计量经济学实验课

第一部份 EViews大体操作

第一章 预备知识

一、什么是EViews

EViews (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具有现代Windows软件可视化操作的优良性。能够利用鼠标对标准的Windows菜单和对话框进行操作。操作结果出此刻窗口中并能采纳标准的Windows技术对操作结果进行处置。EViews还拥有壮大的命令功能和批处置语言功能。在EViews的命令行中输入、编辑和执行命令。在程序文件中成立和存储命令，以便在后续的研究项目中利用这些程序。

EViews是Econometrics Views的缩写，直译为计量经济学观看，通常称为计量经济学软件包，是专门从事数据分析、回归分析和预测的工具，在科学数据分析与评判、金融分析、经济预测、销售预测和本钱分析等领域应用超级普遍。

应用领域

■ 应用经济计量学 ■ 整体经济的研究和预测 ■ 销售预测 ■ 财务分析 ■ 本钱分析和预测 ■ 蒙特卡罗模拟 ■ 经济模型的估量和仿真 ■ 利率与外汇预测

EViews引入了流行的对象概念，操作灵活简便，可采纳多种操作方式进行各类计量分析和统计分析，数据治理简单方便。其要紧功能有：

（1）采纳统一的方式治理数据，通过对象、视图和进程实现对数据的各类操作； （2）输入、扩展和修改时刻序列数据或截面数据，依据已有序列按任意复杂的公式生成新的序列；

（3）计算描述统计量：相关系数、协方差、自相关系数、相互关系数和直方图； （4）进行T 查验、方差分析、协整查验、Granger 因果查验；

（5）执行一般最小二乘法、带有自回归校正的最小二乘法、两时期最小二乘法和三时期最小二乘法、非线性最小二乘法、广义矩估量法、ARCH 模型估量法等；

（6）对选择模型进行Probit、Logit 和Gompit 估量； （7）对联立方程进行线性和非线性的估量； （8）估量和分析向量自回归系统； （9）多项式散布滞后模型的估量； （10）回归方程的预测； （11）模型的求解和模拟； （12）数据库治理；

（13）与外部软件进行数据互换

EViews可用于回归分析与预测(regression and forecasting)、时刻序列(Time Series)和横截面数据(cross-sectional data )分析。与其他统计软件（如EXCEL、SAS、SPSS）相较，EViews功能优势是回归分析与预测，其功能框架见表1.1.1。

本手册以EViews5.1版本为蓝本介绍该软件的利用。

表1.1.1 EViews功能框架 Descriptive statistics 描述统计 Regression 回归 Serial Correlation 序列相关 Systems 系统方法 Specification and Diagnostic Tests 模型设定与诊断检 验

Histogram and Statistics View of a Single Series Multiple Series 一个变量或多个变量的统计与图形 主要有：图形包括线型图、条形图、多种散点图等；指标有均值、方差、偏 度（Skewness）、峰度(Kurtosis)、Jarque-Bera Statistic（雅克-贝拉统计量） Correlogram View（相关分析） 主要有：Autocorrelations（自相关）、Partial Autocorrelations（偏自相关）、Cross Correlation（交叉相关）、Q-Statistics（Q统计量）等 Standard Regression Output 标准回归输出 Regression Coefficients（回归系数）t-Statistics（T统计量）R（判定系数）等 Actual and Fitted Values and Residuals 实际值、拟合值、残差 Actual Values（实际值）、Fitted Values（拟合值）、Residuals（残差） Collinearity（共线性）、Heteroskedasticity（异方差性）、Weighted Least Squares（加权最小二乘法）、Two-Stage Least Squares（二段最小二乘法）、 Polynomial Distributed Lags（多项式分布滞后）、Nonlinear Least Squares（非线性最小二乘法）、Logit and Probit Models（对数概率单位模型）、Granger Causality（葛兰杰因果检验）、Forecast Variances（预测方差）、Exponential Smoothing（指数平滑）等 Durbin-Watson Statistic（德宾-沃森统计量） ARIMA Models（自回归求积移动平均模型） Unit Root Tests（单位根检验） Estimation of Difference Models（差分模型的估计） Two-Stage Least Squares With Serial Correlation（有自相关的二段最小二乘2 System Estimation（系统估计法） Vector Autoregression（VAR向量自回归） Vector Error Correction Models and Cointegration Tests（向量误差校正模型与协整检验）等 Test on Coefficient （对系数的检验） Wald Test of Coefficient Restriction（Wald检验） Omitted Variable（遗漏变量的检验） Redundant Variable（冗余的检验）等 Tests on Residuals (对残差的检验) Histogram and Normality Test(相关图与正态性检验)、Series Correlation LM Test（拉格朗日乘数检验）、White Hereoskedasticity Test（怀特检验）等 Specification and Stability Tests （模型设定与稳定性检验）如Chow`s Breakpoint Test（邹氏检验） Ramsey`s RESET Test（拉姆齐RESETJ检验） Recursive Least Squares（递归最小二乘）

二、EViews安装

打开EViews5.1文件所在文件夹，点击Setup安装，安装进程与其他软件安装类似。安装完毕后，电脑桌面和文件安装位置都有EViews5图标。双击EViews5图标即可启动该软件，如以下图（图）。

菜单栏 命令窗口 主显示窗口

图

三、EViews工作特点

（一） EViews软件的具体操作是在Workfile中进行。若是想用EViews进行某项具体 的操作，必需先新建一个Workfile或打开一个已经存在硬盘（或软盘）上的Workfile，然后才能够概念变量、输入数据、建造模型等操作；

（二） EViews处置的对象及运行结果都称之为Object（对象），如序列（Series）、方程(Equation)、如表格（Spreadsheet）、图（Graph）、描述统计（Descriptive Statistics）、模型（Models）、系数（Coefficients）等Object，能够用不同形式查看（View）Object，比如表格（Spreadsheet）、图（Graph）、描述统计（Descriptive Statistics）等，但这些查看（View）结果不是的Object，他们随原变量序列的改变而改变。若是想将某个查看（View）结果转换成一个的Object，可利用Freeze命令将该结果“冻结”，从而形成一个的Object，然后可对其进行编辑或存储。

（三）EViews中成立的Object的命名不区分大小写，其中c、resid为参数向量和残差序列两Object的专用名称，不能用来对其他对象命名。

四、一个例如

在那个地址，咱们通过一个简单的回归分析例子来显示一个EViews进程，不对EViews的详细功能展开讨论，目的是使读者先对EViews有个归纳了解。该例子是四川省人都可支配收入与人均年消费支出的数量关系分析（数据见下表），共分九步。

表

年份 1978 1979 1980 1981 1982 人均年消费支出Y 314 340 3 396 407 人均可支配收入X 338 369 391 412 445

1983 1984 1985 1986 1987 1988 19 1990 1991 1992 1993 1994 1995 1996 1997 1998

457 517 680 787 8 1086 1184 1281 1488 1651 2034 2806 3429 3733 4093 4383 493 581 695 849 948 1130 1349 1490 1691 19 2408 3297 4003 4406 4763 5127 设定模型为 YtXtut

STEP1 启动程序。

双击桌面上EViews快捷图标，打开EViews（参见在图）。 STEP2 成立Workfile。

点击EViews主窗口顶部命令菜单file\\new\\Workfile (如图)，弹出Workfile Create对话框（图1.1.3）。在右边frequency下拉菜单中可选数据类型，Annual为默许的数据类型。因为这次数据是年度时刻序列数据（1978年～1998年的年度数据），故不需做调整（假设是别的数据类型那么需另选相应选项）。在Start 和End 的文本框中别离输入1978和1998，在右下角文本框中输入新建的那个Workfile的名字，例如shili。点击OK，显现图1.1.4画面，Workfile成立完毕。

现在能够看到Workfile中有两个默许的对象，名称别离为c 、resid，别离为参数估量值向量和残差序列。在没做回归估量之前，向量c的每一个元素的值都为0，残差序列的每一个值为NA，表示尚未赋值。以后每做一次回归估量，c和resid就会被从头赋值（被别离给予最新回归估量的参数估量值向量和残差序列）。

图 图

菜单栏 标题栏 小图标 范围 对象 命令栏 保存路径 信息栏

图

STEP3 新建Object，用以录入数据。

方式一：新建Group对象（如g1）。

点击EViews主窗口顶部菜单命令Object\\new Object或Workfile上面的菜单命令Object ，弹出New Object对话框（图），在Type of Object当选择Group类型，然后在右边文本框中为新建的group对象（Object）命名，比如为g1，然后点击OK，弹出一个表格形式的Group对话框（图1.1.6），同时在Workfile中显现了新建的那个group对象g1。在g1对话框的obs栏可输入多个序列对象名并在表格中录入这些序列的数据。

方式二：新建序列对象（如Y、X）

成立序列对象方式同方式一，不同的地方仅在于选择对象类型时，不是选group，而是选Series。序列对象成立后，能够直接在序列对象中录入数据。

命令栏

图

STEP4 录入数据。

对应上step3中方式一：在group对象（g1）表格中录入数据

（1）将图1.1.6表格右端的滑块拖到顶端，这时看到表格左侧显现两个obs。 （2）成立序列对象Y：点击g1表格中第一列顶部的灰色条（第一个obs右边），该列全数变蓝（图），输入变量名Y，回车，显现图1.1.8所示的对话框，点OK即可。如此便成立了序列Y（这时可在Workfile中发觉多了一个序列Y），只是现在尚未给序列对象Y赋值（即录入数据），序列Y中每一个年度的值此刻都为NA（图1.1.9）。

先将滑块拉上顶端

图

数据编辑窗口 切换编辑状态 序列名称 可输入数据

图

（3）录入数据：在g1数据表格中Y所在列录入序列Y的各年观测值。 仿上可在g1第二列成立序列X（人都可支配收入），并录入各年人都可支配收入X。 如此便在g1中概念了两个序列对象（Y、X）并录入了数据，结果如图。

图

对应上step3中方式二：直接生成序列对象（Y、X）并直接在其中录入数据。

双击Workfile中序列对象Y，点击序列对象Y的数据表上菜单命令edit +\\-，将编辑状态切换为“可编辑”，然后在其单元格中录入数据。一样方法，录入序列X的数据。

注意，不管是在g1中，仍是在Y、X中录入数据，在录入以后，最好再次点击数据表

上菜单命令edit +\\-，把编辑状态切换回“不可编辑”。

STEP5 查看对象（View）。

利用g1对话框命令菜单view能够用多种形式查看数据和对数据做一些统计、查验等。下面举例用线性图查看X和Y的数据：双击打开g1表格形式，点击g1表格上菜单命令 View\\Graph，显现一个下拉菜单，选择line（图）。点击，line即可看见序列X、Y的线性图（图1.1.12）。

图

图

STEP6 保留对象查看的结果。

前面提到，这些查看结果不是的对象，只是原对象的另外一种展现形式罢了。假设需保留那个展现形式，能够用freeze命令把它“冻结”起来。点击图中菜单命令Freeze，弹出X和Y的图形对象，如图1.1.13所示。点图形对象UNTILED顶部菜单命令Name，会弹出一个命名的对话框，在框中给该图形命名（默以为GraphGraph类型的Object，该线性图不随Y、X数据转变而转变，是的，能够对其进行编辑；而图1.1.12是Group类型的Object，仅仅是Y、X数据的一种图形查看形式，它随着Y、X数据转变而转变。

图

STEP7：最小二乘回归分析。

点击EViews主窗口上菜单命令的Quick\\Estimate Equation，弹出Equation Specification 对话框（图），在Equation specification 下的空框中输入Y C X（注意被说明变量要放到第一个位置，变量用空格隔开。除c外，其他变量须为序列对象，变量均不带下标），点击“确信”，取得Y对X回归模型估量结果（图1.1.15）。该模型说明人都可支配收入X对人均消费支出Y具有较强的说明能力。

图

假设需要保留回归结果，可直接点击图顶部菜单命令Name，在弹出的对话框中键入保留名称（为此Equation对象命名），点OK即可。 STEP8：从图形的角度来查看一下模型的拟合情形。点击上Equation对话框中顶部菜单命令View\\Actual Fitted Residual\\Actual Fitted Residua Graph ，Equation对话框变成如图形式，图形显示模型的拟合成效专门好。

图

STEP9 保留。点击EViews主窗口菜单命令：File\\save（保留）或File\\save as（另存），在弹出的对话框中设定保留途径和文件名后，点save即可。（最好用英文文件名，以避免犯错）

第二章 EViews的大体操作

一、Workfile（工作文件）

Workfile就象你的一个桌面，上面放有许多Object，在利用EViews时第一应该打开该桌面，若是想永久保留Workfile及其中的内容，关机时必需将该Workfile存盘，不然会丢失。

（一）创建一个新的Workfile

打开EViews后，点击File\\New\\Workfile，弹出一个Workfile Create对话框（图）。该对话框是概念Workfile的频率等内容。该频率是用于界定样本数据的类型，其中包括时序数据、截面数据、Panel Data等。选择与所用样本数据相适应的频率。例如，样本数据是年度数据，那么选择年度（Annual），相应的Object也是年度数据，且Object数据范围小于等于Workfile的范围。当咱们的样本数据为1978年至1998年的年度数据，那么选择的频率为年度数据（Annual），接着再在起始时刻（Start date）和终止时刻（End date）两项选择项中别离键入1970、1998，然后点击OK，就成立了一个时刻频率为年度数据的Workfile（图）。

图 图1.2. 2

其他不同频率的时刻序列样本数据的选择方式类似于年度数据的选择方式，关于截面数据，那么是在Workfile Create对话框左侧Workfile structure type栏当选择Unstructure/Undated选项，在右边Date Range中填入样本个数。

在Workfile窗口顶部，有一些要紧的菜单命令，利用这些菜单命令能够查看Object、改变样本范围（Range）、存取Object、生成新的Object等操作，这些命令和EViews主窗口上的菜单命令功能相同。稍后咱们会详细介绍其功能。

在新建的Workfile中已经默许存在两个Object，即c和resid。c是系数向量、resid是残差序列，当估量完一个模型后，该模型的系数、残差就别离保留在c和resid中。

Workfile窗口中要紧菜单命令介绍

下面咱们以第一章已经建好的包括X（人都可支配收入）与Y（人都可支配支出）为例 来讲明Workfile窗口中要紧命令的功能（图）。

图

View（查看）

该命令与EViews主窗口顶部的View功能是一样的，功能是显示所选的Object。例如选定图中的X，然后点击View\\Open Selected\\One Window ，那么弹出显示X值的窗口。View的这一功能与双击X成效是一样的。

Procs（处置）

Procs命令包括设置sample（样本）范围和挑选条件来选择样本、change Workfile Range（改变工作簿范围）、import（导入数据）、export（导出数据）等功能。在Workfile窗口菜单命令最右端有单独列出sample命令。

Sample（样本）的功能

可用于改变样本的范围，但不能超过工作簿范围（Workfile Range）。若是样本范围需要超过工作簿范围，先修改工作簿范围，然后再改变样本范围。

点击proc\\sample\\OK，弹出一个对话框（图），默以为@all（全数样本）。假设只需要选择1980～1990的样本，可在上面空白处键入新的样本范围1980至1990，注意中间要空格，点击OK，如此样本范围改变了。

Structure\\Resize Current Page（改变工作簿范围）功能是改变当前Workfile的范围，其操作与样本范围的改变相似。一样是在模型建好后，外推预测时需要改变样本或工作簿范围。

Genr功能是在现有序列对象（变量）的基础上，生成新的序列对象（变量）。点击Workfile窗口顶部的Genr，弹出一个对话框（图），键入要生成的变量公式，例如zxy，点击OK，一个新的变量（序列对象）Z出此刻Workfile中。

图

Object（对象）

该菜单命令主若是对Object进行操作，包括新建对象、新建序列、存取、删除、从头命名、复制等。

点击Workfile窗口上菜单命令Object，显现下拉菜单，菜单中包括很多功能，其中一些功能以命令形式出此刻Workfile窗口顶部，如fetch（掏出）、store（存储）、delete（删除）。

① 新建一个Object和生成序列（等同前面Genr），参看前面内容。

② fetch：掏出一个已经存在硬盘或软盘上的Object。点击Object\\fetch from DB\\OK

或直接点击Workfile窗口顶部的fetch命令，然后按其要求给前途径及Object名字。 ③ store：将Workfile中的Object单独寄存于硬盘或软盘。

④ delete：删除Workfile中的Object。操作：点击要删除的Object，再点击delete。 ⑤ copy：复制一个或多个Object。

Object命令菜单部份功能可利用鼠标右键来完成。例如选中X，然后点击右键，显现一命令菜单来完成对对象的多种操作。例如右键中的COPY命令能够将该Workfile中的Object粘贴到其他Workfile或word文档中。右键功能很方便，建议多利用。

Save（保留）

功能是将当前Workfile保留在硬盘或软盘。若是是新建的Workfile，会弹出一个对话框，需要指明寄存的位置及文件名。若是是原有的Workfile，可不能显现对话框，点击Save，作用是随时保留该Workfile。

建议在利用EViews时，应常常点击Save命令，幸免电脑显现故障，而丢失未能保留的内容。那个地址需要提示的是，Save与Store是有区别的。Save命令保留的是整个Workfile，而Store存储的是个别Object。

Lable（标签）

显示Workfile中所有Object的完成时刻。 Show：显示所选的Object。

Fetch、Store、Delete功能已经包括在Object菜单命令中，Genr、Sample功能包括在Proc菜单命令中，前面已经介绍。 （二）打开已经存在的Workfile

双击EViews图标，进入EViews主窗口。点击File\\Open\\EViews Workfile，弹出对话框，给出要打开的Workfile所在途径及文件名，点击OK，那么所需的Workfile就被打开。 （三）Workfile频率的设定

当新建一个Workfile时，第一会弹出一个Workfile Create对话框（图）。该对话框可概念Workfile的频率，Workfile的频率也确实是其中的所有Object的频率。各类频率的输入方式如下：

1. Annual：直接输入年份如1998，假设是20世纪内，那么可只输入年份的后两个字，

如98表示1998年。Semi-Annual：格式与Annual一样。

2. Quarterly：年份全称或后两个字接冒号，再接季度，如1992：1，表示1992年第

一季度。注意冒号后面只能跟一、二、3、4，别离表示一、二、3、4季度。 3. Monthly：年份全称或后两个字接冒号，再接月度序号，如1990：1，99：10。 4. Daily：格式为“月：日：年”，如9：2：2002表示2002年9月2日。 5. Weekly：格式与Daily相似，也是“月度序号：日期：年份”，但那个地址的日期

是某个礼拜的某一天，当给定起始日时，系统会自动推算终止日期。

二、Object（对象）

EViews为Object提供了新建、查看（View）、重命名等功能。 （一）创建Object

在Workfile已经打开的前提下，点击EViews主窗口顶部的命令Object\\New(或Workfile 窗口中的Object\\New)弹出一个New Object对话框（图）。该对话框显示了14个不同的Object，

从当选择所需类型，并左侧文本框给其一个名字，点击OK，一个新Object创建并就显示在Workfile中（参考前面第3页的例如）。

图

咱们以Series和Graph两种Object为例来讲明一样Object窗口经常使用命令的功能。

其他

形式的Object窗口顶部命令操作类似。

（1）Series窗口

双击变量X，打开其表格形式查看形式（图）。下面咱们自左至右介绍其菜单命令。

View：咱们发此刻EViews主窗口顶部、Workfile窗口、Object窗口中都有该命令，他

们的功能类似，都是提供查看功能，但包括具体内容又有不同。EViews主窗口顶部的View 命令和Series窗口中的View 命令功能一样。

点击序列X表格上的View，显现一个下拉菜单，该菜单命令可对Object有不止一个查看形式：Spreadsheet（表格）、Graph（线性图）、 Describe Statistics View（描述统计）、Unit Root Test View（单位根查验）等。

