计量经济学实验指导书(eviews软件的相关操作)

理 工 大 学

《计 量 经 济 学》实 验 指 导

撰写人：方 雯 审阅人：张 肃

制修定日期：2011年3月

书

1

长 春

一、实验教学目的：

通过实验教学环节，使学生熟练运用EViews软件进行单方程模型的设定、估计、检验及预测，并能够采用合理的方法处理建模过程中遇到的问题，培养学生分析问题和解决问题的能力。

二、实验教学主要内容：

计量经济学实验，主要是模拟一般经济环境，指导学生运用基本的计量经济学理论与方法，建立和应用简单的计量经济学模型，并通过相应的统计软件（如EViews），实现对经济问题的分析和预测。

三、实验要求：

针对教学的重点内容设计上机实验，要求学生熟练操作EViews软件，实验结束撰写实验报告。

四、实验项目及学时分配：

实验一 EViews软件的基本操作 2学时 实验二 一元线性回归模型的建立及应用 2学时 实验三 多元线性回归模型的建立及应用 2学时 实验四 建模中的常见问题及对策 2学时

2

实验一 EViews软件的基本操作

[实验性质] 验证实验 [学时安排] 2学时 [实验内容]

1.了解EViews软件的功能及其安装事项； 2.熟悉EViews工作窗口；

3.创建工作文件，建立序列对象，熟悉数据的录入、调用和编辑； 4.图形分析与描述统计分析。

[实验步骤]

一、安装和启动EViews软件： （一）Eviews简介

EViews是Econometrics Views（计量经济学视窗）的缩写。EViews是在TSP (Time Series Processor) 软件包基础上发展起来的新版本，主要用于处理时间序列数据，是Windows下专门从事数据分析、回归分析和预测的工具。虽然EViews是经济学家开发的，而且主要用于经济学领域里，但是从软件包的设计来看，EViews的运用领域并不局限于处理经济时间序列。

EViews具有现代Windows软件可视化操作的优良性，可以使用鼠标对标准的Windows菜单和对话框进行操作，操作结果出现在窗口中，并能采用标准的Windows技术对操作结果进行处理。此外，EViews还拥有强大的命令功能和批处理语言功能，可以在EViews的命令行中输入、编辑和执行命令。 （二）EViews安装步骤：（EViews 5.0） 1.准备好EViews 5.0的安装包；

2.运行Windows程序，将其他应用程序关闭； 3.打开安装包，双击setup，在提示下操作； 4.注意EViews不能安装在中文目录下； 5.序列号在文本文档“sn”中； 6.安装成功提示信息：“EViews has been successfully installed”； 7.最后打开安装包里的文件夹“Crack”，把里面的两个文件粘贴到EViews安装目录下，覆盖目录原有文件，即可使用。 （三）运行EViews

在Windows中运行EViews的方法有：

1.点击任务栏上的开始 程序 EViews程序组 EViews图标； 2.双击桌面上的EViews程序图标；

3.双击EViews的工作文件和数据文件。

二、EViews工作窗口简介：

软件安装后，启动EViews程序，进入主窗口，见图1.1：

3

标题栏 菜单栏 命令窗口主显示窗口 状态栏

图1.1 EViews主窗口

（一）标题栏

窗口的顶部是标题栏，标题栏的右端有三个按钮：最小化、最大化和关闭，点击这三个按钮可以控制窗口的大小或关闭窗口。 （二）菜单栏

标题栏下是菜单栏。菜单栏上排列着按照功能划分的9个选项： File，Edit，Objects，View，Procs，Quick，Options，Window，Help。用鼠标左键点击可打开下拉式菜单，显示该部分的具体功能。9个主菜单的主要功能如下：

1.File：有关文件的创立（New）、打开（Open）、保存（Save/Save as）、关闭（Close）、打印（Print）、程序运行（Run）、退出（Exit）等；

2.Edit：通常情况下仅提供复制（Copy）功能，应与粘帖（Paste）配合使用，对某些特定窗口，如查看模型估计结果的表达式时，可对窗口中的内容进行剪切（Cut）、删除（delete）等工作选择，(Undo)表示撤消上步操作；

3.Objects：提供关于对象的基本操作，包括建立新对象（New objects）、从数据库中获取/更新对象（Fetch/update from DB）、将工作文件中的对象存储到数据库（Store to DB）、复制对象（Copy selected）、重命名（Rename）、删除（Delete）；

