下载文档原格式
实验一Eviews的基本操作与一元线性回归模型的最小二乘估计实验目的：1、熟悉Eviews的窗口与界面2、掌握Eviews的命令与菜单的操作3、掌握用Eviews估计与检验一元线性回归模型实验内容：1、启动Eviews双击Eviews图标，出现Eviews窗口，它由以下部分组成：标题栏“Eviews”、主菜单“File，Edit，…，Help”、命令窗口（空白处）和工作区域。
命令窗口工作区域图1-12、产生文件Eviews的操作在工作文件中进行，故首先要有工作文件，然后进行数据输入、分析等等操作。
（1）读已存在文件：File→Open→Workfile。
（2）新建文件：File→New→Workfile，出现对话框“工作文件范围”，选取或填上数据类型、起止时间。
OK后，得到一个无名字的工作文件，其中有：时间范围、当前工作文件样本范围、filter 、默认方程、系数向量C、序列RESID。
在主菜单上依次点击File/New/Workfile，即选择新建对象的类型为工作文件，将弹出一个对话框（如图所示），由用户选择数据的时间频率（frequency）、起始期和终止期。
图1-2工作文件对话框其中， Annual——年度 Monthly——月度Semi-annual——半年 Weekly——周Quarterly——季度 Daily——日Undated or irregular——非时序数据选择时间频率为Annual（年度），再分别点击起始期栏（Start date）和终止期栏（End date），输入相应的日前1985和1998。
然后点击OK按钮，将在EViews 软件的主显示窗口显示相应的工作文件窗口（如图所示）。
图1-3工作文件窗口工作文件窗口是EViews的子窗口，工作文件一开始其中就包含了两个对象，一个是系数向量C（保存估计系数用），另一个是残差序列RESID（实际值与拟合值之差）。
（3）命令方式新建文件在EViews软件的命令窗口中直接键入CREATE命令，也可以建立工作文件。
计量经济学教学案例案例一 简单线性回归模型一、主题与背景用真实数据进行简单线性回归分析，应用Eviews6.0分析软件进行操作，与课本内容相对应，分析模型的截距、斜率以及可决系数，引导学生熟悉Eviews6.0的基本操作，能够解读分析报告，并尝试进行被解释变量的预测，体会变量测度单位的改变和函数形式变化给OLS 估计结果和统计特征的影响。
二、情景描述对于由CEO 构成的总体，令y 代表年薪(salary)，单位为千美元。
令x 表示某个CEO 所在公司在过去三年的平均股本回报率(roe ，股本回报率定义为净收入占普通股价的百分比)。
为研究该公司业绩指标和CEO 薪水之间的关系，可以定义以下模型：Salary=0β+1βroe + u . 斜率参数1β衡量当股本回报率增长一个单位（一个百分点）时CEO 年薪的变化量，由于更高的股本回报率预示更高的CEO 年薪，所以，1β＞0。
三、教学过程设计（一）数据说明数据集CEOSAL1.RAW 包含1990年209位CEO 的相关信息，该数据来自《商业周刊》(5/6/91)，该样本中CEO 年薪的平均值为$1,281,120，最低值和最高值分别为$223,000和$14,822,000，1988、1989和1990年的平均股本回报率是17.18%。
（二）操作建议1：在 eviews6.0命令输入窗口定义变量：data salary roe2、用 edit+/- 编辑数据3、描述统计分析过程：view---descriptive stats---common sample4、画散点图:Scat roe salary5、在eviews6.0命令输入窗口运行简单线性回归 Ls salary c roe6、用resids 观测残差7、产生新序列:S eries lsalary =log(salary)8、改变函数形式：Ls lsalary c lsales9、改变变量测度单位：Ls salary*1000 c roe四、教学研究（一）案例结论1、回归结果估计出的回归线为：salˆary = 963.191 + 18.501 roe(1)截距和斜率保留了3位小数，回归结果显示，如果股本回报率为0，年薪的预测值为截距963.191千美元,可以把年薪的预测变化看做股本回报率变化的函数：∆salˆary = 18.501 (∆roe)，这意味着当股本回报率增加1个百分点，即∆roe =1,则年薪的预测变化就是18.5千美元,在线性方程中，估计的变化与初始年薪无关。
