计量经济学Eviews软件应用6---【【计量经济学检验之综合实验】】--1次课

计量经济学软件应用——Eviews软件计量经济学检验之综合实验实验目的：运用Eviews软件对实际经济问题进行计量经济学综合检验（包括异方差检验和序列相关检验），并能对软件运行结果进行解释。Eviews软件操作实例例1：已知2001年中国各地区农村居民家庭人均农业经营收入(X1)和其他收入(X2)及消费支出(Y)的统计数据如表6-1所示(单位:元)。(横截面数据)试考虑下面问题：(1)为了考察农业经营收入X1和其他收入X2对消费支出Y的影响，用OLS法估计双对数模型：01122lnlnlnYXXEviews软件操作实例(2)检验模型是否存在自相关；根据DW统计量的值对该模型进行序列相关检验，由于，可以肯定该模型不存在序列相关性。(3)检验模型是否存在异方差；怀特检验：存在异方差G-Q检验：考虑到消费支出Y的差别主要来源于非农经营收入等其他收入X2的差别，因此如果存在异方差性，则可能是X2引起的。首先，按照解释变量(从小到大)排序；然后，去掉中间的7个数值，用两个容量为12的子样本分别作回归，得到如下结果：1.9647152DW1.9647152DW1.9647152DW1.9647152DW2lnX2lnXEviews软件操作实例子样本1的回归结果：子样本2的回归结果：F统计量值：，因此不能拒绝同方差的原假设，即对数模型不存在异方差。20.0510.2038273.1377(9,9)3.180.06496RSSFFRSSEviews软件操作实例(4)WLS法修正异方差；将样本区间恢复到全部数据，再一次进行全部数据的回归分析，取权数为，然后得到如下WLS估计结果：比较此WLS估计结果与前面的OLS估计结果：解释变量对应的回归系数的显著性提高，模型的拟合优度显著改善。所以，尽管在5％的显著性水平下，G-Q检验认为模型不存在异方差，但是如果采用WLS法估计方程，仍可取得更好的回归效果。这反过来说明，原模型可能还是存在微弱的异方差。1()absresidEviews软件操作实例(5)上述用WLS法得到的回归方程是否通过了序列相关性检验？为什么？上述WLS得到的回归方程没有通过序列相关性检验；因为，，偏小，存在正自相关。这可能是由于对各个样本点按解释变量排序而引起的；如果仍按原始样本数据(即并未排序)，用OLS估计对数模型后，然后用WLS法，权数为，得WLS估计结果为：1.1091DW2lnX1/()absresidEviews软件操作实例从上表可以看出，未按解释变量排序的原始数据估计模型，最后得到的WLS估计结果和排序后的WLS估计结果除了DW统计量值不同以外，其他的都完全一致；未排序的WLS估计结果中的，接近于2，并不存在序列相关，即通过了序列相关检验；而排序后的WLS估计结果可能存在正自相关，这正说明了其正自相关是由于按解释变量排序而引起的，证实了我们上述的分析。由于其他参数估计以及统计量的结果是完全一致的，所以无需再调整，即该问题的最终理想估计结果就为上述WLS估计结果：2.4872DW1222,,,,,,,,ˆln1.22780.3757ln0.5101ln(4.130)(6.612)(28.684)0.9999,,=0.999989,,,,,,,YXXRREviews软件操作实例例2：考察中国居民收入与消费支出的关系。表6-2给出了1978~2000年间以1990年不变价测算的中国人均国内生产总值(X)与以居民消费价格指数（以1990年为100）缩减的人均居民消费支出(Y)的数据。(时间序列数据)要求：(1)建立变量Y与X二者的线性回归模型；Eviews软件操作实例(2)对模型采用White方法进行异方差检验，若存在请用加权最小二乘法处理异方差；结果此一元回归模型不存在异方差。(3)对模型运用DW检验法进行序列相关检验，若存在请用广义差分法处理序列相关，并再次检验是否存在异方差，并写出最终模型的估计结果。DW=0.5506，存在一阶正自相关；采用偏相关系数及LM检验证实该模型仅存在一阶自相关，不存在高阶自相关。广义差分法处理序列相关：LSYCXAR(1)Eviews软件操作实例估计结果：上表显示DW=1.60，故广义差分后的模型已不存在一阶自相关。再次检验异方差，采用怀特检验，在广义差分估计结果的窗口中选择怀特检验，结果为：广义差分后的模型也不存在异方差。Eviews软件操作实例最终模型的估计结果：2,,,,,,,ˆ221.3430.3814(7.488)(31.465)0.99,,,,,,682936.586ttYXRF,,(1)0.63286(4.2485,,)ARtEviews软件操作实例例3：表6-3给出了某一国家1952年~2006年货币需求量M，人均可支配收入Y以及利率i三个变量的年度时间序列数据，可建立如下回归模型：请完成以下问题：(时间序列数据)(1)根据表中的数据，用普通最小二乘法估计模型：012MYi012MYiEviews软件操作实例(2)采用适当的方法对上述模型进行异方差检验，考察模型是否存在异方差性？采用怀特方法型进行异方差检验(包含交叉乘积项或不包含交叉乘积项均可),包含交叉乘积项的怀特异方差检验结果为：结果拒绝同方差原假设，模型存在异方差性；(3)采用适当的方法对上述模型进行序列相关检验，考察模型是否存在序列相关性？根据DW=0.6997，存在一阶正自相关；再采用偏相关系数及LM检验进行高阶自相关检验，证实该模型仅存在一阶自相关，不存在高阶自相关。Eviews软件操作实例(4)若上述模型存在违背基本假定的情况(异方差、序列相关性)，该如何处理这一问题？经检验，上述二元模型既存在异方差问题，又存在序列相关问题，违背了多项基本假定。一个模型包含多项违背基本假定的问题，可考虑的处理方法是：该模型的设定存在不妥，故应该对该模型的设定进行修改。我们再回头思考经济理论：货币需求(M)除了受到当期收入(Y)和利率(i)的影响以外，还要受到前一期货币需求的影响，即所谓的惯性；同时，模型形式设定为对数线性模型，这样考虑后，将模型修改为01231lnlnlnlntttttMYiMEviews软件操作实例然后再重新估计上述对数线性模型，最后得到回归结果为：接下来再考察该对数模型是否存在异方差性和序列相关；怀特检验结果：重新设定模型不再存在异方差；Eviews软件操作实例序列相关性检验：由于模型中存在滞后被解释变量，故不采用DW检验，而是采用LM检验，LM检验结果该对数模型不存在一阶自相关，也不存在高阶自相关。这样的话，修改后的对数模型经过异方差性和序列相关性检验以后，表明该对数模型已不存在异方差性，也不存在序列相关性，故该模型的OLS估计结果就为我们最后需要的理想模型，可写为：122ˆln0.20160.1005ln0.1539ln0.7763lnM(5.07)(2.33),(4.43)(13.57)0.999599,0.99957541514,,,,,,,,,,,,,,,,,,,,,,,,,,,,,.3,,,,7,ttttMYiRRFEnd