EViews统计分析与应用全套课件

Click to edit Master title style,Click to edit Master text styles,Second level,Third level,Fourth level,Fifth level,Eviews,统计分析 从入门到精通,第一章,Eviews,简介,Eviews7.2,简介,Eviews,的主窗口,工作文件的建立与工作文件窗口,对象的建立和对象窗口,Eviews,统计分析 从入门到精通,一、,EVIEWS7.2,简介,Eviews,全称,Econometrics Views,， 是美 国,QMS,公司 推 出 的基于,Windows,平台的专门从事数据分析、回归分析和预测的计算机软件，,Eviews,是当今世界上最优秀的计量经济软件之一，其具有操作简便、 界面友好、功能强大等特点，在科学数据分析与评价、金融分析、经济 预测、销售预测和成本分析等领域具有广泛的影响。,Eviews,统计分析 从入门到精通,EViews 7,有着大量的令人激动的更新和改善。在性能方面，它优化了常规性操作，使得计算更快捷。 以下为,Eviews7,版本的一些最重要的新特征。,Eviews,界面 增加了,“,主题,”,支持，可让用户自定义,Eviews,窗口外观，全面加强的拖拉操作，改善了命令输入、图 形选项、全局选项界面，能够自动从,Web,获得更新，确保,Eviews7,永远为最新的，提供了新编译的基 于,HTML,格式的帮助系统。,数据处理 在,Eviews7.2,中，定义了新的,workfile,数据周期，支持小时、分钟和秒周期，多年，半个月，,2,星期，,10,天和每天，有着随意的每周的日期范围。加强了对字符型变量的支持，包括新的字符和字符矢量对 象，一个加强的用于创建和操作字符列表的新函数库，且编程支持也得到了改善。,Eviews7,直接提供 对于,FRED,（,Federal Reserve Economic Data,）数据的连、打开、查询和导入的支持。,Eviews7,支 持读取,Excel 2007 XLSX,文件。数据导入功能得到改善。,图形方面,Eviews7,支持新的,“,live,”,图形，随相应数据的更改而自动更新，图形选项界面得到了改善，交互式观 测信息显示，让用户能编辑的观察和图形上数据关联的标签和值。改善了控制在尺度,/,坐标轴上的日期 的格式。用户可更灵活的自定义用于观测值尺度,/,坐标轴上的观测值标签。,编程方面 程序支持记录消息日志；程序文件编辑器支持快速多行注释；程序加强了对字符和文本对象的支持；,增加了新的对象数据成员和通用信息函数。,Eviews,统计分析 从入门到精通,二、,Eviews,的主窗口,Eviews,统计分析 从入门到精通,1.,标题栏 数据编辑窗口最上方是标题栏，当该窗口被激活时，标题栏呈蓝色；标题栏右 侧为窗口控制按钮，第一个按钮是窗口最小化，第二个按钮是窗口最大化，第 三个按钮是关闭窗口。,2.,菜单栏,Eviews,的菜单栏包括,“,File,”,、,“,Edit,”,、,“,Object,”,、,“,View,”,、,“,Proc,”,、,“,Quick,”,、,“,Options,”,、,“,Add-ins,”,、,“,Window,”,和,“,Help,”,十个菜单。,3.,命令窗口 命令窗口用于在命令操作方式下输入相应的命令，用户只需输入相应的命令， 按,“,Enter”,键即可执行。,Eviews,统计分析 从入门到精通,4.,工作区域 工作区域用于显示其他的子窗口。当存在多个子窗口时，这些子 窗口会相互重叠，当前活动窗口位于最上方。,5.,状态栏 状态栏用于显示目前,Eviews,的工作状态和,Eviews,默认的数据文件,保存路径等。状态栏的显示分为四个部分：最左侧显示当前,Eviews,的工作状态；,Path,栏用于显示,Eviews,默认的数据文件保存 路径；,DB,栏用于显示当前数据库的名称，,WF,栏用于显示当前活 动工作文件名称。,Eviews,统计分析 从入门到精通,三、工作文件的建立与工作文件窗口,1.,工作文件的建立,1.,选择工作文件 类型,2.,进行具体参数 设置,Eviews,统计分析 从入门到精通,4.,工作文件窗口,1.,标题栏,2.,工具栏,3.,信息栏,4.,对象集合区,5.,页面转换栏,Eviews,统计分析 从入门到精通,四、对象的建立与对象操作窗口,1.,对象的建立,新建或者调用了原先储存的工 作文件后，在,EViews,主窗口 依次选择,Object|New Object,命令或在工作文件窗口工作栏 中单击,Object,按钮并,New Object,命令，便可以打如,New Object,对话框。,Eviews,统计分析 从入门到精通,对象名称,中文含义,Equation,方程,Factor,因子,Graph,图形,Group,序列组,LogL,对数似然函数,Matrix-Vector-Coef,矢量系数矩阵,Model,模型,Pool,面板数据,Sample,样本,Series,序列,Series Link,序列连接,Series Alpha,序列,SSpace,状态空间模型,System,系统,Table,表格,Text,文本,ValMap,数值映射,VAR,向量自回归,Eviews,统计分析 从入门到精通,2.,对象窗口,1.,标题栏,2.,工具栏,3.,数据区域,第二章,EViews,与数据处理,数据是利用,EViews,软件进行处理和分析的基础。