当前位置:文档之家› Eviews指导书

Eviews指导书

Eviews指导书
Eviews指导书

第四章 EVIEWS软件实验

一、 实验说明

1、EVIEWS简介

Eviews是美国GMS公司1981年发行第1版的Micro TSP的Windows版本,通常称为计量经济学软件包。Eviews是Econometrics Views的缩写,它的本意是对社会经济关系与经济活动的数量规律,采用计量经济学方法与技术进行“观察”。计量经济学研究的核心是设计模型、收集资料、估计模型、检验模型、运用模型进行预测、求解模型和运用模型。Eviews是完成上述任务得力的必不可少的工具。正是由于Eviews等计量经济学软件包的出现,使计量经济学取得了长足的进步,发展成为实用与严谨的经济学科。使用 Eviews软件包可以对时间序列和非时间序列的数据进行分析,建立序列(变量)间的统计关系式,并用该关系式进行预测、模拟等等。Eviews。虽然 Eviews是由经济学家开发的,并且大多数被用于经济学领域,但并意味着必须限制该软件包仅只用于处理经济方面的时间序列。Eviews处理非时间序列数据照样得心应手。实际上,相当大型的非时间序列(截面数据)的项目也能在 Eviews中进行处理。

2、本章实验目的及要求

本实验主要是引导学生掌握利用EVIEWS软件进行统计分析的方法和步骤,并要求对软件运行结果进行解释。本实验涉及到的统计分析主要包括简单线性回归模型与多元线性回归模型,EVIEWS在检验多重共线性、异方差和序列相关中的应用,EVIEWS在分布滞后模型、含有虚拟变量的模型、联立方程模型的估计以及模型本身的识别与检验等。

二、 实验

实验一 EVIEWS软件概述

实验目的及要求

本实验主要是引导学生掌握利用EVIEWS软件进行基本统计分析。掌握利用EVIEWS软件建立工作文件,对序列对象进行基本操作,掌握数据分析的常用操作和序列描述的统计分析。

实验内容及步骤

(一) EVIEWS软件的安装(略)

(二)EVIEWS过程

我们通过一个简单的回归分析例子来显示一个Eviews过程,不对Eviews的详细功能展开讨论,目的是使学生先对Eviews有个概括了解。该例子是某省人均可支配收入与人均年消费支出的数量关系分析。实验步骤为:

STEP1:双击桌面上Eviews快捷图标,打开Eviews(参见在图3-1)。

图3-1

STEP2:点击Eviews主画面顶部按钮file/new/Workfile (如图3-2),弹出workfile range对话框(图3-3)。在workfile frequency中选择Annual,在start date 和end date 中分别输入1978和1998,点击OK,出现图3-3画面,Workfile定义完毕。

图3-2

图3-3

STEP3:点击Eviews主画面顶部按钮objects/new objects ,弹出new objects 对话框(图3-4),在Type of Object中选择group,并给new objects一个名字g1,然后点击OK,弹出一个表格Group对话框,(图3-5),在该对话框中即可输入变量及变量值。

图3-4

图3-5

STEP4:点击图3-5表格中第一列顶部的灰色条,该列全部变蓝,输入变量名Y (人均年消费支出),然后在该列中即可输入变量Y的各年观测值;同理可定义第二

列为

变量X(人均可支配收入),并输入各年人均可支配收入的数值。这样X、Y两个变量被定义,结果如图3-6。

图3-6

图3-7

STEP5:点击图3-6Group对话框中的View/Graph按钮,出现一个下拉菜单,出现图3-7画面。选择line,即可看见序列X、Y的线性图(图3-8)

图3-8

图3-9

STEP6:点击图3-8窗口中Freeze按钮,得到图3-8的copy(图3-9), 点击图3-9顶部的name ,给其一个名字Graph01,这样就将图3-9保存在workfile中。图3-9与图3-8不同在于,图3-9是一个Graph类型的object,该线性图不随Y、X数据变化而变化,是独立的,可以对其进行编辑;而图3-8是Group类型的object,仅仅是Y、X 数据的一种图形浏览形式,他随着Y、X数据变化而变化。

STEP7:点击Eviews主画面上的quick/estima equation,弹出Equation specification框(图3-10),在Equation specification 下的空框中输入Y C X,点击OK,得到Y对X回归模型估计结果(图3-11),该模型说明人均可支配收入X对人均消费支出Y具有较强的解释能力。

