eviews应用

上　机　指　导 第一部分 Eviews简介 Eviews是Econometrics Views的缩写，直译为计量经济学观察，通常称为计量经济学软件包。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 快递客服问题件处理详细方法山木方法pdf计算方法pdf华与华方法下载八字理论方法下载 与技术进行“观察”。计量经济学研究的核心是设计模型、收集资料、估计模型、检验模型、应用模型（结构 分析 定性数据统计分析pdf销售业绩分析模板建筑结构震害分析销售进度分析表京东商城竞争战略分析 、经济预测、政策评价）。Eviews是完成上述任务比较得力的必不可少的工具。正是由于Eviews等计量经济学软件包的出现，使计量经济学取得了长足的进步，发展成为一门较为实用与严谨的经济学科。 1、Eviews是什么 Eviews是美国QMS公司研制的在Windows下专门从事数据分析、回归分析和预测的工具。使用Eviews可以迅速地从数据中寻找出统计关系，并用得到的关系去预测数据的未来值。Eviews的应用范围包括：科学实验数据分析与评估、金融分析、宏观经济预测、仿真、销售预测和成本分析等。 我们以Eviews3.1版本为例，介绍经济计量学软件包使用的基本方法和技巧。虽然Eviews是经济学家开发的，而且主要用于经济学领域，但是从软件包的设计来看，Eviews的运用领域并不局限于处理经济时间序列。即使是跨部门的大型项目，也可以采用Eviews进行处理。 Eviews处理的基本数据对象是时间序列，每个序列有一个名称，只要提及序列的名称就可以对序列中所有的观察值进行操作，Eviews允许用户以简便的可视化的方式从键盘或磁盘文件中输入数据，根据已有的序列生成新的序列，在屏幕上显示序列或打印机上打印输出序列，对序列之间存在的关系进行统计分析。Eviews具有操作简便且可视化的操作风格，体现在从键盘或从键盘输入数据序列、依据已有序列生成新序列、显示和打印序列以及对序列之间存在的关系进行统计分析等方面。 Eviews具有现代Windows软件可视化操作的优良性。可以使用鼠标对标准的Windows菜单和对话框进行操作。操作结果出现在窗口中并能采用标准的Windows技术对操作结果进行处理。此外，Eviews还拥有强大的命令功能和批处理语言功能。在Eviews的命令行中输入、编辑和执行命令。在程序文件中建立和存储命令，以便在后续的研究项目中使用这些程序。 2、运行Eviews 在Windows 2000中运行Eviews的方法有： （1）单击任务栏上的“开始”→“程序”→“Eviews”程序组→“Eviews”图标。 （2）使用Windows浏览器或从桌面上“我的电脑”定位Eviews目录，双击“Eviews”程序图标。 （3）双击Eviews的工作文件和数据文件。 3、Eviews的窗口 Eviews的窗口分为几个部分：标题栏、主菜单栏、命令窗口、状态行和工作区（如图1-1所示）。 图1-1 Eviews窗口 （1）标题栏 标题栏位于主窗口的顶部，标记有Eviews字样。当Eviews窗口处于激活时，标题栏颜色加深，否则变暗。单击Eviews窗口的任意区域将使它处于激活状态。标题栏的右端有三个按钮：最小化、最大化（或复原）和关闭。标题栏左边是控制框，控制框也有上述三个按钮的功能且双击它关闭该窗口。 （2）主菜单 主菜单位于标题栏之下。将指针移至主菜单上的某个项目并用鼠标左键单击，打开一个下拉式菜单，通过单击下拉菜单中的项目，就可以对它们进行访问。菜单中黑色的是可执行的，灰色的是不可执行的无效项目。 主菜单栏上共有7个选项：“File”, “Edit”, “Objects”, “View”,“Procs”,“Quick”,“Options”,“Windows”,“Help”。 （3）命令窗口 主菜单下的区域称作命令窗口。在命令窗口输入命令，按“ENTER”后命令立即执行。命令窗口中的竖条称为插入点（或提示符），它指示键盘输入字符的位置。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Micro TSP(DOS)版的命令，可以直接在此输入，如同DOS版一样使用Eviews。按F1键（或移动箭头），输入的历史命令将重新显示出来，供用户选用。 将插入点移至从前已经执行过的命令行，编辑已经存在的命令，按ENTER，立即执行原命令的编辑版本。 命令窗口支持cut-and-paste功能，命令窗口、其他Eviews文本窗口和其他Windows程序窗口间可方便地进行文本的移动。命令窗口的内容可以直接保存到文本文件中备用，为此必须保持命令窗口处于激活状态，并从主菜单上选择“File”→“Save as”。 若输入的命令超过了命令窗口显示的大小，窗口中就自动出现滚动条，通过上下或左右调节，可浏览已执行命令的各个部分。将指针移至命令窗口下部，按着鼠标左键向下向上拖动，来调整默认命令窗口的大小。 （4）状态栏 窗口最底部是状态行。状态行分为4栏。左栏有时给出Eviews送出的状态信息，单击状态行左端的边框可以清楚这些信息。第二栏是Eviews默认的读取数据和程序的路径。最后两栏分别显示默认的数据库和默认的工作文件。 （5）工作区（或主显示窗口） 命令窗口下是Eviews的工作区或主显示窗口，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。Eviews在此显示它建立的各种对象的窗口。工作区中的这些窗口类似于用户在办公桌上使用的各种纸张。出现在最上面的窗口正处于焦点，即处于激活状态。状态栏颜色加深的窗口是激活窗口。单击部分处于下面窗口的标题栏或任何可见部分，都可以使该窗口移至顶部。也可以按压F6或CTRL-TAB，循环地激活各个窗口。 此外，单击窗口中菜单项目，选择关注的文件名，可直接选择某个窗口。还可以移动窗口、改变窗口的大小等。 4、Eviews的主要功能 （1）输入、扩大和修改时间序列数据。 （2）依据已有序列按照任意复杂的公式生成新的序列。 （3）在屏幕上和用打字机输出序列的趋势图、散点图、柱形图和饼图。 （4）执行普通最小二乘法（多元回归），带有自回归校正的最小二乘法，两阶段最小二乘法和三阶段最小二乘法。 （5）执行非线性最小二乘法。 （6）对二择一决策模型进行Probit和Logit估计。 （7）对联立方程进行线性和非线性的估计。 （8）估计和分析向量自回归系统。 （9）计算描述统计量：相关系数、斜方差、自相关系数、互相关函数和直方图 （10）残差自回归和移动平均过程。 （11）多项式分布滞后。 （12）基于回归方程的预测。 （13）求解（模拟）模型。 （14）管理时间序列数据库。 （15）与外部软件（如Excel和Lotus软件）进行数据交换。 5、关闭Eviews 关闭Eviews的方法很多：选择主菜单上的“File”→“Close”;按ALT-F4键；单击Eviews窗口右上角的关闭按钮；双击Eviews窗口左上角等。 Eviews关闭总是警告和给予机会将那些还没有保存的工作保存到磁盘文件中。 第二部分 单方程计量经济模型Eviews操作 案例： 建立我国最终消费支出与国内生产总值（单位：亿元）之间的回归模型，并进行变量和方程整体的显著性检验。当显著性水平为0.05， 2004年国内生产总值为38000亿元时，对2004年我国最终消费支出和平均最终消费支出进行点预测和区间预测。 年份 GDP 最终消费 年份 GDP 最终消费 1978 3624.10 2239.10 1991 11147.73 6151.57 1979 3899.53 2568.04 1992 12735.09 7083.53 1980 4203.96 2753.10 1993 14452.91 7917.65 1981 4425.03 2989.25 1994 16283.08 8638.30 1982 4823.68 3225.09 1995 17993.66 9445.38 1983 5349.17 3511.35 1996 19718.73 10588.64 1984 6160.97 3988.53 1997 21461.92 11444.17 1985 6990.89 4506.64 1998 23139.88 12511.70 1986 7610.61 4817.38 1999 24792.47 13819.54 1987 8491.27 5114.07 2000 26774.85 15406.57 1988 9448.03 5419.86 2001 28782.60 16759.78 1989 9832.18 5190.02 2002 31170.88 18097.55 1990 10209.09 5471.93 2003 34070.16 19452.70 一、创建工作文件 建立工作文件的方法有以下几种。 1．菜单方式 在主菜单上依次单击File→New→Workfile（见图2-1）， 选择数据类型和起止日期。时间序列提供起止日期（年、季度、月度、周、日），非时间序列提供最大观察个数。本例中在Start Data里输入1978，在End data 里输入2003，见图2-3。单击OK后屏幕出现Workfile工作框，如图2-4所示。 2．命令方式 在命令窗口直接输入建立工作文件的命令CREATE， 命令格式：CREATE 数据频率 起始期 终止期 其中，数据频率类型分别为A（年）、Q（季）、M（月）、U（非时间序列数据）。输入Eviews命令时，命令字与命令参数之间只能用空格分隔。如本例可输入命令： CREATE A 1978 2003 工作文件创立后，需将工作文件保存到磁盘，单击工具条中Save→输入文件名、路径→保存，或单击菜单兰中File→Save或Save as→输入文件名、路径→保存。 图2-1 这时屏幕上出现Workfile Range对话框，如图2-2所示。 图2-2 图2-3 图2-4 二、输入和编辑数据 建立或调入工作文件以后，可以输入和编辑数据。输入数据有两种基本方法：命令方式和菜单方式。 1．命令方式 命令格式：data 〈序列名1〉 〈序列名2〉 … 〈序列名n〉 功能：输入新变量的数据，或编辑工作文件中现有变量的数据。 在本例中，在命令窗口直接输入： Data Y X 2．菜单方式 在主菜单上单击Objects→New object，在New object对话框里，选Group并在Name for Object上定义变量名（如变量X、Y），单击OK，屏幕出现数据编辑框。 另一种菜单方式是在主菜单上依次单击Quick→Group（见图2-5）， 图2-5 建立一个空组（见图2-6）， 再用方向键将光标移到每一列的顶部之后，输入各个变量名，回车后输入数据（见图2-7）。另外数据还可以从Excel中直接复制到空组。 然后为每个时间序列取序列名。单击数据表中的SER01（见图2-8），在数据组对话框中的命令窗口输入该序列名称，如本例中输入X（见图2-9），回车后Yes。采用同样的步骤修改序列名Y（见图2-10）。数据输入操作完成。 图2-6 图2-7 修改序列名 图2-8 修改序列名 图2-9 修改序列名 图2-10 数据输入 数据输入完毕，单击工作文件窗口工具条的Save或单击菜单兰的File→Save将数据存入磁盘。 三、图形分析 在估计计量经济模型之前，借助图形分析可以直观地观察经济变量的变动规律和相关关系，以便合理的确定模型的数学形式。图形分析中最常用的是趋势图和相关图。 1．菜单方式 在数组窗口工具条上Views的下拉菜单中选择Graph。（见图2-11） 2．命令方式 趋势图：Plot Y X 功能： （1）分析经济变量的发展变化趋势； （2）观察经济变量是否存在异常值。 图给出了最终消费支出与国内生产总值的趋势图。 