,EViews,要求数据的分析处理过程必须在特定的工作文件 中进行，所以在将数据导入,EViews,软件之前，需要先建 立并保存工作文件。,导入的原始数据由于季节时间的影响会产生与季节时间相 关的规律性变动，所以为更准确地反映客观经济现象的本 质还需要在数据分析之前对其季节变动因素作一定消除和,调整。,1.,工作文件的保存,2.,数据的导入,3.,新序列的公式生成,4.,数据的季节调整,工作文件的保存,1.,通过命令保存,在,EViews,主窗口中依次选择,File|Save,命令或者,File|Save as,命令，在,Save as,对话框选择工作文件的保存路径、文件名和 保存类型。,2.,通过工具栏,Save,快捷键保存,在,EViews,工作文件窗口工具栏中点击,Save,按钮，也可以对当 前工作文件进行保存。,数据的导入,数据是利用,EViews,进行各项分析的基础。将数据 导入,EViews,软件通常有两种方法，即直接录入和 外部调入，其中外部调入包括外部导入数据和粘,贴导入两种方式。,1.,直接录入,直接录入方法是指用户通过键盘操作直接输入所需数据。,（,1,）单个序列对象的直接录入,打开要输入数据的序列，在序列窗口工具栏单击,Edit+/-,按钮 进入数据编辑状态，此时用户可直接输入数据。,（,2,）多个序列对象的直接录入,对序列对象的数据录入方法与单序列输入方法相同。与单序列 序列名命名方法不同的是，多序列数据组（,Group,）里有,obs,一项代表序列名称，用户可在此处更改序列名，按回车键进行,确认。,数据的导入,数据的导入,2,外部数据文件调入,EViews,软件（,3.1,版本以上）允许从外部数据文件 中直接调入三种格式的数据：,ASCII,、,Lotus,和,Excel,工作表。,（,1,）通过软件导入,（,2,）复制粘贴导入,以某地,2000,年到,2009,年税收收入（,Tax Revenue,）与国民生产值,（,GDP,）数据的,Excel,工作簿为例，将此,Excel,工作簿导入,EViews,新序列的公式生成,在,EViews,的操作中经常会用到公式，有时需要对现 有序列进行变换才能得到需要的序列，此时就需要利,用公式对已有序列进行相应的变换。,利用公式生成新序列主要是通过工作文件工具栏中的,Genr,按钮实现。点击,Genr,按钮会弹出的,Enter equation,对话框。在对话框中输入所要生成序列的 公式表达式，用,“,=,”,连接要生成的序列名称及其公 式化的表达式。最后单击,OK,键，就生成了新序列。,数据的季节调整,季节的变动会使时间序列产生规律性的变化，这种规律性 变化通常称之为季节变动。例如与气候、日历天数和节假 日等有关的季节性因素，或与不同的发展阶段有关的趋势 性因素都会使时间序列产生规律性变化。为更准确地反映 客观经济现象的本质，须对季节变动因素作一定消除和调 整。,用,EViews,对序列进行季节调整，通过序列工具栏,Proc,按 钮下的,Seasonal Adjustment,实现。,数据的季节调整,季节调整的方法：,Census X12,X11 (Historial),Tramo/Seats,Moving Average Methods,季节调整方法的原理比较复杂，相关内容读者可以参考有关的 计量经济学书籍。需要注意的是季节调整方法只适用于季度和,月度序列。,第三章,EViews,与绘图,图形对象（,Graph,）是序列、序列组、方程、模型 等对象的视图。将数据通过折线图、条形图、散点 图、饼图等图形显示，有利于用户更直接认识数据 的变化规律，从而更好更快的对数据进行处理分析 等操作。以后章节中对模型的异方差、自相关等问 题进行判断时，绘制数据相关图也是一种重要的检,验方法。,基于,Graph,的绘图功能,图形的改变、冻结、移动与打印,基于,Graph,的绘图功能,1.,由,EViews,主菜单进行绘图操作,（,1,）选择绘图命令,单击,EViews,主菜单,Quick|Graph,命令，在弹出的,Series List,对话框内输入需要绘制图形的序列或序列组名称，单 击,OK,键。,（,2,）设置图形,选择绘图命令后弹出,Graph Options,对话框。,（,3,）输出图形,单击确定键即可输出图形。图形输出完成后，单击图形窗 口工具栏中的,Name,按钮，可对图形对象进行命名。,EViews,将保存命名后的图形对象。,基于,Graph,的绘图功能,2.,由序列或组界面进行绘图操作,建立序列对象后，可以直接通过序列界面或组界面进 行绘图操作。打开序列或组对象，在数据表格窗口单 击工具栏,View|Graph,命令，通过图像定义对话框对 图像进行设定，具体设置方法与上一种方法相同。,需要注意的是，这种绘图方法只是将数据的表格显示 形式转化为图形显示形式，需要对图像进行命名,（,Name,）保存后才能生成新的图形对象。,图形的改变、冻结、移动与打印,1.,图形的改变 图形生成后双击图形的任何部分，会弹出,Graph Options,对话框，从而对图形进行修改。在,EViews6.0,中，双击选 择不同的部分，可以直接弹出对该部分进行修改的标签页。,2.,图形的冻结及其他操作 新建立的图形对象是单个或多个序列的另一种显示形式， 当序列的观测值发生改变或工作文件的样本范围改变时， 图形也会随之改变。如果希望图形不再改变，需要冻结图,形。冻结操作通过单击图形对象窗口工具栏的,Freeze,按钮,实现。,图形的改变、冻结、移动与打印,3.,图形的移动 需要将图形移动到,Windows,某些文档中进行后续处理时会 用到图形移动操作。