图3-10

图3-11

实验二 简单线性回归模型

实验目的及要求

能够利用Eviews完成简单线性回归模型的估计、预测,并能够理解和解释输出结果。

实验内容及步骤

例3-1:研究2002年中国各地区城市居民人均年消费支出和可支配收入之间的

关系,做以人均年消费支出为因变量,以人均可支配收入为自变量的回归,估计12i i Y X i u ββ=++。

表3-1 2002年中国各地区城市居民人均年消费支出和可支配收入 (元) 地 区

城市居民家庭平均每人每年消费支出

Y

城市居民人均年可支配收入 X

北京 天津 河北 山西 内蒙古 辽宁 吉林 黑龙江 上海 江苏 浙江 安徽 福建 江西 山东 河南 湖北 湖南 广东 广西 海南

10284.60 7191.96 5069.28 4710.96 4859.88 5342.64 4973.88 4462.08 10464.00 6042.60 8713.08 4736.52 6631.68 4549.32 5596.32 4504.68 5608.92 5574.72 8988.48 5413.44 5459.64

12463.92 9337.56 6679.68 5234.35 6051.06 6524.52 6260.16 6100.56 13249.80 8177.64 11715.60 6032.40 9189.36 6334.64 7614.36 6245.40 6788.52 6958.56 11137.20 7315.32 6822.72

重庆 四川 贵州 云南 西藏 陕西 甘肃 青海 宁夏 新疆 6360.24

5413.08

4598.28

5827.92

6952.44

5278.04

5064.24

5042.52

6104.92

5636.40

7238.04

6610.80

5944.08

7240.56

8079.12

6330.84

6151.44

6170.52

6067.44

6899.64

数据来源:2003年《中国统计年鉴》。

操作步骤:

STEP1:建立工作文件。首先,双击EViews图标,进入EViews主页。在菜单一次点击File\New\Workfile,出现对话框“Workfile Range”。在“Workfile frequency”中选择数据频率:

Annual (年度) Weekly ( 周数据 )

Quartrly (季度) Daily (5 day week ) ( 每周5天日数据 )

Semi Annual (半年) Daily (7 day week ) ( 每周7天日数据 )

Monthly (月度) Undated or irreqular (未注明日期或不规则的)

在本例中是截面数据,选择“Undated or irreqular”。如图3-12所示。并在“Start date”中输入开始时间或顺序号,如“1”在“end date”中输入最后时间或顺序号,如“31”点击“ok”出现“Workfile UNTITLED”工作框。其中已有变量:“c”—截距项 “resid”—剩余项。

图3-12

STEP2:在“Objects”菜单中点击“New Objects”,在“New Objects”对话框中选“Group”,并在“Name for Objects”上定义文件名,如图3-13所示,点击“OK”出现数据编辑窗口。若要将工作文件存盘,点击窗口上方“Save”,在“Save As”对话框中给定路径和文件名,再点击“ok”,文件即被保存。

图3-13

STEP3:输入数据。在数据编辑窗口中,首先按上行键“↑”,这时对应的“obs”字样的空格会自动上跳,在对应列的第二个“obs”有边框的空格键入变量名,如“Y”,再按下行键“↓”,对因变量名下的列出现“NA”字样,即可依顺序输入响应的数据。其他变量的数据也可用类似方法输入。若要对数据存盘,点击 “fire/Save As”,出现“Save As”对话框,在“Drives”点所要存的盘,在“Directories”点存入的路径(文件名),在“Fire Name”对所存文件命名,

或点已存的文件名,再点“ok”。若要读取已存盘数据,点击“fire/Open”,在对话框的“Drives”点所存的磁盘名,在“Directories”点文件路径,在“Fire Name”点文件名,点击“ok”即可。

STEP4:在EViews 主页界面点击“Quick”菜单,点击“Estimate Equation”,出现“Equation specification”对话框,选OLS 估计,即选击“Least Squares”,键入“Y C X”,点“ok”或按回车,即出现如图3-14那样的回归结果。也可以在EViews 命令框中直接键入“LS Y C X”,按回车,即出现回归结果。

图3-14

在本例中,参数估计的结果为: ^

282.24340.758511i i Y X =+ (287.2649) (0.036928) t=(0.982520) (20.54026)

F=421.9023 df=29

2

0.935685r =STEP5:若要显示回归结果的图形,在“Equation”框中,点击“Resids”,即出现剩余项(Residual)、实际值(Actual)、拟合值(Fitted)的图形,如图3-15所示。

图3-15

实验三 多元回归分析

实验目的及要求

掌握运用EVIEWS软件进行多元回归分析多元分析的基本操作方法和步骤,并能够对软件运行结果进行解释。

实验内容及步骤

例3-2:中国税收增长的分析。影响中国税收收入增长的因素很多,但据分析主要的因素可能有:(1)经济整体增长是税收增长的基本源泉。(2)公共财政的需求。(3)物价水平。(4)税收政策因素。可以从以上几个方面,分析各种因素对中国税收增长的具体影响。建立计量经济模型,研究影响中国税收收入增长的主要原因,分析中央和地方税收收入的增长规律,预测中国税收未来的增长趋势。 所需数据如表3-2所示。

表3-2 1978-2002年我国税收及其主要影响因素数据表

年份 税收收入(亿

元)

