计量经济学 受约束回归检验 、Eviews6

时间序列回归本章讨论含有ARMA 项的单方程回归方法，这种方法对于分析时间序列数据（检验序列相关性，估计ARMA 模型，使用分布多重滞后，非平稳时间序列的单位根检验）是很重要的。

§13.1序列相关理论 时间序列回归中的一个普遍现象是：残差和它自己的滞后值有关。

这种相关性违背了回归理论的标准假设：干扰项互不相关。

与序列相关相联系的主要问题有：一、一阶自回归模型最简单且最常用的序列相关模型是一阶自回归AR(1)模型定义如下：t t t u x y +'=βt t t u u ερ+=-1参数ρ是一阶序列相关系数，实际上，AR(1)模型是将以前观测值的残差包含到现观测值的回归模型中。

二、高阶自回归模型：更为一般，带有p 阶自回归的回归，AR(p)误差由下式给出：t t t u x y +'=βt p t p t t t u u u u ερρρ++++=--- 2211AR(p)的自回归将渐渐衰减至零，同时高于p 阶的偏自相关也是零。

§13.2 检验序列相关在使用估计方程进行统计推断（如假设检验和预测）之前，一般应检验残差（序列相关的证据），Eviews 提供了几种方法来检验当前序列相关。

1．Dubin-Waston 统计量 D-W 统计量用于检验一阶序列相关。

2．相关图和Q-统计量 计算相关图和Q-统计量的细节见第七章3．序列相关LM 检验 检验的原假设是：至给定阶数，残差不具有序列相关。

§13.3 估计含AR 项的模型随机误差项存在序列相关说明模型定义存在严重问题。

特别的，应注意使用OLS 得出的过分限制的定义。

有时，在回归方程中添加不应被排除的变量会消除序列相关。

1．一阶序列相关在EViews 中估计一AR(1)模型，选择Quick/Estimate Equation 打开一个方程，用列表法输入方程后，最后将AR(1)项加到列表中。

例如：估计一个带有AR(1)误差的简单消费函数t t t u GDP c c CS ++=21t t t u u ερ+=-1应定义方程为： cs c gdp ar(1)2．高阶序列相关估计高阶AR 模型稍稍复杂些，为估计AR(k )，应输入模型的定义和所包括的各阶AR 值。

数学与统计学院实验报告院（系）：数学与统计学学院学号：姓名：实验课程：计量经济学指导教师:实验类型（验证性、演示性、综合性、设计性）：验证性实验时间：2017年 3 月15 日一、实验课题Chow检验（邹氏检验）二、实验目的和意义1 建立财政支出模型表1给出了1952-2004年中国财政支出（Fin）的年度数据（以1952年为基期，用消费价格指数进行平减后得数据）。

试根据财政支出随时间变化的特征建立相应的模型。

表1obs Fin obs Fin obs Fin1952 173.94 1970 563.59 1988 1122.881953 206.23 1971 638.01 1989 1077.921954 231.7 1972 658.23 1990 1163.191955 233.21 1973 691 1991 1212.511956 262.14 1974 664.81 1992 1272.681957 279.45 1975 691.32 1993 1403.621958 349.03 1976 656.25 1994 1383.741959 443.85 1977 724.18 1995 1442.191960 419.06 1978 931.47 1996 1613.191961 270.8 1979 924.71 1997 1868.981962 229.72 1980 882.78 1998 2190.31963 266.46 1981 874.02 1999 2616.461964 322.98 1982 884.14 2000 3109.611965 393.14 1983 982.17 2001 3834.161966 465.45 1984 1147.95 2002 4481.41967 351.99 1985 1287.41 2003 5153.41968 302.98 1986 1285.16 2004 6092.991969 446.83 1987 1241.86步骤提示：（1）做变量fin的散点图，观察规律，看在不同时期是否有结构性变化。

数学与统计学院实验报告院（系）：数学与统计学学院学号：姓名：实验课程：计量经济学指导教师:实验类型（验证性、演示性、综合性、设计性）：验证性实验时间：2017年 3 月 15 日一、实验课题Chow检验（邹氏检验）二、实验目的和意义1 建立财政支出模型表1给出了1952-2004年中国财政支出（Fin）的年度数据（以1952年为基期，用消费价格指数进行平减后得数据）。

试根据财政支出随时间变化的特征建立相应的模型。

表1obs Fin obs Fin obs Fin19521970198819531971198919541972199019551973691199119561974199219571975199319581976199419591977199519601978199619611979199719621980199819631981199919641982200019651983200119661984200219671985200319681986200419691987步骤提示：（1）做变量fin的散点图，观察规律，看在不同时期是否有结构性变化。

（2）建立时间变量t=1，2，…，做Fin关于t的线性回归模型，并对其做参数结构稳定性检验（Chow检验或Chow预测检验）（建立变量t的方法是：t=@trend()+1）三、解题思路（1）Eviews6---建立fin的连续序列（object--series）---画散点图（view—graph—dot plot）（2）建立t的时间变量（quick—generate series—t=@trend()+1）---建立fin、t的方程（quick--estimate equation—fin c t）---chow检验（view—stability test—chow breakpoint test—断点为1996）---建立三个方程（一个受约束方程，两个不受约束方程）---比较1996年属于不受约束方程那个方程四、实验过程记录与结果（1）、散点图通过散点图可以发现，1996年存在结构性变化（针对斜率96年前后突然变大）（2）chow检验受约束模型：由该方程发现，残差存在明显的相关性，即存在自相关性，进行以1996年为断点分阶段检验不受约束模型（1）、1952-1996（2）1997-2004根据受约束模型相比，各统计量明显有转好的趋势。

基于EViews 6的面板数据计量分析 对于面板数据，EViews 6 提供的估计方法有如下三种，最小二乘估计——LS - Least Squares (and AR)二阶段最小二乘估计——TSLS - Two-Stage Least Squares (and AR)动态面板数据模型的广义矩估计——GMM / DPD - Generalized Method ofMoments/Dynamic Panel Data第1节“LS - Least Squares (LS and AR)”估计如果选择最小二乘方法估计面板数据模型，在“Equation Estimation”窗口中，须依次设置“Specification”、“Panel Options”和“Options”页面。

1.1“Specification”页面在“Specification”页面中，完成模型设定和估计样本时间范围的选择。

1 在“Equation specification”编辑区，指定模型的被解释变量、截距项和解释变量；2 在“Sample”编辑区，指定估计样本时间的范围。

1.2“Panel Options”页面设置模型中不可观测的双（单）因素效应，即面板数据回归模型的选择。

点击“Panel Options”该页面包含三方面内容。

1 效应设置在“Effects specification”选择区，设定面板数据模型的个体效应和时间效应，可选择的选项有“None”、“Fixed”和“Random”，分别表示“无效应”、“固定效应”和“随机效应”。

如果选择了“Fixed”或“Random”，EViews在输出结果中自动添加一个共同常数，即截距项，以保证效应之和为零。

否则，截距项必要时，须在“Specification”页面的“Equation specification”编辑区设定模型截距项。

2 GLS加权设置“GLS Weights”可以在下拉框中选择如下选项之一。

计量经济学软件EVIEWS6.0基本操作一、什么是EVIEWSEVIEWS (ECONOMETRIC VIEWS)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。

EVIEWS软件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、stata、R）相比，EVIEWS功能优势是菜单操作简单明了，使用方法，非常适用计量经济学初级学员。

本手册对EVIEWS软件6.0版本进行简单介绍，目的是让初级学员通过本章介绍，能够对学过的计量经济理论和方法进行简单应用，以便完成本书所述的相关实验项目。

二、EVIEWS安装EVIEWS6.0文件安装包大小约190MB，可在网上下载①。

下载完毕后，按照包中安装文件所述安装方法安装该软件。

安装完毕后，将快捷键发送的桌面，电脑桌面显示有EVIEWS6.0图标，整个安装过程就结束了。

双击EVIEWS按钮即可启动该软件（图1），图1所示界面称为EVIEWS软件主窗口，主窗口中的菜单，如File菜单称为EVIEWS主菜单。

图1三、Eviews工作特点初次使EVIEWS6.0计量经济学软件，必须了解其工作过程。

如，想要完成一个校准一元线性回归模型的参数估计，必须要完成两大步工作。

第一大步工作就是在建立一个工作文档（即EVIEWS6.0中的Workfile文档）、建立变量、导入数据；第二大步工作是在第一大步工作的基础上，根据模型特征，选用适当的参数估计方法，完成参数估计及相关检验。

