计量经济学1Word文档格式.docx
《计量经济学1Word文档格式.docx》由会员分享，可在线阅读，更多相关《计量经济学1Word文档格式.docx（21页珍藏版）》请在冰豆网上搜索。
52400
414.7
54.9
111.78
5.90
1995
1375.70
62900
464.0
61.5
115.70
6.24
1996
1638.38
64000
534.1
70.5
118.58
6.49
1997
2112.70
64400
599.8
145.7
122.64
6.60
1998
2391.18
69500
607.0
197.0
127.85
6.64
1999
2831.92
71900
614.8
249.5
135.17
6.74
2000
3175.54
74400
678.6
226.6
140.27
6.87
2001
3522.36
78400
708.3
212.7
169.80
7.01
2002
3878.36
87800
739.7
209.1
176.52
7.19
2003
3442.27
87000
684.9
200.0
180.98
7.30
2004
4710.71
110200
731.8
210.2
187.07
7.44
2005
5285.86
121200
737.1
227.6
334.52
7.54
2006
6229.74
139400
766.4
221.9
345.70
7.71
2007
7770.62
161000
906.9
222.5
358.37
7.80
数据来源：
《中国统计年鉴》1995—2008年。
需要说明的是，由于从2005年起，“公路里程”包括村道，所以2005—2007年的该数据与其历史数据不可比。
五、参数估计
（1）创建工作文件
启动Eviews，在主菜单上依次点击【File】【New】【Workfile】,在弹出的“WorkfileRange”对话框中选择“Annual”，并在Startdate里输入开始时间“1994”，在Enddate里输入最后时间“2007”，点击【OK】后屏幕上出现“Workfile：
UNTITLED”工作文件窗口。
其中已有两个对象：
“c“---截距项和”resid“---残差。
此时可单击主菜单上的【File】【Save】，给工作文件命名后保存。
（2）输入数据
在Eviews命令窗口中直接输入命令“DATAYX1X2X3X4X5”并回车，将会出现Group数据编辑框，然后在对应的序列中输入表中的数据。
（3）估计参数
单击【Quick】下拉菜单中的【EstimateEquation】，在出现的“EquationSpecification”对话框的“Equationspecification”文本框中输入“YCX1X2X3X4X5”，在“Estimationsettings”栏的“Method”下拉列表中选择“LS-LeastSquares（NLSandARMA）”，点击【OK】，即出现回归结果，如图所示。
DependentVariable:
Y
Method:
LeastSquares
Date:
12/22/11Time:
08:
05
Sample:
19942007
Includedobservations:
14
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-468.0231
1163.470
-0.402265
0.6980
X1
0.043002
0.005049
8.517317
0.0000
X2
5.151897
1.011706
5.092287
0.0009
X3
2.693343
0.994457
2.708355
0.0267
X4
1.442661
1.339448
1.077056
0.3129
X5
-568.9649
240.5462
-2.365304
0.0456
R-squared
0.997756
Meandependentvar
3527.775
AdjustedR-squared
0.996354
S.D.dependentvar
1927.492
S.E.ofregression
116.3846
Akaikeinfocriterion
12.64920
Sumsquaredresid
108362.9
Schwarzcriterion
12.92309
Loglikelihood
-82.54443
Hannan-Quinncriter.