国内生产总值(亿

元)

财政支出(亿

元)

商品零售价格指数(%)

(Y) (X

2

) (X

3

(X

4

1978 519.28 3624.1 1122.09 100.7 1979 537.82 4038.2 1281.79 102.0 1980 571.70 4517.8 1228.83 106.0 1981 629.89 4862.4 1138.41 102.4

1982 700.02 5294.7 1229.98 101.9 1983 775.59 5934.5 1409.52 101.5 1984 947.35 7171.0 1701.02 102.8 1985 2040.79 8964.4 2004.25 108.8 1986 2090.73 10202.2 2204.91 106.0 1987 2140.36 11962.5 2262.18 107.3 1988 2390.47 14928.3 2491.21 118.5 1989 2727.40 16909.2 2823.78 117.8 1990 2821.86 18547.9 3083.59 102.1 1991 2990.17 21617.8 3386.62 102.9 1992 3296.91 26638.1 3742.20 105.4 1993 4255.30 34634.4 4642.30 113.2 1994 5126.88 46759.4 5792.62 121.7 1995 6038.04 58478.1 6823.72 114.8 1996 6909.82 67884.6 7937.55 106.1 1997 8234.04 74462.6 9233.56 100.8 1998 9262.80 78345.2 10798.18 97.4 1999 10682.58 82067.5 13187.67 97.0 2000 12581.51 89468.1 15886.50 98.5 2001 15301.38 97314.8 18902.58 99.2 2002 17636.45 104790.6 22053.15 98.7

设定的线性回归模型为:

1222334t t t t Y X X X t u ββββ=++++ 在EViews 中的操作步骤为:

STEP1:建立工作文件:启动EViews,点击File=〉New=〉Workfile,在对话框“Workfile Range”。在“Workfile frequency”中选择“Annual” (年度),并在“Start date”中输入开始时间“1978”,在“end date”中输入最后时间“2002”,点击“ok”,出现“Workfile UNTITLED”工作框。其中已有变量:“c”—截距项 “resid”—剩余项。在“Objects”菜单中点击“New Objects”,在“New Objects”对话框中选“Group”,并在“Name for Objects”上定义文件名,点击“OK”出现数据编辑窗口。

STEP2:输入数据:点击“Quik”下拉菜单中的“Empty Group”,出现“Group”窗口数据编辑框,点第一列与“obs”对应的格,在命令栏输入“Y”,点下行键“↓”,即将该序列命名为Y,并依此输入Y的数据。用同样方法在对应的列命名X STEP2:X 3、X 4,并输入相应的数据。或者在EViews命令框直接键入“data Y X 2X 3 X 4 … ”,回车出现“Group”窗口数据编辑框,在对应的Y、X 2、X 3、X 4下输入响应的数据。

STEP3:估计参数:点击“Procs“下拉菜单中的“Make Equation”,在出现的对话框的“Equation Specification”栏中键入“Y C X 2 X 3 X 4”,在“Estimation Settings”栏中选择“Least Sqares”(最小二乘法),点“ok”,即出现回归结果如图3-16所示。

图3-16 根据图3-16中数据,模型估计的结果为:

^

232582.7910.0220670.70210423.98541i Y X X =?+++4X

(940.6128) (0.0056) (0.0332) (8.7363) t=(-2.7459) (3.9566) (21.1247) (2.7449)

20.9974R =2

0.9971R = F=2717.238 df=21

模型估计结果说明:在假定其它变量不变的情况下,当年GDP 每增长1亿元,税收收入就会增长0.02207亿元;在假定其它变量不变的情况下,当年财政支出每增长1亿元,税收收入会增长0.7021亿元;在假定其它变量不变的情况下,当年零售商品物价指数上涨一个百分点,税收收入就会增长23.9854亿元。这与理论分析和经验判断相一致。

实验四 多重共线性

实验目的及要求

掌握运用EVIEWS 软件进行多重共线性的检验、补救的基本操作方法和步骤,并能够对软件运行结果进行解释。 实验内容及步骤

例3-3:经分析,影响国内旅游市场收入的主要因素,除了国内旅游人数和旅游支出以外,还可能与相关基础设施有关。为此,考虑的影响因素主要有国内旅游人数2X ,城镇居民人均旅游支出3X ,农村居民人均旅游支出,并以公路里程和铁路里程作为相关基础设施的代表。为此设定了如下对数形式的计量经济模型:

4X 5X 6X 23456123456t t t t t t Y X X X X X t u ββββββ=++++++

其中 :——第t年全国旅游收入

t Y 2X ——国内旅游人数 (万人)

3X ——城镇居民人均旅游支出 (元)

4X ——农村居民人均旅游支出 (元)

5X ——公路里程(万公里) 6X ——铁路里程(万公里)

