《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。