例如：点击View\\ Descriptive statistics\\Histogram and Stats，如此序列X的表格形式就转换成了描述统计的形式（图2.8）。然后再点击View\\spreadsheet\\，直方图又变回表格形式（图）。

图

再点击View\\ Graph\\ Line，序列X又转换成线性图的形式（图）。因此能够用不同方式阅读序列X，但读者注意不论是表格形式、仍是直方图形式、线性图形式，每一个图的最顶部仍然是标明“Series：X Workfile：SHILI\\...”，意思是三种形式仍然是Series类型的Object，而不是一个的Object，他们会随着X值转变而转变。如何将直方图、线性图等转换成的Object，以单独编辑、存取，见下面Freeze命令功能介绍。

关于View命令中其他功能的操作类似上述操作。

Procs：该命令中内含生成变量（generation by equation）、季节调整（seasonal adjustment）、

指数滑腻（Exponential smoothing）、普雷斯科特过滤（Hodrick-prescott）四种对变量序列X调整的方式。生成变量（generation by equation）与Workfile中的generate功能类似，是在现有变量基础上生成新的变量。建议读者利用Workfile中的generate功能来生成新变量。季节调整（seasonal adjustment）功能适用于季节数据与月度数据。

Object：该命令的功能与Workfile、EViews主窗口中的Object命令功能相似，那个地

址不在详细介绍。

Prin：打印X序列内容。

Name：给当前Object命名或修更名字。那个地址需要提示的是，若是想要将当前Object

保留到Workfile中，就可利用Name命令。一个Object命名以后，其名字就出此刻Workfile中，随Workfile的存取而永久保留。

Freeze：该命令将序列X当前的某种查看形式转换成为的Object，前面已有介绍。 Edit+\\-：该命令功能是切换表格的输入状态，点击Edit+\\-，表格处于可编辑状态，现

在可输入数据、删除数据等操作，再次点击Edit+\\-，那么表格处于非编辑状态。

Smpl+\\-：该命令与Wide+\\-是配对利用。点击Smpl+\\-，数据以列的形式排列；再点

击Wide+\\-，数据以行的形式排列。

Lable+\\-：功能是操纵表格顶部是不是显示标签及标签是不是可编辑。 InsDel：在数据中插入或删除数据命令，例如点击InsDel，弹出对话框，选择插入或

删除即可。

Sample：该命令与Workfile中Sample命令功能一样，是改变样本范围。 Genr：该命令与Workfile中Genr命令功能一样，用于生成新的序列。 （2）Graph窗口

前面咱们谈到如何将序列转换成图形，那个地址详细介绍有关作图内容，并以线性图为例，

其他图形操作类似。

① 画图：为了将某个序列画成图，双击Workfile中该序列的名字，打开序列表格形式的窗口。利用View\\ Line\\ Graph，将序列转换成线性图，或View\\ Graph\\ Bar转换成条形图。另外，EViews还可画散点图、饼图、直方图等。

EViews能够同时画两个或多个序列图。按住Ctrl键选中多个序列，然后点右键\\Open\\Group打开表格查看形式的一个窗口，该窗口了显示多个序列。点击View\\Graph\\Line将多个序列转换成线性图形式（图），不同序列以不同的彩色表示。

也能够将多个序列单独画图同时出此刻一个窗口，点击View\\Multiple Graphs\\Line， 如此画出每一个序列各自的线性图（图）。

图

② 冻结图形（Freeze）

注意，将序列转换成图形后，该图型仍然是Series或group类型的Object，图形随原序列的改变而改变。点击Freeze命令，可形成一个的Graph类型的Object，点击其顶部的Name命令，保留在Workfile中（详见前面有关表达）。建议读者利用Freeze命令，形成的Graph类型的Object后再对图形进行编辑。

③ 图形修饰：EViews许诺多种方式修饰图形。双击图形中任何部位就弹出图形参数对话框（图），利用这些参数可将图形修改成符合需要的图形。

图 4 组合图形: EViews○

能够将多个图组合到一路。第一需将这些图都放入同一个

Workfile中，然后按下CTRL键选中这些图形，双击选中的这些图形，就打开含有多个图形的窗口，他们可一路被保留、粘贴到Word文档中或打印出来。例如，先生成序列y和x的线图liney、linex，选中linex、liney并双击，就在同一个窗口中打开两个图形（图）。

图

5将图形插入文献中: EViews能够将图形插入到Word文档中。第一将图形打开，然○

后点击EViews主窗口顶部菜单命令Edit\\Copy弹出对话框，点击OK，然后在Word文档中指定位置粘贴即可。

（二） 打开已经存在的Object

打开一个Workfile，点击Workfile顶部的Fetch命令，弹出对话框，按要求给出要打开的Object途径及名字，然后点击OK，Object就出此刻Workfile中。

第二部份 上机实验

实验一 简单线性回归

一、实验目的：把握一元线性回归模型的估量与应用，熟悉EViews的大体操作。 二、实验要求：应用教材第54页案例做一元回归并做预测。 三、实验原理：一般最小二乘法

四、预备知识：最小二乘法估量的原理、t查验、拟合优度查验、点预测和区间预测 五、实验步骤

1．成立工作文件并录入数据

（1）双击桌面EViews快速启动图标，启动EViews5.1程序。 （2）点击主界面菜单File\\New\\Worekfile，弹出Workfile Create对话框。在Workfile Create对话框左侧Workfile structure type栏当选择Unstructured/Undated选项，在右边Date Range中填入样本个数31。在右下可输入Workfile的名称，如P54。如图所示。

图

点击左下的“OK”就成立了一个名称为P54的Workfile。如图所示：

图

成立Workfile 后，应当进行数据录入工作。数据录入方式有多种。那个地址仅介绍经常使用的两种录入方式。

方式 1：点击主界面（或Workfile界面）的菜单栏Object，再点击New Object…选项，弹出一对话框，选择Group选项，在左侧框中命名，如为yx。如图所示。点击OK以后，显现数据录入界面（以表格形式显现），如图2.1.4所示。在图2.1.4中，先将右边滑块拉上顶端，单击obs右边灰色小框（空白数据列上端灰框），键入y（对样本数据列进行命名），回车（这时Workfile中会显现序列Y那个对象），选择Numeric Series选项，点击OK后，再从“1”开始逐个录入相应的数据。如此咱们就成立了一个序列Y并录入了数据，然后一样方法成立序列X并录入数据。

