计量经济学软件操作知识分享

计量经济学软件操作应用
以上是北京2000年—2013年的住宅商品房销售价格、房屋供应面积、在岗职工平均工资和城镇固定资产投资额的统计数据。

下面我们应用Eviews软件对此统计数据进行分析。

1、首先大体分析数据内容，我们根据经济关系认为住宅商品房销售价格是受房屋供应面积、在岗职工平均工资和城镇固定资产投资额的影响的，所以：
建立一般模型：Y=C+b1X1+b2X2+b3X3+U
其中：Y——住宅商品房销售价格
X1——房屋供应面积
X2——在岗职工平均工资
X3——城镇固定资产投资额
C——常数系数
2、Eviews软件估计结果如下：
Dependent Variable: Y
Method: Least Squares
Date: 11/02/15 Time: 12:54
Sample: 2000 2013
Included observations: 14
Variable Coefficient Std. Error t-Statistic Prob.
X1 -1.843118 5.039291 -0.365749 0.7222
X2 0.000153 0.000244 0.629262 0.5433
X3 0.143269 0.172230 0.831845 0.4249
C 14.82325 969.7240 0.015286 0.9881
R-squared 0.934974 Mean dependent var 9935.724 Adjusted R-squared 0.915467 S.D. dependent var 5318.260
S.E. of regression 1546.264 Akaike info criterion 17.76003
Sum squared resid 23909319 Schwarz criterion 17.94261
Log likelihood -120.3202 Hannan-Quinn criter. 17.74313
F-statistic 47.92849 Durbin-Watson stat 0.971177
Prob(F-statistic) 0.000003
可以看到可决系数为0.93，比较高，样本回归线与样本观测值拟合程度比较好。

Y变化的93.5%可以由其他三个变量的变化来解释。

拟合优度越高，解释变量对被解释变量的解释程度就越高。

自由度为14-3-1=10，F检验大于27.23表明在1%的显著性水平下，模型的线性关系显著成立。

根据相关系数关系发现X1、X2、X3之间的相关关系都很高，其中X2、X3之间的最高;其次是X2和X1之间的相关关系；然后是X1和X3。

表明他们之间有较强的共线性。

说到T检验，因为方程的总体线性关系是显著的，并不能说明每个解释变量对被解释变量的影响都是显著的，必须对每个解释变量进行显著性检验，以来决定是否作为解释变量保存在模型中。

如果某个变量对被解释变量的影响不显著，应该剔除，已建立更为简单的模型。

故用T检验。

-0.365749；0.629262；0.831845分别为X1、X2、X3的T检验值。

都不高，X2和X3在75%的影响下显著，而X1
不显著。

没有通过变量显著性检验。

说明存在严重多重共线性。

要进行以下修正：一、看看是否真的有多重共线性：
可以看到真的存在多重共线性，他们之间的相关系数都达到了0.99以上。

1、下面进行X1和Y的检验：
Dependent Variable: Y
Method: Least Squares
Date: 11/02/15 Time: 18:35
Sample: 2000 2013
Included observations: 14
Variable Coefficient Std. Error t-Statistic Prob.
X1 7.555146 0.677912 11.14472 0.0000
C 493.8431 954.2447 0.517522 0.6142
R-squared 0.911897 Mean dependent var 9935.724 Adjusted R-squared 0.904556 S.D. dependent var 5318.260 S.E. of regression 1643.028 Akaike info criterion 17.77803 Sum squared resid 32394485 Schwarz criterion 17.86933 Log likelihood -122.4462 Hannan-Quinn criter. 17.76958 F-statistic 124.2049 Durbin-Watson stat 0.763881 Prob(F-statistic) 0.000000
可以看到可决系数为0.91，而且T检验通过，我们暂且保留。

2、在进行X2和Y的检验：
Dependent Variable: Y
Method: Least Squares
Date: 11/02/15 Time: 18:38
Sample: 2000 2013
Included observations: 14
Variable Coefficient Std. Error t-Statistic Prob.
X2 0.000286 2.26E-05 12.67101 0.0000
C -75.94089 881.1922 -0.086180 0.9327
R-squared 0.930457 Mean dependent var 9935.724 Adjusted R-squared 0.924662 S.D. dependent var 5318.260 S.E. of regression 1459.748 Akaike info criterion 17.54148 Sum squared resid 25570383 Schwarz criterion 17.63277 Log likelihood -120.7904 Hannan-Quinn criter. 17.53303
F-statistic 160.5546 Durbin-Watson stat 0.762553 Prob(F-statistic) 0.000000
可以看到可决系数为0.93，T检验同样通过，因为大于8.12。

