計(jì)量復(fù)習(xí)知識(shí)要點(diǎn)

1、第一章導(dǎo)論第一節(jié)計(jì)量經(jīng)濟(jì)學(xué)的涵義和性質(zhì)計(jì)量經(jīng)濟(jì)學(xué)是以一定的經(jīng)濟(jì)理論和實(shí)際統(tǒng)計(jì)資料為依據(jù)，運(yùn)用數(shù)學(xué)、統(tǒng)計(jì)學(xué)方法和計(jì)算機(jī)技師，通過(guò)建立計(jì)量經(jīng)濟(jì)模型，定量分析經(jīng)濟(jì)變量之間的隨機(jī)因果 關(guān)系。計(jì)量經(jīng)濟(jì)學(xué)是經(jīng)濟(jì)學(xué)的一個(gè)重要分支， 以揭示經(jīng)濟(jì)活動(dòng)中客觀存在的數(shù)量 關(guān)系的理論與方法為主要內(nèi)容，其核心是建立計(jì)量經(jīng)濟(jì)學(xué)模型。第二節(jié) 計(jì)量經(jīng)濟(jì)學(xué)的內(nèi)容體系及與其他學(xué)科的關(guān)系一、計(jì)量經(jīng)濟(jì)學(xué)與經(jīng)濟(jì)學(xué)、統(tǒng)計(jì)學(xué)、數(shù)理統(tǒng)計(jì)學(xué)學(xué)科間的關(guān)系計(jì)量經(jīng)濟(jì)學(xué)是經(jīng)濟(jì)理論、統(tǒng)計(jì)學(xué)和數(shù)學(xué)的綜合。經(jīng)濟(jì)學(xué)著重經(jīng)濟(jì)現(xiàn)象的定性 研究，而計(jì)量經(jīng)濟(jì)學(xué)著重于定量方面的研究。統(tǒng)計(jì)學(xué)是關(guān)于如何懼、整理和分析 數(shù)據(jù)的科學(xué)，而計(jì)量經(jīng)濟(jì)學(xué)則利用經(jīng)濟(jì)統(tǒng)計(jì)所提供的數(shù)據(jù)來(lái)估

2、計(jì)經(jīng)濟(jì)變量之間的 數(shù)量關(guān)系并加以驗(yàn)證。數(shù)量統(tǒng)計(jì)各種數(shù)據(jù)的懼、整理與分析提供切實(shí)可靠的數(shù)學(xué) 方法，是計(jì)量經(jīng)濟(jì)學(xué)建立計(jì)量經(jīng)濟(jì)模型的主要工具， 但它與經(jīng)濟(jì)理論、經(jīng)濟(jì)統(tǒng)計(jì) 學(xué)結(jié)合而形成的計(jì)量經(jīng)濟(jì)學(xué)則僅限于經(jīng)濟(jì)領(lǐng)域。計(jì)量經(jīng)濟(jì)模型建立的過(guò)程，是綜 合應(yīng)用理論、統(tǒng)計(jì)和數(shù)學(xué)方法的過(guò)程。因此計(jì)量經(jīng)濟(jì)學(xué)是經(jīng)濟(jì)理論、統(tǒng)計(jì)學(xué)和數(shù) 學(xué)三者的統(tǒng)一。二、計(jì)量經(jīng)濟(jì)學(xué)的內(nèi)容體系1、按范圍分為廣義計(jì)量經(jīng)濟(jì)學(xué)和狹義計(jì)量經(jīng)濟(jì)學(xué)。2、按研究?jī)?nèi)容分為理論計(jì)量經(jīng)濟(jì)學(xué)和應(yīng)用計(jì)量經(jīng)濟(jì)學(xué)。理論計(jì)量經(jīng)濟(jì)學(xué)的核心 內(nèi)容是參數(shù)估計(jì)和模型檢驗(yàn)。應(yīng)用計(jì)量經(jīng)濟(jì)學(xué)的核心內(nèi)容是模型設(shè)定和模型應(yīng) 用。第三節(jié) 基本概念（4、5、7、8 了解即可）.經(jīng)濟(jì)變量：經(jīng)濟(jì)變

3、量是用來(lái)描述經(jīng)濟(jì)因素?cái)?shù)量水平的指標(biāo)。.解釋變量：解釋變量也稱自變量，是用來(lái)解釋作為研究對(duì)象的變量（即因 變量）為什么變動(dòng)、如何變動(dòng)的變量。它對(duì)因變量的變動(dòng)作出解釋，表現(xiàn)為議程 所描述的因果關(guān)系中的“因”。.被解釋變量：被解釋變量也稱因變量或應(yīng)變量，是作為研究對(duì)象的變量。 它的變動(dòng)是由解釋變量作出解釋的，表現(xiàn)為議程所描述的因果關(guān)系的果。.內(nèi)生變量：內(nèi)生變量是由模型系統(tǒng)內(nèi)部因素所決定的變量，表現(xiàn)為具有一 定概率頒的隨機(jī)變量，其數(shù)值受模型中其他變量的影響，是模型求解的結(jié)果。.外生變量：外生變量是由模型統(tǒng)計(jì)之外的因素決定的變量，不受模型內(nèi)部 因素的影響，表現(xiàn)為非隨機(jī)變量，但影響模型中的內(nèi)生變量，其數(shù)值

4、在模型求解 之前就已經(jīng)確定。.滯后變量：滯后變量是滯后內(nèi)生變量和滯后外生變量的合稱，前期的內(nèi)生 變量稱為滯后內(nèi)生變量；前期的外生變量稱為滯后外生變量。.前定變量：通常將外生變量和滯后變量合稱為前定變量，即是在模型求解 以前已經(jīng)確定或需要確定的變量。.控制變量：控制變量是為滿足描繪和深入研究經(jīng)濟(jì)活動(dòng)的需要，在計(jì)量經(jīng) 濟(jì)模型中人為設(shè)置的反映政策要求、決策者意愿、經(jīng)濟(jì)系統(tǒng)運(yùn)行條件和狀態(tài)等方 面的變量，它一般屬于外生變量。.計(jì)量經(jīng)濟(jì)模型：計(jì)量經(jīng)濟(jì)模型是為了研究分析某個(gè)系統(tǒng)中經(jīng)濟(jì)變量之間的 數(shù)量關(guān)系而采用的隨機(jī)代數(shù)模型，是以數(shù)學(xué)形式對(duì)客觀經(jīng)濟(jì)現(xiàn)象所作的描述和概 括。第四節(jié) 計(jì)量經(jīng)濟(jì)學(xué)的研究步驟一、建立理