4.View和Procs：两者的下拉菜单的项目，随着当前的窗口不同而改变，功能也随之变化，主要涉及变量的多种查看方式和运算过程；

5.Quick：提供快速分析过程，包括常用的统计分析方法、回归模型、时间序列模型以及各种重要的检验；

6.Options：系统参数设定选项。与一般应用软件相同，EViews运行过程中的各种状态，如窗口的显示模式、字体、图象、电子表格等都有默认的格式，用户可根据需要选择Options下拉菜单中的项目，对一些默认格式进行修改；

7.Window：提供各种在打开窗口中进行切换的方式，以及关闭所有对象（Close all objects）或关闭所有窗口（Close all）；

4

8.Help：EViews的帮助选项，与一般应用软件相同，选择EViews Help Topics， 按照索引或目录方式在所有帮助信息中查找所需项目。下拉菜单还提供了分类查询方式，包括对象（Object）、命令（Command）、函数（Function）、矩阵与字符串(Matrix & String)、程序（Programming）这五个方面。 （三）命令窗口

主菜单栏下是命令窗口，窗口最左端一竖线是提示符，允许用户在提示符后通过键盘输入EViews（TSP风格）命令。如果熟悉MacroTSP（DOS）版的命令可以直接在此键入，如同DOS版一样地使用EViews。按F1键（或移动箭头），键入的历史命令将重新显示出来，供用户选用。 （四）主显示窗口

命令窗口之下是EViews的主显示窗口，以后操作产生的窗口（称为子窗口）均在此范围之内，不能移出主窗口之外。 （五）状态栏

主窗口之下是状态栏，左端显示信息，中部显示当前路径，右下端显示当前状态，例如有无工作文件等。

三、工作文件的创建和调用： （一）工作文件的创建

EViews要求数据的分析处理过程必须在特定的工作文件（Workfile）中进行，所以在录入和分析数据之前，应创建一个工作文件。

在主菜单上依次点击File－New－Workfile，即选择新建对象的类型为工作文件，此时屏幕将弹出一个对话框（如图1.2所示），由用户选择工作文件的类型（Structure type）：横截面数据（Unstructured / Undated）、时间序列数据（Dated-regular frequencied）、面板数据（Balanced Panel）。

图1.2 工作文件对话框

横截面数据需要填入样本个数（Observation）；时间序列数据需要选择数据的频率（Frequency）、起始期（Start）和终止期（End）。频率可根据具体情况选择年度（Annual）、半年度（Semi-annual）、季度（Quarterly）、月度（Monthly）、周（Weekly）、日（Daily）、整数时间（Integer date）。

输入数据的起止时间，如：

Monthly：输入格式为1998:11，2008:02，年份后面为月份； Daily：输入格式为12:31:1997，即“月:日:年”的形式；

5

输入完毕后，点击OK，工作文件创建完毕，工作文件窗口（如图1.3所示）就会打开。

图1.3 工作文件窗口

工作文件窗口是EViews的子窗口，工作文件一开始其中就包含了两个对象，一个是系数向量c（保存估计系数用），另一个是残差序列resid（实际值与拟合值之差）。

（二）工作文件的存储与调用： 1.保存

保存新建的工作文件通常有两种方法：一种是在EViews主窗口的工具栏上选择File－Save（Save as），再在弹出的对话框中指定保存路径和文件名，点击确定按钮即可。

另一种方法是直接单击工作文件窗口中工具栏中的Save按扭，指定保存路径和文件名。输入的文件名不能多于8个字符且不得有空格、逗号和句号。文件名输入后，点击“保存”按扭，系统会自动将其存储为扩展名为.wf1的工作文件。

2.调用

调用以前建立的工作文件，在EViews主窗口的工具栏上选择File－Open－Workfile，再在弹出的对话框中选取要调用的工作文件，点击确定按钮即可。

四、创建序列对象： （一）新建序列对象

在EViews工作文件窗口点击Objects－New Object，对象类型选择序列（Series），并输入序列名gdp，一次只能创建一个新序列（如图1.4所示）。

