何,
酹亡■!
Fw二ji:
・」亡-1舀1FTlfit■上|pz•龙亡二中|mjjtpltIStastm|匚叱怙〕
IMC
-E!
-vLercSDE=mjnzIF-if
图七
出组中数据的描述统计量，如均值、方差、偏度、峰度、J-B
统计量（用于正态性检验）等；Testsofequality…给出检验组
1w—
中序列是否具有同方差、同均值或相同中位数的假设检验结果;N-way/One-wayTabulation…给出数组中序列观测值在某一区间的频数、频率和某一序列是否与组中其他序列独立的假设检验结果；Correlations给出数组中序列的相关系数矩阵；Covariances给出数组中序列的斜方差矩阵；Correlogram
（1）给出组内第1序列的水平序列及其差分序列的自相关函数和偏自相关函数；CrossCorrelation
（2）给出组内第1和第2序列的超前几期和滞后几期值之间的互相关函数；CointegrationTest执行Johansencointegration协整（或称为共积）检验；GrangerCausality检验组内各个配对间的Granger因果关系；Lable给出数组的名称及修改时间等信息。
五、回归分析--估计消费函数
1、在经济理论指导下，利用软件包的“观察（View）”
功能对数据进行“火力侦察”，观察消费性支出与可支配收入的散点图（见图七）。
依据凯恩斯理论，设定理论模型：
consum=a+b（inc）
2、作普通最小二乘法估计：
在主菜单选Quick'Estimate
Equations，进入输入估计方程对话框，输入待估计方程，选择估计方法—普通最小二乘法，如图八所示。
点击OK进行估计，得到估计方程及其统计检验结果，如图九所示。
3、利用图九中给出的统计检验结果对模型的可靠性进行统计学检验，由统计结果可以看出该模型拟合优良，误差项不存在一阶正自相关。
4利用图九中估计方程显示窗口中工具条View，可以显示估计方程、估计方程的统计结果、以图或表的形式显示数据的实际值、预测值和残差。
六、单方程预测
预测是我们建立经济计量模型的目的之一，其操作如下:
.IW.w,理日口
I，.I•包I-iW.IJJ-I
Ivl时L^asliSquare
DMeOUI&OlTime2225
Semple:
130
includ&Ooti^Tv^tion;30
Venule
Cc^fti_fin
弧Efrort-euc
Pro口
0.7U44S4
o.ois?
la3O.3SSS7
o.cooo
C
4；&220C
143.70130.34SF05
0731fl
RGWQtl
007149Q
Mesndepondiertwar
434231J
RustedF-squared
u.97D472
E：
.D.dsperdaintvet
11'^Olt-
£&olIngres&ian
3D0MBS
Aksikeintocntanon
1350251
ScnA&oudfas-d
1124109
Schwarzcnt^cn
136$5&：
LQ91HkMhaodi
T如5377
F-stahsDc
9=4103®
Durtin-Watsjn亏皿
1曲西玄
FrcL（F-slzti51:
e-J
111.JO：
Ptttti■es\wl.M!
