第三讲基本回归模型课件.ppt

《第三讲基本回归模型课件.ppt》由会员分享，可在线阅读，更多相关《第三讲基本回归模型课件.ppt（67页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、1第1页，此课件共67页哦 EViews EViews中的单方程回归估计是用创建方程对中的单方程回归估计是用创建方程对象来完成的。创建一个方程对象有以下几种方法象来完成的。创建一个方程对象有以下几种方法:l从主菜单选择从主菜单选择Object/New Object/Equation Object/New Object/Equation lQuick/Estimate Equation Quick/Estimate Equation l在命令窗口中输入关键词在命令窗口中输入关键词equationequation，回车。，回车。在随后出现的在随后出现的方程说明方程说明对话框中说明要建立的方对话框中

2、说明要建立的方程，并选择估计方法。程，并选择估计方法。2第2页，此课件共67页哦创建方程对象对话框如下图：创建方程对象对话框如下图：对话框分三部分对话框分三部分：l说明方程，先说明方程，先列因变量再列自列因变量再列自变量，或者直接变量，或者直接输入函数形式输入函数形式l估计方法估计方法l估计使用的样估计使用的样本本3第3页，此课件共67页哦 有两种说明方程的基本方法：有两种说明方程的基本方法：l列表法：只能用于线性方程的说明；列表法：只能用于线性方程的说明；l公式法：可用于非线性模型或带有参数约束模公式法：可用于非线性模型或带有参数约束模型的说明。型的说明。4第4页，此课件共67页哦 在编辑框

3、列出方程中要使用的变量列表。例如，利在编辑框列出方程中要使用的变量列表。例如，利用文件用文件“3-13-1”数据，建立线性消费函数，用常数数据，建立线性消费函数，用常数c c和和收入收入incinc对消费对消费cscs作回归。在方程说明对话框上部输作回归。在方程说明对话框上部输入：入：cs c inccs c inc其中其中c c说明在回归中包括常数项，内部序列说明在回归中包括常数项，内部序列c c不出现在工作不出现在工作文档中，除了说明方程外不能使用它。文档中，除了说明方程外不能使用它。在上例中，常数存储于在上例中，常数存储于c(1)c(1)，incinc的系数存储于的系数存储于c(2)c(

4、2)，即回归方程形式为：，即回归方程形式为：cs=c(1)+c(2)cs=c(1)+c(2)*incinc。5第5页，此课件共67页哦以下均为常见的说明方程的方法：以下均为常见的说明方程的方法：l变量包括滞后序列：变量包括滞后序列：如如“cs c cs(-1)inccs c cs(-1)inc”相当于建立回归方程：相当于建立回归方程：cs=c(1)+c(2)cs=c(1)+c(2)*cs(-1)+c(3)cs(-1)+c(3)*incinc。l滞后项使用关键词滞后项使用关键词 to to：如：如：“cs c cs(-1 to-4)inccs c cs(-1 to-4)inc”相当于建立相当于建

5、立cscs关于常数关于常数c c、cs(-1)cs(-1)、cs(-2)cs(-2)、cs(-3)cs(-3)、cs(-4)cs(-4)和和incinc的回归方程。的回归方程。l在变量列表中包括自动序列：在变量列表中包括自动序列：如：如：“log(cs)c log(cs(-1)log(inc+inc(-1)/2)log(cs)c log(cs(-1)log(inc+inc(-1)/2)”相当于建立回归方程：相当于建立回归方程：log(cs)=c(1)+c(2)log(cs)=c(1)+c(2)*log(cs(-1)+c(3)log(cs(-1)+c(3)*log(inc+inc(-1)/2)l

6、og(inc+inc(-1)/2)6第6页，此课件共67页哦 当列表方法满足不了要求时，可以用公式来说明当列表方法满足不了要求时，可以用公式来说明方程。许多估计方法允许使用公式来说明方程。方程。许多估计方法允许使用公式来说明方程。EViewsEViews中的公式是一个包括回归变量和系数的数学表达中的公式是一个包括回归变量和系数的数学表达式。要用公式说明一个方程，只需在对话框中变量列表处输式。要用公式说明一个方程，只需在对话框中变量列表处输入表达式即可。入表达式即可。EViewsEViews会在方程中添加一个随机附加扰动会在方程中添加一个随机附加扰动项并用最小二乘法估计模型中的参数。项并用最小二

