计量经济学实验报告(实验项目：时间序列计量经济学模型)-(2)

实验项目：时间序列计量经济学模型一实验目的通过上机实验掌握计量经济学软件EViews，运用EViews软件进行时间序列计量经济学模型的分析，掌握时间序列计量经济学模型，包括建立模型，了解其单整性、平稳性。二预备知识单位根检验、单整性检验、ADF检验、最小二乘估计原理。三实验内容下表给出了1978—2006年中国居民消费价格指数CPI.(1990年=100)年份CPI年份CPI年份CPI197846.21198882.31998202.59197947.071989971999199.72198050.6219901002000200.55198151.91991103.422001201.94198252.951992110.032002200.321983541993126.22003202.73198455.471994156.652004210.63198560.651995183.412005214.42198664.571996198.662006217.65198769.31997204.21(1)做出时间序列CPI的样本相关图，并通过图形判断该序列时间序列的平稳性。(2)对CPI序列进行单位根检验，以进一步明确它们的平稳性。(3)检验CPI的单整性。四实验步骤（一）启动软件包Eviews的启动步骤：双击Eviews快捷方式，进入EViews窗口；或点击开始/程序/Eviews6，进入EViews窗口。（二）创建工作文件。1建立工作文件并录入数据，如图1所示。图12平稳性检验2.1平稳性的图示判断给出一个随机时间序列，首先可以通过该序列的事件路径图来粗略地判断它是否是平稳的。使用语句T=@TREND+1978产生时间点的序列T，画出CPI跟时间T的关系图，即时序图，如图2所示。图2由图2，我们可以直观地看到CPI关于时间T有明显递增的趋势，不同时间段的均值不同，有持续上升，即CPI序列不平稳。当然，这种直观的图示也常长生误导，因此需要进行进一步的判断。2.2样本自相关图判断点击主界面Quick\SeriesStatistics\Correlogram...，在弹出的对话框中输入CPI，点击OK就会弹出CorrelogramSpecification对话框，选择Level，并输入要输出的阶数(一般为12)，点击OK，即可得到CPI的样本相关函数图,如图3所示。图3一个时间序列的样本自相关函数定义为：121()(),1,2,3,...()nkttktknttXXXXrkXX易知，随着k的增加，样本自相关函数下降且趋于零。但从下降速度来看，平稳序列要比非平稳序列快得多。从上述样本相关函数图，可以看到CPI的样本相关函数是缓慢的递减趋于零的，并没有像偏自相关函数那样的迅速减为零。所以，通过CPI的样本相关图，可初步判定该CPI时间序列非平稳。当然这中判断方法也是有一定的主观性的，下面我们进行客观性的判断，进一步明确CPI序列的平稳性。2.3单位跟检验(ADF检验)采用ADF检验对CPI序列进行平稳性的单位根检验。点击主界面Quick\SeriesStatistics\UnitRootTest...，在弹出的Series对话框中输入CPI，点击OK，就会出现UnitRootTest对话框，如图4所示。图4UnitRootTest对话框的设置。其中Testforunitrootin栏中，Level是水平序列，1st是一阶差分序列，2nd是二阶差分序列；Includeintestequation栏中，Intercept是常数项，对应ADF检验中的第二个模型，Trendandintercept是趋势项加常数项，对应ADF检验中的第三个模型，None是没有趋势项跟常数项，对应ADF检验中的第一个模型；右侧的Laglength是滞后阶数的确定，系统默认是用SC值确定，且默认最大滞后阶数为6阶。本题中，对于CPI序列的单位根检验是选择Level项，ADF检验结果如下。对于模型3：图5可以看到伪概率0.2939P，在5%的水平下是接受有单位根的原假设的。模型3的估计结果为：1123450.7251.8850.2391.2890.7800.7790.5530.522tttttttCPItCPICPICPICPICPICPI其中，趋势项参数的估计值的t统计量为2.349254t，查ADF分布临界值表得，模型3样本个数为25个(最接近的个数)时0.0253.25，即接受0的原假设，于是可与进行模型2的估计。对于模型2：图6可以看到伪概率0.8815P，在5%的水平下是接受有单位根的原假设的。模型2的估计结果为：1123.4840.00751.1280.525ttttCPICPICPICPI其中，常数项参数的估计值的t统计量为1.477668t，查ADF分布临界值表得，模型2样本个数为25个(最接近的个数)时0.0252.97，即接受0的原假设，于是可与进行模型1的估计。对于模型1：图7可以看到伪概率0.9541P，在5%的水平下是接受有单位根的原假设的。模型1的估计结果为：1120.01221.19180.549ttttCPICPICPICPI综上所述，根据ADF检验知，CPI序列存在单位根，即序列非平稳。3单整性检验所谓序列的单整性，就是原序列经过d阶差分后变成了平稳序列，就称原序列为d阶单整序列。于是对序列的单整性检验又转化为平稳性检验，即可用ADF检验，其不同的就仅仅是需要对原序列进行差分。然后，对CPI进行单整性检验，跟上述的平稳的ADF检验步骤类似，只是在UnitRootTest对话框的设置中选择1st选项，就是一阶差分，这小题的检验结果如下所示。对于模型3：图8可以看到伪概率0.1186P，在5%的水平下是接受有单位根的原假设的。模型3的估计结果为：22112.6500.00680.4070.545tttCPItCPICPI其中，趋势项参数的估计值的t统计量为0.051258t，查ADF分布临界值表得，模型3样本个数为25个(最接近的个数)时0.0253.25，即接受0的原假设，于是可与进行模型2的估计。对于模型2：图9可以看到伪概率0.03040.05P，在5%的水平下是拒绝有单位根的原假设的，根据ADF检验记得序列不具有单位根。即CPI序列经过1阶差分后就已经是平稳的时间序列了，所以得到结论为：CPI序列为1阶单整序列。