5、論模型。建立計(jì)量經(jīng)濟(jì)學(xué)模型的第一步，包括了選擇變量，確定 變量間的數(shù)學(xué)關(guān)系，以及確定統(tǒng)計(jì)指標(biāo)并收集整理數(shù)據(jù)。二、模型參數(shù)的估計(jì)。是理論計(jì)量經(jīng)濟(jì)學(xué)模型的一個(gè)核心內(nèi)容， 涉及對(duì)模型 的識(shí)別、估計(jì)方法的選擇等多個(gè)方面。模型特性不同，所采用的估計(jì)參數(shù)方法就 有所不同。若滿足古典假定，可以采用普通最小二乘法（ OLS）等方法；若模型 中存在異方差性，可以選用加權(quán)最小二乘法（ WLS）等方法；若模型中存在自 相關(guān)性，可以選用廣義差分法、廣義最小二乘法（GLS）等方法；若模型中存在 多重共線性，可以選用逐步回歸法、主成分回歸法等方法。模型的檢驗(yàn)。（1）經(jīng)濟(jì)意義檢驗(yàn)。根據(jù)一定的經(jīng)濟(jì)理論或人們的經(jīng)濟(jì)實(shí)踐經(jīng)驗(yàn)判斷

6、所估計(jì)出的參數(shù)的的符號(hào)和數(shù)值是否合理。（2）統(tǒng)計(jì)檢驗(yàn)。利用數(shù)理 統(tǒng)計(jì)方法，依據(jù)統(tǒng)計(jì)推斷原理，對(duì)參數(shù)估計(jì)的可靠程度、觀察數(shù)據(jù)的擬合程度等 進(jìn)行檢驗(yàn)，主要包括：擬合優(yōu)度檢驗(yàn)、方程的顯著性檢驗(yàn)和變量的顯著性檢驗(yàn)。(3)計(jì)量經(jīng)濟(jì)學(xué)檢驗(yàn)。統(tǒng)計(jì)顯著性檢驗(yàn)是在一定的假設(shè)條件下進(jìn)行的，若假設(shè) 條件被違背，統(tǒng)計(jì)顯著性檢驗(yàn)則失效，因此還必須對(duì)這些假設(shè)是否成立進(jìn)行檢驗(yàn)， 當(dāng)假設(shè)成立時(shí)，上述統(tǒng)計(jì)檢驗(yàn)結(jié)果才是有效的。 對(duì)于單方程計(jì)量經(jīng)濟(jì)模型，計(jì)量 經(jīng)濟(jì)學(xué)檢驗(yàn)主要包括異方差檢驗(yàn)、自相關(guān)檢驗(yàn)和多重共線性檢驗(yàn)。對(duì)于聯(lián)立計(jì)量 經(jīng)濟(jì)學(xué)模型，計(jì)量經(jīng)濟(jì)學(xué)檢驗(yàn)還包括模型的識(shí)別性檢驗(yàn)。(4)模型預(yù)測(cè)檢驗(yàn)。統(tǒng)計(jì)顯著性檢驗(yàn)和計(jì)量經(jīng)濟(jì)學(xué)檢驗(yàn)是

7、利用樣本期內(nèi)的數(shù)據(jù)進(jìn)行檢驗(yàn)的，預(yù)測(cè)性檢驗(yàn)是利用樣本期外的數(shù)據(jù)檢驗(yàn)?zāi)Ｐ蛥?shù)估計(jì)量的穩(wěn)定性以及模型對(duì)樣本期以外經(jīng) 濟(jì)客觀事實(shí)的近似描述能力。預(yù)測(cè)性檢驗(yàn)只是在建模的目的主要用于經(jīng)濟(jì)預(yù)測(cè)時(shí) 才進(jìn)行。四、計(jì)量經(jīng)濟(jì)學(xué)模型的應(yīng)用。主要涉及四個(gè)方面：結(jié)構(gòu)分析、經(jīng)濟(jì)預(yù)測(cè)、政 策評(píng)價(jià)，以及檢驗(yàn)與發(fā)展經(jīng)濟(jì)理論。結(jié)構(gòu)分析就是對(duì)經(jīng)濟(jì)現(xiàn)象中變量間關(guān)系的研 究；經(jīng)濟(jì)預(yù)測(cè)包括短期預(yù)測(cè)與中長(zhǎng)期預(yù)測(cè)； 政策評(píng)價(jià)主要指研究不同的政策對(duì)經(jīng) 濟(jì)運(yùn)行的影響，并從中選擇相對(duì)適當(dāng)?shù)恼叩囊环N模擬性試驗(yàn)； 檢驗(yàn)與發(fā)展經(jīng)濟(jì) 理論則是通過(guò)實(shí)際數(shù)據(jù)考察理論的適用性并發(fā)展新的適用的經(jīng)濟(jì)學(xué)理論。第二章簡(jiǎn)單線性回歸模型第一節(jié)古典回歸模型一、相關(guān)分析和回歸

8、分析的區(qū)別(了解).變量性質(zhì)：相關(guān)分析中都是隨機(jī)變量且關(guān)系對(duì)等回歸分析自變量與因變量的關(guān) 系不對(duì)等的，自變量是確定性變量，而因變量是隨機(jī)變量。；.分析方法：相關(guān)分析通過(guò)圖表法和相關(guān)系數(shù)；回歸分析通過(guò)建立回歸方程。.分析目的：相關(guān)分析是判定變量之間相關(guān)的方向和關(guān)系的密切程度；回歸分析是分析變量之間的數(shù)量依存關(guān)系，并根據(jù)自變量的數(shù)值變化去推測(cè)因變量數(shù)值變 化。二、回歸模型1、總體回歸模型。E(y) = f (Xi) = a+bx?；貧w分析的主要任務(wù)就是設(shè)法求出總體回歸參數(shù)的具體數(shù)值，進(jìn)而利用總體回歸方程描述和分析總體的平均變化規(guī)律。2、樣本回歸模型。夕=?十&。回歸分析的主要內(nèi)容可以概括成：(1)