相关图：Scat Y X （见图2-13） 功能： （1）观察经济变量之间的相关程度； （2）观察经济变量之间的相关类型，判断是线性相关，还是曲线相关；曲线相关时，大致是哪种类型的曲线。 图2-11 数组窗口趋势图 图2-12 最终消费支出与国内生产总值的趋势图 图2-13 数组窗口相关图 图2-14 最终消费支出与国内生产总值的相关图 四、OLS估计参数 1．命令方式 在主菜单命令行键入 LS Y C X （如图2-15）  图2-15 2．菜单方式 在主菜单上选Quick菜单，单击Estimate Equation项，屏幕出现Equation Specification估计对话框，在Estimation Settings中选OLS估计，即Least Squares，输入：Y C X（其中C为Eviews固定的截距项系数）。然后OK，出现方程窗口（见图2-16），输出结果如表2-1所示。 图2-16 方程窗口  表2-1 回归结果 Dependent Variable: Y Method: Least Squares Sample: 1978 2003 Included observations: 26 Variable Coefficient Std. Error t-Statistic Prob. C 245.3522 153.9605 1.593605 0.1241 X 0.551514 0.009135 60.37623 0.0000 R-squared 0.993459 Mean dependent var 8042.748 Adjusted R-squared 0.993187 S.D. dependent var 5177.609 S.E. of regression 427.3742 Akaike info criterion 15.02700 Sum squared resid 4383569. Schwarz criterion 15.12378 Log likelihood -193.3510 F-statistic 3645.290 Durbin-Watson stat 0.244011 Prob(F-statistic) 0.000000 方程窗口的上半部分为参数估计结果如表2-2所示，其中第1列分别为解释变量名（包括常数项），第2列为相应的参数估计值，第3列为参数的标准误差，第4列为t统计值，第5列为t检验的双侧概率值p，即P（| t |> ti）= p。 表2-2 参数估计结果 常数和解释变量 参数估计值 参数标准误差 t统计量 双侧概率 C 245.3522 153.9605 1.593605 0.1241 X 0.551514 0.009135 60.37623 0.0000 方程窗口的下半部分主要是一些统计检验值，其中各统计量的含义如表2-3所示。 表2-3 统计检验值 可决系数 0.993459 被解释变量均值 8042.748 调整的可决系数 0.993187 被解释变量标准差 5177.609 回归方程标准差 427.3742 赤池信息准则 15.02700 残差平方和 4383569. 施瓦兹信息准则 15.12378 似然函数的对数 -193.3510 F统计量 3645.290 DW统计量 0.244011 F统计量的概率 0.000000 单击Equation 窗口中的Resid按钮，将显示模型的拟合图和残差图。 图2-17 拟合图和残差图 单击Equation 窗口中的View → Actual, Fitted, Resid → Table按钮，可以得到拟合直线和残差的有关结果。  图2-18 五、预测 在Equation框中选Forecast项后，弹出Forecast对话框，Eviews自动计算出样本估计期内的被解释变量的拟合值，拟合变量记为YF，其拟合值与实际值的对比图如图2-19所示。 图2-19 下面预测2004年我国最终消费支出。 1．首先将样本期范围从1978-2003年扩展为1978-2004年。即单击工作文件框中Pros中的Change workfile range，如图2-20所示，并将1978-2003改为1978-2004，如图2-21所示。 图2-20 图2-21 2．然后编辑解释变量X。在Group数据框中输入变量X的2004年数据38000.00。（见图2-22） 图2-22 3．点预测。在前面Equation对话框中选Forecast，将时间Sample定义在1978-2004，如图2-23所示，这时Eviews自动计算出 =21202.8727955，如图2-24所示。 图2-23 图2-24 4．区间预测。在Group数据框中单击View，选Descriptive Stats里的Common Sample Eviews，计算出有关X和Y的描述统计结果，如图2-25所示。 图2-25 图2-26 X和Y的描述统计结果 根据图2-26可计算出如下结果： 2188950850 569386930.9 给定显著性水平 0.05，查表得 ，由 可得 的预测区间为： 21202.8727955 2.056 427.3742 21202.8727955 1001.30364 即 的95%预测区间为（20201.56915，22204.17643）。 六、非线性回归模型的估计 1．倒数模型： 在命令窗口直接依次键入 GENR X1=1/X LS Y C X1 2．多项式模型： 在命令窗口直接依次键入 GENR X1=X GENR X2=X^2 LS Y C X1 X2 3．准对数模型： 在命令窗口直接依次键入 GENR lnX=LOG(X) LS Y C lnX 4．双对数模型： 在命令窗口直接依次键入 GENR lnX=LOG(X) GENR lnY=LOG(Y) LS lnY C lnX 七、异方差检验与解决办法 1． 