Eviews软件操作

Eviews软件操作 Eviews软件操作 主要内容： 一、Eviews软件简介 二、Eviews软件基本操作 三、一个案例（应用Eviews软件解决回归问 题 快递公司问题件快递公司问题件货款处理关于圆的周长面积重点题型关于解方程组的题及答案关于南海问题 ） Eviews软件简介 1、“Eviews”是什么意思 “Eviews”是Econometrics Views的缩写，它的本意是对社会经济关系与经济活动的数量规律，采用计量经济学方法与技术进行“观察”。 2、Eviews软件的功能及应用领域 Eviews软件拥有数据处理、作图、统计分析、建模分析（其中包括线性、非线性单一方程模型，联立方程模型，时间序列模型，动态回归模型，分布滞后模型，向量自回归模型，误差修正模型、离散选择模型以及多种估计方法）、预测和模拟等六大类功能。 Eviews软件的应用领域很广泛。比如：科学数据分析与评价、金融分析、宏观经济预测、销售预测和成本分析等。 3、Eviews与TSP的比较 Eviews软件的前身是TSP（时间序列回归软件）。TSP软件基于DOS操作系统，Eviews软件则是在Windows环境下运行，更多的使用菜单和窗口方式，界面友好。 4、Eviews的版本和参考 书 关于书的成语关于读书的排比句社区图书漂流公约怎么写关于读书的小报汉书pdf 目 Eviews是由美国QMS公司于1981年发行的。 Eviews2.0版 Eviews3.0版 Eviews3.1版1998年发布。目前人们普遍使用的是Eviews3.1版 Eviews4.0版2001年发布。Eviews4.0在功能上并无实质变化，只是增加了新的估计项、新定义了几个函数及其他新的特征。 Eviews5.0版最新版 《数据分析与Eviews应用》易丹辉主编 中国统计出版社 《计量经济学软件Eviews使用指南》张晓峒主编 南开大学出版社 说明：我们讲课参考的教材都是针对Eviews3.1版的操作 但是使用的软件是Eviews5.0版（大约38.1M） 由于Eviews3.1版下载出现问题，缺少“BWCC32.dll”文件，所以无法使用。 5、Eviews软件的工作方式 Eviews有四种工作方式：（1）鼠标图形导向方式； （2）简单命令方式； （3）命令参数方式[(1)与（2）相结合]] ； （4）程序（采用EViews命令编制程序）运行方式。 （我们这里介绍的都是第一种工作方式） 6、Eviews软件工作特点 初学者需牢记以下两点： (1)Eviews软件对于“对象(objects)”的具体操作是在“工作文件（Workfile）”中进行，也就是说，如果想用Eviews进行具体的操作，必须先新建一个或打开一个已经存在在硬盘（或软盘）上的Workfile, 在此Workfile中进行输入数据、建造模型等操作； (2)处理的数据及运行结果都称之为“对象（objects）”，如序列(series) 、方程（equations）、模型(models)、系数(coefficients)等。objects可以不同形式浏览(view)，比如表格(spreadsheet)、图(graph)、描述统计(descriptive statistics)等，但这些浏览(views)不是独立的objects，他们随原变量序列(views)的改变而改变。如果想将某个浏览views 转换成一个独立的objects，可使用freeze按钮将该views“冻结”，从而形成一个独立的objects，然后可对其进行编辑或存储。 Eviews软件基本操作 一、工作文件及建立 （一）Eviews软件的安装 1.解压缩； 2.安装，序列号为：demo； 3.将Crack文件夹中的两个文件拷贝覆盖到EViews5的安装目录下，运行Eviews5.reg； 4.运行EViews5； （二）主窗口简介 软件安装后，双击桌面图标启动Eviews软件，进入主窗口。如下图所示： 1、标题栏：窗口的顶部是标题栏。 2、菜单栏：标题栏下是菜单栏。 菜单栏上共有9个选项： File，Edit，Objects，View，Procs，Quick，Options，Window，Help。用鼠标点击可打开下拉式菜单，显示该部分的具体功能。 File包含一些文件的常用操作命令。如：建立（New）、打开（open）、保存（Save／Save As）、关闭（Close）、读入（Import）、读出（Export）、打印（Print）、运行程序（Run）、退出 Eviews（Exit）。 Edit一般情况下只有复制功能，即拷贝（Copy）和粘贴（Paste）功能。