Eviews计量经济学三大检验

E v i e w s计量经济学三大检验作业1我们有1978-2007年我国财政收入,国内生产总值,财政支出和商品零售价格指数的年度数据。

请用Eview 进行回归分析。

（1） 根据回归结果分析模型的经济意义（包含模型的显著性，拟合优度，系数的显著性，系数的经济意义）建立模型，做OLS 估计，得结果图一，列表如下：43283175.57898859.0003271.0558.6399X X X Y ++--=∧)0636.20)(065848.0)(012559.0)(836.2132(SE )882456.2)(65061.13)(260476.0-)(000492.3-(t =997046.02=R 996705.02=R 845.2924=F模型整体显著性较高（F 检验十分显著），可决系数2R 和调整的可决系数较大，即样本回归方程对样本观测值拟合较好。

t 检验显示2X 的系数不显著（p 值>0.05,不能拒绝β=0的原假设）,3X 和4X 的系数显著（p值<0.05，拒绝β=0的原假设）。

从模型的经济意义来看，财政支出、商品零售价格指数与财政收入成正相关，国内生产总值与财政收入成负相关,不符合客观经济规律，可能与模型变量的选取有关。

考虑对模型进行对数变换，结果为图二。

432ln 128427.1ln 631090.0ln 448496.0946444.6ln X X X Y +++-=∧)610249.0)(160929.0)(141418.0)(853146.2(SE)849127.1)(921549.3)(171412.3)(434662.2(t -=987673.02=R 986251.02=R 3969.694=F对数变换后模型整体显著性较高（F 检验十分显著，p 值=0.00<<0.05），可决系数2R 和调整的可决系数略有下降，模型可解释98.63%的因变量变化。

时间地点实验题目简单线性回归模型分析一、实验目的与要求：目的：影响财政收入的因素可能有很多，比如国内生产总值，经济增长，零售物价指数，居民收入，消费等。

为研究国内生产总值对财政收入是否有影响，二者有何关系。

要求：为研究国内生产总值变动与财政收入关系，需要做具体分析。

二、实验内容根据1978－1997年中国国内生产总值X和财政收入Y数据，运用EV软件，做简单线性回归分析，包括模型设定，估计参数，模型检验，模型应用，得出回归结果。

三、实验过程：（实践过程、实践所有参数与指标、理论依据说明等）简单线性回归分析，包括模型设定，估计参数，模型检验，模型应用。

（一）模型设定为研究中国国内生产总值对财政收入是否有影响，根据1978－1997年中国国内生产总值X 和财政收入Y，如图1：1978－1997年中国国内生产总值和财政收入（单位：亿元）根据以上数据，作财政收入Y 和国内生产总值X 的散点图，如图2：从散点图可以看出，财政收入Y 和国内生产总值X 大体呈现为线性关系，所以建立的计量经济模型为以下线性模型：01i i i Y X u ββ=++（二）估计参数1、双击“Eviews ”，进入主页。

输入数据：点击主菜单中的File/Open /EV Workfile —Excel —GDP.xls;2、在EV 主页界面点击“Quick ”菜单，点击“Estimate Equation ”,出现“Equation Specification ”对话框，选择OLS 估计，输入“y c x ”,点击“OK ”。

即出现回归结果图3：图3. 回归结果Dependent Variable: Y Method: Least Squares Date: 10/10/10 Time: 02:02 Sample: 1978 1997 Included observations: 20Variable Coefficient Std. Error t-Statistic Prob. C 857.8375 67.12578 12.77955 0.0000 X0.1000360.00217246.049100.0000R-squared 0.991583 Mean dependent var 3081.158 Adjusted R-squared 0.991115 S.D. dependent var 2212.591 S.E. of regression 208.5553 Akaike info criterion 13.61293 Sum squared resid 782915.7 Schwarz criterion 13.71250 Log likelihood -134.1293 F-statistic 2120.520 Durbin-Watson stat0.864032 Prob(F-statistic)0.000000参数估计结果为：i Y = 857.8375 + 0.100036i X（67.12578） （0.002172）t =（12.77955） （46.04910）2r =0.991583 F=2120.520 S.E.=208.5553 DW=0.8640323、在“Equation ”框中，点击“Resids ”,出现回归结果的图形（图4）:剩余值（Residual ）、实际值（Actual ）、拟合值（Fitted ）.（三）模型检验1、 经济意义检验回归模型为：Y = 857.8375 + 0.100036*X （其中Y 为财政收入，i X 为国内生产总值；）所估计的参数2ˆ =0.100036，说明国内生产总值每增加1亿元，财政收入平均增加0.100036亿元。