9、根據(jù)樣本觀察值確定樣本回歸方程；(2)檢驗(yàn)樣本回歸方程對(duì)總體回歸方程的近似程度；(3)利用樣本回歸方程分析總體的平均變化規(guī)律。三、回歸模型的隨機(jī)設(shè)定.隨機(jī)誤差項(xiàng)。在y =瓜+匕為十哥中，曾表示其他多種因素的綜合影響， 稱為隨機(jī)擾動(dòng)項(xiàng)、隨機(jī)項(xiàng)或誤差項(xiàng)。它是一個(gè)隨機(jī)變量，其值是不可觀測(cè)的，可 正可負(fù)。.隨機(jī)誤差產(chǎn)生的原因：宏觀現(xiàn)象本身的隨機(jī)性。模型本身的局限性。模型函數(shù)形式的設(shè)定誤差。 數(shù)據(jù)的測(cè)量與歸并誤差。隨機(jī)因素的影響(如 自然災(zāi)害等)。四、古典回歸模型的基本假定利用樣本數(shù)據(jù)估計(jì)回歸模型中的參數(shù)時(shí)，通常需要對(duì)模型的隨機(jī)誤差項(xiàng)和解 釋變量的特性事先做些假定。回歸模型的基本假定有：.零均值假定：E

10、(r) = 0,即隨機(jī)誤差項(xiàng)的平均值為零。.同方差假定：D(皆)=。2 (常數(shù))。這一假定表明，各隨機(jī)誤差項(xiàng)的離散 程度(或波動(dòng)幅度)是相同的。.非自相關(guān)假定:cov(%力)=0 , i = j(i, j =1,2,，n)。.解釋變量與隨機(jī)誤差項(xiàng)不相關(guān)假定：cov( Xj, %) = 0 , i =1,2,，n.正態(tài)性假定。即UiN(0,52)。.無(wú)多重共線性假定。即解釋變量之間不存在完全的線性關(guān)系，這樣才能 分析每個(gè)解釋變量各自對(duì) x的影響。第二節(jié) 一元線性回歸模型的參數(shù)估計(jì)設(shè)給定的一元線性回歸模型 y = b0+hx 十 % ，假定,R分別為參數(shù)b0,b1的估計(jì)量，則有樣本回歸方程 ？ =

11、 E)+ Rxj。根據(jù)最小二乘原理，參 9 0數(shù)估計(jì)值b0 ,b(應(yīng)使殘差平方和Q(b0，H) = ej = (yi 一 ？ )2 = (yi 一 & -t?iXi)2 = Min根據(jù)微分學(xué)中的極值原理，Q要達(dá)到最小，必須使上式對(duì)b0,bi的一階偏導(dǎo)數(shù)為零。解方程組得：b 二 n Z 為 yi - Z 為 yi1于 2、2n Xi - ( x。、b0 = 1( yi - Rz xj = y - Rx n由于b0,bi是根據(jù)最小二乘法得到的，故稱 b0,bi為回歸參數(shù)bo,bi 的最小 二乘估計(jì)量，簡(jiǎn)記成OLS估計(jì)量。四、最小二乘估計(jì)的性質(zhì)1、參數(shù)估計(jì)量的評(píng)價(jià)標(biāo)準(zhǔn)(1)無(wú)偏性：設(shè)1?是參數(shù)B的估

12、計(jì)量，如果E(俾尸B ,則稱拓是B的無(wú) 偏估計(jì)。無(wú)偏性保證了參數(shù)估計(jì)值是在參數(shù)真實(shí)值(簡(jiǎn)稱參數(shù)真值)的左右波動(dòng)， 并且“平均位置”就是參數(shù)的真值 。(2)有效性(最小方差性)：設(shè)巴伊均為參數(shù)的無(wú)偏估計(jì)量，若 D(留)0D(?),則稱作比胃有效；如果在B的所有無(wú)偏估計(jì)量中，D(俘)最小，則稱作 為有效估計(jì)量。有效性衡量了參數(shù)估計(jì)值與參數(shù)真值平均離散程度大小。(3) 一致性：這是估計(jì)量的一個(gè)大樣本性質(zhì)，如果隨著樣本容量的增加， 估計(jì)量！?越來(lái)越接近于真值，則稱曾為B的一致估計(jì)。嚴(yán)格地說(shuō)，浮是依概率收 斂于B,即：1.P儼叫 )=1。其中6為一個(gè)任意小的正數(shù)。2、高斯一馬爾可夫定理在古典回歸模型的若

13、干假定成立的情況下，最小二乘估計(jì)是所有線性無(wú)偏估 計(jì)量中的有效估計(jì)量。這就是著名的高斯一馬爾可夫定理， 它表明：最小二乘估計(jì)與用其它方法得到的任何線性無(wú)偏估計(jì)量相比， 具有方差最小的特性。所以稱 OLS估計(jì)為“最佳線性無(wú)偏估計(jì)量 (Best Linear Unbiased Estimator BLUE,這也是最小二乘估計(jì)被廣泛使用的原因之一。3.OLS估計(jì)的幾個(gè)重要性質(zhì)(1)剩余項(xiàng)S的均值為零。OLS回歸線通過(guò)樣本均值點(diǎn)(x, y)0(3)估計(jì)值？的均值等于實(shí)際觀測(cè)yi的均值。(4)被解釋變量估計(jì)值品與剩余項(xiàng)e不相關(guān)，即cov ( ? , e。=0o(5)解釋變量Xj與剩余項(xiàng)e不相關(guān)，即cov

14、 ( xi , ei) =0o五、回歸模型的置信區(qū)問(wèn)1、OLS估計(jì)的概率分布b0, 分別是y的線性組合函數(shù)，故b0, H的概率分布取決于V。而y是正 態(tài)分布的，正態(tài)隨機(jī)變量的線性組合仍服從正態(tài)分布， 其分布密度由其均值和方 差唯一決定。區(qū)N (bLLxx);玲N(bo產(chǎn)2 x2/nLxx)2、參數(shù)的估計(jì)誤差參數(shù)的估計(jì)誤差即估計(jì)值H與真值b的偏差。由于X是一個(gè)隨機(jī)變量，故 誤差大小也是一個(gè)隨機(jī)變量，因此考慮概率意義下的平均誤差。參數(shù)估計(jì)量的平 均誤差為：,E(b? - bi)2 = D(b?) = 二 2 / Lxx2.一 _ 2.由于隨機(jī)誤差項(xiàng)的方差仃通常是未知的，在實(shí)際計(jì)算中 仃用其無(wú)偏估計(jì)

