回归变量错误,eviews,quick

【www.myl5520.com--小学作文】

EViews软件操作及练习题指令
篇一:回归变量错误,eviews,quick

ＥViews软件操作及练习题指令

一、建立工作文件

打开ＥViews主窗口；从ＥViews主菜单中点击File键，选择Ｎew→Workfile，则打开一个Workfile Range选择框，其中需做三项选择：①Workfile frequency；②Start date；③End date 。根据数据的性质做①Workfile frequency；②Start date；③End date各项选择。

点击OK键。这时会建立一个尚未命名的工作文件（Workfile：UNTITLED）。点击name键（起名，保存）。

二、关闭工作文件——从ＥViews

三、打开工作文件

双击ＥViews标识，从主窗口，点击File→open→Workfile→工作文件名（文件名字符不超过１６个）。

四、输入数据

从主窗口，点击Quick→Empty Group→用手工输入数据。输入好数据后，对时间序列数据name（起名）→save（保存）。

也可从Ecxel中把数据粘贴到Empty Group，name→save。

注意：如果输入数据错误，修改从Ｅviews主菜单中点击Edit键。

五、用公式生成新序列

从主窗口，点击Quick→Generate Series→输入计算公式。 最常用运算符号：加（+），减（-），乘（*），除（/），乘方（^）； X的一阶差分（D（X），即X-X（-1））； 对X取自然对数（log（X）），对X取自然对数后做一阶差分（Dlog（X））； 下面是@函数及其含义：

@SUM（X）——序列X的和 @MEAN（X）——序列X的均值 @ VAR（X）——序列X的方差

@ SUMSQ（X）——序列X的平方和

@ COV（X，Y）——序列X和序列Y协方差 @ COR（X，Y）——序列X和序列Y @ R2——R2统计量

@RBA R2——调整的R2统计量 @ SE——回归函数的标准误差 @ F——F统计量

@ MOVAV（X，n）——序列X的n期移动平均，其中n为整数

六、改变工作文件区间

从主窗口，点击proc→structure/Resize Current Page→改变区间。 七、把各序列放到一起

方法一：从主窗口，点击Object→New Object→Group→输入序列名→OK→ name→save。 方法二：从工作文件窗口，左键单击某一序列→按住电脑左下方Ctrl键不松→再依次左键单击另外序列→按鼠标右键→as Group→ name→save。

八、单序列（X）的直方图和描述统计量

左键双击打开序列（X）→View→Descriptive statistic→Histogram and stats

九、多序列描述统计量

左键双击打开序列组（Group）→View→Descriptive statistic→Common stats

十、序列的折线图—— 左键双击打开序列（X）→Graph→line→OK 十一、序列Ｙ和Ｘ的散点图

从ＥViews主窗口，点击Quick键，选择Graph功能，这时将弹出一个对话框，要求输入图画所用的变量名。对于画散点图来说，应该输入两个变量。这里因为要画x，y的散点图，所以输入x，y。点击OK键，会得到对话框，从Graph Type选项中选Scatter Diagram，然后按OK键，得到散点图。如要改变x，y横纵轴的位置，改变x，y顺序即可。

十二、进行OLS回归（以双变量回归模型为例）

从ＥViews主窗口，点击Quick→点击Estimate Equation功能。弹出一个对话框。在Equation Specification选择框中输入y c x或者y=c（1）＋c（2）*x。在Estimate Setting选择框中自动给出缺省选择LS估计法和样本区间。点击OK键，即可得到回归结果。然后name→save。

十三、预测

操作：（1）打开工作文件（WorkFile），从主窗口→Procs→structure/Resize Current Page→改变区间。在打开的扩展范围选择框中分别输入预测区间。

（2）编辑变量X的数据（用鼠标右键激活），输入X的实际值。

（3）在回归模型估计结果显示窗口的命令行中，单击Forecast，打开预测窗口，预测结果变量的缺省选择为YF，选择静态预测，点击OK。在工作文件窗口，就会显示YF。

