1、8/16/20221计量经济学实验指导 基于Eviews软件主讲：陈先强襄樊学院8/16/20222实验指导之总论o 实验目的o 实验程序o 实验成绩考核o 实验内容安排o 附录1：实验报告撰写的基本要求o 附录2：Eviews软件简介8/16/20223实验目的o 学习和掌握计量软件Eviews的基本使用方法；o 掌握经济管理理论与问题的计量实现程序；o 加深对课程理论知识的理解与应用；o 初步掌握经济科学和管理科学规范的问题研究分析方法，以及计量研究结果的呈现。8/16/20224实验程序o 1.教师实验案例讲授与演示o 2.学生从实验室案例库提取案例数据，进行模拟分析；o 3.学生撰写计
2、量分析实验报告o 4.报告分析与点评8/16/20225实验成绩考核o 实验成绩纳入课程考核总成绩，占总成绩的30。按照实验次数进行均分。o 实验考核的指标 实验出勤与纪律（10）实验过程（40）报告呈现（规范性、科学性）（50）8/16/20226实验内容安排o 简单线性回归模型实验o 多元线性回归模型实验o 异方差问题的解决实验o 序列相关性问题的解决实验o 多元共线性问题的解决实验8/16/20227附录1：实验报告撰写的基本要求o 规范清晰的标题o 明确的实验目的o 详细的模型设定说明o 必要的数据获取及其预处理的说明o 模型估计的Eviews实现过程和必要图表o 模型检验及其结果说明
3、o 模型结果的初步讨论o 预测分析8/16/20228附录2：Eviews简介o Eviews软件背景o Eviews的启动、运行与关闭o Eviews的基本窗口简介8/16/20229Eviews软件背景o EVIEWS是在大型计算机的TSP(Time Series Processor)软件包基础上发展起来的一组处理时间序列数据的有效工具。o 1981年QMS(Quantitative Micro Software)公司在Micro TSP基础上直接开发成功EVIEWS并投入使用。目前已经发展到6.0版。o EVIEWS得益于WINDOWS的可视的特点，能通过标准的WINDOWS菜单和对话框
4、，用鼠标选择操作，并且能通过标准的WINDOWS技术来使用显示于窗口中的结果。o 可以利用EVIEWS的强大的命令功能和它的大量的程序处理语言，进入命令窗口修改命令，并可以将计算工作的一系列操作建立成相应的计算程序，并存储，可以通过直接运行程序来完成你的工作。o 是目前经济管理学科进行计量分析使用较为广泛的软件工具，据调查，目前国内高校使用率达98（丘东、李自奈，2007）。8/16/202210Eviews的启动、运行与关闭o EVIEWS提供了一张光盘。插入光驱既可直接安装，并直接在桌面上建立图标。在第一次使用前，EVIEWS要求你在注册（网上或者电话）。o 在WINDOWS下，有下列几种
5、启动EVIEWS的办法：单击任务栏中的开始开始按钮，然后选择程序程序中的EVIEWS进入EVIEWS程序组，再选择EVIEWS程序符号；双击桌面上的EVIEWS图标；双击EVIEWS的workfile 或database文件名称。o 在主菜单上选择File/Close或按ALT-F4键来关闭EVIEWS；可单击EVIEWS窗口右上角的关闭方块。8/16/202211Eviews的基本窗口简介（一）o EVIEWS窗口由如下五个部分组成：标题栏、主菜单、命令窗口、状态线、工作区，如下。标题栏主菜单命令窗口工作区状态线8/16/202212Eviews的基本窗口简介（二）o标题栏：它位于主窗口的最
6、上方。你可以单击EVIEWS窗口的任何位置使EVIEWS窗口处于活动状态。o主菜单：点击主菜单会出现一个下拉菜单，在下拉菜单中可以单击选择显现项。o命令窗口：菜单栏下面是命令窗口。把EVIEWS命令输入该窗口，按回车键即执行该命令。o状态线：窗口的最底端是状态线，它被分成几个部分。左边部分有时提供EVIEWS发送的状态信息；往右接下来的部分是EVIEWS寻找数据和程序的预设目录；最后两部分显示预设数据库和工作文件的名称。o工作区：位于窗口中间部分的是工作区。EVIEWS在这里显示各个目标窗口。8/16/202213实验一：简单线性回归模型实验o 实验目的：熟悉和掌握Eviews在简单线性回归模
7、型中的应用。o 实验数据：19782000年中国人均居民消费CONSP与人均GDPP，共计23个数据点。o 实验原理：普通最小二乘法(OLS)o 实验预习知识：普通最小二乘法、t检验、拟合优度检验、预测8/16/202214实验步骤之一：建立工作文件（1）点击桌面Eviews5.0图标，运行Eviews软件。（2）通过主界面菜单路径file-new-workfile，打开workfile create对话框。在对话框workfile structure type的下拉菜单，选择dated-regular frequency,在date specification下的frequency选择ann