15、量夕2 = e2 /(n - 2)代替。系數(shù)的標(biāo)準(zhǔn)差為:3、參數(shù)的置信區(qū)間s(b。)=( e：)，x：) n(n- 2)Lxx在1 -久的置信水平下bi的置信區(qū)間為:R - %/2s(R), R + Q/2s(R),即以1a的概率保證回歸系數(shù)位于該 區(qū)間。一般地，置信水平越高，可靠性越高；置信區(qū)間越小，回歸系數(shù)的估計(jì)精 度就越圖0第三節(jié) 一元線性回歸模型的統(tǒng)計(jì)檢驗(yàn)一、擬合優(yōu)度擬合優(yōu)度是指樣本回歸模型對(duì)樣本觀測(cè)值的擬合程度，通常用 R2表示?？?離差分解公式Z(yj - y)2 = (% - y)2+ e2中樣本回歸平方和ESS 在總變差TSS中所占的比重稱為判定系數(shù)(或可決系數(shù))，用R2表示。

16、鏟=m=1一魯，其中，ESS= (夕y)2, TSS=Z(yi-y)2 , RSS立 e2 ISS ISS220 E R2 E 1 ,是一個(gè)非負(fù)數(shù)。R的經(jīng)濟(jì)含義是：它定量地描述了 Y的變 化中可以用回歸模型來(lái)說(shuō)明的部分。二、回歸系數(shù)的顯著性檢驗(yàn)(t檢驗(yàn))最常用的解釋變量的顯著性檢驗(yàn)方法為t檢驗(yàn)。主要檢驗(yàn)步驟為：1、提出原假設(shè)H0： n=0,即假設(shè)解釋變量x對(duì)y無(wú)顯著影響2、構(gòu)造t統(tǒng)計(jì)量。由 酋的概率分布并將其標(biāo)準(zhǔn)化可得一檢驗(yàn)統(tǒng)計(jì)量：b?1 -b1t 3t(n - 2)S(K)3)作出判斷。給定顯著性水平 ,查自由度為n-2的t分布表，得臨界值 t%(n -2)。若t t%(n - 2),則拒絕

17、原假設(shè)H。，認(rèn)為“顯著地不為零，解釋變量X對(duì)y有顯著影響，X可保留在模型中；若t| w J(n - 2),則接受原假2設(shè)H。，認(rèn)為x對(duì)y無(wú)顯著影響，此時(shí)可考慮剔除該解釋變量三、t檢驗(yàn)的p值檢驗(yàn)在EViews軟件輸出的回歸分析結(jié)果中，在每個(gè)t統(tǒng)計(jì)量的值L的右端還列出了一個(gè)概率值p （或p值），它表明得到一個(gè)大于或等于從樣本得到的 t統(tǒng)計(jì) 量的值的準(zhǔn)確概率值（或一個(gè)原假設(shè)可被拒絕的最低顯著水平）,其表達(dá)式為：P（ltl-t） = p這樣，若將口固定在某一水平上，并在p值小于a時(shí)，則拒絕原假設(shè)，認(rèn)為該變量的影響是顯著的，即若 p F豆，小概率事件發(fā)生，則拒絕原假設(shè) Ho,可以認(rèn)為回歸系數(shù)b1,b2，

18、bk中至少有一個(gè)顯著地不為零，模型的線性關(guān)系顯著。3.擬合優(yōu)度檢驗(yàn)與模型顯著性檢驗(yàn)的關(guān)系擬合優(yōu)度檢驗(yàn)與模型顯著性檢驗(yàn)是從不同的原理出發(fā)的兩類檢驗(yàn)， 前者是檢 驗(yàn)?zāi)Ｐ蛯?duì)樣本觀測(cè)值的擬合程度，后者是檢驗(yàn)?zāi)Ｐ偷目傮w線性關(guān)系。但二者又是 有關(guān)系的。由下式2l ESS/k n-k-1 ESS/TSS n-k-1 R2F =oRSS/(n - k -1) k RSS/TSS k 1 - R2得知,R2值越大,F值也越大。因此，當(dāng)R2值較大時(shí)，模型對(duì)樣本觀測(cè)2值的擬合程度較高，則F檢驗(yàn)一般都能通過(guò)。但在實(shí)際應(yīng)用中不必對(duì) R值的大 小過(guò)分苛求，重要的是考察模型的經(jīng)濟(jì)意義是否合理。第二節(jié) 非線性回歸模型參數(shù)的估

19、計(jì)一、可線性化回歸模型參數(shù)的估計(jì)對(duì)于一些非線性回歸模型，我們可以直接利用變量代換或先進(jìn)行函數(shù)變換再 通過(guò)變量代換（即間接代換），將模型轉(zhuǎn)化成線性形式，再用最小二乘法進(jìn)行估 計(jì)的方法。在研究實(shí)際經(jīng)濟(jì)問(wèn)題中有以下幾類非線性模型，進(jìn)行變量的直接或問(wèn)接代換轉(zhuǎn)化為線性模型。L倒數(shù)變換模型（雙曲函數(shù)模型）1雙曲函數(shù)模型的一般形式為：y = a - b x1令x*=-,即進(jìn)行變量的倒數(shù)變換，可以將原模型轉(zhuǎn)化為線性回歸模型xy 二 a bx.雙對(duì)數(shù)模型（幕函數(shù)模型）模型的一般形式為：ln y = a . bln x .；令y = In y, x* = In x 則原模型轉(zhuǎn)化為以下線性回歸模型y t a bx在

20、雙對(duì)數(shù)模型中回歸系數(shù)b具有特定的經(jīng)濟(jì)含義：b是被解釋變量y關(guān)于解釋變量x的彈性，即x每增加1% , y將增加b %。（因?yàn)閎 = d 1n y = dy / y 忠 &y/ y）d 1n x dx / x : x / x.半對(duì)數(shù)模型模型的一般形式為：y=a + b1nx +名（對(duì)數(shù)函數(shù)模型）1n y = a + bx +名（指數(shù)函數(shù)模型）令x* = 1n x 或y* = 1n y 則原模型轉(zhuǎn)化為以下線性形式曲有y=a + bx +名；y = a + bx + s在半對(duì)數(shù)模型中回歸系數(shù)b也具有很直觀的經(jīng)濟(jì)含義:在對(duì)數(shù),K型中b表明,x每增加1%, y將增長(zhǎng)0.0lb個(gè)單位。因?yàn)閎二人二人 d l

21、n x dx / xyx/ x在指數(shù)函數(shù)模型中b表明,x每增加1個(gè)單位，y將增長(zhǎng)100b%,特別地,當(dāng)x為時(shí)間變量，則系數(shù)b衡量了 y的年平均增長(zhǎng)速度。因?yàn)閐 ln y _ dy / ydx dxy/ y4多項(xiàng)式函數(shù)模型 模型的一般形式為y t b0 blx b2x2 bkxk令xi = x,x2 = x2,，xk = xk則原模型可轉(zhuǎn)化為多元線性回歸模型y = b bi xib?x2bk*k二、不可線性化回歸模型參數(shù)的估計(jì)泰勒級(jí)數(shù)展開(kāi)法的EViews軟件實(shí)現(xiàn)。利用EViews軟件，可以很方便地運(yùn)用 泰勒級(jí)數(shù)展開(kāi)法估計(jì)非線性回歸模型。具體過(guò)程如下：L設(shè)定待估參數(shù)的初始值方式一在命令窗口中直接鍵

22、入PARA確令設(shè)定初始值，命令格式為：PARAM 1 初始值12 初始值2x - b例如，假定根據(jù)經(jīng)濟(jì)理論，確定y = a 模型中的三個(gè)待估參數(shù)x c（a，b,c）初始值為（0.6,0,0 ），則命令為PARAM 1 0.6 2 030方式二在工作文件窗口中雙擊序列 C,并在序列窗口中直接輸入?yún)?shù)的初始值（注 意序列C中總保留剛建立模型的參數(shù)估計(jì)值，若不重新設(shè)定，則系統(tǒng)自動(dòng)將這些 值作為參數(shù)的默認(rèn)初始值）2.估計(jì)非線性回歸模型命令方式在命令窗口中直接鍵入非線性回歸模型的估計(jì)命令NLS命令格式為：NLS被解釋變量=非線性函數(shù)表達(dá)式例如，估計(jì)y = a x b + 模型的命令為: x cNLS Y

23、=C (1) * (X-C (2) / (X-C (3)其中，C (1), C (2), C (3)表示待估計(jì)的回歸系數(shù)a,b,c 0有一點(diǎn)需要說(shuō)明的是利用NLS命令也可以估計(jì)可線性化的非線性模型，但 泰勒級(jí)數(shù)展開(kāi)法是一種近似估計(jì)，并且參數(shù)初始值和誤差精度的設(shè)定不當(dāng)會(huì)直接 影響模型的估計(jì)結(jié)果。故，對(duì)于可線性化的模型最好還是將其先轉(zhuǎn)化為線性模型， 再用OLS法估計(jì)。菜單方式在數(shù)組窗口中點(diǎn)擊Procs/Make Equation在彈出的方程描述對(duì)話框中輸入非線性回歸模型的系統(tǒng)描述方式：Y=C (1) * (X-C (2) / (X-C (3)若要控制收斂過(guò)程，修改求解過(guò)程中的迭代次數(shù)(Max It

24、eration)或收斂的 誤差精度(Convergence)還可以在此窗口中Options按鈕進(jìn)行重新設(shè)置，如將迭5代次數(shù)設(shè)為20次，誤差精度設(shè)為10選擇估計(jì)方法為最小二乘法后點(diǎn)擊 OK。第三節(jié)回歸模型的比較如何比較這些模型的優(yōu)劣、并從中選擇一個(gè)較為適宜的模型？.圖形觀察分析(1)觀察被解釋變量和解釋變量的趨勢(shì)圖。變量的發(fā)展趨勢(shì)是否一致？解釋變量能否反映被解釋變量的波動(dòng)變化情況？變量發(fā)展過(guò)程中是否有異常點(diǎn)等問(wèn)題。(2)觀察被解釋變量與解釋變量的相關(guān)圖。直觀地判斷兩者的相關(guān)程度和相關(guān)類型，即變量之間是線性關(guān)系還是非線 性關(guān)系。.模型估計(jì)結(jié)果觀察分析(1)回歸系數(shù)的符號(hào)和值的大小是否符合經(jīng)濟(jì)意義，

25、這是對(duì)所估計(jì)模型的最基本要求。(2)改變模型形式之后是否使判定系數(shù)的值明顯提高。(3)各個(gè)解釋變量t檢驗(yàn)的顯著性。(4)系數(shù)的估計(jì)誤差較小。(5)自相關(guān)檢驗(yàn)DW3.殘差分布觀察分析(1)各期殘差是否大都落在 土?的虛線框內(nèi)，(2)殘差分布是否具有某種規(guī)律性，即是否存在著系統(tǒng)誤差，不好。(3)近期殘差的分布情況，越小越好。第四章多重共線性一、多重共線性的概念及產(chǎn)生原因?qū)τ谟肒型yi =久+ BiXii +P2XZ +4乂 +哥，若模型中的解釋變量之間存 在較強(qiáng)的線性相關(guān)關(guān)系，即存在一組不全為零的常數(shù)%, 0,粗，使得+%X2i +，Xki +計(jì)=0,則稱模型存在多重共線性。若 為=0,則稱模型

26、存在著完全的多重共線性。產(chǎn)生多重共線性主要有以下幾個(gè)原因：(1)經(jīng)濟(jì)變量之間的內(nèi)在聯(lián)系；(2)經(jīng)濟(jì)變量變化趨勢(shì)的趨同性；(3)解釋變量中含有滯后變量。二、多重共線性產(chǎn)生的后果多重共線性的存在會(huì)使得：(1)增大OLS估計(jì)的方差，參數(shù)估計(jì)量非有效；(2) t檢驗(yàn)的可靠性降低；(3)不能正確反映每個(gè)解釋變量對(duì)被解釋變量的單獨(dú)影響；(4)多重共線性會(huì)使得回歸模型缺乏穩(wěn)定性。三、多重共線性的檢驗(yàn)(1)簡(jiǎn)單相關(guān)系數(shù)法對(duì)解釋變量之間的相關(guān)系數(shù)進(jìn)行顯著性檢驗(yàn)，若變量之間的相關(guān)性非常強(qiáng)， 則有變量之間可能存在線性組合，模型存在著多重共線性。(2)輔助回歸模型檢驗(yàn)建立輔助回歸模型xit =% +%x1t +4x2

27、t +skxkt +h若模型的擬合優(yōu)度 較好，則說(shuō)明解釋變量X可以用其余的解釋變量的線性組合代替，即 Xi與其余解 釋變量之間存在著共線性。(3)逐步回歸法以y為被解釋變量，在模型中逐個(gè)引入解釋變量，進(jìn)行模型估計(jì)。若新引入 的解釋變量使得模型的擬合優(yōu)度顯著變化， 則說(shuō)明新引入的變量是獨(dú)立的解釋變 量，若模型的擬合優(yōu)度變化不顯著， 說(shuō)明新引入的變量不是獨(dú)立的解釋變量，它可以用其它變量的線性組合代替，即它與其它變量之間存在著共線性關(guān)系。(4)方差膨脹因子法多元線性回歸模型中，用的方差可以表示為D(町、 (xif - xi )1 - Ri1稱為萬(wàn)差膨脹因子，用VIFi來(lái)表小。一般地，若VIF 10

