Eviews上机操作指南.docx

Eviews 上机操作指南I 1.数据预备篇（1） 建立工作文件：workfile u 1 33建立一个截面工作文件，33 表示样本容量workfile a 1978 2023建立一个年度时间序列工作文件，1978、2023 分别表示年份的起点和终点（2） 导入数据Data y x1 x2建立数据表格，将excel 数据复制到数据表格在使用该命令时确定要留意与 excel 表中的数据挨次全都，一般状况下第一列为被解释变量，其余各列为假设干解释变量2.绘图篇在eviews 中一般可以绘制两种类型的图，序列图与散点图（1） 序列图：plot y 可以绘制变量y 随时间变化的图固然也可以同时绘制多个变量的序列图，例如plot y x1（2） 散点图：scat x y 表示两个变量之间的关系3回归篇在eviews 中执行回归的命令为ls y c x1 x2Y 表示被解释变量，c 为常数，x1、x2 为解释变量列表，在实际操作时 y、x1、x2 可以换成你指定的名称。此外，log(x1)、x12、x1*x2 分别表示非线性形式的解释变量。回归后可以使用命令genr e=resid 提取回归的残差。练习：1. 多元线性回归模型的参数估量对应教材P72-P731建立工作文件导入数据；2观看yx1、yx2 散点图；3构造 OLS 回归，模型为Y = b0察残差的统计特征。+ b X11+ b X22+ m ；4提取残差序列，观2. 双对数模型的参数估量对应教材P83-P851建立工作文件，导入数据；2分别绘制 x、q、p0、p1 的序列图；3绘制 log(q)对log(x)的散点图；4构造 OLS 回归，模型为log(Q) = b0+ b log( X ) + b12log(P ) + b03log(P ) + m 。13. 半对数模型的参数估量对应教学关心材料7 例子 2，依据关心材料的结果写出相关命令。log(salary) log(sales) log(mktval) profmarg ceoten comten截距R2调整R2模型 1模型 2模型 3残差平方和4. 异方差检验与修正进展异方差检验首先要估量原始回归，然后提取残差。例如利用 excel表格中“异方差-1”的数据，估量模型Y = b0+ b X11+ b X22+ m 结果为：（1） 图示检验主要通过解释变量与残差平方的散点图进展推断，相应的命令为：Scat x1 e2划线局部可以替代成任意的解释变量。（2） White 检验在Eviews 中可以直接进展White 检验。点击view 后，依次选取Residual Diagnostics->Heteroskedasticity Test点击White 检验后可以得到检验结果。请对双对数模型log(Y ) = b0（3） 异方差的修正+ b log X11+ b log X22+ m 进展异方差检验。在上面的例子中使用加权最小二乘法修正异方差的eviews 命令为： genr ye=y/abs(e)genr ce=1/abs(e)genr x1e=x1/abs(e)genr x2e=x2/abs(e) ls ye ce x1e x2e5. 序列相关的检验与修正利用excel 表格中“序列相关-1”的数据，估量模型inf= b + b unem + mt01tt结果为：（1） 图示检验主要通过残差序列的一阶滞后项对残差序列的散点图推断是否存在一阶序列相关，相应的eview 命令为：scat e(-1) e（2） DW 检验可以通过回归结果直接得到DW 统计量。（3） LM 检验点击 view 后，依次选取 Residual Diagnostics->Serial correlation LM Test，选取检验阶数一般为 1 或 2后就可以得到结果。（4） 序列相关的修正在本例中使用广义差分法修正序列相关的命令为：Ls inf c unem ar(1) ar(2)练习 1：依据excel 文件中“异方差-2”的数据建立回归模型：Y = b0+ b X11+ b X22+ m ，并检验得到的模型是否存在异方差性。练习 2：excel 文件“异方差-3”给出了财宝500 强企业中的 447 个高管薪水数据，salary 表示 1999 年薪水和奖金；tenure 表示任职 CEO 的年数，age 表示CEO 年龄，sale 表示 1998 年公司销售收入；profit 表示 1998 年公司利润；assets 表示 1998 年公司总资产。建立回归模型： salary = b0+ b tenure+ b12ag+e b3sal+e b4prof+itb5ass+etsm，检验得到的模型是否存在异方差性。练习 3：excel 文件“异方差-4”给出了已婚妇女是否参与就业以及相关数据，其中y=1 表示参与就业，y=0 表示不参与就业；educ 表示受教育年限，exper 表示工作阅历，age 表示年龄。建立回归模型：y = b0+ b educ + b12exp er + b3age + m 。该模型也称为线性概率模型，请检验得到的模型是否存在异方差性。练习 4：excel 文件“序列相关-2”给出了美国1947 年-2023 年的人均消费CS、可支配收入Yd、财宝W和利率i数据，建立回归模型：CS = b+ b Yd + b W + bi + m 。依据 DW 统计量推断该模型是0123否存在一阶序列相关，假设存在请使用广义差分法修正之。在此根底上利用LM 检验推断该模型是否存在二阶序列相关。