《Eviews线性回归教程》由会员分享，可在线阅读，更多相关《Eviews线性回归教程（42页珍藏版）》请在金锄头文库上搜索。
1、覆匈峪岩祥嫡馈焕潮宋胆矫陈阮绪缆饿协劫古猴缀庇帆烹恳婆廉阉挠舰舔Eviews线性回归教程Eviews线性回归教程第一讲Eviews基础与线性回归鹃垦赴滋占讣厂荚废护朋详棉货炽哺船院哆阅萧枪董查迭绢袜嘉鬃痹药婪Eviews线性回归教程Eviews线性回归教程主要内容架构一、数据的导入与基本统计量二、线性回归（一元和多元）三、回归检验裹饵丹垦酋罐挥壤茄为蕉乃猩辉闪你寐贝吱嫂丘癸吝肥扳至骄誉洛躲婉腋Eviews线性回归教程Eviews线性回归教程一、数据的导入与基本统计量一、数据的导入与基本统计量l EViews提提供供序序列列的的各各种种统统计计图图、统统计计方方法法及及过过程程。当当用用前前述述
2、的的方方法法向向工工作作文文件件中中读读入入数数据据后后，就就可可以以对对这这些数据进行统计分析和图表分析。些数据进行统计分析和图表分析。 EViews可可以以计计算算一一个个序序列列的的各各种种统统计计量量并并可可用用表表、图图等等形形式式将将其其表表现现出出来来。视视图图包包括括最最简简单单的的曲曲线线图图，一一直直到到核密度估计。核密度估计。恳而钠狙余男班爱柜霹堪勘陇头增藉铸瘤霉召际罗吓祖蹋敏鉴叶叠绿虱赛Eviews线性回归教程Eviews线性回归教程l 打开工作文件，双击一个序列名，即进入序列的对话打开工作文件，双击一个序列名，即进入序列的对话框。单击框。单击“view”可看到菜单分为
3、四个区，第一部分为序列可看到菜单分为四个区，第一部分为序列显示形式，第二和第三部分提供数据统计方法，第四部分是显示形式，第二和第三部分提供数据统计方法，第四部分是转换选项和标签。转换选项和标签。 缄泞躬牲曾鳃体咖秉朋撂坤档蜗贤植盐健引炮啃帜减湃绕泪蠕篷鞠樱蒋肥Eviews线性回归教程Eviews线性回归教程描述统计量描述统计量描述统计量描述统计量 l 以以直直方方图图显显示示序序列列的的频频率率分分布布。直直方方图图将将序序列列的的长长度度按按等间距划分，显示观测值落入每一个区间的个数。等间距划分，显示观测值落入每一个区间的个数。l 同直方图一起显示的还有一些标准的描述统计量。这些同直方图一起
4、显示的还有一些标准的描述统计量。这些统计量都是由样本中的观测值计算出来的。统计量都是由样本中的观测值计算出来的。 浊炊磕甫瘤螟盲潭肆优埠谦胀陕逞欢揭荔辖狈访衡冠纠无浸弘裤摇击万嘱Eviews线性回归教程Eviews线性回归教程珊躯绅屡架羔绑涌辰鞘芳钟滇伴矮木苛阐扒锁氟溯氢它贷猩灰屠鸡轩厌境Eviews线性回归教程Eviews线性回归教程l 均均均均值值值值 (mean)(mean) 即即序序列列的的平平均均值值,用用序序列列数数据据的的总总和和除除以以数数据的个数。据的个数。 中位数中位数中位数中位数 (median) (median) 即从小到大排列的序列的中间值。是对即从小到大排列的序列的
5、中间值。是对序列分布中心的一个粗略估计。序列分布中心的一个粗略估计。 最大最小值最大最小值最大最小值最大最小值 (max and min) (max and min) 序列中的最大最小值。序列中的最大最小值。 标准差标准差标准差标准差(Standard Deviation)(Standard Deviation) 标准差衡量序列的离散程度。标准差衡量序列的离散程度。计算公式如下计算公式如下N 是样本中观测值的个数，是样本中观测值的个数， 是样本均值。是样本均值。 掉贿绪坚绒憾染炙驻搔户斌孺竖如承俏尼溃冻森衍盒威疵株本驭胰钵郝绸Eviews线性回归教程Eviews线性回归教程l l 偏度偏度偏度
6、偏度（SkewnessSkewness） 衡量序列分布围绕其均值的非对称衡量序列分布围绕其均值的非对称性。计算公式如下性。计算公式如下 是变量方差的有偏估计。如果序列的分布是变量方差的有偏估计。如果序列的分布是对称的，是对称的，S值为值为0；正的；正的S值意味着序列分布有长的右拖尾，负值意味着序列分布有长的右拖尾，负的的S值意味着序列分布有长的左拖尾。值意味着序列分布有长的左拖尾。歧涩泻丙邮蜡古全稗曳芯潞撬妖蜘约颤骋屹凤箭在早型轩糙酿卜荒怕璃祖Eviews线性回归教程Eviews线性回归教程l l 峰度峰度峰度峰度（KurtosisKurtosis） 度量序列分布的凸起或平坦程度，度量序列分布