3BB■n^ntII*■if
图九
进入方程估计输出窗口（可以选定一个已有的方程建打开或估计一个新方程）如图九，点击其工具栏中的Forecast打开对
话框（图十），输入序列名（Forecastname），这名称通常
与方程中被解释变量的名字不同，这样就不会混淆实际值和
预测值；作为可选项，可给预测标准差随意命名[（optional）]，
命名后，指定的序列将存储于工作文件中；用户可以根据需要选择预测区间（samplerangeforforecast）；Dynamic选项是利用滞后左手变量以前的预测只来计算当前样本区间的预测值，Static选项是利用滞后左手变量的实际值来计算预测值
（该选项只有在实际数值可以得到时使用），当方程中不含有
滞后被解释变量或ARMA项时，这两种方法在第二步和以后各步都给出相同结果，当方程中含有滞后被解释变量或ARMA
项时，这两种方法在第二步以后给出不同结果；用Output可选择用图形或数值来看预测值，或两者都用以及预测评价指标
（平均绝对误差等）。
将对话框的内容输入完毕，点击OK得
到用户命名的预测值序列。
注意：
在进行外推预测之前应给解释变量赋值。
例如我们根据1980〜1998年数据得到中国人均生活费支出与人均可支配收入关系的回归方程，希望预测1999、2000、2001年的
人均生活费支出。
为此，我们首先需要给出1999、2000、
2001年人均收入可支配的数据，如果1999、2000、2001我们
从历史数据中得不到1999、2000、2001年人均收入可支配的数据，就应利用其他方法估计出这些数据，把1999、2000、
2001年人均收入可支配的数据（可能是估计值）输入解释变
古典线性回归模型的一个重要假设是总体回归方程的随机扰动项Ui同方差，即他们具有相同的方差2。
如果随机扰动项的
方差随观察值不同而异，即ui的方差为i2，就是异方差。
检验异方差的步骤是先在同方差假定下估计回归方程，然后
再对得到的的回归方程的残差进行假设检验，判断是否存在异方差。
Eviews提供了怀特（White）的一般异方差检验功能。
零假设：
原回归方程的误差同方差。
备择假设：
原回归方程的误差异方差
我们仍利用表一数据进行分析。
操作步骤：
在工作文件主显示窗口选定需要分析的回归方程\打开估计方程及其统计检验结果输出窗口（见图九点击
工具栏中的View选ResidualTests\WhiteHeteroskedasticity（nocrossterms）或WhiteHeteroskedasticity（crossterms）
（图^一），可得到辅助回归方程和怀特检验统计量一即F统2
计量、统计量的值及其对应的p值。
由图十二中的显示结
果可以看出：
在1%显著水平下我们拒绝零假设，接受回归方程的误差项存在异方差的备择假设。
值得重申的是：
虽然图九中的信息告诉我们回归方程拟和优良，但我们还应该对其进
行经济计量学检验，以确定其是否满足古典假设。
一般地，只要图十二中给出的p值小于给定的显著水平，我们就可以在该显著水平下拒绝零假设。
'uVhiteHMawsked華butyTed
□EileJQit"t.i'-L'syilJi^5|]4.ksflFnCwr
EigrI打xrIOhtEt#1FTlrrt.1PhflidFr右匸占斗IE汕厲狎u丨Forc^giI閃时寧.1尺竝口曲I
匚加昭带quM帖
12S3187
29D684T
P^0t*±tl1y
PrctSly
O.OOIXX）
Q.OOOOOQ
T活]Ecuatior
匚邨ttMt!
'&nb血：
RESIDES
M&tne.5sqixare^
1S217
Semple130
induxl^dl-ob尬n右
30
van峪
二MflUiWrt
Error
t-5Ui£tiC
=fOL.
c
S&9E22
753E-24
r»21301
O.OOOO
INC
■Z18E-2S
2.-WE-27
-8502391
00000
19BE-29
2.D"E-31
加71555
o.mco
^-Cquarwij
0999949
Em加訐曲AZ
4ME-2S
AdjustediR-sqijaffid
0988871
SDdtic«n3enl战
813E-ZJ
SE.ofwztxe%on
206E-24
Sunnsquan&dir^Eid
ii5E-^e
F-5lati9bc
12fl3t87
Cxrtun-WaEson5tal
i
PrCti（F-asflstlC；
0.000000
-Cl'-U^l-l
图十二
注意：
WhiteHeteroskedasticity（nocrossterms）与WhiteHeteroskedasticity（crossterms）选项的区另U在于：
在nocrossterms选项下得到的辅助回归方程中不包含原回归方程左手变量的交叉乘积项作为解释变量；而crossterms选项下得到的
