《EVIEWS操作各种模型学习》由会员分享，可在线阅读，更多相关《EVIEWS操作各种模型学习（36页珍藏版）》请在金锄头文库上搜索。
1、1一章、图形基础与回归原始数据URURIRURURIR 19780.15 2.97 19970.31 2.22 19790.16 2.32 19980.32 2.22 19800.17 2.43 19990.34 2.35 19810.17 2.09 20000.40 2.43 19820.18 1.68 20010.41 2.48 19830.18 1.70 20020.41 2.77 19840.18 1.50 20030.42 2.85 19850.23 1.67 20040.43 2.77 19860.24 1.91 20050.43 2.83 19870.25 2.06 20060.
2、44 2.86 19880.27 2.26 20070.44 2.87 19890.28 2.20 20080.45 2.82 19900.29 2.12 20090.46 2.85 19910.26 2.54 20100.50 2.89 19920.29 2.76 20110.52 2.84 19930.31 3.11 20120.54 2.91 19940.28 2.85 20130.55 2.91 19950.31 3.48 20140.55 2.83 19960.34 2.33 一、散点图2二、分布图：JB3 判断为正太分布S 是偏度K 是峰度0123450.20.30.40.5Ser
3、ies: UR Sample 1 37 Observations 37Mean 0.336145 Median 0.312400 Maximum 0.547000 Minimum 0.150873 Std. Dev. 0.120626 Skewness 0.143256 Kurtosis 1.887565Jarque-Bera 2.034384 Probability 0.3616093三、的单因素联表Tabulation of URDate: 09/05/15 Time: 21:25Sample: 1 37Included observations: 37Number of categori
4、es: 5CumulativeCumulativeValueCountPercentCountPercent0.1, 0.2)718.92718.920.2, 0.3)924.321643.240.3, 0.4)616.222259.460.4, 0.5)1129.733389.190.5, 0.6)410.8137100.00Total37100.0037100.00四、协方差与相关性Covariance Analysis: OrdinaryDate: 09/05/15 Time: 21:40Sample: 1 37Included observations: 37CovarianceCor
5、relationUR URIR UR 0.0141571.000000URIR 0.0331700.2048520.6159341.0000004五、经验分布图0.00.20.40.60.81.01.62.02.42.83.2ProbabilityURIR0.00.20.40.60.81.0.15.20.25.30.35.40.45.50.55ProbabilityUR5六、-图1.21.62.02.42.83.23.61.01.52.02.53.03.5Quantiles of URIRQuantiles of NormalURIR.0.1.2.3.4.5.6.7.1.2.3.4.5.6Qu
6、antiles of URQuantiles of NormalUR七、回归散点图1.21.62.02.42.83.23.6.1.2.3.4.5.6URURIR邻近拟合散点图：（分布回归的结果）61.21.62.02.42.83.23.6.1.2.3.4.5.6URURIR八、实际值、拟合值、残差值折线图-.3-.2-.1.0.1.2.1.2.3.4.5.65101520253035ResidualActualFitted7-3-2-10125101520253035Standardized Residuals九、回归模型预测-.1.0.1.2.3.4.5.6.7.85101520253035
7、URF 2 S.E.Forecast: URF Actual: UR Forecast sample: 1 37 Included observations: 37Root Mean Squared Error 0.093736 Mean Absolute Error 0.072711 Mean Abs. Percent Error 25.93140 Theil Inequality Coefficient 0.133790Bias Proportion 0.000000Variance Proportion 0.237674Covariance Proportion 0.7623268十、两
8、回归系数的联合检验置信区间是一个椭圆区域-.4-.3-.2-.1.0.1.2.04.08.12.16.20.24.28C(1)C(2)十一、Wald 系数约束条件检验9十一、Chow 分割点检验结果F、LR 的 P 值显著，表示：模型无显著的结构变化。十二、Chow 稳定性检验（p75）Chow 预测结果：10十三、零均值附近的递归残差曲线图-.2-.1.0.1.21980198519901995200020052010Recursive Residuals 2 S.E.2.递归 OLS 的 CUSUM 检验曲线图（p78）11-20-10010203040506019801985199019
