【转】经济计量学软件包Eviews快速使用

 

经济计量学软件包Eviews快速使用

袁建文 整理编写

内容导引:

一、启动软件包

假定用户在经济计量学软件包Eviews的使用方面没有经验。试图通过一个实际问题研究我国人均消费水平问题(见人大何晓群《回归分析与经济数据建模》第50页)的处理过程,使用户对EViews的应用有一些感性认识。达到快速掌握的目的。

启动软件包

进入WINDOWS以后的启动步骤:

(1)开始==>

(2)程序==>

(3)Econometric Views==>

(4)EViews

启动过程示意:

1.gif (27315 字节)

进入EViews窗口。

窗口简介

标题栏

窗口的顶部是标题栏,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。

菜单栏

标题栏下是主菜单栏。主菜单栏上共有7个选项: File,Edit,Objects,View,Procs,Quick,Options,Window,Help。用鼠标点击打开下拉式菜单(或再下一级菜单,如果有的话),双击某个选项电脑执行对应的操作响应。

命令窗口

主菜单栏下是命令窗口,窗口最左端一竖线是提示符,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MacroTSP(DOS)版的命令可以直接在此键入,如同DOS版一样地使用EViews。按F1键(或移动箭头),键入的历史命令将重新显示出来,供用户选用。

主显示窗口

命令窗口之下是EViews的主显示窗口,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。

状态栏

主窗口之下是状态栏,左端显示信息,中部显示当前路径,右下端显示当前状态,例如有无 工作文件

EViews的四种工作方式

1。鼠标图形导向方式

2。简单命令方式

3。命令参数方式(1与2相结合)

4。程序(采用EViews命令编制程序)运行方式

二、创建工作文件

例1.人均消费函数

在研究我国人均消费水平的研究中,收集了1981-1993年间13个样本资料,人均消费额记作y(元),人均国民收入记作x(元)。根据资料建立消费函数。(人大 何晓群 《回归分析与经济数据建模》 50页)

工作文件

工作文件是用户与EViews对话期间保存在RAM之中的信息,包括对话期间输入和建立的全部命名对象。

工作文件好比你工作时的桌面一样,放置了许多进行处理的东西(对象),像结束工作时需要清理桌面一样,允许将工作文件保存到磁盘上。

如果不对工作文件进行保存,工作文件中的任何东西,关闭机器时将被丢失。

进入EViews后的第一件工作

用户第一次使用Eviews处理项目时,通常应从创建工作文件开始。

只有建立(新建或调入原有工作文件), EViews才允许用户输入开始进行数据处理。

建立工作文件的方法

方法是点击File/New/Workfile/OK,选择新建对象的类型为工作文件。

选择数据类型和起止日期,并在出现的对话框中提供必要的信息:适当的时间频率(年、季度、月度、周、日);最早日期和最晚日期。

确定起止日期或最大处理个数

开始日期是项目中计划的最早的日期;

结束日期是项目计划的最晚日期,以后还可以对这些设置进行更改。

非时间序列提供最大观察个数。

具体操作步骤

首先打开新建对象类型对话框,选择工作文件Workfile

再打开工作文件时间频率和样本区间对话框

按OK确认,得新建工作文件窗口。

工作文件窗口

工作文件窗口是EViews的子窗口。它也有标题栏、控制框、控制按钮。标题栏指明窗口的类型workfile、工作文件名和存储路径。标题栏下是工作文件窗口的工具条。工具条上是一些按钮。

Views观察按钮

Procs过程按钮

Save(保存)工作文件,

Sample(设置观察值的样本区间),

Gener(生成新的序列),

Fetch(读取),

Store(存储)

Delete(删除)对象。

此外,可以从工作文件目录中选取并双击对象,用户就可以展示和分析工作文件内的任何数据。

工作文件一开始其中就包含了两个对象

一个是系数向量C(保存估计系数用),另一个残差序列RESID(实际值与拟合值之差)。

小图标

小图标上标识出对象的类型,(是系数向量,曲线图是时间序列。

使用Views选择对象后或直接使用EViews主窗口顶部的菜单选项,可以对工作文件和其中的对象进行一些处理。

这些处理包括生成新的对象,建立组,估计参数,指数平滑,预测,模拟等。

 