四、具体示例在这里，我们通过一个简单的标准一元线性回归模型的估计过程来说明Eviews软件完成回归分析的基本过程。

基于EVIEWS软件的计量经济学建模检验案例解读计量经济学是经济学领域的一个重要分支，它运用数理统计方法对经济学模型进行定量分析和预测。

而EVIEWS软件则是计量经济学常用的数据分析与建模工具。

本文将通过一个实例案例，解读基于EVIEWS软件的计量经济学建模检验的方法和过程。

首先，我们需要了解案例的背景和研究问题。

假设我们想研究某国家的经济增长与就业率之间的关系。

我们提出了一个假设：经济增长对就业率有积极的影响。

第一步是数据收集和准备。

我们需要收集与经济增长和就业率相关的数据。

以中国为例，我们可以从国家统计局等官方机构获取国内生产总值（GDP）和就业率的数据。

这些数据应该是时间序列数据，通常包括一定的时间跨度和频率（例如月度或年度数据）。

第二步是数据预处理。

我们需要对收集到的数据进行清洗和处理，以确保数据的质量。

具体来说，我们需要检查数据是否存在缺失值、异常值等，确保数据的连续性和一致性。

第三步是建立计量经济学模型。

在本案例中，我们使用一个简单的线性回归模型来研究经济增长对就业率的影响。

假设就业率（Y）是经济增长（X）的线性函数，即Y = β0 +β1X + ε，其中β0和β1是回归系数，ε是误差项。

第四步是模型检验。

在EVIEWS软件中，我们可以利用OLS（Ordinary Least Squares）方法进行模型的估计和检验。

OLS方法是最小二乘法的一种形式，用于估计回归系数的值。

此外，我们还可以通过检验模型的显著性和拟合优度来评估模型的质量。

具体来说，我们可以通过检验回归系数的t值和p值来判断是否存在统计显著性。

如果t值的绝对值较大且p值小于设定的显著性水平（通常是0.05），则可以认为回归系数是显著的，即具有统计意义。

此外，我们还可以计算回归方程的R-squared值来评估模型的拟合优度，R-squared值越接近1，说明模型的解释能力越强。

最后，我们需要进行模型诊断。

模型诊断用于检验回归模型的假设是否成立，以及模型是否满足统计方法的要求。

数学与统计学院实验报告院（系）：数学与统计学学院学号：姓名：实验课程：计量经济学指导教师:实验类型（验证性、演示性、综合性、设计性）：验证性实验时间：2017年 3 月15 日一、实验课题Chow检验（邹氏检验）二、实验目的和意义1 建立财政支出模型表1给出了1952-2004年中国财政支出（Fin）的年度数据（以1952年为基期，用消费价格指数进行平减后得数据）。

试根据财政支出随时间变化的特征建立相应的模型。

表1obs Fin obs Fin obs Fin19521970198819531971198919541972199019551973691199119561974199219571975199319581976199419591977199519601978199619611979199719621980199819631981199919641982200019651983200119661984200219671985200319681986200419691987步骤提示：（1）做变量fin的散点图，观察规律，看在不同时期是否有结构性变化。

（2）建立时间变量t=1，2，…，做Fin关于t的线性回归模型，并对其做参数结构稳定性检验（Chow检验或Chow预测检验）（建立变量t的方法是：t=@trend()+1）三、解题思路（1）Eviews6---建立fin的连续序列（object--series）---画散点图（view—graph—dot plot）（2）建立t的时间变量（quick—generate series—t=@trend()+1）---建立fin、t的方程（quick--estimate equation—fin c t）---chow检验（view—stability test—chow breakpoint test—断点为1996）---建立三个方程（一个受约束方程，两个不受约束方程）---比较1996年属于不受约束方程那个方程四、实验过程记录与结果（1）、散点图通过散点图可以发现，1996年存在结构性变化（针对斜率96年前后突然变大）（2）chow检验受约束模型：由该方程发现，残差存在明显的相关性，即存在自相关性，进行以1996年为断点分阶段检验不受约束模型（1）、1952-1996（2）1997-2004根据受约束模型相比，各统计量明显有转好的趋势。