12.62385
F-statistic
711.5288
Durbin-Watsonstat
1.379117
Prob（F-statistic）
0.000000
根据图中的数据，可得报告分析结果：
Y=-468.0231+0.0430X1+5.1519X2+2.6933X3+1.4427X4-568.9349X5
SE（1163.470）（0.0050）（1.0117）（0.9945）（1.3394）（240.5462）
t（-468.0227）（8.5173）（5.0923）（2.7084）（1.0771）（-2.3653）
R^2=0.9978R^2=0.9964DW=1.378F=711.5288
（4）获得残差
在获得上图中的参数估计结果之后，立即将得到的残差序列resid值保存到序列e0中，并在此基础上获得残差平方序列。
具体步骤如下：
<
1>
将工作文件窗口置为当前窗口；
2>
在主菜单上依次点击【Quick】【GenerateSeries】；
3>
在“Enterequation”文本框中输入描述新序列的公式，如：
E0=RESID，点击【OK】。
六、检验方法
1、异方差的检验（White检验）
（1）检验的具体步骤
根据White检验的基本思路，可建立辅助回归模型：
在得到图中的参数估计结果后，单击方程窗口工具栏里的【View】,如图所示。
此时屏幕上将出现White检验的结果，如下图所示。
（2）判断是否存在异方差
从上图可以看出，nR=3.191818，给定显著性水平，比如α=0.05，查分布表得临界值（5）=11.071。
由于nR<
（5）,所以不拒绝零假设，认为模型不存在异方差。
2、序列相关的检验（LM检验法）
在OLS估计结果的窗口中单击工具栏上的【View】,如图所示。
设置滞后长度
屏幕上将弹出“LagSpecification”的对话框，可使用默认滞后长度“2”，点击【OK】，得出检验的结果。
观察图可发现，LM=nR=1.820318，小于5%的显著性水平下分布的临界值11.071，说明模型不存在序列相关。
Breusch-GodfreySerialCorrelationLMTest:
0.448366
Prob.F（2,6）
0.6585
Obs*R-squared
1.820318
Prob.Chi-Square
（2）
0.4025
TestEquation:
RESID
55
Presamplemissingvaluelaggedresidualssettozero.
1650.606
2513.615
0.656666
0.5358
0.004209
0.007173
0.586861
0.5787
-0.143989
1.217527
-0.118263
0.9097
1.765010
2.272849
0.776563
0.4669
-0.404129
1.507774
-0.268030
0.7977
-311.9375
502.4340
-0.620853
0.5575
RESID（-1）
0.488987
0.545977
0.895619
0.4050
RESID（-2）
0.544531
0.844588
0.644730
0.5430
0.130023
4.55E-13
-0.884951
91.29956
125.3484
12.79563
94273.28
13.16081
-81.56941
12.76183
0.128105
1.968305
0.992070
LM检验结果
完成上述的有关操作后，可判断模型中确实存在着序列相关的问题。
假定模型中随机干扰项Ut存在一阶自回归形式的序列相关，在EViews命令窗口中直接输入：
LSYCX1X2X3X4X5AR
（1）
并回车，得到回归结果，如下图所示。
12/26/11Time:
14:
20
Sample（adjusted）:
19952007
13afteradjustments
Convergenceachievedafter50iterations
-2319.430
1538.474
-1.507617
0.1824
0.041730
0.004143
10.07215
0.0001
5.146791
0.889377
5.786961
0.0012
2.935069
1.557759
1.884162
0.1085
0.628320
1.025548
0.612667
0.5626
-276.9109
267.5490
-1.034991
0.3406
AR
（1）
0.301902
0.420615
0.717763
0.4999
0.998703
3720.411
0.997405
1860.649
94.78330
12.24480
53903.24
12.54900
-72.59118
12.18227
769.7179
2.190536
InvertedARRoots
.30
从上图可以看出，模型中DW值为2.19，有du<
DW<
4-du。
此时，模型的序列相关已得到修正。
同时，可决系数、t统计量和F统计量也均达到理想水平。
根据上图中的回归结果，得到最终的模型为：
Y=-2319.430+0.041730X1+5.146791X2+2.935069X3+0.628320X4-276.9109X5
3、多重共线性的检验
（1）lny与lnx1的回归
（2）lny与lnx2的回归
（3）lny与lnx3的回归
（4）lny与lnx4的回归
（5）lny与lnx5的回归
注：
（1）--（5）中可决系数lnx5最大，选取lnx5
（6）lny与lnx5、lnx1回归
（7）lny与lnx5、lnx2回归
（8）lny与lnx5、lnx3回归
（9）lny与lnx5、lnx4回归
（6）--（9）中可决系数lnx2最大，引入lnx2
（10）lny、lnx5、lnx2、与lnx1的回归
（11）lny、lnx5、lnx2、与lnx3的回归
（12）lny、lnx5、lnx2、与lnx4的回归
（10）--（12）中的可决系数最大的是lnx1，引入lnx1，去掉lnx3
（13）lny、lnx5、lnx2、lnx1与lnx4的回归
加入lnx4后，可决系数未能够提高，去掉lnx4.拟合结果如下：
lny=-10.08106+0.529337lnx1+1.135653lnx2+1.4527lnx5
升级会员 