计量经济学应用软件eviews使用方法(3)

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

图十五

图十六

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。

九、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：

11

表三

我国进口支出与国内生产总值和消费者价格指数 年度 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 进口总额(人 国民生产总值(人 民币亿元，当民币亿元，当年价) 年价) GNP 8989.1 10201.4 11954.5 14922.3 16917.8 18598.4 21662.5 26651.9 34560.5 46670.0 57494.9 66850.5 73142.7 IM 1257.8 1498.3 1614.2 2055.1 2199.9 2574.3 3398.7 4443.3 5986.2 9960.1 11048.1 11557.4 11806.5 消费价格指数（1985年=100） CPI 100.0 106.5 114.3 135.8 160.2 165.2 170.8 181.7 208.4 258.6 302.9 328.0 337.2 334.5 1998 78017.8 11622.4 （数据来源：：中国统计年鉴1999光盘c01、 q03和i01，） ut = ? ut-1＋?t -1???1 (3)

其中?～N(0,?), Cov(?i,?t) = 0, i?j。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)

2

图十七

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

12

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 -1??i?1 i=1,2,3 (7)

图十八

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 -1??i?1 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 -1??4?1 (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。

十、邹氏转折点检验

邹氏转折点检验的目的是检验在整个样本的各子样本中模型的系数是否相等。如果模型在不同的子样本中的系数不同，则说明该模型中存在着转折点。转折点出现的原因可能由于社会制度、经济政策的变化、社会动荡等，如固定汇率变为浮动汇率、中国的改革开放、战争等。我们可以用邹氏转折点检验来验证某点是否是转折点。这个检验使用的F是统计量和LR? 统

2

表 四

某地区1947年一季度至1957年4季度国内生产总值和投资总额数据 单位：亿美元 obs 1947-1 1947-2 1947-3 1947-4 GDP INV obs 43 1951-1 42.3 1951-2 43 1951-3 49 1951-4 GDP INV obs GDP INV 64.7 67.9 70.8 74.2 1239.5 1247.2 1255 1269.5 1504.1 1548.3 1585.4 1596 60.4 1955-1 65.4 1955-2 61.7 1955-3 57.3 1955-4 1742.5 1758.6 1778.2 1793.9 13

1948-1 1948-2 1948-3 1948-4 1949-1 1949-2 1949-3 1949-4 1950-1 1950-2 1950-3 1950-4 1284 1295.7 1303.8 1316.4 1305.3 1302 1312.6 1301.9 1350.9 1393.5 1445.2 1484.5 49.8 1952-1 51 1952-2 51.4 1952-3 49.8 1952-4 43.1 1953-1 35.6 1953-2 37.8 1953-3 34 1953-4 43.4 1954-1 48.6 1954-2 53.5 1954-3 1607.7 1612.1 1621.9 1657.8 1687.3 1695.3 1687.9 1671.2 1660.8 1658.4 1677.7 1698.3 58.9 1956-1 51.1 1956-2 52.8 1956-3 55.8 1956-4 56.5 1957-1 56.2 1957-2 56.1 1957-3 51.3 1957-4 51.1 51.6 54.7 58.8 1787 1798.5 1802.2 1826.6 1836.4 1834.8 1851.2 1830.5 74.2 73.9 75.7 76.1 77.5 76.8 78.5 68.8 63.9 1954-4 根据表四数据建立回归方程如下：

GDP = 14.5169INV + 735.545

现在需要验证1952年4季度是不是转折点，即1952年4季度之前与之后投资对国内生产总值的贡献是否一致。操作如下：在方程估计输出窗口点击View/Stability test /Chow breakpoint test，如图十九；进入转折点输入窗口如图二十，输入转折点日期；得到检验统计结果如图二十一。从统计结果可以看出F检验和LR?检验都拒绝零假设：1952年4季度是转折点，接受1952年4季度不是转折点的备则假设。一般地，只要图二十一中的显示的概率小于给定的显著平，如5%或1%，就可以在该显著水平拒绝原假设。

如果我们需要检验多个转折点，则可以同时输入多个转折点的时间。假如我们需要判断1952年4季度和1954年4季度是不是转折点，这时的零假设是：1952年4季度和1954年4季度都是转折点。可以验证我们拒绝零假设。如图二十二和图二十三。

2图十九

图二十

14

图二十一

图二十二 图二十三

十一、两阶段最小二乘法

在解联立方程组时，我们经常会用到两阶段最小二乘法，操作方法如下：

15

在主菜单选Quick \\Estimate Equations，选择估计方法—两阶段最小二乘法(TSLS)，在估计方程对话框内, 输入待估计方程, 在工具变量窗口输入工具变量。如图二十四所示。点击OK进行估计，就可得到估计方程及其统计检验结果。

图二十四

16

百度搜索“77cn”或“免费范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，免费范文网，提供经典小说综合文库计量经济学应用软件eviews使用方法(3)在线全文阅读。