Eviews处理多元回归分析操作步骤
- 格式:doc
- 大小:1.20 MB
- 文档页数:11
[经验分享] 使用eview s做线性回归分析Glossa ry:ls(least square s)最小二乘法R-sequar ed样本决定系数(R2):值为0-1,越接近1表示拟合越好,>0.8认为可以接受,但是R2随因变量的增多而增大,解决这个问题使用来调整Adjust R-seqaur ed()S.E of regression回归标准误差Log likelihood对数似然比:残差越小,L值越大,越大说明模型越正确Durbin-Watson stat:DW统计量,0-4之间Mean dependent var因变量的均值S.D. dependent var因变量的标准差Akaike info criter ion赤池信息量(AIC)(越小说明模型越精确)Schwar z ctiter ion:施瓦兹信息量(SC)(越小说明模型越精确)Prob(F-statis t ic)相伴概率fitted(拟合值)线性回归的基本假设:1.自变量之间不相关2.随机误差相互独立,且服从期望为0,标准差为σ的正态分布3.样本个数多于参数个数建模方法:ls y c x1 x2 x3 ...x1 x2 x3的选择先做各序列之间的简单相关系数计算,选择同因变量相关系数大而自变量相关系数小的一些变量。
模型的实际业务含义也有指导意义,比如m1同g dp肯定是相关的。
模型的建立是简单的,复杂的是模型的检验、评价和之后的调整、择优。
模型检验:1)方程显著性检验(F检验):模型拟合样本的效果,即选择的所有自变量对因变量的解释力度F大于临界值则说明拒绝0假设。
Eviews给出了拒绝0假设(所有系统为0的假设)犯错误(第一类错误或α错误)的概率(收尾概率或相伴概率)p 值,若p小于置信度(如0.05)则可以拒绝0假设,即认为方程显著性明显。
Eviews操作教程_完整版1.EVIEWS基础 (3)1.1. E VIEWS简介 (3)1.2. E VIEWS的启动、主界⾯和退出 (3)1.3. E VIEWS的操作⽅式 (6)1.4. E VIEWS应⽤⼊门 (6)1.5. E VIEWS常⽤的数据操作 (15)2.⼀元线性回归模型 (24)2.1. ⽤普通最⼩⼆乘估计法建⽴⼀元线性回归模型 (24) 2.2. 模型的预测 (30)2.3. 结构稳定性的C HOW检验 (34)3. 多元线性回归 (39)3.1. ⽤OLS建⽴多元线性回归模型 (39)3.2. 函数形式误设的RESET检验 (45)4. ⾮线性回归 (48)4.1. ⽤直接代换法对含有幂函数的⾮线性模型的估计 (48) 4.2. ⽤间接代换法对含有对数函数的⾮线性模型的估计 (50) 4.3. ⽤间接代换法对CD函数的⾮线性模型的估计 (53)4.4. NLS对可线性化的⾮线性模型的估计 (55)4.5. NLS对不可线性化的⾮线性模型的估计 (58)4.6. ⼆元选择模型 (62)5. 异⽅差 (68)5.1. 异⽅差的⼽得菲尔德——匡特检验 (68)5.2. 异⽅差的WHITE检验 (72)5.3. 异⽅差的处理 (75)6. ⾃相关 (79)6.1. ⾃相关的判别 (79)6.2. ⾃相关的修正 (83)7. 多重共线性 (87)7.1. 多重共线性的检验 (87)7.2. 多重共线性的处理 (92)8. 虚拟变量 (94)8.1. 虚拟⾃变量的应⽤ (94)8.2. 虚拟变量的交互作⽤ (99)8.3. ⼆值因变量:线性概率模型 (101)9. 滞后变量模型 (106)9.1. ⾃回归分布滞后模型的估计 (106)9.2. 多项式分布滞后模型的参数估计 (111)10. 联⽴⽅程模型 (116)10.1. 联⽴⽅程模型的单⽅程估计⽅法 (116)10.2. 联⽴⽅程模型的系统估计⽅法 (120)2..1.Eviews基础1.1.Eviews简介Eviews:Econometric Views(经济计量视图),是美国QMS公司(Quantitative Micro Software Co.,⽹址为/doc/8e38170bbed126fff705cc1755270722192e59b1.html )开发的运⾏于Windows环境下的经济计量分析软件。