实验一 EViews软件的基本操作【实验目的】了解EViews软件的基本操作对象，掌握软件的基本操作。

【实验内容】一、EViews软件的安装；二、数据的输入、编辑与序列生成；三、图形分析与描述统计分析；四、数据文件的存贮、调用与转换。

实验内容中后三步以表1-1所列出的税收收入和国内生产总值的统计资料为例进行操作。

表1-1 我国税收与GDP统计资料单位：亿元资料来源：《中国统计年鉴1999》【实验步骤】一、安装EViews软件㈠EViews对系统环境的要求⒈一台386、486奔腾或其他芯片的计算机，运行Windows3.1、Windows9X、Windows2000、WindowsNT或WindowsXP操作系统；⒉至少4MB内存；⒊VGA、Super VGA显示器；⒋鼠标、轨迹球或写字板；⒌至少10MB以上的硬盘空间。

㈡安装步骤⒈点击“网上邻居”，进入服务器；⒉在服务器上查找“计量经济软件”文件夹，双击其中的setup.exe，会出现如图1-1所示的安装界面，直接点击next按钮即可继续安装；⒊指定安装EViews软件的目录（默认为C:\EViews3，如图1-2所示），点击OK按钮后，一直点击next按钮即可；⒋安装完毕之后，将EViews的启动设置成桌面快捷方式。

图1-1 安装界面1图1-2 安装界面2二、数据的输入、编辑与序列生成㈠创建工作文件⒈菜单方式启动EViews软件之后，进入EViews主窗口（如图1-3所示）。

图1-3 EViews主窗口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1-4所示），由用户选择数据的时间频率（frequency）、起始期和终止期。

图1-4 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。

计量经济学经典eviews 定义和诊断检验本章描述的每一检验过程包括假设检验的原假设定义。

检验指令输出包括一个或多个检验统计量样本值和它们的联合概率值（p 值）。

p 值说明在原假设为真的情况下，样本统计量绝对值的检验统计量大于或等于临界值的概率。

这样，低的p 值就拒绝原假设。

对每一检验都有不同假设和分布结果。

方程对象菜单的View 中给出三种检验类型选择来检验方程定义。

包括系数检验、残差检验和稳定性检验。

其他检验，如单位根检验（13章）、Granger 因果检验（8章）和Johansen 协整检验（19章）。

§15.1 系数检验一、Wald 检验——系数约束条件检验Wald 检验没有把原假设定义的系数限制加入回归，通过估计这一无限制回归来计算检验统计量。

Wald 统计量计算无约束估计量如何满足原假设下的约束。

如果约束为真，无约束估计量应接近于满足约束条件。

考虑一个线性回归模型：εβ+=X y 和一个线性约束：0:0=-r R H β，R 是一个已知的k q ⨯阶矩阵，r 是q 维向量。

Wald 统计量在0H 下服从渐近分布)(2q χ，可简写为： )())(()(112r Rb R X X R s r Rb W -'''-=--进一步假设误差ε独立同时服从正态分布，我们就有一确定的、有限的样本F-统计量q W k T u u q u u u u F /)/(/)~~(=-''-'= u~是约束回归的残差向量。

F 统计量比较有约束和没有约束计算出的残差平方和。

如果约束有效，这两个残差平方和差异很小，F 统计量值也应很小。

EViews 显示2χ和F 统计量以及相应的p 值。

假设Cobb-Douglas 生产函数估计形式如下：εβα+++=K L A Q log log log （1）Q 为产出增加量，K 为资本投入，L 为劳动力投入。

系数假设检验时，加入约束1=+βα。

1 做散点图 Quick/Graph 输入两个变量点击OK 选择Scatter做拟合优度图输出结果窗口点击Resids2 检验相关性从主菜单选择 Quick/Group Statistics/Correlations之后会弹出个对话框，在对话框选择你的目标序列如 y x1 x2 x3 输出结果如表格所示Y X1 X2Y 1.000000 0.964428 0.776150X1 0.964428 1.000000 0.754522X2 0.776150 0.754522 1.000000[size=+0][size=+0]3 [size=+0]F检验[size=+0][size=+0]ESS的自由度是k-1，RSS的自由度是n－k，其中n是样本容量，k是变量个数；[size=+0] 检验回归方程的F值与F(K-1，n-k)在显著性水平下（通常取0.05）的大小；[size=+0]若 F>F(K-1，K-n)则认为回归方程显著4 自相关（Residual test）[size=+0][size=+0] 残差散点图法可通过excel作图（从eviews resid中复制数据） [size=+0]如主要点分布在一三象限，说明存在正相关；如主要分布在二四象限，说明存在负相关。

