EViews |
您所在的位置:网站首页 › eviews回归方程做什么图 › EViews |
目录 一、创建工作文件 1、非时间序列数据 2、时间序列数据 二、导入数据 1、导入数据 2、保存数据组合或方程结果 三、估计回归模型 1、估计回归模型 2、回归结果名词解读 四、检验模型设定错误 1、检验是否遗漏变量 2-1、检验是否加入了不相干变量 2-2、惩罚新增变量 3、修改函数形式:生成新变量 五、描述性统计分析 1、按组打开 2、查看样本均值 3、样等性检验 六、多重共线性的检验 1、相关系数检验 2、VIF 膨胀因子检验 七、异方差的检验和补救 1、图解法(检验) 2、White 检验 3、White 调整法(补救) 八、序列相关性的检验和补救 1、DW 值(检验) 2、LM (BG) 检验 3、GLS 法(补救) 4、Newey-West 法(补救) 九、虚拟因变量 1、Logit 模型 2、Probit 模型 本文只是介绍如何使用 EViews,不包含任何的回归结果分析。 一、创建工作文件 1、非时间序列数据 选择数据类型 填写样本数量 2、时间序列数据 选择数据类型填写开始年份和截止年份 二、导入数据EViews 自带数据: c 是截距项resid 是残差 1、导入数据假设这是我们需要导入的数据: 在 EViews 中输入命令: y 对应税收 Y(名称自取,不一定非得是 y!)x 对应 GDP X(名称自取,不一定非得是 x!) data y x得到如下弹框: 将数据复制粘贴进去,Word 或 Excel 都支持对框选的数据进行复制粘贴: 选中第一个框,直接 Ctrl+v,剩下的数据同理: 2、保存数据组合或方程结果不管是保存数据组合还是保持方程结果,都是点这个 “name”: 至此你导入的数据和保存的数据组合如下图所示: 三、估计回归模型第一节用的数据太简单了,不方便展示,因此改用如下数据: 被解释变量:大学图书馆的藏书量(VOL)解释变量:大学学生人数(STU)、大学教职工人数(FAC)、本科录取分数线(SAT) 1、估计回归模型输入以下命令: ls 是指线性回归必须以 c 间隔被解释变量和解释变量解释变量之间没有先后顺序要求 ls vol c stu fac sat得到回归模型: 2、回归结果名词解读第三个红框,从左到右依次是: 参数估计值标准差t 统计量p 值常用统计量,从上到下依次是: 拟合系数 R^2调整后的拟合系数 R一把^2F 统计量p 值 四、检验模型设定错误三大模型设定错误: 遗漏变量加入了不相干变量函数形式错误 1、检验是否遗漏变量假设我们不小心遗漏了变量 sat,如下: ls vol c stu fac按照下图所示点击相应选项检验是否遗漏变量: 输入 sat,因为我们认为它可能是遗漏的变量: 看这三个检验结果即可,它们都一致认为 sat 是遗漏变量: 2-1、检验是否加入了不相干变量当前解释变量为 stu、fac、sat,检验 stu 是否是不相干变量: 看这三个检验结果即可,它们都一致认为 stu 是不相干变量: 2-2、惩罚新增变量 赤池信息准则(AIC)施瓦茨信息准则(SC)用于在新增变量前的模型和新增变量后的模型之间比较,两个的值越低越好: 3、修改函数形式:生成新变量假设我们需要把原模型变成双对数形式,那么就需要对每个变量取对数。在 EViews 中的实现方式就是生成新的变量,利用新变量重新做一次回归。 genr 是生成新变量的指令lnvol 是新变量的名称log() 是函数vol 是原变量 genr lnvol=log(vol) genr lntot=log(tot) genr lnsat=log(sat)再利用新变量做回归: ls lnvol c lntot lnsat 五、描述性统计分析 1、按组打开ctrl+鼠标左键,依次点击我们需要的数据,选好后点击右键: 数据在组中的排列顺序=鼠标选择的顺序: 2、查看样本均值结果如下图所示: 3、样等性检验检验不同样本的均值是否存在显著差异 选择均值 mean: 看这两个结果即可,表明不同样本的均值没有显著差异: 老师的 EViews 在 F 检验上面还有两种 t 检验,不知道为什么到我这版就没了。 六、多重共线性的检验 1、相关系数检验将所需数据按组打开,并选择协方差分析: 这里改选相关系数,不要选协方差: 相关系数矩阵都是对称矩阵,所以可以只看主对角线下面的内容: 2、VIF 膨胀因子检验VIF 是在回归方程结果页做的,不是按组打开数据那里: 只需要看第三列结果,VIF > 5 就认为存在多重共线性: 这里 STU 和 FAC 的 VIF 都大于 5,只有 SAT 置身事外,所以肯定是 STU 和 FAC 之间存在多重共线性。 七、异方差的检验和补救 1、图解法(检验)将一个解释变量和 resid 按组打开,先选解释变量后选 resid,否则 x 和 y 轴颠倒了: 选择散点图: 可以看出残差的分布随 SAT 的增大而增大了,因此可能存在异方差: 2、White 检验White 检验是在回归方程结果页做的,不是按组打开数据那里: 选择 White 检验,勾选框可以选择要不要交叉项: White 检验的统计量是 nR^2,可以看出模型不存在异方差: 所以图解法不靠谱啊…… 3、White 调整法(补救)White 调整法只会修正标准差,不会影响到参数估计值: 八、序列相关性的检验和补救 1、DW 值(检验)DW 统计量值是给你算出来了,但是要自己查表去看到底是不是序列相关: 2、LM (BG) 检验DW 只能检验一阶,我们 LM 至少要检验个二阶: 结果是既没有一阶序列相关性,也没有二阶序列相关性: 3、GLS 法(补救)引入解释变量 AR(m),表示随机误差项 ε_t 的 m 阶滞后项 ε_(t-m): ls vol c stu fac sat ar(1) ar(2)两个滞后项的参数估计值不显著异于 0,因此不存在序列相关性;否则,标准差的值将得到修正,STU、FAC、SAT 的参数估计值也会改变。正因为原模型不存在序列相关性,所以修正前后的参数估计值不变,DW 值几乎也没有变: 4、Newey-West 法(补救)NW 调整法只会修正标准差,不会影响到参数估计值: 九、虚拟因变量 1、Logit 模型和 OLS 统计检验的三大区别: 参数估计值的显著性:t 检验 |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |