本文旨在学习Eviews，文本来源于计量经济学实验内容（可点击下载）。
眼前目的：完成计量经济学实验报告
长远目的：为工作……
ps.其实我可能也不从事计量经济学相关工作 🙃

---

Eviews基本操作

数据创建命令

如想建立一个新的工作表可输入命令：CREATE    时间频率类型    起始期    终止期
如建立一个1988年到1999年的年度工作表可利用以下命令：

create a 1988 1999

若建立工作表完毕，生成数据类型，可利用data命令
如想建立 y x1 x2 三个变量组成的回归，可利用以下命令：

data y x1 x2

若想生成与x1有关联的数据，可利用genr命令
如z1是x1的平方，可利用以下命令：

genr z1=x1^2

其他genr命令

genr logx=log(x)
genr z2=1/x2
genr t=@trend(84) （从85年为1开始建立时间变量）

图形分析命令

plot

作用

⑴分析经济变量的发展变化趋势
⑵观察是否存在异常值

变量y的趋势图（曲线图，走势图）：

plot y

变量 y 与变量 x 的趋势图：

plot y x

scat

作用

⑴观察变量之间的相关程度
⑵观察变量之间的相关类型，即为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

变量X、Y的相关图（应该就是散点图）：

scat x y

说明

⑴SCAT命令中，第一个变量为横轴变量，一般取为解释变量；第二个变量为纵轴变量，一般取为被解释变量
⑵SCAT命令每次只能显示两个变量之间的相关图，若模型中含有多个解释变量，可以逐个进行分析
⑶通过改变图形的类型，可以将趋势图转变为相关图

一些英文含义：

Mean——均值        Median——中位数     Maximum——最大值

Minimum——最小值   Std.Dev.——标准差    Skewness——偏度

Kurtosis——峰度      Jarque-Bera——       Probability——概率

Observations——观测值个数

---

一元回归模型

可利用上述数据创建命令创建工作表，并输入数据
通过曲线图，相关图，分析变量趋势与相关关系。

估计线性回归模型

法一：选择所想分析的数据，右键/as Equation/确保y在第一位/确定，即可进行回归分析
法二：ls  被解释变量  c  解释变量

ls y c x x1 - - -

估计非线性回归模型

由相关图分析可知，变量之间是非线性的曲线相关关系。因此，可初步将模型设定为指数函数模型、对数模型和二次函数模型并分别进行估计。

估计非线性回归模型

双对数函数模型：ls log(y) c log(x)

对数函数模型：ls  y c log(x)

指数函数模型：ls log(y) c x

二次函数模型：ls y c x x^2

比较模型的经济意义，t检验，拟合优度，进一步分析

---

多元回归模型

分析有多个数据解释变量的情况

建立包括时间变量的三元线性回归模型

建立数据步骤

⒈建立工作文件：   create   a   78   94 （建立1978-1994年的数据）

⒉输入统计资料：   data     y   l   k （为工作表建立数据）

⒊生成时间变量：  genr    t=@trend(77) （以77年为0，建立时间变量）

如生产函数 Y：总产值 由三个变量t：时间 L：劳动 K：资本 所影响。
可以在建立数据之后利用最小二乘法进行回归：

ls y c t l k

会得出c t l k的回归值，t值，R方值，F值

建立剔除时间变量的二元线性回归模型

命令：

ls y c l k

建立非线性回归模型——C-D生产函数

Y = A(t)L^αK^βμ

genr  lny=log(y)
genr  lnl=log(l)
genr  lnk=log(k)
ls lny c lnl lnk

---

虚拟变量

构造虚拟变量；

方式1：使用DATA命令直接输入；
方式2：使用SMPL和GENR命令直接定义。

data d1
smpl 1 8        #样本期调成1998年其实就是只选中前八个变量
genr d1=0       #把d1 1-8的内容定为0
smpl 9 16       #样本期调成1999年其实就是只选中后八个变量
genr d1=1   
smpl 1 16       #调回全部的变量，很重要
genr xd=x*d1
genr xd=x*d1    #建立数据
ls y c x d1 xd  #最小二乘

---

多重共线性

检验多重共线性

相关系数检验

create a 78 97
data t x1  x2  x3  x4  x5   #输入数据
cor  x1  x2  x3  x4  x5     #或点击View\Correlations

由相关系数矩阵可以看出，解释变量之间的相关系数均为0.93以上，即解释变量之间时高度相关的。

辅助回归方程检验

通过建立辅助回归模型来检验多重共线性

ls  x1  c  x2  x3  x4  x5
ls  x2  c  x1  x3  x4  x5
ls  x3  c  x1  x2  x4  x5
ls  x4  c  x1  x2  x3  x5
ls  x5  c  x1  x2  x3  x4

分析F值的显著，和变量之间的相关关系，当t值大于2时，相关程度大

---

异方差

检验异方差性

图形分析检验

通过散点图 scat

残差分析

sort x     #将数据排序 x:解释变量  
ls y x c   #建立回归方程

排序之后建立回归方程（ls）
view/actual,fitted,residual/residual graph 可得到残差分布图
显示回归方程的残差分布有明显的扩大趋势，即表明存在异方差性

Goldfeld-Quant 检验

将样本安解释变量排序（sort x）并分成两部分，分别得出残差平方和，相除

smpl  1  10   
ls  y  c  x    #Sum squared resid 残差平方和
smpl  19  28   
ls  y  c  x

F=RSS₁/RSS₂ 查表F值 相比之后大于则存在异方差性

White 检验

建立回归方程，点击View\residual diagnostic\heter… test\white ，得出nR²，。取显著水平0..05，所以存在异方差性。实际应用中可以直接观察相伴概率p值的大小，若p值较小，则认为存在异方差性。反之，则认为不存在异方差性。

Park 检验

genr  lne2=log(resid^2)
genr  lnx=log
ls  lne2  c  lnx

lnx的系数估计值不为0且能通过显著性检验，即随即误差项的方差与解释变量存在较强的相关关系，即认为存在异方差性。

Gleiser检验

---

调整异方差性

确定权数变量

genr  w1=1/x^1.6743   #根据Park检验生成权数变量
genr  w2=1/x^0.5      #根据Gleiser检验生成权数变量
genr  w3=1/abs(resid）
genr  w4=1/resid^2

利用加权最小二乘法估计模型

在
Eviews
命令窗口中依次键入命令

ls(w=w1)  y  c  x    
ls(w=w2)  y  c  x  
ls(w=w3)  y  c  x  
ls(w=w4)  y  c  x  

对所估计的模型再进行White检验，

对所估计的模型再进行White检验
White检验显示，P值较大，所以接收不存在异方差的原假设，即认为已经消除了回归模型的异方差性
White检验没有显示F值和nR²的值，这表示异方差性已经得到很好的解决

---

内生解释变量

tnnd，别的都做了，就这个不会还就考这个靠🤬！
一定要找时间把工具变量法写出来。

序列相关性

回归模型的筛选

分析相关图

相关图表明，
GDP指数与居民储蓄存款二者的曲线相关关系较为明显。现将函数初步设定为线性、双对数、对数、指数、二次多项式等不同形式，进而加以比较分析。

scat  x  y

模型估计

ls y c x
genr lny=log(y)
genr lnx=log(x)
genr x2=x^2
ls lny c lnx
ls y c lnx
ls lny c x
ls y c x x2

选择模型步骤

• 分析t检验
• 剔除低拟合优度的模型
• 比较各模型的残差分布表

自相关性检验

DW检验

偏相关系数检验

BG检验