eviews变系数模型回归操作

EVIEWS之变系数回归模型

1 变系数回归模型

前面讨论的是变截距模型，并假定不同个体的解释变量的系数是相同的，然而在现实中变化的经济结构或者不同的经济背景等不可观测的反映个体差异的因素会导致经济结构的参数随着横截面个体的变化而变化，即解释变量对被解释变量的影响要随着截面的变化而变化。这时要考虑系数随着横截面个体的变化而变化的变系数模型。

1.变系数回归模型原理

变系数模型一般形式如下：

yit??i?xit?i?uit,i?1,2,,N,t?1,2,,T（1）

其中：yit为因变量，xit为1?k维解释变量向量，N为截面成员个数，T为每个截面成员的观测时期总数。参数?i表示模型的常数项，?i为对应于解释变量的系数向量。随机误差项uit相互独立，且满足零均值、等方差的假设。

在式子（1）中所表示的变系数模型中，常数项和系数向量都是随着截面个体变化而变化，因此将该模型改写为：

yit?xit?i?uit （2）

其中：xit?(1,xit)1?(k?1)，?i?(?i,?i)'

模型的矩阵形式为：

Y?X??u （3）

其

中

：

?y1??Y??????yN??NT?1；

?yi1??y?yi??i2??????yiT?T?

实验二 一元回归模型

【实验目的】

掌握一元线性、非线性回归模型的建模方法 【实验内容】

建立我国税收预测模型 【实验步骤】

【例1】建立我国税收预测模型。表1列出了我国1985－1998年间税收收入Y和国内生产总值（GDP）x的时间序列数据，请利用统计软件Eviews建立一元线性回归模型。

表1 我国税收与GDP统计资料 年份 1985 1986 1987 1988 1989 1990 1991 税收 2041 2091 2140 2391 2727 2822 2990 GDP 8964 10202 11963 14928 16909 18548 21618 年份 1992 1993 1994 1995 1996 1997 1998 税收 3297 4255 5127 6038 6910 8234 9263 GDP 26638 34634 46759 58478 67885 74463 79396 一、建立工作文件

⒈菜单方式

在录入和分析数据之前，应先创建一个工作文件（Workfile）。启动Eviews软件之后，在主菜单上依次点击File\\New\\Workfile（菜单选择方式如图1所示），将弹出一个对话框（如图2所示）。用

Eviews基本操作指引： 1、ADF检验

双击序列——打开序列数据窗口——View——Unit Root Test ——单位根检验对话框

（1 st difference ，即检验△X ； intercept：包含截距项 ； trend：包含趋势项）

临界值判断：如果ADF检验值小于某一显著性水平下的临界值，则序列在此显著性水平下平稳。

2、根据SIC和AC值确定VAR的滞后期 单位根检验操作的输出结果中

3、建立VAR模型

在workfile里——Quick——Estimate VAR…——对话窗

缺省的是非约束VAR，另一选择是向量误差修正模型。 给出内生变量的滞后期间。 给出用于运算的样本范围。

Endogenous要求给出VAR模型中所包括的内生变量。 Exogenous要求给出外生变量（一般包含常数项）。

结果显示中，回归系数下第一个括号中的为标准差，第二个括号中的为t值。

4、脉冲响应分析（Response of * to * Innovations）/ 方差分解（Variance Decornposition） 在进行脉冲响应函数诊断之前，需要先检验VAR模型的平稳性，用AR根图(Inverse

Panel Data模型的EViews操作过程

两种模式：

Ⅰ. 关于Panel工作文件； Ⅱ. 关于Pool对象。

数据的预处理

1.在EXCEL文件中，将每个变量各年的原始数据按照年份顺序排成一列，称之为堆积数据（见表“汇总0”）。

2．输入截面单元的标识（表示地区的符号，前面加_；如：_HB、_NMG等）。 3．将数据表按照时间分类（即排序，见表“汇总”）。

Ⅰ. 关于Panel工作文件的操作过程

案例1：我国农村居民消费函数（2000-2010年，27个省市数据，工作文件：NXF） 一、输入数据

1、创建Panel工作文件

选择File / New / Workfile，在出现的创建工作文件对话框中： （1）在文件结构类型中，选择“平衡面板（Balanced Panel）”； （2）输入起始、终止期，截面单元个数。

- 1 -

工作文件中将生成分别表示截面标识和时期标识的两个序列： Crossid — 截面标识 dateid — 时期标识

2．更改截面标识（可以省略）

序列crossid中是以数字1、2、?标记截面标识，为了便于区分，可以重新定义一个字符串序列。

（1）点击object / New object，选择serie

楚雄师范学院 数学系 09级01班 韩金伟 学号：20091021135

2011—2012学年第二学期《数据分析》期末论文

题 目 影响成品钢材需求量的回归分析

姓 名 韩 金 伟

学 号 20091021135

系（院） 数 学 系

专 业 数学与应用数学

2012年 6 月 19

0

日

题目：影响成品钢材需求量的回归分析

摘要：随着社会经济的不断发展，科学技术的不断进步，统计方法越来越成为人们必不

可收的工具盒手段。应用回归分析是其中的一个重要分支，本着国家经济水平的不断提高，我们采用回归分析的方法对我国成品钢材的需求量进行分析应用。为了使分析的模型具有社会实际意义，我们引用了1980——1998年的成品钢材、原油、生铁、原煤、发电量、铁路货运量、固定资产投资额、居民消费、政府消