,选择,EViews,主菜单的,Edit|Copy,命令，会弹出,Graph Mefafile,对话框。,Use color in metafile,选项用于选择输 出图形的色彩结构，勾选此选项表示对输出的图形使用彩,色，否则输出黑白图形，其他选项通常使用默认设置。,单击,OK,键，该图形就复制到了,Windows,的剪贴板中，用 户可以切换到文字处理程序或其他应用程序把图形粘贴到,文档中,。,图形的改变、冻结、移动与打印,4.,图形的打印 图形的打印操作通过单击,EViews,主菜单的,File|Print,命令 或者单击图形对象窗口工具栏中的,Print,键实现。,第四章,EViews,与统计分析,建立了序列或序列组以后，通过,EViews,软件可以直 接获得序列或序列组的基本描述性统计量及基本统 计检验。其中，通过基本统计分析可获得序列或序 列组均值、方差、协方差、相关系数等基本统计量， 通过参数假设检验可以对序列或序列组进行均值检,验和方差检验。,单序列统计量的计算及检验,序列组统计量的计算及检验,单序列统计量的计算及检验,单序列统计量的计算、检验与图形操作通过序列对 象窗口工作栏的,View,键实现。如图,4-1,所示的,View,键下拉菜单分为四个部分。,单序列统计量的计算及检验,引入案例,4.1,用于之后的序列统计分析操作。案例,4.1,记录 了从,1990,年至,2007,年的我国国民生产总值和第三产业增,加值的相关数据，单位为亿元。,单序列统计量的计算及检验,1.,单序列的描述性统计量,单击,View| Descriptive Statistics & Tests,命令，,Descriptive Statistics & Tests,下一级菜单中包含三部分。 第一部分就是此序列的描述性统计量，,Histogram and Stats,是序列的直方图及有关统计量，,Stata Table,是序列,有关统计量的表格，,Stats by Classification,是序列的分 组统计量。,单序列统计量的计算及检验,2.,单序列描述统计量的检验,单序列单击,View| Descriptive Statistics & Tests,命令后， 其下一级菜单中第二部分和第三部分就是对序列描述统计,量的检验，包括,Simple Hypothesis Tests,（简单假设检,验）、,Equality Test of Classification,（分组齐性检验） 和,Empirical Distribution Tests,（经验分布检验）。,单序列统计量的计算及检验,3.,单序列单因素统计表,序列的单因素统计表用来显示序列在不同观测值范 围区间的观测个数及百分比信息。,单序列统计量的计算及检验,4.,单时间序列的统计检验 单击序列窗口工具栏,View,键显示下拉菜单的第三部分是针 对时间序列的统计分析，包括,Correlogram,（相关图）、,Unit Root Test,（单位根检验）和,BDS Independent,Test,（,BDS,独立性检验）。,序列组统计量的计算及检验,序列组统计量的计算、检验与图形通过序列组对象窗口 工作栏的,View,键实现。如图所示的,View,键的下拉菜单分,为四个部分。,序列组统计量的计算及检验,（一）序列组的基本统计分析,1,Descriptive Stats,（序列组的基本描述性统计量）,如果序列组中各个序列观测值个数相同时，在序列组窗口单击,View|Descriptive Stats|Common Sample,命令，即可输出序列组各序列的 基本描述性统计量。,2,Covariance Analysis,（序列组的协方差分析和相关分析）,协方差、相关性分析用于计算序列组中各序列之间的协方差矩阵和相关系数 矩阵。其中，协方差矩阵中主对角线元素是各序列样本方差，其余元素是序 列间协方差。,3,序列组多因素统计表（,N- Way Tabulation,）,序列组的多因素统计表是单因素统计表的推广形式，通过序列组窗口,View|N- Way Tabulation,命令实现。,4,序列组齐性检验（,Test of Equality,）,序列组齐性检验用来检验序列组中各个序列均值、中位数和方差是否相等。,序列组统计量的计算及检验,（二）时间序列组基本统计分析,View,键的下拉菜单第三部分是针对时间序列的统计分析 包括：,1,Correlogram,（相关图）,序列组中序列的自相关图和偏相关图,2,Cross Correlation,（交叉相关系数）,序列组内两个序列的交叉自相关图和偏相关图。,3,Unit Root Test,（单位根检验）,单位根检验用于检查时间序列的平稳性。其检验的原假设,H0,均为存在单位根。,4,Granger Causlity,（格兰杰因果检验）,格兰杰因果检验用于查看序列之间是否存在格兰杰因果性。格兰杰因果检验的原假设,H0,为系数为,0,，不存在因果关系。,第五章基本线性回归模型,的,O,LS,估计,回归分析是处理变量与变量之间关系的一种最为常用的统计分析方法，它的理论基础 比较成熟，而且应用十分广泛。人类社会活动总是与许多变量相联系的，我们常常要 研究这些变量之间的数量关系。对于变量之间的关系，一般分为两类：一是变量之间 存在的确定性的函数关系，另一类是变量之间的非确定的依赖关系。而为了分析和利 用变量之间的非确定的依赖关系，人们建立了各种统计分析方法，其中回归分析方法 是最为常用的经典方法之一。