图

方式2 ：直接在主界面命令栏键入data y x，回车，那么显现图画面。在Group表格相应的位置逐个录入y和x的数据。（只是现在Group没有命名，为Untiled，可点击Group表格上菜单命令Name，在弹出的对话框中命名为yx）

命令栏

图

.两种录入方式完成后，最终取得如图2.1.6所示结果。

图

为了保留数据，可点击主界面的File，选择Save as 选项，将文件永久存盘保留。 2．数据的描述统计和图形统计

以上成立的序列y和x以后，可对其做描述统计和图形统计以把握该数据的一些统计属性。

（1）描述统计

双击打开组对象yx的表格形式，点View/Descriptive Statistics/Common Sample，得描述统计结果，如图

图

（2）图形统计

双击序列y，打开y的表格形式，点击表格左侧View/Graph，可得以下图：

图

能够看到，Graph的下级菜单上列有多种图形形式，如线图、面积图（区域图）、条形

图、季节化堆叠式线图等。那个地址较经常使用的是线图，点菜单栏View/Graph/Line，可取得以下图（图）

图

一样能够查看序列x的线性图。

很多时候需要把两个序列放到一个图形中来查看二者的彼此关系，用线图或散点图都能够。例如以下用散点图来查看y和x的关系。

在命令栏键入：scat x y ，回车便取得如下结果（图）

图

3．设定模型，用一般最小二乘法估量参数

设定模型为 Yi12Xiui。以下介绍三种EViews软件估量的操作方式。 方式一：在主界面命令框栏中输入 ls y x c ，然后回车，既能够取得最小二乘法估量的结果，如图所示。其中，“ls”是做最小二乘法估量的命令，y 为被说明变量，x为说明变量， c为截距项。需要注意的是，|ls、y、x、c之间要有空格，被说明变量紧接在命令ls 以后。

方式二：按住Ctrl键，同时选中序列y和序列x，点右键，在所显现的右键菜单中，选择Open\\as Equation…后弹出一对话框（如图），点击其上的“确信”，即可取得回归结果（图2.1.12）。

方式三：点击主界面菜单Quick\\Estimate Equation，弹出方式二中显现的对话框。只是框中没有设定回归模型，能够自己输入y x c，点确信即可取得回归结果（图）。（注意被说明变量y必然要放在最前面，变量间留空格）

图

Equation结果界面

图

回归结果界面说明如下表 表

英文名称 Variable Coefficient t-statistic

中文名称 变量 系数 标准差 T检验统计量

常用计算公式

常用相互关系和判断准则

一般是绝对值越小越好 绝对值大于2时可粗略判断系数通过t检验

t/se()

Prob T统计量的P值 P值小于给定显著水平时系数通过t检验

R－squared Ajusted R－squared

R2 R2

R2ESS/TSS1RSS/TSS

R21RSS/(nk1)

TSS/(n1)R21(1R2)n1

nk1

S.E. of regression 扰动项标准差

Sum squared resid Log likelihood Durbin-Watson stat Mean dependent var S.D. dependent var

残差平方和 似然函数对数值 DW统计量 应变量样本均值 应变量样本标准差

Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)

AIC准则 SC准则 F统计量 F统计量的P值

ei2nkRSS nk

RSSei2

d2(1)

YYni

21YiYn1TSS n1

一般是越小越好 一般是越小越好

ESS/kF

RSS/(nk1)

R2/kF

(1R2)/(nk1)P值小于给定显著水平时模型通过F检验

3．模型查验

（1）经济意义查验。20.758534为居民边际消费，落在0～1之间，符合经济意义。

（2）t查验和拟合优度查验。易判定，2的t查验通过。整个模型拟合优度达到0.935，

拟合良好。在回归结果界面（图所示）点击菜单命令View\\Actual Fitted Residual\\ Actual Fitted Residual Graph可取得图2.1.13，能够直观看到实际观测值和拟合值超级接近。

图

4．Equation窗口功能介绍

Equation窗口菜单的功能与前面第一部份第二章讲过的Series类型 Object窗口、Graph类型object窗口顶部按钮的功能与操作类似，那个地址只介绍Equation窗口中特有的按钮

功能。

（1） Views

该按钮作用很重要，他可对回归估量进行查验、观看实际值、拟合值、残差等。点击Views显现一个下拉菜单（图2.1.14），菜单中包括很多次级操作，自上而下功能如下：

图2.1.14

①Representation：给出回归估量的方程表达式。 ②Estimation Output：给出回归估量输出结果。

③Actual fitted Residual：给出回归估量的实际值、拟合值、残差的图形、表格等形式。 ④Covariance Matrix ：计算变量协方差矩阵。

⑤Coefficient Test：对回归系数进行查验。包括查验回归系数约束的沃尔德（Wald）查验，查验遗漏变量或冗余变量的似然比查验。在第十章设定偏误一章有效到。

⑥Residual Tests：对残差查验，包括相关图Q统计量查验、正态性查验、序列相关的LM查验、ARCH查验、不带交叉项的White查验、带交叉项的White查验等。在第六章异方差一章有效到。

⑦Stability Test：稳固性查验，包括很多次级查验。

注意：若是想将某个视图单独保留起来，点击Equation窗口顶部Freeze按钮，形成一个的object，然后对其编辑操作。

（2）Procs

该按钮中包括很多次级功能，有些已经显示在Equation口顶部。 （3）Forecast 预测

能够直接在EViews上做内插点预测和外推点预测，详见下第5点。 5．应用：回归预测

（1）被说明变量Y的个别值和平均值的点预测

由讲义第二章第四节明白，个别值和平均值点预测的预测公式均为 YF12XF 内插预测

在Equation框（图）中，点击“Forecast \"，进入图2.1.15所示的画面，在Forecast name

框中能够为所预测的预测值序列命名，运算机默以为YF，点击OK，那么得样本期内被说明变量的预测值序列YF（也称拟合值序列）的图形形式（图2.1.16）。同时在Workfile中显现一新序列对象YF。

图2.1.15

图2.1.16

外推预测

例如原资料为1978-1998，外推预测1999 、2000年的四川省人均消费Y。

① 录入199九、2000年的可支配收入X 的数据。

双击Workfile菜单下的Range所在行，显现Workfile Structure对话框，将右边“End”旁的文本框中的数值改成33，然后一直点OK即可将Workfile的Range和Sample的Range改成33；

双击打开序列x表格形式，将编辑状态切换为“可编辑”，在x序列中补充输入

X19992780,X200012405。

②进行预测

在Equation结果界面（图）的菜单上点击Forecast，弹出一对话框，在其中为预测的序列命名，如yf2。点OK即可取得预测结果的图形形式，点Workfile中新显现的序列yf2，能够看到预测值（注意，因为没有对默许预测区间1～33做改变，这时取得的是所有内插预测与外推预测的得值，假设将区间改成32 33，那么只会取得外推预测结果）。