中国税收增长的分析 一、研究的目的要求 改革开放以来，随着经济体制的改革深化和经济的快速增长，中国的财政收支状况发生了很大的变化，中央和地方的税收收入1978年为519.28亿元到2002年已增长到17636.45亿元25年间增长了33倍。为了研究中国税收收入增长的主要原因，分析中央和地方税收收入的增长规律，预测中国税收未来的增长趋势，需要建立计量经济学模型。 影响中国税收收入增长的因素很多，但据分析主要的因素可能有：（1）从宏观经济看，经济整体增长是税收增长的基本源泉。（2）公共财政的需求，税收收入是财政的主体，社会经济的发展和社会保障的完善等都对公共财政提出要求，因此对预算指出所表现的公共财政的需求对当年的税收收入可能有一定的影响。（3）物价水平。我国的税制结构以流转税为主，以现行价格计算的DGP等指标和和经营者收入水平都与物价水平有关。（4）税收政策因素。我国自1978年以来经历了两次大的税制改革，一次是1984—1985年的国有企业利改税，另一次是1994年的全国范围内的新税制改革。税制改革对税收会产生影响，特别是1985年税收陡增215.42%。但是第二次税制改革对税收的增长速度的影响不是非常大。因此可以从以上几个方面，分析各种因素

Logistic回归模型

1 Logistic回归模型的基本知识 1.1 Logistic模型简介

主要应用在研究某些现象发生的概率p，比如股票涨还是跌，公司成功或失败的概率，以及讨论概率

p与那些因素有关。显然作为概率值，一定有0?p?1，因此很难用线性模型描述概率p与自变量的关

系，另外如果p接近两个极端值，此时一般方法难以较好地反映p的微小变化。为此在构建p与自变量关系的模型时，变换一下思路，不直接研究p，而是研究p的一个严格单调函数G(p)，并要求G(p)在p接近两端值时对其微小变化很敏感。于是Logit变换被提出来：

Logit(p)?lnp1?p （1）

其中当p从0?1时，Logit(p)从?????，这个变化范围在模型数据处理上带来很大的方便，

解决了上述面临的难题。另外从函数的变形可得如下等价的公式：

Logit(p)?lnp1?p??XT?p?e?TXT1?e? （2）

X 模型(2)的基本要求是，因变量是个二元变量，仅取0或1两个值，而因变量取1的概率P(y?1|X)T就是模型要研究的对象。而X?(1,x1,x2,?,xk)，其中xi表示影响y

EViews6.0在面板数据模型估计中的操作

EViews 6.0在面板数据模型估计中的实验操作

1、进入工作目录cd d:\nklx3，在指定的路径下工作是一个良好的习惯

2、建立面板数据工作文件workfile

（1）最好不要选择EViews默认的blanaced panel 类型

Moren_panel

（2

）按照要求建立简单的满足时期周期和长度要求的时期型工作文件

EViews6.0在面板数据模型估计中的操作

3、建立pool对象 （1）新建对象

（

2）选择新建对象类型并命名

EViews6.0在面板数据模型估计中的操作

（3）为新建pool对象设置截面单元的表示名称，在此提示下（Cross Section Identifiers: (Enter identifiers below this line )输入截面单元名称。建议采用汉语拼音，例如

29

个省市区的汉语拼音，建议在拼音名前加一个下划线“_”，如图

关闭建立的pool对象，它就出现在当前工作文件中。

4、在pool对象中建立面板数据序列

双击pool对象，打开pool对象窗口，在菜单view的下拉项中选择spreedsheet（展开表）

在打开的序列列表窗口中输入你要建立的序列名称，如果是面板数据序列必须

EViews6.0在面板数据模型估计中的操作

EViews 6.0在面板数据模型估计中的实验操作

1、进入工作目录cd d:\nklx3，在指定的路径下工作是一个良好的习惯

2、建立面板数据工作文件workfile

（1）最好不要选择EViews默认的blanaced panel 类型

Moren_panel

（2

）按照要求建立简单的满足时期周期和长度要求的时期型工作文件

EViews6.0在面板数据模型估计中的操作

3、建立pool对象 （1）新建对象

（

2）选择新建对象类型并命名

EViews6.0在面板数据模型估计中的操作

（3）为新建pool对象设置截面单元的表示名称，在此提示下（Cross Section Identifiers: (Enter identifiers below this line )输入截面单元名称。建议采用汉语拼音，例如

29

个省市区的汉语拼音，建议在拼音名前加一个下划线“_”，如图

关闭建立的pool对象，它就出现在当前工作文件中。

4、在pool对象中建立面板数据序列

双击pool对象，打开pool对象窗口，在菜单view的下拉项中选择spreedsheet（展开表）

在打开的序列列表窗口中输入你要建立的序列名称，如果是面板数据序列必须

第七章 非参数回归模型与半参数回归模型

第一节 非参数回归与权函数法

一、非参数回归概念

前面介绍的回归模型，无论是线性回归还是非线性回归，其回归函数形式都是已知的，只是其中参数待定，所以可称为参数回归。参数回归的最大优点是回归结果可以外延，但其缺点也不可忽视，就是回归形式一旦固定，就比较呆板，往往拟合效果较差。另一类回归，非参数回归，则与参数回归正好相反。它的回归函数形式是不确定的，其结果外延困难，但拟合效果却比较好。

设Y是一维观测随机向量，X是m维随机自变量。在第四章我们曾引进过条件期望作回归函数，即称

g (X) = E (Y|X) （7.1.1）

为Y对X的回归函数。我们证明了这样的回归函数可使误差平方和最小，即

E[Y?E(Y|X)]2?minE[Y?L(X)]2

L （7.1.2）

这里L是关于X的一切函数类。当然，如果限定L是线性函数类，那么g (X)就是线性回归函数了。

细心的读者会在这里立即提出一个问题。既然对拟合函数类L(X)没有任何限制，那么可以使误差平方和等于0。实际上，你只要作一条折线(曲面)通过所有观测点(Yi，Xi)就可以了是的，对拟合函数类不作任何限制是完全没有意义的。