9、95200020052010CUSUM5% Significance*注：红线为 5%的临界值线，在 1991 年后的CUSUM 曲线变得十分陡峭，说明：回归方程系数并不是稳定的。3.一步预测检验：.000.025.050.075.100.125.150-.2-.1.0.1.21980198519901995200020052010One-Step Probability Recursive Residuals124.N 步预测检验：进行一系列的 Chow 检验.000.025.050.075.100.125.150-.2-.1.0.1.2198019851990199520002005201
10、0N-Step Probability Recursive Residuals*注：上部分是递归残差，下部分是检验显著性的概率值。13-.1.0.1.2.3198519901995200020052010Recursive C(1) Estimates 2 S.E.-.4-.2.0.2.4.6198519901995200020052010Recursive C(2) Estimates 2 S.E.14、White 异方差检验Obs*R-squared=10.4，其 P 值=0.0055,表示残差存在异方差性。F 统计量表示：检验辅助方程的整体显著性，下图中整体显著。1415、WLS 加权最
11、小二乘法1516、残差自相关图及其 Q 检验统计量1-16 阶的 p 值都小于 0.01，说明拒绝原假设，残差序列存在自相关性。17、残差自相关 LM 检验结果F 与 Obs 两个的 P 值显示：存在自相关1618、Newey-West 一致协方差估计19、两阶段 TSLS 估计检验结果1720、广义矩估计 GMM 检验结果18二章、二章、离散及受限制因变量模型一、原始数据obsGPASEPSIGrade 12.662000 22.892200 33.282400 42.291200 542101 62.861700 72.761700 82.872100 93.032500 103.9229
12、01 112.632000 123.322300 133.572300 143.262501 153.532600 162.741900 172.752500 182.831900 193.122310 203.162511 212.062210 223.622811 232.891410 243.512610 253.542411 262.832711 273.391711 282.672410 293.652111 3042311 313.12110 322.391911192、Logit 模型估计结果*注：写出方程：见 p1073、二元选择模型分析1.实际值、拟合值、残差图20-1.0-
13、0.50.00.51.00.00.20.40.60.81.051015202530ResidualActualFitted2.E-P 表期望预测表*注：Logit 模型的 81.25%优于 65.63%，表明 Logit模型比零模型预测效果好很多。213.拟合优度检验H-L=6.8976，其 P=0.5477，表明模型拟合程度较好。4.模型预测0.00.20.40.60.81.051015202530GRADEFForecast: GRADEF Actual: GRADE Forecast sample: 1 32 Included observations: 32Root Mean Squa
14、red Error 0.359878 Mean Absolute Error 0.257898 Mean Abs. Percent Error 12.89488 Theil Inequality Coefficient 0.342618Bias Proportion 0.000000Variance Proportion 0.205622Covariance Proportion 0.794378*注：其中 MAPE=12.890110，Theil 22IC=0.3426，CP=0.7947，说明，Logit 模型预测效果一般（p115）。四、多元排序选择模型1.原始数据obsincomeat
15、titudeobsincomeattitude 190001725001 2100001826001 3110001927001 4120002028001 5130002129002 6140002230002 7150002331002 8160002432002 9170002533002 10180012634002 11190012735002 12200012836002 13210012937002 14220013038002 15230013139000 16240013240000 2.模型估计23*注：解释见 p118；写出模型：Attitude*=0.00112*Inc
16、ome3.排序选择模型的 E-P 表244.模型预测*注：因变量各选择的拟合值之和为 1；25五、受限因变量模型（1）审查回归模型1.原始数据obshoursageeduhusinckids 11610321210909.991 21656301219500.12 30351210999.914 445634126800.0643 513003114200003 6054126979.0240 7250037169151.9592 81020541210499.820 9145848128420.0972 101600391212000.032 111969331223999.961 1219604211190001 13240301215000.133 14997431014400.092 151848431122000.881 161224351215499.933 171400431213199.892