[size=+0] [size=+0]解决办法：广义差分法 1）对原模型进行回归，求出如其等于0.6 2）生成新序列，即Genr y1=y-(1-0.6)/2*y(-1) Genr x1=x-(1-0.6)/2*x(-1) （-1）表示滞后一期 3）对新数列进行回归柯克兰内-奥长特两段法点击 quick/ estimate equation 在分析输出窗口中输入Y C X AR(1)5 [size=+0][size=+0]异方差性[size=+0]怀特法：在输出结果窗口点击view/residual tests/heter text 若TR的平方大于，则认为存在异方差，q为解释变量的个数。

各种检验总结1、偏度：①序列的分布是对称的，S值为0；②正的S值意味着序列分布有长的右拖尾；③负的S值意味着序列分布有长的左拖尾。

2、峰度：①如果K 值大于3，分布的凸起程度大于正态分布；②如果K值小于3，序列分布相对于正态分布是平坦的。

3、正态性检验：Q-Q图：看QQ图上的点是否近似地在一条直线附近, 是的话近似于正态分布。

Jarque-Bera 检验：①如果P值很小，则拒绝原假设，X不服从正态分布；②如果P值大于0.05（0.1）接受原假设, X 服从正态分布。

输入数据用鼠标单击“Quick”，出现下拉菜单，单击“Empty Group”，出现“Group”窗口。

在数据表的第一列中键入y的数据，并将该序列名取为y；在第二、第三列中分别键入x1 和x2的数据，并分别取名为x1和x2。

回归分析用鼠标单击“Quick”，出现下拉菜单，单击“Estimate Equation”，在弹出对话框中键入y c x1 x2；在“Estimation Settings”栏中选择“Least Squares”（最小二乘法)；点击“OK”，屏幕显示回归分析结果如表3-16所示。

回归检验1、拟合优度检验：R2 =0.864267说明，回归方程即上述样本需求函数的解释能力为86.4%，即所有解释变量能对该被解释变量变动的86.4%作出解释。

回归方程的拟合优度较好。

2、回归模型的总体显著性检验：从全部因素的总体影响看，α表示显著性水平(一般取5%，也可取10%根据题目而定)假设在5%显著性水平上，若F检验的P值小于0.05，说明所有解释变量对被解释变量的共同影响显著。

3、单个回归系数的显著性检验：从单个因素的影响看，在5%显著性水平上，查看各个解释变量的T检验值若大于2，一般表示该解释变量对被解释变量有显著影响。

但是，最主要是看解释变量的P检验值，若P值小于0.05则表示该解释变量对被解释变量有显著影响。

异方差检验：（1）判断1.图示法——残差的图示检验通过resid 与x的散布图判断，图形成喇叭状。

自相关问题的检验与修正【实验目的与要求】熟练使用EViews软件进行计量分析，理解自相关的检验和估计的基本方法【实验准备】1.自相关的基本概念：若Cov(u i,u j)=E(u i uj)=0(i≠j)不成立，即线性回归模型扰动项的方差—协方差矩阵的非主对角线元素不全为零，则称为扰动项自相关，或序列相关（serial correlation）2.自相关的后果：（1）在扰动项自相关的情况下，尽管OLS估计量仍为无偏估计量，但不再具有最小方差的性质，即不是BLUE。