在某些特殊的窗口，该菜单项还包括剪切（Cut）、删除（Delete）、查找（Find）、替换（Replace）等操作。 objects提供有关对象的基本操作。包括建立新对象（New Objects）、从数据库获取使新对象（Fetch／Update From DB）、将工作文件中的对象存储到数据库（Store to DB）、复制对象（Copy Selected）、重命名（Rename）、删除（Delete）。 View其功能随窗口的不同而变化，主要涉及变量的各种查看方式。 Procs它的功能也是随窗口的不同而变化，其主要功能为变量的预算过程。 Quick提供快速统计分析过程。 Options系统参数设定选项。 Window在使用Eviews的过程中将会有多个子窗口。该菜单提供子窗口的切换和关闭功能。 Help帮助功能。提供索引方式和目录方式的帮助功能。 （这里不作一一说明，在后面的讲解中会涉及到其中一些常用的功能，掌握这些足够，有兴趣的同学可以自学。） 3、命令窗口：菜单栏下是命令窗口。 窗口最左端的竖线是提示符，允许用户在提示符后通过键盘输入EViews（TSP风格）命令。如果熟悉TSP（DOS）版的命令可以直接在此键入，如同DOS版一样地使用EViews。按F1键（或移动箭头），键入的历史命令将重新显示出来，供用户选用。 4、主显示窗口：命令窗口之下是Eviews的主显示窗口。 以后操作产生的窗口（称为子窗口）均在此范围之内，不能移出主窗口之外。 5、状态栏：主窗口之下是状态栏。 左端显示信息，中部显示当前路径，右下端显示当前状态，例如有无工作文件等。 （三）工作文件的创建 Eviews要求数据的分析处理过程要在特定的工作文档（Workfile）中进行，并且该文档需要在具体数据的录入之前建立。工作文档的作用在于存储分析数据和分析结果。 创建方法：点击File→New→Workfile（见图2）。屏幕上出现一个工作文件定义对话框，要求用户指定序列观测数据的频率和样本大小（见图3）。 图2 建立工作文档操作 图3 工作文档定义对话框 在图3的对话框中，工作频率项（Workfile frequency）可根据具体情况选择年度（Annual）、季度（Quarterly）、月度（Monthly）等样式，并在下面的空格输入数据的起止时间。其中： Annual用四位数表示年份，如1950、2000。 Start date后输入开始年份，End date后输入终止年份。 Quarterly输入格式如1960：l，年份后面跟1、2、3、4四个数字，代表四个季度。 Monthly输入格式如1970：03，年份后面是月份。 Weekly和Daily选项，格式为“月：日：年”，如 10：31：1980。 Undated or irregular表示其他数据类型，如无时间限定的数据。起止项分别输入1和100，表示一个有100个数的序列。 输入完毕后，点击OK，工作文档创建完毕，工作文件窗口同时打开（见图4）。 （四）工作文件窗口简介 图4 工作文件窗口 工作文件窗口是各种类型数据的集中显示区域，拥有很多功能。 窗口最上方显示工作文件名称（上图中显示的是未命名）。 下面一行是常用工具栏，提供各种运算功能。 工具栏下方的长条空白框显示的是有关当前数据的基本情况，如数据区间（Range）、样本期（Sample）等。 通常，新建立的工作文件窗口内只有两个对象：系数常量（C）和残差（resid），它们的取值分别为0和空值（NA）。对于工作文件窗口中的对象，可以双击打开需要查看的对象以查看其数值。 （五）工作文件的存储与调用 保存新建工作文件的方法有两种：一种是点击主窗口菜单，File / Save或Save As；另一种是直接点去工作文件窗口工具栏中的Save按钮。注意：给工作文件命名时，不能超过八个字符，且没有空格、逗号、句号。 打开以前保存的工作文档，要点击主窗口菜单，File→Open→Workfile，并选择路径和文件名。 （六）工作文件时间范围的调整 在软件的应用过程中，经常需要追加数据或对变量进行预测，而新增加的数据或预测的结果将会超过原先设定的起止日期，此时需对工作文件的时间范围进行调整。 在工作文件窗口的工具栏中，选择Procs / Change Workfile Range，然后在弹出的对话框中输入新的观测起止时间即可。注意，如果新输入的起止时间未包含以前的设置，Eviews将会要求用户确认，因为未包括部分的数据会丢失。 二、序列对象的基本操作 Eviews3.l中共有17种功能不同的对象。对象是构成工作文件的基本元素，也是实现所有分析过程的载体。对象的名称包括系数向量（Coefficient Vector）、序列（Series）、方程（Equation）等。最常用的为序列和方程对象。 （－）序列的建立和打开 工作文件建立之后，应创建待分析的数据序列。 创建方法：点击工作文件窗口的工具栏，Object / New Object，屏幕出现对象定义对话框（见图5）。 图5 对象定义对话框 用户可以在对话框左侧列表中选择新建对象的类型，如序列（Series）。在对话框右上方的空格处，用户可以为新对象命名，缺省为Untitled。当定义了正确的对象类型和输入对象名称之后，点击OK确认。 注意，在给对象进行命名时，不能使用保留字符： ABS ACOS AR ASIN C CON CNORM COEF COS D DLOG DNORM ELSE ENDIF EXP LOG LOGIT LPT1 LPT2 MA NA NRND PDL REISD RND SAR SIN SMA SQR THEN 同时，在Eviews中不区分对象名称的大小写，如：P和p被视为同一序列。 打开已有对象的方法很多。 直接双击选定的对象打开； 在工作文件窗口点击View→Open Selected→One Window打开； 在工作文件窗口中点击Show或在主窗口中点击Quick→Show后，输人需要打开的对象的名称打开。 （二）序列对象窗口简介 对象窗口用户显示对象包含的内容，既可以是数据，也可以是有关计算结果。假设建立了一个名称为X的序列，打开该序列后的序列对象窗口如图6所示。 图6 序列对象窗口 序列对象窗口是一个类似Excel电子表格形式的窗口。窗口的上方是一排工具栏按钮，它们通常根据对象的不同而变化。这里不展开介绍，有兴趣的同学可以参考介绍Eviews的有关书籍。 （三）序列数据的录入、调用和编辑 在Eviews软件中，用户可以选择多种输入数据的方法。 1．手工输入。打开一个序列对象窗口（见图6）。在工具栏上点击Edit＋／一进入编辑状态，此时用户可以在相应位置输入或修改序列观测值。 2．调入已有数据文件。 Eviews 3.l支持三种格式的数据文件：文本格式（ASCII）、Lotus和Excell作表。调入已有数据时，用户点击Procs→Import→Read Text-Lotus-Excel，然后找到并打开目标文件。 （四）序列的复制与排序 1．序列复制。复制一个序列有两种情况。当需要复制的序列没有在工作文件中打开或者该对象窗口没有被激活时，可以在主菜单中进行复制，方法是Objects→Copy Selected，系统将弹出如图 7的对话框。用户在源（Source）行中输入需要复制的序列的名称，在目标（Destination）行中输入新序列的名称，然后点击OK，新产生的序列的取值和结构将与源序列相同。 图7 序列复制对话框 当复制源序列窗口打开井被激活时，如图6所示，直接点击对象窗口工具栏中的Objects→Copy Objects，系统立即生成一个与源序列数据和结构相同的新序列，并缺省命名为Untitled。 2．序列排序。当需要对序列数据进行排序时，可以在工作文件窗口（见图4）中点击 Procs→Sort Series，系统弹出序列排序定义对话框（见图8）。 图8 序列排序定义对话框 用户需要在Sort Key（s）（one or more series）下面指定排序关键字，即以哪个或哪几个序列为基础进行排序。对于以多个序列为排序关键字的情况，各个序列之间以空格相间隔。需要注意的是，如果工作文档已经按日期排列，那么，排序操作通常会破坏观测值与日期的对应关系。 三、序列分析常用操作 （－）样本 样本通常是工作文件观测值的一个子集，是应用Eviews进行序列分析的一个重要概念。不同于其他的许多统计软件，Eviews允许用户根据需要确定样本所包含的数据范围，而不是简单地将序列中的所有值作为分析的基础。 在建立工作文件时，系统默认的样本期为整个观测期，即用户给定的起止日期。当需要对某个时间段或符合某种条件的观测值操作时，就需要更改样本期。 点击主菜单的 Procs→Sample，或者直接点击工作文件窗口工具栏的 Sample按钮，屏幕出现样本期定义对话框（见图9）。对话框上面一个空白区域，用户输入成对的日期（Sample range pairs），每对数值表示样本期中一个子集的起止点。如输入 1970 1985 1990 2000，表示选择 1970－1985年以及 1990－2000年的观测值构成样本。 图9 样本期定义对话框 样本期定义对话框下半部分是附加条件（IF condition）数据区域。Eviews取用户数据的样本区间和附加条件的交集作为最终点样本期。例如样本区间为1980 2000，附加条件为X＞2000，表示选取1980－2000年，满足X的值大于2000的观测值。 （二）生成新序列 在数据分析中，利用已知序列生成新序列是经常碰到的操作。新序列一般是工作文件中已有序列的函数，可由已有序列参与特定运算产生。 在主窗口菜单点击 Quick→Generate Series或点击工作文件窗口工具栏中的Procs→Generate Series，系统弹出建立新序列对话框（见图 10）。在这个对话框中，用户需要输入赋值语句（Enter equation），并确定新序列的样本期（Sample）。 赋值语句的左侧可以是目标函数，也可以是目标函数的某些函数。举例来说，通过已有序列z、y生成新序列z，下面两种表达是等价的。 z =2.5＋log（X）－2*y z＋2*y－2.5=log（x） 需要注意的是，在上述赋值语句中，新序列的名称，如z，只能在等式的左边出现一次。 在样本期（Sample）框中，用户可以直接输入样本期，也可以通过条件语句确定样本期。不论是哪种情况，z在样本期内的数值由赋值语句确定，z在样本期之外的数值自动被赋为NA。 图10 建立新序列对话框 （三）绘制图形 在对序列进行分析时，图形是我们认识规律最简便的工具。在Eviews中，点击主窗口菜单Quick /Graph，将目标对象（如序列）名称或者关于特定对象的表达式输入对话框，然后点击OK进入图形定义对话框（见图11）。 图11 图形定义对话框 图形定义对话框由三个部分组成。用户可以在图形类型（Graph Type）下拉菜单中，根据需要选择希望绘制的图形种类。EViews提供的图形类型包括折线图（Line Graph）、堆栈折线图（Stacked Lines）、条形图（Bar Graph）等等，其中有些图形类型需要事先制定两个或两个以上的序列。对话框右侧可选择图像尺度（Graph Scale）。如果希望对所要给制图形作更为细致的定义，则点去对话框下方的可选项（Show Options）。 四、描述统计分析 除了绘制图形，要了解序列的规律通常需要对序列进行一些描述统计的分析。这些分析包括：描述统计、描述统计检验、绘制统计图形。 （－）描述统计 首先将要分析的序列打开，进入序列对象窗口。序列对象窗口中的View→Descriptive Statistics菜单项，包含两个子项：柱形图和统计量（Histogram and Stats）以及分组统计量（Stats by Classification）。 点击View→Descriptive Statistics→Histogram and Stats，系统将会给出当前序列的柱形图，以及有关描述统计量：均值（Mean）、中位数（Median）、最大值（Maximum）、最小值（Minimum）、标准差（Std．Dev．）、偏度（Skewness）、峰度（Kurtosis）等。 序列的分组描述统计分析是将样本期分为若干子集后，对各组观测值分别进行描述统计。选择View→Descriptive Statistics→Stats by Classification，屏幕出现分组描述统计定义对话框（见图12）。 图12 分组描述统计定义对话框 对话框左边统计量（Statistics）下面有10个选项，用户选择一个或多个输出统计量的种类。在分组序列（Series/Group for Classify）下面输入分组变量的名称，此处分组变量的数目可以不止一个。 （二）描述统计检验 在下拉菜单View→Tests for Descriptive Stats中，包含两个子项：简单假设检验（Simple Hypothesis Test）和分组齐性检验（Equality tests By Classification）。 要对序列进行简单假设检验，点击View→Tests for Descriptive Stats→Simple Hypothesis Tests。简单假设检验包括序列的均值、方差、中位数检验。检验的零假设为： H0：μ＝μ0 H0：σ2＝σ20 H0：m＝m0 用户在图13的对话框中，输入检验值μ0（Mean），σ20（Variance），m0（Median）。 图13 简单假设检验定义对话框 分组齐性检验包括均值检验、方差检验和中位数检验。与分组描述统计过程类似，用户要在图14给出的对话框中指定分组变量、检验类型和相关参数。 图14 分组齐性检验定义对话框 （三）分布图 在View→Distribution Graphs菜单下包含三个子项。选择第一个子项CDF-Survivor-Quantile，屏幕出现如图15所示的分布图对话框，用户在分布图对话框中选择要绘制的图形类型。可选择的类型包括累计分布函数图（Cumulative Distribution）、序列经验生存函数图（Survivor）和经验分位数图（Quantile）。