7、乘法估计模型中的参数。7第7页，此课件共67页哦用公式法说明方程可以使用不同的系数向量。方法为：用公式法说明方程可以使用不同的系数向量。方法为：l首先要创建一个新的系数向量：首先要创建一个新的系数向量：选择选择Object/New ObjectObject/New Object从主菜单中选择从主菜单中选择Matrix-Vector-CoefMatrix-Vector-Coef，为系数向量输入名字，选，为系数向量输入名字，选择择OKOK，在，在New MatrixNew Matrix对话框中，选择对话框中，选择Coefficient Vector Coefficient Vector 并说并说明

8、向量的行数，带有系数向量图标明向量的行数，带有系数向量图标 的对象会列在工作文档目录的对象会列在工作文档目录中中.l再在方程说明中使用这个系数向量。再在方程说明中使用这个系数向量。例如，假设创造了系例如，假设创造了系数向量数向量 a a 和和b b，各有一行。则可以用新的系数向量代替，各有一行。则可以用新的系数向量代替 c c：log(cs)=a(1)+b(1)log(cs)=a(1)+b(1)*log(cs(-1)log(cs(-1)8第8页，此课件共67页哦 在创建方程对象对话框的在创建方程对象对话框的MethodMethod框下拉框中，会看到框下拉框中，会看到估计方法列表：估计方法列表：

9、标准的单方程回归用最小二乘估计（标准的单方程回归用最小二乘估计（LS)LS)。其他还有。其他还有TSLSTSLS（两阶段最小二乘法）、（两阶段最小二乘法）、GMMGMM（广义矩估计法），和（广义矩估计法），和ARCHARCH（自（自回归条件异方差）等方法。回归条件异方差）等方法。9第9页，此课件共67页哦在方程说明对话框中单击在方程说明对话框中单击OKOK后，显示估计结果如下图：后，显示估计结果如下图：具体包括以下指标：具体包括以下指标：10第10页，此课件共67页哦 如果使用列表法说明方程，系数会列在变量栏中相应的自如果使用列表法说明方程，系数会列在变量栏中相应的自变量名下；如果是使用公式法

10、来说明方程，变量名下；如果是使用公式法来说明方程，EViewsEViews会列出实会列出实际系数际系数 c(1),c(2),c(3)c(1),c(2),c(3)等等。等等。对于所考虑的简单线性模型，系数是在其他变量保持不对于所考虑的简单线性模型，系数是在其他变量保持不变的情况下自变量对因变量的边际收益。系数变的情况下自变量对因变量的边际收益。系数 c c 是回归中是回归中的常数或者截距的常数或者截距-它是当其他所有自变量都为零时预测的它是当其他所有自变量都为零时预测的基本水平。其他系数可以理解为假设所有其它变量都不变，相基本水平。其他系数可以理解为假设所有其它变量都不变，相应的自变量和因变量之

11、间的斜率关系。应的自变量和因变量之间的斜率关系。11第11页，此课件共67页哦 例如，利用文件例如，利用文件“3-13-1”数据，建立线性消费函数数据，建立线性消费函数cst=c0+c1inct+ut（cs cs 是城镇居民消费；是城镇居民消费；inc inc 是可支配是可支配收入）。收入）。方程中方程中c0c0代表自发消费，表示收入等于零时的代表自发消费，表示收入等于零时的消费水平；而消费水平；而c1c1代表了边际消费倾向，代表了边际消费倾向，0c110c11，即收，即收入每增加入每增加1 1元，消费将增加元，消费将增加 c1 c1 元。元。从分析结果可以看出边际消费倾向是从分析结果可以看出

12、边际消费倾向是0.5140.514。也即。也即19781978年年-2002-2002年中国城镇居民可支配收入的年中国城镇居民可支配收入的51.4%51.4%用来消用来消费。费。12第12页，此课件共67页哦 标准差项报告了系数估计的标准差。标准差衡量了系标准差项报告了系数估计的标准差。标准差衡量了系数估计的统计可信性数估计的统计可信性-标准差越大，估计中的统计干标准差越大，估计中的统计干扰越大。扰越大。t t统计量是由系数估计值和标准差之间的比率来计算的统计量是由系数估计值和标准差之间的比率来计算的，它是用来检验系数为零的假设的。，它是用来检验系数为零的假设的。13第13页，此课件共67页哦