6

图1.4 创建序列对象窗口

在工作文件窗口中双击所创建的新序列图标就可以显示该对象（如图1.5所示），选择Edit＋/－，进入编辑状态，输入数据。数据输入完毕再点击Edit＋/－，以保证原始数据不会被更改。

图1.5 序列对象窗口

用同样的方式创建序列fdi并输入数据。

表1.1 我国FDI和GDP的统计资料 年份 1985 1986 1987 1988 19 1990 1991 1992

FDI（亿美元） GDP（亿元） 16.61 18.74 23.14 31.94 33.92 34.87 43.66 110.07 .4 10202.2 11962.5 14928.3 16909.2 187.9 21617.8 26638.1 年份 1995 1996 1997 1998 1999 2000 2001 2002 FDI（亿美元） GDP（亿元） 375.21 417.25 452.57 4.63 403.19 407.15 468.78 527.43 58478.1 67884.6 74462.6 78345.2 82067.5 468.1 97314.8 105172.3 7

1993 275.15 34634.4 2003 535.05 117390.2 136875.9 1994 337.67 46759.4 2004 606.30 资料来源：《中国统计年鉴2000》和《中国统计年鉴2005》。

（二）利用公式生成新序列

在EViews工作文件窗口点击Objects－Generate Sereies，出现Generate Series by Equation窗口，在Enter equation窗口中输入公式：

lngdp=log(gdp)

点击ok（如图1.6所示），即可生成一个序列名为lngdp的新序列，该序列的值是对原序列gdp取自然对数后的值。

图1.6 生成新序列窗口

用同样的方式创建序列lnfdi。 （三）选择若干变量构成数组

在工作文件窗口中单击所要选择的变量，按住Ctrl键不放，继续用鼠标点击要选择的变量，选择完以后，单击鼠标右键，在弹出的快捷菜单中点击Open－as Group（如图1.7所示），则会弹出如图1.8所示的数组窗口，其中变量从左至右按在工作文件窗口中选择变量的顺序来排列。

图1.7 选择变量构成数组

8

图1.8 弹出的数组窗口

五、图形分析与描述统计分析 （一）绘图

在主窗口点击Quick－Graph，有Line graph（线形图）、Bar graph（条形图）、Scatter（散点图）等选项，如选择线形图，在List of series下输入gdp（如图1.9和图1.0所示），则可以绘制变量gdp的随时间变化的趋势图（如图1.11所示）。

图1.9 绘制线性图

9

图1.0 选择序列

图1.11 变量gdp的趋势图

从图1.11中可以看出，我国1985－2004年间gdp大体呈增长趋势。 在List of series下输入gdp和fdi，变量间空一格，则可以绘制序列gdp和fdi两个变量随时间变化的趋势图（如图1.12所示）。

图1.12 变量gdp和变量fdi的趋势图

10

在Graph菜单中，选择Scatter，再在List of series下输入fdi和gdp，则可以画出gdp对fdi的散点图（如图1.13所示）。

图1.13 变量gdp对fdi的散点图

图1.13表明，gdp与fdi密切相关，gdp随着fdi的增加而增加，两者大体呈线性变化趋势。

（二）在序列和数组窗口观察变量的描述统计量

在工作文件窗口中双击序列图标，在序列窗口菜单选择View－Descriptive Statistics－Stats Table，则会显示变量的描述统计量（如图1.14所示）。

图1.14 序列描述统计量窗口

若是数组窗口，从数组窗口菜单选择View－Descriptive Stats－Individual Samples，就对每个序列计算描述统计量。

其中，Mean——均值，Median——中位数，Maximum——最大值，Minimum ——最小值，Std.Dev.——标准差，Skewness——偏度，Kurtosis——峰度，Jarque-Bera——雅克－贝拉检验值，Probability——概率（如很小，可以拒绝变

11

量为正态分布的假定），Observations——样本个数。

在序列窗口菜单选择View－Descriptive Statistics－Histogram and Stats还可以作出直方图（如图1.15所示）。

图1.15 序列直方图窗口

[实验要求]

1.自行收集样本数据，建立工作文件，练习序列分析的常用操作：选择样

本、生成新序列、绘制序列图形、进行描述统计分析； 2.完成实验报告。

12

实验二 一元线性回归模型

[实验性质] 验证实验 [学时安排] 2学时 [实验内容]

