[计算机]Eviews操作手册2.docVIP

异方差性、序列相关、多重共线性问题的检验和处理 1.异方差问题 以课件“第3周3 异方差性”中的消费模型为例，consp=c+β1gdpp+β2consp(-1)+μ，样本是1978~2000年人均居民消费支出与人均国内生产总值。用最小二乘法估计的结果如下： 采用加权最小二乘法估计： 首先构造权序列，在Eviews命令窗口键入：series e1=1/abs(resid) 回车得到权序列e1。 然后采用加权最小二乘法估计原模型，选择“Equation Estimation”对象中的“Options”选项，选择自己输入权序列选项，并输入权序列名称e1，点击“确定”，得到WLS估计结果： 比较WLS与OLS的估计结果，原样本数据的异方差性显著消除。 2.序列相关 以课件“第4周1 序列相关性”中的中国商品进口模型为例。 首先，通过OLS法建立如下中国商品进口方程：M=c+β1GDP+μ，样本：1978~2001年数据。OLS估计结果： 检验发现存在一阶序列相关，采用广义差分法消除序列相关。首先，在“Equation Estimation”对象中的估计方法“Method”选项中仍选择LS方法（与OLS相同），在“Equation Specification” 中加入ar(1) ar(2), 点“确定”，得到二阶差分的估计结果： 实际操作中，可以先用一阶差分法，如果效果不理想，再用二阶、三阶…,并结合根据显著性检验结果判断高阶差分是否必要。下面是三阶差分的估计结果， 比较选择，二阶差分就足够消除原模型的序列相关性。 3.异方差、序列相关和多重共线性 以课件“第4周2 多重共线性”中的消费函数模型为例。用中国1980年~1996年的GDP和消费总量相关数据，建立中国消费函数模型： Cons = α + (1 Gdp + (2 Cons(-1)+ ( OLS估计结果： 对估计结果进行经济意义检验、统计检验、计量经济学检验（包括异方差检验、序列相关检验），White异方差检验： 选择“Equation”对象中的“View”菜单下的“Residual Tests”中的异方差检验： 选择“White”检验，点击“确定”，得到检验结果： 根据F统计量和n*R统计量的数值和概率，判断原模型是否存在异方差问题。（注意White检验的原假设）。 再用拉格朗日乘数检验判断是否存在序列相关性： 选择“Equation”对象中的“View”菜单下的“Residual Tests”中的LM序列相关检验： 选择滞后3阶， 拉格朗日乘数检验结果如下： 根据F统计量和n*R统计量的数值和概率，判断原模型是否存在序列相关问题。（注意LM检验的原假设）。 再判断原模型是否存在高度的多重共线性，即用原模型两个解释变量中的一个对其他解释变量回归，分析变量之间的线性相关程度。首先设定方程： 得到的结果： 根据R和F统计量判断二者之间存在高度的线性相关，采用差分法消除： 首先，产生cons和gdp的差分序列dcons和dgdp，在命令窗口键入： series dcons=cons-cons(-1) series dgdp=gdp-gdp(-1) 回车，得到差分序列dcons和dgdp： 用差分序列作变量，重新估计模型，在“Equation”对象中，选择“Estimate”选项，重新设定模型： 得到一阶差分法消除共线性后的估计结果： - 1 - 输入权序列e1 输入产生权序列e1的命令 加入ar(1) ar(2) 前一期消费对GDP回归 产生差分序列 设定差分模型， 注意没有截距项。