eviews处理多元回归分析操作步骤操作步骤1. 建立工作文件(1) 建立数据的exel电子表格(2)将电子表格数据导入eviewsFile-open-foreign data as workfile,得到数据的Eviews工作文件和数据序列表。
2. 计算变量间的相关系数在窗口中输入命令:cor coilfuture dow shindex nagas opec ueurope urmb,点击回车键,得到各序列之间的相关系数。
结果表明Coilfuture数列与其他数列存在较好的相关关系。
3.时间序列的平稳性检验(1)观察coilfuture序列趋势图在eviews中得到时间序列趋势图,在quick菜单中单击graph,在series list对话框中输入序列名称coilfuture,其他选择默认操作。
图形表明序列随时间变化存在上升趋势。
(2)对原序列进行ADF平稳性检验quick-series statistics-unit root test,在弹出的series name对话框中输入需要检验的序列的名称,在test for unit root in 选择框中选择level,得到原数据序列的ADF检验结果,其他保持默认设置。
得到序列的ADF平稳性检验结果,检测值0.97大于所有临界值,则表明序列不平稳。
以此方法,对各时间序列依次进行ADF检验,将检验值与临界值比较,发现所有序列的检验值均大于临界值,表明各原序列都是非平稳的。
(3)时间序列数据的一阶差分的ADF检验quick-series statistics-unit root test,在series name对话框中输入需要检验的序列的名称,在test for unit root in 选择框中选择1nd difference,对其一阶差分进行平稳性检验,其他保持默认设置。
得到序列的ADF平稳性检验结果,检测值-7.8远小于所有临界值,则表明序列一阶差分平稳。
详细的EVIEWS面板数据分析操作引言EVIEWS是一款专业的经济统计软件,广泛应用于经济学和金融领域的数据分析和建模。
EVIEWS提供了丰富的面板数据分析功能,可以帮助用户进行面板数据的处理、描述统计、回归分析等操作。
本文将详细介绍EVIEWS中面板数据分析的操作流程和常用功能。
EVIEWS面板数据的导入首先,我们需要将面板数据导入到EVIEWS中进行分析。
EVIEWS支持多种数据格式的导入,包括Excel、CSV、数据库等。
在导入面板数据时,需要保证数据具有正确的格式,例如面板数据应包含个体(cross-sectional)和时间(time-series)的维度,且面板数据的变量应按照一定的顺序排列。
在导入面板数据后,我们可以利用EVIEWS提供的数据操作命令对数据进行处理和调整。
例如,可以通过group命令将数据按照个体或时间进行分组,通过sort命令对数据进行排序,以便后续的面板数据分析。
面板数据的描述统计分析在面板数据导入并处理完毕后,我们可以进行面板数据的描述统计分析。
EVIEWS提供了丰富的统计功能,可以计算面板数据的平均值、标准差、相关系数等指标。
下面介绍几个常用的描述统计功能:1.summary命令:该命令可以计算面板数据每个变量的平均值、标准差、最大值、最小值等统计指标,并输出到EVIEWS的结果窗口中。
2.correlation命令:该命令可以计算面板数据各变量之间的相关系数矩阵,并输出到结果窗口中。
3.tabulate命令:该命令可以对面板数据进行交叉分组统计,例如计算变量A在变量B的每个取值下的频数和比例。
通过对面板数据进行描述统计分析,可以初步了解数据的分布特征和变量间的关系,为后续的面板数据分析提供基础。
面板数据的回归分析除了描述统计分析,EVIEWS还提供了面板数据的回归分析功能。
通过面板数据回归分析,可以探究变量间的因果关系和影响程度。
下面介绍两个常用的回归分析命令:1.panel least squares(PLS)命令:该命令可以进行面板数据的最小二乘回归分析。
⑩陕&科技丈嗲实验报告成绩一、实验预习:1.多元回归模型。
2.多元回归模型参数的检验。
3.多元回归模型整体的检验。
二、实验的目的和要求:通过案例分析掌握多元回归模型的建立方法和检验的标准;并掌握分析解决实际金融问题的能力。
