计量经济学模拟实训讲义2015-2016-1学期（修订版）

计量经济学Eviews模拟讲义

学期：2015-2016-1学期； 任课教师：刘汉中教授、博士

联系电话：13469066488 0731-88688022； E-Mail：Lotus-f@sohu.com 参考教材：

①张晓峒主编，计量经济学基础，第3版，南开大学出版社

②王少平、杨继生和欧阳志刚主编，计量经济学，2011年6月，高等教育出版社 ③沈根祥编著，计量经济学，2010年8月，格致出版社、上海人民出版社 ④张晓峒著，Eviews使用指南与案例，2007年，机械工业出版社 ⑤易丹辉著，数据分析与Eviews应用，2008年，中国人民大学出版社

实验一：一元线性回归以及Eviews基础

实验数据与说明：Workfile sy1.Wf1。本实验适用的数据是年度数据(1980-1998)，被解释变量是人均消费性支出，解释变量是人均可支配收入，主要研究人均可支配收入对人均消费的影响，并在此基础上熟悉经济检验、统计检验、结构分析、预测等内容。

实验内容：

1.创建Eviews工作文件夹（workfile）； 2.录入和编辑数据；

3.如何转换数据（如自然对数、生成新的序列等）； 4.画序列数据的趋势图（plot）和散点图（scat）； 5.对一元线性回归模型作OLS估计； 6.认识Eviews输出结果；

7.利用输出结果作经济检验、统计检验； 8.说明t检验与F检验的关系；

9.了解实际值（actual）、拟合值（fitted）、残差（residual）； 10.了解序列数据的描述统计量；

11*.当1999年的人均可支配收入为1760元时，对1999年的人均消费性支出进行点预测和区间预测。

预测步骤：①计算Y的点预测值和解释X序列的离差平方和；

*

1

②根据公式计算标准误：

22(X?X)(X?X)11200?)????Y)???(??(1??Se(Y) 和 Se(Y) 00022??NN?x?x2 ③分别构造如下的95%置信区间：

??t(N?2)Se(Y?)?E(YX)?Y??t(N?2)Se(Y?) 均值预测区间：Y0?/2000?/20??t(N?2)Se(Y??Y)?Y?Y??t(N?2)Se(Y??Y) 个体值预测区间：Y0?/20000?/200注：均值标准误的计算命令：@sqr((eq1.@ssr/17)*(1/19+((1760-@mean(x))^2)/hh)) 个体值标准误的计算命令：@sqr((eq1.@ssr/17)*(1+(1/19)+((1760-@mean(x))^2)/hh)) 临界值命令：@qtdist(0.975,17)，0.975为累积概率；17为t分布自由度。

实验二：数据的描述统计分析

实验数据与说明：Workfile sy2.Wf1。有某市医院1000新生儿体重值数据，对该数据列进行描述性统计。

实验内容：

1.了解描述性统计在经济分析中的重要性 2.了解描述性统计的各项统计指标的含义 3.了解多个数据过程所构成的组的描述性统计

实验三：多元线性回归模型的线性与非线性估计、检验

实验说明：数据来源于教材p65页表4.1.1，工作文件夹是sy3.WF1，实验目的是让学生掌握生产函数的估计、检验以及多参数的线性约束检验等内容。注意：实际GDP是以1978年为100计算、资本存量是以1952年的不变价格计算。

实验内容：

1.估计双对数模型，以及说明各回归系数的经济含义； LnQ??0??1LnK??2LnL?? 2.对模型做t检验和F检验；

3.在5%的显著性水平下对随机干扰项的方差做如下检验：

H0:?2?0.01H1:?2?0.01和H0:?2?0.01H1:?2?0.01

注意：利用Eviews命令来计算卡方分布的临界值。

2

Function Type Cumulative distribution (CDF) Density or probability Quantile (inverse CDF) Random number generator Beginning of Name @c @d @q @r 临界值命令：@qchisq(p,v)，p表示概率；v表示自由度。 P值命令：1-@cchisq(x,v)，X表示统计量的值。

4.利用F统计量来检验： H0:?1??2?1*

H1:?1??2?1

5.对模型进行非线性OLS估计：

a.设定初始值(双击序列C，在c(1)、c(2)和c(3)所对应的单元格中分别输入0，option中的收敛精度设为0.001，迭代次数100次)，保存模型；

b. 设定初始值(双击序列C，在c(1)、c(2)和c(3)所对应的单元格中分别输入0，option中的收敛精度设为0.00001，迭代次数1000次)，保存模型；

c.基于参数的显著性检验、参数的经济检验等来比较两模型 ①回归系数的符号及数值是否合理； ②模型的更改是否提高了拟合优度； ③模型中各个解释变量是否显著； ④残差分布情况

