eviews基本回归模型.pptVIP

第六章 基本回归模型 ;主 要 内 容;§ 6.1 创建方程对象 ;§ 6.2 在EViews中对方程进行说明 ; 6.2.1 列表法 说明线性方程的最简单的方法是列出方程中要使用的变量列表。首先是因变量或表达式名，然后是自变量列表。例如，要说明一个线性消费函数，用一个常数 c 和收入 inc 对消费 cs 作回归，在方程说明对话框上部输入： cs c inc 注意回归变量列表中的序列 c，这是EViews用来说明回归中的常数而建立的序列。EViews在回归中不会自动包括一个常数，因此必须明确列出作为回归变量的常数。内部序列 c 不出现在工作文档中，除了说明方程外不能使用它。 在上例中，常数存储于c(1)，inc的系数存储于c(2)，即回归方程形式为： cs = c(1)+c(2)*inc。 ; 在实际操作中会用到滞后序列，可以使用与滞后序列相同的名字来产生一个新序列，把滞后值放在序列名后的括号中。 cs c cs(-1) inc 相当的回归方程形式为： cs = c(1)+ c(2) ? cs(-1)+c(3) ? inc。 通过在滞后中使用关键词 to 可以包括一个连续范围的滞后序列。例如：cs c cs(-1 to -4) inc 这是cs关于常数，cs(-1)，cs(-2)，cs(-3)，cs(-4)，和inc的回归。 ; 6.2.2 公式法说明方程 当列表方法满足不了要求时，可以用公式来说明方程。许多估计方法（但不是所有的方法）允许使用公式来说明方程。 EViews中的公式是一个包括回归变量和系数的数学表达式。要用公式说明一个方程，只需在对话框中变量列表处输入表达式即可。EViews会在方程中添加一个随机附加扰动项并用最小二乘法估计模型中的参数。 ; 用公式说明方程的好处是可以使用不同的系数向量。要创建新的系数向量，选择Object/New Object… 并从主菜单中选择Matrix-Vector-Coef , 为系数向量输入一个名字，然后选择OK。在New Matrix对话框中，选择Coefficient Vector 并说明向量中应有多少行。带有系数向量图标β的对象会列在工作文档目录中，在方程说明中就可以使用这个系数向量。例如，假设创造了系数向量A和BETA，各有一行。则可以用新的系数向量代替 c ： log(cs)=A(1)+ BETA(1)* log(cs(-1)) ;§ 6.3 在EViews中估计方程 ; 6.3.2 估计样本 可以说明估计中要使用的样本。EViews会用当前工作文档样本来填充对话框。; 6.3.3 估计选项 EViews提供很多估计选项。这些选项允许进行以下操作：对估计方程加权，计算异方差性，控制估计算法的各种特征。;§ 6.4 方程输出 ; 系数框描述了系数 ? 的估计值。最小二乘估计的系数 b 是由以下的公式计算得到的; 例6.1: 本例是用中国1978年~2002年的数据建立的城镇消费方程： cst=c0+c1inct+ut 其中: cs 是城镇居民消费；inc 是可支配收入；c0代表自发消费，表示收入等于零时的消费水平；而c1代表了边际消费倾向，0c11，即收入每增加1元，消费将增加 c1 元。从系数中可以看出边际消费倾向是0.514。也即1978年~2002年中国城镇居民可支配收入的51.4%用来消费。 ; 2. 标准误差 (Std.Error) 标准误差主要用来衡量回归系数估计的统计可信性----标准误差越大，估计中的统计干扰越大。 估计系数的协方差矩阵是由以下公式计算得到的：; 3. t-统计量(t-Statistic) t统计量是由系数估计值和标准误差之间的比率来计算的，它是用来检验系数为零的假设的。 4. 概率（P值）(Prob.) 结果的最后一项是在误差项为正态分布或系数估计值为渐近正态分布的假设下, 指出 t 统计量与实际观测值一致的概率。 这个概率称为边际显著性水平或 P 值。给定一个 P 值，可以一眼就看出是拒绝还是不拒绝实