（4）主窗口→Quick→Graph，打开作图对话框输入Y FY，选择Line Graph，Singe Scale。 十四、显示残差图——在回归模型估计结果显示窗口的命令行中，单击resids即可。

十五、自相关检验与消除的操作指令（以双变量回归模型为例）

操作：（1）用OLS方法估计模型的参数。从ＥViews主窗口，点击Quick→点击Estimate Equation功能。弹出一个对话框。在Equation Specification选择框中输入y c x或者y=c（1）＋c（2）*x。在Estimate Setting选择框中自动给出缺省选择LS估计法和样本区间。点击OK键，即可得到回归结果。然后name→save。

（2）检验自相关 ①图示法。由OLS估计结果，得到残差resid，并把残差resid转换成E，即从主窗口→Quick→Generate Series→生成序列（E=resid）。再从从主窗口→Quick→Graph，在图形对话框中键入E E（-1），再单击Scatter Diogram，得到散点图。

②DW检验。由OLS估计结果，得到DW，给定显著性水平α，查DW统计表，n表示样本观测值的个数，k是解释变量的个数，得到DW统计量的下限临界值dl和du，再根据DW检验的判断法则，进行判断。

（3）自相关的修正

ˆ=1-DW/2，计算ˆ。 ①根据DW统计量，利用公式

ˆY（-1）②对Y序列作广义差分。点击Quick→Generate Series→输入计算公式（DY=Y-）。 ˆX（-1）③对X序列作广义差分。点击Quick→Generate Series→输入计算公式（DX=X-）。

（4）再用OLS方法估计模型的参数。从ＥViews主窗口，点击Quick→点击Estimate Equation功

能。弹出一个对话框。在Equation Specification选择框中输入dy c dx或者dy=c（1）＋c（2）*dx。在Estimate Setting选择框中自动给出缺省选择LS估计法和样本区间。点击OK，即可得到回归结果。然后name→save。

（5）再进行DW检验。

（6）消除了自相关的模型即为所求模型。

十六、异方差检验与消除的操作指令（以双变量回归模型为例）

（1）用OLS方法估计模型的参数。 （2）异方差检验

①图示法。从Equation→resid，得到残差图。还可把resid变换为e，再作e与序列x的散点图。 ②G-Q检验。从主窗口→点击Procs→Sort Current page→yes，出现排序对话框后，键入x，选升序（ascending），单击OK。假定样本数据为n，去掉中间c（n/4）个数据，然后分成两组数据，分别做两个回归，得到两个残差平方和。构造F统计量，取显著性水平0.05，查F分布表，得到F临界值，如果F统计量大于F临界值，则存在异方差。

（3）异方差的修正。用加权最小二乘法，具体操作：在工作文件单击方程标识，打开回归方程，在方程窗口单击Estimate→Options→Weighted LS/TSLS→Weight（输入权数）→OK

（4）为了分析异方差的校正情况，利用WLS估计出模型以后，还需要利用怀特检验再次判断模型是否存在异方差性。具体操作：在方程窗口单击View→Residual Test→White Heteroskedasticity。

（5）取显著性水平0.05，查，n为辅助方程解释变量的个数，如果nR2<(n),则修正后的方程不存在异方差。

2

十七、多重共线性检验与消除的操作指令

操作：（1）运用OLS法估计方程参数。从ＥViews主窗口，点击Quick→点击Estimate Equation功能。

（2）做F检验，由方程得到F统计量，在给定显著性水平0.05下，查F0.05（k，n-k-1），这里k为变量出个数，n为样本点数。如果F0.05（k，n-k-1）<F统计量。则表明从整体上看，被解释变量和解释变量之间线性关系显著。

（3）检验。先计算被解释变量和解释变量之间的相关系数，ＥViews操作如下：在主窗口→点击Quick→Group Statistics→Correlation→Series Line（输入被解释变量和解释变量）→OK，判断解释变量之间的相关程度。