,回归分析的主要目的是研究自变量和因变量之间的数量关系，研究的主要内容包括建 立回归模型探索变量之间的相关程度、利用回归模型估计和预测因变量的变化等等。 其中，根据回归形式的不同，回归模型可以分为线性回归、非线性回归等多种回归分 析方法，而本章将对最为基础和最为重要的线性回归模型的,EVIEWS,操作进行讲解。,线性回归模型的,OLS,估计,标准回归结果的解释及残差检验,含虚拟变量的线性回归模型的,OLS,估计,线性回归模型的,OLS,估计,背景知识,1.,一元线性回归模型,在实际应用中，最简单的情形就是研究两个变量之间的相关关系，即一元线性回归模型。,（,1,）一元线性回归模型及假定。,假设（,X1,Y1,）（,X2,Y2,）,（,Xn,Yn,）是取自总体（,X,Y,）的一组样本，其中,X1,X2Xn,为 自变量或解释变量（,independent variale,）序列，,Y1,，,Y2Yn,为因变量或被解释变量。于是，,就可以建立一元线性回归模型：。,该模型的随机误差项必须满足的假设条件为：,无偏性假定。即所有随机误差项的期望为,0,。,同方差性假定。即所有随机误差项的方差相等。,无序列相关性假定。即随机误差项之间无序列相关性。,解释变量与随机误差性相互独立。即解释变量,X,为非随机变量。,正态性假定。即随机误差项服从均值为,0,的正态分布。,y,i,= ,0,+ ,1,x,i,+ ,i,i,=,1, 2,n,（,2,）一元线性回归模型的最小二乘估计,样本观测值,Yi,与估计值的残差,e,反应了样本观测值与回归直线之间的 偏离程度。而最小二乘估计方法的原理就是让拟合的直线使残差平方,和达到最小，依次为准则确定,X,与,Y,之间的线性关系。这就是著名的,普通最最小二乘估计方法（,Ordinary Least Square,OLS,）。,2.,多元线性回归模型,（,1,）多元线性回归模型的形式 假定影响因变量,Y,的自变量个数为,P,并且记为,X1,，,X2,，,，,Xn,。多元线性回归模型为：,Y,=,0,+,1,x,1,+,2,x,2,+,+,p,x,p,+,则多元线性回归模型的矩阵形式为：,Y,=,X,+,（,2,）多元线性回归模型的最小二乘回归 与一元线性回归模型一致，就是满足让拟合的直线使残差平方和达到最小，从何获得回,归估计结果。,线性回归模型,OLS,估计的,Eviews,操作,1,回归模型主窗口的打开,在,Eviews,主窗口的菜单栏中依次选择,Quick | Estimate Equation,命令，打开如图,5.1,所示的,Equation Estimation,对话框。,Equation Estimation,（方程回归）对话框的,Specification,选项卡是建立各种回归模 型（如线性回归模型、,ARMA,模型、计数模型等）的主要设定窗口。除上述方法可以 打开,Equation Estimation,对话框外，还可以是在主窗口的菜单栏中选择,Quick | Estimate Equation,；第三种是在工作文件窗口中选择,Objec | New object,，然后在 新建对话框中选择,Equation,。,2.,设定模型中的变量,任何模型估计前，首先要设定模型中解释变量和被解释变量。线性模型中变量的设定 是在,Estimation specification,输入框中进行的，而具体的设定方法有以下几种：,（,1,）公式设定方法,该方法是指在输入框中直接将模型方程写出来,（,2,）排序设定方法,模型变量设定中最常用的是排序方法，即按照被解释变量、回归因子（含常数项和解释变量）的顺 序依次列出来，该方法又可分为三类：,当模型中的变量都是工作文件中的已有变量时，可以在,Estimation specification,输入框按照模型 的被解释变量、解释变量的顺序依次列出，中间用空格隔开所有的变量，且不需要设定模型的随机 项。,当模型中的变量含有工作文件窗口中变量的滞后项时，可以在,Estimation specification,输入框中 输入该变量和小括号的组合来表示变量的滞后项，其中小括号中是负号和具体滞后的阶数。,当模型中包含工作文件中变量的线性组合或者固定的函数形式，可以在,Estimation specification,输入框中直接输入该变量的线性组合或函数形式，但变量的线性组合必须用小括号包裹。,3.,选择模型估计方法,回归模型的估计中最为核心的就是根据设定模型的类别和假设选择合适的估计方法。 估计方法的不同，回归的结果将会大相径庭。在,Eviews,中模型回归估计的方法是通过,Equation Estimation,对话框中,Estimation settings,的,Methord,下拉列表框进行选择 的。,Methord,下拉列表框提供了现代计量分析中几乎所有主流的模型估计方法，如图,5.6,所示。,4.,设定模型估计的样本区间,模型回归中所需的样本范围是通过,Equation Estimation,对话框中的,Sample,输入框设 定的。样本范围是在输入框中输入一前一后的两个数字，两个数字中间用空格隔开， 其中开始的数字表示样本的开始时间，结尾的数字表示样本的结束时间。如我们的样,本范围是,1978,年到,2009,年，但是我们希望在模型回归中用到是,1978,到,2000,年的样,本观测值，正确的设定方法是在,Sample,输入框中输入：,1978 2000,。,注意设定的样本的范围必须在工作文件的范围内，如果大于工作文件的范围，则系统 将根据工作文件的范围进行回归。一般系统默认的回归区间为工作文件的范围。