相关图检验法 LS Y C X 对模型进行参数估计 GENR E=RESID 求出残差序列 GENR E2=E^2 求出残差的平方序列 SORT X 对解释变量X排序 SCAT X E2 画出残差平方与解释变量X的相关图 2．戈德菲尔德——匡特检验 已知样本容量n=26，去掉中间6个样本点（即约n/4），形成两个样本容量均为10的子样本。 SORT X 将样本数据关于X排序 SMPL 1 10 确定子样本1 LS Y C X 求出子样本1的回归平方和RSS1 SMPL 17 26 确定子样本2 LS Y C X 求出子样本2的回归平方和RSS2 计算F统计量并做出判断。 3．加权最小二乘法 LS Y C X 最小二乘法估计，得到残差序列 GRNR E1=ABS(RESID) 生成残差绝对值序列 LS(W=1/E1) Y C X 以E1为权数进行加权最小二成估计 八、自相关检验与解决办法 1．图示法检验 LS Y C X 最小二乘法估计，得到残差序列 GENR E=RESID 生成残差序列 SCAT E(-1) E et—et-1的散点图 PLOT E 还可绘制et的趋势图 2．广义差分法 LS Y C X AR(1) AR(2)   第三部分 联立方程计量经济模型Eviews操作 案例： 1978—2003年全国居民消费CSt、国民生产总值Yt、投资It、政府消费Gt数据，如下表所示。 年 份 CSt Yt It Gt 1978 1759.100 3605.600 1377.900 468.6000 1979 1966.078 3994.118 1445.294 582.7451 1980 2143.478 4210.268 1470.860 595.9297 1981 2352.394 4427.642 1428.184 647.0641 1982 2542.465 4866.312 1560.461 763.3865 1983 2779.476 5306.812 1751.092 776.2445 1984 3121.920 6087.001 2097.366 867.7145 1985 3582.358 6863.466 2643.247 637.8610 1986 3810.751 7461.561 2832.106 818.7040 1987 4091.421 8088.332 2966.369 1030.5422 1988 4419.861 8514.186 3181.818 912.5072 1989 4190.511 8095.379 2996.559 908.3088 1990 4387.675 8820.173 3102.552 1329.9470 1991 4827.281 9958.072 3517.548 1613.2429 1992 5532.771 11484.769 4278.863 1673.1350 1993 6152.373 13534.994 5883.876 1498.7446 1994 6708.511 15051.805 6209.091 2134.2037 1995 7566.554 16430.918 6705.139 2159.2249 1996 8510.402 18086.395 7111.488 2464.5050 1997 9152.994 19667.595 7473.109 3041.4916 1998 9954.462 21300.431 7966.002 3379.9676 1999 10932.296 22977.515 8532.963 3512.2568 2000 12103.725 25209.058 9170.372 3934.9605 2001 13054.067 28041.212 10654.380 4332.7645 2002 14086.916 31094.409 12191.614 4815.8790 2003 15194.260 35047.995 14820.508 5033.2276 建立如下宏观经济模型： 消费函数： 投资函数： 收入方程： 容易判断该联立方程模型中投资方程是过渡识别，消费方程是恰好识别，模型是可识别的。（CSt,Yt,It是内生变量，共5个变量。消费函数：m=3,k=2，k=m-1，恰好识别；投资方程：m=3,k=3,k>m-1,是过渡识别） 下面用四种方法进行二阶段最小二乘法估计参数。这四种方法的输出结果是一样的。 方法一： 第一阶段：LS CS C G CS(-1) 估计消费的简化式方程 GENR ECS=CS-RESID 计算消费的估计值 LS Y C G CS(-1) 估计收入的简化式方程 GENR EY=Y-RESID 计算收入的估计值 第二阶段：LS CS C EY CS(-1) 估计替代后的消费结构式方程 LS I C EY 估计替代后的投资结构式方程 Dependent Variable: CS Method: Least Squares Sample(adjusted): 1979 2003 Included observations: 25 after adjusting endpoints Variable Coefficient Std. Error t-Statistic Prob. C 273.3999 188.4340 1.450905 0.1609 EY 0.265184 0.185426 1.430131 0.1667 CS(-1) 0.433729 0.456004 0.951151 0.3519 R-squared 0.998058 Mean dependent var 6526.600 Adjusted R-squared 0.997881 S.D. dependent var 4023.411 S.E. of regression 185.1869 Akaike info criterion 13.39277 Sum squared resid 754472.1 Schwarz criterion 13.53904 