《Eviews检验小结》由会员分享,可在线阅读,更多相关《Eviews检验小结(4页珍藏版)》请在金锄头文库上搜索。
1、各种检验总结1 1、偏度:、偏度:序列的分布是对称的,S 值为 0;正的 S 值意味着序列分布有长的右拖尾;负的 S 值意味着序列分布有长的左拖尾。2 2、峰度:、峰度:如果 K 值大于 3,分布的凸起程度大于 正态分布;如果 K 值小于 3,序列分布相对于正态分布是平坦的。3 3、正态性检验:、正态性检验:Q-QQ-Q 图:图:看 QQ 图上的点是否近似地在一条直线附近, 是的话近似于正态分布。Jarque-BeraJarque-Bera 检验检验:如果 P 值很小,则拒绝原假设, X 不服从正态分布;如果 P 值大于() 接受原假设, X 服从正态分布 。输入数据输入数据用鼠标单击 “Qu
2、ick” , 出现下拉菜单, 单击 “Empty Group” , 出现 “Group”窗口。在数据表的第一列中键入 y 的数据,并将该序列名取为 y;在第二、第三列中分别键入 x1 和 x2 的数据,并分别取名为 x1 和 x2。回归分析回归分析用鼠标单击“Quick” ,出现下拉菜单,单击“Estimate Equation” ,在弹出对话框中键入 y c x1 x2 ;在 “Estimation Settings” 栏中选 择“Least Squares” (最小二乘法);点击“OK” ,屏幕显示回归分析结果如表3-16所示。回归检验回归检验1、拟合优度检验:R2 =说明,回归方程即上述
3、样本需求函数的解释能力为 %,即所有解释变量能对该被解释变量变动的 %作出解释。回归方 程的拟合优度较好。2、 回归模型的总体显著性检验: 从全部因素的总体影响看, 表示显著性水平(一般取 5%,也可取 10%根据题目而定)假设在 5%显著性水平上,若 F 检验的 P 值小于,说明所有解释变量对被解释变量的共同影响显著。3、单个回归系数的显著性检验:从单个因素的影响看,在 5%显著性水平上,查看各个解释变量的 T 检验值若大于 2,一般表示该解释变量对被解释变量有显著影响。但是,最主要是看解释变量的 P 检验值则表示该解释变量对被解释变量有显著影响。,若 P 值小于异方差检验:异方差检验:(1
4、)判断1.图示法残差的图示检验通过 resid 与 x 的散布图判断,图形成喇叭状。或通过 resid 的平方 与 x 的散布图判断。在“Quick”菜单中选“Graph”项,在图形对话框里键入 resid x,可得 resid 与 x的散布图(见图 4-9) ,resid 与 x 的散布图表明存在异方差。2.怀特检验。在方程窗口中依次点击:ViewResidual Test Heteroskedasticity Test,多元回归时一般选择有交叉项,(2)异方差的修正(WLS 估计法) 。加权重 1/x2。在 OLS 对话框里键入:y c x,按回车键,然后在方程窗口中点击“Estimate
5、Options”按钮 , 并 在 权 数 对 话 框 里 输 入 权 数1/x2或 者1/e2( 其 中 的e是 用中的 genr 按钮, 在弹出的框中输入 e=resid)若 obs*R-squared 对应的 P 值小于,拒绝原假设,存在异方差性。例中为。自相关检验:自相关检验:(一)判断1.残差图通过 resid(-1)和 resid(纵轴)的残差图,有明显带状规律。检验3.偏自相关系数检验在方程窗口中依次点击:ViewResidual Testcorrelogram-Q-statistic超出虚线的条块4.拉格朗日乘数检验(B-G,LM)在方程窗口中依次点击:ViewResidual
6、TestSerail Correlation LM Test若 obs*R-squared 对应的 P 值小于,拒绝原假设,存在自相关。(二)修正(广义差分)1.利用 DW 统计量求,再用广义差分法估计模型1DW22. 杜宾(durbin)两步法Y(1) (X X) ()Ytt101tt1tt1鼠标单击 “Quick” , 出现下拉菜单, 单击“Estimate Equation” , 在弹出的 OLS 对话框里键入:YtYt1 cXtXt1,按回车键,多重共线性检验多重共线性检验(一) 判断1.相关系数法。R 的绝对值大于等于,存在多重共线性。2.回归后,R 平方较大,F 检验显著,但有些变量 T 检验不显著,系数的正负号与理论违背。(二) 修正1.先用 Ctrl 键选中所有的解释变量和被解释变量,再右击鼠标,在 open 中选中 asgroup,在新建的 group 窗口中点击 view / Covarriance Analysis/ correlation找到和被解释变量相关系数最大的解释变量,做二者的回归估计。2.若该解释变量有显著影响,再加入和被解释变量相关系数第二大的解释变量做回归分析,若 R 平方上升,P 值显著则该变量应该加入模型,否则舍去。