28、(此時(shí)R2 0.9), 1 - Ri認(rèn)為模型存在較嚴(yán)重的多重共線性。1VIF的倒數(shù)稱為容許度，用TOL表示。TOL =1-R：= 。一般地，當(dāng) VIFiTOL Fa,則拒絕H ,接受H,表明模型存在異方差性；若F %(q),則拒絕原假設(shè)H),即認(rèn)為% (i *0)中至少有一個(gè)顯著地不等于0,模型存在異方差性；反之，則認(rèn)為不存在異 方差性。利用EViews軟件進(jìn)行White檢驗(yàn)的步驟：(1)建立回歸模型：LS Y C X(2)檢驗(yàn)異方差性：在方程窗口中依次點(diǎn)擊ViewResidual TestWhiteHeteroskedasticity(3)直接觀察 White檢驗(yàn)結(jié)果信息中的p值，若p值小于

29、給定的顯著性水 平，則認(rèn)為模型存在異方差性，反之，則不存在。4.帕克（Park）檢驗(yàn)和戈里瑟（Gleiser ）檢驗(yàn)帕克檢驗(yàn)和戈里瑟檢驗(yàn)的基本思想都是通過(guò)建立殘差平方序列或絕對(duì)值序 列對(duì)解釋變量的（輔助）回歸模型，由回歸模型的顯著性、擬合優(yōu)度判斷異方差 是否存在。帕克檢驗(yàn)的模型形式為：e2 - e”或ln e2 = ln - - , In xi vi戈里瑟檢驗(yàn)是利用多個(gè)模型形式進(jìn)行檢驗(yàn)：| ei | = a + Pxh +vih = 1,2, 土 1/2 ,其中，M是隨機(jī)誤差項(xiàng)。如果經(jīng)檢驗(yàn)?zāi)硞€(gè)方程是顯著的，則表明隨機(jī)誤差項(xiàng)的方差（此時(shí)用e2或I el來(lái)近似估計(jì)）隨著解釋變量取值的不同而變化，

30、即存在 異方差性。這兩種檢驗(yàn)的特點(diǎn)是：不僅能檢驗(yàn)異方差性，而且通過(guò)“實(shí)驗(yàn)”可以探測(cè)異 方差的具體形式，這有助于進(jìn)一步研究如何消除異方差性的影響四、異方差性的解決方法異方差性處理的基本思想是變異方差為同方差，或盡量緩解方差變異的程 度。.模型變換法模型變換法即對(duì)存在異方差性的模型進(jìn)行適當(dāng)?shù)淖兞孔儞Q， 使之成為滿足同 方差假定的模型，然后再利用最小二乘法估計(jì)變換后的模型。 模型變換法的前提 是要合理確定異方差性的具體形式。一般情況下，若口（鳥(niǎo)）=”（為），則以417而除以原模型的兩端，就可以將模型轉(zhuǎn)化成同方差模型，因此，仍然可以使用 OL萌法估計(jì)（變換后）模型中的 參數(shù)。.加權(quán)最小二乘法（WLS設(shè)

31、模型為一元線性回歸模型：yi = a bXi ；i若D（i ）=。2 ,用以除原模型兩端，進(jìn)行模型變換后，再用OLSt估計(jì)模型,則整個(gè)估計(jì)過(guò)程就是使得:Z Wie2 =最小其中，Wi =。由于在極小化過(guò)程中對(duì)通常意義的殘差平方加上了權(quán)數(shù)Wi ,二 i所以稱該方法為加權(quán)最小二乘法(Weighted Least Square ,簡(jiǎn)稱WLS,由此 得到的參數(shù)估計(jì)量稱為加權(quán)最小二乘估計(jì)。加權(quán)最小二乘估計(jì)原理的直觀意義：在考慮異方差模型的擬合總誤差時(shí)，對(duì) 不同的e：應(yīng)該區(qū)別對(duì)待，叼2較小的e2賦予較大的權(quán)數(shù)，而 叼2較大的e2賦予較 小的權(quán)數(shù)。一個(gè)很自然的做法就是將權(quán)數(shù) Wi直接取成1/2 ,并且估計(jì)模

32、型時(shí)使 殘差的加權(quán)平方和達(dá)到最?。簒 wiei2 = x wi(yi -%)2=最小從形式上看，模型變換法和加權(quán)最小二乘法都可以消除模型中的異方差性， 但模型變換法的實(shí)質(zhì)就是加權(quán)最小二乘法。在EViews軟件中可以直接進(jìn)行加權(quán)最小二乘估計(jì)，但需要事先確定權(quán)數(shù)變 量，這可以通過(guò)帕克檢驗(yàn)、戈里瑟檢驗(yàn)等判斷異方差的具體形式，也可以選取某 個(gè)與異方差變動(dòng)趨勢(shì)反向變動(dòng)的變量序列，如 1/| e|、1/e2等等。加權(quán)最小二乘法的EViews軟件執(zhí)行過(guò)程為：(1)生成權(quán)數(shù)變量；(2)使用加權(quán)最小二乘法估計(jì)模型：命令方式：LS (W權(quán)數(shù)變量)Y C X菜單方式：在方程窗口中點(diǎn)擊 Estimate按鈕；在彈出的

33、方程說(shuō)明對(duì)話框中點(diǎn)擊 Options ,進(jìn)入?yún)?shù)設(shè)置對(duì)話框；在參數(shù)設(shè)置對(duì)話框中選定 Weighted LS方法，并在權(quán)數(shù)變量欄中輸入權(quán) 數(shù)變量，然后點(diǎn)擊OK返回方程說(shuō)明對(duì)話框；點(diǎn)擊OK系統(tǒng)將采用WLSJ法估計(jì)模型。(3)對(duì)估計(jì)后的模型，再使用 White檢驗(yàn)判斷是否消除了異方差性。3.模型的對(duì)數(shù)變換在經(jīng)濟(jì)意義成立的情況下，可以對(duì)模型作對(duì)數(shù)變換，對(duì)數(shù)變換后的模型通常 可以降低異方差性的影響。原因如下：(1)運(yùn)用對(duì)數(shù)變換能使測(cè)定變量值的尺度縮小。(2)經(jīng)過(guò)對(duì)數(shù)變換后的線性模型，具殘差 e表示相對(duì)誤差，而相對(duì)誤差往 往比絕對(duì)誤差有較小的差異。但特別要注意的是，對(duì)變量取對(duì)數(shù)雖然能夠減少異方差對(duì)模型的影