三、输入和编辑数据

输入数据有两种基本方法:data命令方式和鼠标图形界面方式

(一)data命令方式

命令格式:data <序列名1> <序列名2>......<序列名n>

功能:输入和编辑数据

适用条件:建立或调入工作文件以后

(二)鼠标图形界面方式

利用鼠标选择菜单项目或对象,填写相应的对话框。

建立新序列

建立空组

打开编辑开关

输入和编辑数据

1、建立新序列

File\New对象类型选择series,并给定序列名,一次只能创建一个新序列。

2、建立空组(1)

创建将两个空序列Y和X后,按住CTRL点击Y,再点击X,使两个图标加亮,并双击,就建立起一个组。打开一个组窗口,组中含有Y和X序列。命名为XFHSH。(按住CTRL点击选择对象,可以确定构成组后的先后顺序,还可以间隔选择对象。)

建立空组(2)

3、打开编辑开关

在组窗口选择Edit+/-,进入编辑状态,通过键盘结合光标移动键,将下列数据输入。

 

四 、由组的观察查看组内序列的数据特征

组窗口工具条上Views的下拉式菜单:

1、SpreadSheet(电子数据表)

2、Graph(图形)

编辑图形

双击图形中部设定图形选项

双击图形区域中任意处,进入图形编辑状态。选择图形类型,图形属性(是否置入图框内,刻度,是否用彩色),柱和线的选项,设定竖轴(单个,双个,是否交叉),设定比例尺度(优化线性尺度,强制通过0线,对数尺度,正态化尺度),手动设定比例尺度,线形图选项,柱型图的选项,散点图选项(连接,配拟合直线),饼图选项等。

图形选项

散点图为设定模型的函数形式提供参考

得到显示消费支出与收入间存在线性关系的散点图

散点图为设定理论模型,给出了指导。

3、多线图Multiple Graphs

(同一窗口中显示多幅图,一个序列一幅图)

4、Descriptive Statistics(描述统计量)

5、Correlations(相关系数矩阵)

6、Covariances(斜方差矩阵)

7、Correlogram (1)(组内第1序列相关函数)

8、Cross Correlation (2)(组内第1和第2序列互相关函数)

9、Cointegration Test(执行 Johansen cointegration 检验)

10、Granger Causality(检验组内各个配对间的Granger因果关系)

Granger Causality(因果关系)检验

X(国民收入)不是Y(消费)的“因”的假设被拒绝==>X是Y的“因”(小概率0.03002事件发生拒绝Null Hypothesis);同时Y(消费)不是X(国民收入)的“因”的假设被接受,所以国民收入是消费的因,即收入可以作消费的自变量。

Granger Causality统计推断

如果两个假设被接受==>X与Y之间不存在“因果关系”。

如果两个假设被拒绝==>X是Y的因,同时Y也是X的因,它们之间并不存在因果关系,第三者或多个第三者才是它们的因。

只有一个假设被拒绝,另一个假设被接受,才能推断出其间存在Granger因果关系。

 

五、回归分析 估计消费函数

1、在经济理论指导下,利用软件包的“观察(View)”功能对数据进行“火力侦察”

依据凯恩斯理论,初步选出一些变量,譬如,考虑可比性,消除人口因素的影响,采用人均指标。

描述统计量,散点图,相关系数矩阵,Granger因果关系检验等等,取得初步认识;供筛选变量,选择函数形式参考。

2、设定理论模型:

(这里设定为直线-Y= a + b X + e)

3、作普通最小二乘法估计

在组窗口的操作步骤:

Proces==>

Equation==>

选择估计方法==>

设定样本区间==>

OK进行估计。

此外选择Option还可以设置选项。

Option选项设置:

异方差存在

加权最小二乘法的权数

迭代的最大次数

收敛的精度

ARMA系数的初始值等

得到估计结果:

Y=54.2286+0.526377X

4、对模型的可靠性进行统计学检验

统计检验

总的说来,拟合优良(因是一元回归,总的好,自变量的系数也一定好)。

但是,可能存在误差项的一阶正自相关,因为杜宾瓦特荪统计量=0.68与2相差很远。

5、对模型进行经济计量学检验

经济计量学检验:指的是关于随机扰动项(残差)是否满足基本假定的检验。它包括:异方差检验,自相关检验,多重共线检验等。

序列相关的判断

残差(Residual)几期连续为负,几期连续为正,又几期连续为负,表明存在正自相关。

而且,Durbin-Watson stat= 0.682156,更是存在残差自相关的有力证据,表明模型违背了普通最小二乘法的基本假定。

6、进一步改进模型(采用Cochran-Orcutt循环查找法)

7、模型应用

请同学们自行解释模型的意义。

 

六、保存研究成果(工作文件)

1、保存工作文件

选择主菜单上File/Save将工作文件的一个拷贝存储在磁盘上。第一次使用时,如同以后使用File/SaveAs一样,打开一个标准的Windows文件保存对话框,用户在Drive下指定存储的驱动器,在Directory下指定存储的路径。也可以通过鼠标在目录间航行,寻找到子目录后,双击打开子目录来确定路径。然后对欲保存的工作文件在File Name下命名。最后按OK,就开始保存工作文件。

缺省路径的设置

点击Update Default Directory使当前路径成为缺省路径,为今后存取文件提供方便。在List files of Type下指定存储文件的类型。以便与外部软件共享数据。

当然也可以在左上角,像DOS格式那样直接给出盘符、路径、文件名,而无须通过鼠标航行来确定路径。

2、退出Eviews

选择File/Exit,退出Eviews。

3、读取工作文件到内存

选择主菜单上File/ Open 将先前保存的工作文件读入内存。选择File/ Open后,出现类似于SaveAs打开的对话框。在对话框的左下方将会看到,右边子目录限定路径中已经保存的文件名。一旦用户确定了右边的子目录,再双击左边的文件名,该文件就自动打开,在内存中建立了工作文件区,为开展研究作了好准备。

 

七、利用已有序列生成新的序列

例2.根据例1的数据计算我国1981-1993年间人均国民收入(Y)对人均消费(X)的弹性。

双对数模型因变量与自变量双双作对数变换以后(取对数)再拟合其间的关系,

lnY=lna+lnX+u

此时的回归系数就是自变量对因变量的弹性,即人均国民收入变动1%人均消费变动百分之几。

在工作文件窗口中选取Genr打开生成序列对话框。在打开的生成新序列对话框中,输入生成新序列的方程,然后OK

注意,此时生成的ly是y的自然对数。用同样的方法生成lnx。然后进行最小二乘估计

回归方程:

LY = 0.91214356*LX + 0.074366572

弹性=0.91214356,即人均国民收入增加1%,人均消费收入平均增加0.91214356%。

 

经济计量学软件包Eviews简介

 

一、经济计量学软件包的主要功能

EViews通常称为经济计量学软件包。EViews是Econometrics Views的缩写,它的本意是对社会经济关系与经济活动的数量规律,采用经济计量学方法与技术进行“观察”。经济计量学研究的核心是设计模型、收集资料、估计模型、检验模型、运用模型进行预测、求解模型和运用模型。EViews是完成上述任务得力的必不可少的工具。正是由于EViews等经济计量学软件包的出现,使经济计量学取得了长足的进步,发展成为实用与严谨的经济学科。