③结果查看

按住Ctrl键，同时选中Y、YF、Resid，点击右键，在右键菜单当选Group可打开实际值、预测值、残差序列。

（2）区间预测。

被说明变量Y的个别值区间预测公式为Yft/221(XfX)1， 2nxi被说明变量Y均值区间预测公式Yft/221(XfX)。 2nxi计算思路：区间预测不能直接由EViews取得。能够从EViews中取得公式中部份项的值，

再用手工或别的方式将其计算出来。

具体地，Yf能够在前面点预测序列yf2中找到；t/2能够查t散布表取得；样本数n为已知；XfX 中的Xf为已知，X能够在序列x的描述统计中找到（图）；由整体方差的

无偏估量式2xx2in12能够计算出xi2(n1)x（x可在序列x的描述统计中找到，见

图2.1.7）。找到该预测公式中各项后，即可用计算器或Excel计算取得预测区间端点。

找到上面公式中各项后，假设在Excel中计算预测区间，能够采纳以下表达式计算（以预测1998年Y个别值预测区间为例，计算区间的上端点，讲义第61页第二行）：

打开Excel后在任意一个空格中，输入

=6555.13+2.045*413.1593*SQRT(1+1/31+569985.74/1251792.59) ，回车即可。

实验二 多元线性回归模型和多重共线性

一、实验目的：把握多元线性回归模型的估量方式、把握多重共线性模型的识别和修正。 二、实验要求：应用教材第119页案例做多元线性回归模型，并识别和修正多重共线性。 三、实验原理：一般最小二乘法、简单相关系数查验法、综合判定法、慢慢回归法。 四、预备知识：最小二乘法估量的原理、t查验、F查验、R2值。 五、实验步骤

一、设定并估量多元线性回归模型

Yt12X2t3X3t4X4t5X5t6X6tut （2.1）

1.1 成立工作文件并录入数据（参如实验一），取得图

图

1.2 对（2.1）采纳OLS估量参数

方式一：在主界面命令框栏中输入 ls y c x2 x3 x4 x5 x6，然后回车，即可取得参数的估量结果，如图所示。

方式二：按住ctrl键，同时选中序列y和x2 x3 x4 x5 x6，点右键，在所显现的右键菜单中，选择open\\as Equation…后弹出一对话框，点击“确信”，即可得回归结果。

方式三：点击主界面菜单Quick\\Estimate Equation，弹出方式二中显现的对话框。只是框中没有设定回归模型，能够自己输入y c x2 x3 x4 x5 x6，点确信即可取得回归结果。（注

意被说明变量y必然要放在最前面，变量间留空格）。

图

依照图中的数据，取得模型（2.1）的估量结果为

ˆ274.37730.013088X5.438193X3.271773X12.98624X563.1077XYi23456(1316.690)R20.995406(0.012692)(1.380395)(3.939591)(0.944215)(3.465073)(4.177929)(3.108296)(321.2830)(1.752685)df4t(0.208384)(1.031172)

R20.96F173.3525 从上回归结果能够看出，拟合优度很高，整体成效的F查验通过。但有重要变量X二、X6的t查验不显著，可能存在严峻的多重共线性。 2．多重共线性模型的识别

2.1 综合判定法

由模型（2.1）的估量结果能够看出，R20.9954，R20.97可决系数很高，说明模型对样本的拟合专门好；F173.3525查验值专门大，相应的p0.000092，说明回归方程显著，即各自变量联合起来确实对因变量“全国旅行收入” 有显著阻碍；给定显著性水平0.05，但变量X二、X6系数的t统计量别离为1.03117二、-1.752685，相应的p值别离为0.3607、0.1545，说明X二、X6对因变量阻碍不显著，而且X6系数符号与经济意义不符。综合上述分析，说明模型（2.1）极可能存在严峻的多重共线性。

2.2 简单相关系数查验法

计算说明变量x二、 x3、 x4、 x五、 x6的简单相关系数矩阵。

方式1：将说明变量x二、 x3、 x4、 x五、 x6选中，双击选择Open Group（或点击右键，选择Open/as Group），然后再点击View/Correlation/Common Sample，即可得出相关系数矩阵（图）。再点击顶部的Freeze按钮，可取得一个Table类型的object（图2.2.4）。

相关系数矩阵

图

图

方式2：点击Eviews主画面的顶部的Quick/Group Statistics/Correlatios弹出对话框（图）。在对话框中输入说明变量x二、 x3、 x4、 x五、 x6，点击OK，即可得出相关系数矩阵（同图2.2.3）。

图

由图相关系数矩阵能够看出，各说明变量彼此之间的相关系数较高，专门是x2和x3之间高度相关，证明说明变量之间存在多重共线性。

依照综合判别法与简单相关系数查验法分析的结果能够明白，本案例的回归变量间确实存在多重共线性。注意，多重共线性是一个程度问题而不是存在与否的问题。下面咱们将采纳慢慢回归法来减少共线性的严峻程度而不是完全地排除它。

3． 多重共线性模型的修正

关于多重共线性的修正方式一样有变量变换法、先验信息法、慢慢回归法等，那个地址咱们仅介绍向前慢慢回归的具体做法，来减少共线性的严峻程度。而其他的修正方式本文没一一介绍，感爱好的读者可参阅相关计量经济书籍。

第一步：运用OLS方式别离求Y对各说明变量x二、 x3、 x4、 x五、 x6进行一元回归。五个方程的回归结果详见图-----图2.2.10，再结合经济意义和统计查验选出拟合成效

最好的一元线性回归方程。

图

图

图

图

图

通过一元回归结果图-----图2.2.10进行对照分析，依据调整后可决系数R最大原那么，选取x3作为进入回归模型的第一个说明变量，形成一元回归模型。

第二步：慢慢回归。将剩余说明变量别离加入模型，取得别离如图21、2二、23、24所示的二元回归结果。

2

图

图

图

图

通过观看比较图—2.2.14所示结果，并依照慢慢回归的思想，咱们能够看到，新加入变量x5的二元回归方程R0.9718最大，而且各参数的t查验显著，参数的符号也符合经济意义，因此，保留变量x5。

第三步：在保留变量x3、x5基础上，继续进行慢慢回归，别离取得如图25、2六、2.2.17、所示的回归结果。

2

图25

图26

图27

结果分析

观看图咱们能够看到，在x3、x5基础上加入x4后的方程R0.98720.9718明显增大，F统计量也专门大，说明模型对样本的拟合专门好且回归方程显著；同时各说明变量的系数所对应的t值较大，相应的p0.05，说明各说明变量对因变量的阻碍显著，而且参数的符号也符合经济意义。因此，依照慢慢回归的思想，模型应保留自变量x3、x五、x4。