（2）OLS估计量的标准误差不再是真实标准误差的无偏估计量，使得在自相关的情况下，无法再信赖回归参数的置信区间或假设检验的结果。

3.检验自相关的基本方法：残差检验、D.W检验、Q检验4.自相关的修正方法：广义差分法。

【实验内容】1.利用实验数据建立实际有效汇率REER对名义有效汇率NEER的一元回归模型，根据残差检验、D.W 检验、Q检验判别是否存在自相关。

2.利用实验数据，建立中国出口EX对中国进口IM的一元回归模型，根据残差检验、D.W检验、Q 检验判别是否存在自相关。

3.如果检验结果为存在自相关，根据残差检验和D.W检验估计一阶自相关系数。

4.根据估计出的一阶自相关系数，利用广义差分法估计模型。

5.对利用广义差分法估计得到的模型，根据残差检验、D.W检验、Q检验判别是否存在自相关。

6.对实际有效汇率REER对名义有效汇率NEER和中国出口EX对中国进口IM的一元回归模型，根据残差检验和Q检验判别是否存在高阶自相关。

7.如果检验结果为存在高阶自相关，根据残差检验估计高阶自相关系数。

8.根据估计出的高阶自相关系数，利用广义差分法估计模型。

9.对利用广义差分法估计得到的模型，根据残差检验和Q检验判别是否存在高阶自相关。

10.对在同样数据基础上得到的不同模型进行比较分析。

以下实验数据为1980-2003年人民币名义有效汇率（NEER）和实际有效汇率（REER）的数据（来源于国际货币基金组织出版的国际金融统计（IFS））和1982-2002年中国出口（EX）和进口（IM）（单位：亿美元）的数据（来源于中国商务部网站）。

eviews计量经济学实验报告EViews计量经济学实验报告引言计量经济学是经济学领域中的一个重要分支，它运用数学、统计学和计量学的方法来分析经济现象。

EViews是一个常用的计量经济学软件，它提供了丰富的数据分析和模型建立工具，被广泛应用于学术研究和实际经济分析中。

本实验报告将利用EViews软件进行计量经济学实验，以探讨经济现象并得出相关结论。

实验目的本实验旨在利用EViews软件对某一经济现象进行实证分析，通过建立相应的计量经济模型，对经济现象进行量化分析，并得出相关结论。

实验步骤1. 数据收集：首先，我们需要收集与所研究经济现象相关的数据，包括时间序列数据和横截面数据等。

这些数据可以来自于官方统计机构、学术研究机构或者自行收集整理。

2. 数据预处理：接下来，我们需要对收集到的数据进行预处理，包括数据清洗、缺失值处理、异常值处理等，以确保数据的质量和完整性。

3. 模型建立：在数据预处理完成后，我们可以利用EViews软件建立计量经济模型，包括回归分析、时间序列分析、面板数据分析等，以探讨经济现象的内在规律和影响因素。

4. 模型估计：建立模型后，我们需要对模型进行参数估计，得到模型的具体参数估计值，并进行显著性检验和模型拟合度检验，以验证模型的可靠性和有效性。

5. 结果分析：最后，我们将对模型估计结果进行分析，得出与经济现象相关的结论，并对实证分析结果进行解释和讨论。

实验结论通过以上实验步骤，我们得出了关于某一经济现象的实证分析结果，并得出了相关的结论。

这些结论对于理解经济现象的内在规律和制定经济政策具有重要的参考价值。

总结EViews计量经济学实验报告通过利用EViews软件进行实证分析，对经济现象进行了深入探讨，并得出了相关结论。

这些结论对于经济学研究和实际经济分析具有重要的理论和实践意义，为我们深入理解经济现象和推动经济发展提供了重要的参考依据。

EViews软件的应用为我们提供了一个强大的工具，帮助我们更好地理解和分析经济现象，为经济学领域的研究和实践提供了重要的支持和帮助。

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。

《计量经济学》上机实验参考答案实验一：线性回归模型的估计、检验和预测（3 课时）实验设备：个人计算机，计量经济学软件Eviews，外围设备如U 盘。

实验目的：（1）熟悉Eviews 软件基本使用功能；（2）掌握一元线性回归模型的估计、检验和预测方法；正态性检验；（3）掌握多元线性回归模型的估计、检验和预测方法；（4）掌握多元非线性回归模型的估计方法；（5）掌握模型参数的线性约束检验与参数的稳定性检验。

实验方法与原理：Eviews 软件使用，普通最小二乘法（OLS），拟合优度评价、t 检验、F 检验、J-B 检验、预测原理。

实验要求：（1）熟悉和掌握描述统计和线性回归分析；（2）选择方程进行一元线性回归；（3）选择方程进行多元线性回归；（4）进行经济意义检验、拟合优度评价、参数显著性检验和回归方程显著性检验；（5）掌握被解释变量的点预测和区间预测；（6）估计对数模型、半对数模型、倒数模型、多项式模型模型等非线性回归模型。

实验内容与数据1（第2 章思考与练习：三、简答、分析与计算题第12 小题）：12. 表1 数据是从某个行业的5 个不同的工厂收集的，请回答以下问题：ˆˆˆˆ（1）估计这个行业的线性总成本函数：yˆt= b0 + b1 x t ；（2）b0 和b1 的经济含义是什么？；（3）估计产量为10 时的总成本。