(一)经济计量学软件包的主要功能

经济计量学软件包EViews(Econometric Views)是用户在电脑Windows下进行回归分析和预测的一种工具。

使用 EViews软件包可以对时间序列和非时间序列的数据进行分析,建立序列(变量)间的统计关系式,并用该关系式进行预测、模拟等等。

1、软件包EViews适用范围

销售预测

价格分析和预测

财务分析

宏观经济分析和预测

仿真

科学计算中的数据分析和评价

2、EViews软件包的成长过程

EViews软件包是装配在大型计算机上,处理时间序列分析软件包的基础上发展起来的新的软件包。EViews是美国GMS公司1981年发行第1版的Micro TSP的Windows版本。目前最新的版本是3.1。我们以V 2.0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是由经济学家开发的,并且大多数被用于经济学领域,但并意味着必须限制该软件包仅只用于处理经济方面的时间序列。EViews处理非时间序列数据照样得心应手。实际上,相当大型的非时间序列(截面数据)的项目也能在 EViews中进行处理。

3、EViews处理的基本数据对象是时间序列

每个序列有一个名称,只要提及到序列的名称就可以对序列中所有观察值进行操作。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。

4、EViews的操作灵活简便

(1)具有当代WINDOWS软件可视化的特征, 允许用户通过鼠标依据标准的WINDOWS菜单和对话框进行操作。得到的结果显示在窗口中,也可进一步采用标准的WINDOWS技术去处理这些结果。

(2)用户还可以使用功能强大的EViews 的命令语言,进行程序设计。为一个大型研究项目编制程序。

(3)允许用户在命令窗口中输入和编辑命令(为用户保持了DOS版本Micro TSP的风格),单步处理数据。

(4)上述三种操作混合起来使用EViews。

5、经济计量学软件包EViews的主要功能

(1)输入、扩展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)在屏幕上和用打印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、自相关函数、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(标准的电子数据表)间进行数据交换

(二)工作环境概述

1、CPU至少486以上

2、4M以上内存

3、至少有一个软盘驱动器和一个硬盘

4、能显示图形的显示器和显示卡

5、至少是Windows 3.1以上的操作系统

6、最好安装全套Office家族,以便将软件包的处理结果,形成研究报告

(三)软件包的安装

1、将软件包的安装盘插入A驱动器中

2、开始-->运行-->浏览(在A盘上找到Setup)-->打开-->确定,开始安装

3、指定安装的路径

4、创建启动图标,按确定按钮,软件包安装成功

5、关于软件包的版本

 

二、EViews经济计量学软件包的基本概念(一)

——时间序列、工作文件、对象、观察、组、剪切板、磁盘(数据)文件

1、时间序列(Series)

时间序列由按一定时间间隔和时间先后顺序排列的某个变量的一系列观察值组成。

- 例如,广州百货大楼1989到2000年的各月的销售额构成一个时间序列,时间间隔(或称频率)是月。

- 又如,我国1978到2000年各年GDP构成一个时间序列,序列的频率是年。

- 截面数据也称为序列。

2、EViews中时间序序列频率的种类

分为日期型的频率和非日期型频率两类。不规则的日期型数据归入非日期型数据类。

非日期型序列(截面数据),需指明起始序号=1,终止序号=序列数据的最大个数。

日期型序列的频率分为:

年需指明开始年号和终止年号;

季度例如1989年1季度为开始日期,记为1989:1;1999年4季度为终止日期,记为1999:4(季度用1位数表示)

月度例如1989年1月为开始日期,记为1989:01;1999年12月为终止日期,记为1999:12;(月度用2位数表示)

此外,还有周日(星期)型数据等。

3、工作文件(Workfile)

用户使用经济计量学软件包之前,即启动软件包以后必须首先在内存(RAM)中建立工作文件,即在RAM中开辟处理数据的工作区。或者,从磁盘上加载一个工作文件到内存。用户在与软件包之间整个交互式处理过程中,工作文件一直保存在内存中。

--工作文件中可以包括的对象:序列、组、方程、图形、系统、模型、系数向量等等

4、对象(Object)

EViews软件包使用术语--对象object表明它已经向面向对象的设计思想前进了一大步。EViews是围绕对象这个概念建立起来的,对象包括时间序列,方程,模型,系数和矩阵等等。

对象是可见的,当用户与EViews会话期间,用户正在使用的、被激活的对象在屏幕上是可见的。而其它非激活窗口中对象要么是一个图标,要么是一个打开的窗口。

可以双击图标使其变成窗口,也可以点击窗口最小化按钮使窗口变成一个图标。

对象一词涉及到可对其操作和建立的许多东西。用户已经熟悉的方程,模型,和系数等是数据对象。图形,表格,文本则是非数据对象。

5、观察(Views)

