则表明从整体上看,被解释变量和解释变量之间线性关系显著。
(3)检验。
先计算被解释变量和解释变量之间的相关系数,EViews操作如下:
在主窗口→点击Quick→GroupStatistics→Correlation→SeriesLine(输入被解释变量和解释变量)→OK,判断解释变量之间的相关程度。
(4)多重共线性的修正(逐步回归法)。
运用OLS方法逐一求Y(被解释变量)对各个解释变量的回归,结合经济意义和统计检验选出拟合效果最好的双变量回归方程为基础,在此基础上,再添加其他解释变量,直到选出最佳的回归模型。
十八、有限分布滞后模型练习的操作指令
设定模型:
操作:
建立Workfile,从EViews主窗口,点击Quick→点击EstimateEquation功能。
弹出一个对话框。
在Equation Specification选择框中输入Ycxx(-1)x(-2)x(-3)x(-4)x(-5),点击OK。
或者在Equation Specification选择框中输入Ycx(0to-5)。
十九、多项式分布滞后模型的阿尔蒙估计法(AlmonmethodofPolynomizlDistributedLogModels)
(一)阿尔蒙估计法
(1)
设定模型:
注意:
这里k=6,r=2。
则原模型可变为:
其中:
EViews操作:
(1)建立Workfile,注意:
name→save。
(2)生成新变量,从主窗口点击Quick→GenerateSeries→输入计算公式(W0=x+x(-1)+x(-2)+x(-3)+x(-4)+x(-5)+x(-6);W1=x(-1)+2*x(-2)+3*x(-3)+4*x(-4)+5*x(-5)+6*x(-6);W2=x(-1)+4*x(-2)+9*x(-3)+16*x(-4)+25*x(-5)+36*x(-6))。
(3)用OLS法做Y对W0,W1,W2回归。
从EViews主窗口,点击Quick→点击EstimateEquation功能。
弹出一个对话框。
在Equation Specification选择框中输入ycW0W1W2。
点击OK。
可以得到
的估计值。
(4)利用
,计算:
;
;
;
;
(5)最后得到分布滞后模型的估计式。
(二)阿尔蒙估计法
(2)
操作:
(1)建立Workfile,注意:
name→save。
(2)运用EViews程序中阿尔蒙估计法,可以直接进行,从主窗口点击Quick→点击EstimateEquation功能。
弹出一个对话框。
在Equation Specification选择框中输入ycPDL(x,k,r),(应输入命令:
ycPDL(x,6,2)),点击OK。
可以得到的估计值。
注意:
EViews程序中,PDL(x,k,r),PDL是PolynomizlDistributedLogModels的简写,x表示为自变量,k表示滞后期,r表示系数多项式的阶数,在这个例子中,应输入命令:
PDL(x,6,2)
(3)用“PDL”估计分布滞后模型时,EViews所采用的滞后多项式变换不是形如
,而是阿尔蒙多项式的派生形式:
,其中k为滞后期数,并且滞后期数为偶数。
在本例中取k=6,这样,系数多项式应是:
(j=0,1,2,3,4,5,6)
(4)利用
计算
(j=0,1,2,3,4,5,6)。
(5)最后得到分布滞后模型的估计式。
二十、用经验权数法估计有限分布滞后模型的参数
设定模型:
操作:
(1)建立Workfile。
注意:
name→save。
(2)运用检验加权法,选择下列三组权数分别表示递减滞后、A型滞后、不变滞后。
①1,1/2,1/4,1/8;②1/4,1/2,2/3,1/4;③1/4,1/4,1/4,1/4。
(3)生成新的三个序列
操作:
从主窗口,点击Quick→GenerateSeries→输入计算公式z1t=xt+1/2*xt-1+1/4*xt-2+1/8*xt-3;
z2t=1/4xt+1/2*xt-1+2/3*xt-2+1/4*xt-3
z3t=1/4xt+1/4*xt-1+1/4*xt-2+1/4*xt-3。
(4)回归分析。
从EViews主窗口,点击Quick→点击EstimateEquation功能。
弹出一个对话框。
在Equation Specification选择框中输入Ycz1t,用Z2t、Z3t替换z1t,重复前面回归过程,可得到另外两个经验加权模型的回归结果。
(5)对三个模型,要检验自相关、t检验和R2,从中选出最佳的分布滞后模型。
★注意:
有限分布滞后模型中滞后期数的判定:
Akaikeinfocriterion(赤池准则)和Schwarzcriterion(施瓦茨准则)最小。