34、響， 但應(yīng) 注意取對(duì)數(shù)后變量的經(jīng)濟(jì)意義。如果變量之間在經(jīng)濟(jì)意義上并非呈對(duì)數(shù)線性關(guān) 系，則不能簡(jiǎn)單地對(duì)變量取對(duì)數(shù)，這時(shí)只能用其它方法對(duì)異方差進(jìn)行修正。第六章 自相關(guān)性一、自相關(guān)性及其產(chǎn)生的原因?qū)τ谀Ｐ蛓t =b0 biXit b2X2t bktXtt如果隨機(jī)誤差項(xiàng)的各期值之間存在著相關(guān)關(guān)系，即：Cov(鼻送一)=Et.Qw0i =1,2,3，s則稱模型存在著自相關(guān)性(Autocorrelation )。由于自相關(guān)性主要表現(xiàn)在時(shí) 間序列數(shù)據(jù)，為明確起見(jiàn)，將變量和隨機(jī)誤差項(xiàng)的下標(biāo)用符號(hào) t , t-1 , t-2 , 等表示。模型產(chǎn)生自相關(guān)性主要有以下原因：(1)經(jīng)濟(jì)慣性；(2)模型中遺漏了重要的解

35、釋變量；(3)模型形式設(shè)定不當(dāng)；(4)隨機(jī)因素的影響；(5)數(shù)據(jù)處理造成的自相關(guān)；(6)蛛網(wǎng)現(xiàn)象。隨機(jī)誤差項(xiàng)的自相關(guān)性可以有多種形式，其中最常見(jiàn)的類型是一階自回歸形 式，即隨機(jī)誤差項(xiàng)？只與它的前一期佰利工相關(guān)：t = ： ；tVt其中P為自回歸系數(shù)(數(shù)值上等于自相關(guān)系數(shù)，證明略)，Vt是滿足古典回 歸模型基本假定的隨機(jī)誤差項(xiàng)。自相關(guān)性的一般形式可以表示成:vt 1 t 42 t -2p t -pvt稱之為p階自回歸形式，或模型存在p階自相關(guān)。、自相關(guān)性的后果如果模型存在自相關(guān)性，將會(huì)產(chǎn)生以下不利影響:(1)最小二乘估計(jì)不再是有效估計(jì)；(2) 一般會(huì)低估OLS古計(jì)的標(biāo)準(zhǔn)誤差；(3) t檢驗(yàn)失效；

36、 (4)降低模型的預(yù)測(cè)精度。三、自相關(guān)性的檢驗(yàn).圖示檢驗(yàn)法圖示法是一種直觀的診斷方法，它是將給定的回歸模直接用普通最小二乘法估計(jì)參數(shù)，求出殘差項(xiàng)et,作為隨機(jī)誤差項(xiàng)的真實(shí)估計(jì)值，再描繪 et的散點(diǎn)圖,根據(jù)散點(diǎn)圖來(lái)判斷et的相關(guān)性。.德賓-沃森(Durbin-Watson)檢驗(yàn)德賓一沃森才鈿隊(duì) 簡(jiǎn)稱DW僉驗(yàn)，是目前檢驗(yàn)自相關(guān)性的最常用方法，但其 適用條件是：(1)解釋變量X為非隨機(jī)的；(2)隨機(jī)誤差項(xiàng)為一階自回歸形式；(3)線性模型的解釋變量中不包含滯后的被解釋變量；(4)截距項(xiàng)不為零，即只適用于有常數(shù)項(xiàng)的回歸模型；(5)數(shù)據(jù)序列無(wú)缺失項(xiàng)。DW 僉驗(yàn)的基本原理和步驟為：(1)提出假設(shè)H0: P

37、= 0,即不存在(一階)自相關(guān)性。(2)構(gòu)造DW僉驗(yàn)統(tǒng)計(jì)量：一一 2DW = et t i /二 tt =2 n-e2t - e2J - 2etet j 八.ej一 2一 2一一 2=e t % e tj -2X eet-1)/“ ett 2.對(duì)于大樣本net2t z2n.二 et jt 4所以2 e2t 1DW - -2、et、ettT2 et?為自相關(guān)系數(shù)P的估計(jì)，所以有:D忡 2(1- 7)（3）檢驗(yàn)自相關(guān)性:DW=0DW=4 Bet所以DWS域?yàn)?&DW 4,而且,即存在正自相關(guān)性即存在負(fù)自相關(guān)性：二0DW=2即不存在（一階）自相關(guān)性DW 僉驗(yàn)的實(shí)際過(guò)程如圖6.5所小:正自相關(guān)無(wú)法判定

38、無(wú)自相關(guān)無(wú)法判定負(fù)自相關(guān)dLdu4-du 4-dL 4圖6.5 DW檢驗(yàn)0&DWdL時(shí)，拒絕H）,即認(rèn)為存在（正）自相關(guān)性。4-duW DWW4時(shí)，拒絕H),即認(rèn)為存在(負(fù))自相關(guān)性。du& DWW4-du時(shí)，接受代，即認(rèn)為不存在(一階)自相關(guān)性。dLDWd或4-duDW4-d時(shí)，因無(wú)法判定DWfi是落于臨界值的左端或右端，所以此時(shí)無(wú)法確定是否存在自相關(guān)性。3.高階自相關(guān)性檢驗(yàn)(1)偏相關(guān)系數(shù)檢驗(yàn)偏相關(guān)系數(shù)(Partial CorrelationPAC處在模型中其它解釋變量不變的條件下，某一解釋變量與被解釋變量之間的相關(guān)程度，可以用它來(lái)判斷自相關(guān)性的類型。利用EViews軟件計(jì)算偏相關(guān)系數(shù)，具

