EVIEWS在计量经济学教学过程中的演示示例.docx
《EVIEWS在计量经济学教学过程中的演示示例.docx》由会员分享,可在线阅读,更多相关《EVIEWS在计量经济学教学过程中的演示示例.docx(23页珍藏版)》请在冰豆网上搜索。
EVIEWS在计量经济学教学过程中的演示示例
EVIEWS在计量经济学教学过程
中的演示示例
(一)
目的:
1、正确使用EVIEWS
2、会使用OLS和WLS,Goldfeld-Quandt检验
3、能根据计算结果进行异方差分析和出现异方差性后的补救。
3、数据为demodata1
实例:
某市人均储蓄与人均收入的关系分析(异方差性检验及补救)
根据某市1978-1998年人均储蓄与人均收入的数据资料(见下表),其中X为人均收入(元),Y为人均储蓄(元),经分析人均储蓄受人均收入的线性影响,可建立一元线性回归模型进行分析。
obs
X
Y
1978
590.2000
107.0000
1979
664.9400
123.0000
1980
809.5000
159.0000
1981
875.5400
189.0000
1982
991.2500
233.0000
1983
1109.950
312.0000
1984
1357.870
401.0000
1985
1682.800
522.0000
1986
1890.580
664.0000
1987
2098.250
871.0000
1988
2499.580
1033.000
1989
2827.730
1589.000
1990
3084.170
2209.000
1991
3462.710
2878.000
1992
3932.520
3722.000
1993
5150.790
5350.000
1994
7153.350
8080.000
1995
9076.850
11758.00
1996
10448.21
15839.00
1997
11575.48
18196.00
1998
12500.84
20954.00
1、用OLS估计法估计参数
设模型为:
运行EVIEWS软件,并输入数据,得计算结果如下:
DependentVariable:
Y
Method:
LeastSquares
Date:
10/11/05Time:
23:
10
Sample:
19781998
Includedobservations:
21
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-2185.998
339.9020
-6.431262
0.0000
X
1.684158
0.062166
27.09150
0.0000
R-squared
0.974766
Meandependentvar
4533.238
AdjustedR-squared
0.973438
S.D.dependentvar
6535.103
S.E.ofregression
1065.086
Akaikeinfocriterion
16.86989
Sumsquaredresid
21553736
Schwarzcriterion
16.96937
Loglikelihood
-175.1338
F-statistic
733.9495
Durbin-Watsonstat
0.293421
Prob(F-statistic)
0.000000
2、异方差检验
(1)Goldfeld-Quandt检验
在Procs菜单项选Sortseries项,出现排序对话框,输入X,OK。
在Sample菜单里,将时间定义为1978-1985,用OLS方法计算得如下结果:
Y=-145.441495+0.3971185479*X
(-8.730234)(25.42693)
R-squared=0.990805Sumsquaredresid1=15.12284
DependentVariable:
Y
Method:
LeastSquares
Date:
10/11/05Time:
23:
25
Sample:
19781985
Includedobservations:
8
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-145.4415
16.65952
-8.730234
0.0001
X
0.397119
0.015618
25.42693
0.0000
R-squared
0.990805
Meandependentvar
255.7500
AdjustedR-squared
0.989273
S.D.dependentvar
146.0105
S.E.ofregression
15.12284
Akaikeinfocriterion
8.482607
Sumsquaredresid
1372.202
Schwarzcriterion
8.502468
Loglikelihood
-31.93043
F-statistic
646.5287
Durbin-Watsonstat
1.335534
Prob(F-statistic)
0.000000
在Sample菜单里,将时间定义为1991-1998,用OLS方法计算得如下结果:
Y=-4602.367144+1.952519317*X
(-5.065962)(18.40942)
R-squared=0.982604Sumsquaredresid2=5811189.
DependentVariable:
Y
Method:
LeastSquares
Date:
10/11/05Time:
23:
29
Sample:
19911998
Includedobservations:
8
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-4602.367
908.4882
-5.065962
0.0023
X
1.952519
0.106061
18.40942
0.0000
R-squared
0.982604
Meandependentvar
10847.12
AdjustedR-squared
0.979705
S.D.dependentvar
6908.102
S.E.ofregression
984.1400
Akaikeinfocriterion
16.83373
Sumsquaredresid
5811189.