1.创建一个一元线性回归模型，录入模型所需样本数据；

2.掌握EViews中基本回归技术的使用，利用普通最小二乘法(OLS)估计模型；

3.分析模型估计结果，完成模型的经济意义检验和统计检验。

[实验步骤]

一、模型设定

按照实验一中的方法建立一个新的工作文件（Workfile），在工作文件中建立两个序列对象（Object），分别命名为fdi和gdp，输入表1.1中的FDI和GDP的数据。建立一个数组（Group）包含fdi和gdp两个序列，并在数组窗口中点击Proc－Make Equation，会出现Equation Estimation窗口（如图2.1所示）。

图2.1 Equation Estimation窗口

在Specification（模型设定）中，最左边的是因变量，c表示常数项。如果不需要重新确定方程中的变量或调整样本区间，可以直接点击“确定”，也可以在Equation Specification中输入公式，如：

fdic(1)c(2)gdp

13

二、估计结果

点击“确定”后，系统将弹出一个窗口来显示有关估计结果（如图2.2所示）。

图2.2 回归方程估计结果

表中分别表示常数项c和自变量gdp的回归系数(Coeffficient)、标准差(Std. Error)、t值(t-Statistic)和p值(Prob.)。

表下方左边第一个指标(R-squared)为R2(判定系数)，它的计算公式是：

R2ESSTSS1RSSTSS

2R反映的是模型的拟合效果，可以看出这个模型的拟合效果是比较高的。

左边第二个指标(Adjusted R-squared)为调整的R2，它的计算公式是：

R21n1nk(1R)

2和R2一样，它的值越高，则模型的拟合效果越好。

左边第三个指标(S.E. of regression)为回归标准差，其计算公式为：

S.E.=

(YˆiY)n1

这个值越小越好。

左边第四个指标(Sum squared resid)为残差平方和，其计算公式为：

ei2(Yiˆ) Yi2这个值也是越小越好。

左边第五个指标(Log likelihood)为对数似然比，其计算公式为：

14

Ln2log2n2ˆ2logn2

这个值越大，说明模型越精确。

左边第六个指标(Durbin-Watson stat)为D.W.统计量，其计算公式为：

n(eD.W.t2tnet1)2t2

et1D.W.统计量反映的是自相关问题，它的取值范围是0~4之间，一般情况下，其值在2附近，说明模型不存在自相关。在本例中，D.W.值接近于0，模型存在正相关关系，具体处理以后章节中介绍。

右边第一个指标(Mean dependent var)为因变量的均值，其计算公式为：

MDV=

Y 。

in右边第二个指标(S.D. dependent var)为因变量的标准差，其计算公式为：

SDV=

(YiY)2n12ln2kn。

右边第三个指标(Akaike info criterion)为赤池信息准则(AIC)，其计算公式是：

AIC=

这个值越小越好。

右边第四个指标(Schwarz criterion)为施瓦茨准则，其计算公式为：

SC=2lnklognn

和赤池信息准则一样，这个值也是越小越好。

右边第五个指标(F-statistic)为F检验统计量，其计算公式为：

F=

ESS/kRSS/(nk1)

F统计量反映的是整个方程线性关系的显著性，其值越大越好。

右边最后一个指标（Prob(F-statistic)）是F检验的相伴概率。在本例中，相伴概率为零，说明回归方程的线性关系高度显著。

三、回归方程

在估计结果窗口点击View－Representations，会弹出如下的窗口（如图2.3所示）。

15

图2.3 Representations窗口

该窗口列出了以公式形式表达的回归方程。

四、预测值

在估计结果窗口点击View－Actual,Fitted,Residual－Actual,Fitted,Residual Table，会弹出如下的窗口（如图2.4所示）。

图2.4 残差图

该窗口显示的是实际的和回归方程估计的应变量值，以及相应的残差。右边

16

是残差图。

[实验要求]

1.建立一个一元线性回归模型，采集模型所需样本数据； 2.估计模型参数，对回归结果进行检验并将之用于经济预测； 3.完成实验报告。

17

实验三 多元线性回归模型

[实验性质] 验证实验 [学时安排] 2学时 [实验内容]

1.创建一个多元线性回归模型，录入模型所需样本数据； 2.使用普通最小二乘法估计模型；

3.分析模型估计结果，完成模型的经济意义检验和统计检验。

[实验步骤]