但通过图能够看到，在x3、x5基础上加入x2后不仅R0.9679980.9718降低，而

22

且x二、x5变量系数的t值很小，相应的p值都大于显著性水平0.05，说明自变量x二、x5对因变量的阻碍不显著；一样，由图2.2.17可知，加入x6后不仅R0.9702550.9718降低，而且x6参数的t值很小，相应的p值0.4515远大于显著性水平0.05，说明x6对因变量的阻碍不显著，乃至x6系数的符号为负，显然不符合经济意义。因此，依照慢慢回归的思想，说明x二、x6的显现引发严峻多重共线性。

第四步：在保留变量x3、x五、x4基础上，继续进行慢慢回归，别离取得如图28、图2.2.19所示的回归结果。

2

图

图

类似第三步的结果分析，由图、2.2.19咱们能够看到，在x3、x五、x4基础上加入x2后R没有改良，而且x2参数t查验不显著；加入x6后尽管R略有改良，但x6参数的t查验变得不显著，而且参数为负不符合经济意义。这说明x2 、x6引发多重共线性，应予以剔除。因此，本案例最后应保留的变量是x3、x4、x5，相应的回归结果为：

22ˆ2441.1614.215884X3.221965X13.62909XYi345(296.0388)(1.068670)t(8.2460)(3.944983)(1.050297)(3.067670)(2.904156)(4.692961)

R20.991445R20.987168F231.7935DW1.9526由综合判定法知，上述回归结果大体上排除多重共线性。而且，在其他因素不变的情形

下，当城镇居民人均旅行支出x3和农村居民人均旅行支出别离增加1元，公路里程x5每增加1万km时，国内旅行收入Y将别离增加4.21亿元、3.22亿元和13.63亿元。

此案例存在的问题是样本容量过小，其靠得住性受到阻碍，若是增大样本容量，成效将会好一些。

实验三 异方差性和自相关

一、实验目的 把握异方差和自相关模型的查验方式与处置方式. 二、实验要求

1．应用教材第141页案例做异方差模型的图形法查验、Goldfeld-Quanadt查验与White查验，利用WLS法对异方差进行修正；

2．应用教材第171页案例做自相关模型的图形法查验和DW查验，利用科克伦—奥克特迭代法对自相关进行修正。 三、实验原理

异方差性查验：图形法查验、Goldfeld-Quanadt查验、White查验与加权最小二乘法； 自相关性查验：图形法查验、DW查验和科克伦—奥克特迭代法。 四、预备知识

Goldfeld-Quanadt查验、White查验、加权最小二乘法、DW查验和科克伦—奥克特迭代法。 五、实验步骤

【案例1】 异方差性

在现实经济活动中，最小二乘法的大体假定并非都能知足，本案例将讨论随机误差违抗大体假定的一个方面——异方差性。本案例将介绍：异方差模型的图形法查验、Goldfeld- Quanadt查验与White查验；异方差模型的WLS法修正。

一、成立Workfile和对象，录入变量人口数X和医疗机构数Y（P141）如图。

图

二、 参数估量

按住ctrl键，同时选中序列X和序列Y，点右键，在所显现的右键菜单中，选择open\\as Group弹出一对话框，点击其上的“确信”，可生成并打开一个群对象（图）。在群对象窗口工具栏中点击view\\Graph\\Scatter\\Simple Scatter, 可得X与Y的简单散点图(图2.3.2)，能够看出X与Y是带有截距的近似线性关系。

图

点击主界面菜单Quick\\Estimate Equation，在弹出的对话框中输入y c x，点确信即可取得回归结果(图)。

图

估量结果为:

ˆ562.90745.372828X () Yii (291.5462) (0.4239) t(-1.9306) (8.339811)R20.785438, R20.774145,F69.55245,df193、查验模型的异方差

本例用的是四川省2000年各地市州的医疗机构数和人口数，由于地域之间存在的不同人口数，因此，对各类医疗机构的设置数量会存在不同的需求，这种不同使得模型很容易产生异方差，从而阻碍模型的估量和运用。为此，必需对该模型是不是存在异方差进行查验。

(1)图形法

由途径：Quick/Estimate Equation，进入Equation Specification窗口，键入“y c x”，确认并“ok”，得样本回归估量结果，见图。

生成残差平方序列。在取得图估量结果后，直接在工作文件窗口中按Genr,在弹出的窗口中, 在主窗口键入命令如下 e2resid^2(用e2来表示残差平方序列ei2),取得残差平方序列e2(如图2.3.4)

图

绘制et2对Xt的散点图。按住Ctrl键,同时选择变量X与e2（注意选择变量的顺序，先选的变量将在图形中表示横轴，后选的变量表示纵轴）以组对象方式打开，进入数据列表，再按途径view\\Graph\\Scatter\\Simple Scatter，可得散点图，见图。

图

判定。由图能够看出，残差平方ei2对说明变量Xi的散点图要紧散布在图形中的下三角部份，大致看出残差平方ei2随Xi的变更呈增大的趋势，因此，模型极可能存在异方差。可是不是确实存在异方差还应通过更进一步的查验。

（2）Goldfeld-Quanadt查验

对变量取值排序（按递增或递减）。直接在工作文件窗口中按Proc\\Sort Current Page…,在弹出的对话框中输入X即可(默许项是Ascending（升序）)。本例选升序排序，这时变量

Y与X将以X按升序排序(如图)。

图

构造子样本区间，成立回归模型。在本例中，样本容量n21，删除中间1/4的观测值，即大约5个观测值，余下部份平分得两个样本区间：1—8和14—21，它们的样本个数均是8个，即n1n28。

在工作文件窗口中按在Sample菜单，在弹出的对话框中输入1 8，将样本期改成1～8

图

然后用OLS方式求得如下结果

图

在Sample菜单里,将区间概念为14～21，再用OLS方式求得如下结果

图

下面求F统计量值。基于图Goldfeld-Quanadt查验，F统计量为

e21i144958.9e22i735844.7，依照

e Fe22i21i735844.75.0762 ()