三、实验过程:(实验步骤、原理和实验数据记录等)软件:Eviews3.1数据:给定美国机动车汽油消费量研究数据。
1.实验步骤1)在Eviews7.0中,新建文件,并将给定的数据输入新建的文件中;2)分析变量间的相关关系;3)进行时间序列的平稳性检验,根据序列趋势图,对原序列进行ADF平稳性检验,再对时间序列数据的一阶差分进行ADF检验,并对结果进行分析讨论。
2.实验原理对于只有一个解释变量的模型,其参数估计方法是最简单的,一般形式如下:y t= A)+ +其中&称为被解释变量,人称为解释变量,%称为随机误差项。
模型可分为两部分:1)回归方程部分,2)随机误差部分,义㈣归分析就是根据样本观察值寻求从和成的估计值。
图一0 Series: S Torkfile: ADF::Adf\| VeA- J Proc: Object Properties ^nnt Name {Freeze J Default-n x| Options | Sample [Gerr j图二2)建立回归模型如卜:四、实验总结:(实验数据处理和实验结果讨论等)1.实验数据处理1)数据的预处理:通过绘制动态曲线、绘制散点图、计算变量之间的相关 关系为正式建模做准备。
可以画出美国汽车各项研究数据的趋势图如下:QMG = c(l) + c(2) * MOB + c(3) * PMG + c(4) * POP + c(5) * GNP 回归结果如下:Dependent Variable: QMG Method: LeastSquares Date: 06/10/14 Time: 16:19 Sample:1950 1987 Included observations: 38QMG=C(1)+C(2)*MOB+C(3)*PMG+C(4)*POP+C(5)*GNP由表中数据带入公式可写出线性回归表达式为:QMG = 24553723 + 1.418520 * MOB- 27995762 * PMG- 59.8748 * POP- 30540.88 * GNP3)进行模型检验从表Prob列的数据中发现c(0)与c(4)的值T检验未通过,可以考虑删除相应的自变量。
[经验分享] 使用eviews做线性回归分析Glossary:ls(least squares)最小二乘法R-sequared样本决定系数(R2):值为0-1,越接近1表示拟合越好,>0.8认为可以接受,但是R2随因变量的增多而增大,解决这个问题使用来调整Adjust R-seqaured()S.E of regression回归标准误差Log likelihood对数似然比:残差越小,L值越大,越大说明模型越正确Durbin-Watson stat:DW统计量,0-4之间Mean dependent var因变量的均值S.D. dependent var因变量的标准差Akaike info criterion赤池信息量(AIC)(越小说明模型越精确)Schwarz ctiterion:施瓦兹信息量(SC)(越小说明模型越精确)Prob(F-statistic)相伴概率fitted(拟合值)线性回归的基本假设:1.自变量之间不相关2.随机误差相互独立,且服从期望为0,标准差为σ的正态分布3.样本个数多于参数个数建模方法:ls y c x1 x2 x3 ...x1 x2 x3的选择先做各序列之间的简单相关系数计算,选择同因变量相关系数大而自变量相关系数小的一些变量。
模型的实际业务含义也有指导意义,比如m1同gdp肯定是相关的。
模型的建立是简单的,复杂的是模型的检验、评价和之后的调整、择优。
模型检验:1)方程显著性检验(F检验):模型拟合样本的效果,即选择的所有自变量对因变量的解释力度F大于临界值则说明拒绝0假设。
Eviews给出了拒绝0假设(所有系统为0的假设)犯错误(第一类错误或α错误)的概率(收尾概率或相伴概率)p 值,若p小于置信度(如0.05)则可以拒绝0假设,即认为方程显著性明显。
2)回归系数显著性检验(t检验):检验每一个自变量的合理性|t|大于临界值表示可拒绝系数为0的假设,即系数合理。
计量经济学eviews操作步骤嘿,朋友们!今天咱就来聊聊计量经济学 eviews 的操作步骤。
这玩意儿啊,就像是打开经济学奥秘大门的一把钥匙呢!