暂时保留。

3、同理，X3和Y的检验：
Dependent Variable: Y
Method: Least Squares
Date: 11/02/15 Time: 18:40
Sample: 2000 2013
Included observations: 14
Variable Coefficient Std. Error t-Statistic Prob.
X3 0.202936 0.015788 12.85383 0.0000
C 229.6596 847.5785 0.270960 0.7910
R-squared 0.932288 Mean dependent var 9935.724 Adjusted R-squared 0.926645 S.D. dependent var 5318.260 S.E. of regression 1440.402 Akaike info criterion 17.51480 Sum squared resid 24897102 Schwarz criterion 17.60609 Log likelihood -120.6036 Hannan-Quinn criter. 17.50635 F-statistic 165.2209 Durbin-Watson stat 1.151232 Prob(F-statistic) 0.000000
可以看到，可决系数为0.93，T检验为12.85通过，暂时保留。

但是X1、X2、X3三者比较，X3的调整可决系数最大，为0.927。

故用X3和其他变量间同Y进行回归分析：
1、先是Y与X3和X2回归分析：
Dependent Variable: Y
Method: Least Squares
Date: 11/02/15 Time: 18:56
Sample: 2000 2013
Included observations: 14
Variable Coefficient Std. Error t-Statistic Prob.
X3 0.119256 0.152828 0.780329 0.4517
X2 0.000119 0.000216 0.550676 0.5929
C 75.97497 916.8205 0.082868 0.9354
R-squared 0.934104 Mean dependent var 9935.724 Adjusted R-squared 0.922123 S.D. dependent var 5318.260 S.E. of regression 1484.133 Akaike info criterion 17.63046 Sum squared resid 24229160 Schwarz criterion 17.76740 Log likelihood -120.4132 Hannan-Quinn criter. 17.61778 F-statistic 77.96547 Durbin-Watson stat 0.938566 Prob(F-statistic) 0.000000
可以看到虽然可决系数通过，但T检验通过的不好，特别是X2。

2、下面进行Y与X3和X1的回归分析：
Dependent Variable: Y
Method: Least Squares
Date: 11/02/15 Time: 18:57
Sample: 2000 2013
Included observations: 14
Variable Coefficient Std. Error t-Statistic Prob.
X3 0.218938 0.119867 1.826504 0.0950
X1 -0.608132 4.512175 -0.134776 0.8952
C 224.3200 885.4237 0.253348 0.8047
R-squared 0.932400 Mean dependent var 9935.724 Adjusted R-squared 0.920109 S.D. dependent var 5318.260
S.E. of regression 1503.210 Akaike info criterion 17.65600 Sum squared resid 24856057 Schwarz criterion 17.79294 Log likelihood -120.5920 Hannan-Quinn criter. 17.64333
F-statistic 75.86038 Durbin-Watson stat 1.185660 Prob(F-statistic) 0.000000
可以看到同样可决系数通过，但是T检验过程中X1不通过。

因为只有三个解释变量，故舍弃X1。

成为二元回归。

此时的调整可决系数大于原三元回归的模型。

虽然Prob仍不符合，即数据还是有偏差，但仍是有所改进。

此时的回归方程为：
Y = 0.119255899172*X3 + 0.000118750998689*X2 + 75.9749703821
以上即为多重共线性的检验与修正。

二、异方差的检验：
以上是这是做完后的样子。

下面是异方差散点图：
可以看到有增大的趋势。

下面进行怀特检验：
由怀特检验结果可知F检验通过、调整可决系数为6.8、Prob小于0.05。

说明他们是显著的，是拒绝原假设的。

模型中随机误差项存在异方差。

所以下面进行异方差的修正：
书本上的方法：建立权变量W1、W2和W3。

进行加权最小二乘法：
进行W1的检验：Modified: 2000 2013 // w1=1/x
看到可决系数有了提高为0.8。

进行W2的检验：Modified: 2000 2013 // w2=1/x^2
看到可决系数有了提高为0.8。

进行W3的检验：Modified: 2000 2013 // w3=1/x^0.5
看到可决系数有了提高为0.91。

可以看出这里W3的加权为最好。

故进行W3的加权修正。

还有些推荐的方法：
与课本上的比较这种方法做得更差。

不用它。

三、自相关检验
可以看到这个回归检验很完美，如果看D.W.检验的话。

查D.W.分布表可知
（n=14;k=3）dl和du的临界值为（ 0.90544 ， 1.55066），同样符合。

没有自相关。

查看残差图为：
它的2010年超过了范围，因为拟合值越小拟合效果越好。

逆转正常。

散点图：
如果正相关则在一三象限散点较多，这表示有自相关，而且是正的自相关。

进行一阶自相关修正：
在Y、X、C后面加ar(1)或ar(2)进行修正，但修正的结果并没有原模型好。

说明可能并不存在自相关，即使存在也不能用这种方法修正。

综上：
最后的模型得到的方程为：
Y = 0.119255899172*X3 + 0.000118750998689*X2 + 75.9749703821
其经济含义为：
Y——住宅商品房销售价格
X2——在岗职工平均工资
X3——城镇固定资产投资额
在北京的岗职工平均工资每增加1元，北京住宅商品房平均销售价格就约增加0.12元/平方米；城镇固定资产投资额每增加1元，北京住宅商品房平均价格就增加1.1875元/平方米。