13、 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 P 值。如果显著水值。如果显著水平为平为5%5%，P P 值小于值小于0.050.05就拒绝系数为零的原假设。对就拒绝系数为零的原假设。对于上例结果，系数于上例结果，系数 inc inc 的零假设在的零假设在1%1%的显著水平下被的显著水平下被拒绝。拒绝。14第14页，此课件共67页哦R R2 2 是衡量因变量方差能被自变量解释程度的指标。如果回是衡量因变量方差能被自变量解释程度的指标。如果回归完全符合，统计值会等于归完全符合，统计值会等于1 1。R R2 2 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

14、量的均值。调整调整R R2 2计算公式为计算公式为 y)()(12yyyyuuRXbyuu kTTRR1112215第15页，此课件共67页哦)/(kTuusTtttbXyuu12)()/log()2log(1(2TuuTlTyyTii116第16页，此课件共67页哦10 112TyysTtiy11 TkTlAIC22其中：其中：l l 是对数似然值是对数似然值 12 TTkTlSClog217第17页，此课件共67页哦 一种模型选择标准一种模型选择标准 ，相对于贝叶斯信息标准（，相对于贝叶斯信息标准（Bayesian Bayesian information criterion=BICinf

15、ormation criterion=BIC）标准的另外一种标准。）标准的另外一种标准。14TtttTttuuuDW12212)(18第18页，此课件共67页哦 Representation：以三种形式显示方程：以三种形式显示方程：EViewsEViews命令形式、命令形式、带系数符号的方程和有系数估计值的方程。带系数符号的方程和有系数估计值的方程。19第19页，此课件共67页哦lEstimation OutputEstimation Output显示方程结果。显示方程结果。lActual,Fitted,Residual TableActual,Fitted,Residual Table以表的

16、形式显示因变量的实以表的形式显示因变量的实际值和拟合值及残差。际值和拟合值及残差。lActual,Fitted,Residual Graph Actual,Fitted,Residual Graph 以图的形式来显示这些值以图的形式来显示这些值。20第20页，此课件共67页哦lARMAARMA StructureStructure用于对用于对ARMAARMA模型的进行结构分析模型的进行结构分析 lGradients and Derivatives.Gradients and Derivatives.描述目标函数的梯度和描述目标函数的梯度和回归函数的导数计算的信息。回归函数的导数计算的信息。lC

17、ovariance MatrixCovariance Matrix以表的形式显示系数估计值的协方以表的形式显示系数估计值的协方差矩阵。差矩阵。lCoefficient Diagnostics,Residual Coefficient Diagnostics,Residual Diagnostics,and Stability and Stability Diagnostics ，在后面的，在后面的“方程的诊断检验方程的诊断检验”中再作说明。中再作说明。21第21页，此课件共67页哦 lSpecify/Estimate.Specify/Estimate.编辑方程说明、改变估计方法、估计样本。编辑

18、方程说明、改变估计方法、估计样本。lForecast.Forecast.用估计方程的预测。用估计方程的预测。lMade Residual Series.Made Residual Series.以序列形式保存回归中的残差。以序列形式保存回归中的残差。lMake Regressor Group Make Regressor Group 创建包含方程中使用的所有变量的未命创建包含方程中使用的所有变量的未命名组（常数除外）。名组（常数除外）。lMade Gradient Group Made Gradient Group 创建包含目标函数关于模型的系数的斜率的组创建包含目标函数关于模型的系数的斜率的

19、组。lMake Derivative Group Make Derivative Group 创建包含回归函数关于其系数的导数的组。创建包含回归函数关于其系数的导数的组。lMake Modle Make Modle 创建一个与被估计方程有关的未命名模型。创建一个与被估计方程有关的未命名模型。lUpdate Coefs from Equation Update Coefs from Equation 把方程系数的估计值放在系数向量中。把方程系数的估计值放在系数向量中。22第22页，此课件共67页哦l非线性回归方程：下面模型都是参数线性模型，非线性回归方程：下面模型都是参数线性模型，但是变量却不一