建立我国工业生产的计量模型，研究总产出与资本投入和劳动投入之间的定量关系。

一、输入数据

表3.1列出了2002年我国31个省（市、区）的工业总产值、固定资产原值和职工人数的数据。

表3.1 2002年我国31个省（市、区）的工业产出情况表 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

工业总产值 （亿元） 3722.7 1442.52 1752.37 1451.29 5149.3 2291.16 1345.17 656.77 370.18 1590.36 616.71 617.94 4429.19 5749.02 1781.37 1243.07 812.7 19.7 3692.85 固定资产原值 （亿元） 3078.22 1684.43 2742.77 1973.82 5917.01 1758.77 939.1 694.94 363.48 2511.99 973.73 516.01 3785.91 8688.03 2798.9 1808.44 1118.81 2052.16 6113.11 职工人数 （万人） 113 67 84 27 327 120 58 31 16 66 58 28 61 2 83 33 43 61 240 18

20 21 22 23 24 25 26 27 28 29 30 31 4732.9 2180.23 2539.76 3046.95 2192.63 53.83 4834.68 79.58 867.91 4611.39 170.3 325.53 9228.25 2866.65 25.63 4787.9 3255.29 8129.68 5260.2 7518.79 984.52 18626.94 610.91 1523.19 222 80 96 222 163 244 145 138 46 218 19 45 按照实验一中的方法新建工作文件，在工作文件中建立三个序列对象（y、k、l），分别表示总产出、资本投入和劳动投入，将表3.1中的数据对应地输入进去。

二、绘制散点图以确定模型函数关系

按照实验一中的方法建立一个数组（Group）包含y和k两个序列，在数组窗口中点击View—Gragh—Scatter—Simple Scatter，则可以画出y对k的散点图（如图3.1所示）。需要注意的是，横坐标是解释变量，纵坐标是被解释变量，顺序不要弄反，这个顺序取决于建立数组时选择序列的顺序，先选的是横坐标，后选的则是纵坐标。

图3.1 y对k的散点图

用同样的方法画出y对l的散点图（如图3.2所示）。

19

图3.2 y对l的散点图

上述散点图表明变量间的线性关系不明显。根据经验，生产函数通常设为幂函数，取对数后为线性函数。进一步做上述变量对数序列的散点图。

首先按照实验一中的方法，利用公式生成序列lny、lnk和lnl，然后分别画出lny对lnk和lny对lnl的散点图（如图3.3、3.4所示）。

图3.3 lny对lnk的散点图

20

图3.4 lny对lnl的散点图

因此，该模型可设定为：lny= A +  lnk +  lnl + μ

三、估计模型参数

按照实验二中的方法设定方程,系统将弹出一个窗口来显示有关估计结果（如图3.5所示）。

图3.5 生产函数估计结果

即生产函数为：

ˆ1.10.609lnk0.361lnllny（3.4）5（1.7）9R20.796F59.66

21

从估计结果来看，回归系数的符号和大小都是合理的，模型拟合效果尚可，方程总体的线性关系显著，lnk对lny有显著的线性影响，lnl在10%的显著性水平上对lny有显著的线性影响。

四、绘制残差序列图

在工作文件窗口中双击resid序列图标打开残差序列窗口，在序列窗口中点击View—Gragh—Line，就可以显示残差序列的线形图（如图3.6所示）

图3.6 残差序列的线形图

[实验要求]

1.建立一个多元线性回归模型，，采集模型所需样本数据； 2.估计模型参数，对回归结果进行检验并将之用于经济预测； 3.完成实验报告。

22

实验四 建模中的常见问题及对策

[实验性质] 验证实验 [学时安排] 2学时 [实验内容]

1.掌握异方差性、序列相关性、多重共线性和随机解释变量问题的产生原因、诊断指标及纠正措施；

2.运用加权最小二乘法(WLS)处理模型的异方差问题； 3.运用差分法处理模型的序列相关问题；

4.运用逐步回归法处理模型的多重共线问题；

5.运用工具变量法(IV)处理模型的随机解释变量问题。

[实验步骤]