Schwarzcriterion
16.85359
Loglikelihood
-65.33492
F-statistic
338.9068
Durbin-Watsonstat
0.837367
Prob(F-statistic)
0.000002
求F统计量:
,查F分布表,给定显著性水平
,得临界值
,比较
>
,拒绝原假设
,表明随机误差项显著的存在异方差。
3、异方差的修正
(1)WLS估计法。
首先生成权函数
然后用OLS估计参数,
Y=-2262.639946+1.566910934*X
DependentVariable:
Y
Method:
LeastSquares
Date:
10/12/05Time:
08:
07
Sample:
19781998
Includedobservations:
21
Weightingseries:
W
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-2262.640
131.2507
-17.23907
0.0000
X
1.566911
0.057637
27.18590
0.0000
WeightedStatistics
R-squared
0.961501
Meandependentvar
2183.201
AdjustedR-squared
0.959475
S.D.dependentvar
2104.209
S.E.ofregression
423.5951
Akaikeinfocriterion
15.02583
Sumsquaredresid
3409224.
Schwarzcriterion
15.12530
Loglikelihood
-155.7712
F-statistic
474.5211
Durbin-Watsonstat
0.354490
Prob(F-statistic)
0.000000
UnweightedStatistics
R-squared
0.962755
Meandependentvar
4533.238
AdjustedR-squared
0.960794
S.D.dependentvar
6535.103
S.E.ofregression
1293.978
Sumsquaredresid
31813191
Durbin-Watsonstat
0.224165
(2)对数变换法。
用GENR生成LY和LX序列,用OLS方法求LY对LX的回归,结果如下:
LY=-6.839135503+1.787148637*LX
DependentVariable:
LY
Method:
LeastSquares
Date:
10/12/05Time:
00:
05
Sample:
19781998
Includedobservations:
21
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-6.839136
0.237565
-28.78845
0.0000
LX
1.787149
0.030033
59.50680
0.0000
R-squared
0.994663
Meandependentvar
7.195082
AdjustedR-squared
0.994382
S.D.dependentvar
1.746173
S.E.ofregression
0.130880
Akaikeinfocriterion
-1.138677
Sumsquaredresid
0.325463
Schwarzcriterion
-1.039199
Loglikelihood
13.95611
F-statistic
3541.059
Durbin-Watsonstat
0.642916
Prob(F-statistic)
0.000000
比较方法
(1)和
(2),可以看出X与Y在对数线性回归下拟合效果较好。
原因是Y的曲线呈对数型图形有关。
EVIEWS在计量经济学教学过程
中的演示示例
(二)
目的:
1、正确使用EVIEWS
2、能根据计算结果进行多重共线性检验和出现多重共线性时的补救。
3、数据为demodata2
实例:
我国钢材供应量分析(多重共线性检验及补救)
通过分析我国改革开放以来(1978-1997)钢材供应量的历史资料,可以建立一个单一方程模型。
根据理论及对现实情况的认识,影响我国钢材供应量Y(万吨)的主要因素有:
原油产量X1(万吨),生铁产量X2(万吨),原煤产量X3(万吨),电力产量X4(亿千瓦小时),固定资产投资X5(亿元),国内生产总值X6(亿元),铁路运输量X7(万吨)。
obs
X1
X2
X3
X4
X5
X6
X7
Y
1978
10405
3479.00
6.81
2566
668.72
3624.1
110119
2208
1979
10615
3673
6.35
2820
699.36
4038.2
111893
2497
1980
10595
3802
6.2
3006
746.9
4517.8
111279
2716
1981
10122
3417
6.22
3093
638.21
4862.4
107673
2670
1982
10212
3551
6.66
3277
805.9
5294.7
113495
2920
1983
10607
3738
7.15
3514
885.26
5934.5
118784
3072
1984
11461
4001
7.89
3770
1052.43
7171
124074
3372
1985
12490
4834
8.72
4107
1523.51
8964.4
130709
3693
1986
13069
5064
8.94
4495
1795.32
10202.2
135635
4058
1987
13414
5503
9.28
4973
2101.69
11962.5
140653
4386
1988
13705
5704
9.8
5452
2554.86
14928.3
144948
4689
1989
13764
5820
10.54
5848
2340.52
16909.2
151489
4859
1990
13831
6238
10.8
6212
2534
18547.9
150681
5153
1991
14099
6765
10.87
6775
3139.03
21617.8
152893
5638
1992
14210
7589
11.16
7539
4473.76
26638.1
157627
6697
1993
14524
8956
11.5
8395
6811.35
34634.4
162663
7716
1994
14608
9741
12.4
9281
9355.35
46759.4
163093
8428
1995
15004.95
10529.27
13.61
10070.3
10702.97
58478.1
165855
8979
1996
15733.39
10722.5
13.97
10813.1
