Eviews10逐步回归案例.pdf

Eviews10逐步回归案例

刚接触计量经济学和Eviews软件不久，并且本着能用就行的原

则，只对软件的操作和模型的结果分析进行说明，并不太在意具体的

方法和具体的数学原理。

以某次多元线性回归为例介绍多元线性回归模型常见的检验方

法，其中Farming为被解释变量，其他的所有变量为解释变量。此处

要求进行：多重共线性检验、随机误差项正态分布检验、异方差检验、

模型结构稳定性检验。

0.前期准备

创建工作文件：【File】-【New】-【WorkFile】或Ctrl+N

确定起止日期：

以上操作可通过在Command输入：wfcreate实现

创建数据集：【Quick】-【EmptyGroup】

导入数据（也可从Excel直接导入）：先将Group上滑再粘贴进

入数据集

此时我们完成了所有的数据导入，可以开始进行回归模型分析。

1.模型和参数检验

定义影响因素组：为便于后续的操作，我们将可能影响的因素都

定义为一个Group并命名为Factor

对创建的数据组命名

是否成功的检验

创建方程进行估计：【Quick】-【EsttimateEquation】

进行全变量回归：将所有变量（实际上就是GroupFactor代入回

归模型求解）

上述操作也可以通过Command中输入lsfarmingcfactor实现

回归模型及参数的检验

通过观察模型的F和t统计量以及其实际概率（P值，与显著性

水平对比）可以看出模型和系数是否显著。

在此模型中，由于Prob(F-statistic)0.05故模型显著，变量

中Electricity和Grain对应的Prob.0.05，可认为这两个变量影

响显著，其余的变量影响则不显著。

2.多重共线性检验

多重共线性的检验方法有很多，模型中F检验能通过，但是t检

验却不能通过是一种较为简洁的判断是否存在多重共线性的方式。上

述原始模型满足此条件，大胆估计模型存在多重共线性，使用VIF值

再进行判断。

VIF检验多重共线性：【View】-【CoefficientDiagnostics】

-【VarianceInflationFactors】

观察VIF值判断结果：通常以10为界，大于10则认为存在较为

严重的多重共线性

此处可以认为模型存在极其严重的多重共线性，需要对模型进行

修正（通常需要删除某些变量）

采用逐步回归删除变量进行修正：和OLS操作相同，只是模型选

择STEPLS

确定逐步回归模型的相关参数，再次进行回归分析

上述的步骤可以通过在Command中输入

stepls(ftol=0.1,btol=0.1)farmingc@factor实现

按照步骤（1,2）再次检测VIF值，判断是否通过多重共线性检

验

3.误差项正态分布检验

误差项是否服从正态分布通常可以通过做图像或通过J-B检验

判断

图像判断：在方程界面点击Resids选择图像

图像结果观察：观察残差图像是否有明显的趋势性，若没有，大

体上可认为其服从正态分布

J-B检验：先选中resid，选则

View-DescriptiveStatistics-HistogramandStats进行检验

J-B检验结果：观察结果，发现P=0.20050.05