20、定是线性的：但是变量却不一定是线性的：（1 1）双对数线性模型（不变弹性模型）双对数线性模型（不变弹性模型）（2 2）半对数模型）半对数模型 （3 3）双曲函数模型）双曲函数模型 。l含虚拟变量的方程含虚拟变量的方程23第23页，此课件共67页哦 双对数线性模型估计得到的参数本身就是该变量的弹性。例如双对数线性模型估计得到的参数本身就是该变量的弹性。例如，利用，利用“3-13-1”数据建立我国居民消费的收入弹性方程：数据建立我国居民消费的收入弹性方程：log(cst)=0.18+0.917log(inct)t=(1.01)(45.72)R2=0.989 D.W.=0.447其中其中cst 是城

21、镇居民消费是城镇居民消费，inct 是居民消费可支配收入。是居民消费可支配收入。24第24页，此课件共67页哦 方程中消费的收入弹性为方程中消费的收入弹性为0.917，说明我国城镇居民收，说明我国城镇居民收入每增加入每增加1%，将使得城镇居民消费增加，将使得城镇居民消费增加0.917%。25第25页，此课件共67页哦 线性模型与对数线性模型的混合就是半对数模型线性模型与对数线性模型的混合就是半对数模型或或 对数方程又称增长模型，通常我们用这类估计许多变量对数方程又称增长模型，通常我们用这类估计许多变量的增长率。如果的增长率。如果x取取“时间时间”t，即按时间顺序依次取值为，即按时间顺序依次取值

22、为1，2，T，变量，变量t 的系数的系数 1 度量了度量了ln(y)随时间向前推进产生随时间向前推进产生的变化。如果的变化。如果 1为正，则有随时间向上增长的趋势；如果为正，则有随时间向上增长的趋势；如果 1为负，则有随时间向下的趋势，因此为负，则有随时间向下的趋势，因此t可称为趋势变量，而且可称为趋势变量，而且 是是y的平均增长率。宏观经济模型表达式中常有时间趋势，在研究的平均增长率。宏观经济模型表达式中常有时间趋势，在研究经济长期增长或确定性趋势成分时，常常将产出取对数，然后用经济长期增长或确定性趋势成分时，常常将产出取对数，然后用时间时间t作解释变量建立回归方程。作解释变量建立回归方程。

23、uxey10uxy10)ln(ytytyd/dd)ln(d126第26页，此课件共67页哦 例如，根据文件例如，根据文件“3.4”提供的数据，建立半对数线性方程，估计我国实际提供的数据，建立半对数线性方程，估计我国实际GDP（支出（支出法，样本区间：法，样本区间：19782002年）的长期平均增长率。模型形式为年）的长期平均增长率。模型形式为其中：其中：GDP Pt 表示剔出价格因素的实际表示剔出价格因素的实际GDPt。方程中时间趋势变量的系数估计值是方程中时间趋势变量的系数估计值是0.0815，说明我国实际，说明我国实际GDP（支出法）年平均增长率为（支出法）年平均增长率为8.15%。F值或

24、值或R2表明模型拟合效果很表明模型拟合效果很好，好，D.W.显示模型存在（正的）自相关。显示模型存在（正的）自相关。tttutccPGDP10)_ln(27第27页，此课件共67页哦 形如下式的模型称为双曲函数模型形如下式的模型称为双曲函数模型 这是一个变量之间是非线性的模型，因为这是一个变量之间是非线性的模型，因为X Xt t 是以倒数是以倒数的形式进入模型的，但这个模型却是参数线性模型，因为模的形式进入模型的，但这个模型却是参数线性模型，因为模型中参数之间是线性的。这个模型的显著特征是随着型中参数之间是线性的。这个模型的显著特征是随着X Xt t 的无的无限增大，（限增大，（1/1/X X

