Eviews上机指导.docx
《Eviews上机指导.docx》由会员分享，可在线阅读，更多相关《Eviews上机指导.docx（26页珍藏版）》请在冰点文库上搜索。
Eviews上机指导
Eviews的操作方法指导
第一节单方程计量模型的Eviews的操作
案例
一、创建工作文件
二、输入和编辑数据
三、OLS估计参数
四、图形分析
五、预测
六、非线性回归模型的估计
七、异方差检验与解决办法
八、自相关检验与解决办法
案例：
建立我国最终消费支出与国内生产总值（单位：
亿元）之间的回归模型，并进行变量和方程整体的显著性检验。
当显著性水平为0.05，2004年国内生产总值为38000亿元时，对2004年我国最终消费支出和平均最终消费支出进行点预测和区间预测。
年份
GDP
最终消费
年份
GDP
最终消费
1978
3624.10
2239.10
1991
11147.73
6151.57
1979
3899.53
2568.04
1992
12735.09
7083.53
1980
4203.96
2753.10
1993
14452.91
7917.65
1981
4425.03
2989.25
1994
16283.08
8638.30
1982
4823.68
3225.09
1995
17993.66
9445.38
1983
5349.17
3511.35
1996
19718.73
10588.64
1984
6160.97
3988.53
1997
21461.92
11444.17
1985
6990.89
4506.64
1998
23139.88
12511.70
1986
7610.61
4817.38
1999
24792.47
13819.54
1987
8491.27
5114.07
2000
26774.85
15406.57
1988
9448.03
5419.86
2001
28782.60
16759.78
1989
9832.18
5190.02
2002
31170.88
18097.55
1990
10209.09
5471.93
2003
34070.16
19452.70
一、创建工作文件
建立工作文件的方法有以下两种。
1．菜单方式
在主菜单上依次单击File→New→Workfile（见图1-1），
图1-1
这时屏幕上出现WorkfileRange对话框，如图1-2所示。
图1-2
选择数据类型和起止日期。
时间序列提供起止日期（年Annual、季度Quarterly、月度Wonthly、周Weekly、日Daily等），非时间序列提供最大观察个数。
本例中在StartData里输入1978，在Enddata里输入2003，见图1-3。
单击OK后屏幕出现Workfile工作框，如图1-4所示。
图1-3
图1-4
2．命令方式
在命令窗口直接输入建立工作文件的命令CREATE
命令格式：
CREATE数据频率起始期终止期
其中，数据频率类型分别为A（年）、Q（季）、M（月）、U（非时间序列数据）。
输入Eviews命令时，命令字与命令参数之间只能用空格分隔。
如本例可输入命令：
CREATEA19782003
工作文件创立后，需将工作文件保存到磁盘，单击工具条中Save→输入文件名、路径→保存，或单击菜单栏中File→Save或Saveas→输入文件名、路径→保存。
二、输入和编辑数据
建立或调入工作文件以后，可以输入和编辑数据。
输入数据有两种基本方法：
命令方式和菜单方式。
1．命令方式
命令格式：
data〈序列名1〉〈序列名2〉…〈序列名n〉
功能：
输入新变量的数据，或编辑工作文件中现有变量的数据。
在本例中，在命令窗口直接输入：
DataYX
2．菜单方式
在主菜单上单击Objects→Newobject，在Newobject对话框里，选Group并在NameforObject上分别定义变量名（如变量X、Y），单击OK，屏幕出现数据编辑框。
另一种菜单方式是在主菜单上依次单击Quick→EmptyGroup（见图1-5），
图1-5
建立一个空组（见图1-6），
再用方向键将光标移到每一列的顶部之后，输入各个变量X、Y名，回车后输入数据（见图1-7）。
另外数据还可以从Excel中直接复制到空组。
图1-6
图1-7数据输入
数据输入完毕，单击工作文件窗口工具条的Save或单击菜单兰的File→Save将数据存入磁盘。
三、OLS估计参数
1．命令方式
在主菜单命令行键入
LSYCX（结果如表1-1）
2．菜单方式
在主菜单上选Quick菜单，单击EstimateEquation项，屏幕出现EquationSpecification估计对话框，在EstimationSettings中选OLS估计，即LeastSquares，输入：
YCX（其中C为Eviews固定的截距项系数）。
然后OK，出现方程窗口（见图1-8），输出结果如表1-1所示。
图1-8方程窗口
DependentVariable:
Y
Method:
LeastSquares
Sample:
19782003
Includedobservations:
26
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
245.3522
153.9605
1.593605
0.1241
X
0.551514
0.009135
60.37623
0.0000
R-squared
0.993459
Meandependentvar
8042.748
AdjustedR-squared
0.993187
S.D.dependentvar
5177.609
S.E.ofregression
427.3742
Akaikeinfocriterion
15.02700
Sumsquaredresid
4383569.