8、ual,然后分别在start与end框中填写“1978”和“2000”。最后，在WF框中填写文件名“consp”。点击OK确认。8/16/202215实验步骤之一图示工作文件创建框工作文件界面8/16/202216实验步骤之二：建立序列对象（1）点击主界面下拉菜单objectnew object，打开new object对话框。在types of object下选择序列series，然后在右边命名框，将其命名为consp。点击OK，完成对consp序列对象的建立。（2）重复上述步骤，建立gdpp序列对象。（3）完成对象序列建立8/16/202217New object 对话框8/16/2022
9、18对象建立后的工作文件界面序列对象8/16/202219实验步骤之三：录入数据（1）将数据预先保存为Excel文件。（2）在主界面点击file-import-read text-lotus-excel，找到数据源文件，确认后打开数据录入对话框（如后）。在录入序列名对话框中，空格输入序列名consp gdpp（注意顺序），其他采用默认方式。点击OK，完成数据录入。（3）通过双击对应数据序列对象，或者同时选中要查看对象，点击右键弹出菜单，采用open-as group，以组形式打开数据序列，查看数据录入情况。8/16/202220录入数据对话框8/16/202221数据录入查看8/16/2022
10、22实验步骤之四：数据统计与作图o 以组形式打开序列consp和gdpp。o 在组对象的菜单依次点击view-discriptive stats-common sample（或者individual sample，分别显示结果），对序列数据进行描述性统计，包括均值、中位数、最大值，最小值、方差、标准差、斜度、峰度、Jarque-bera值以及正态性检验概率等（见后表）。o 在组对象的菜单依次点击view-graph-scatter-scatter with regression,默认拟合变换对话框的设置，点击OK，得到consp和gdpp带拟合曲线的关系散点图（见后图）8/16/202223数
11、据描述性统计8/16/202224Consp与gdpp关系散点图8/16/202225实验步骤之五：构建估计模型o 构建模型依据：已有经济理论（收入消费理论）逻辑分析 数据关系图o 本实验构建的模型如下：tttgdppconsp108/16/202226实验步骤之六：模型估计（1）在主界面菜单上，点击quick-estimate equation，打开模型估计设置对话框（如后图）。（2）在对话框equation specification框中填写模型方程形式。对于线性方程来说，可以简单地填写因变量、参数项（默认为c）和自变量名称，用空格隔开。（3）在估计方法estimate method 中，
12、选择普通最小二乘线性估计LS。其他默认设置。（4）单击OK键，进行模型估计。输出结果见后。8/16/202227模型估计设置对话框8/16/202228模型估计之参数结果状态参数估计参数8/16/202229模型估计之方程结果估计方程8/16/202230实验步骤之七：估计模型检验o 一元线性模型的检验包括参数显著性检验（t检验）和拟合优度 检验。o 参数检验：方程斜距参数为13.507，显著性概率为0.0000，而斜率参数为53.457，显著性概率为0.0000。因此，根据t检验原则，在显著性水平为0.05的条件下，两个参数均显著的异于零，拒绝原假设H0。o 本模型的拟合优度系数 为0.99
13、3，显示本模型具有较高的拟合程度，gdpp对consp的变异解释能力达到99.3%2R2R8/16/202231实验步骤之八：预测o 模型预测包括两个方面：对E(y)的预测与对y的预测。o 预测模式包括点预测与区间预测。o 预测的误差主要来自两个方面：随机抽样误差和干扰因素误差。8/16/202232对E(y)的预测（1）在方程对象窗口中，选择菜单forecast，弹出forecast对话窗口，在series name下面分别给预测值与标准误命名consf和se1。（2）在输出结果output中，选择输出预测图forecast graph与预测评估表forecast evalution。默认其
14、他设置。（3）点击OK，输出结果。8/16/202233Forecast 对话窗口8/16/202234E（y）预测结果：图与评估表预测图评价表由评估表可以发现：本模型具有良好的预测能力。8/16/202235E（y）预测结果：预测值与标准误标准误预测值8/16/202236对y的预测（1）假设2001年和2002年人均GDP分别达到5100元和6500元。预测2001年和2002年的人均消费额及其95预测区间。（2）操作方式：首先在对工作文件的观测值范围range进行修改。方式是在主菜单或者工作文件菜单上，点击proc-structure/resize current page，弹出work