辅助回归方程中包含原回归方程左手变量的交叉乘积项作为解释变量。
在我们使用的一元回归例子中，这两个选项的作用没有区别。
当我们分析多元回归模型的异方差问题时，因为
所选辅助回归方程的解释变量不同，这两个选项的作用就不
同了。
八、White异方差校正功能和加权最小二乘法
1.White异方差校正功能：
我们使用表二的数据，在主菜
单选Quick\EstimateEquations，进入输入估计方程对话框输入待估计方程（cumin），选择估计方法一普通最小二乘
法，点击Options按钮进入方程估计选择对话框，选择HeteroskedasticityConsistentCovariance\White\OK应用
（见图十三）1，回到估计方程对话框，点击0K得到校正
后的回归方程（见图十四）。
同学们可以比较图十四中的方程与普通最小二乘法得到的方程。
表二
中国1998年各地区城镇居民平均每人全年家庭可支配收入及交通和通讯支出
单位：
人民币元
^项
变量名
可支配收入
交通和通讯支出
进变量名-
可支配收入
交通和通讯支出
地区
in
cum
地区
in
cum
甘肃
新疆
山西
河北
宁夏
四川
吉林
山东
河南
广西
陕西
湖南
青海
重庆
江西
江苏
黑龙江
云南
内蒙古:
福建
贵州
天津
1对这一方法的进一步了解可参考《经济计量分析》［美］威廉H格林著，中国社会科学出版社，1998年3月,
P423-424，适用于普通最小二乘法的协方差矩阵的估计
辽宁
浙江
安徽
北京
湖北
上海
海南
广东
（数据来源：
中国统计年鉴1998光盘，文件j11c,j12c）
图十三
ififl'Ift:
je:
is主lnt|加e|Hrcw二Ikh屁：
：
沾七Srits.'护旦
Depondont\Jsrnbk'UM
Method'I■rSquare-
Df+»'r4/CW1Timn^'2/
Sa呷刚adgste出;130
Inclucisdcbgarvations3d臼耳勒日igendiz-oints
"/htsHet^rtiikt-datlicity-CttentitandandEncrs£C（?
uiariarK&
Valatole
Coafflclent
Sid.Errort-StaosLc
Prob.
C
-56.91798
6022735iW5052
0.M27
IM
0.053075
CO'24554e62T29
Q』QQ”
R-squsred
0741501
Meandependentwar
256.672T
AdjustedP-&2|uared
0.732269
SD.de^erdentvar
97.56633
5.E_ofregression
50.43324
^J-iaikenrifocrilerion
10.74550
Sumsquared「已Lid
T1U9B2
Svl中曰ncriteriDn
10.&3S9'
-叩likelihood
139佃25
F..LJi.l.
&0.J17W
DLrbinrWeitsonstat
2.C08179
ProbfF.Loi'jti.i
Dcaoooo
图十四
2、加权最小二乘法：
我们使用表二的数据，在主菜单
选Quick'EstimateEquations，进入输入估计方程对话框，输入
待估计方程（cumin），选择估计方法一普通最小二乘法，点击Options按钮进入方程估计选择对话框，选择Weighted
LS/TSLS'在对话框内输入用作加权的序列名称in的平方根得
OK
倒数\OK应用（见图十五），回到估计方程对话框，点击得到加权最小二乘法回归方程（见图十六并与图十四中的方程比较）。
Eviews中进行加权最小二乘估计的过程为：
选定一个与
残差标准差的倒数成比例的序列作为权数，然后将权数序列除
以该序列的均值进行标准化处理，将经过标准化处理的序列作为权数进行加权作最小二乘估计，这种做法不影响回归结果。
gunplc
图十五
—筍ie?
¥|cbjectf|Print1an-PTeeze
EstiiafeForecast£
tits|
ri：
■iiii■-
CUM
L«a?
tSqusr^a
D3IS：
04flDarO1TimeDt53
―
Samp1
30
T・-r.r-11寸>加P•沪-「II十
WxRtirX）（lNr{-05）
张rj或|g
CcjpffiriFrI'
Std.Error
Prob
C
-53.1S251
335J023
-15^4514
01243
IM
0O573W
O.OOC388
E期阁
ooow
Slati：
i
R-sqi-iared
05期i5
Neaniderierdeitvar
2478742
■Ad.iLiGtedsquared
O'506187
S.D.二ap右ri閑mv^「
61.28036
S.E.雷啲r的劈CH
43.D028C
Akfikg
升级会员 