Schwarzcriterion
15.12378
Loglikelihood
-193.3510
F-statistic
3645.290
Durbin-Watsonstat
0.244011
Prob（F-statistic）
0.000000
表1-1回归结果
方程窗口的上半部分为参数估计结果如表1-2所示，其中第1列分别为解释变量名（包括常数项C），第2列为相应的参数估计值，第3列为参数的标准误差，第4列为t统计值，第5列为t检验的双侧概率值p，即P（|t|>ti）=p。
表1-2参数估计结果
常数和解释变量
参数估计值
参数标准误差
t统计量
双侧概率
C
245.3522
153.9605
1.593605
0.1241
X
0.551514
0.009135
60.37623
0.0000
方程窗口的下半部分主要是一些统计检验值，其中各统计量的含义如表1-3所示。
表1-3统计检验值
可决系数
0.993459
被解释变量均值
8042.748
调整的可决系数
0.993187
被解释变量标准差
5177.609
回归方程标准差
427.3742
赤池信息准则
15.02700
残差平方和
4383569.
施瓦兹信息准则
15.12378
对数似然估计值
-193.3510
F统计量
3645.290
DW统计量
0.244011
F统计量的概率
0.000000
单击Equation窗口中的Resid按钮，将显示模型的拟合图和残差图（见图1-9）。
图1-9拟合图和残差图
单击Equation窗口中的View→Actual,Fitted,Resid→Table按钮，可以得到拟合直线和残差的有关结果。
（见图1-10）
图1-10
在主菜单上进入Quick的GroupStatistics，点击Correlations，在出现的对话框中，输入有关变量，即可得到变量间的相关系数矩阵。
四、图形分析
在估计计量经济模型之前，借助图形分析可以直观地观察经济变量的变动规律和相关关系，以便合理的确定模型的数学形式。
图形分析中最常用的是趋势图和相关图。
1．菜单方式
在数组窗口工具条上Views的下拉菜单中选择Graph。
（见图1-11）
图1-11数组窗口趋势图
2．命令方式
趋势图：
PlotYX（见图1-12）
功能：
（1）分析经济变量的发展变化趋势；
（2）观察经济变量是否存在异常值。
图1-12最终消费支出与国内生产总值的趋势图
相关图：
ScatYX（见图1-13）得相关图（见图1-14）
功能：
（1）观察经济变量之间的相关程度；
（2）观察经济变量之间的相关类型，判断是线性相关，还是曲线相关；曲线相关时，大致是哪种类型的曲线。
图1-13
图1-14最终消费支出与国内生产总值的相关图
五、预测
在Equation对话框（即方程对象）中选Forecast项后，弹出Forecast对话框，可生成原自变量名加f的一个新序列（即拟合值序列）也可重新自己命名。
Eviews自动计算出样本估计期内的被解释变量的拟合值，本例拟合变量记为YF，其拟合值与实际值的对比如图1-15所示。
图1-15
下面预测2004年我国最终消费支出。
1．首先将样本期范围从1978-2003年扩展为1978-2004年。
即单击工作文件框中Procs中的Changeworkfilerange，如图1-16所示，并将1978-2003改为1978-2004，如图1-17所示。
图1-16
图1-17
2．然后编辑解释变量X。
在Group数据框中输入变量X的2004年数据38000.00。
（见图1-18）
图1-18
3．点预测。
在前面Equation对话框中选Forecast，将时间Sample定义在1978-2004，如图1-19所示，这时Eviews自动计算出
=21202.8727955，如图1-20所示。
图1-19
图1-20
4．区间预测。
在Group数据框中单击View，选DescriptiveStats里的CommonSample（如图1-21所示），计算出有关X和Y的描述统计结果（如图1-22所示）。
图1-21
图1-22X和Y的描述统计结果
根据图1-22可计算出如下结果：
＝（26－1）×（9357.245）2＝2188950850
＝（38000－14138.17）2＝569386930.9
给定显著性水平α＝0.05，查表得t0.025（24）＝2.056，由
可得
的预测区间为：
21202.8727955
2.056
427.3742
＝21202.8727955
1001.30364
即
的95%预测区间为（20201.56915，22204.17643）。
六、非线性回归模型的估计
1．倒数模型：
在命令窗口直接依次键入
GENRX1=1/X
LSYCX1
2．多项式模型：
在命令窗口直接依次键入
GENRX1=X
GENRX2=X^2
LSYCX1X2
3．准对数模型：
在命令窗口直接依次键入
GENRlnX=LOG（X）
LSYClnX
4．双对数模型：