15、file structure对话框。（3）在对话框中，将end的年份修改为2002。（4）点击OK，即修改了工作文件的观测值范围。（注意：一种简单的方式就是双击workfile上的range，弹出对话窗口后修改。）8/16/202237Workfile structure 窗口及修改后数据修改将2001年和2002年数据输入8/16/202238对y的预测（续）o（4）打开序列gdpp，将其变为可编辑状态，将2001和2002年数据输入。o（5）回到方程对象窗口，点击forecast，进入预测设置窗口。在序列名下，将预测值和标准误分别命名为cospf2和se2。默认其他设置。o（6）点击OK，
16、输出预测图、评估表。同时可以通过打开conspf2和se2查看2001和2002年的实际预测值以及预测误差。8/16/202239Forecast 设置窗口8/16/202240y预测图与评估表8/16/202241y的预测值与预测标准误预测值标准误8/16/202242本实验的基本结论（1）实验估计的模型结果如下：（2）参数检验结果均显著。（3）本模型具有良好的预测功效。（4）本模型具有一定的缺陷，如没有考虑前期收入与消费的影响，也没有考虑时间序列的趋势性等，因此本实验结果值得进一步探讨。gdppconspt*386.0104.201 （14.889)(0.0072)n=23,R2=0.99
17、38/16/202243Ready?Lets go the next!8/16/202244实验二：多元线性回归模型实验o 实验目的：熟悉和掌握Eviews在多元线性回归模型中的应用。o 实验数据：19782002年中国的税收收入(y)、国内生产总值（x1）、财政支出（x2）和商品零售价格指数（x3）。o 实验原理：普通最小二乘法(OLS)o 实验预习知识：普通最小二乘法、t检验、拟合优度检验、F检验、预测8/16/202245实验步骤一：建立工作文件o 运行Eviews，依据路径file-new，打开工作文件建立对话框；o 选择数据类型和时间频率，在开始start和end 框填写1978与2
18、002，并对工作文件进行命名shuishou.o 点击OK，完成工作文件建立。8/16/202246工作文件建立对话框8/16/202247实验步骤二：建立数据序列对象o 建立序列对象有多种方法。o 其一是通过主菜单中的下拉菜单object，进入序列建立对话框。后面步骤同实验一。o 其二是通过workfile菜单的下拉菜单object，同样可以进入序列对象建立对话框。后面步骤同实验一。o 其三是通过命令data。在工作命令区输入如下命令“data y x1 x2 x3”，回车后，一次性建立多个序列。8/16/202248通过命令建立序列对象8/16/202249实验步骤三：输入数据o 将数据预
19、存于excel表；o 在主菜单通过路径file-import-read text-lotus-excel，进入数据文件选择对话框，通过输入数据路径，进入数据录入对话框。o 在对话框中的序列名称中，输入要输入的数据序列名：y x1 x2 x3（注意顺序）。o 默认其他设置，单击OK，完成数据录入工作。8/16/202250数据录入对话框8/16/202251实验步骤四：数据统计与图象o 将所有数据对象按照组的方式打开；o 在组窗口下依据路径view-descripritive stats-common sample，输出各个变量的统计描述表格。o 在组窗口下，依据路径view-graph，输出各
20、序列的图象。8/16/202252统计描述与图象8/16/202253实验步骤五：模型构建o 通过分析，构建如下实验模型：tttttxxxy3322110*8/16/202254实验步骤六：模型参数估计o 在主菜单依据路径：quick-estimate equation，进入模型设定对话框。o 在模型设定对话框输入模型，或者“y c x1 x2 x3”o 选择“LS”作为估计方法。o 单击OK，进行参数估计。8/16/202255模型设置对话框8/16/202256模型参数估计结果8/16/202257实验步骤七：o 模型参数检验（t检验）o 拟合优度检验R平方与调整R平方。o 模型设定检验F
21、检验。8/16/202258实验步骤八：模型预测评估o 通过方程界面的菜单“forecast”，进行预测分析。o 通过分析相关参数，可以发现模型的拟合程度和预测效果很好。8/16/202259预测评估：图形与参数8/16/202260实验步骤九：实验总结o 通过实验，本模型的拟合结果如下：o 解释各个参数的统计含义和经济含义。o 实验报告撰写要点提示tttttxxxy321*985.23*702.0*022.0791.2582 （940.613)(0.006)(0.033)(8.738)2R=0.997,F=2717.238,N=258/16/202261Ready?Lets go to th