144958.9判定。在0.05下，在式 中分子、分母的自由度均为6，查F散布表得临界值为

F0.05(6,6)4.28，因为F5.0762F0.05(6,6)4.28，因此拒绝原假设，说明模型确实存在

异方差。

（3）White查验

由图估量结果，按途径view/Residual tests/white heteroskedasticity（no cross terms or cross terms），进入White查验。依照White查验中辅助函数的构造，最后一项为变量的交叉乘积项，因为本例为一元函数，故无交叉乘积项，因此应选no cross terms，那么辅助函数为

t201xt2xt2vt （ ） 经估量显现White查验结果，见图。

从图能够看出，nR218.0748，由White查验知，在0.05下，查2散布表,得临

2(2)5.9915（在式 2.3.3式中只有两项含有说明变量，故自由度为2）界值0.05，比较计算

2(2)5.9915，因此拒绝原假设，不拒绝备的2统计量与临界值，因为nR218.07480.05择假设，说明模型存在异方差。

图

4、异方差性的修正

在运用WLS法估量进程中，咱们别离选用了权数w1t1/Xt,w2i1/Xt2,w3i1/Xt。权数的生成进程如下，由图，在对话框中的Enter equation处，按如下格式别离键入：w11/X；w21/X^2；w31/sqr(X)，经估量查验发觉用权数w2t的成效最好。下面

仅给出用权数w2t的结果。

在工作文件窗口中点Quick\\Estimate Equation,在弹出的对话框中输入y c x

图

然后在图中点Options选项，选中Weighted LS/TLS复选框，在Weight框中输入w2,即可取得加权最小二乘法的结果。

图

图

图的估量结果如下

ˆ368.62032.952837X () Yii (84.1683) (0.8227) t (4.3796) (3.53)R20.9387,R20.9354,F12.88288,df19括号中数据为t统计量值。

能够看出运用加权小二乘法排除异方差性后，参数的t查验均显著，可决系数大幅提高，F查验也显著，并说明人口数量每增加1万人，平均说来将增加2.953个卫生医疗机构，而不是引子中得出的增加5.3735个医疗机构。尽管那个模型可能还存在某些其他需要进一步解决的问题，但这一估量结果或许比引子中的结论更为接近真实情形。

【案例2】自相关

在经济系统中，经济变量前后期之间极可能有关联，使得随机误差项不能知足无自相关的假定。本案例将探讨随机误差项不知足无自相关的古典假按时的参数估量问题。着重讨论自相关模型的图形法查验、DW查验，与科克伦—奥克特迭代法对自相关修正。 一、成立Workfile和对象，录入变量1985年可比价钱计的人均纯收入X和人均消费支出人口数Y如图。

图

二、参数估量、查验模型的自相关 利用一般最小二乘法估量消费模型得

图

依照图，知估量结果如下

ˆ106.75740.5998X （2.3.5） Ytt

(12.2237) (0.0214)t  (8.7337) (28.0367)R20.9788 R20.9776 F786.0569 d f17 DW0.7705

该回归方程可决系数较高，回归系数均显著。对样本量为1九、一个说明变量的模型、5%显著水平，查DW统计表可知，dL=1.18，dU= 1.40，模型中DW图6 残差图

图残差图中，残差的变更有系统模式，持续为正和持续为负，说明残差项存在一阶正自相关，模型中t统计量和F统计量的结论不可信，需采取补救方法。

3、自相关问题的修正

为解决自相关问题，选用科克伦—奥克特迭代法。由式 2.3.5可得残差序列et，在EViews中，每次回归的残差寄存在resid序列中，为了对残差进行回归分析，需生成命名为e的残差序列。点击工作文件窗口工具栏中的Genr，在弹出的对话框中输入eresid，点击OK取得残差序列et。

图7

利用et进行滞后一期的自回归，在EViews命今栏中输入 ls e e (-1) 可得回归方程

etet-1

（2.3.6）

ˆ=0.496086，对原模型进行广义差分，取得广义差分方程 由式 可知Yt0.4960Yt11(10.496086)2(Xt0.496086Xt1)ut ( )

对式 的广义差分方程进行回归，在EViews命令栏中输入(注意中间空格)

ls Y-0.496086*Y (-1) c X-0.496086*X (-1)，

回车后可得方程输出结果图8。

图8

由图8可得回归方程为

ˆ*60.438390.583281X* (2.3.8) Ytt (8.9638) (0.0294)t (6.7425) (19.8331)R20.9609 R20.9585 F393.3522 d f16 DW1.39759

ˆ*Y0.496086Y，X*X0.496086X。 式中，Yttt1ttt1

由于利用了广义差分数据，样本容量减少了1个，为18个。查5%显著水平的DW统

计表可知dL = 1.16，dU = 1.39，模型中DW = 1.3979> dU，说明广义差分模型中已无自相关，没必要再进行迭代。同时可见，可决系数R、t、F统计量也均达到理想水平。

2ˆ的标准误差。[原对照式2.3.5和式 2.3.8，很明显一般最小二乘法低估了回归系数2ˆ)0.0214，广义差分模型中为Se(ˆ)0.0294]。 模型中Se(22经广义差分后样本容量会减少1个，为了保证样本数不减少，能够利用普莱斯—温斯腾变换补充第一个观测值，方式是X1*X112和Y1*Y112。在本例中即为X110.4960862和Y110.4960862。由于要补充因差分而损失的第一个观测值，因此在EViews中就不能采纳前述方式直接在命令栏输入Y和X的广义差分函数表达式，而是要生成X和Y的差分序列XN与YN(那个地址,咱们以XN代替书上的X*,YN代替Y*)。点击工作文件窗口工具栏中的Genr，在弹出的对话框中输入YNY0.496086*Y(1)，点击OK取得广义差分序列YN，一样的方式取得广义差分序列XN。现在的XN和YN都缺少第一个观测值，需计算后补充进去，计算得XN1345.2255，YN1275.597，双击工作文件窗口的XN打开序列显示窗口，点击Edit+/-按钮，将XN1345.2255补充到1985年对应的栏目中，取得XN的19个观测值的序列。一样的方式可取得YN的19个观测值序列。

在命令栏中输入ls yn c xn取得普莱斯—温斯腾变换的广义差分模型为

YNt59.499560.588XNt (2.3.10)

(9.1291) (0.0297) t (6.5177) (19.8071)R20.9585 R20.9560 F 392.3237 d f17 DW1.3455

对照式 2.3.9和式 2.3.10可发觉，二者的参数估量值和各查验统计量的不同很微小，说明在本例中利用普莱斯—温斯腾变换与直接利用科克伦—奥克特两步法的估量结果无显著不同，这是因为本例中的样本还不算过小。若是实际应用中样本较小，那么二者的不同会较大。通常关于小样本，应采纳普莱斯—温斯腾变换补充第一个观测值。

由式 2.3.7有

ˆ59.49956118.0748 110.496086 ()

由此，咱们取得最终的中国农村居民消费模型为 Yt  118.07480.588 Xt

（2.3.12）

由式 2.3.12的中国农村居民消费模型可知，中国农村居民的边际消费偏向为0.588，即中国农人每增加收入1元，将增加消费支出0.588元。