（4）多重共线性的修正（逐步回归法）。运用OLS方法逐一求Y（被解释变量）对各个解释变量的回归，结合经济意义和统计检验选出拟合效果最好的双变量回归方程为基础，在此基础上，再添加其他解释变量，直到选出最佳的回归模型。

十八、有限分布滞后模型练习的操作指令

设定模型：

Y

t

a

xx

t

1

t1



2

x

t2



3

x

t3



4

xx

t4

5

t5

ut

操作：建立Workfile，从ＥViews主窗口，点击Quick→点击Estimate Equation功能。弹出一个对话框。在Equation Specification选择框中输入Y c x x（-1） x（-2）x（-3）x（-4）x（-5），点击OK。或者在Equation Specification选择框中输入Y c x（0 to -5）。

十九、多项式分布滞后模型的阿尔蒙估计法（Almon method of Polynomizl Distributed Log Models） （一）阿尔蒙估计法（1）

设定模型：Yt

xx

t

1

t1



2

x

t2



3

x

t3



4

xxx

t4

5

t5

6

t6

ut



j

a0a1ja2

j

2

(j0,1,2,3,4,5,6)

注意：这里k=6，r=2。

则原模型可变为： Yta0w0ta1w1ta2w2tut

其中：

w

w

0t



xx

t

t1

xt2xt3xt4xt5xt6

1t

1xt12xt23xt34xt45xt56xt6

w

2t

xt14xt29xt316xt425xt536xt6

ＥViews操作：（1）建立Workfile，注意：name→save。

（2）生成新变量，从主窗口点击Quick→Generate Series→输入计算公式（W0=x+x（-1）+x（-2）+x（-3）+x（-4）+x（-5）+x（-6）；W1=x（-1）+2*x（-2）+3*x（-3）+4*x（-4）+5*x（-5）+6*x（-6）；W2=x（-1）+4*x（-2）+9*x（-3）+16*x（-4）+25*x（-5）+36*x（-6））。

（3）用OLS法做Y对W0，W1，W2回归。从ＥViews主窗口，点击Quick→点击Estimate Equation功能。弹出一个对话框。在Equation Specification选择框中输入y c W0 W1 W2。点击OK。可以得到,



a0,a1,a2,的估计值。

(j0,1,2,3,4,5,6)，计算：回归变量错误,eviews,quick。

^

^

^



2

（4）利用ˆaˆ0aˆ0jaˆ0jj









a

^



；

aaa

1

1



^



^



^

；^2^4^；

2

a

2

a

1

a

2

a

3

3

a

9

1

a

；^4^16^；

2



4

a

a

1

a

2

a

5

5

a

^

25

1

a

^

；

2

a

6



^

6

a

^

36

1

a

^

2

（5）最后得到分布滞后模型的估计式。

（二）阿尔蒙估计法（2） 操作：（1）建立Workfile，注意：name→save。

（2）运用ＥViews程序中阿尔蒙估计法，可以直接进行，从主窗口点击Quick→点击Estimate Equation功能。弹出一个对话框。在Equation Specification选择框中输入y c PDL（x，k，r），（应输入命令：y c PDL（x，6，2）），点击OK。可以得到的估计值。

注意：ＥViews程序中，PDL（x，k，r），PDL是Polynomizl Distributed Log Models的简写，x表示为自变量，k表示滞后期，r表示系数多项式的阶数，在这个例子中，应输入命令：PDL（x，6，2）

（3）用“PDL”估计分布滞后模型时，ＥViews所采用的滞后多项式是阿尔蒙多项式的派生形式：

aa

j





^



^

(jk/2)

1

a(jk/2)

2

^

2

(j0,1,2,3,4,5,6)

，其中k为滞后期数，并且滞后期数为偶数。在本例中取

（j=0，1，2，3，4，5，6）

(j3)a

2

2

k=6，这样，系数多项式应是：^^(j3)^

aa

j

1

（4）利用

aa

j



^



^

(j3)

1

a(j3)