7、的凸起或平坦程度，计算公式如下计算公式如下 分布的凸起程度大于分布的凸起程度大于 正态分布；如果正态分布；如果K值小于值小于3，序列分布相，序列分布相对于正态分布是平坦的。对于正态分布是平坦的。意义同意义同S中中 ，正态分布的正态分布的 K 值为值为3。如果。如果 K 值大于值大于3，墨垂绩呵垄枕鲤绢陕钉苯洗诊刮差扛撰畴收跺宿滴苑阉颁桐愈未紧酵议据Eviews线性回归教程Eviews线性回归教程l Jarque-Bera Jarque-Bera 检验检验检验检验 检验序列是否服从正态分布。统计检验序列是否服从正态分布。统计量计算公式如下量计算公式如下 S为偏度，为偏度，K为峰度，为峰度，k是序
8、列估计式中参数的个数。是序列估计式中参数的个数。 在正态分布的原假设下，在正态分布的原假设下，J-B统计量是自由度为统计量是自由度为2的的 2 分分布。布。 J-B统计量下显示的概率值（统计量下显示的概率值（P值）是值）是J-B统计量超出原假统计量超出原假设下的观测值的概率。如果该值很小，则拒绝原假设。当然，设下的观测值的概率。如果该值很小，则拒绝原假设。当然，在不同的显著性水平下的拒绝域是不一样的。在不同的显著性水平下的拒绝域是不一样的。舌鸦沃锭飞灸督会伴吕辰饯倔妈光遇枷曳勒耸七蕴敲保禽篓虎趴诫泽辞严Eviews线性回归教程Eviews线性回归教程二、基本回归模型 单方程回归是最丰富多彩和广
9、泛使用的统计技术之一。单方程回归是最丰富多彩和广泛使用的统计技术之一。本章介绍本章介绍EViews中基本回归技术的使用，说明并估计一个中基本回归技术的使用，说明并估计一个回归模型，进行简单的特征分析并在深入的分析中使用估回归模型，进行简单的特征分析并在深入的分析中使用估计结果。随后的章节讨论了检验和预测，以及更高级，专计结果。随后的章节讨论了检验和预测，以及更高级，专业的技术，如加权最小二乘法、二阶段最小二乘法业的技术，如加权最小二乘法、二阶段最小二乘法(TSLS)、非线性最小二乘法、非线性最小二乘法、ARIMA/ARIMAX模型、模型、GMM（广义（广义矩估计）、矩估计）、GARCH模型和定
10、性的有限因变量模型。这些模型和定性的有限因变量模型。这些技术和模型都建立在本章介绍的基本思想的基础之上。技术和模型都建立在本章介绍的基本思想的基础之上。 扑尺楼凰常仙荔痢咽敦闺燃忠在深疆亚援荒圃荆昂公运决鞭垢鸿央眺颠懈Eviews线性回归教程Eviews线性回归教程（一）（一）（一）（一） 创建方程对象创建方程对象创建方程对象创建方程对象 EViews中中的的单单方方程程回回归归估估计计是是用用方方程程对对象象来来完完成成的的。为为了了创创建建一一个个方方程程对对象象: 从从主主菜菜单单选选择择Object/New Object/Equation 或或 Quick/Estimation Equ
11、ation ，或或者在命令窗口中输入关键词者在命令窗口中输入关键词equation。 在在随随后后出出现现的的方方程程说说明明对对话话框框中中说说明明要要建建立立的的方方程，并选择估计方法。程，并选择估计方法。溯三旨趟亿勾侠诧人哄厢载动幌兽库哥秦镍忙坟羡唉中腕尖括隆廷杨状系Eviews线性回归教程Eviews线性回归教程（二）（二）（二）（二） 在在在在EViewsEViews中对方程进行说明中对方程进行说明中对方程进行说明中对方程进行说明 当创建一个方程对象时，会出现如下对话框：当创建一个方程对象时，会出现如下对话框： 在在这这个个对对话话框框中中需需要要说说明明三三件件事事：方方方方程程程
12、程说说说说明明明明，估估估估计计计计方方方方法法法法，估估估估计计计计使使使使用用用用的的的的样样样样本本本本。在在最最上上面面的的编编辑辑框框中中，可可以以说说明明方方程程：因因变变量量（左边）和自变量（右边）以及函数形式。（左边）和自变量（右边）以及函数形式。 有有两两种种说说明明方方程程的的基基本本方方法法：列列列列表表表表法法法法和和和和公公公公式式式式法法法法。列列表表法法简简单单但但是是只只能能用用于于不不严严格格的的线线性性说说明明；公公式式法法更更为为一一般般，可可用用于于说说明明非线性模型或带有参数约束的模型。非线性模型或带有参数约束的模型。 赣驻瓮监执懦踊篇冯坞姐划蛔蚁侈颤
13、现牢缠喂戚坛藕此伶纱漫友桂伪阮凭Eviews线性回归教程Eviews线性回归教程（三）（三）（三）（三） 在在在在EViewsEViews中估计方程中估计方程中估计方程中估计方程 1 1 估计方法估计方法估计方法估计方法 说说明明方方程程后后,现现在在需需要要选选择择估估计计方方法法。单单击击Method：进进入入对对话框，会看到下拉菜单中的估计方法列表：话框，会看到下拉菜单中的估计方法列表： 标标准准的的单单方方程程回回归归用用最最小小二二乘乘估估计计。其其他他的的方方法法在在以以后后的的章章节节中中介介绍绍。采采用用OLS，TSLS，GMM，和和ARCH方方法法估估计计的的方方程程可可以以
