eviews基本回归模型.pptVIP

主 要 内 容 § 6.1 创建方程对象 § 6.2 在EViews中对方程进行说明 § 6.3 在EViews中估计方程 § 6.4 方程输出 § 6.5 方程操作 § 6.6 回归模型的其它函数形式 § 6.7 估计中存在的问题 § 6.8 定义和诊断检验 § 6.9 EViews中的方程预测 我们应提供如下信息： 1. 序列名 预测后的序列名 将所要预测的因变量名填入编辑框中。EViews默认了一个名字，但可以将它变为任意别的有效序列名。这个名字应不同于因变量名，因为预测过程会覆盖已给定的序列值。 S.E.（Optional） 如果需要，可以为该序列的预测标准差提供一个名字。如果省略该项，预测标准误差将不被保存。 GARCH（Optional） 对用ARCH估计的模型，还可以保存条件方差的预测值（GARCH项）。 2. 预测方法 动态(Dynamic)— 从预测样本的第一期开始计算多步预测。 静态(Static) — 利用滞后因变量的实际值计算一步向前 (one-step-ahead)预测的结果。 结构(Structural)—预测时EViews将忽略方程中的任何ARMA项。若不选此项，在方程中有ARMA项时，动态与静态方法都会对残差进行预测。但如果选择了Structural，所有预测都会忽略残差项而只对模型的结构部分进行预测。 样本区间(Sample range)— 必须指定用来做预测的样本。如果缺选，EViews将该样本置为工作文件样本。如果指定的样本超出估计方程所使用的样本区间(估计样本)，那么会使EViews产生样本外预测。 注意：需要提供样本外预测期间的解释变量值。对静态预测，还必须提供滞后因变量的数值。 3. 输出 可以选择以图表或数值，或者二者同时的形式来观察预测值。注意：预测值被保存在GDPF序列中。因为GDPF序列是一个标准的EViews序列，所以可以利用序列对象的所有标准工具来检验预测结果。 我们可以比较GDP的实际值和动态预测拟合值GDPFD、静态预测拟合值GDPFS，可以看出一步向前静态预测比动态预测要更为准确，因为对每个时期，在形成GDP的预测值时使用的 是GDP(-1)的实际值。 对于没有包含在预测样本中的数值，会有两种选择。作为缺省，EViews将用其因变量的实际值填充；另一种是不选择Insert actuals for out-of-sample，预测样本外的数值都将赋予“NA”，于是，这样设置的结果是被预测序列中的所有数据在预测过程中将被覆盖，被预测序列的已存值将会丢失。 方程中消费的收入弹性为0.848，说明我国城镇居民收入每增加1%，将使得城镇居民消费增加0.848%。消费的价格弹性为0.376，说明前一年的物价每增加1%，将使得城镇居民消费增加0.376%。 (2) 半对数模型 线性模型与对数线性模型的混合就是半对数模型 半对数方程又称增长模型，通常用来估计因变量的平均增长率。如果x取“时间”t，即按时间顺序依次取值为1，2，…，T，变量t 的系数?1 度量了ln(y)随时间向前推进产生的变化。如果?1为正，则有随时间向上增长的趋势；如果?1为负，则有随时间向下的趋势，因此t可称为趋势变量，而且 是y的平均增长率。宏观经济模型表达式中常有时间趋势，在研究经济长期增长或确定性趋势成分时，常常将产出取对数，然后用时间t作解释变量建立回归方程。 例6.3: 我们建立半对数线性方程，估计我国实际GDP（支出法，样本区间：1978～2003年）的长期平均增长率，模型形式为 其中：GDP?Pt 表示剔出价格因素的实际GDPt 。方程中时间趋势变量的系数估计值是0.0815，说明我国实际GDP（支出法）年平均增长率为8.15%。F值或R2表明模型拟合效果很好，D.W.显示模型存在（正的）自相关。 (3) 双曲函数模型 形如下式的模型称为双曲函数模型 Yt = b1+ b2 (1/Xt ) + ut 这是一个变量之间是非线性的模型，因为Xt 是以倒数的形式进入模型的，但这个模型却是参数线性模型，因为模型中参数之间是线性的。这个模型的显著特征是随着Xt 的无限增大，（1/Xt ）