,5. Options,选项卡的设定,在,Equation Estimation,对话框中点击,Options,选项卡，打开如图,5.7,所示对话框：,Options,选项卡里面的内容根据,Estimation settings,的,Methord,下拉列表框中回归方法选择 的不同而改变。其中，,LS-Least Squares,（,NLS and ARMA,）方法下相应的,Options,选项卡 的设定是针对当模型回归的残存项存在异方差、自变量与随机项存在相关性时修正模型的， 本书将此部分内容安排到第六章，具体设定可参见第六章第一节和第二节。,设置完毕后，可以点击,“,确定,”,按钮，就可以在,Equation,对象窗口得到线性回归模型,OLS,估 计的结果。除可以点击,“,确定,”,按钮，还可以点击,“,取消,”,按钮，取消进行回归模型设定的 操作，返回到,workfile,工作文件窗口。,线性回归模型,OLS,估计的案例操作,1,案例问题的描述与数据准备,在现代经济周期理论中，固定资产投资周期是影响宏观经济周期波动的一个直接的、 物质性的主导因素，固定资产投资也成为经济周期波动的物质基础。本节通过对山东 省固定资产投资及国内生产总值的数据来拟合一元线性回归模型，分析山东省固定资 产投资对山东省经济的拉动作用，并给出如何通过调节固定资产投资来发展经济的政 策建议。,数据文件记录了从,1978,年至,2007,年的山东省固定资产投资和山东省国民生产总值的 相关数据,为了准确衡量我国基础设施投资对经济增长的拉动作用，本文设定经典线性回归模型 来分析这种拉动作用的大小。建立的总体回归模型如下式所示：,LnGDP,=,+,LnIFA,+,建立线性回归模型，利用上述数据完成对模型参数的估计。,标准回归结果的解释及残差检验,背景知识,1.,回归模型标准回归结果中的统计量,统计量,含义,模型 解释 变 量的 估计 值,根据总体回归模型，利用,OLS,等回归方法计算的回归系数值,估计值的标准差,用于衡量回归系数值的稳定性和可靠性。如果标准差较小，表 明该系数的稳定性就好；如果该标准差越大，则表明该系数的 稳定性差。,估计值的,T,值,用于检验系数是否为零。通过查表可以得到相应的临界值：如 果该值大于临界值，则该系数在相应的显著水平上是可靠的； 如果该值小于临界值，则系数在相应显著水平上是不显著的。,估计值显著性概率值,表示在,t,分布下，,t,统计量的概率值。在,5%,显著性水平下，如果 该概率值低于,0.05,，则认为该系数值在统计上是显著的。,R,方,表示回归的拟合程度，就是被解释变量被所有解释变量解释的 部分。,R,方的取值范围在,0,到,1,之间：如果,R,方等于零，则表示该 回归并不比被解释变量的简单平均数预测的更好；如果,R,方等 于,1,，则表示该回归拟合的最为完美。,调整,R,方,随着解释变量的增加，,R,方只会增加而不会减少。为对增加的 解释变量进行,“,惩罚,”,，对,R,方进行调整,模型回归的标准误差,对回归的残差进行计算标准差，衡量残差的波动性。,残差平方和,该指标衡量残差的平方和，一般没有直接解释含义，用于作为 其他统计量的计算,对数似然估计值,在假定回归残差服从正态分布下，对对数似然函数值的计算。,D-W,统计量,用于衡量回归残差是否序列相关，该统计量如果严重偏离,2,则 表明存在序列相关。,被解释变量的均值,表示被解释变量的平均数，等于被解释变量的样本取均值。,赤池信息准则,用于对回归方程的最优滞后项数目进行选择，选择标准是该值 达到最小值即可。,施瓦茨信息准则,用于对回归方程的最优滞后项数目进行选择,F,统计量,用于衡量回归方程整体显著性的假设检验,2,模型回归残差的常用检验,回归模型估计完毕后，通常研究者会对模型估计的残差进行检验，通过回归残差的性 质来判断模型估计的效果。常用的检验有：,Q,检验和,LM,检验用来判断残差是否违背无,相关假定、异方差检验用来判断残差是否违背同方差假定、正态性检验用于判断残差 的分布。检验的一般程序（适用于绝大部分统计量检验）是计算相关统计量的原假设 成立的概率,P,值，如果该概率,P,值小于某个设定显著水平（通常为,5%,）,则拒绝原假设， 认为备择假设成立；反之，则不能拒绝原假设。,；,残差检验统计量,含义,残差自相关的,Q,检验,检验目的：,Q,统计量的全称是,Ljung-Box Q,，该统计量一般用 于检验序列是否存在自相关。 检验假设：该统计量的原假设,H0,为：残差序列不存在自相关 备择假设,H1,为：残差序列存在自相关。,残差自相关的,LM,检验,LM,检验是,Breush-Godfrey Lagrange Multiplier,的简称，主要用 于检验残差序列是否存在高阶自相关的重要假设。该统计量 的计算首先必须利用,OLS,估计出原模型的残差序列,u,；然后以,u,为被解释变量，以,u,的,1,到,P,阶滞后项为解释变量再次进行回 归，同时记录该回归的拟合优度,R,方。,LM,检验统计量的原假设为,H0,为：残差序列直到,P,阶不存在自 相关；备择假设,H1,为：残差序列,P,阶内存在自相关。,残差的正态性检验,检验目的：,Histogram-Normality Test,检验主要是通过计算,JB,统计量实现的，,JB,统计量用来检验序列观测值是否服从正态 分布，在零假设下，,JB,统计量服从,2,(2),分布。 检验假设：该检验的原假设,H0,为：样本残差服从正态分布。 备择假设,H1,为：残差序列不服从正态分布。