计量经济学解析

（三）、如何手动输入数据
Quick→Empty group→手动复制表格（必须按照日期对齐）
（四）、如何划出带回归线的散点图
在以组群打开的形式中，view→group
1、Graph type→specific→scatter（散点图） 2、details→fit lines→regression line（带回归线的散点图）
第四章 线性回归模型
（一）、关于汽车保有量的综合实验操作
1、重复操作新建打开文件，并导入数据，此处不再赘述，详见第一、第 二部分。 2、导入数据后，按照既定顺序，依次设置y=“汽油消费量”，x1=“汽车保 有量”，x2=“汽油价格”，x3=“人口数”，x4=“国民生产总值”。
3、重复操作，依次点击y→x1→x2→x3→x4，右击open→as group建组群，如图1所示。
生成新变量，令e=resid
再生成两个新变量：令lne2=log(e2)和令lnx=log(x)
将lne2与lnx以组群的形式打开，建立辅助组群（先选择lne2，再 选择lnx），得下图所示结果，并得出带回归线的散点图。 由右图可知，两者成正相关，即方差随x的变大而变大，因此存 在递增型的异方差。
2、在以组群形式打开的情况下，重复操作：Proc→make equation （以方 程形式呈现）。如左图所示。 3、点击确定。如右图所示。
4、点击forecast。
5、点击forecast 后，如左图所示，点击确定后，如右图所示。
6、回到workfile文件中后，可以看到yf（估计值）。如 左图所示。 7、点击yf后可以看到2017年的估计值。
（一）如何检验异方差 1、图示检验法
（1）相关图分析 看是否存在明显的散点扩大、缩小或复杂型趋势（即不在一个固定 的带型域中）
Y
同方差
X
递增异方差 递减异方差 先减后增
先增后减
2 ~ (2)X- ei 的散点图进行判断
~2 e i
（残差图分析）
~2 e i
X 同方差 递增异方差
X
~2 e i
~2 e i
图1 新增变量： Genr，令e2=resid^2 得到如图2所示结果。
图2
按照第二种检验方法，即e2~X散点图，将e2与x联立组群（辅助组群如 左下图所示），进而得到带回归线的散点图。如右下图所示结果。
通过观察带回归线的散点图，我们可知，残差平方e2与x之间成正相关 关系。则由此上溯，可知，原来模型的随机项的方差随x的取值的变大 而变大，是递增型的异方差。
1、以组群形式展开：单击y然后x，右击open→as group，呈现如右图
2、以方程形式展开：单击y然后x，右击open→as equation
3、在方程形式下，单击view→representaions，返回方程形式 view→estimation output，下图所示的函数形式即凯恩斯消费函数
计量经济学解析
经济学院 邓嘉纬
第一章至第三章 计量经济学基础
（一）、如何新建文件
File→New→Workfile，即可新建文件，或使用ctrl+N。
1、文件结构类型（workfile structure type）分为，非结构/非日期（Unstructure/ Undated），时间序列（dated-regular frequency），平衡面板数据（balanced panel）。 2、日期说明（date specification）。其中有频率（frequency）、开始日期（start date）、终止日期（end date）。 3、对文件命名（workfile names）。