14、用用一一个个公公式式说说明明。非非线线性性方方程程不不允允许许使使用用binary，ordered，censored，count模型，或带有模型，或带有ARMA项的方程。项的方程。抵靠药备毕光砖娶闷猜榜撵缩沟蹲慑睬颤议锹膛尔伪女圭说蔚患藏牲秧程Eviews线性回归教程Eviews线性回归教程 2 2 估计样本估计样本估计样本估计样本 可可以以说说明明估估计计中中要要使使用用的的样样本本。EViews会会用用当当前前工工作作文文档档样样本来填充对话框。本来填充对话框。 如如果果估估计计中中使使用用的的任任何何一一个个序序列列的的数数据据丢丢失失了了，EViews会会临临时时调调整整观观测测值值的
15、的估估计计样样本本以以排排除除掉掉这这些些观观测测值值。EViews通通过过在样本结果中报告实际样本来通知样本已经被调整了。在样本结果中报告实际样本来通知样本已经被调整了。 在在方方程程结结果果的的顶顶部部, EViews报报告告样样本本已已经经得得到到了了调调整整。从从1978年年 2002年期间的年期间的25个观测值中个观测值中, EViews使用了使用了24个观测值。个观测值。倚勺避点锈受擞毖京秩尤竹磋曰第聂汇锤批篡叁困七茄奴如堰鞘脐禄恬拼Eviews线性回归教程Eviews线性回归教程 3 3 估计选项估计选项估计选项估计选项 EViews提供很多估计选项。这些选项允许进行以下操提供很
16、多估计选项。这些选项允许进行以下操作：对估计方程加权，计算异方差性，控制估计算法的各作：对估计方程加权，计算异方差性，控制估计算法的各种特征。种特征。疯烬领着桌恤棒皇镀停卒避脆髓庙早链与节虫荡蜗厌吝茫纯狄溉题诣吹员Eviews线性回归教程Eviews线性回归教程（四）（四）（四）（四） 方程输出方程输出方程输出方程输出 在方程说明对话框中单击在方程说明对话框中单击OK钮后，钮后，EViews显示估计结果显示估计结果： 根据矩阵的概念根据矩阵的概念, 标准的回归可以写为：标准的回归可以写为：其其中中: y 是是因因变变量量观观测测值值的的 T 维维向向量量，X 是是解解释释变变量量观观测测值值的
17、的 T k 维维矩矩阵阵，T 是是观观测测值值个个数数，k 是是解解释释变变量量个个数数， 是是 k 维维系数向量，系数向量，u 是是 T 维扰动项向量。维扰动项向量。搂蚂淄丛件雨霸鲜梗禾俗弱姿齿屠慎蛔遍港漱罩碍缮辣陨抹仗抿抡幸捞悬Eviews线性回归教程Eviews线性回归教程 1 1 系数结果系数结果系数结果系数结果 （1 1 1 1）. . . . 回归系数回归系数回归系数回归系数 (Coefficient)(Coefficient) 系系数数框框描描述述了了系系数数 的的估估计计值值。最最小小二二乘乘估估计计的的系系数数 b 是是由以下的公式计算得到的由以下的公式计算得到的 如如果果使
18、使用用列列表表法法说说明明方方程程，系系数数会会列列在在变变量量栏栏中中相相应应的的自自变变量量名名下下；如如果果是是使使用用公公式式法法来来说说明明方方程程，EViews会会列列出出实实际际系数系数 c(1), c(2), c(3) 等等。等等。 对对于于所所考考虑虑的的简简单单线线性性模模型型，系系数数是是在在其其他他变变量量保保持持不不变变的的情情况况下下自自变变量量对对因因变变量量的的边边际际收收益益。系系数数 c 是是回回归归中中的的常常数数或或者者截截距距-它它是是当当其其他他所所有有自自变变量量都都为为零零时时预预测测的的基基本本水水平平。其其他他系系数数可可以以理理解解为为假假
19、设设所所有有其其它它变变量量都都不不变变，相相应应的的自自变变量量和因变量之间的斜率关系。和因变量之间的斜率关系。军萌芒杠净怒莆赫蝉涂姓钻幢歼挟翘韦线政唆阁踢樟见还卵涛峨综伎嗽训Eviews线性回归教程Eviews线性回归教程（2） 标准差标准差标准差标准差 (Std.Error) (Std.Error) 标标准准差差项项报报告告了了系系数数估估计计的的标标准准差差。标标准准差差衡衡量量了了系系数数估估计的统计可信性计的统计可信性-标准差越大，估计中的统计干扰越大。标准差越大，估计中的统计干扰越大。 估计系数的协方差矩阵是由以下公式计算得到的：估计系数的协方差矩阵是由以下公式计算得到的：这里这
20、里 是残差。而且系数估计值的标准差是这个矩阵对角线元是残差。而且系数估计值的标准差是这个矩阵对角线元素的平方根。可以通过选择素的平方根。可以通过选择View/Covariance Matrix项来察看整项来察看整个协方差矩阵。个协方差矩阵。 其中其中抬疽藤颧柜殆丫澡衣驹甩突育驶事愤蚕竹祖横善或镜轴握吕坊泡建射樟矿Eviews线性回归教程Eviews线性回归教程 （3 3） t- t-统计量统计量统计量统计量 t统统计计量量是是由由系系数数估估计计值值和和标标准准差差之之间间的的比比率率来来计计算算的的，它它是用来检验系数为零的假设的。是用来检验系数为零的假设的。 （4 4） 概率概率概率概率（