2

^

2

计算



^

（j=0，1，2，3，4，5，6）。

j

（5）最后得到分布滞后模型的估计式。

二十、用经验权数法估计有限分布滞后模型的参数

设定模型：Yaxxxxu

tt0t1t12t23t3

操作：（1）建立Workfile。注意：name→save。

（2）运用检验加权法，选择下列三组权数分别表示递减滞后、A型滞后、不变滞后。 ①1，1/2，1/4，1/8；②1/4，1/2，2/3，1/4；③1/4，1/4，1/4，1/4。 （3）生成新的三个序列

操作：从主窗口，点击Quick→Generate Series→输入计算公式z1t=xt+1/2*xt-1+1/4*xt-2+1/8*xt-3； z2t=1/4xt+1/2*xt-1+2/3*xt-2+1/4*xt-3 ；z3t=1/4xt+1/4*xt-1+1/4*xt-2+1/4*xt-3。 （4）回归分析。从ＥViews主窗口，点击Quick→点击Estimate Equation功能。弹出一个对话框。在Equation Specification选择框中输入Y c z1t，用Z2t 、Z3t替换z1t，重复前面回归过程，可得到另外两个经验加权模型的回归结果。

（5）对三个模型，要检验自相关、t检验和R2，从中选出最佳的分布滞后模型。 ★注意：有限分布滞后模型中滞后期数的判定：Akaike info criterion（赤池准则） 和Schwarz criterion（施瓦茨准则）最小。

二十一、随机自变量模型（Random Regressors Models）的参数估计（工具变量法）

若线性回归模型的假定cov（GDP u）=0不满足，即自变量x是随机解释变量，用OLS法估计量将失去无偏性和一致性，为此，必须对随机项是否与自变量强相关进行检验。

操作：（1）建立Workfile。注意：name→save。

（2）进行豪斯曼（Hausman Test）检验。检验GDP 与u是否存在强相关（省略）。假定GDP 与u存在强相关，而储蓄变量与随机误差项u不相关（这里只是为了说明方法的应用，不去计较储蓄变量与随机误差项u实际上是否相关），可以作为自变量GDP的工具变量。

（3）在工作文件指令窗口输入下列命令： Equation Hausman.Ls GDP C Chuxu Genr Vhat=Resid

Equation Eq01.LS Chukou C GDP Vhat 点击回车

注意:第一句命令得到GDP关于它的工具变量Chuxu的回归方程(称作Hausman方程)；第二句命令是建立一个变量Vhat等于Hausman方程的Resid；第三个命令得到出口（Chukou）关于GDP和Vhat的回归方程。对残差的估计值进行t检验，得t=-4.686，在1%是显著水平下，残查的回归参数的显著的，因此，拒绝原假设，自变量GDP与随机误差项之间存在相关性。

（4）以储蓄（Chuxu）作为GDP的工具变量。从ＥViews主窗口，点击Quick→点击Estimate Equation功能。弹出一个对话框。在Equation Specification选择框中输入Chukou c GDP，在Instrument list框内添入Chuxu，选择“TSLS”方法（Two Stage Least Squares），点击OK。

二十二、虚拟变量模型（1）练习的操作指令

只含一个定性变量的回归模型，在这个模型中，Yi =初职年薪

Eviews软件[操作指令 ]
篇二:回归变量错误,eviews,quick

ＥViews软件操作 曾 康 华 编 一、建立工作文件

打开ＥViews主窗口；从ＥViews主菜单中点击File键，选择Ｎew→Workfile，则打开一个Workfile Range选择框，其中需做三项选择：①Workfile frequency；②Start date；③End date 。根据数据的性质做①Workfile frequency；②Start date；③End date各项选择。