Log likelihood -164.4097 F-statistic 5653.343 Durbin-Watson stat 1.456439 Prob(F-statistic) 0.000000   Dependent Variable: I Method: Least Squares Sample(adjusted): 1979 2003 Included observations: 25 after adjusting endpoints Variable Coefficient Std. Error t-Statistic Prob. C -258.6251 219.8342 -1.176455 0.2514 EY 0.401765 0.013389 30.00704 0.0000 R-squared 0.975093 Mean dependent var 5279.634 Adjusted R-squared 0.974010 S.D. dependent var 3703.951 S.E. of regression 597.1325 Akaike info criterion 15.69877 Sum squared resid 8201047. Schwarz criterion 15.79628 Log likelihood -194.2347 F-statistic 900.4222 Durbin-Watson stat 0.751407 Prob(F-statistic) 0.000000 方法二： 实际上在Eviews软件中，可以利用命令直接进行二阶段最小二乘估计，命令格式为： TSLS Yi C 解释变量名 @ C 先决变量名 其中符号@前面是该结构式方程的所有解释变量名，包括内生变量和先决变量；符号@后面是联立方程模型中的所有前定变量。 因此本例可用TSLS命令直接写成： TSLS CS C Y CS(-1)@ C G CS(-1) TSLS I C Y @ C G CS(-1) Dependent Variable: CS Method: Two-Stage Least Squares Sample(adjusted): 1979 2003 Included observations: 25 after adjusting endpoints Instrument list: C G CS(-1) Variable Coefficient Std. Error t-Statistic Prob. C 273.3999 177.3501 1.541583 0.1374 Y 0.265184 0.174519 1.519510 0.1429 CS(-1) 0.433729 0.429181 1.010595 0.3232 R-squared 0.998280 Mean dependent var 6526.600 Adjusted R-squared 0.998123 S.D. dependent var 4023.411 S.E. of regression 174.2940 Sum squared resid 668324.6 F-statistic 6382.063 Durbin-Watson stat 1.003405 Prob(F-statistic) 0.000000         Dependent Variable: I Method: Two-Stage Least Squares Sample(adjusted): 1979 2003 Included observations: 25 after adjusting endpoints Instrument list: C G CS(-1) Variable Coefficient Std. Error t-Statistic Prob. C -258.6251 131.6564 -1.964394 0.0617 Y 0.401765 0.008019 50.10444 0.0000 R-squared 0.991067 Mean dependent var 5279.634 Adjusted R-squared 0.990678 S.D. dependent var 3703.951 S.E. of regression 357.6166 Sum squared resid 2941461. F-statistic 2510.455 Durbin-Watson stat 0.814465 Prob(F-statistic) 0.000000       方法三： 还可以在方程说明窗口中，选择估计方法为TLSL，并在工具变量兰（Instrument List）输入模型中的所有先决变量。 方法四： 借助于Eviews中的System命令，可以直接进行TSLS估计。 （1）创建系统：在主菜单上单击Objects → New Object，并在弹出的对象列表框中选择System；然后在打开的系统窗口输入结构式模型的随机方程 CS=C(1)+C(2)*Y+C(3)*CS(-1) I=C(4)+C(5)*Y INST G CS(-1) （2）估计模型：在系统窗口单击Estimate，在弹出估计方法选择窗口中选择TSLS方法后，单击OK。 