21、P P值值值值） 结果的最后一项是在误差项为正态分布或系数估计值为渐结果的最后一项是在误差项为正态分布或系数估计值为渐近正态分布的假设下近正态分布的假设下, 指出指出 t 统计量与实际观测值一致的概率。统计量与实际观测值一致的概率。 这个概率称为边际显著性水平或这个概率称为边际显著性水平或 P 值。给定一个值。给定一个 P 值，可值，可以一眼就看出是拒绝还是接受实际系数为零的双边假设。例如，以一眼就看出是拒绝还是接受实际系数为零的双边假设。例如，如果显著水平为如果显著水平为5% ，P 值小于值小于0.05就可以拒绝系数为零的原假就可以拒绝系数为零的原假设。设。 仕恿渐惟翅约悟脏饼墨玉瞄挚碰翟渭
22、灼各节姐厦瓜痉犹尔塌谢组知浚尿赵Eviews线性回归教程Eviews线性回归教程 2 2 方程方程方程方程统计量统计量统计量统计量 （1 1 1 1） R R2 2 统计量统计量统计量统计量 R2 统统计计量量衡衡量量在在样样本本内内预预测测因因变变量量值值的的回回归归是是否否成成功功。R2 是是自自变变量量所所解解释释的的因因变变量量的的方方差差。如如果果回回归归完完全全符符合合，统统计计值值会会等等于于1。如如果果结结果果不不比比因因变变量量的的均均值值好好，统统计计值值会会等等于于0。R2 可可能能会会由由于于一一些些原原因因成成为为负负值值。例例如如，回回归归没没有有截截距距或或常常数
23、数，或或回回归归包包含含系系数数约约束束，或或估估计计方方法法采采用用二二阶阶段段最最小小二二乘乘法法或或ARCH方法。方法。 EViews计算计算R2 的公式为的公式为： ，其中，其中， 是残差，是残差， 是因变量的均值。是因变量的均值。 在涣数饺身揭叁厘璃筒翼娩疗侄咕扶玲畦沼媳晒肌帐伏剔撬电双抵院豹房Eviews线性回归教程Eviews线性回归教程 （2 2） R R2 2 调整调整调整调整 使使用用R2 作作为为衡衡量量工工具具存存在在的的一一个个问问题题，即即在在增增加加新新的的自自变变量量时时R2 不不会会减减少少。在在极极端端的的情情况况下下，如如果果把把样样本本观观测测值值都都作
24、作为为自变量，总能得到自变量，总能得到R2 为为1。 R2 调整后的记为调整后的记为 ，消除，消除R2 中对模型没有解释力的新增变中对模型没有解释力的新增变量。计算方法如下：量。计算方法如下： 从不会大于从不会大于R2 ，随着增加变量会减小，而且对于很不，随着增加变量会减小，而且对于很不适合的模型还可能是负值。适合的模型还可能是负值。 热戴垒霄赫曝耐牺服抛玩相咨饶梢兑昌坑胶纽亦纷帆冗婿玻勤囚缮整逼荤Eviews线性回归教程Eviews线性回归教程 （3 3） 回归标准差回归标准差回归标准差回归标准差 (S.E. of regression)(S.E. of regression) 回归标准差是
25、在残差的方差的估计值基础之上的一个总结。回归标准差是在残差的方差的估计值基础之上的一个总结。计算方法如下：计算方法如下： （4 4 4 4）残差平方和残差平方和残差平方和残差平方和 残差平方和可以用于很多统计计算中，为了方便，现在将残差平方和可以用于很多统计计算中，为了方便，现在将它单独列出：它单独列出： 坤难撤束镣抬瞥敏漾其卢账肯遇阶蓖可钒签侵寒仟砸绞芝川颜缓厂簇芥球Eviews线性回归教程Eviews线性回归教程 （5 5） 对数似然函数值对数似然函数值对数似然函数值对数似然函数值 EViews可可以以作作出出根根据据系系数数的的估估计计值值得得到到的的对对数数似似然然函函数数值值（假假设
26、设误误差差为为正正态态分分布布）。似似然然比比检检验验可可通通过过观观察察方方程程严严格形式和不严格形式的对数似然值之间的差异来进行。格形式和不严格形式的对数似然值之间的差异来进行。 对数似然计算如下：对数似然计算如下： 炼双熬荤峻戮硼朋端旨满深吊惭铸剐其枢训垒兔田除头鸥留霞肯丘脂龟夏Eviews线性回归教程Eviews线性回归教程 （6 6） Durbin-Watson Durbin-Watson 统计量统计量统计量统计量 D-W 统计量衡量残差的序列相关性，计算方法如下：统计量衡量残差的序列相关性，计算方法如下： 作作为为一一个个规规则则，如如果果DW值值小小于于2，证证明明存存在在正正序