首先,你得把 eviews 这个软件给装上吧。
就跟你要出门得先穿好鞋一样,这可是基础中的基础呀。
装好了之后,打开软件,那界面就展现在你眼前啦。
就好像进入了一个神秘的数字世界。
接下来,你得把你要用的数据给弄进去呀。
这就好比做饭得先有食材呀,没数据你可玩不转呢。
把数据整整齐齐地放进去,就跟给它们排好队似的。
然后呢,就是各种分析啦。
什么回归分析呀,什么统计检验呀。
这就像给数据做各种体检,看看它们是不是健康,有没有啥问题。
你得仔细盯着那些结果,就像医生看检查报告一样认真。
比如说回归分析吧,你得选好自变量和因变量,就像给它们配对似的。
然后看着软件给你算出一堆数字和图表,你得能看懂呀,这可需要点本事呢。
还有啊,统计检验也很重要呢。
就像给数据做质量检测,看看合不合格。
要是不合格,那你就得重新琢磨琢磨啦。
在操作的过程中,可别马虎呀!就跟走路一样,一步一步都得走稳了。
要是不小心弄错了,那可就麻烦啦。
哎呀,这计量经济学 eviews 操作步骤其实说起来也不难,但就是得细心、耐心。
你想想,要是你盖房子,那每一块砖不都得放好呀,这eviews 操作也是一样的道理。
总之呢,多练习,多琢磨,你肯定能掌握好这门技术。
到时候,你
就能在经济学的世界里畅游啦,就像鱼儿在大海里自由自在地游一样!加油吧,朋友们!相信你们一定可以的!。
[经验分享] 使用eviews做线性回归分析Glossary:ls(least squares)最小二乘法R-sequared样本决定系数(R2):值为0-1,越接近1表示拟合越好,>0.8认为可以接受,但是R2随因变量的增多而增大,解决这个问题使用来调整Adjust R-seqaured()S.E of regression回归标准误差Log likelihood对数似然比:残差越小,L值越大,越大说明模型越正确Durbin-Watson stat:DW统计量,0-4之间Mean dependent var因变量的均值S.D. dependent var因变量的标准差Akaike info criterion赤池信息量(AIC)(越小说明模型越精确)Schwarz ctiterion:施瓦兹信息量(SC)(越小说明模型越精确)Prob(F-statistic)相伴概率fitted(拟合值)线性回归的基本假设:1.自变量之间不相关2.随机误差相互独立,且服从期望为0,标准差为σ的正态分布3.样本个数多于参数个数建模方法:ls y c x1 x2 x3 ...x1 x2 x3的选择先做各序列之间的简单相关系数计算,选择同因变量相关系数大而自变量相关系数小的一些变量。
模型的实际业务含义也有指导意义,比如m1同gdp肯定是相关的。
模型的建立是简单的,复杂的是模型的检验、评价和之后的调整、择优。
模型检验:1)方程显著性检验(F检验):模型拟合样本的效果,即选择的所有自变量对因变量的解释力度F大于临界值则说明拒绝0假设。
Eviews给出了拒绝0假设(所有系统为0的假设)犯错误(第一类错误或α错误)的概率(收尾概率或相伴概率)p 值,若p小于置信度(如0.05)则可以拒绝0假设,即认为方程显著性明显。
2)回归系数显著性检验(t检验):检验每一个自变量的合理性|t|大于临界值表示可拒绝系数为0的假设,即系数合理。
使用eviews做线性回归分析随着统计学的发展,线性回归分析越来越被广泛应用于数据分析。
Eviews是一种经济数据分析软件,具有强大的数据分析功能和易于使用的界面,可广泛用于数据分析和预测。
本文将介绍使用Eviews进行线性回归分析的基础步骤,以及如何解读结果和提高模型的准确性。
一、数据准备在进行线性回归分析之前,我们需要准备一组数据。
数据可以从各种来源获得,例如国家统计局、经济学文献、互联网数据库等。
在Eviews中,可以使用Excel、SPSS和STATA等软件导入数据。
在导入数据时,必须确保数据格式正确,包括数据类型、数值范围等。
二、建立模型在Eviews中,建立模型的步骤如下:1.打开导入的数据文件,进入“工作文件”界面。