System: UNTITLED Estimation Method: Two-Stage Least Squares Sample: 1979 2003 Included observations: 25 Total system (balanced) observations 50 Instruments: G CS(-1) C   Coefficient Std. Error t-Statistic Prob. C(1) 273.3999 177.3501 1.541583 0.1302 C(2) 0.265184 0.174519 1.519510 0.1356 C(3) 0.433729 0.429181 1.010595 0.3176 C(4) -258.6251 131.6564 -1.964394 0.0557 C(5) 0.401765 0.008019 50.10444 0.0000 Determinant residual covariance 1.35E+09     Equation: CS=C(1)+C(2)*Y+C(3)*CS(-1) Observations: 25 R-squared 0.998280 Mean dependent var 6526.600 Adjusted R-squared 0.998123 S.D. dependent var 4023.411 S.E. of regression 174.2940 Sum squared resid 668324.6 Durbin-Watson stat 1.003405       Equation: I=C(4)+C(5)*Y Observations: 25 R-squared 0.991067 Mean dependent var 5279.634 Adjusted R-squared 0.990678 S.D. dependent var 3703.951 S.E. of regression 357.6166 Sum squared resid 2941461. Durbin-Watson stat 0.814465       第四部分 演示示例 EVIEWS在计量经济学教学过程中的演示示例（一） 练习一（习题集P17第8题） 1、​ 按题意在EVIEWS中输入数据； 2、​ 在主窗口QUICK菜单下选择estimate equation，在弹出对话框中输入Y C X，进行最小二乘估计参数。 3、​ 在equantion窗口viiew菜单下选择representations选项，可得回归方程。 Y = 49.82200092 + 0.7944335972*X 四、选择equantion窗口viiew菜单下estimation output或stats按钮，可得回归结果输出： Dependent Variable: Y Method: Least Squares Date: 10/13/05 Time: 19:47 Sample: 1 30 Included observations: 30 Variable Coefficient Std. Error t-Statistic Prob. C 49.82200 143.7013 0.346705 0.7314 X 0.794434 0.025719 30.88857 0.0000 R-squared 0.971490 Mean dependent var 4342.317 Adjusted R-squared 0.970472 S.D. dependent var 1166.015 S.E. of regression 200.3663 Akaike info criterion 13.50251 Sum squared resid 1124106. Schwarz criterion 13.59592 Log likelihood -200.5377 F-statistic 954.1039 Durbin-Watson stat 1.607925 Prob(F-statistic) 0.000000 五、标准 报告 软件系统测试报告下载sgs报告如何下载关于路面塌陷情况报告535n,sgs报告怎么下载竣工报告下载 形式 Y = 49.82200092 + 0.7944335972*X （0.346705） （30.88857） R-squared＝0.971490 S.E. of regression＝200.3663 F-statistic＝954.103925503 六、点预测 Y0 = 49.82200092 + 0.7944335972*1000=844.222(元) 七、区间预测 ， 其中 代入相应数据计算即可得区间估计值。 X Y Mean 5403.214 4342.317 Median 4926.830 3862.585 Maximum 8839.680 7054.090 Minimum 4009.610 3099.360 Std. Dev. 1446.658 1166.015 EVIEWS在计量经济学教学过程中的演示示例（二） 练习二（习题集P18第10题） 1、​ 按题意在EVIEWS中输入数据； 2、​ 在group窗口view—graph—scatter—simple scatter，绘制散点图。 选择view—graph—scatter—scatter with regression，绘制回归直线 3、​ 在主窗口QUICK菜单下选择estimate equation，在弹出对话框中输入Y C X，进行最小二乘估计参数。 4、​ 在equantion窗口viiew菜单下选择representations选项，可得回归方程。 