25、t t ）接近于零。）接近于零。tttuXbbY)1(2128第28页，此课件共67页哦利用美国利用美国19551984年的数据（见文件年的数据（见文件“3-5”），根据菲利普斯曲线，即通货膨胀率），根据菲利普斯曲线，即通货膨胀率 t 和失和失业率业率 Ut 的反向关系，建立双曲函数：的反向关系，建立双曲函数：)/1(2.008.0ttU 估计结果表明，菲利普斯曲线所描述的估计结果表明，菲利普斯曲线所描述的 t 和和Ut 的反向关系并不存在。之所以出现这样的的反向关系并不存在。之所以出现这样的背离，主要是因为背离，主要是因为20世纪世纪70年代出现石油危机，从而引发了年代出现石油危机，从而引发

26、了“滞胀滞胀”，通货膨胀伴随着高失，通货膨胀伴随着高失业率。如果考虑到通货膨胀预期的影响，则可以在模型中引入代表通货膨胀预期的变量，比业率。如果考虑到通货膨胀预期的影响，则可以在模型中引入代表通货膨胀预期的变量，比如用通货膨胀前期值来代表。如用通货膨胀前期值来代表。29第29页，此课件共67页哦)/1(158.001.10288.01tttU含有通货膨胀预期的菲利普斯曲线估计结果为含有通货膨胀预期的菲利普斯曲线估计结果为 可以看出，加入通货膨胀预期因素后，模型的拟合效果很好，而且这时的模型可以看出，加入通货膨胀预期因素后，模型的拟合效果很好，而且这时的模型体现出了失业率和通货膨胀率之间的显著的

27、反向变动关系。体现出了失业率和通货膨胀率之间的显著的反向变动关系。30第30页，此课件共67页哦 例如，在文件例如，在文件“3-6”中，用截面数据研究男女工资有没有差别，中，用截面数据研究男女工资有没有差别，以了解工作妇女是否受到了歧视。用到的变量有：以了解工作妇女是否受到了歧视。用到的变量有：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 HI

28、SP=0；其他；其他31第31页，此课件共67页哦 对对206名雇员的样本所进行的研究得到的回归结果为（括号内是名雇员的样本所进行的研究得到的回归结果为（括号内是t统计量的值）：统计量的值）：（22.10）（）（-3.86）R2=0.068 D.W.=1.79 反映雇员性别的虚拟变量反映雇员性别的虚拟变量SEX在显著性水平在显著性水平 5%下显著。妇女工资比男性平均低下显著。妇女工资比男性平均低2.72美元。美元。SEXW73.293.1032第32页，此课件共67页哦 在回归模型中加入年龄在回归模型中加入年龄AGE和受教育年数和受教育年数ED以及种族或民族，性别虚拟变量仍然是显著以及种族或民

29、族，性别虚拟变量仍然是显著的：的：（-3.38)(-4.61)(8.54)(4.63)(-1.07)(0.22)R2=0.367 D.W.=1.78 ttttttHISPNONWHAGEEDSEXW24.006.112.099.076.241.633第33页，此课件共67页哦当使用含当使用含有季节因素的经济数据进行回归分析时，可以对数据有季节因素的经济数据进行回归分析时，可以对数据进行季节调整消除原数据带有的季节性影响，也可以进行季节调整消除原数据带有的季节性影响，也可以使用虚拟变量描述季节因素，进而可以同时计算出各使用虚拟变量描述季节因素，进而可以同时计算出各个不同季度对经济变量的不同影响。

30、如果用虚拟变量个不同季度对经济变量的不同影响。如果用虚拟变量，这时包含了，这时包含了4 4个季度的个季度的4 4种分类，需要建立种分类，需要建立3 3个虚拟变个虚拟变量。用量。用Qi表示第表示第i个季度取值为个季度取值为1 1，其他季度取值为，其他季度取值为0 0的季的季节虚拟变量，显然节虚拟变量，显然Q1+Q2+Q3+Q4=1，如果模型如果模型中包含常数项，则只能加入中包含常数项，则只能加入Q1，Q2，Q3，否则模型将否则模型将因为解释变量的线性相关而无法估计，即导致虚拟变因为解释变量的线性相关而无法估计，即导致虚拟变量陷阱问题。当使用月度数据时，方法与上述类似，量陷阱问题。当使用月度数据时