点击OK键。这时会建立一个尚未命名的工作文件（Workfile：UNTITLED）。点击name键（起名，保存）。

二、关闭工作文件 从ＥViews

三、打开工作文件

双击ＥViews标识，从主窗口，点击File→open→Workfile→工作文件名（工作文件名字符不得超过１６个）。

四、输入数据 从主窗口，点击Quick→Empty Group→用手工输入数据。输入好数据后，对时间序列数据name（起名）→save（保存）。

也可从Ecxel中把数据粘贴到Empty Group，name→save。 注意：如果输入数据错误，如何该？从Ｅviews主菜单中点击Edit键。

五、用公式生成新序列 从主窗口，点击Quick→Generate Series→输入计算公式。 最常用运算符号：加（+），减（-），乘（*），除（/），乘方（^），X的一阶差分（D（X），即X-X（-1）），对X取自然对数（log（X）），对X取自然对数后做一阶差分D(log（X）），

下面是@函数及其含义：

@SUM（X）——序列X的和 @ R2——R2统计量 @MEAN（X）——序列X的均值 @RBA R2——调整的R2统计量 @ VAR（X）——序列X的方差 @ SE——回归函数的标准误差 @ SUMSQ（X）——序列X的平方和 @ F——F统计量 @ COV（X，Y）——序列X和序列Y协方差 @ MOVAV（X，n）——序列X的n期移动平均，其@ COR（X，Y）——序列X和序列Y 中n为整数

六、改变工作文件区间 从主窗口，点击proc→structure/Resize Current Page→改变区间。 七、把各序列放到一起

方法一：从主窗口，点击Object→New Object→Group→输入序列名→OK→ name→save。

方法二：从工作文件窗口，左键单击某一序列→按住电脑左下方Ctrl键不松→再依次左键单击另外序列→按鼠标右键→as Group→ name→save。

八、单序列（X）的直方图和描述统计量 左键双击打开序列（X）→View→Descriptive statistic→Histogram and stats 九、多序列描述统计量 左键双击打开序列组（Group）→View→Descriptive statistic→Common stats 十、序列的折线图 左键双击打开序列（X）→Graph→line→OK 十一、序列Ｙ和Ｘ的散点图

从ＥViews主窗口，点击Quick键，选择Graph功能，这时将弹出一个对话框，要求输入图画所用的变量名。对于画散点图来说，应该输入两个变量。这里因为要画x，y的散点图，所以输入x，y。点击OK键，会得到对话框，从Graph Type选项中选Scatter Diagram，然后按OK键，得到散点图。如要改变x，y横纵轴的位置，改变x，y顺序即可。 十二、进行OLS回归（以双变量回归模型为例）

从ＥViews主窗口，点击Quick→点击Estimate Equation功能。弹出一个对话框。在Equation Specification选择框中输入y c x或者y=c（1）＋c（2）*x。在Estimate Setting选择框中自动给出缺省选择LS估计法和样本区间。点击OK键，即可得到回归结果。然后name→save。

十三、预测 操作：（1）打开工作文件（WorkFile），从主窗口→Procs→structure/Resize Current Page→改变区间。在打开的扩展范围选择框中分别输入预测区间。

（2）编辑变量X的数据（用鼠标右键激活），输入X的实际值。

（3）在回归模型估计结果显示窗口的命令行中，单击Forecast，打开预测窗口，预测结果变量的缺省选择为YF，选择静态预测，点击OK。在工作文件窗口，就会显示YF。

（4）主窗口→Quick→Graph，打开作图对话框输入Y FY，选择Line Graph，Singe Scale。 十四、显示残差图 在回归模型估计结果显示窗口的命令行中，单击resids即可。

十五、自相关练习的操作指令（以双变量回归模型为例）

操作：（1）用OLS方法估计模型的参数。从ＥViews主窗口，点击Quick→点击Estimate Equation功能。弹出一个对话框。在Equation Specification选择框中输入y c x或者y=c（1）＋c（2）*x。在Estimate Setting选择框中自动给出缺省选择LS估计法和样本区间。点击OK键，即可得到回归结果。然后name→save。

（2）检验自相关

①图示法。由OLS估计结果，得到残差resid，并把残差resid转换成E，即从主窗口→Quick→Generate Series→生成序列（E=resid）。再从从主窗口→Quick→Graph，在图形对话框中键入E E（-1），再单击Scatter Diogram，得到散点图。