,残差的异方差检验,检验目的：由于最小二乘方法是建立在残差同方差假设基础 上的，一旦出现异方差就说明,OLS,方法就不可靠了，需要利 用加权最小二乘方法进行纠正。异方差检验是利用辅助回归 的方法进行的，该统计量服从卡方分布。 检验假设：怀特异方差检验的原假设,H0,为：残差序列不存在 异方差。备择假设,H1,为：残差序列存在异方差。,Equation,方程对象的,EVIEWS,操作,在每次回归模型估计完毕后，,Eviews,将把模型回归的结果（系数估计值、模型估计的 各种统计量）、残差序列、方差协方差矩阵等等保存到,Equation,（方程对象）中，以 方便对模型的进一步检验（残差的,LM,检验等等）和模型预测、模拟等操作。,对,Equation,对象中的关于模型回归的输出标准结果的解释、查看结果输出形式和保存 等操作，以及模型残差的各种检验操作进行讲解。,1,回归模型估计的标准结果的一般解释,在,Equation,方程对象窗口菜单栏,View|Estimation output,，或者直接点击快捷操作按 钮,Statistics,，打开如图,5.13,所示的方程对象窗口。该窗口主要有三部分：第一部分为 模型估计的说明；第二部分为模型解释变量的估计结果；第二部分为模型整体估计的,统计量。,表,5.3,模型估计的说明,模型估计说明,含义,Dependent Variable: G,模型的被解释变量（该案例为,G,）,Method: Least Squares,模型估计方法：最小二乘估计方法,Date:Time: 14:07,模型估计的方法,Sample: 1978 2007,模型估计的样本范围,Included observations: 30,模型估计中的有效观测值的个数,模型解释变量的估计 结果,含义,Variable,模型的解释变量,Coefficient,模型解释变量的估计值,Std. Error,模型解释变量估计值的标准差,t-Statistic,模型解释变量估计值的,T,值,Prob.,模型解释变量估计值显著性概率值,模型估计统计量,含义,R-squared,模型回归的,R,方,Adjusted R-squared,模型估计的调整,R,方,S.E. of regression,模型回归的标准误差,Sum squared resid,残差平方和,Log likelihood,对数似然估计值,Durbin-Watson stat,D-W,统计量,Mean dependent var,被解释变量的均值,S.D. dependent var,被解释变量的标准差,Akaike info criterion,赤池信息准则,Schwarz criterion,施瓦茨信息准则,F-statistic,F,统计量,Prob(F-statistic),模型显著性的概率值,2. Equation,对象的快捷按钮操作,“,Print,”,按钮,单击,“,Print,”,按钮，弹出如图,5.14,所示的,Print,打印对话框。,Print,打印对话框主要用于,Equation,方程对象的打印设置。其中,Destination,选项组用 于选择与操作计算机连接的打印机；,Text/Table options,选项组用于设定打印纸张的 范围和大小；,Print range,选项组用于设定,Equation,方程对象页面的打印范围。,“,Name,”,按钮,单击,Name,（命名）按钮，打开如图,5.14,所示的,Object Name,对象命名对话框。,“,Object Name,”,对话框主要用于进行,Equation,方程对象的保存和命名操作，其中,Name to identify object,文本框用于输入要命名的方程对象的名称，该名称最大允许,24,个英文字母；,Display name for labeling tables and graphs,文本框用于标记表和 图的名称，研究者可以在该文本框中注释方程对象。由于方程对象的名称较短，所以,该标签可以比较详细的注释方程对象。,命名完毕后，单击,OK,按钮就可以将回归的结果（方程对象）保存到,Eviews,工作文件窗 口。如果需要查看该方程对象，只要双击该工作文件中的该对象就可以打开该方程对,象。,“,Freeze,”,按钮,Equation,方程对象界面内的标准回归结果不允许用户对回归结果进行更改操作，而单 击,Freeze,快捷操作按钮可以将标准回归结果进入可编辑状态，从而给用户提供了进行 更改操作的空间。,“,Estimate,”,按钮,该按钮主要是用于返回到标准回归结果界面的快捷工具按钮，单击该按钮可以在其他 操作界面下转换到标准回归结果界面。,“,Forcast,”,按钮,该按钮主要用于利用用户建立的回归模型进行预测的操作，对模型预测的具体讲解请 参考本书第十四章预测专题，在此不再赘述。,“,Statistics,”,按钮,单击该按钮可以快速打开本章第一节中的,Equation Estimation,对话框，便于用户根据 回归结果进行重新设定模型变量及估计方法的操作。,“,Resids,”,按钮,单击,Resids,按钮，打开如图,5.14,所示的,Equation,的,Resids,界面。,Equation,的,Resids,界面主要给用户展示因变量的观测值序列、拟合值序列及残差序列 图。其中，,Residual,、,Actual,、,Fitted,分别表示观测值序列、拟合值序列及残差序列。,3. Equation,对象的下拉菜单按钮操作,View,下拉菜单按钮,单击,View,按钮，可以打开如图所示的下拉菜单。,该下拉菜单提供了一些便捷操作命令和残差检验、系数检验等重要检验操作命令。