2.选择“Quick”菜单下的“Estimate Equation”选项,然后在弹出的“Model Specifica tion”对话框中填写相关信息。
此对话框包括四个标签页:变量、样本、选项和高级。
3.在“变量”标签页中,选择研究对象和解释变量,并将它们拖动到相应的框中。
例如,如果我们想研究通货膨胀对GDP的影响,那么GDP应当作为解释变量,通货膨胀率应作为解释变量。
4.在“样本”标签页中,设置分析的时间范围,如开始年份、结束年份、选定的样本或整个样本。
5.在“选项”标签页中,选择所需的估计方法,如OLS、GLS、FGLS等,并指定所需的统计量、弱工具检验、边际效应和预测分析等。
6.在“高级”标签页中,选择是否需要对模型进行修正,如修正异方差、自相关或其他检验结果不好的部分。
7.完成设置后,单击“OK”按钮,Eviews即可自动推导出相应的模型,并显示在“结果”窗口中,在这里可以查看与验证自己的模型结果是否正确等。
三、结果解读1.变量系数:表示自变量的影响程度。
如果系数大于零,则表示该变量与因变量正相关;如果系数小于零,则表示该变量与因变量负相关;如果系数等于零,则表示该变量与因变量之间没有关系。
Eviews3.1操作步骤详解1. 打开软件。
鼠标左键双击桌面上的Eviews图标,打开软件:2. 建立新文件。
鼠标点击File菜单项,并选择New子菜单中的Workfile…,以建立一个新的工作文件。
3. 选择数据类型。
步骤2完成后直接将出现如下选择输入数据频率的画面:根据你将使用的数据本身频率来做相应选择。
例如,如果你要研究1980-1990年度之间的数据,那么可以选择“Annual”选项,并在Start data对应文本框内填写“1980”,以及在End data对应文本框内填写“1990”,然后点击OK按钮,完成本步骤。
4. 输入数据。
完成步骤3后,将出现如下画面:现在已经初步建立了一个新的工作文件。
接下来,需要输入需要研究的数据。
首先,将鼠标点击File菜单下面的空白处,然后给出指令“Series x”(注:单词Series 与字母x之间存在一个空格,以及你可以给变量任意你想要的名字而不一定是x),并按回车键Enter,以建立一个变量名为x的时间序列数据,显然该数据序列包含1980-1990年之间的年度数据:同样,给出指令“Series y可以建立一个变量名为y的时间序列数据。
这样,文件中就建立了变量名分别为x和y的两个时间序列型数据序列。
接下来,首先鼠标左键双击数据序列x,打开如下x数据的输入界面,然后鼠标左键点击Edit+/-选择按钮:数据输入界面被激活,出现如下画面:这表明可以直接输入数据了。
有多种方式输入数据,这里只给出最简单的方式——直接输入。
将鼠标移至NA位置,逐一输入相应年度的x数据,输入完最后一个数据后,再次点击Edit+/-按钮,确认数据输入完毕。
然后,点击关闭键,关闭整个数据输入界面:同样,对y数据序列也输入数据,这样文件中的两个数据序列都已经完成数据输入工作。
5. 一元线性回归。
点击Objects菜单:选择New Object…选项:接下来,选择Equation选项,并点击OK按钮:然后出现如下界面:在闪动的光标后输入指令:“y c x”,注意,每个字母后都是一个空格,该指令的含义是:以y为被解释变量(或应变量),以x为解释变量(或自变量),建立一个一元线性回归模型,其中字母c表示一元线性回归模型的常数项(注意,c字母被Eviews固定作为常数项的表示符号,不能任意作为他用)。
计量经济学实验指导系部:基础部专业:计算与信息科学教师:仓定帮I.实验一多元线性回归模型 (3)II.实验二异方差的检验与处理 (16)III.实验三序列相关的检验与处理 (24)IV.实验四多重共线性的检验与处理 (32)V.实验五虚拟变量模型 (39)VI.实验六分布滞后模型 (45)VII.实验七联立方程模型 (51)VIII.实验八时间序列模型分析 (58)IX.实验九V AR模型的建立与分析 (77)A. ADF检验 (78)B. VAR模型的建立 (79)C. 协整检验 (80)D. GRANGER因果检验 (81)E. 脉冲响应分析 (81)实验内容注:必做实验课堂时间完成,选做实验由学生课后选择时间完成。