②DW检验。由OLS估计结果，得到DW，给定显著性水平α，查DW统计表，n表示样本观测值的个数，k是解释变量的个数，得到DW统计量的下限临界值dl和du，再根据DW检验的判断法则，进行判断。

（3）自相关的修正

①根据DW统计量，利用公式

=1-DW/2，计算。

^

^^

②对Y序列作广义差分。点击Quick→Generate Series→输入计算公式（DY=Y-Y（-1））。 ③对X序列作广义差分。点击Quick→Generate Series→输入计算公式（DX=X-X（-1））。

（4）再用OLS方法估计模型的参数。从ＥViews主窗口，点击Quick→点击Estimate Equation功能。弹出一个对话框。在Equation Specification选择框中输入dy c dx或者dy=c（1）＋c（2）*dx。在Estimate Setting选择框中自动给出缺省选择LS估计法和样本区间。点击OK，即可得到回归结果。然后name→save。

（5）再进行DW检验。

（6）消除了自相关的模型即为所求模型。

^

十六、异方差练习的操作指令（以双变量回归模型为例）

操作：（1）用OLS方法估计模型的参数。 （2）异方差检验。

①图示法。从Equation→resid，得到残差图。还可把resid变换为e，再作e与序列x的散点图。

②G-Q检验。从主窗口→点击Procs→Sort Current page→yes，出现排序对话框后，键入x，选升序（ascending），单击OK。假定样本数据为n，去掉中间c（n/4）个数据，然后分成两组数据，分别做两个回归，得到两个残差平方和。构造F统计量，取显著性水平0.05，查F分布表，得到F临界值，如果F统计量大于F临界值，则存在异方差。 （3）异方差的修正。用加权最小二乘法，具体操作：在工作文件单击方程标识，打开回归方程，在方程窗口单击Estimate→Options→Weighted LS/TSLS→Weight（输入权数）→OK

（4）为了分析异方差的校正情况，利用WLS估计出模型以后，还需要利用怀特检验再次判断模型是否存在异方差性。具体操作：在方程窗口单击View→Residual Test→White Heteroskedasticity。 （5）取显著性水平0.05，查



2

(2)，n为辅助方程解释变量的个数，如果nR2<(2),则修正后的方程不存在异方差。

2

十七、多重共线性练习的操作指令

操作：（1）运用OLS法对方程估计参数。从ＥViews主窗口，点击Quick→点击Estimate Equation功能。 （2）做F检验，由方程得到F统计量，在给定显著性水平0.05下，查F0.05（k，n-k-1），这里k为变量出个数，n为样本点数。如果F0.05（k，n-k-1）<F统计量。则表明从整体上看，被解释变量和解释变量之间线性关系显著。

（3）检验。先计算被解释变量和解释变量之间的相关系数，ＥViews操作如下：在主窗口→点击Quick→Group Statistics→Correlation→Series Line（输入被解释变量和解释变量）→OK，判断解释变量之间的相关程度。 （4）多重共线性的修正（逐步回归法）。运用OLS方法逐一求Y（被解释变量）对各个解释变量的回归，结合经济意义和统计检验选出拟合效果最好的双变量回归方程为基础，在此基础上，再添加其他解释变量，直到选出最佳的回归模型。

十八、有限分布滞后模型练习的操作指令

设定模型：

Y

t

a

xx

t

1

t1



2

x

t2



3

x

t3



4

xx

t4

5

t5

ut

操作：建立Workfile，从ＥViews主窗口，点击Quick→点击Estimate Equation功能。弹出一个对话框。在Equation Specification选择框中输入Y c x x（-1） x（-2）x（-3）x（-4）x（-5），点击OK。或者在Equation Specification选择框中输入Y c x（0 to -5）。

十九、多项式分布滞后模型的阿尔蒙估计法（Almon method of Polynomizl Distributed Log Models） （一）阿尔蒙估计法（1）

设定模型：

本文来源：http://www.myl5520.com/youxiuzuowen/102059.html