,Representations,命令用于展示回归模型的一般表达式；,Estimation Output,命令用于 切换到标准回归结果界面；,ARMA Structure,用于展示,ARMA,模型的结构，仅限于,ARMA,模型操作；,Cofficient Tests,和,Stability Test,命令主要用于对系数和模型进行稳 定性检验，具体参见本书第八章第三节。本节将重点介绍,Actual,Fitted,Residual,选项 和,Residul Tests,选项以下命令：,（,1,）,Actual,Fitted,Residual,选项,选择,View|Actual,Fitted,Residual,命令，可以打开如图,5.14,所示的四个残差绘图操作 命令：,Actual,Fitted,Residual Table,命令，该命令可以实现输出如图,5.15,所示的残差拟合表。 该窗口主要有四部分：第一部分为,Actual,（被解释变量实际观测值）列表；第二部分 为,Fitted,（被解释变量的拟合值）列表；第三部分为,Residual,（拟合残差值）；第四 部分为残差序列的图。,Actual,Fitted,Residual Graph,命令、,Residual Graph,命令、,Standardized Residual Graph,命令与,Actual,Fitted,Residual Table,命令输出的残存时序图的类似，只是在形 式上有所不同。,（,2,）,Residul Tests,选项,选择,View,下拉菜单中的,Residual Tests,，可以打开 五个残差检验操作命令：,Correlogram Q-statistics,命令，主要用于对残差进行自相关的,Q,检验。点击该命令可以 打开如图,5.16,所示的自相关的,Q,检验界面。图中,Autocorrelation,表示模型残差的自回 归系数图，,Patial Correlation,表示模型回归残差的偏相关函数图，,AC,、,PAC,分别表示 残差的自相关系数值和偏相关系数值，,Q-statistics,表示,Q,统计量值，,Prob,表示,Q,统计 量的显著性概率值。一般而言，当,Prob,概率值大于设定的显著性水平，认为残差序列 不存在自相关；反之，其概率水平小于设定的显著性水平，认为残差序列存在自相关。,Correlogram Squared Residuals,命令，主要用于对残差的平方进行,Q,检验。点击该 命令将输出与,Correlogram Q-statistics,命令的自相关,Q,检验完全相同的界面，唯一 的不同是,Correlogram Q-statistics,命令检验的对象是残差序列，而,Correlogram Squared Residuals,命令检验的对象是残差的平方序列。,Series Correlation LM test,命令，主要用于进行残差自相关的,LM,检验。其中，,LM,检 验是,Breush-Godfrey Lagrange Multiplier,的简称。点击该命令可以打开如图,5.17,所 示的,LM,检验窗口。图,5.17,的上半部分是,Breush-Godfrey Lagrange Multiplier,的检 验结果。其中，,F-Statistics,和,Prob F,表示辅助回归的,F,值和相应的概率值，该检验等 价于,LM,检验；,Obs*Rsquared,和,Prob Chi-squared,是,LM,值和相应的概率值。图,5.14,的上半部分是利用以,u,为被解释变量，以,u,的,1,到,P,阶滞后项为解释变量再次进行回归的 标准结果。,Histogram-Normality Test,命令，主要用于对残差进行正态性检验。单击该命令可以打 开如图,5.18,所示的正态性检验界面窗口。,Histogram-Normality Test,是对残差序列进行 是否为正态分布的检验。图,5.18,的左侧显示的是该序列对象的直方图，为观测值的频率分 布。右侧分三个部分，最上面显示的是序列对象的名称，样本的范围和样本数量。一般而,言，当,JB,统计量计算的概率值大于设定的显著性水平，此时就不能拒绝原假设,H0,，认为残,差序列服从正态分布；反之，其概率水平小于设定的显著性水平，此时可以拒绝原假设， 认为残差序列不服从正态分布。,Procdure,下拉菜单按钮,单击,Procdure,按钮，可以打开如图所示的下拉菜单。,该下拉菜单主要提供了一些查看回归结果及预测的快捷命令，主要有以下几个常用的 命令：,Specify/Estimate,命令用于返回到标准回归结果界面，单击该按钮可以在其他操作界 面下转换到标准回归结果界面，与,Estimate,快捷按钮一致；,Forcast,命令用于利用用户 建立的回归模型进行预测的操作，与工具栏的快捷按钮,Forcast,一致；,Make Residual Series,命令用于生成残差序列，点击该命令可以在工作文件窗口生成一个残差序列， 系统命名为,resid01,；,Make Regressor Group,命令可以将所有回归因子（含因变量） 以变量组的形式展示，同时提供命名保存操作；,Make Model,命令用于打开回归模型 并展示回归模型的基本函数形式；,Update Coefs from Equation,命令用于从回归表达 式中更新回归系数。,Object,下拉菜单按钮,单击,Object,按钮，可以打开如图所示的下拉菜单。