27、序列列相相关关。在在例例1的的结结果果中中，DW值值很很小小，表表明明残残差差中中存存在在序序列列相相关关。关关于于Durbin-Watson统统计计量量和和残残差差序序列列相相关关更更详详细细的的内内容容参参见见“序序列相关理论列相关理论”。 对于序列相关还有更好的检验方法。在对于序列相关还有更好的检验方法。在 “序列相关的检序列相关的检验验”中，我们讨论中，我们讨论Q统计量和统计量和 LM检验，这些都是比检验，这些都是比DW统计统计量更为一般的序列相关检验方法。量更为一般的序列相关检验方法。 嘻雾夫冰本弄轨童额揍屏坦及楚辜葵强箔棍策赶淹图龟错秩笑讶刮茫悉随Eviews线性回归教程Eview
28、s线性回归教程 （7 7）. . 因变量均值和标准差因变量均值和标准差因变量均值和标准差因变量均值和标准差（S.DS.D） y 的均值和标准差由下面标准公式算出：的均值和标准差由下面标准公式算出： （8 8）. AIC. AIC准则准则准则准则(Akaike Information Criterion)(Akaike Information Criterion) 计算公式如下：计算公式如下： 其中其中l 是对数似然值是对数似然值 我们进行模型选择时，我们进行模型选择时，AIC值越小越好。例如，可以通过选值越小越好。例如，可以通过选择最小择最小AIC值来确定一个滞后分布的长度。值来确定一个滞后分
29、布的长度。宰坯唾辗尉摩酶模越由烬堆幂渔粒颖歇虐慰毖鱼晌崎轧痔赐豆砾愧扩滩戌Eviews线性回归教程Eviews线性回归教程 （9 9）. Schwarz. Schwarz准则准则准则准则 Schwarz准则是准则是AIC准则的替代方法准则的替代方法: （1010）. F. F统计量和边际显著性水平统计量和边际显著性水平统计量和边际显著性水平统计量和边际显著性水平 F统计量检验回归中所有的系数是否为零统计量检验回归中所有的系数是否为零(除了常数或截距除了常数或截距)。对于普通最小二乘模型，对于普通最小二乘模型，F统计量由下式计算：统计量由下式计算： 在原假设为误差正态分布下，统计量服从在原假设为
30、误差正态分布下，统计量服从 F(k 1 , T k) 分布。分布。 揽蛊搪贺郝跑洁皱条嘻匀霸腾丸扎锈郁捕囊慧秆轨涕孺测眷鲤选笺拴刃思Eviews线性回归教程Eviews线性回归教程 F统计量下的统计量下的P值，即值，即Prob(F-statistic), 是是F检验的边际显检验的边际显著性水平。如果著性水平。如果P值小于所检验的边际显著水平，比如说值小于所检验的边际显著水平，比如说0.05，则拒绝所有系数都为零的原假设。注意，则拒绝所有系数都为零的原假设。注意F检验是一个联合检验是一个联合检验，即使所有的检验，即使所有的t统计量都是不显著的，统计量都是不显著的，F统计量也可能是统计量也可能是高
31、度显著的。高度显著的。 起退儒赋券闻返养剥舜恰互拨疹殉扳养贵悲道帽饭呈楔诣弛型淘漆空吓救Eviews线性回归教程Eviews线性回归教程( (五）五）五）五） 虚拟变量的应用虚拟变量的应用虚拟变量的应用虚拟变量的应用工资差别工资差别工资差别工资差别 为了解工作妇女是否受到了歧视，可以用美国统计局的为了解工作妇女是否受到了歧视，可以用美国统计局的“当前人口调查当前人口调查”中的截面数据研究男女工资有没有差别。这项多元回归分析研究所用到的中的截面数据研究男女工资有没有差别。这项多元回归分析研究所用到的变量有：变量有： W 雇员的工资（美元雇员的工资（美元/小时）小时） 1；若雇员为妇女；若雇员为妇
32、女 SEX = 0；其他；其他 ED 受教育的年数受教育的年数 AGE 雇员的年龄雇员的年龄 1；若雇员不是西班牙裔也不是白人；若雇员不是西班牙裔也不是白人 NONWH = 0；其他；其他 1；若雇员是西班牙裔；若雇员是西班牙裔 HISP = 0；其他；其他掸乒助羽颐糖孝仲桂乍雌勇糕悸沃弄虚耽诱戴腋褪渭陀屉贱两兼反焙捎辰Eviews线性回归教程Eviews线性回归教程（六）（六）（六）（六） 估计中存在的问题估计中存在的问题估计中存在的问题估计中存在的问题 如如果果自自变变量量具具有有高高度度共共线线性性，EViews 在在计计算算回回归归估估计计时时会会遇遇到到困困难难。在在这这种种情情况况
33、下下，EViews会会产产生生一一个个显显示示错错误误信信息息对对话话框框 “奇奇异异矩矩阵阵”。出出现现这这个个错错误误信信息息后后，应应该该检检查查回回归归变变量量是是否否是是共共线线的的。如如果果一一个个回回归归变变量量可可以以写写作作其其他他回回归归变变量量的的线线性性组组合合，则则回回归归变变量量是是完完全全共共线线的的。在在完完全全共共线线的的情情况况下下，回回归归变变量量矩阵矩阵X不是列满秩的，不能计算不是列满秩的，不能计算OLS估计值。估计值。 眼趣愈锑停否仕萨株牲棺市履厌娘焕渡拳蒜设草盖刺冲谦捡荧补知茄搐鄂Eviews线性回归教程Eviews线性回归教程三三三三 定义和诊断检