如果用户选择所有图形（All），系统将会绘制出上述三种统计图形。 图15 分布图对话框 选择第二个子项Quantile-Quantile，绘制分位数－分位数图，这是一种比较两个分布简单而有效的方法。选择第三个子项 Kernel Density，系统将绘制序列的核密度估计图。核密度估计图是一种非参数统计图形，有兴趣的读者可以参阅有关非参数统计的书籍。 一个案例（应用Eviews软件解决回归问题） 下面我们通过研究我国城镇居民消费与可支配收入的关系来学习Eviews的应用。数据如下： 1998年我国城镇居民人均可支配收入与人均消费性支出 单位：元 地 区 可支配收 入(inc) 消 费 性支 出(consume) 北 京 8471.98 7253.05 天 津 7110.54 5471.01 河 北 5084.64 3834.43 山 西 4098.73 3267.70 内蒙古 4353.02 3105.74 辽 宁 4617.24 3890.74 吉 林 4206.64 3449.74 黑龙江 4268.50 3303.15 上 海 8773.10 6866.41 江 苏 6017.85 4889.43 浙 江 7836.76 6217.93 安 徽 4770.47 3777.41 福 建 6485.63 5181.45 江 西 4251.42 3266.81 山 东 5380.08 4143.96 河 南 4219.42 3415.65 湖 北 4826.36 4074.38 湖 南 5434.26 4370.95 广 东 8839.68 7054.09 广 西 5412.24 4381.09 海 南 4852.87 3832.44 重 庆 5466.57 4977.26 四 川 5127.08 4382.59 贵 州 4565.39 3799.38 云 南 6042.78 5032.67 陕 西 4220.24 3538.52 甘 肃 4009.61 3099.36 青 海 4240.13 3580.47 宁 夏 4112.41 3379.82 新 疆 5000.79 3714.10 表一（数据来源：中国统计年鉴-1999） 下面的图片说明了具体操作过程。 1、打开新建对象类型对话框，选择工作文件Workfile，见图二。 2、打开工作文件时间频率和样本区间对话框，输入频率和样本区间，见图三。 3、点击OK确认，得新建工作文件窗口，见图四。 4、输入和编辑数据 方法是：在eviews的主窗口点击Quick /Empty Group（见图五）。从而打开一个空白表格数据窗口（见图六）。 （图五） （图六） 输入数据后，在数据上方的灰色空格内给变量命名，分别为inc consume（见图七）。 （图七） 5、画散点图 方法是：在eviews主窗口中点击Quick/ Graph /Scatter，在弹出的对话框中输入画图所用的变量，先输入横轴变量，再输入纵轴变量，即输入“inc consume”（见图八），得到的结果（见图九）。 （图八） （图八） （图九） 在经济理论指导下，利用软件包的“观察（View）”功能对数据进行“火力侦察”，观察消费性支出与可支配收入的 散点图(见图九)。依据凯恩斯理论，设定理论模型： consume= c+ b (inc) 6、作普通最小二乘法估计：在主菜单选Quick \Estimate Equations，在弹出的对话框中输入consume c inc（见图十）。输出结果见图十一。 （图十） （图十一） 这只是输出结果的一种表达方式，通过窗口的功能键还可以得到其他表达方式。 点击Reside键可以得到拟合与残差图。见图十二。 （图十二） 点击Views/Actual，Fitted，Residual/ Actual，Fitted，ResidualTable，就会得到可以用来进行残差分析的图。（见图十三） （图十三） 点击Views /Representation，可以得到输出结果的代数表达式（见图十四）。 （图十四） CONSUME = -17.87416495 + 0.8087035288*INC 8、单方程预测 预测是我们建立经济计量模型的目的之一, 其操作如下：进入方程估计输出窗口（可以选定一个已有的方程建打开或估计一个新方程）如图九，点击 Forcast可以得到预测图形（见图十五）。 （图十五） 　　注意：在进行外推预测之前应给解释变量赋值。例如我们根据1980~1998年数据得到中国人均生活费支出与人均可支配收入关系的回归方程，希望预测1999、2000、2001年的人均生活费支出。