22、e next8/16/202262实验三：异方差问题的解决实验o 实验目的：掌握异方差问题的eviews解决过程；进一步深化异方差问题的理论理解。o 实验数据:smoke.raw,样本容量：807。o 实验原理：White 检验，FGLS异方差修正方法。o 实验知识预习：OLS估计；异方差问题后果；异方差检验方法；FGLS异方差修正程序。8/16/202263实验步骤一：建立工作文件和数据录入o 依据实验一和实验二学过的关于工作文件建立的知识，建立相应的工作文件smoke.workefile。o 录入数据。数据的格式为横截面数据，样本点807个。8/16/202264实验步骤二：构建估计模型o
23、 主要分析影响个人天均吸烟量（cigs）的因素，包括income:年收入；cigpric:香烟价格（包/美分）；educ:受教育年数；age:年龄；restaurn:二值变量，所在地禁止吸烟为1，否则为0。o 多元线性模型如下：iiiiiiirestaurnageeduccigpricincomecigs*5432108/16/202265实验步骤3：模型的初步估计o 估计方法采用OLS方法；o 估计的程序类似实验一与实验二。o 估计的结果（见后）8/16/202266参数估计结果表8/16/202267实验步骤四:异方差检验o 在方差窗口,选择eview-residual test-Whit
24、e heteroskedasticity,进行异方差检验.o 注意到选择White检验,有两种选项,即包括交叉项(cross terms)和不包括交叉项(no cross terms)两种.o 两类输出结果见后.8/16/202268异方差检验结果没有交叉项的检验结果:有交叉项的检验结果:检验结论:在显著水平为0.05的条件下,两种检验结果均显示:本模型具有异方差性.8/16/202269实验步骤五:异方差修正(1)o 采用的方法为FGLS.o 创建回归残差序列u,并且转换为log(u2).操作方式 (1)在方程窗口,选择Proc-make residual series,弹出序列命名对话框,
25、将序列命名为u,单击OK后,得到残差序列u.(2)在主窗口命令区,输入如下命令”series g=log(u2).回车后得到log(u2)序列,并命名为g.8/16/202270实验步骤五:异方差修正(2)o 获取权重函数h.具体操作步骤是:(1)将g对所有解释变量回归;(2)获取g的拟合值.操作是在g的回归窗口,选择forecast,在预测窗口中,将forecast序列命名为gf.单击OK后,得到gf序列;(3)在主窗口采用命令”series h=exp(gf)”,得到权重函数序列h.8/16/202271预测对话窗口8/16/202272权重H显示8/16/202273实验步骤五:异方差修
26、正(3)o 重新打开模型估计设定窗口,设定模型后,选择Opion,打开加权选择窗口(如后).o 选中wighted LS/2SLS,并在其空白框填写”1/squrt(h)”.o 单击OK,进行加权估计,结果见后.8/16/202274Opion窗口设置8/16/202275加权估计结果8/16/202276实验总结o 对比加权前后的估计结果,进行讨论;o 本实验的其他可能问题的讨论;o 可以同时采用图形法、GQ检验以及BP检验。o 实验报告的撰写.8/16/202277ready?Lets go to the next!8/16/202278实验四:序列相关性问题的解决实验o 实验目的:掌握序
27、列相关性问题的Eviews解决程序,加深对序列相关问题的理解.o 实验数据:1985-2003的中国农村人均消费(y)和人均纯收入(x).o 实验原理:图形检验,杜宾-沃森DW检验,LM检验，科克伦-奥科特迭代估计.o 预备知识：序列相关及其检验知识。8/16/202279实验步骤一：建立工作文件并估计方程o 依据前述实验知识，建立工作文件。o 构建如下估计模型：o 依据以前的基本操作程序，估计上述模型。结果见后。tttxy*108/16/202280初步估计结果8/16/202281实验步骤二：异方差图形检验（1）创建残差序列。在方程窗口依据路径proc-make residual seri
28、es，打开序列对话框，将序列命名为e；（2）单击确定，得到残差序列e.（3）打开序列e,依据路径eview-graph-line，得到et关系图（见后）。（4）通过命令“series e(t-1)=e(-1)”，得到滞后一阶序列e(t-1),作e(t)与e(t-1)图形。8/16/202282图形检验由两个图形可以初步判断：模型存在正的序列相关。8/16/202283实验步骤三：DW检验o 通过对模型的OLS估计，得到其DW估计为：o 通过查表，可以发现，对样本量为19、一个解释变量的模型、5%显著水平，查DW统计表可知，dL=1.18，dU=1.40，模型中DWdL，显然消费模型中有正的自相