二十一、随机自变量模型(RandomRegressorsModels)的参数估计(工具变量法)
若线性回归模型的假定cov(GDPu)=0不满足,即自变量x是随机解释变量,用OLS法估计量将失去无偏性和一致性,为此,必须对随机项是否与自变量强相关进行检验。
操作:
(1)建立Workfile。
注意:
name→save。
(2)进行豪斯曼(HausmanTest)检验。
检验GDP与u是否存在强相关(省略)。
假定GDP与u存在强相关,而储蓄变量与随机误差项u不相关(这里只是为了说明方法的应用,不去计较储蓄变量与随机误差项u实际上是否相关),可以作为自变量GDP的工具变量。
(3)在工作文件指令窗口输入下列命令:
EquationHausman.LsGDPCChuxu
GenrVhat=Resid
EquationEq01.LSChukouCGDPVhat
点击回车
注意:
第一句命令得到GDP关于它的工具变量Chuxu的回归方程(称作Hausman方程);第二句命令是建立一个变量Vhat等于Hausman方程的Resid;第三个命令得到出口(Chukou)关于GDP和Vhat的回归方程。
对残差的估计值进行t检验,得t=-4.686,在1%是显著水平下,残查的回归参数的显著的,因此,拒绝原假设,自变量GDP与随机误差项之间存在相关性。
(4)以储蓄(Chuxu)作为GDP的工具变量。
从EViews主窗口,点击Quick→点击EstimateEquation功能。
弹出一个对话框。
在Equation Specification选择框中输入ChukoucGDP,在Instrumentlist框内添入Chuxu,选择“TSLS”方法(TwoStageLeastSquares),点击OK。
二十二、虚拟变量模型
(1)练习的操作指令
初职年薪Y/千美元
教育(1=大学教育,0=非大学教育)
初职年薪Y/千美元
教育(1=大学教育,0=非大学教育)
21.2
1
18.5
0
17.5
0
21.7
1
17.0
0
18.0
0
20.5
1
19.0
0
21.0
1
22.0
1
只含一个定性变量的回归模型,在这个模型中,
=初职年薪
操作:
建立Workfile,从EViews主窗口,点击Quick→点击EstimateEquation功能。
弹出一个对话框。
在Equation Specification选择框中输入YcD1,点击OK。
二十三、虚拟变量模型
(2)练习的操作指令
年薪Y/千美元
教龄X2
性别1=男,0=女
23.0
1
1
19.5
1
0
24.0
2
1
21.0
2
0
25.0
3
1
22.0
3
0
26.5
4
1
23.1
4
0
25.0
5
0
28.0
5
1
29.5
6
1
26.0
6
0
27.5
7
0
31.5
7
1
29.0
8
0
包括一个定量变量,一个两分定性变量的回归模型
其中
=大学教师的年薪;
---------教龄
操作:
建立Workfile,name→save。
再从EViews主窗口,点击Quick→点击EstimateEquation功能。
弹出一个对话框。
在Equation Specification选择框中输入YcD1x,点击OK。
二十四、虚拟变量模型(3)练习的操作指令
测量斜率变动的模型,以乘法形式引入虚拟解释变量,是在所设定的计量模型中,将虚拟解释变量与其他解释变量相乘作为新的解释变量,以达到其调整模型斜率系数的目的。
这个模型等价于:
操作:
(1)建立Workfile,name→save。
(2)生成新变量,从主窗口点击Quick→GenerateSeries→输入计算公式(Z=XD1)
(3)做回归。
从EViews主窗口,点击Quick→点击EstimateEquation功能。
弹出一个对话框。
在Equation Specification选择框中输入YcxxD1,点击OK。
二十五、虚拟变量模型(4)练习的操作指令
测量斜率和截距都变动的模型,如果斜率和截距都变动,适合采用以下模型:
操作:
(1)建立Workfile,name→save。
(2)生成新变量,从主窗口点击Quick→GenerateSeries→输入计算公式(Z=XD1)
(3)做回归。
从EViews主窗口,点击Quick→点击EstimateEquation功能。
弹出一个对话框。
在Equation Specification选择框中输入YcxD1xD1,点击OK。
二十六、虚拟变量模型(5)练习的操作指令
分段线性回归,当在模型中使用虚拟变量时,回归函数就不再是连续的了。
那么,能否可以用虚拟变量描述出模型结构的变化,又使回归函数保持连续呢?