每个对象都具有观察。通常意义下的对象具有属性、方法、函数和过程等等,一旦对象被激活,它的属性等就会表现出来。显然EViews中的“观察”指的是对象可视的一些属性。一个对象提供的用以对其自身属性进行观察和分析的窗口称为该对象的“观察”。 大多数对象具多种属性,从而具有多个“观察”,即用户可以从多个窗口对该对象进行的不同属性进行观察。或者说对象的属性是通过各种观察表现出来的。

例如,一个序列(显然是一个对象)具有电子数据表观察、线性图观察、柱型图观察、饼图观察、直方图观察和描述统计量观察。

一个序列的观察既可以是图形,也可以是表或电子数据表,还可以是描述统计量等综合计算的结果。

观察并不是孤立的,它是对应数据对象属性的表现。所以,当序列中的数据发生了变更,该对象的图形观察将自动进行更新。

对象具有“观察”,与此同时“观察”也可生成对象。EViews 允许用户将一个观察转换为一个对象,EViews称这样生成的对象为观察的“冻结”对象。当对应序列中的数据发生变化时,冻结的图形(已经不是观察,而是一个新的对象)将不再发生变化。但允许对冻结的观察进行各种各样的编辑并把它们传送到其它软件中去。此外,允许对冻结了的对象命名和保存到磁盘上。

6、组(Group)

组是对象之一,组对象具有使用灵活简便的特性。

从本质上看,组是把若干序列合并在一起构成的一个"组",以便对组内所有的序列同时使用一种方法进行操作。

一个组可由若干序列或由若干其它的组构成。允许用户利用组打开该组的各种观察。

组的作用:

(1)通过组观察,对组内所有序列的数据进行多角度的观察;

(2)还允许直接在组窗口中通过键盘输入和编辑数据。

组的特性:

(1)组不是各个序列数据的一个拷贝;当用户改变属于某组的一个序列的数据时,在组窗口中可以看到这些数据的新变化;

(2)与此同时,如果删除一个序列,那么此时会看到该序列从组中也消失了;

(3)对组中某个序列改名,这个序列仍然留所属组中,但名称已被更改。

组具有的“观察”:

(1)像其它数据对象一样,组具有“观察”,每个“观察”又是以“窗口”的形式出现的。

(2)组的标准观察是以电子数据表形式显示序列的窗口,在表中序列按列排列。

(3)组的其它“观察”包括图形、多线图形和描述统计量等窗口。

依据已有序列生成组的最简便方法:

(1)通过工作文件窗口新建组

从工作文件目录中选择序列的名称, 然后双击任何一个被选中的序列区域,EViews V1.0直接生成一个未命名的组,EViews V2.0弹出一个小窗口,从中选择建立组。

新生成的组以电子数据表形式窗口出现。注意,用非连续排列的对象来生成组时,需先按住CTRL键。在工作文件窗口内点击序列的顺序,就是组中序列排列的顺序。

(2)通过主菜单新建组

在主菜单上点击Objects/New/Group建立一个组。此时还要求键入包括在新建组中的各序列名、其它组的组名。一个新建组中若包括另一个组的组名,此时这另一个组内的序列将全部包含在新建组之中。新建组的成员还可以包含滞后序列名。例如:

SALES ORDERS ORDERS(-1) MACGRP

(3)通过键盘输入数据新建一个组

通过键盘输入数据新建组的目的,在于给新组输入数据。点击主菜单Quick/Empty Group,将出现一个既没有数据也没有名称的电子数据表窗口。

允许在列的顶部输入序列的名称,并将数据键入。这样输入的序列也将加入到工作文件之中。

组窗口工具条与序列窗口工具条的主要差别表现在“SAVE”按钮上,前者保存组(*.DBG),后者保存序列(*.DB)。

可以在任何时间向组内增加数据,选择组电子数据表观察后,必须按Edit+/-按钮打开编辑模式。

(4)通过命令窗口新建组

例如,在命令窗口(主菜单下)键入命令:DATA Y X1 X2 X3 X4 X5,以便生成一个包括Y,X1,X2,X3,X4,X5序列的组。如果序列名是已经存在的,就编辑原序列,如为新序列名则等待输入新的数据。