34、验定义和诊断检验定义和诊断检验定义和诊断检验 经经验验研研究究经经常常是是一一种种相相互互影影响响的的过过程程。这这一一过过程程从从估估计计关关系系的的定定义义开开始始。选选择择定定义义常常含含有有几几个个选选择择：变变量量，连连接接这这些些变变量量的的函函数数，以以及及当当数数据据是是时时间间序序列列时时表表示示变变量量间间关关系系的的动动态态结结构。构。 不不可可避避免免地地，在在初初始始定定义义的的恰恰当当性性方方面面存存在在不不确确定定性性。一一旦旦估估计计了了方方程程，EViews提提供供了了评评价价方方程程定定义义质质量量的的工工具具。随随着着改改进进，检检验验结结果果将将影影响响
35、所所选选择择的的定定义义，这这一一过过程程将将重重复复下下去去，直到方程定义恰当为止。直到方程定义恰当为止。 本本节节描描述述了了在在方方程程对对象象的的View中中关关于于定定义义检检验验统统计计量量的的多多个个菜菜单单。我我们们试试图图提提供供足足够够的的统统计计方方法法来来进进行行这这些些检检验验，但但是是实实际际考考虑虑的的许许多多描描述述是是不不完完全全的的，建建议议查查阅阅标标准准统统计计和和经经济济计计量学参考资料。量学参考资料。 悟说淹购刁载竟俐猾城娜隶玖坟喘剩每史悟蝇谣停竿葬素浮宙坷赁研惠丁Eviews线性回归教程Eviews线性回归教程 下面描述的每一检验过程包括假设检验的
36、原假设定义。检下面描述的每一检验过程包括假设检验的原假设定义。检验指令输出包括一个或多个检验统计量样本值和它们的联合概验指令输出包括一个或多个检验统计量样本值和它们的联合概率值（率值（P值）。值）。P值说明在原假设为真的情况下，样本统计量值说明在原假设为真的情况下，样本统计量绝对值的检验统计量大于或等于临界值的概率。绝对值的检验统计量大于或等于临界值的概率。P值度量的是值度量的是犯第一类错误的概率，即拒绝正确的原假设的概率，犯第一类错误的概率，即拒绝正确的原假设的概率，P值越大，值越大，错误地拒绝原假设的可能性就越大；错误地拒绝原假设的可能性就越大；P值越小，拒绝原假设时值越小，拒绝原假设时就
37、越放心。例如，如果就越放心。例如，如果P值在值在0.05和和0.1之间，原假设在之间，原假设在5%被拒被拒绝而不是在绝而不是在1%水平。切记：对每一检验都有不同假设和分布水平。切记：对每一检验都有不同假设和分布结果。例如，有些检验统计量有确切的有限的样本分布（常为结果。例如，有些检验统计量有确切的有限的样本分布（常为 t 或或 F分布）。其它是服从近似分布的大样本检验统计量。每分布）。其它是服从近似分布的大样本检验统计量。每一检验的内容都不同，将分别描述。一检验的内容都不同，将分别描述。阁矗劝股果磐饲氧廖右暂叉志蝎澳讯渝欣倔秤娟稀铬剩喧察诬匙忻步精鲤Eviews线性回归教程Eviews线性回归
38、教程 其它检验在其它章节讨论。它们包括单位根检验、其它检验在其它章节讨论。它们包括单位根检验、Granger因果检验和因果检验和Johansen协整检验。协整检验。 方程对象菜单的方程对象菜单的View中给出三种检验类型选择来检验方程中给出三种检验类型选择来检验方程定义。包括系数检验、残差检验和稳定性检验：定义。包括系数检验、残差检验和稳定性检验： 到躯认耪缆董咬钮赎姬饥霉傻毗虚犯绝阴坚揽老科满体眩勺辛奴芽寂衷诬Eviews线性回归教程Eviews线性回归教程（一）（一）（一）（一） 系数检验系数检验系数检验系数检验 系数检验对估计系数的约束进行评价，包括对遗漏变量和冗系数检验对估计系数的约束
39、进行评价，包括对遗漏变量和冗余变量特殊情况的检验。余变量特殊情况的检验。 1 1 1 1WaldWald检验检验检验检验系数约束条件检验系数约束条件检验系数约束条件检验系数约束条件检验 （1 1）. . WaldWald检验原理检验原理检验原理检验原理 Wald检检验验没没有有把把原原假假设设定定义义的的系系数数限限制制加加入入回回归归，通通过过估估计计这这一一无无限限制制回回归归来来计计算算检检验验统统计计量量。Wald统统计计量量计计算算无无约约束束估估计计量量如如何何满满足足原原假假设设下下的的约约束束。如如果果约约束束为为真真，无无约约束束估估计计量量应应接接近近于于满满足足约约束束条