29、关。77.0DW8/16/202284实验步骤四：LM检验（1）在估计方程选择eview-residual test-serial correlation LM test,在弹出窗口，选择滞后2项（即可能存在2阶序列相关）得到LM检验结果如后。8/16/202285LM检验结果由结果可知：存在一阶正的序列相关。8/16/202286实验步骤五：CO修正o 注意：在Eviews的估计中，序列相关性修正并不复杂。o 打开方程设定程序，在模型设定空白框中输入如下模型形式“y c x ar(1)”,选择最小二乘估计，单击确定，即可得到修正的估计方程。8/16/202287序列相关修正的模型设置8/16
30、/202288模型修正结果8/16/202289实验步骤六：对修正模型的再检验o 采用LM对修正模型再进行序列相关性检验，得到的结果如下：o 同时修正模型的DW1.398，通过查表，可以发现，修正后模型不再具有序列相关性。8/16/202290实验步骤七：结论与讨论o 本模型的最终估计结果如下：o 如何解释实验结论？o 实验报告的撰写指导023.637,987.0,19*497.0*583.0959.11921FRnxyttt(19.230)(0.031)(0.188)8/16/202291Ready?Lets go to the next!8/16/202292实验五：多元共线性问题的解决实
31、验o 实验目的：了解和掌握Eviews在解决多元共线问题的解决程序，加深对多元共线问题的知识理解。o 实验数据：19942003国内旅游业数据。o 实验原理：t、R平方与F检验；逐步回归法；o 实验预备知识：多重共线的矩阵知识；逐步回归方法。8/16/202293实验步骤一：建立工作文件并构建模型o 依据前述相关实验的知识，在Eviews中构建工作文件，并建立相应的序列对象，其中包括国内旅游市场收入（Y），国内旅游人数（X2），城镇居民人均旅游支出（X3），农村居民人均旅游支出（X4），公路里程（X5），铁路里程（X6）o 构建如下研究模型：23456123456tttttttYXXXXXu8
32、/16/202294实验步骤二：初步估计方程o 方程估计的Eviews估计结果如下：8/16/202295实验步骤三：多重共线性诊断多重共线性诊断有多种方法：（1）t、F、R平方诊断。注意到前述模型OLS估计的F173.353;调整后的R平方0.99；但是，常数项，x2和x6的t检验均不显著。这暗示了本模型可能存在多重共线性问题。（2）计算解释变量间的相关系数。操作模式：将x2x6同组打开，选择eview-correlations-common sample，得到相关系数矩阵。8/16/202296解释变量相关系数矩阵由表可以看出，x2和x6与其他变量间存在较高的相关系数，因此可以怀疑解释变量
33、间存在多重共线问题。8/16/202297实验步骤四：多重共线性的消除o 采用逐步回归的办法，去检验和解决多重共线性问题。分别作Y对X2、X3、X4、X5、X6的一元回归，结果如表所示：变量X2X3X4X5X6参数估计值0.08429.052311.667334.33242014.146t 统计量8.665913.15985.19676.46758.74870.90370.95580.77150.83940.90542R8/16/202298o 按 的大小排序为：X3、X6、X2、X5、X4。o 以X3为基础，顺次加入其他变量逐步回归。首先加入X6回归结果为：2R631784.28585063
34、2.7639.4109XXYt t=(2.9086)(0.46214)957152.02RX6不显著，予以剔除。8/16/202299o 加入X2回归得23029761.0194241.6393.3326XXYt t=(4.2839)(2.1512)973418.02RX2检验也不显著（阀值为2.365)，予以剔除。8/16/2022100o 加入X5回归得5390789.10736535.6972.3059XXYtt=(6.6446)(2.6584)978028.02RX5的参数检验显著，予以保留。8/16/2022101o 再加入X4回归得453221965.362909.13215884
35、.4161.2441XXXYt t=(3.944983)(4.692961)（3.06767）991445.02R987186.02R F=231.7935 DW=1.952587 三个参数检验均显著，X4予以保留。8/16/2022102实验步骤五：结论与讨论o 在其他因素不变的情况下，当城镇居民人均旅游支出和农村居民人均旅游支出分别增长1元时，国内旅游收入将分别增长4.21亿元和3.22亿元。在其他因素不变的情况下，作为旅游设施的代表，公路里程每增加1万公里时,国内旅游收入将增长13.63亿元。o 可以利用SPSS软件，计算膨胀因子。o 实验报告的撰写问题8/16/2022103The end.Thank you!