为估计模型参数,收集旅游事业发展最快的1994—2003年的统计数据,如表3-3所示:

表3-3 1994年—2003年中国旅游收入及相关数据 年

国内旅游收入国内旅游人数城镇居民人均旅游支出农村居民人均旅游支出

公路里 铁路里

份 Y

(亿元)

X2

(万人

次)

X3

(元)

X4 (元) 程 X5

(万公

里)

程X6

(万公

里)

1994 1023.5 52400 414.7 54.9 111.78 5.90 1995 1375.7 62900 464.0 61.5 115.70 5.97 1996 1638.4 63900 534.1 70.5 118.58 6.49 1997 2112.7 64400 599.8 145.7 122.64 6.60 1998 2391.2 69450 607.0 197.0 127.85 6.64 1999 2831.9 71900 614.8 249.5 135.17 6.74 2000 3175.5 74400 678.6 226.6 140.27 6.87 2001 3522.4 78400 708.3 212.7 169.80 7.01 2002 3878.4 87800 739.7 209.1 176.52 7.19 2003 3442.3 87000 684.9 200.0 180.98 7.30 数据来源:《中国统计年鉴2004》

操作步骤:

STEP1:利用Eviews软件,输入Y、X2、X3、X4、X5、X6等数据,采用这些数据对模型进行OLS回归,结果如图3-17。

图3-17

由此可见,该模型,9954.02=R 9897.02

=R 可决系数很高,F检验值173.3525,明显显著。但是当05.0=α时776.2)610()(025.0=?=?t k n t α,不仅

、系数的t检验不显著,而且系数的符号与预期的相反,这表明很可能存在严重的多重共线性。

2X 6X 6X STEP2:计算各解释变量的相关系数,选择X2、X3、X4、X5、X6数据,点”view=〉correlations”得相关系数矩阵(如图3-18):

图3-18

由相关系数矩阵可以看出:各解释变量相互之间的相关系数较高,证实确实存在严重多重共线性。

STEP3:采用逐步回归的办法,去检验和解决多重共线性问题。分别作Y 对X2、X3、X4、X5、X6的一元回归,结果如表3-4所示:

表3-4 检验多重共线性的回归结果 变

X2

X3

X4

X5

X6

量 参数估计值 0.0842

9.0523

11.6673

34.3324

2014.146

t 统计量

8.6659 13.1598 5.1967 6.4675 8.7487

2R

0.9037

0.95580.77150.8394 0.9054

STEP4:按2

R 的大小排序为:X3、X6、X2、X5、X4。以X3为基础,顺次加入其他变量逐步回归,结果为:

453221965.362909.13215884.4161.2441?X X X Y t +++?=

t=(3.944983) (4.692961) (3.06767) 991445.02=R 987186.02=R F=231.7935 DW=1.952587

当取05.0=α时,447.2)410()(025.0=?=?t k n t α,X3、X4、X5系数的t检验都显著,这是最后消除多重共线性的结果。

结果说明:在其他因素不变的情况下,当城镇居民人均旅游支出3X 和农村居民人均旅游支出4X 分别增长1元时,国内旅游收入t Y 将分别增长4.21亿元和3.22亿元。在其他因素不变的情况下,作为旅游设施的代表,公路里程5X 每增加1万公里时, 国内旅游收入t Y 将增长13.63亿元。

实验五 异方差

实验目的及要求

掌握运用EVIEWS 软件检验异方差的几种方法和解决异方差的基本操作方法和步骤,并能够对软件运行结果进行解释。 实验内容及步骤

例3-4:为了给制定医疗机构的规划提供依据,分析比较医疗机构与人口数量的关系,建立卫生医疗机构数与人口数的回归模型。假定医疗机构数与人口数之间满足线性约束,则理论模型设定为:

i i i u X Y ++=21ββ

其中表示卫生医疗机构数,表示人口数。所用数据如表3-5所示。

i Y i X 表3-5 四川省各地区医疗机构数与人口数

地区 人口数(万

人)

X 医疗机构数

(个)Y

地区 人口数(万

人)

X

医疗机构数

(个)Y

成都 1013.3 6304 眉山 339.9 827

自贡 315 911 宜宾 508.5 1530

攀枝

103 934 广安 438.6 1589

泸州 463.7 1297 达州 620.1 2403

德阳 379.3 1085 雅安 149.8 866

绵阳 518.4 1616 巴中 346.7 1223

广元 302.6 1021 资阳 488.4 1361

遂宁 371 1375 阿坝 82.9 536

内江 419.9 1212 甘孜 88.9 594

乐山 345.9 1132 凉山 402.4 1471

南充 709.2 4064

操作步骤:

(一)模型估计:进入EViews软件包,确定时间范围;编辑输入数据;选择估计方程菜单,估计样本回归函数如下:

图 3-19

相关主题
相关文档 最新文档