(优选)经典单方程计量经济学模型

X2 0.01
1.00 -0.45 -0.04 0.18
X3 0.64 -0.45 1.00 0.69 0.36
X4 0.96 -0.04 0.69 1.00 0.45
X5 0.55
0.18 0.36 0.45 1.00
❖ 发现： X1与X4间存在高度相关性。
❖ （2）方差膨胀因子检验。
❖ 先建立每个解释变量对其余解释变量的辅助 回归模型。EVIEWS可以调用已建方程的回 归系数。
(-0.91) (8.39) (3.32) (-2.81) (-1.45) (-0.14)
R2接近于1； 给定=5%，得F临界值 F0.05(5,12)=3.11
F=638.4 > 15.19， 故认上述粮食生产的总体线性关系显著成立。
但X4 、X5 的参数未通过t检验，且符号不正确， 故解释变量间可能存在多重共线性。
❖ 调用的格式是：equation_name.@contents， 其中前面是已建方程的名称，contents包括 已建方程中的系数和统计量，常用的有 coef(n), 表示系数向量矩阵的第n个元素，R2 是拟合优度等。这样调用可以重新输入带来 的一些不必要的麻烦。
❖ 计算X1的VIF值。首先建立一个方程，不妨 命名为eqx1。它是以x1为因变量，其余变量
❖ 差分法。将原模型变形，在建模过程中在方程定义 栏中输入 y-y(-1) x1-x1(-1) … xp-xp(-1) . 差分常常 会丢失一些信息，使用时应慎重。
❖ 增加样本容量。 ❖ 利用先验信息改变参数的约束形式 ❖ 变换模型的形式 ❖ 逐步回归法 ❖ 主成分回归
案例——中国粮食生产函数
根据理论和经验分析，影响粮食生产（Y）的 主要因素有：
第二节 多重共线性的诊断与对策
❖ 一般地，如果模型的F很大， F检验通过，但 有些系数不能通过t检验，或模型的自变量之 间简单相关系数很高，或回归系数的符号与 简单相关系数的符号相反，都有理由怀疑存 在多重共线性。
❖ 另外，方差扩大因子法也是诊断多重共线性 的常用手段。
❖
其中
R
2 j
是把xj作为因变量，其余p-1个自变量
Yˆ 31919 .0 0.380 X 4
(17.45) (6.68) R2=0.7527 F=48.7 DW=1.11
Yˆ 28259.19 2.240X5
3、找出最简单的回归形式
分别作Y与X1，X2，X4，X5间的回归：
Yˆ 30867 .64 4.576 X1
(25.58) (11.49)
R2=0.8919 F=132.1 DW=1.56
Yˆ 33821 .18 0.699 X 2
(-0.49) (1.14) R2=0.075 F=1.30 DW=0.12
农业化肥施用量（X1）；粮食播种面积(X2)
成灾面积(X3);
农业机械总动力(X4);
农业劳动力(X5)
已知中国粮食生产的相关数据（case12)，建立 中国粮食生产函数：
Y=0+1 X1 +2 X2 +3 X3 +4 X4 +4 X5 +
1、用OLS法估计上述模型：
Yˆ 12816.44 6.213X1 0.421X 2 0.166X3 0.098X 4 0.028X5
（优选）经典单方程计量经济 学模型
第一节 误设定
❖ 模型设定误差的类型一般有： ❖ 遗漏了重要的解释变量； ❖ 模型包含无关的解释变量； ❖ 采用了不正确的函数形式。
模型设定误差的检验
❖ （1） 模型是否包含无关解释变量的检验 ❖ 对模型中是否包含无关解释变量的检验，就
是对模型解释变量的参数是否为0的检验 ❖ （2）模型遗漏重要解释变量和采用错误函数
为自变量建立的方程，然后在主窗口命令行 输入 scalar vifx1=1/(1-eqx1.@R2), 该命令 的意思是建立一个取值为上式的标量vifx1， 其中R2是R2.执行后主窗口的左下角状态栏上 会出现：“vifx1 successfully created”的字样， 同时工作表中产生一个叫做vifx1的新变量。 可以查看其值，大于10，就是存在多重共线 性。
Hale Waihona Puke Baidu
2、检验简单相关系数
❖ （1）相关系数检验。在命令窗口输入： COR X1 X2 X3 X4 X5，或者在变量组窗口， 点击VIEW-CORRELATION
2、检验简单相关系数
列出X1，X2，X3，X4，X5的相关系数矩阵：
X1
X2
X3
X4
X5
X1 1.00
0.01 0.64 0.96 0.55
❖ 一般情况下并不需要对共线性进行特别的检 验，但如果回归方程的可决系数很高，或F值 很大，而系数的标准差较大（t值很小），则 说明解释变量间存在较严重的多重共线性。
❖ 当自变量出现共线性时，应设法消除其影响，一方 面从收集数据，增大样本容量考虑，一方面改变模 型形式。
❖ 常用的方法有:
❖ 剔除法。设法找到引起共线性的变量并给予剔除。 这涉及到剔除的准则问题，通常可选择VIF值最大 或未通过系数显著性检验的变量进行剔除，剔除时 最好结合testdrop检验，检验剔除自变量是否对模 型不利。
形式的检验 ❖ 1）残差图示法检验 ❖ 2）一般性设定偏误检验：拉姆齐（Ramsey）
的RESET检验
❖ 拉姆齐的RESET检验的EViews实现：
❖ 选择Equation工具栏中的View\Stability Test\Ramsey RESET Test功能。
例7
❖ 本实验采用的数据是美国25家主要金属行业 的产出Y、资本投入K以及劳动投入L。 （table3-2.wf1）。有人认为估计模型为 LnY=LnA+aLnK+bLnL，利用Ramsey RESET检验来判断模型是否存在模型设定误 差。检验的原假设是：模型不存在设定误差。
作为自变量建立多元线性回归模型所得的决
定系数，也即xj与其余p-1个自变量间的复相 关系数。
❖ 当存在某变量的VIF，大于10时就可认为自变 量间有比较严重的共线性。还可以用所有p个 自变量所对应的方差扩大因子的平均数，如 远大于10时，表示自变量间存在严重的共线 性。
❖ EViews不能直接计算自变量的方差扩大因子， 需根据前述公式计算得到