（一）异方差性

建立我国各地区FDI对GDP的回归模型。 一、输入数据

表4.1列出了2003年我国各地区的FDI和GDP的数据，输入表中的数据。

表4.1 我国各地区2003年FDI和GDP的数据

项目 北京 天津 河北 山西 内蒙 辽宁 吉林 黑龙江 上海 江苏 浙江 安徽 福建 江西 山东 2003年FDI 2003GDP2003年FDI 2003GDP项目 (万美元） （亿元） (万美元） （亿元） 219126 153473 905 21361 88 282410 19059 32180 6849 1056365 498055 36720 259903 161202 601617 3663.10 2447.66 7098.56 2456.59 2150.41 6002. 2522.62 4430.00 6250.81 12460.83 9395.00 3972.38 5232.17 2830.46 12435.93 河南 湖北 湖南 广东 广西 海南 重庆 四川 贵州 云南 陕西 甘肃 青海 宁夏 53903 156886 101835 782294 41856 42125 26083 41231 4521 8384 33190 2342 2522 1743 1534 7048.59 01.71 4638.73 13625.87 2735.13 670.93 2250.56 56.32 1356.11 2465.29 2398.58 1304.60 390.21 385.34 1877.61

二、描述散点图、建立回归模型

描述FDI对GDP的散点图，如图4.1所示。

23

图4.1 FDI对GDP的散点图

变量间有明显的线性关系，建立FDI对GDP的线性回归模型，利用OLS估计模型，估计结果如下：

图4.2 模型OLS估计结果

三、检验异方差 1、分析残差图

可以通过观察残差图来侦察异方差。在工作文件窗口中双击resid序列图标 打开残差序列窗口，在序列窗口中点击View—Gragh—Line，就可以显示残差序列的线形图（如图4.3所示）

24

图4.3 残差序列的线性图

从图中可见，在不同的样本点上，残差的波动幅度明显不一致，提示模型存在异方差问题。

2、怀特（White）异方差检验

在模型估计结果窗口，点击View－Residual Tests－White Heteroskedasticity（no cross terms），如图4.4所示。

图4.4 选择White Heteroskedasticity（no cross terms）检验

会出现如下的检验结果：

25

图4.5 White异方差检验结果

第一个表的第二行表示的就是White检验的结果，由于对应的p值小于0.05，可以在5%的显著性水平下拒绝同方差假设，认为模型存在异方差。 四、解决异方差——加权最小二乘法（WLS）

首先设定权重序列。默认的权重序列为

1|e|。新建一个序列对象e，将模型

OLS估计生成的残差序列resid中的数值复制粘贴到序列e中，接下来利用公式生成权重序列w，公式如下：

w1/abs(e)

下面采用加权最小二乘法（WLS）估计模型。在模型估计的Options窗口中选择Weighted LS/TSLS，在Weight处输入权重序列的名称w，如图4.6所示。

26

图4.6 选择WLS方法

点击确定，即可得到模型WLS估计结果，如图4.7所示：

图4.7 模型WLS估计结果

上图同时给出了模型加权前OLS估计和加权后WLS估计的部分统计指标，可见采用WLS估计结果明显优于OLS估计结果。

为了验证采用加权最小二乘法（WLS）估计的模型没有异方差，我们再进行

27

一次White异方差检验，方法同上，得到结果如下：

图4.8 White异方差检验结果

第一个表的第二行对应的p值大于0.05，可以在5%的显著性水平下接受同方差假设，可见采用WLS可以有效地消除模型的异方差。

（二）序列相关性

建立我国FDI对GDP的回归模型。 一、输入数据

表4.2列出了年我国1985年—2004年的FDI和GDP的数据，输入表中的数据。

表4.2 我国1985年—2004年的FDI和GDP的统计资料 年份 1985 1986 1987 1988 19 1990 1991 1992

FDI（亿美元） GDP（亿元） 16.61 18.74 23.14 31.94 33.92 34.87 43.66 110.07 .4 10202.2 11962.5 14928.3 16909.2 187.9 21617.8 26638.1 年份 1995 1996 1997 1998 1999 2000 2001 2002 FDI（亿美元） GDP（亿元） 375.21 417.25 452.57 4.63 403.19 407.15 468.78 527.43 58478.1 67884.6 74462.6 78345.2 82067.5 468.1 97314.8 105172.3 28

1993 275.15 34634.4 2003 535.05 117390.2 136875.9 1994 337.67 46759.4 2004 606.30 资料来源：《中国统计年鉴2000》和《中国统计年鉴2005》。