运用EVIEWS 建立多元线性回归并进行相关检验姓名：jelly一、输入数据某社区家庭对某种消费品的消费需要调查二、根据数据画出散点图从上面两散点图可以看出此社区家庭对某商品的消费支出与家庭月收入、商品的价格大致呈线性关系且随着家庭收入和户主受教育年数的逐渐增大对此商品的消费支出也呈逐渐增大的趋势。
三、样本相关阵从样本相关阵可以看出，某商品的消费支出与家庭月收入、商品的价格的相关系数高达0.965046和0.752695 ，说明某商品的消费支出与家庭月收入、商品的价格有显著的线性关序号 商品 价格X1 家庭月 收入X2 对某商品的消费支出Y 1 23.56 7620 591.9 2 24.44 9120 654.5 3 32.07 10670 623.6 4 32.46 11160 647 5 31.15 11900 674 6 34.14 12920 644.4 7 35.3 14340 680 8 38.7 15960 724 9 39.63 18000 757.1 10 46.68 19300 706.8系，可以考虑建立二元线性回归模型。
四、对数据进行普通最小二乘估计，OLS 表如下五、写出估计方程12626.50939.7905700.28618i Y X X ∧=-+（40.13010） （3.197843） （0.05838）t=(15.611195) (-3.061617) (4.902030)20.902218R = 2R =0.874281 六、随机干扰项2'1e e n k σ∧=--'''''ˆˆˆˆˆ()()()()e e Y YY Y Y X Y X Y Y Y X βββ=--=--=-=2116.85 所以22116.85ˆ302.411021σ==-- 由OLS 表得20.902218R = 2R =0.874281 七、由OLS 可得 F=32.29 0.05(2,7) 4.74F =因为32.29>4.74,所以方程的总体线性性显著成立由OLS 表可得 C 的t 值为15.61 X1的t 值为-3.06 X2的值为4.90 0.025(7) 2.365t =所以常输项，X1和X2的总体参数都显著的异于零将数据分别代入以下三个式子：0ˆ00.025ˆt S ββ±⨯ 1ˆ10.025ˆt S ββ±⨯ 2ˆ20.025ˆt S ββ±⨯ 可得参数95%的置信区间分别为（531.62，724.40） -17.35，-2.22） （0.014，0.042）八、X1=35 X2=20000将X1，X2代人方程可得Y 为856.20Y 的均值0ˆY S =37.05 0.025(7) 2.365t = 所以Y 的均值在95%的置信区间为（768.58，943.82）Y 的个值0ˆY S =40.93 0.025(7) 2.365t =所以Y 的个值在95%的置信区间为（759.41，952.99）第二个实验输入数据，对其进行回归分析输出OLS 表由表可得方程为ˆln 101540.609ln 0.361ln Y K L =++ （1.59）（3.45） （1.79）2R =0.8099 2R =0.7963 F=59.660.05(2,28)F =3.34 0.025(28)t =2.048 0.01(28)t =1.701所以lnK 与lnL 联合起来对lnY 有显著的线性影响在5%的显著性水平下，lnK 的参数通过了检验但lnL 的参数未通过t 检验，如果设定显著性水平为10%，lnL 与lnK 都通过检验。
第一部分Eviews基本操作第一章预备知识一、什么是Eviews（全称Econometric Views）Eviews 软件是QMS（Quantitative Micro Software）公司开发的基于Windows平台下的应用软件，其前身是DOS操作系统下的TSP软件，最新版本是Eviews6.0。
该软件是由经济学家开发，主要应用在经济学领域，可用于回归分析与预测(regression and forecasting)、时间序列(Time series)以及横截面数据(cross-sectional data )分析。
与其他统计软件（如EXCEL、SAS、SPSS）相比，Eviews功能优势是回归分析与预测。
二、Eviews工作特点初学者需牢记以下两点。
一、Eviews软件对对象（objects）的具体操作是在Workfile 中进行，也就是说，如果想用Eviews进行具体的操作，必须先新建一个或打开一个已经存在在硬盘（或软盘）上的Workfile，在此Workfile中进行输入数据、建造模型等操作；二、Eviews处理的对象及运行结果都称之为objects，如序列（sereis）方程(equations)、模型（models）、系数（coefficients）等objects。