可以。
考虑模型:
其中
表示结构发生变化的t=b1时刻的
值。
当D1=0时,
当D1=1时,
操作:
建立Workfile,name→save。
(2)生成新变量,从主窗口点击Quick→GenerateSeries→输入计算公式(Z=(X-Xb)D1)
(3)做回归。
从EViews主窗口,点击Quick→点击EstimateEquation功能。
弹出一个对话框。
在Equation Specification选择框中输入Ycx(X-Xb)D1,点击OK。
二十七、联立方程模型的练习
其中:
——t期的消费额,
——t期的投资额,
——t期的国民收入
——t期的政府支出额,
——t-1期的国民收入
经过检验,消费方程是过度识别,适合用二阶段最小二乘法估计。
操作:
(1)第一步,作为解释变量的内生变量Y的简化方程为
(2)估计Y的简化式方程
(3)生成新序列:
EY=Y-Resid
(4)利用Y的拟合值
,在消费方程中用
代替Y,再次应用OLS法,估计替代后的结构方程即消费方程。
注意:
上述步骤可以直接使用二阶段最小二乘法估计命令,即在EstimateEquation对话筐中,键入CSCYCS(-1)@CY(-1)CS(-1)G,在估计方法方框中选择TSLS,点击OK。
(5)投资方程显然满足古典假设,可直接应用OLS法。
二十八、协整分析的练习
AugmentedDickey-FullerTest(ADF)检验
考虑模型
(1)△yt=δyt-1+∑λj△yt-j+μt
模型
(2)△yt=η+δyt-1+∑λj△yt-j+μt
模型(3)△yt=η+βt+δyt-1+∑λj△yt-j+μt
其中:
j=1,2,3
单位根的检验步骤如下:
第一步:
估计模型(3)。
在给定ADF临界值的显著水平下,如果参数δ显著不为零,则序列yt不存在单位根,说明序列yt是平稳的,结束检验。
否则,进行第二步。
第二步:
给定δ=0,在给定ADF临界值的显著水平下,如果参数β显著不为零,则进入第三步;否则表明模型不含时间趋势,进入第四步。
第三步:
用一般的t分布检验δ=0。
如果参数δ显著不为零,则序列yt不存在单位根,说明序列yt是平稳的,结束检验;否则,序列存在单位根,是非平稳序列,结束检验。
第四步:
估计模型
(2)。
在给定ADF临界值的显著水平下,如果参数δ显著不为零,则序列yt不存在单位根,说明序列yt是平稳的,结束检验;否则,继续下一步。
第五步:
给定δ=0,在给定ADF临界值的显著水平下,如果参数δ显著不为零,表明含有常数项,则进入第三步;否则继续下一步。
第六步:
估计模型
(1)。
在给定ADF临界值的显著水平下,如果参数δ显著不为零,则序列yt不存在单位根,说明序列yt是平稳的,结束检验。
否则,序列存在单位根,是非平稳序列,结束检验。
操作:
(1)检验消费序列是否为平稳序列。
在工作文件窗口,打开序列CS,在CS页面单击左上方的“Viem”键并选择“UnitRootTest”,依据检验目的确定要检验的模型类型,则有单位根检验结果。
消费时间序列为模型(3),其tδ值大于附表6(含有常数项和时间趋势)中0.01~0.10各种显著性水平下值。
因此,在这种情况下不能拒绝原假设,即私人消费时间序列CS有一个单位根,SC序列是非平稳序列。
(2)单整。
检验消费时间序列一阶差分(△SCt)的平稳性。
用OLS法做两个回归:
△2SCtC△SCt-1
△2SCtCt△SCt-1△2SCt为二阶差分,在两种情况下,tδ值都小于附表6中0.01~0.10各种显著性水平下的值。
因此,拒绝原假设,即私人消费一阶差分时间序列没有单位根,即私人消费一阶差分时间序列没有单位根,或者说该序列的平稳序列。
所以,SCt是非平稳序列,由于△SCt~I(0),因而SCt~I
(1)。
(3)判断两变量的协整关系。
第一步:
求出两变量的单整的阶
对于SCt。
做两个回归(SCtCSCt-1),(△2SCtC△SCt-1)。
对于yt,做两个回归(ytCyt-1),(△2ytC△yt-1)。
判断SCt和yt都是非平稳的,而△SCt和△yt是平稳的,即SCt~I
(1),yt~I
(1)。
第二步:
进行协整回归
用OLS法做回归:
(SCtCyt),并变换参差为et。
第三步:
检验et的平稳性
用OLS法做回归:
(△etCet-1)
第四步:
得出两变量是否协整的结论
因为t=-3.15与下表协整检验EG或AGE的临界值相比较(K=2),采用显著性水平a=0.05,tδ值大于临界值,因而接受et非平稳的原假设,意味着两变量不是协整关系。
可是,如果采用显著性水平a=0.10,则tδ值与临界值大致相当,因而可以预期,若a=0.11,则tδ值小于临界值,接受et平稳的备择假设,即两变量具有协整关系。
协整检验EG或AGE的临界值
样本个数
显著性水平
K=2
K=3
K=4
样本