6.比较线性估计模型和非线性估计模型；

实验四：邹(Chow)突变点检验

Chow Test检验由邹至庄1960年提出的，当研究同一问题时，在不同时段得到两个子样本时，需要考察两个时段的回归系数是否相等，如果相等说明模型没有结构突变，如果不相等则说明模型存在结构突变。

实验数据与说明：Workfile sy4.wf1。中国全国居民消费水平时间序列(1952-1994)，用Chow Test方法检验1978年是否为一个突变点，即在1978年后，我国居民消费水平的增长

3

*

速度是否要明显高于改革开放之前。

实验内容：

1.说明Chow Test检验统计量的构造：

RSST?(RSS1?RSS2)?/(T?K?1?(n1?k?1?n2?k?1))?F?(RSS1?RSS2)/(n1?k?1?n2?k?1)??RSST?(RSS1?RSS2)?/(k?1)(RSS1?RSS2)/(T?2K?2)

?F(K?1,T?2K?2)其中T是总的样本容量，n1表示第一个子样本容量，n2表示第二个子样本容量，K表示回归模型中的解释变量个数。

2.画出消费水平的对数值的趋势图，初步考察是否存在结构突变；

3.根据上面的检验统计量和1978年为结构突变点，对模型进行Chow检验。即把样本分成两个子样本，1952-1978为第一个子样本，1979-1994为第二个子样本；

4.分三种样本情况拟合如下的回归模型： LnYt??0??1t??t，t表示时间

5.建立Chow检验统计量，并计算统计量的P-值；(提取残差命令：方程名.@ssr；提取自由度命令：方程名.@df )

6.利用Eviews内置的菜单来实现模型的Chow检验，突变点是1978年； 7.对实验三中的中国宏观生产函数做Chow检验，突变点是1992年。

实验五：模型的设定误差检验(Specification Error Test)，(参考教材的106页) 理论简述：对于回归模型的设定误差主要包括两个来源：解释变量的不适当设定和模型的函数形式设定不当(后果：随机干扰项会存在非纯自相关。注意：不能运用广义差分估计法去估计未知参数)，其中解释变量的不适当设定包含两种情况：模型包括过多的解释变量(后果：OLS估计量仍然是线性无偏的，但是参数的OLS估计量的标准误增大，t检验的可靠性下降)和过少的解释变量(也称遗漏变量问题，后果：模型的OLS估计量是有偏且非一致的，其原因是被遗漏的解释变量与现有的解释变量之间总是存在一定的相关性，导致模型存在内生性，t检验失效)。对于过多解释变量的模型可以通过常规的t检验统计量来判别；而解释变量不足和函数形式不当导致的模型设定误差一般来说就应用拉姆齐(Ramsey)的RESET检验。

拉姆齐的RESET检验是一个一般性的设定误差检验，它即可以用于模型函数形式的检

4

验，也可以用于模型中解释变量不足的检验。

实验数据与说明：Workfile sy5.wf1。RESET检验的基本思想是如果模型中存在遗漏变量或函数形式不当，则残差项一般为解释变量的非线性函数，而拟合值又是解释变量的线性组合，因此以拟合值的高次幂代表解释变量的非线性函数。公式说明：

如果真实的回归模型是：Yt??0??1X1t??2X2t??t 估计的回归模型：Yt??0??1X1t?vt 进一步说明RESET检验的内在机理：

上式中vt??2X2t??t，随机干扰项V又包含了X2，因此V与之间存在某种函数关系，但不能说明残差与解释变量之间存在非线性关系(Wooldriege,1995)。

另外，如果真正的回归模型是非线性的，而估计模型设定为线性的，则根据泰勒定理，以线性模型近似代替非线性模型，意味着线性模型的随机干扰项包含了解释变量的高次幂(被解释变量的高次幂)，所以，模型设定不当也会导致随机干扰项与Y存在某种非线性函数关系。

研究我国1980-2008年城镇居民人均消费性支出与人均可支配收入的函数关系，以1980年的价格为基期，对所有数据去除价格指数，根据凯恩斯的绝对收入假说，如果假定边际消费倾向不变，则模型设定为：

Ct??0??1Yt??t

下面来检验以上模型是否存在设定误差。RESET检验的步骤：

?； ?t和拟合值C①对上式进行OLS估计，得到残差?t?为横坐标，残差??为纵坐标，观察C?和??是否存在系统的函数关系，如②以拟合值Ctttt果存在，则近似判断它们之间的函数关系；

?的高次幂加入到回归模型中构成如下的辅助回归模型，③根据近似的函数关系，将Ct本例可以表述为：

?2??C?3?t??0??1C ?t2t??t (模型1)

注意在学术界有两种构造辅助回归模型的方法：

第一种是：利用模型1来构造辅助回归函数，当然可以加入拟合值的高次方，然后来检验高次方系数是否联合显著，如果显著则认为存在设定误差，反之不存在设定误差；

5

本文来源：https://www.bwwdw.com/article/bfev.html