表1 某行业成本与产量数据参考答案：(1)总成本函数(标准格式)：yˆt = 26.27679 + 4.25899xts = (3.211966) (0.367954)t = (8.180904) (11.57462)R 2 = 0.978098 S.E = 2.462819 DW =1.404274 F =133.9719ˆˆ(2) b0 =26.27679 为固定成本，即产量为0 时的成本；b1 =4.25899 为边际成本，即产量每增加1 单位时，总成本增加了4.25899 单位。

计量经济学论⽂（eviews分析）计量经济作业我国旅游收⼊的计量分析⼀、经济理论陈述在研读了⼤量统计和计量资料的基础上，选择了三个⼤⽅⾯进⾏研究，既包括旅游⼈数，⼈均旅游花费和基本交通建设。

其中，在旅游⼈数这个解释变量的划分上，我们考虑到随着全球经济⼀体化的发展，越来越多的外国游客来中国旅游消费。

中国旅游的国际市场是个有发展潜⼒的新兴市场，尽管外国游客前来旅游的⽅式包罗万象⽽且消费能⼒也不尽相同，但从国际服务贸易的⾓度出发，我们在做变量选择时，运⽤国际营销的知识进⾏市场细分，划分了国际和国内两个市场。

这样，在旅游⼈数这个解释变量的最终确定上，我们选择了2X国内旅游⼈数，3X ⼊境旅游⼈数。

这点选择除了理论⽀持外，在现实旅游业发展中我们也看到很多景区包括成都的近郊也有不少外国游客的⾝影。

所以，我们选取这两个解释变量等待下⼀步进⾏模型设计和检验。

另外，对于⼈均旅游花费，我们在进⾏市场细分时，没有延续前两个变量的选择模式，有⼏个原因。

⾸先，外国游客前来旅游的形式和消费⽅式各异且很难统计。

我们在花⼤⼒⽓收集数据后，仍然没有⽐较权威的统计数据资料。

其次，随着国家对农业的不断重视和扶持，我国农业有了长⾜发展。

农村居民纯收⼊增加，⽤于旅游的花费也有所上升。

⽽且鉴于农村⼈⼝较多，前⾯的市场细分也不够细化，在这个解释变量的确定上，我们选择农村⼈均旅游花费，既是从我国基本国情出发，也是对第⼀步研究分析的补充。

所以我们确定了4X城镇居民⼈均旅游花费和5X农村居民⼈均旅游花费。

旅游发展除了对消费者市场的划分研究，还应考虑到该产业的基础硬件设施。

在众多可选择对象中我们经分析研究结合⼤量⽂献资料决定从交通建设着⼿。

在我国，交通⼀般分布为公路，铁路，航班，航船等。

由于考虑到我国⼀般⼤众的旅游交通⽅式集中在公路和铁路上，为了避免解释变量的过多过繁以及可能带来的多重共线形等问题，我们只选取了前⼆者。

即确定了6X 公路长度和7X铁路长度这两个解释变量。

《计量经济学》实验报告一元线性回归模型三、实验步骤〔简要写明实验步骤〕1、数据的输入、编辑2、图形分析与描述统计分析3、数据文件的存贮、调用4、一元线性回归的过程点击view中的Graph-scatter-中的第三个获得在上方输入ls y c x回车得到下列图在上图中view处点击view-中的actual，Fitted，Residual中的第一个得到回归残差打开Resid中的view-descriptive statistics得到残差直方图打开工作文件第二个中的structure将workfiels选中第一个，将右边改为16个之后打开工作文件xy右键双击，open-as grope在回归方程中有Forecast，残差立为yfse，点击ok后自动得到下列图在上方空白处输入ls y c s---之后点击proc 中的forcase 根据公式)|(0^0X Y Y E 得到2015估计量四、实验结果及分析〔将本问题的回归模型写出，并作出经济意义检验、统计检验〕回归模型为：yˆ=-8373.702+0.4167x经济意义：斜率系数0.4167表示在其他条件保持不变的情况下，GDP收入每增加1亿元，社会消费品零售总额平均增加0.4167亿元。

截距表示，当GDP为0时，社会消费品总额大约为-8373.702统计检验——变量的显著性检验〔1〕置信区间法在GDP-社会消费品总量一例中，共有15个观察差值，因而自由度为〔15-2〕=13。

