1、52400414.7 54.9 111.78 5.90 19951375.70 62900464.0 61.5 115.70 6.24 19961638.38 64000534.1 70.5 118.58 6.49 19972112.70 64400599.8 145.7 122.64 6.60 19982391.18 69500607.0 197.0 127.85 6.64 19992831.92 71900614.8 249.5 135.17 6.74 20003175.54 74400678.6 226.6 140.27 6.87 20013522.36 78400708.3 212.7
2、 169.80 7.01 20023878.36 87800739.7 209.1 176.52 7.19 20033442.27 87000684.9 200.0 180.98 7.30 20044710.71 110200731.8 210.2 187.07 7.44 20055285.86 121200737.1 227.6 334.52 7.54 20066229.74 139400766.4 221.9 345.70 7.71 20077770.62 161000906.9 222.5 358.37 7.80 数据来源:中国统计年鉴19952008年。需要说明的是,由于从2005年起
3、,“公路里程”包括村道,所以20052007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“Workfile Range”对话框中选择“Annual”,并在Start date 里输入开始时间“1994”,在End date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
4、接输入命令“DATA Y X1 X2 X3 X4 X5”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【Estimate Equation】,在出现的“Equation Specification”对话框的“Equation specification”文本框中输入“Y C X1 X2 X3 X4 X5”,在“Estimation settings”栏的“Method”下拉列表中选择“LS-Least Squares(NLS and ARMA)”,点击【OK】,即出现回归结果,如图所示。Dependent Variable:
5、 YMethod: Least SquaresDate: 12/22/11 Time: 08:05Sample: 1994 2007Included observations: 14VariableCoefficientStd. Errort-StatisticProb.C-468.02311163.470-0.4022650.6980X10.0430020.0050498.5173170.0000X25.1518971.0117065.0922870.0009X32.6933430.9944572.7083550.0267X41.4426611.3394481.0770560.3129X5-
6、568.9649240.5462-2.3653040.0456R-squared0.997756Mean dependent var3527.775Adjusted R-squared0.996354S.D. dependent var1927.492S.E. of regression116.3846Akaike info criterion12.64920Sum squared resid108362.9Schwarz criterion12.92309Log likelihood-82.54443Hannan-Quinn criter.12.62385F-statistic711.528
7、8Durbin-Watson stat1.379117Prob(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+1.4427X4-568.9349X5SE (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)R2=0.9978 R2=0.9964 DW=1.378 F=711.5288(4)获得残差在获得上图中的参
8、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: 将工作文件窗口置为当前窗口;2在主菜单上依次点击【Quick】【Generate Series】;3在“Enter equation”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
9、=3.191818,给定显著性水平,比如=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“Lag Specification”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-Godfrey Serial Correlation LM Test:0.448366Pr
10、ob. F(2,6)0.6585Obs*R-squared1.820318Prob. Chi-Square(2)0.4025Test Equation: RESID55Presample missing value lagged residuals set to zero.1650.6062513.6150.6566660.53580.0042090.0071730.5868610.5787-0.1439891.217527-0.1182630.90971.7650102.2728490.7765630.4669-0.4041291.507774-0.2680300.7977-311.9375
11、502.4340-0.6208530.5575RESID(-1)0.4889870.5459770.8956190.4050RESID(-2)0.5445310.8445880.6447300.54300.1300234.55E-13-0.88495191.29956125.348412.7956394273.2813.16081-81.5694112.761830.1281051.9683050.992070LM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:LS Y C X1 X2
12、X3 X4 X5 AR(1)并回车,得到回归结果,如下图所示。 12/26/11 Time: 14:20Sample (adjusted): 1995 2007 13 after adjustmentsConvergence achieved after 50 iterations-2319.4301538.474-1.5076170.18240.0417300.00414310.072150.00015.1467910.8893775.7869610.00122.9350691.5577591.8841620.10850.6283201.0255480.6126670.5626-276.91
13、09267.5490-1.0349910.3406AR(1)0.3019020.4206150.7177630.49990.9987033720.4110.9974051860.64994.7833012.2448053903.2412.54900-72.5911812.18227769.71792.190536Inverted AR Roots.30从上图可以看出,模型中DW值为2.19,有duDW4-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+5.14679
14、1X2+2.935069X3+0.628320X4-276.9109X53、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
copyright@ 2008-2022 冰豆网网站版权所有
经营许可证编号:鄂ICP备2022015515号-1