31、，方法与上述类似，但需要有但需要有1111个虚拟变量。个虚拟变量。34第34页，此课件共67页哦40005000600070008000900010000110001200019951996199719981999200020012002800012000160002000024000280003200019951996199719981999200020012002 通过下图中，可以看出通过下图中，可以看出1995年年1季度季度2003年年1季度的季季度的季度度GDP和社会消费品零售额和社会消费品零售额RS存在明显的季节因素，存在明显的季节因素，GDP通常通常逐季增加，也有一些年份中第二季度

32、高于第三季度。逐季增加，也有一些年份中第二季度高于第三季度。RS在第在第一季度增加，第二季度减小，第三季度略有上升，第四季度达到高峰一季度增加，第二季度减小，第三季度略有上升，第四季度达到高峰。35第35页，此课件共67页哦 下面利用季度数据对我国的国民生产总值下面利用季度数据对我国的国民生产总值GDP和社会消费品零售和社会消费品零售额额RS进行回归分析，分别考虑不包含和包含虚拟变量的情形。不包进行回归分析，分别考虑不包含和包含虚拟变量的情形。不包含虚拟变量的回归结果为：含虚拟变量的回归结果为：t=(1.44)(9.11)R2=0.73 D.W.=1.64 使用季度虚拟变量的回归方程结果为：使

33、用季度虚拟变量的回归方程结果为：t=(-6.31)(12.06)(5.36)(4.97)(24.49)R2=0.96 D.W.=1.83 ttGDPSR33.016.1092tttttGDPQQQSR47.01.11204.123719.307486.324332136第36页，此课件共67页哦 可以看出包含虚拟变量的方程明显地改进了拟合能力。可以看出包含虚拟变量的方程明显地改进了拟合能力。4000500060007000800090001000011000120001995199619971998199920002001200240005000600070008000900010000110

34、00120001995199619971998199920002001200237第37页，此课件共67页哦 方程对象菜单的方程对象菜单的ViewView中给出三种检验类型选择来检验中给出三种检验类型选择来检验方程。包括系数检验、残差检验和稳定性检验：方程。包括系数检验、残差检验和稳定性检验：38第38页，此课件共67页哦 系数检验包括对估计系数约束条件检验、遗漏变量和冗系数检验包括对估计系数约束条件检验、遗漏变量和冗余变量的检验。余变量的检验。39第39页，此课件共67页哦 以生产函数为例说明，生产函数数学表达式为以生产函数为例说明，生产函数数学表达式为 ：LAKQ 其中参数其中参数 ,分别

35、是资本和劳动的产出弹性。在最初提出的分别是资本和劳动的产出弹性。在最初提出的C-DC-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。后来提出的研究对象满足规模报酬不变。后来提出的C-DC-D生产函数的改进生产函数的改进型，取消了型，取消了 +=1=1 的假定，允许要素的产出弹性之和大于的假定，允许要素的产出弹性之和大于1 1或小于或小于1 1，即承认研究对象可以是规模报酬递增的，也可以是规模，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。报酬递减的，取决于参数的估计结果。40第40页，此课件

36、共67页哦uKLAQlogloglog 为了检验是否满足规模报酬不变的假设，现利用文件为了检验是否满足规模报酬不变的假设，现利用文件“3.83.8”中的美中的美国主要金属工业企业的数据估计国主要金属工业企业的数据估计Cobb-DouglasCobb-Douglas生产函数：生产函数：命令语句：命令语句：LS log(q)c log(l)log(k)生产函数估计结果如下：生产函数估计结果如下：41第41页，此课件共67页哦为检验为检验 +=1 的规模报酬不变的假设，选择的规模报酬不变的假设，选择View/Coefficient Diagnostics/Wald-Coefficient Restr

37、ictions，在编辑对话框中输入约束条件。约束条，在编辑对话框中输入约束条件。约束条件应表示为含有估计参数和常数（不可以含有序列名件应表示为含有估计参数和常数（不可以含有序列名）的方程，系数应表示为）的方程，系数应表示为c(1)，c(2)等等，除非在估计等等，除非在估计中已使用过一个不同的系数向量。在对话框中输入下列中已使用过一个不同的系数向量。在对话框中输入下列约束：约束：c(2)+c(3)=1单击单击OK，Wald检验如下结果检验如下结果（）：）：42第42页，此课件共67页哦输出输出t统计量、统计量、F统计量和统计量和 2 统计量及相应的统计量及相应的P值。值。2 统计量等于统计量等于