为此，我们首先需要给出1999、2000、2001年人均收入可支配的数据，如果1999、2000、2001我们从历史数据中得不到1999、2000、2001年人均收入可支配的数据，就应利用其他方法估计出这些数据，把1999、2000、2001年人均收入可支配的数据（可能是估计值）输入解释变量中就可以预测出这三年的人均生活费支出。 9、异方差检验 古典线性回归模型的一个重要假设是总体回归方程的随机扰动项ui同方差，即他们具有相同的方差 2。如果随机扰动项的方差随观察值不同而异，即ui的方差为 i2， 就是异方差。检验异方差的步骤是先在同方差假定下估计回归方程，然后再对得到的的回归方程的残差进行假设检验，判断是否存在异方差。Eviews提供了怀特(White)的一般异方差检验功能。 零假设：原回归方程的误差同方差。 备择假设：原回归方程的误差异方差 我们仍利用表一数据进行分析。 　　操作步骤：在工作文件主显示窗口选定需要分析的回归方程 \ 打开估计方程及其统计检验结果输出窗口(见图九) \点击工具栏中的View \选Residual Tests \ White Heteroskedasticity (no cross terms)　或White Heteroskedasticity (cross terms)（图十一），可得到辅助回归方程和怀特检验统计量－即F统计量、 统计量的值及其对应的p值。由图十二中的显示结果可以看出：在１％显著水平下我们拒绝零假设，接受回归方程（１）的误差项存在异方差的备择假设。值得重申的是：虽然图九中的信息告诉我们回归方程（１）拟和优良，但我们还应该对其进行经济计量学检验，以确定其是否满足古典假设。 　　一般地，只要图十二中给出的p 值小于给定的显著水平，我们就可以在该显著水平下拒绝零假设。 注意：White Heteroskedasticity (no cross terms)　与White Heteroskedasticity (cross terms)选项的区别在于：在no cross terms选项下得到的辅助回归方程中不包含原回归方程左手变量的交叉乘积项作为解释变量；而cross terms选项下得到的辅助回归方程中包含原回归方程左手变量的交叉乘积项作为解释变量。在我们使用的一元回归例子中，这两个选项的作用没有区别。当我们分析多元回归模型的异方差问题时，因为所选辅助回归方程的解释变量不同，这两个选项的作用就不同了。 10、White 异方差校正功能和加权最小二乘法 1．White 异方差校正功能：我们使用表二的数据，在主菜单选Quick \Estimate Equations，进入输入估计方程对话框, 输入待估计方程　(cum in )，选择估计方法—普通最小二乘法，点击Options 按钮进入方程估计选择对话框，选择Heteroskedasticity Consistent Covariance \ White \ OK应用（见图十三）1，回到估计方程对话框，点击OK得到校正后的回归方程（见图十四）。同学们可以比较图十四中的方程与普通最小二乘法得到的方程。 表二 中国1998年各地区城镇居民平均每人全年家庭可支配收入及交通和通讯支出 单位：人民币 元 项目 变量名 地 区 可 支 配 收入 交通和通讯支出 项目 变量名 地 区 可 支 配 收入 交通和通讯支出 in cum in cum 甘 肃 4009.61 159.60 新 疆 5000.79 212.30 山 西 4098.73 137.11 河 北 5084.64 270.09 宁 夏 4112.41 231.51 四 川 5127.08 212.46 吉 林 4206.64 172.65 山 东 5380.08 255.53 河 南 4219.42 193.65 广 西 5412.24 252.37 陕 西 4220.24 191.76 湖 南 5434.26 255.79 青 海 4240.13 197.04 重 庆 5466.57 337.83 江 西 4251.42 176.39 江 苏 6017.85 255.65 黑龙江 4268.50 185.78 云 南 6042.78 266.48 内蒙古 4353.02 206.91 福 建 6485.63 346.75 贵 州 4565.39 227.21 天 津 7110.54 258.56 辽 宁 4617.24 201.87 浙 江 7836.76 388.79 安 徽 4770.47 237.16 北 京 8471.98 369.54 湖 北 4826.36 214.37 上 海 8773.10 384.49 海 南 4852.87 265.98 广 东 8839.68 640.56 （数据来源：中国统计年鉴1998光盘，文件 j11c，j12c） 　　２、加权最小二乘法：我们使用表二的数据，在主菜单选Quick \Estimate Equations，进入输入估计方程对话框, 输入待估计方程　(cum in )，选择估计方法—普通最小二乘法，点击Options 按钮进入方程估计选择对话框，选择Weighted LS/TSLS \ 在对话框内输入用作加权的序列名称in的平方根得倒数 \ OK应用（见图十五），回到估计方程对话框，点击OK得到加权最小二乘法回归方程（见图十六并与图十四中的方程比较）。 　　