计量经济学EIVEWS实验步骤和案例

一元线性回归检验
个人的收入与消费是密不可分的，为了考察城镇居民可支配收入和其人均消费支出的关系，利用计量经济学的方法进行回归。

1990-2011年城镇居民可支配收录和人均消费支出数据如表1.1所示
表1.1 城镇居民可支配收录和人均消费支出
图2-1数据来源：《中国民政统计年鉴2012》
作城镇居民可支配收录（X）和人均消费支出（Y）的散点图
图2. 2
从散点图可以看出居民家庭平均每人每年消费支出(Y)和城市居民人均年可支配收入(X)大体呈现为线性关系，所以建立的计量经济模型为如下线性模型：
12i i i Y X u ββ=++
三、估计参数
假定所建模型及随机扰动项i u 满足古典假定，可以用OLS 法估计其参数。

运用计算机软件EViews 作计量经济分析十分方便。

利用EViews 作简单线性回归分析的步骤如下：
1、建立工作文件
首先，双击EViews 图标，进入EViews 主页。

在菜单一次点击File\New\Workfile
图2-3
选择数据类型和起止日期。

时间序列提供起止日期（年、季度、月度、周、日），非时间序列提供最大观察个数。

本例中在Start Data 里输入1990，在End data 里输入2011，见图2-3。

单击OK 后屏幕出现Workfile 工作框，如图2-4所示。

图2-4
二、输入和编辑数据
建立或调入工作文件以后，可以输入和编辑数据。

在主菜单上单击Quick→Empty Group
（见图2-5）图2-5
再用方向键将光标移到每一列的顶部之后，输入各个变量名，回车后输入数据（见图2-7）。

另外数据还可以从Excel中直接复制到空组。

然后为每个时间序列取序列名。

单击数据表中的SER01，在数据组对话框中的命令窗口输入该序列名称，如本例中输入X，回车后Yes。

采用同样的步骤修改序列名Y（见图2-8）。

数据输入操作完成。

图2-8
数据输入完毕，单击工作文件窗口工具条的Save或单击菜单兰的File→Save将数据存入磁盘。

三、图形分析
在估计计量经济模型之前，借助图形分析可以直观地观察经济变量的变动规律和相关关系，以便合理的确定模型的数学形式。

图形分析中最常用的是趋势图和相关图。

在数组窗口工具条上Views的下拉菜单中选择Graph→line。

（如图2-9）
图2-9
相关图：Scat Y X （见图2-10和2-11）
功能：
（1）观察经济变量之间的相关程度；
（2）观察经济变量之间的相关类型，判断是线性相关，还是曲线相关；曲线相关时，大致是哪种类型的曲线。

图2-10数据相关图
图2-11居民收入与支出相关图
四、OLS估计参数
在主菜单上选Quick菜单，单击Estimate Equation项，屏幕出现Equation Specification 估计对话框，在Estimation Settings中选OLS估计，即Least Squares，输入：Y C X（其中C为Eviews固定的截距项系数）。

然后OK，出现方程窗口（见图2-12），输出结果如表2-1所示。

图2-12
图2-13方程窗口
单击Equation 窗口中的Resid 按钮，将显示模型的拟合图和残差图。

图2-14拟合图和残差图
单击Equation 窗口中的View →Actual, Fitted, Resid →Table按钮，可以得到拟合直线和残差的有关结果。

图2-15拟合直线和残差
的有关结果
五、预测
在Equation框中选Forecast项后，弹出Forecast对话框，Eviews自动计算出样本估计期内的被解释变量的拟合值，拟合变量记为YF，其拟合值与实际值的对比图如图2-16和2-17所示。

图2-16
图2-17
下面预测2012年的人均生活消费支出
1．首先将样本期范围从1990-2011年扩展为1990-2012年。

即单击工作文件框中Procs 中的Change workfile range，如图2-18所示，并将1990-2011改为1978-2012，如图2-18所示。

图2-18
然后编辑解释变量X。

在Group数据框中输入变量X的2012年数据23000.00见图2-19
图2-19
3．点预测。

在前面Equation对话框中选Forecast，将时间Sample定义在1990-2012，如图2-20所示，这时Eviews自动计算出=16045.37
图2-20
4．区间预测。

在Group数据框中单击View，选Descriptive Stats里的Common Sample Eviews，计算出有关X和Y的描述统计结果，如图2-21所示。

图2-21
模型检验
本例中参数估计结果为：
=578.9254+0.675126
标准差（108.1814） （0.011097）
t=(5.351430) (60.83664)
=0.994625 F=3701.097
四、模型检验
1、经济意义检验 所估计的参数=0.675126，，说明城市居民人均年可支配收入每相差1元，可导致居民消费支出相,0.675126这与经济学中边际消费倾向的意义相符。

2、拟合优度和统计检验
用EViews 得出回归模型参数估计结果的同时，已经给出了用于模型检验的相关数据。

拟合优度的度量：由表2.2中可以看出，本例中可决系数为0.994625，说明所建模型整体上对样本数据拟合较好，即解释变量“居民人均年可支配收入”对被解释变量“居民人均年消费支出”的绝大部分差异作出了解释。

对回归系数的t 检验：针对01:0H β=和02
:0H β=，由表2.2中还可以看出，估计的回归系数^1β的标准误差和t 值分别为：SE()，t(；^2β的标准误差和t 值分别为：SE(，t(。

取t 0.05α=，查t 分布表得自
由度为n-2=22-2=20的临界值=2.086。

因为
t(=2.086，所以拒绝01:0H β=；因为，
t(=2.086，所以应拒绝02:0H β=。

这表明，城市人均年可支配收入对人均年消费支出有显著影响。

五、回归预测
首先将样本期范围从1990-2011年扩展为1990-2012年。

即单击工作文件框中Procs 中的Change workfile range ，如图2-18所示，并将1990-2011改为1978-2012，然后编辑解释变量X 。

在Group 数据框中输入变量X 的2012年数据23000.00点预测。

在前面Equation 对话框中选Forecast ，将时间Sample 定义在1990-2012，如图2-20所示，这时Eviews 自动计算出=16045.37
=(n-1)=×（22-1）=280638241
==219121585
给定显著性水平=0.05，查表得（20）=2.086，由
=
可得的预测区间为
16045.37 2.086×3655.64316045.3710216.3273
即的95%预测区间（5829.0463，11820.69730）。