38、F 统计量统计量乘以检验约束条件数。本例仅有一个约束条件，所以这两个检验统计量相乘以检验约束条件数。本例仅有一个约束条件，所以这两个检验统计量相等。等。P值结果表明应该接受规模报酬不变的原假设。值结果表明应该接受规模报酬不变的原假设。43第43页，此课件共67页哦例如，前面的例如，前面的C-D生产函数为非线性形式，估计一个如下形式的生生产函数为非线性形式，估计一个如下形式的生产函数产函数:KLKLKLQloglog2log2loglogloglog62524321命令：ls log(q)c log(l)log(k)log(l)2/2 log(k)2/2 log(l)*log(k)44第44页，

39、此课件共67页哦 非线性模型的估计结果如下：非线性模型的估计结果如下：log(q)c log(l)log(k)log(l)2/2 log(k)2/2 log(l)*log(k)检验约束条件：检验约束条件：065445第45页，此课件共67页哦在方程对话框中选择在方程对话框中选择View/Coefficient Diagnostics/Wald Coefficient Restrictions。在。在Wald检验对话框中输入如下约束检验对话框中输入如下约束条件：条件：c(4)=0,c(5)=0,c(6)=0（检验多个约束条件，应用逗号（检验多个约束条件，应用逗号隔开约束条件）。结果如下：隔开约束

40、条件）。结果如下：检验结果是不能拒绝原假设，表明检验结果是不能拒绝原假设，表明(1)式的式的Cobb-Douglas生生产函数是这一问题较适当的方程定义形式产函数是这一问题较适当的方程定义形式。46第46页，此课件共67页哦 能检验添加的变量对解释因变量变动是否有显著作用能检验添加的变量对解释因变量变动是否有显著作用。检验输出是检验输出是 F F 统计量和似然比（统计量和似然比（LRLR）统计量及各自）统计量及各自P 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 F统计量基于统计量基于约束和无约束回归残差平方和之差。约束和无约束回归残差平方和之差。LR

41、LR统计量由下式计算：统计量由下式计算：urLLLR2 L Lr r和和L Lu u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H H0 0下，下，LRLR统计量服从渐近统计量服从渐近 2 2 分布，自由度等于约束条件数，即加入分布，自由度等于约束条件数，即加入变量数。变量数。47第47页，此课件共67页哦 注意：注意：(1)(1)遗漏变量检验要求在原始方程中和检验方程中观测值数相等。如果遗漏变量检验要求在原始方程中和检验方程中观测值数相等。如果要加入变量的任一序列与原方程样本相比，含有缺失观测值（当加入滞后变要加入变量的任一序列与原方程样本相比

42、，含有缺失观测值（当加入滞后变量时这种情况常见），检验统计量将无法建立。量时这种情况常见），检验统计量将无法建立。(2)(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LSLS、TSLSTSLS、ARCHARCH、BinaryBinary、OrderedOrdered、CensoredCensored、CountCount模型估计方程。检验只有通过列表法列出回归因子，模型估计方程。检验只有通过列表法列出回归因子，而不能通过公式定义方程。而不能通过公式定义方程。选择选择View/Coefficient Tests/Omitted View/Coefficient Tests/Omitted

43、 VariablesVariablesLikelihood RationLikelihood Ration，在打开的对话框中，列出检验统计量名，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。，用至少一个空格相互隔开。48第48页，此课件共67页哦 例如，原始回归为例如，原始回归为“log(q)c log(L)log(k)”，在变量框输入，在变量框输入“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，而且将显示含有这两个附加解释变量的无约束回归结果，而且显示显示 的检验统计量。输出的结果如下：的检验统计量。输出的结果如下：对数似数比统计量就是对数似数比统计量就是

44、LR检验统计量，且渐进服从于检验统计量，且渐进服从于 2 分布，分布，自由度等于添加回归因子数。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。49第49页，此课件共67页哦 冗余变量检验可以检验方程中一部分变量的统计显著性，从冗余变量检验可以检验方程中一部分变量的统计显著性，从而确定方程中一部分变量系数是否为而确定方程中一部分变量系数是否为0 0，从而可以从方程中剔出，从而可以从方程中剔出去。去。冗余变量检验可以应用于线性冗余变量检验可以应用于线性LSLS、TSLSTSLS、ARCHARCH（仅均值方（仅均值方程）