在命令窗口直接依次键入
GENRlnX=LOG（X）
GENRlnY=LOG（Y）
LSlnYClnX
七、异方差检验与解决办法
1．
相关图检验法
LSYCX对模型进行参数估计
GENRE=RESID求出残差序列
GENRE2=E^2求出残差的平方序列
SORTX对解释变量X排序
SCATXE2画出残差平方与解释变量X的相关图
2．戈德菲尔德——匡特检验
已知样本容量n=26，去掉中间6个样本点（即约n/4），形成两个样本容量均为10的子样本。
SORTX将样本数据关于X排序
SMPL110确定子样本1
LSYCX求出子样本1的回归平方和RSS1
SMPL1726确定子样本2
LSYCX求出子样本2的回归平方和RSS2
计算F统计量并做出判断。
3．加权最小二乘法
LSYCX最小二乘法估计，得到残差序列
方式一（命令式）：
GENRE1=ABS（RESID）生成残差绝对值序列
LS（W=1/E1）YCX以E1为权数进行加权最小二成估计
方式二（菜单式）：
在方程窗口中点击Estimate\Options\Weighted，并在权数变量栏输入权数变量E1；再
八、自相关检验与解决办法
1．图示法检验
LSYCX最小二乘法估计，得到残差序列
GENRE=RESID生成残差序列
SCATE（-1）Eet—et-1的散点图
PLOTE还可绘制et的趋势图
2．广义差分法
LSYCXAR
（1）AR
（2）
第二节联立方程计量经济模型的Eviews操作
案例：
1978—2003年全国居民消费CSt、国民生产总值Yt、投资It、政府消费Gt数据，如下表所示。
年份
CSt
Yt
It
Gt
1978
1759.100
3605.600
1377.900
468.6000
1979
1966.078
3994.118
1445.294
582.7451
1980
2143.478
4210.268
1470.860
595.9297
1981
2352.394
4427.642
1428.184
647.0641
1982
2542.465
4866.312
1560.461
763.3865
1983
2779.476
5306.812
1751.092
776.2445
1984
3121.920
6087.001
2097.366
867.7145
1985
3582.358
6863.466
2643.247
637.8610
1986
3810.751
7461.561
2832.106
818.7040
1987
4091.421
8088.332
2966.369
1030.5422
1988
4419.861
8514.186
3181.818
912.5072
1989
4190.511
8095.379
2996.559
908.3088
1990
4387.675
8820.173
3102.552
1329.9470
1991
4827.281
9958.072
3517.548
1613.2429
1992
5532.771
11484.769
4278.863
1673.1350
1993
6152.373
13534.994
5883.876
1498.7446
1994
6708.511
15051.805
6209.091
2134.2037
1995
7566.554
16430.918
6705.139
2159.2249
1996
8510.402
18086.395
7111.488
2464.5050
1997
9152.994
19667.595
7473.109
3041.4916
1998
9954.462
21300.431
7966.002
3379.9676
1999
10932.296
22977.515
8532.963
3512.2568
2000
12103.725
25209.058
9170.372
3934.9605
2001
13054.067
28041.212
10654.380
4332.7645
2002
14086.916
31094.409
12191.614
4815.8790
2003
15194.260
35047.995
14820.508
5033.2276
建立如下宏观经济模型：
消费函数：
投资函数：
收入方程：
容易判断该联立方程模型中投资方程是过渡识别，消费方程是恰好识别，模型是可识别的。
下面用四种方法进行二阶段最小二乘法估计参数。
这四种方法的输出结果是一样的。
方法一：
第一阶段：
LSCSCGCS（-1）估计消费的简化式方程
GENRECS=CS-RESID计算消费的估计值
LSYCGCS（-1）估计收入的简化式方程
GENREY=Y-RESID计算收入的估计值
第二阶段：
LSCSCEYCS（-1）估计替代后的消费结构式方程
LSICEY估计替代后的投资结构式方程
DependentVariable:
CS
Method:
LeastSquares
Sample（adjusted）:
19792003
Includedobservations:
25afteradjustingendpoints
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
273.3999
188.4340
1.450905
0.1609
EY
0.265184
0.185426
1.430131
0.1667
CS（-1）
0.433729
0.456004
0.951151
0.3519
R-squared
0.998058
Meandependentvar
6526.600
AdjustedR-squared
0.997881
S.D.dependentvar
4023.411
S.E.ofregression
185.1869
Akaikeinfocriterion
13.39277
Sumsquaredresid
754472.1
Schwarzcriterion
13.53904
Loglikelihood
-164.4097
F-statistic
5653.343
Durbin-Watsonstat
1.456439
Prob（F-statistic）
0.000000
DependentVariable:
I
Method:
LeastSquares
Sample（adjusted）:
19792003
Includedobservations:
25afteradjustingendpoints
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-258.6251
219.8342
-1.176455
0.2514
EY
0.401765
0.013389
30.00704
0.0000
R-squared
0.975093
Meandependentvar
5279.634
AdjustedR-squared
0.974010
S.D.dependentvar
3703.951
S.E.ofregression
597.1325
Akaikeinfocriterion
15.69877
Sumsquaredresid
8201047.
Schwarzcriterion
15.79628
Loglikelihood
-194.2347
F-statistic
900.4222
Durbin-Watsonstat
0.751407
Prob（F-statistic）
0.000000
方法二：
实际上在Eviews软件中，可以利用命令直接进行二阶段最小二乘估计，命令格式为：
TSLSYiC解释变量名@C先决变量名
其中符号@前面是该结构式方程的所有解释变量名，包括内生变量和先决变量；符号@后面是联立方程模型中的所有前定变量。
因此本例可用TSLS命令直接写成：
TSLSCSCYCS（-1）@CGCS（-1）
TSLSICY@CGCS（-1）
DependentVariable:
CS
Method:
Two-StageLeastSquares
Sample（adjusted）:
19792003
Includedobservations:
25afteradjustingendpoints
Instrumentlist:
CGCS（-1）
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
273.3999
177.3501
1.541583
0.1374
Y
0.265184
0.174519
1.519510
0.1429
CS（-1）
0.433729
0.429181
1.010595
0.3232
R-squared
0.998280
Meandependentvar
6526.600
AdjustedR-squared
0.998123
S.D.dependentvar
4023.411
S.E.ofregression
174.2940
Sumsquaredresid
668324.6
F-statistic
6382.063
Durbin-Watsonstat
1.003405
Prob（F-statistic）
0.000000
DependentVariable:
I
Method:
Two-StageLeastSquares
Sample（adjusted）:
19792003
Includedobservations:
25afteradjustingendpoints
Instrumentlist:
CGCS（-1）
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-258.6251
131.6564
-1.964394
0.0617
Y
0.401765
0.008019
50.10444
0.0000
R-squared
0.991067
Meandependentvar
5279.634
Adju
升级会员 