12185.79
67884.6
168803
9338
1997
16074.14
11511.41
13.73
11355.53
13838.96
74772.4
169734
9978
设模型的函数形式为:
一、运用OLS估计法对上式中参数进行估计,EVIEWS操作步骤为:
1、在FILE菜单中选择NEW-WORKFILE,输入起止时间。
2、在主窗口菜单选QUICK-EMPTYGROUP,在编辑数据区输入YX1X2X3X4X5X6X7所对应的数据。
3、在主窗口菜单选在QUICK-ESTIMATEEQUATION,对参数做OSL估计,输出结果见下表:
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
139.2362
718.2493
0.193855
0.8495
X1
-0.051954
0.090753
-0.572483
0.5776
X2
0.127532
0.132466
0.962751
0.3547
X3
-24.29427
97.48792
-0.249203
0.8074
X4
0.863283
0.186798
4.621475
0.0006
X5
0.330914
0.105592
3.133889
0.0086
X6
-0.070015
0.025490
-2.746755
0.0177
X7
0.002305
0.019087
0.120780
0.9059
R-squared
0.999222
Meandependentvar
5153.350
AdjustedR-squared
0.998768
S.D.dependentvar
2511.950
S.E.ofregression
88.17626
Akaikeinfocriterion
12.08573
Sumsquaredresid
93300.63
Schwarzcriterion
12.48402
Loglikelihood
-112.8573
F-statistic
2201.081
Durbin-Watsonstat
1.703427
Prob(F-statistic)
0.000000
Y=139.2361608-0.05195439459*X1+0.1275320853*X2-24.294272*X3+0.8632825292*X4+0.330913843*X5-0.07001518918*X6+0.002305379405*X7
二、分析
由F=2201.081>F0.05(7,12)=2.91(显著性水平a=0.05),表明模型从整体上看钢材供应量与解释变量之间线性关系显著。
三、检验
计算解释变量之间的简单相关系数。
EVIEWS过程如下:
1、主菜单QUICK-GROUPSTATISTICS-CORRRELATION,在对话框中输入X1X2X3X4X5X6X7,结果如下:
X1
X2
X3
X4
X5
X6
X7
X1
1.000000
0.921956
0.975474
0.931882
0.826401
0.845837
0.986815
X2
0.921956
1.000000
0.964400
0.994921
0.969686
0.972530
0.931689
X3
0.975474
0.964400
1.000000
0.974809
0.894963
0.913344
0.982943
X4
0.931882
0.994921
0.974809
1.000000
0.959613
0.969105
0.945444
X5
0.826401
0.969686
0.894963
0.959613
1.000000
0.996169
0.827643
X6
0.845837
0.972530
0.913344
0.969105
0.996169
1.000000
0.846079
X7
0.986815
0.931689
0.982943
0.945444
0.827643
0.846079
1.000000
2、由上表可以看出,解释变量之间存在高度线性相关性。
尽管方程整体线性回归拟合较好,但X1X2X3X7变量的参数t值并不显著,X3X6系数的符号与经济意义相悖。
表明模型确实存在严重的多重共线性。
四、修正
1、运用OLS方法逐一求Y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一元线性回归方程。
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-10123.78
1528.060
-6.625250
0.0000
X1
1.181784
0.116936
10.10629
0.0000
R-squared
0.850171
Meandependentvar
5153.350
AdjustedR-squared
0.841847
S.D.dependentvar
2511.950
S.E.ofregression
998.9623
Akaikeinfocriterion
16.74595
Sumsquaredresid
17962663
Schwarzcriterion
16.84552
Loglikelihood
-165.4595
F-statistic
102.1371
Durbin-Watsonstat
0.217842
Prob(F-statistic)
0.000000
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-618.7199
108.3930
-5.708116
0.0000
X2
0.926212
0.016019
57.82017
0.0000
R-squared
0.994645
Meandependentvar
5153.350
AdjustedR-squared
0.994347
S.D.dependentvar
2511.950
S.E.ofregression
188.8610
Akaikeinfocriterion
13.41454
Sumsquaredresid
642032.9
Schwarzcriterion
13.51411
Loglikelihood
-132.1454
F-statistic
3343.172
Durbin-Watsonstat
0.962290
Prob(F-statistic)
0.000000
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-3770.942
581.6642
-6.483023
0.0000
X3
926.7178
58.38537
15.87243
0.0000
R-squared
0.933317
Meandependentvar
5153.350
AdjustedR-squared
0.929612
S.D.dependentvar
2511.950
S.E.ofregression
666.4367
Akaikeinfocr