45、、程）、BinaryBinary、OrderedOrdered、CensoredCensored、CountCount估计，检验只有估计，检验只有用列表法列出回归因子形式，而不是公式定义方程情况下用列表法列出回归因子形式，而不是公式定义方程情况下才可以进行。才可以进行。选 择选 择V i e w/C o e f f i c i e n t V i e w/C o e f f i c i e n t Tests/Redundant VariableTests/Redundant Variablelikelihood Ratiolikelihood Ratio，在对话框，在对话框中，输入检验的变量

46、名，相互间至少用一空格隔开。中，输入检验的变量名，相互间至少用一空格隔开。50第50页，此课件共67页哦例如：原始回归为例如：原始回归为 ls log(Q)c log(L)log(K)K L 如果输入增加的变量如果输入增加的变量K和和L，EViews显示去掉这两个回归因显示去掉这两个回归因子的约束回归结果，以及检验子的约束回归结果，以及检验 的统的统计量。结果如下：计量。结果如下：检验统计量是检验统计量是F统计量和对数似然比。如果误差是独立正态分统计量和对数似然比。如果误差是独立正态分布随机变量，布随机变量，F统计量有确定有限样本统计量有确定有限样本F分布，分子自由度为原假设下分布，分子自由度

47、为原假设下系数约束条件数，分母自由度为总回归自由度。系数约束条件数，分母自由度为总回归自由度。LR检验是渐近检验，检验是渐近检验，服从服从 2 分布。分布。51第51页，此课件共67页哦 EViewsEViews提供了对估计方程残差的序列相关、正态性、异方差性提供了对估计方程残差的序列相关、正态性、异方差性和自回归条件异方差性检验。和自回归条件异方差性检验。52第52页，此课件共67页哦显示残差直方图和残差的描述统计量，显示残差直方图和残差的描述统计量，包括检验残差正态性的包括检验残差正态性的Jarque-BeraJarque-Bera统计量。如果残差服从正态分布，直统计量。如果残差服从正态分

48、布，直方图应呈钟型，方图应呈钟型，J-BJ-B统计量应不显著。选择统计量应不显著。选择View/Residual View/Residual Tests/Histogram NormalityTests/Histogram Normality显示直方图和显示直方图和J-BJ-B统计量。在统计量。在下，下，J-BJ-B统计量应服从统计量应服从 2 2 分布，自由度为分布，自由度为2 2。53第53页，此课件共67页哦 EViews EViews提供了一些检验统计量选项，检查模型参数在不同的提供了一些检验统计量选项，检查模型参数在不同的样本子区间是否平稳。样本子区间是否平稳。54第54页，此课件共

49、67页哦 ChowChow分割点检验是把数据分为两个或多个子样本区分割点检验是把数据分为两个或多个子样本区间，对每一个子样本区间估计方程，看估计方程是否存间，对每一个子样本区间估计方程，看估计方程是否存在显著差异，例如检查石油危机前后的能源需求函数是在显著差异，例如检查石油危机前后的能源需求函数是否一样。若存在显著差异，说明存在结构变化。否一样。若存在显著差异，说明存在结构变化。ChowChow分割点检验是通过，将整个样本回归方程的残差平方分割点检验是通过，将整个样本回归方程的残差平方和与子区间样本回归方程的残差平方和进行差异对比来检验是和与子区间样本回归方程的残差平方和进行差异对比来检验是否

50、存在结构变化。否存在结构变化。检验统计量检验统计量F F统计量和对数似然比（统计量和对数似然比（LRLR）统计量）统计量，F F统计量基于对约束和非约束残差平方和的比较。在最简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），计算如下：单情况下（一个分割点），计算如下：55第55页，此课件共67页哦其中其中:是整个样本期间估计的残差平方和；是整个样本期间估计的残差平方和；是第是第 i i 个子区间的残差平方和；个子区间的残差平方和；T T 是观测值数；是观测值数；k k 是方程参数是方程参数个数，这一公式可以扩展为多于一个分割点。个数，这一公式可以扩展为多于一个分割点。)