-1）、本期X增長LNX-LNX(-1)。上機(jī)實(shí)驗(yàn)五實(shí)驗(yàn)?zāi)康模赫莆斩嘀毓簿€性的檢驗(yàn)與處理方法實(shí)驗(yàn)內(nèi)容：服裝需求函數(shù)實(shí)驗(yàn)步驟：一檢驗(yàn)多重共線性 1 相關(guān)系數(shù)檢驗(yàn)：COR X K P0 P1 2 輔助回歸方程檢驗(yàn)： LS X C K P0 P1 LS K C X P0 P1 LS P0 C X K P1 LS P1 C X K P0分析每個(gè)方程的F檢驗(yàn)值和t檢驗(yàn)

16、值，了解解釋變量之間的相關(guān)關(guān)系；二利用逐步回歸方法處理多重共線性： 1建立基本的一元回歸方程； 2逐個(gè)引入變量，確定基本的二元回歸方程； 3分別引入其余變量，確定最合適的三元回歸方程' 4引入最后一個(gè)變量，確定其是否合適；三. 案例實(shí)習(xí) 案例：香港股市分析模型 分析：1.如何消除多重共線性的影響？ 2.如何消除自相關(guān)性的影響？上機(jī)實(shí)驗(yàn)六實(shí)驗(yàn)?zāi)康模赫莆仗摂M變量的設(shè)置方法實(shí)驗(yàn)內(nèi)容： 1我國城鎮(zhèn)居民彩電需求函數(shù)； 2我國稅收預(yù)測(cè)模型； 3我國城鎮(zhèn)居民消費(fèi)函數(shù)；實(shí)驗(yàn)步驟：一我國城鎮(zhèn)居民彩電需求函數(shù) 1相關(guān)圖形分析： 2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G

17、ENR命令直接定義； 3估計(jì)虛擬變量模型 LS Y C X D1 XD 再由t檢驗(yàn)值判斷虛擬變量的引入方式。二我國稅收預(yù)測(cè)模型 要求：設(shè)置虛擬變量反映1996年稅收政策的影響。三我國城鎮(zhèn)居民消費(fèi)函數(shù) 要求： 1利用虛擬變量分析兩年的消費(fèi)函數(shù)是否有顯著差異； 2利用混合樣本建立我國城鎮(zhèn)居民消費(fèi)函數(shù)。上機(jī)實(shí)驗(yàn)七實(shí)驗(yàn)?zāi)康模赫莆辗植紲竽Ｐ偷墓烙?jì)方法實(shí)驗(yàn)內(nèi)容：建立庫存函數(shù)實(shí)驗(yàn)步驟：一ALMON估計(jì) 1分析滯后期長度： CROSS Y 2利用ALMON方法估計(jì)模型 LS Y C PDL(X,3,2) 二ALMON估計(jì)的模擬 1ALMON變換 GENRZ0=X+X(-1)+X(-2)+X(-3) GENRZ1= X(-1)+2*X(-2)+3*X(-3) GENRZ2= X(-1)+4*X(-2)+9*X(-3) 2估計(jì)變換后模型： LS Y C Z0 Z1 Z2 3.計(jì)算原模型中的系數(shù)估計(jì)值。上機(jī)實(shí)驗(yàn)八實(shí)驗(yàn)?zāi)康模壕毩?xí)聯(lián)立方程模型的估計(jì)、檢驗(yàn)方法實(shí)驗(yàn)內(nèi)容：宏觀經(jīng)濟(jì)模型的估計(jì)與總體擬合優(yōu)度檢驗(yàn) 實(shí)驗(yàn)步驟：一打開數(shù)據(jù)文件二建立系統(tǒng) 1在主窗口中點(diǎn)擊ObjectsN