39、體有兩種方式：命令方式：IDENT RESID菜單方式：在方程窗口中點(diǎn)擊View Residual Test Correlogram-Q-statistics屏幕將直接輸出et與et、e-0 ( p是事先指定的滯后期長(zhǎng)度)的相 關(guān)系數(shù)和偏相關(guān)系數(shù)，從中可以直觀地看出殘差序列的相關(guān)情況。(2)布羅斯戈弗雷(BreuschGodfrey)檢驗(yàn)，簡(jiǎn)稱為BG檢驗(yàn)，或拉格 朗日乘數(shù)檢驗(yàn)(Lagrange Multiplicator-LM)0對(duì)于模型yt 二鳳 b1X1t b2X2t .bt；t設(shè)自相關(guān)形式為：；t 二%；t. ：2 . :p Vt假設(shè) H0:P1 =。2 = Pp = 0p即不存在自相關(guān)

40、性。對(duì)該假設(shè)的檢驗(yàn)過(guò)程如下：利用OLS法估計(jì)模型，得到殘差序列et；將et關(guān)于所有解釋變量和殘差的滯后值 eu,e進(jìn)行回歸，并計(jì)算出輔助回歸模型的判定系數(shù)R2;布羅斯和戈弗雷證明，在大樣本情況下，漸近地有nR2 Z2( p)因此，對(duì)于顯著水平a ,若nR2大于臨界值，則拒絕原假設(shè) H,即認(rèn)為至少有一個(gè)R的值顯著地不等于零。利用EViews軟件可以直接進(jìn)行BG檢驗(yàn)：在方程窗口 中點(diǎn)擊 ViewResidual Test Serial Correlation LM Test , 屏幕將輸出輔助回歸模型的有關(guān)信息，包括 nR2及其臨界概率值。但BG檢驗(yàn)中, 需要人為確定滯后期的長(zhǎng)度。實(shí)際應(yīng)用中，一般

41、是從低階的 p ( p=1)開(kāi)始，直 到p 二10左右，若未能得到顯著的檢驗(yàn)結(jié)果，可以認(rèn)為不存在自相關(guān)性。四、自相關(guān)性的修正方法.廣義差分法設(shè)線性回歸模型為：yt = a bxt，f t存在一階自相關(guān)性：；t = P；tvt其中Vt為滿足古典回歸模型基本假定的隨機(jī)誤差項(xiàng)。將模型滯后一期，得yt,=a bxt 在方程兩邊同乘以P,并與原模型相減得：yt - Vt二a(1 一 ：) b(Xt - X)(t 一 ：；t)作廣義差分變換：*yt = yt 9yt工，Xt = x 一口%工，t =12 ，n則y* = A bxt* vt稱為廣義差分模型，其中，A=a(1- P)。變換后模型的隨機(jī)誤差項(xiàng)V

42、t滿足回歸模 型的基本假定，可用OLS法估計(jì)參數(shù)A b,進(jìn)而得到：？=及/(1-P)。若：=1,則可得到一階差分模型yt - yt4 = b(xt -t4) Vt如果模型為多元線性回歸模型，同理仍然可以得到滿足基本假定的廣義差分 模型.自相關(guān)系數(shù)P的估計(jì)方法廣義差分法要求P值已知，但實(shí)際上P值在模型估計(jì)之前往往是未知的。只能考慮用P的估計(jì)值？來(lái)代替。P的常用估計(jì)方法有：(1)近似估計(jì)法在大樣本情況下，由于D府2 (1- P),所以可以用DW值近似估計(jì)P:?=1-DW/2另外，因?yàn)镻是的與必的相關(guān)系數(shù)，如果用et作為%的估計(jì)，則2與己的相關(guān)系數(shù)也可以作為P的近似估計(jì)：:? = 1*(2) Dur

43、bin估計(jì)法根據(jù)廣義差分變換模型有yt =a(1 - ：) ：yy b(Xt - U Vt這是一個(gè)滿足基本假定的三元線性回歸模型，其中解釋變量yt的回歸系數(shù)恰好為P,因此，利用OLS古計(jì)：LS Y C Y(-1) X X(-1)可以得到P的估計(jì)值。(3)迭代估計(jì)法(科克倫奧克特法，Cochrane-Orcutt )迭代估計(jì)法就是依據(jù)P的近似估計(jì)公式，通過(guò)一系列的迭代運(yùn)算，逐步提高P的近似估計(jì)精度。迭代估計(jì)法的具體步驟為：利用OLS法估計(jì)模型，計(jì)算第一輪殘差e(1)；根據(jù)殘差e計(jì)算P的(第一輪)估計(jì)值: c(1)?d) _ et - 一 、et(1)2利用估計(jì)的P值進(jìn)行廣義差分變換：*yt =

44、Vt - ?yt A , Xt = xt - 依t并估計(jì)廣義差分模型： *yt = A bxt vt計(jì)算(第二輪)殘差etf同P的估計(jì)值：(2)J2)?(2) _ et et 一 x et(2)2重復(fù)執(zhí)行、兩步，直到P的前后兩次估計(jì)值比較接近，即估計(jì)誤差小 于事先給定的精度6時(shí)為止：| ?(n 1) - ?(n)卜、：此時(shí)，以P(n*)作為P的近似估計(jì)值，并用其進(jìn)行廣義差分變換，得到回歸 系數(shù)的估計(jì)值。EViews軟件就是采用這種方法來(lái)估計(jì)自相關(guān)性模型。3,廣義差分法的EViews軟件實(shí)現(xiàn)在EViews軟件中可以直接使用廣義差分法估計(jì)存在自相關(guān)性的模型，具體 步驟為：(1)利用OLSt估計(jì)模型

45、，系統(tǒng)將同時(shí)計(jì)算殘差序列 RESIDLS Y C X(2)判斷自相關(guān)性的類型：IDENT RESID根據(jù)et和0t(s=1,2p)的偏相關(guān)系數(shù)，初步確定自相關(guān)的類型。(3)利用廣義差分法估計(jì)模型：在LS命令中加上AR項(xiàng)，系統(tǒng)將自動(dòng)使用廣義差分法來(lái)估計(jì)模型。如自相關(guān)類型為一階自回歸形式，則命令格式為：LS Y C X AR (1)如果模型為高階自相關(guān)形式，則再加上 AR (2)、AR (3)、等等。EViews 軟件將使用迭代估計(jì)法估計(jì)模型，并輸出 P的估計(jì)值及其標(biāo)準(zhǔn)差、t統(tǒng)計(jì)量值等 等，根據(jù)AR項(xiàng)的t檢驗(yàn)值是否顯著，可以進(jìn)一步確定自相關(guān)性的具體形式。(4)迭代估計(jì)過(guò)程的控制迭代估計(jì)過(guò)程中，EViews軟件按照默