40、条件件。下下面面给给出出计计算算Wald 检检验验统统计计量量的的一一般公式。般公式。 扶硒份忘君薯醛厢撵蛾蒂粒黎猖兢掘丸刚冯挪秽革算面跑盈奎淖面攀奇瓤Eviews线性回归教程Eviews线性回归教程 对于一个线性回归模型对于一个线性回归模型 一个线性约束：一个线性约束： 式中式中R是一个已知的是一个已知的 q k 阶矩阵，阶矩阵，r 是是 q 维向量。维向量。Wald统计量统计量简写为：简写为： W 在在H0下下服服从从渐渐近近 2(q)分分布布。进进一一步步假假设设误误差差独独立立同同时时服从正态分布，我们就有一确定的、有限的样本服从正态分布，我们就有一确定的、有限的样本F-统计量统计量
41、是是约约束束回回归归的的残残差差向向量量。F统统计计量量比比较较有有约约束束和和没没有有约约束束计计算算出出的的残残差差平平方方和和。如如果果约约束束有有效效，这这两两个个残残差差平平方方和和差差异异很很小小，F统计量值也应很小。统计量值也应很小。EViews显示显示 2 和和F统计量以及相应的统计量以及相应的P值。值。入柴叶娩狐锰抠结豢洛洞瞄很乘憨日蝉隔邵揖蛋悠氓阁里斗或镀冀确单卤Eviews线性回归教程Eviews线性回归教程 （ 2 2）. . 如何进行如何进行如何进行如何进行WaldWald系数检验系数检验系数检验系数检验 为介绍如何进行为介绍如何进行Wald系数检验，我们考虑一个例子
42、。生产函数的数学系数检验，我们考虑一个例子。生产函数的数学形式为形式为 在最初提出的在最初提出的C-D生产函数中，假定参数满足生产函数中，假定参数满足 + + =1=1 ，也就是假定，也就是假定研究对象满足规模报酬不变。研究对象满足规模报酬不变。 Q 为为产产出出，K 为为资资本本投投入入，L 为为劳劳动动力力投投入入。很很容容易易推推出出参参数数 , , 分分别是资本和劳动的产出弹性。那么由产出弹性的经济意义，应该有别是资本和劳动的产出弹性。那么由产出弹性的经济意义，应该有 , , 即当资本与劳动的数量同时增长即当资本与劳动的数量同时增长 倍时，产出量也增长倍时，产出量也增长 倍。倍。193
43、7年，年，提出了提出了C-D生产函数的改进型，即取消了生产函数的改进型，即取消了 + + =1=1 的假定，允许要素的产的假定，允许要素的产出弹性之和大于出弹性之和大于1或小于或小于1，即承认研究对象可以是规模报酬递增的，也可以，即承认研究对象可以是规模报酬递增的，也可以是规模报酬递减的，取决于参数的估计结果。是规模报酬递减的，取决于参数的估计结果。 绝课渴厕庐渠建坏来鄙漳撼晚抢败订题闭叔名闲袭槐捕迸轩埃过什握义深Eviews线性回归教程Eviews线性回归教程3 3 3 3、遗漏变量、遗漏变量、遗漏变量、遗漏变量(Omitted Variables)(Omitted Variables)检验
44、检验检验检验 （1 1）. . 遗漏变量检验原理遗漏变量检验原理遗漏变量检验原理遗漏变量检验原理 这这一一检检验验能能给给现现有有方方程程添添加加变变量量，而而且且询询问问添添加加的的变变量量对对解释因变量变动是否有显著作用。解释因变量变动是否有显著作用。原假设原假设原假设原假设HH0 0是添加变量不显著是添加变量不显著是添加变量不显著是添加变量不显著。 检验的输出是检验的输出是 F 统计量和似然比（统计量和似然比（LR）统计量及各自）统计量及各自P值值 ，以及在备选假设下无约束模型估计结果。，以及在备选假设下无约束模型估计结果。F统计量基于约束和统计量基于约束和无约束回归残差平方和之差。无约
45、束回归残差平方和之差。LR统计量由下式计算：统计量由下式计算： Lr和和Lu是约束和无约束约束回归对数似然函数的最大值。在是约束和无约束约束回归对数似然函数的最大值。在H0下，下，LR统计量服从渐近统计量服从渐近 2 分布，自由度等于约束条件数，即分布，自由度等于约束条件数，即加入变量数。加入变量数。 淄惠卞柒台缮黔栽温架械翅力犹佐处欲堕由方鞋棍款恳撼行俐扮镭伏血涕Eviews线性回归教程Eviews线性回归教程 注意：注意： (1) 遗遗漏漏变变量量检检验验要要求求在在原原始始方方程程中中和和检检验验方方程程中中观观测测值值数数相相等等。如如果果要要加加入入变变量量的的任任一一序序列列与与原
46、原方方程程样样本本相相比比，含含有有缺缺失失观观测测值值（当当加加入入滞滞后后变变量量时时这这种种情情况况常常见见），检检验验统统计计量量将将无法建立。无法建立。 (2) 遗漏变量检验可应用于线性遗漏变量检验可应用于线性LS，TSLS，ARCH，Binary, Ordered, Censored, Count模型估计方程。只有通过列模型估计方程。只有通过列表法列出回归因子定义方程而不能通过公式，检验才可以进行。表法列出回归因子定义方程而不能通过公式，检验才可以进行。 2 2. . 如何进行遗漏变量检验如何进行遗漏变量检验如何进行遗漏变量检验如何进行遗漏变量检验 选择选择View/Coeffic
