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)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)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
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
包括一个定量变量,一个两分定性变量的回归模型
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:
(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=(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、模型的诊断和检验本部分练习指令所用例子见教材。
(一)相关系数矩阵显示系数矩阵步骤:
在数据表窗口→view→correlation→comonsample
(二)Wald参数约束检验在(11.7)式输出结果窗口中点击View→CoefficientTest→WaldCoefficientRestrictions功能(Wald参数约束检验),在随后弹出的对话框中输入c(3)=c(4)=0可得如图11.3结果。
其中F=537.5。
(三)似然比检验
在(11.7)式输出结果窗口中点击View,选CoefficientTes,RedundantVariables-LikelihoodRatio功能(模型中是否存在多余的不重要解释变量),在随后弹出的对话框中填入GEF,REPAY。
可得图11.4。
计算结果同样是F=537.5。
(四)似然比检验
在(11.8)式输出结果窗口中点击View,选CoefficientTes,OmittedVariables-LikelihoodRatio功能(模型中是否丢掉了重要的解释变量),在随后弹出的对话框中填入拟加入的解释变量GEF,REPAY。
可得如图11.5的结果。
同样是F=537.5。
(五)邹突变点检验
邹突变点检验的EViews操作是在(11.34)式输出结果窗口中点击View,选StabilityTests,ChowBreakpoint功能,在随后弹出的对话框中填入31,得结果如下图11.10。
其中F=13.59,与上面的计算结果相同。
(六)JB检验
JB正态分布检验的EViews操作是点击数据组窗口中的View键,选DescriptiveStatistics/HistogramandStats功能,或者点击Quick键,选SeriesStatistics/HistogramandStats功能,都能得到上述计算结果。
(七)格兰杰(Granger)因果性检验
如果两组数据经过协整检验存在协整关系,就可以对这两组数据进行格兰杰(Granger)因果性检验。
通过EViews计算的Granger因果性检验的两个F统计量的值。
打开数据组窗口,点击View键,选GrangerCausility功能。
在随后打开的对话框口中填上滞后期数2,点击OK键。
二十九、协整分析的练习
EViews操作:
(1)AugmentedDickey-FullerTest(ADF)检验(即单位根检验)。
检验消费序列是否为平稳序列。
在工作文件窗口,打开时间序列,在时间序列单击左上方的“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。
(2)单整。
检验消费时间序列一阶差分(△SCt)的平稳性。
(3)判断两变量的协整关系。
第一步:
求出两变量的单整的阶
第二步:
进行协整回归
第三步:
检验et的平稳性
对et进行单位根检验,如果et是平稳序列,则存在协整关系。
第四步:
得出两变量是否协整的结论
(4)误差修正模型的估计
第一步:
估计协整回归方程
yt=b0+b1xt+ut
得到协整的一致估计量(1,-b0-b1),用它得出均衡误差ut的估计值et。
第二步:
用OLS法估计下面误差修正模型方程
△yt=a+b△yt+λECMt-1+vt
三十、非线性模型回归
设定模型为:
Y=a+bx2+u
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y=c
(1)+c
(2)*x^2。
点击OK键,即可得到回归结果。
(注意:
对于非线性模型,只能输入公式)