每次实验后学生上交实验分析结果。
I.实验一多元线性回归模型【实验目的】通过本实验,了解Eviews软件,熟悉软件建立工作文件,文件窗口操作,数据输入与处理等基本操作。
掌握多元线性回归模型的估计方法,学会用Eiews 软件进行多元回归分析。
通过本实验使得学生能够根据所学知识,对实际经济问题进行分析,建立计量模型,利用Eiews软件进行数据分析,并能够对输出结果进行解释说明。
【实验内容及步骤】本实验选用美国金属行业主要的27家企业相关数据,如下表,其中被解释变量Y表示产出,解释变量L表示劳动力投入,K表示资本投入。
试建立三者之间的回归关系。
7 2427.89 452 3069.91 21 5159.31 835 5206.368 4257.46 714 5585.01 22 3378.4 284 3288.729 1625.19 320 1618.75 23 592.85 150 357.3210 1272.05 253 1562.08 24 1601.98 259 2031.9311 1004.45 236 662.04 25 2065.85 497 2492.9812 598.87 140 875.37 26 2293.87 275 1711.7413 853.1 154 1696.98 27 745.67 134 768.5914 1165.63 240 1078.79【实验内容及步骤】1.数据的输入STEP1:双击桌面上Eviews快捷图标,打开Eviews,如图1.图1STEP2:点击Eviews主画面顶部按钮file/new/Workfile ,如图2,弹出workfile create对话框如图3。
操作步骤
1.建立工作文件
(1)建立数据的exel电子表格
(2)将电子表格数据导入eviews
File-open-foreign data as workfile,得到数据的Eviews工作文件和数据序列表。
2.计算变量间的相关系数
在窗口中输入命令:cor coilfuture dow shindex nagas opec ueurope urmb,点击回车键,得到各序列之间的相关系数。
结果表明Coilfuture数列与其他数列存在较好的相关关系。
3.时间序列的平稳性检验
(1)观察coilfuture序列趋势图
在eviews中得到时间序列趋势图,在quick菜单中单击graph,在series list对话框中输入序列名称coilfuture,其他选择默认操作。
图形表明序列随时间变化存在上升趋势。
(2)对原序列进行ADF平稳性检验
quick-series statistics-unit root test,在弹出的series name对话框中输入需要检验的序列的名称,在test for unit root in 选择框中选择level,得到原数据序列的ADF检验结果,其他保持默认设置。
得到序列的ADF平稳性检验结果,检测值0.97大于所有临界值,则表明序列不平稳。
以此方法,对各时间序列依次进行ADF检验,将检验值与临界值比较,发现所有序列的检验值均大于临界值,表明各原序列都是非平稳的。
(3)时间序列数据的一阶差分的ADF检验
quick-series statistics-unit root test,在series name对话框中输入需要检验的序列的名称,在test for unit root in 选择框中选择1nd difference,对其一阶差分进行平稳性检验,其他保持默认设置。
得到序列的ADF平稳性检验结果,检测值-7.8远小于所有临界值,则表明序列一阶差分平稳。
以此方法,对各时间序列的一阶差分依次进行ADF检验,将检验值与临界值比较,发现所有序列的检验值均小于临界值,表明各序列一阶差分都是平稳的。
由此可知,以上时间序列均为一阶单整时间序列。
4.Granger因果检验
(1)quick-group statistics-granger causality test,出现如下对话框,输入各序列名称,点击OK。
