第二講-eviews-一元線性回歸模型分析

對于一元線性總體回來模型：一元線性回來模型圖2.2.1觀測值散點圖一般最小二乘法（OLS）最小二乘估計量的性質(zhì)

一個用于考察總體的估計量，可從如下幾個方面考察其優(yōu)劣性：（1）線性。即它是否是另一個隨機變量的線性函數(shù)；（2）無偏性。即它的均值或期望是否等于總體的真實值；（3）有效性。即它是否在全部的線性無偏估計量中具有最小方差；（4）漸近無偏性。即樣本容量趨于無窮大時，它的均值序列趨于總體的真值；（5）一樣性。即樣本容量趨于無窮大時，它是否依概率收斂于總體的真值；（6）漸近有效性。即樣本容量趨于無窮大時，它在全部的一樣估計量中具有最小的漸近方差。這里，前三個準則也稱作估計量的小樣本性質(zhì)，因為一旦某估計量具有該類性質(zhì)，它是不以樣本的大小而變更的。擁有這類性質(zhì)的估計量稱為最佳線性無偏估計量(BLUE：bestlinearunbiasedestimators)。后三個準則稱為估計量的大樣本或漸近性質(zhì)。假如小樣本狀況下不能滿足估計的準則，則應(yīng)當擴大樣本容量，考察參數(shù)估計量的大樣本性質(zhì)。用最小二乘法得到的參數(shù)估計，具有線性、無偏性和有效性（或最小方差性）三種最重要的統(tǒng)計性質(zhì)。

一元線性回來模型的假設(shè)檢驗1.模型估計式的理論檢驗線性回來模型估計式的理論檢驗，是對模型估計式在理論上能否成立進行判別。理論檢驗又稱為符號檢驗，依據(jù)模型參數(shù)最小二乘估計值的符號(正號或負號)及取值的大小，評判其是否符合經(jīng)濟理論的規(guī)定或社會經(jīng)濟實踐的常規(guī)。2.回來參數(shù)的顯著性檢驗假設(shè)檢驗的基本任務(wù)是依據(jù)樣本所供應(yīng)的信息，對未知總體分布的某些方面的假設(shè)作出合理的推斷。其基本思想是：在某種原假設(shè)成立的條件下，利用適當?shù)慕y(tǒng)計量和給定的顯著性水平，構(gòu)造—個小概率事務(wù)，可以認為小概率事務(wù)在一次視察中基本不會發(fā)生，假如該事務(wù)竟然發(fā)生了，就認為原假設(shè)不真，從而拒絕原假設(shè)，接受備擇假設(shè)。對于一元線性回來模型而言，通常最關(guān)切的問題是說明變量對被說明變量是否有顯著影響。擬合優(yōu)度的測度與相關(guān)系數(shù)檢驗樣本回來直線與樣本觀測數(shù)據(jù)之間的擬合程度，稱為樣本回來線的擬合優(yōu)度。

4.回來結(jié)果的報告形式與分析

1.回來結(jié)果供應(yīng)的格式具體見案例。2．回來結(jié)果的分析結(jié)果的分析主要包括以下內(nèi)容：（1）系數(shù)的說明。（2）擬合狀況。（3）系數(shù)的顯著性，回來方程的顯著性。點預(yù)料

5.回來預(yù)料假定總體回來模型和總體回來方程：2.5案例分析——我國消費支出模型年份最終消費（y）國內(nèi)生產(chǎn)總值(x)年份最終消費（y）國內(nèi)生產(chǎn)總值(x)19782239.13624.1199011365.218547.919792619.44038.2199113145.921617.819802976.14517.8199215952.126638.119813309.14862.4199320182.134634.419823637.95294.7199426796.046759.419834020.55934.5199533635.058478.119844694.57171.0199640003.967884.619855773.08964.4199743579.474462.619866542.010202.2199846405.978345.219877451.211962.5199949722.782067.519889360.114928.3200054616.789442.2198910556.516909.2200158952.695933.3散點圖如圖2.5.1所示：圖2.5.1最終消費支出與國內(nèi)生產(chǎn)總值散點圖

2.5.1創(chuàng)建工作文件建立工作文件的方法：1．菜單方式：方法是在主菜單上依次點擊File/New/Workfile，選擇新建對象的類型為工作文件。這時屏幕上出現(xiàn)WorkfileRange對話框(圖2.5.2)：圖2.5.2WorkfileRange對話框

選擇數(shù)據(jù)類型和起止日期：時間序列供應(yīng)起止日期(年、季度、月度、周、日)，非時間序列供應(yīng)最大視察個數(shù)。本例中在StartData里鍵入1978，在EndData里鍵入2001。點擊OK后屏幕出現(xiàn)Workfile工作框(圖2.5.3)。圖2.5.3Workfile工作框

