Eviews 实验操作手册(部分)

Eviews实验操作记录（慢慢整理）

相关系数检验：

W AGE ED SEX

W 1.000000 0.210152 0.495856 -0.260906

AGE 0.210152 1.000000 -0.038637 0.144689

ED 0.495856 -0.038637 1.000000 -0.084487

SEX -0.260906 0.144689 -0.084487 1.000000

①可以在命令窗口键入命令：cor x y z……，就会输出相关系数矩阵。

②假设你的样本数据序列：x1 x2

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

x1 x2

说明：

序列相关好像只有正相关、负相关、完全相关、完全不相关、强相关、弱相关等概念。相关系数为1是完全正相关，－1是完全负相关，0是完全不相关。

个人感觉0.5左右的相关关系（趋势）就比较弱了。eviews提供的相关计算是指序列之间的线性相关关系。如果序列之间不存在线性相关，也有可能存在其他类型的相关关系，如对数相关、指数相关等等。通常显著性是和建设检验关联的。统计假设检验也称为显著性检验，即指样本统计量和假设的总体参数之间的显著性差异。显著性是对差异的程度而言的，程度不同说明引起变动的原因也有不同：一类是条件差异，一类是随机差异。显著性差异就是实际样本统计量的取值和假设的总体参数的差异超过了通常的偶然因素的作用范围，说明还有系统性的因素发生作用，因而就可以否定某种条件不起作用的假设。假设检验时提出的假设称为原假设或无效假设，就是假定样本统计量与总体参数的差异都是由随机因素引起，不存在条件变动因素。

假设检验运用了小概率原理，事先确定的作为判断的界限，即允许的小概率的标准，称为显著性水平。如果根据命题的原假设所计算出来的概率小于这个标准，就拒绝原假设；大于这个标准则接受原假设。这样显著性水平把概率分布分为两个区间：拒绝区间，接受区间。显著性水平不是一个固定不变的数字，其越大，则原假设被拒绝的可能性愈大，原假设为真而被否定的风险也愈大。显著性水平应根据所研究的的性质和我们对结论准确性所持的要求而定

Eviews残差图的做法

①拟合后在eviews点击proc 点击make residual series，出现resid的值，再做图。View，graph，点击确定。

②模型估计完成后点击resid

-12

-8-40481216

RESID01

用eviews 进行残差正态性检验

在回归估计模型左上角的view-residual tests-histogram normal test,得到残差的分布直方图，左侧是残差的描述统计量，还有jarque-bera 统计量，即得到残差的正太性检验。

1

2

3

4

5

6

这个最终的结果要看JB 统计量，原假设是模型服从正态分布 在1%显著性水平下，P 大于0.01，不能拒绝原假设 在5%显著性水平下，P 小于0.05，拒绝原假设

对残差序列进行LM 检验

在回归估计模型左上角的view-residual tests- Serial Correlation LM Test ,得到残差的LM 检验结果

Breusch-Godfrey Serial Correlation LM Test:

F-statistic

12.44271 Prob. F(2,25) 0.0002 Obs*R-squared

14.46669 Prob. Chi-Square(2)

0.0007

Test Equation:

Dependent Variable: RESID

Method: Least Squares

Date: 12/26/15 Time: 00:11

Sample: 1978 2006

Included observations: 29

Presample missing value lagged residuals set to zero.

Variable Coefficient Std. Error t-Statistic Prob.

C -0.006564 0.053556 -0.122571 0.9034

LOG(YDP) 0.000756 0.006143 0.123123 0.9030

RESID(-1) 0.729874 0.200130 3.647008 0.0012

RESID(-2) -0.033677 0.200812 -0.167706 0.8682

R-squared 0.498851 Mean dependent var 5.18E-16 Adjusted R-squared 0.438714 S.D. dependent var 0.029645

S.E. of regression 0.022210 Akaike info criterion -4.649131

Sum squared resid 0.012332 Schwarz criterion -4.460539

Log likelihood 71.41240 Hannan-Quinn criter. -4.590066

F-statistic 8.295138 Durbin-Watson stat 1.990525

Prob(F-statistic) 0.000534

检验结果P值小于5%，拒绝原假设，即回归方程的残差序列存在序列相关性。

③残差序列的Q统计量和序列相关图

残差序列的Q统计量和序列相关图表明，残差序列是一个随机扰动项。

检验异方差：