以此得到输入序列之间的单项或双向因果关系。
(2)滞后阶数采用Eviews推荐的滞后阶数
(3)得到与coilfuture序列相关的Granger因果检验结果。
存在dow到coilfuture 的单向因果关系;存在shindex到原油期货价格的单向因果关系;存在原油期货价格到nagas的双向因果关系;存在原油期货价格到OPEC产量的单向因果关系;存在ueurope到原油期货价格的单向因果关系;存在ermb到原油期货价格的单向因果关系。
5.协整检验
对上述的7个单整时间序列采用EG(Engle-Granger)两步法进行协整检验。
(1)在工作表窗口选取coilfuture 、dow 、shindex、nagas、opec、ueurope、urmb,然后单击右键,选择open,点击as group,得到所有序列数据。
(2)在新窗口中点击proc,选择make equation,使用Engle-Granger(EG)两步检验法进行回归,得到回归结果:
(3)在新窗口中点击proc,选择make residual series,得到残差项时间序列RESID01。
(4)对该序列RESID01进行ADF检验(如上所述)。
若残差项平稳,则存在协整关系。
否则,不存在。
由结果可知,检验值-5.298明显小于所有临界值,则残差项RESID01平稳,即原油期货价格与选定的相关连续经济变量存在着长期均衡关系。
6.误差修正模型
(1)对所有的时间数列取对数,消除异方差问题,得到一组新数列,并命名为P1=log(coilfuture),P2=log(dow),P3=log(shindex),P4=log(nagas),P5=log(opec),P6=lo g(ueurope),P7=log(umrb)。
可在eviews中输入Genr命令,自动产生对数数列。
(2) 对数据重新建立回归模型。
单击quick里estimate equation,输入回归参数,P1,P2,P3,P4,P5,P6,P7,得到回归结果。
(3)在quick菜单里点击generate series,输入ecm=resid02(这个resid02在eviews里是指最近一次回归的残差序列)。
再点击quick菜单中的estimate equation,输入:d(p1))c d(p2) d(p3) d(p4) d(p5) d(p6) d(p7) ecm(-1) 得出回归方程,ecm前面的系数就是误差修正系数,看这些系数是不是显著,如果显著就说明因变量对解释变量的短期波动有影响。
我不知道你们考试和我们一样发。
我学习的是英文版,不知道你们是不是。
第一步,file中选new,新建workfile。
第二步,data y录入数据,录入自变量时,就是data x1,后面的依此类推
打开以后里面和excel差不多,如果打不进去,你看看是不是调整到了编辑界面,在data的窗口上面一排按钮里面有个+/-Edit,按一下就可以切换。
第三步,普通最小二乘法OLS
ls y c x1 x2 x3...
回车后出现个参数的估计值,还有判定系数,T、F检验之类的东西。
邹检验:
在此OLS窗口中,通过上方view中stability tests的第一个chow breakpoint
test,可以进行邹检验,里面输入第二组数据的第一个个数,如一共88个数据,现在邹检验分成两组,就输入45。
里面的F检验数值可以判定是否通过邹检验。
异方差性检验:
也在view中residual tests 最后两个white heteroskedasticity(cross terms)或者(no cross terms),就是方程有没有交叉项。
选择下就出来F的结果了,然后判定下。
如果有异方差性,也就是F>c,再怀特方法,还是在OLS窗口上方的estimate,按一下,弹出来的窗口右侧勾勾和叉叉下面选择option,在heteroskedasticity 前面打勾,选下面的white,确定,再之前的窗口再确定,之后会出来调整过的方程。
如果这些还不够,那之后还有问题再问我吧,不过我学的也不多~希望对你有帮助。