假定，显著水平或犯第一类错误的概率为5%。

由于备择假设是双边的，根据书中附录E中表E-2的t分布表得:Pr(|t|>1.725=0.10)P(-1.771≤t≤1.771)=0.95即t值〔自由度为13〕位于上、下限〔-1.771，1.771〕之间的概率为95%，这个上、下限就是临界t值，代入公式可得：。

计量经济学实验指导书（eviews软件的相关操作）实验⼀和⼆实验⼀EViews软件的基本操作[实验性质]验证实验[学时安排] 2学时[实验内容]1.了解EViews软件的功能及其安装事项；2.熟悉EViews⼯作窗⼝；3.创建⼯作⽂件，建⽴序列对象，熟悉数据的录⼊、调⽤和编辑；4.图形分析与描述统计分析。

[实验步骤]⼀、安装和启动EViews软件：（⼀）Eviews简介EViews是Econometrics Views（计量经济学视窗）的缩写。

EViews是在TSP (Time Series Processor) 软件包基础上发展起来的新版本，主要⽤于处理时间序列数据，是Windows下专门从事数据分析、回归分析和预测的⼯具。

虽然EViews 是经济学家开发的，⽽且主要⽤于经济学领域⾥，但是从软件包的设计来看，EViews的运⽤领域并不局限于处理经济时间序列。

EViews具有现代Windows软件可视化操作的优良性，可以使⽤⿏标对标准的Windows菜单和对话框进⾏操作，操作结果出现在窗⼝中，并能采⽤标准的Windows技术对操作结果进⾏处理。

此外，EViews还拥有强⼤的命令功能和批处理语⾔功能，可以在EViews的命令⾏中输⼊、编辑和执⾏命令。

（⼆）EViews安装步骤：（EViews 5.0）1.准备好EViews 5.0的安装包；2.运⾏Windows程序，将其他应⽤程序关闭；3.打开安装包，双击setup，在提⽰下操作；4.注意EViews不能安装在中⽂⽬录下；5.序列号在⽂本⽂档“sn”中；6.安装成功提⽰信息：“EViews has been successfully installed”；7.最后打开安装包⾥的⽂件夹“Crack”，把⾥⾯的两个⽂件粘贴到EViews 安装⽬录下，覆盖⽬录原有⽂件，即可使⽤。

（三）运⾏EViews在Windows中运⾏EViews的⽅法有：1.点击任务栏上的开始程序EViews程序组EViews图标；2.双击桌⾯上的EViews程序图标；3.双击EViews的⼯作⽂件和数据⽂件。

作业1我们有1978-2007年我国财政收入,国内生产总值,财政支出和商品零售价格指数的年度数据。

请用Eview 进展回归分析。

（1） 根据回归结果分析模型的经济意义〔包含模型的显著性，拟合优度，系数的显著性，系数的经济意义〕建立模型，做OLS 估计，得结果图一，列表如下：43283175.57898859.0003271.0558.6399X X X Y ++--=∧)0636.20)(065848.0)(012559.0)(836.2132(SE )882456.2)(65061.13)(260476.0-)(000492.3-(t =997046.02=R 996705.02=R 845.2924=F模型整体显著性较高〔F 检验十分显著〕，可决系数2R 和调整的可决系数较大，即样本回归方程对样本观测值拟合较好。

t 检验显示2X 的系数不显著〔p 值>0.05,不能拒绝β=0的原假设〕,3X 和4X 的系数显著〔p 值<0.05，拒绝β=0的原假设〕。

从模型的经济意义来看，财政支出、商品零售价格指数与财政收入成正相关，国内生产总值与财政收入成负相关,不符合客观经济规律，可能与模型变量的选取有关。

考虑对模型进展对数变换，结果为图二。

432ln 128427.1ln 631090.0ln 448496.0946444.6ln X X X Y +++-=∧)610249.0)(160929.0)(141418.0)(853146.2(SE)849127.1)(921549.3)(171412.3)(434662.2(t -=987673.02=R 986251.02=R 3969.694=F对数变换后模型整体显著性较高〔F 检验十分显著，p 值=0.00<<0.05〕，可决系数2R 和调整的可决系数略有下降，模型可解释98.63%的因变量变化。

t 检验显示4ln X 的系数不显著〔p 值=0.0758>0.05,不能拒绝β=0的原假设〕,2ln X 和3ln X 的系数显著〔p 值<0.05，拒绝β=0的原假设〕。