二、描述散点图、建立回归模型

描述FDI对GDP的散点图，如图4.9所示。

图4.9 FDI对GDP的散点图

变量间有明显的线性关系，建立FDI对GDP的线性回归模型，利用OLS估计模型，估计结果如下：

图4.10 模型OLS估计结果

三、检验序列相关 1、分析残差图

可以通过观察残差图来侦察序列相关。新建一个序列对象e，将模型OLS估 计生成的残差序列resid中的数值复制粘贴到序列e中，以备后用。双击e序列图标，在序列窗口中点击View—Gragh—Line，就可以显示残差序列的线形图（如

29

图4.11所示）

图4.11 残差序列的线形图

从图中可见，残差随着时间呈现出一定的规律，提示模型存在序列相关问题。 2、D.W.检验

根据模型OLS估计结果，D.W.=0.408584，经查D.W.检验上下界表，可知 dL=1.2，dU=1.41，0 < D.W.< dL，所以模型存在正的自相关。 四、解决序列相关——广义差分法

1、假设模型仅存在一阶序列相关（自相关） 设随机误差项相关形式为：tt1t 利用D.W.=0.408584，根据公式1D.W.2计算得到：0.795708

利用公式生成FDI和GDP的一阶广义差分序列，公式如下： GDFDIFDI0.795708*FDI(1)

GDGDPGDP0.795708*GDP(1)

建立FDI对GDP的一阶广义差分回归模型，即将GDFDI对GDGDP做OLS回归，估计结果如下：

30

图4.12 一阶广义差分模型估计结果

根据一阶广义差分模型估计结果，D.W.=1.250584，经查D.W.检验上下界表，可知dL=1.18，dU=1.4，dU < D.W.< dL，不能确定模型是否存在自相关。

进一步通过观察残差图来侦察序列相关。在工作文件窗口中双击resid序列 图标打开残差序列窗口，在序列窗口中点击View—Gragh—Line，就可以显示残差序列的线形图（如图4.13所示）

图4.13 一阶广义差分模型估计残差序列的线形图

从图中可见，残差随着时间呈现出一定的规律，提示一阶广义差分模型仍然存在序列相关问题。

2、假设模型存在二阶序列相关

设随机误差项相关形式为：t1t12t2t

在工作文件窗口点击Objects－New Object，对象类型选择数组（Group），点击OK，弹出组内序列列表对话窗，依次输入组内序列名称：e e(-1) e(-2)，如图4.14所示。

31

图4.14 组内序列列表窗口

点击OK，即可生成由et、et1和et2构成的数组，也就是残差序列及其一阶滞后和二阶滞后序列构成的数组。

在数组窗口点击Proc－Make Equation，会出现Equation Estimation窗口（如图4.15所示）。

图4.15 Equation Estimation窗口

在Specification（模型设定）中，将常数项c去掉，点击“确定”，即可得到残差序列的二阶自回归模型，如图4.16所示。

32

图4.16 残差序列二阶自回归结果

根据上述结果可知：11.18453220.480624

利用公式生成FDI和GDP的二阶广义差分序列，公式如下：

GD2FDIFDI1.184532*FDI(1)0.480624*FDI(2)GD2GDPGDP1.184532*GDP(1)0.480624*GDP(2)

建立FDI对GDP的二阶广义差分回归模型，即将GD2FDI对GD2GDP做OLS回归，估计结果如下：

图4.17 二阶广义差分模型估计结果

根据二阶广义差分模型估计结果，D.W.=1.8240，经查D.W.检验上下界表，可知dL=1.16，dU=1.39，dU < D.W.< 4-dU，说明二阶广义差分模型不存在序列相