Eviews中进行加权最小二乘估计的过程为：选定一个与残差标准差的倒数成比例的序列作为权数，然后将权数序列除以该序列的均值进行标准化处理，将经过标准化处理的序列作为权数进行加权作最小二乘估计，这种做法不影响回归结果。但应该注意，Eviews的这种标准化处理过程对频率数据不适用。 11、一阶（高阶）序列相关校正 当线性回归模型中的随机扰动项是序列相关时，OLS估计量尽管是无偏的，但却不是有效的。当随机扰动项有一阶序列相关时，使用AR(1)可以获得有效估计量。其原理如下： 表三中的数据，设进口需求函数随机方程为 IMt= B0＋ B1 GNPt＋ ut (2) IM为每年进口额， GNP每年收入的替代变量。假设误差项存在一阶自相关，则ut可以写成： 表三 我国进口支出与国内生产总值和消费者价格指数 国民生产总值(人民币亿元，当年价) 进口总额(人民币亿元，当年价) 消费价格指数（1985年=100） 年度 GNP IM CPI 1985 8989.1 1257.8 100.0 1986 10201.4 1498.3 106.5 1987 11954.5 1614.2 114.3 1988 14922.3 2055.1 135.8 1989 16917.8 2199.9 160.2 1990 18598.4 2574.3 165.2 1991 21662.5 3398.7 170.8 1992 26651.9 4443.3 181.7 1993 34560.5 5986.2 208.4 1994 46670.0 9960.1 258.6 1995 57494.9 11048.1 302.9 1996 66850.5 11557.4 328.0 1997 73142.7 11806.5 337.2 1998 78017.8 11622.4 334.5 （数据来源：：中国统计年鉴1999光盘c01、 q03和i01，） ut = ut-1＋t -11 (3) 其中～N(0,2), Cov(i,t) = 0, ij。记作ui服从AR(1)。 假定已知，我们将方程(3)中的变量滞后一期，写为： IMt-1= B0＋ B1 GNPt-1＋ ut-1 (4) 方程(4)两边同时乘以得到: IMt-1=B0＋B1GNPt-1＋ut-1 (5) 将方程 (2)与方程 (4)相减并利用方程(3)，得到： IMt - IMt-1=B0(1－)＋B1(GNPt－GNPt-1)＋t (6) Eviews利用Marquardt非线性最小二乘法，同时估计（6）式中的B0、B1和ρ。用AR(1)项进行估计时，必须保证估计过程使用滞后观测值存在。例如，左右端变量的起始观测时间为1985年，则回归时的样本区间最早能从1986年开始。若用户忽略了这一点，会暂时调整样本区间，这一点可以从估计方程的结果显示中看到。操作如下：在主菜单选Quick \Estimate Equations，进入输入估计方程对话框, 输入待估计方程 IM C GNP AR(1)，选择估计方法—普通最小二乘法，如图十七所示估计方程对话框图中竖线为光标。估计结果如图十八所示。。 图十八中AR(1)的系数就是的估计值。Inverted AR Roots是残差自相关模型(3)的滞后算子多项式的根，这个根有时是虚数，但静态自回归模型的滞后算子多项式的根的模应该小于1。 如果模型（2）的误差项存在高阶自相关，形如 ut = 1 ut-1＋2 ut-2＋3 ut-3＋t -1i1 i=1,2,3 (7) 我们应在图十七的估计方程对话框中输入IM C GNP AR(1) AR(2) AR(3)。如果模型（2）的误差项存在形如下式的自相关 ut = 1 ut-1+ 3 ut-3＋t -1i1 i=1 ,3 (8) 我们应在图十七的估计方程对话框中输入IM C GNP AR(1) AR(3)。如果模型（2）的误差项存在形如下式的自相关 ut = 4 ut-4＋t -141 (9) 我们应在图十七的估计方程对话框中输入IM C GNP AR(4)。这样就可以校正误差序列高阶自相关。 1