Y = 0.009777361481 + 0.4851934577*X 五、选择equantion窗口viiew菜单下estimation output或stats按钮，可得回归结果输出： Dependent Variable: Y Method: Least Squares Date: 10/13/05 Time: 21:18 Sample: 1985 1996 Included observations: 12 Variable Coefficient Std. Error t-Statistic Prob. C 0.009777 0.284926 0.034315 0.9733 X 0.485193 0.033344 14.55127 0.0000 R-squared 0.954902 Mean dependent var 4.016667 Adjusted R-squared 0.950392 S.D. dependent var 1.138447 S.E. of regression 0.253564 Akaike info criterion 0.244611 Sum squared resid 0.642947 Schwarz criterion 0.325428 Log likelihood 0.532337 F-statistic 211.7394 Durbin-Watson stat 1.321761 Prob(F-statistic) 0.000000 六、点预测 Y = 0.009777361481 + 0.4851934577*X＝0.009777361481 + 0.4851934577*15＝7.2876 EVIEWS在计量经济学教学过程中的演示示例（三） 目的：1、正确使用EVIEWS 2、会使用OLS和WLS，Goldfeld-Quandt检验 3、能根据计算结果进行异方差分析和出现异方差性后的补救。 3、数据为demo data1 实例：某市人均储蓄与人均收入的关系分析（异方差性检验及补救） 根据某市1978－1998年人均储蓄与人均收入的数据资料（见下表），其中X为人均收入（元），Y为人均储蓄（元），经分析人均储蓄受人均收入的线性影响，可建立一元线性回归模型进行分析。 obs X Y 1978 590.2000 107.0000 1979 664.9400 123.0000 1980 809.5000 159.0000 1981 875.5400 189.0000 1982 991.2500 233.0000 1983 1109.950 312.0000 1984 1357.870 401.0000 1985 1682.800 522.0000 1986 1890.580 664.0000 1987 2098.250 871.0000 1988 2499.580 1033.000 1989 2827.730 1589.000 1990 3084.170 2209.000 1991 3462.710 2878.000 1992 3932.520 3722.000 1993 5150.790 5350.000 1994 7153.350 8080.000 1995 9076.850 11758.00 1996 10448.21 15839.00 1997 11575.48 18196.00 1998 12500.84 20954.00 1、用OLS估计法估计参数 设模型为： 运行EVIEWS软件，并输入数据，得计算结果如下： Dependent Variable: Y Method: Least Squares Date: 10/11/05 Time: 23:10 Sample: 1978 1998 Included observations: 21 Variable Coefficient Std. Error t-Statistic Prob. C -2185.998 339.9020 -6.431262 0.0000 X 1.684158 0.062166 27.09150 0.0000 R-squared 0.974766 Mean dependent var 4533.238 Adjusted R-squared 0.973438 S.D. dependent var 6535.103 S.E. of regression 1065.086 Akaike info criterion 16.86989 Sum squared resid 21553736 Schwarz criterion 16.96937 Log likelihood -175.1338 F-statistic 733.9495 Durbin-Watson stat 0.293421 Prob(F-statistic) 0.000000 2、异方差检验 （1）Goldfeld-Quandt检验 在Procs菜单项选Sort series项，出现排序对话框，输入X，OK。 在Sample菜单里，将时间定义为1978－1985，用OLS方法计算得如下结果： Y = -145.441495 + 0.3971185479*X （-8.730234） （25.42693） R-squared＝0.990805 Sum squared resid1＝15.12284 Dependent Variable: Y Method: Least Squares Date: 10/11/05 Time: 23:25 Sample: 1978 1985 Included observations: 8 Variable Coefficient Std. Error t-Statistic Prob. C -145.4415 16.65952 -8.730234 0.0001 X 0.397119 0.015618 25.42693 0.0000 R-squared 0.990805 Mean dependent var 255.7500 Adjusted R-squared 0.989273 S.D. dependent var 146.0105 S.E. of regression 15.12284 Akaike info criterion 8.482607 Sum squared resid 1372.202 Schwarz criterion 8.502468 Log likelihood -31.93043 F-statistic 646.5287 Durbin-Watson stat 1.335534 Prob(F-statistic) 0.000000 在Sample菜单里，将时间定义为1991－1998，用OLS方法计算得如下结果： Y = -4602.367144 + 1.952519317*X （-5.065962） （18.40942） R-squared＝0.982604 Sum squared resid2＝5811189. Dependent Variable: Y Date: 10/11/05 Time: 23:29 Sample: 1991 1998 Included observations: 8 Variable Coefficient Std. Error t-Statistic Prob. C -4602.367 908.4882 -5.065962 0.0023 X 1.952519 0.106061 18.40942 0.0000 R-squared 0.982604 Mean dependent var 10847.12 Adjusted R-squared 0.979705 S.D. dependent var 6908.102 S.E. of regression 984.1400 Akaike info criterion 16.83373 Sum squared resid 5811189. Schwarz criterion 16.85359 Log likelihood -65.33492 F-statistic 338.9068 Durbin-Watson stat 0.837367 Prob(F-statistic) 0.000002 求F统计量： ，查F分布表，给定显著性水平 ，得临界值 ，比较 > ，拒绝原假设 ，表明随机误差项显著的存在异方差。 3、异方差的修正 （1）WLS估计法。 首先生成权函数 ,然后用OLS估计参数， Y = -2262.639946 + 1.566910934*X Dependent Variable: Y Method: Least Squares Date: 10/12/05 Time: 08:07 Sample: 1978 1998 Included observations: 21 Weighting series: W Variable Coefficient Std. Error t-Statistic Prob. C -2262.640 131.2507 -17.23907 0.0000 X 1.566911 0.057637 27.18590 0.0000 Weighted Statistics R-squared 0.961501 Mean dependent var 2183.201 Adjusted R-squared 0.959475 S.D. dependent var 2104.209 S.E. of regression 423.5951 Akaike info criterion 15.02583 Sum squared resid 3409224. Schwarz criterion 15.12530 Log likelihood -155.7712 F-statistic 474.5211 Durbin-Watson stat 0.354490 Prob(F-statistic) 0.000000 Unweighted Statistics R-squared 0.962755 Mean dependent var 4533.238 Adjusted R-squared 0.960794 S.D. dependent var 6535.103 S.E. of regression 1293.978 Sum squared resid 31813191 Durbin-Watson stat 0.224165 （2）对数变换法。 用GENR生成LY和LX序列，用OLS方法求LY 对LX的回归，结果如下： LY = -6.839135503 + 1.787148637*LX Dependent Variable: LY Method: Least Squares Date: 10/12/05 Time: 00:05 Sample: 1978 1998 Included observations: 21 Variable Coefficient Std. Error t-Statistic Prob. C -6.839136 0.237565 -28.78845 0.0000 LX 1.787149 0.030033 59.50680 0.0000 R-squared 0.994663 Mean dependent var 7.195082 Adjusted R-squared 0.994382 S.D. dependent var 1.746173 S.E. of regression 0.130880 Akaike info criterion -1.138677 Sum squared resid 0.325463 Schwarz criterion -1.039199 Log likelihood 13.95611 F-statistic 3541.059 Durbin-Watson stat 0.642916 Prob(F-statistic) 0.000000 比较方法（1）和（2），可以看出X与Y在对数线性回归下拟合效果较好。原因是Y的曲线呈对数型图形有关。 EVIEWS在计量经济学教学过程中的演示示例（四） 目的：1、正确使用EVIEWS 2、能根据计算结果进行多重共线性检验和出现多重共线性时的补救。 3、数据为demo data2 实例：我国钢材供应量分析（多重共线性检验及补救） 通过分析我国改革开放以来（1978－1997）钢材供应量的历史资料，可以建立一个单一方程模型。根据理论及对现实情况的认识，影响我国钢材供应量Y（万吨）的主要因素有：原油产量X1（万吨），生铁产量X2（万吨），原煤产量X3（万吨），电力产量X4（亿千瓦小时），固定资产投资X5(亿元)，国