33

关。

（三）多重共线性

建立子鸡消费的回归模型。 一、输入数据

建立子鸡消费量（Q）对实际收入（I）、子鸡价格（P）、猪肉价格（P2）、牛肉价格（P3）和羊肉价格（P4）的回归模型。在EViews中输入表4.3中的数据。

表4.3 子鸡消费数据

年份 子鸡消费量 实际收入 子鸡价格 猪肉价格 牛肉价格 羊肉价格 1960 27.8 397.5 42.2 50.7 78.3 65.8 1961 29.9 413.3 38.1 52 79.2 66.9 1962 29.8 439.2 40.3 79.2 67.8 1963 30.8 459.7 39.5 55.3 79.2 69.6 19 31.2 492.9 37.3 .7 77.4 68.7 1965 33.3 528.6 38.1 63.7 80.2 73.6 1966 35.6 560.3 39.3 69.8 80.4 76.3 1967 36.4 624.6 37.8 65.9 83.9 77.2 1968 36.7 666.4 38.4 .5 85.5 78.1 1969 38.4 717.8 40.1 70 93.7 84.7 1970 40.4 768.2 38.6 73.2 106.1 93.9 1971 40.3 843.3 39.8 67.8 104.8 .7 1972 41.8 911.6 39.7 79.1 114 100.7 1973 40.4 931.3 52.1 95.4 124.1 113.5 1974 40.7 1021.5 48.9 94.2 127.6 115.3 1975 40.1 1165.9 58.3 123.5 142.9 136.7 1976 42.7 1349.6 57.9 129.9 143.6 139.2 1977 44.1 1449.4 56.5 117.6 139.2 132 1978 46.7 1575.5 63.7 130.9 165.5 132.1 1979 50.6 1759.1 61.6 129.8 203.3 1.4 1980 50.1 1994.2 58.9 128 219.6 174.9 1981 51.7 2258.1 66.4 141 221.6 180.8 1982 52.9 2478.7 70.4 168.2 232.6 1.4 二、描述散点图、建立回归模型

分别描述Q对I、P、P2、P3、P4的散点图，如图4.18-图4.22所示。

34

图4.18 Q对I的散点图

图4.19 Q对P的散点图

图4.20 Q对P2的散点图

35

图4.21 Q对P3的散点图

图4.22 Q对P4的散点图

变量间有明显的线性关系，建立五元线性回归模型，利用OLS估计模型，估计结果如下：

36

图4.23 模型OLS估计结果

回归结果中，羊肉价格（P4）的回归系数估计值不合理，且收入（I）和牛肉价格（P3）和羊肉价格（P4）这三个变量的回归系数在统计上不显著，怀疑模型存在多重共线问题。 三、检验多重共线性

计算解释变量两两之间的简单相关系数。

按照前面学过的方法，建立一个数组包含变量I、P、P2 、P3和P4，在数 组窗口中选择View－Correlations－Common Sample，即可得到相关系数矩阵（如图4.24所示）。

图4.24 解释变量的相关系数矩阵

从相关系数矩阵可以看出，这五个变量的两两之间相关系数都在0.9以上，

37

说明模型存在着多重共线性。 四、解决多重共线性——逐步回归法

1、用每个解释变量（I、P、P2 、P3和P4）分别对被解释变量（Q）做简单回归，在经济意义检验和统计检验通过的基础上，以可决系数为标准确定解释变量的重要程度，为解释变量排序。回归结果如下：

图4.25 Q对I的回归结果

图4.26 Q对P的回归结果

38

图4.27 Q对P2的回归结果

图4.28 Q对P3的回归结果

图4.29 Q对P4的回归结果

39

在五个模型中，Q对P的回归模型不能通过经济意义检验，其余四个模型按照可决系数从高到低排序依次是：Q对I回归、Q对P4回归、Q对P3回归、Q对P2回归。因此，五个解释变量的重要程度依次为：I、P4、P3、P2、P。 2、以Q对I的回归模型为基础，依次引入解释变量P4、P3、P2、P。

引入解释变量P4的回归结果如下：

图4.30 引入P4的回归结果

由于变量P4不能通过t检验，所以将它剔除。 引入解释变量P3的回归结果如下：

图4.31 引入P3的回归结果

由于变量P3不能通过t检验，所以将它剔除。

40

引入解释变量P2的回归结果如下：

图4.32 引入P2的回归结果

由于变量P2不能通过t检验，所以将它剔除。 引入解释变量P的回归结果如下：

图4.33 引入P的回归结果

由于变量P不能通过t检验，所以将它剔除。

因此，最后的模型只能是Q对I的一元线形回归模型。

实验要求]

41

[

1.估计一个多元线性回归模型，检验模型中可能存在的问题，并针对不同的问题采取不同的方法进行处理； 2.完成实验报告。

42