,该下拉菜单主要提供了对回归结果保存、更新、命名等操作命令，主要有以下几个常 用的命令：,Store to DB,命令用于将回归结果保存到指定,Eviews,数据库中；,Update from DB,命令 用于从指定,Eviews,数据库中提取回归结果；,Copy Object,命令用于复制标准回归结果；,Name,命令用于对回归结果进行命名保存操作，与工具栏,Name,快捷命令作用一致；,Delete,命令用于删除选定的回归结果；,Freeze Output,命令可以将标准回归结果进入 可编辑状态，与工具栏,Freeze,快捷操作按钮作用一致；,Print,命令用于打开,Print,打印对 话框，主要用于,Equation,方程对象的打印设置，与工具栏,Print,快捷操作按钮作用一致；,View Options,选项提供了部分,View,下拉菜单命令，但在线性回归估计窗口不可用。,线性回归模型,OLS,估计结果的案例解释与操作,本节仍然沿用,5.1,节案例，对,5.1,节案例的回归结果进行详细的说明。,1,回归结果的解释说明,在,Equation Estimation,对话框设定完毕后，点击,“,确定,”,按钮可以得到如图所示的回 归结果，将图,5.10,中案例一的标准回归结果制作为表格，如表所示。,Variable,Coefficient,Std. Error,t-Statistic,Prob.,F,0.780003,0.019799,39.39553,0.0000,C,2.479440,0.115807,21.41017,0.0000,R-squared,0.982279,Mean dependent var,6.954833,Adjusted R-squared,0.981646,S.D. dependent var,0.909297,S.E. of regression,0.123190,Akaike info criterion,-1.285839,Sum squared resid,0.424921,Schwarz criterion,-1.192426,Log likelihood,21.28759,F-statistic,1552.008,Durbin-Watson stat,0.563528,Prob(F-statistic),0.000000,2,回归残差的检验操作与解释,下面对,5.1,案例回归结果进行残差检验操作，其中多元回归结果的残差检验操作与一元 回归的操作没有任何差别。,（,1,）在,Equation,方程对象窗口工具栏中依次选择,View| Residul Tests| Correlogram Q-statistics,，打开如图,5.20,所示的方程对象窗口。,（,2,）在,Equation,方程对象窗口工具栏中依次选择,View| Residul Tests| Series Correlation LM test,，打开如图,5.21,所示的方程对象窗口。,（,3,）在,Equation,方程对象窗口工具栏中依次选,View|Residul Tests| Histogram- Normality Test,，打开如图,5.22,所示的方程对象窗口。,（,4,）在,Equation,方程对象窗口工具栏中依次选,View| Residul Tests| Heteroskedasticity Test,，打开如图,5.23,所示的方程对象窗口。,含虚拟变量的线性回归模型的,OLS,估计,前面两节介绍的线性模型中的解释变量都是可以连续取值的定量变量，但是在建立回 归模型的过程中，因变量不仅仅会受到连续的解释变量影响，而且会受到某些非定量 解释变量的影响，如性别、学历、民族、季节等等。这些表示某种特征存在或不存在,的变量就是定性变量，我们采用虚拟变量进行定义。,背景知识,定性变量通常表示某种特征是否存在，如是否为男性、是否是春季、是否是文化大革 命时期等等，因此在计量经济中量化定性变量的方法是取值,0,或,1,。一般可以用,1,表示 该变量特征的存在，而用,0,表示该特征不存在。这种取值为,0,或,1,的变量称作虚拟变量， 用,D,（,Dummy,）表示。,虚拟变量的赋值方法：当一个定性变量含有,M,个类别时，应该向模型中引入,M-1,个虚 拟变量。其中，把虚拟变量取值为,0,的类别称作基础类别。,将虚拟变量设定在回归模型中主要有三个作用：用虚拟变量测量截距 的变动；用虚拟变量测量解释变量系数的变动；用虚拟变量测量断点。,测度截距的变动,测度解释变量系数的变动,测度断点,虚拟变量设定的,EVIEWS,操作,由于含虚拟变量的线性回归模型与一般的线性回归模型在变量输入、样本设定、估计 方法的选择等方面没有任何差异，仅仅对于虚拟变量如何设定及如何解释方面有所差 异。,虚拟变量在,Eviews,序列对象中就是取值为,0,和,1,的序列。因此，虚拟变量的定义与普通 变量的路径相同：在,workfile,窗口的工具栏中依次点击,Object | New Object,打开,New Object,对话框，选择,series,并进行命名。定义新序列后，根据该虚拟变量要表示的属 性特征是否存在来赋值,0,和,1,，一般情况下如果某特征不存在则赋值为,0,，存在赋值为,1,。,含虚拟变量线性回归模型,OLS,估计的案例操作,由于虚拟变量在测度结构突变中最为常用并且更具有代表性，同时测度结构突变实际 上是对第一种（测度截距变动）和第二种（解释变量系数变动）的综合运用，因此我 们在下面的案例分析中，将重点对虚拟变量的第三种应用进行讨论和讲解，从而整体 上涵