2．吩咐方式：在吩咐窗口也可以干脆輸入建立工作文件的吩咐CREATE，吩咐格式為CREATE數(shù)據(jù)頻率起始期終止期其中，數(shù)據(jù)頻率類型分別為A（年）、Q（季）、M（月），U（非時間序列數(shù)據(jù)）。輸入EViews吩咐時，吩咐字與吩咐參數(shù)之間只能用空格分隔。如本例可鍵入吩咐：CREATEA19782001。2.5.2輸入和編輯數(shù)據(jù)1．data吩咐方式吩咐格式：data<序列名1><序列名2>…<序列名n>功能：輸入新變量的數(shù)據(jù)，或編輯工作文件中現(xiàn)有變量的數(shù)據(jù)。在本例中，可在光標處干脆輸入：Datayx2．菜單方式在主菜單上點擊Objects/Newobject，在NewObject對話框里選Group并在NameforObject上定義變量名（如變量x、y），點擊OK，屏幕出現(xiàn)數(shù)據(jù)編輯框。錄入結(jié)果如表2.5.2所示：表2.5.2統(tǒng)計數(shù)據(jù)錄入結(jié)果數(shù)據(jù)輸入完畢，可以關(guān)閉數(shù)據(jù)輸入窗口，點擊工作文件窗口工具條的Save或點擊菜單欄的File＼Save將數(shù)據(jù)存入磁盤。2.5.3圖形分析1．菜單方式在數(shù)組窗口工具條上Views的下拉式菜單中選擇Graph（圖形）；2．吩咐方式趨勢圖：plotyx功能：（1）分析經(jīng)濟變量的發(fā)展變更趨勢；（2）視察經(jīng)濟變量是否存在異樣值。圖2.5.4給出了表2.5.1中最終消費支出與國內(nèi)生產(chǎn)總值的趨勢圖。圖2.5.4趨勢圖

相關(guān)圖：scatyx功能：（1）視察經(jīng)濟變量之間的相關(guān)程度；（2）視察經(jīng)濟變量之間的相關(guān)類型，即為線性相關(guān)，還是曲線相關(guān)，曲線相關(guān)時，大致是哪種類型的曲線。雙擊圖形區(qū)域中隨意處，進入圖形編輯狀態(tài)（見圖2.5.5）。圖2.5.5圖形編輯狀態(tài)

圖2.5.6數(shù)組窗口由組的視察（View）查看組內(nèi)序列的數(shù)據(jù)特征:按下數(shù)組窗口(也可以成為數(shù)組或數(shù)據(jù)編輯窗口)工具條上Views按鈕，可以得到組內(nèi)數(shù)據(jù)的特征，見圖2.5.6。2.5.4用OLS估計模型中的未知參數(shù)1．菜單方式：在主頁上選Quick菜單，點擊EstimateEquation項，屏幕出現(xiàn)估計對話框(EquationSpeicfication，在EstimationSettings中選OLS估計，即LeastSquares，鍵入：ycx(c為EViews固定的截距項系數(shù))。然后OK，得如下輸出結(jié)果(見表2.5.3)。2．吩咐方式：LSycx

表2.5.3回來結(jié)果表2.5.3中各項統(tǒng)計結(jié)果說明如下：常數(shù)和解釋變量參數(shù)估計值參數(shù)標準差t統(tǒng)計量雙側(cè)概率C199.8150204.55510.9768270.3393X0.5959770.004501132.42450.0000判定系數(shù)0.998747被解釋變量均值19897.37調(diào)整的判定系數(shù)0.998690被解釋變量標準差19006.77回歸方程標準差687.9103赤池信息準則15.98485殘差平方和10410853施瓦茲信息準則16.08302似然函數(shù)的對數(shù)-189.8182F統(tǒng)計量17536.24D-W統(tǒng)計量0.333719F統(tǒng)計量的概率0.0000002.5.5模型檢驗1.經(jīng)濟意義檢驗經(jīng)濟意義檢驗就是依據(jù)經(jīng)濟理論推斷估計參數(shù)的正負符號是否合理、大小是否適當。經(jīng)濟意義檢驗要求同學具備較扎實的經(jīng)濟理論基礎(chǔ)。3．擬合優(yōu)度檢驗擬合優(yōu)度是指樣本回來直線與樣本觀測數(shù)據(jù)之間的擬合程度，用樣本確定系數(shù)的大小來表示。確定系數(shù)用來描述說明變量對被說明變量的說明程度。就本題而言，2.5.6預(yù)料我們還可以在估計出的Equation框里選Forecast項，EViews自動計算出樣本估計期內(nèi)的被說明變量的擬合值，擬合變量記為yf，其擬合值與實際值的對比圖形見圖2.5.7。圖2.5.7擬合值與實際值

點擊方程窗口中的Resid按鈕，將顯示模型的擬合圖和殘差圖（見圖2.5.8）：圖2.5.8擬合值、實