2
由此可得辅助回归结果，如上图所示。所以一定存在正相关， 且递增的异方差。
（二）、异方差综合练习： （地区）可支配收入与交通通讯支出
1、由于是非时间序列，所以选择截面数据。 2、导入数据后将可支配收入设为x，将交通 与通讯支出设为y
3、将数据以组群的形式打开，并建立带有回归线的散点图，如左 图所示。由左图可知，大体上是递增型异方差（预测）。同时输 出方程，结果如右图所示。
（八）、如何进行预测
对2017年的消费量进行预测
1、点击左图中工具栏中的forecast，出现右图所示。点击确定
2、点击确定后出现上图所示。
3、如图1，文件中出现yf，即被估计的消费 值
图1
4、如图2，估计值如下图所示。
图2
（九）、增加第三个变量x3并对消费进行预测
1、在此我们引入税收的数据，直接由excel数据图表复制 并粘贴在group02中。修改变量x3的名称，命名为x3。
估计辅助回归方程： 进行统计检验： （1）F检验：查表可得4.18，结论所得4.732＞4.18，所以方程存在； （2）T检验：通过查t统计量分布表，样本数为31，所以自由度n为29； α=0.05，由于是单边检验，所以取α/2=0.025，可得 t ≈ 2.045 ，结论所得 2.1754＞2.045，所以数据显著存在。
X 递减异方差 复杂型异方差
X
先增后减
4、重复操作，生成新变量e2，令e2=resid^2（残差的平方），并与x以组 群（辅助族群）的形式打开，结果如左图所示。输出带回归线的散点图， 结果如右图所示。因此，可得结论，可支配收入（x）的增加，残差的平 方（e2）也增加，成正相关关系，所以是递增型异方差。
~ 2 ( n c k 1) e 2i 2 nc nc F ~ F( k 1, k 1) nc 2 2 2 ~ e ( k 1 ) 1i 2
（五）给定显著性水平 ，确定临界值F (v1,v2)， 若F> F (v1,v2)， 则拒绝同方差性假设，表明存在异方差。 当然，还可根据两个残差平方和对应的子样的顺序判断是递增型 异方差还是递减异型方差。
第五章 异方差性
（一）、异方差综合练习：人均储蓄与人均收入
由于数据是word文档，所以需要在Eviews文件操作中黏贴数据。
Quick→Empty group→手动复制表格（必须按照日期对齐） 同时将人均收入设为x，将人均储蓄设为y，得 到如右下图所示结果。
建立方程，得如左图结论；建立带回归线的散点图，得如右图结论。
2、在以组群显示的情况下，单击proc→make equation，点击确定。
3、点击确定后如上图所示。 4、补充说明变量： R-squared：拟合优度（判决系数）；Adjusted r-squared：被调整后的R^2 S.E. of squared resid：回归线的标准差；Sum squared resid：残差平方和 F-statistic：F统计量
Proc→make equation （以方程形式呈现）
（七）、如何增加2017的数据
双击range→将end date更改为2017
根据国民发展公报可知，2017年国内生产总值较 2016年增长了6.7%，因此可得2017年国内生产总 值数额。
1、在以组群打开的形式中， proc→make equation，如左图 所示。点击确定，如右图所示。 命名为eq02。
估计辅助回归方程： 进行统计检验： （1）F检验：查表可得4.38，结论所得6.808＞4.38，所以方程存在； （2）T检验：通过查t统计量分布表，样本数为21，所以自由度n为19； α=0.05，由于是单边检验，所以取α/2=0.025，可得 t ≈ 2.093 ，结论所得 2.6093＞2.093，所以数据显著存在。
4、在组群显示菜单下，点击proc→make equation，出现左 图。点击确定出现右图所示结果
5、查T统计量分布表，得系数C的T-statistic值的绝对值小于1，因 此不具有显著性，舍去。重复操作，新建方程，删去c量，得出下 图所示结果。
6、共有样本38个，查T统计量分布表，自由度n=35，α=0.025， 得t=2.0301。可知x3，x4的t-statistic值不具有显著性，舍去。由 此得出下图结果。
（三）、引入往年消费（x2=y(-1)）的残差分析
1、重复第五大点（如何引入一个新的解释变量）的操作，将新的解 释变量设定为计算往年消费，即x2=y(-1)。 2、建立方程，进行残差分析，可得下图所示。
（四）、综合练习： 拟合优度检验、计算置信区间
1、新建文件，导入相关数据，此处我们引用劳动生产率与实际工资的数 据图表，如左图所示。数据导入后，将劳动生产率设置为x，由于实际工 资是劳动生产率的函数，因此设定为y。依次单击y→x，右键open→as group，以组群的形式打开，如右图所示。
3、补充说明： （1）actual fitted residual table，实际拟合残差分析数值表 （上页已示） （2）actual fitted residual graph，实际拟合残差分析图（如下 图所示）
（3）residual graph，残差图（如左图所示） （4）standardized residual graph，标准残差图（如右图所示）
如左图所示，点击已知的group01，点击proc→Sort Current Page， 显示图框如右图所示。
排序后结果如左图所示。
构建并截取第一个小样本，双击左图中的sample，并按照右图的 数据进行更改。
选取前12个数据，并估计方程。
选取后12个数据，并估计方程。
3、帕克(Park)检验 （1）运用最小二乘法作基本回归； （2）Genr lne2=log(resid^2), Genr lnx=log(x) ; （3）对lne2和 lnx运用最小二乘法作基本回归； （4）对新的回归结果进行α=0.05的系数显著性检验（t检验）； （5）如接受原假设，即系数为0， lne2和 lnx 之间无显著性相关关系，则 不存在异方差。
选择相应数据文件。在此，我们选择中国国家统计局2016年统计年鉴的313“支出法或内生产总值”作为本例数据，数据如右图所示。
数据导入后，按照相关变量关系设置变量x与y，在本例中，根据凯 恩斯消费函数y=α+βx，我们将消费设置为y，国内生产总值设置为x。
1、单击数据x，打开数据表格（如左图） 2、view→graph（如右图），可对数据图表进行画图分析，线性（line & symbol）、bar（柱状图）等等
3、在频率（frequency）中有诸多选项，每两年（multi-year）、每年（annual）、半年 （semi-annual）等等
1、范围（range）、样本（sample） 2、系数（c）、残差（resid）
（二）、数据导入
File→import→import from file→数据文件所在地

2
由此可得辅助回归结果，如上图所示。所以一定存在正相关， 且递增的异方差。
2、G-Q检验： （1）对已知数据进行排序：将n对样本观察值(Xi,Yi)按观察值Xi的大 小排队 （2）将序列中间的c=n/4个观察值除去，并将剩下的观察值划分为 较小与较大的相同的两个子样本，每个子样样本容量均为(n-c)/2。 在本例中一共有31个观测值，因此，去掉中间的7个观测值，需要 前12个观测值和后12个观测值。 （3）对每个子样分别进行OLS回归，并计算各自的残差平方和。 （4）提出假设：两个子样方差相等；在同方差性假定下，构造如 下满足F分布的统计量
（二）、残差分析（Residual ）
1、以第三大点的国内消费函数为例，重复基础操作创建工作文件，命名 为“残差分析”，显示如左图所示。 2、如下创建方程，工具栏view→actual fitted residual（实际拟合残差分 析）→actual fitted residual table（实际拟合残差分析表），显示如右图所 示。
带回归线的散点图
（五）、生成一个新的解释变量
1、GenrHale Waihona Puke Baidu生成新变量 2、以上一年消费计算， x2=y(-1)
3、将原来的变量x更名（F2）为x1
图1 4、选择次序：y→x1→x2，右击 open→as group，以组群方式打开， 命名为group2，如图2所示。
图2
（六）、估计方程的实现方法