47、ient Tests/Omitted VariablesLikelihood Ration，在打开的对话框中，列出检验统计量名，用至少一个空，在打开的对话框中，列出检验统计量名，用至少一个空格相互隔开。格相互隔开。 重跑织士丁嗅庄架拭逢促婶涨窘沟洛捞针鸿偏盼饺房胃徽继御誓诌酥下躇Eviews线性回归教程Eviews线性回归教程 例如：原始回归为：例如：原始回归为： log(q) c log(L) log(k) 。输入：。输入：K L EViews将显示含有这两个附加解释变量的无约束回归结果，将显示含有这两个附加解释变量的无约束回归结果，而且显示而且显示原假设：新添变量系数为原假设：新添变量系数
48、为原假设：新添变量系数为原假设：新添变量系数为0 0 的检验统计量。输出的结果的检验统计量。输出的结果如下：如下： 对对数数似似数数比比统统计计量量就就是是LR检检验验统统计计量量且且渐渐进进服服从从于于 2 分分布，自由度等于添加回归因子数。布，自由度等于添加回归因子数。 本例中，检验结果不能拒绝原假设，即添加变量不显著。本例中，检验结果不能拒绝原假设，即添加变量不显著。 浓灰秆决楔管旱腾色班浴阉凶奄昌疾榔营狈遍钙身挞存支蔗角币猴梯绥扬Eviews线性回归教程Eviews线性回归教程（二）（二）（二）（二）ChowChow分割点检验分割点检验分割点检验分割点检验 Chow分分割割点点检检验验
49、的的思思想想是是对对每每一一个个子子样样本本区区间间估估计计方方程程，看看估估计计方方程程中中是是否否存存在在显显著著差差异异。显显著著差差异异说说明明关关系系中中存存在在结结构构变变化化。例例如如，可可以以使使用用这这个个检检验验来来检检查查石石油油危危机机前前后后的的能源需求函数是否一样。能源需求函数是否一样。 为为进进行行检检验验，把把数数据据分分为为两两个个或或多多个个子子样样本本区区间间，每每一一子子区区间间包包含含的的观观测测值值数数应应大大于于方方程程参参数数，这这样样才才使使得得方方程程能能被被估估计计。Chow分分割割点点检检验验基基于于比比较较利利用用整整个个样样本本估估计
50、计方方程程获获得得的的残残差差平平方方和和及及利利用用每每一一子子区区间间样样本本估估计计方方程程获获得得的的残残差差平方和之间的差别。平方和之间的差别。 对对Chow分割点检验，分割点检验，EViews提供了两个检验统计量。提供了两个检验统计量。 F统计量和对数似然比（统计量和对数似然比（LR）统计量）统计量 ，F统计量基于对约束和统计量基于对约束和非约束残差平方和的比较。在最简单情况下（一个分割点），非约束残差平方和的比较。在最简单情况下（一个分割点），计算如下：计算如下： 违桂劫瞧撤卵劲完漏绳曹瑶韭汛呐乘祈边虾烂靡全找斗厨坟答檄阜谬文意Eviews线性回归教程Eviews线性回归教程 C
51、howChow分分分分割割割割点点点点检检检检验验验验的的的的原原原原假假假假设设设设: :不不不不存存存存在在在在结结结结构构构构变变变变化化化化。Chow分分割割点点检检验验的的主主要要缺缺陷陷是是，如如果果每每一一个个子子区区间间要要求求至至少少和和被被估估计计参参数数一一样样多多的的样样本本数数，那那么么这这里里就就存存在在一一个个问问题题，比比如如说说，要要检检验验战战争争和和和和平平时时期期的的结结构构变变化化，但但是是战战争争时时期期的的样样本本数数较较少少。下面要讨论的下面要讨论的Chow预测检验可以解决这个问题。预测检验可以解决这个问题。 其中其中: : 是整个样本期间估计的
52、残差平方和；是整个样本期间估计的残差平方和； 是第是第 i 个子区个子区间的残差平方和；间的残差平方和；T 是观测值数；是观测值数；k 是方程参数个数，这一公式是方程参数个数，这一公式可以扩展为多于一个分割点。可以扩展为多于一个分割点。耽衷蜘妆嘶囊板拆汾簇废戒宾略仙全树主期湖铡燥礁赐份袭夯棉朔摩伤抗Eviews线性回归教程Eviews线性回归教程 为为了了进进行行Chow分分割割点点检检验验，选选择择View/Stability Tests/Chow Breakpoint Test出出现现对对话话框框以以后后，填填入入间间断断点点的的日日期期。比比如如，如如果果方方程程的的数数据据是是从从1950到到1994，填填入入1960，则则被被定定义义成成两两个个子子区区间间：一一个个是是1950到到1959，另一个是，另一个是1960到到1994。 逝要苇回浆什切筷淆井商颐谰箍吵疚绒儿俊苔境檄山脖义狠掣却畔颂愈卯Eviews线性回归教程Eviews线性回归教程
