计量经济学EVIEWS软件学习

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1-1
2、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。

命令格式为： CREATE 时间频率类型起始期终止期
则以上菜单方式过程可写为：CREATE A 1985 1998
3、输入数据
（1）进入数据编辑窗口，有命令方式和菜单方式两种
①DATA命令方式
在EViews软件的命令窗口键入DATA命令，命令格式为：
DATA <序列名1> <序列名2>…<序列名n>
本例中可在命令窗口键入如下命令（如图1-4所示）；将显示一个如图1-5的数组窗口，此时可以按全屏幕编辑方式输入每个变量的数据。

DATA Y X
图1-4
图1-5 数组窗口
②菜单方式
Object→New Object，选Series，并输入序列的名称，确认后，点击Edit+/-
编辑数据。

（2）数据的输入
在数据编辑窗口，数据的输入方式有如下几种方式：
①从键盘输入；
②从Excel复制数据。

首先，先取定Excel中的数据区域，选“复制”；其次，打开Eviews，同2-（2），建工作文件，使样本区域包含与被复制数据同样多的观察值个数；第三，击Quick→Empty Group (Edit series)；第四，按向上滚动指针，击数据区OBS右边的单元格，点Edit→Paste，再退出，选No，于是，在工作文件中有被复制的数据序列的图标。

③从Excel复制部分数据到已存在的序列中：取定要复制的数据，复制之；打开包含已存在序列的Group窗口，使之处于Edit模式（开关键是Edit+）；将光标指到目标单元格，点Edit→Paste，其它同3-（2）。

4、从Excel工作表中读取数据
击Procs→Import→Read-Lotus-Excel，选取文件类型为Text-ASCII或Excel.xls，打开文件；在对话框中，选取要打开的序列名，多个之间用空格隔开（如全用原序列名，输入序列的个数即可），OK。

启动Eviews，练习Eviews菜单与命令的使用；
5、一元线性回归模型的OLS估计
方法1：在命令窗口，直接输入“LS 因变量 C 自变量”，中间用空格隔开，多个自变量之间也用空格隔开。

方法2：点Object→New Object→Equation，出现对话框：在Equation Specification内填入方程（不带扰动项）；在Estimation Settings中填入所用估计方法和样本估计区间。

方法3：点Quick→Estimate Equation，同上填写对话框。

方法4：在工作文件内，按被解释变量、各解释变量图标的次序取定（按住Ctrl，用鼠标逐个选），对它们双击左键后，再点Open Equation，出现对话框，根据习惯，将C放在被解释变量与解释变量之间，其它填充同上方法。

由如上的回归结果，分析如何对方程进行拟合优度检验、回归系数的显著性检验以及其置信区间的求解。

6、一元线性回归模型的预测
其步骤为：
（1）扩展工作文件范围。

窗口方式：Proc→Structure/Resize current page；命令方式：EXPAND 起始日期结束日期。

（2）扩展样本区间。

窗口方式：Proc→set sample；命令方式：SMPL 起始日期结束日期。

（3）输入解释变量预测时间的取值，在OLS估计结果窗口，点击forecast，或在命令行输入FORECAST
7、图形分析
点Quick→Graph打开作图对话框，
图1-6
下表是中国2007年各地区税收Y和国内生产总值GDP的统计资料。

单位：亿元地区Y GDP 地区Y GDP
北京1435.7 9353.3 湖北434.0 9230.7 天津438.4 5050.4 湖南410.7 9200.0 河北618.3 13709.5 广东2415.5 31084.4 山西430.5 5733.4 广西282.7 5955.7 内蒙古347.9 6091.1 海南88.0 1223.3 辽宁815.7 11023.5 重庆294.5 4122.5 吉林237.4 5284.7 四川629.0 10505.3 黑龙江335.0 7065.0 贵州211.9 2741.9 上海1975.5 12188.9 云南378.6 4741.3 江苏1894.8 25741.2 西藏11.7 342.2 浙江1535.4 18780.4 陕西355.5 5465.8 安徽401.9 7364.2 甘肃142.1 2702.4 福建594.0 9249.1 青海43.3 783.6 江西281.9 5500.3 宁夏58.8 889.2 山东1308.4 25965.9 新疆220.6 3523.2 河南625.0 15012.5
要求，运用Eviews软件：
(1)作出散点图，建立税收随国内生产总值GDP变化的一元线性回归方程，并解释斜率的
经济意义；
(2)对所建立的回归方程进行检验；
(3)若2008年某地区国内生产总值为8500亿元，求该地区税收收入的预测值及预测区间。

实验二：Eviews的常用函数与多元线性回归分析
实验目的
1、掌握Eviews中的常用函数及应用
2、掌握用Eviews估计与检验多元线性回归模型
实验内容
1、掌握Eviews中的常用函数及应用
（1）一般函数
（2）关于回归结果的函数
（3）函数在Eviews中应用
2、多元线性回归分析
（1）创建工作文件后（注意文件范围尽量大，能包容序列），用New Object 建立序列，在Edit状态下，在相应位置输入或复制序列数据。

或者从Excel调入数据。

根据下表中的数据分析城镇居民人均全年耐用消费品支出Y和可支配收入X1和耐用消费品价格指数X2
表1 城镇居民人均人均耐用消费品支出与可支配收入的统计资料
年份人均耐用消费品支出
Y（元）
人均全年可支配收入
X1（元）
耐用消费品价格指数
X2
1988 137.16 1181.4 115.96 1989 124.56 1375.7 133.35 1990 107.91 1501.2 128.21 1991 102.96 1700.6 124.85 1992 125.24 2026.6 122.49 1993 162.45 2577.4 129.86 1994 217.43 3496.2 139.52
1995 253.42 4283.0 140.44 1996 251.07 4838.9 139.12 1997 285.85 5160.3 133.35 1998
327.26
5425.1
126.39
① 建立工作文件： CREATE A 88 98 ② 输入统计资料： DATA Y X 1 X 2 ③ 建立回归模型：LS Y C X 1 X 2
⒉ 菜单点击法，Eviews 中的多元回归分析的操作方式与一元回归分析相似可参照实验一步骤
则估计结果及有关信息如图2-1所示。

图2-1
由此，回归方程：
12158.53980.04940.9117i i i Y X X ∧
=+-
t ＝(1.301564) (10.54786) (－0.921316)
20.947989R = 20.934986R = 72.90647
F = （3）进行回归系数的检验和回归方程的检验，分析回归输出结果是否符合你期望出现的情况。

实验三异方差的检验与修正
实验目的
1、理解异方差的含义、后果
2、学会异方差的检验与加权最小二乘法
实验内容
一、准备工作。

建立工作文件，并输入数据，用普通最小二乘法估计方程（操
作步骤与方法同前），得到残差序列。

表2列出了1998年我国主要制造工业销售收入与销售利润的统计资料，请利用统计软件Eviews建立我国制造业利润函数模型。

表2 我国制造工业1998年销售利润与销售收入情况
行业名称销售利润销售收入行业名称销售利润销售收入
食品加工业187.25 3180.44 医药制造业238.71 1264.1
食品制造业111.42 1119.88 化学纤维制品81.57 779.46
饮料制造业205.42 1489.89 橡胶制品业77.84 692.08
烟草加工业183.87 1328.59 塑料制品业144.34 1345 纺织业316.79 3862.9 非金属矿制品339.26 2866.14 服装制品业157.7 1779.1 黑色金属冶炼367.47 3868.28
皮革羽绒制品81.7 1081.77 有色金属冶炼144.29 1535.16
木材加工业35.67 443.74 金属制品业201.42 1948.12
家具制造业31.06 226.78 普通机械制造354.69 2351.68
造纸及纸品业134.4 1124.94 专用设备制造238.16 1714.73 印刷业90.12 499.83 交通运输设备511.94 4011.53 文教体育用品54.4 504.44 电子机械制造409.83 3286.15
石油加工业194.45 2363.8 电子通讯设备508.15 4499.19
化学原料纸品502.61 4195.22 仪器仪表设备72.46 663.68
二、异方差的检验
1、图形分析检验
⑴观察销售利润（Y）与销售收入（X）的相关图(图3-1)：SCAT X Y
图3-1 我国制造工业销售利润与销售收入相关图
从图中可以看出，随着销售收入的增加，销售利润的平均水平不断提高，但离散程度也逐步扩大。

这说明变量之间可能存在递增的异方差性。

⑵残差分析
首先将数据排序（命令格式为：SORT 解释变量），然后建立回归方程。

在方程窗口中点击Resids按钮就可以得到模型的残差分布图（或建立方程后在Eviews工作文件窗口中点击resid对象来观察）。

图3-2 我国制造业销售利润回归模型残差分布图3-2显示回归方程的残差分布有明显的扩大趋势，即表明存在异方差性。

2、Goldfeld-Quant检验
⑴将样本安解释变量排序（SORT X）并分成两部分（分别有1到10共11个样本合19到28共10个样本）
⑵利用样本1建立回归模型1（回归结果如图3-3），其残差平方和为2579.587。

SMPL 1 10
LS Y C X
图3-3 样本1回归结果
⑶利用样本2建立回归模型2（回归结果如图3-4），其残差平方和为63769.67。

SMPL 19 28 LS Y C X
图3-4 样本2回归结果
⑷计算F 统计量：12/RSS RSS F =＝63769.67/2579.59=24.72，21RSS RSS 和分别是模型1和模型2的残差平方和。

取05.0=α时，查F 分布表得44.3)1110,1110(05.0=----F ，而
44.372.2405.0=>=F F ，所以存在异方差性
3、White 检验
(1)建立回归模型：LS Y C X ，回归结果如图3-5。

图3-5 我国制造业销售利润回归模型
(2)在方程窗口上点击View\Residual\Test\White Heteroskedastcity,检验结果如图3-6。

图3-6 White 检验结果
其中F 值为辅助回归模型的F 统计量值。

取显著水平05.0=α，由于2704.699.5)2(2205.0=<=nR χ,所以存在异方差性。

实际应用中可以直接观察相
伴概率p 值的大小，若p 值较小，则认为存在异方差性。

反之，则认为不存在异方差性。

4、异方差的消除—加权最小二乘法
加权最小二乘法中，最重要的是确定权重的确定，一般而言，采用残差绝对值的倒数作为权重，也可以采用其他形式。

A. 首先，用SMPL 命令设定样本的区间（包括所有观测值），如：SMPL 1 31
B. 进行最小二乘回归，得到残差序列，LS Y C X
C. 根据残差确定权重， GENR W1=1/ABS(RESID)
D. 进行加权最小二乘估计，LS(W=W1) Y C X ；或在方程窗口中点击
Estimate\Option 按钮，并在权数变量栏里依次输入W1
回归结果如下图3-7所示：
图3-7
E. 对回归方程在进行White 检验，观察异方差的调整情况
对所估计的模型再进行White检验，其结果如下图3-8所示：
图3-8
nR的值，这表示异方差性已经得图3-8对应的White检验没有显示F值和2
到很好的解决。