objects可以不同形式浏览（views），比如表格（spreadsheet）、图（graph）、描述统计（descriptive statistics）等，但这些浏览（views）不是独立的objects，他们随原变量序列（views）的改变而改变。
如果想将某个浏览（views）转换成一个独立的objects，可使用freeze 按钮将该views“冻结”，从而形成一个独立的objects，然后可对其进行编辑或存储。
三、一个作示例在这里，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的功能展开讨论，目的是使读者先对Eviews有个概括了解。
上机练习3要求：掌握多元线性回归分析的eviews操作及相应的统计分析；掌握偏相关系数和弹性系数计算以及多参数假设检验。
一、根据ex43的数据，建立简单消费函数模型，假定消费量仅依赖于同期可支配个人收入。
即为第一次上机作业ex32的例子，求出求出边际消费倾向的 95% 置信区间，检验该模型中正态分布的假设是否成立。
建立简单储蓄函数模型，假定储蓄是同期可支配收入的函数。
分析两个模型系数之间的关系。
可以发现：两个方程密切相关，两个斜率系数之和等于1。
另外，两个模型的回归平方和、回归标准误差以及残差均相等。
个人消费：GC储蓄：GS=GYD-GC可支配个人收入：GYD单位：十亿美元二、下表给出美国1980~1996年间城市劳动力参与率、失业率和平均小时工资的数据:年 劳动力参与率 失业率平均小时工资年 劳动力参与率失业率平均小时工资1980 63.8 7.1 7.78 198966.5 5.3 7.64 1981 63.9 7.6 7.69 199066.5 5.6 7.52 1982 64 9.7 7.68 199166.2 6.8 7.45 1983 64 9.6 7.79 199266.4 7.5 7.41 1984 64.4 7.5 7.8 199366.3 6.9 7.39 1985 64.8 7.2 7.77 199466.6 6.1 7.4 1986 65.3 7 7.81 199566.6 5.6 7.4 1987 65.6 6.2 7.73 199666.8 5.4 7.43 1988 65.9 5.5 7.69由此考虑问题：经济形势会影响人们进入劳动力市场的决定吗？这里用失业率来度量经济形势，用劳动力参与率度量劳动力的参与。
建立劳动力参与率对失业率和平均小时工资的二元回归方程。
（1）检验系数和方程的显著性；（2）系数的符号与你希望的一致吗？说出系数的经济含义； （3）以此例为例说明，二元回归可用两个一元回归来做。
案例1：经济理论指出，家庭消费支出（Y ）不仅取决于可支配收入（X 1）,还决定于个人财富（X 2），即可设定如下回归模型：01122i i i i Y X X u βββ=+++操作：对以上数据利用最小二乘法进行回归分析，分析：（1） 样本可决系数为96%，表示收入和财富可以解释消费支出总变动的96%； （2） F 统计量为88.84，对应的p 值为0.000011，小于0.05，表明方程总体线性显著，或者解释变量中至少有一个是对被解释变量有显著影响；（3） 两变量的t 统计量对应的p 值均大于0.05，表明两解释变量对被解释变量的影响是不显著的，与F 统计量所得到的结果矛盾； （4） 财富变量的系数符号与实际情况不符；综合（2）、（3）、（4）表明可能存在严重的多重共线性。
通过计算两解释变量之间的相关系数为0.9986，高于样本可决系数96%。
表明收入和财富之间高度相关，使得无法分辨二者对被解释变量的贡献。
相关系数：125()()i i j j X X X X X X r --=∑（5） 因此该回归结果不可靠，可以考虑只作消费支出对收入或财富的一元线性回归模型来替代二元回归模型。
案例2：天津市1974—1987年粮食需求的相关数据：Y=粮食销售量（万吨/年）；X1=市常住人口（万人）；X2=人均收入（元/年）；X3=肉销售量（万吨/年）；X4=假定粮食需求函数：01122334455t t t t t t tY X X X X X u ββββββ=++++++（1）普通最小二乘法估计此模型，运行结果：得到回归模型：12345ˆ 3.490.130.07 2.67 3.45 4.49Y X X X X X =-++++- （-0.12）（ 2.12） （1.94） （2.13） （1.41） （-2.03）R 2=0.97 F=52.53 T=14(2)多重共线性判定：模型可能存在多重共线性。
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。