7、剪切板

EViews为用户提供了强有力的Windows的剪切板。使用主菜单上Edit / Copy 将鼠标选定的内容复制到剪切板上,再使用Edit / Paste将保存在剪切板上的内容粘贴到其它地方。 这些功能使用户可以在Windows软件之间交换数据,并交互式地使用多个软件并行工作。

8、窗口间切换

使用EViews不难发现可以用窗口代替纸张进行作业。工作时会产生许多窗口,最近使用的窗口处于各个窗口的顶部。当用户完成探索性研究后,通过点击各个窗口,在窗口之间跳转,浏览中不难找出最满意的结果。也可以使用ALT-F6对各个窗口进行循环浏览。

9、数据文件(Data bank)

EViews允许用户在磁盘的某个目录下保存EViews产生的数据文件。数据文件的种类很多,EViews的各个对象都可以形成数据文件。文件名采用8.3格式。扩展名指出了该数据文件是何种对象的数据文件。数据文件的类型及扩展名对照

- .DB series

- .DBE equation

- .DBM matrix, vector, or coefficient

- .DBG graph

- .DBR group

- .DBT table

- .DBL model

- .DBS system

- .DBV vector autoregression

从对象扩展名看对象类型:

例如:C:\ OPRDATA \ SALES.DB, 是\OPRDATA路径下,名为SALES的时间序列文件。 因为它的扩展名是.DB。

对对象的磁盘操作与管理(通过各个窗口上工具条的按钮):

(1)可以对数据文件进行存存储(STORE)

(2)读取(FETCH)

(3)删除(Delete)

(4)重命名(Rename)等操作

 

三、EViews经济计量学软件包的基本概念(二)

 

--方程、指数平滑、Granger 因果关系、标签、程序、残差、t统计量、系统

10、方程(Equation)

从主菜单选择/New/Equation,建立方程对象。建立方程时除了设定数据外,还需确定2个选项:估计方法和用以估计模型的样本区间。

允许采用最小二乘法、两阶段最小二乘法、logit 和 probi t方法之一去估计一个方程。方程的系数可以是非线性的,还可以包含ARIMA和多项式分布滞后选项。还可以设定样本区间。

新建方程方法一:

(1)点击 Object \ New \ Equation后打开一个对话框。

(2)对话框的上边的编辑栏中,设定用户要估计的方程。

(3)设定待估计线性方程最容易的办法是列出包含在方程的变量名,因变量之后排列回归解释变量。

例如:设定一个CONS 关于GDP和截距进行回归的线性消费方程的例子如下:

CONS C GDP

(4)设定模型的另一种方法(使用常规的数学符号将待估计的方程以显式的形式设定)

例如:道格拉斯生产函数

Y=C(1)*(L^C(2))*L^C(3)

新建方程方法二:

(1)先选择方程中包含的所有变量构成为一个组,最好因变量放在第一位

(2)然后在组窗口中选择Procs / Equations,此时打开的对话框的上部已经将选中的变量列出,只需进一步选择方法和区间

常数序列C:

Eviews事先(建立工作文件时)构造了一个名叫C的常数序列,用以保存估计系数, C可以在各种统计运算中被调用,所以不能再用C作序列名。

模型中滞后序列的设置:

滞后序列允许包含在方程式中,滞后序列如同一个新的序列,它与原序列名字相同,必须在后面圆括号中指明滞后或超前的期数。

在模型设定中使用滞后变量的示例

CONS CONS(-1) C GDP

CONS是因变量,而因变量滞后一期的滞后变量CONS(-1)、GDP和截距C是自变量。

CONS(-1 TO -4) 表示4个滞后变量,它们分别是:

CONS(-1), CONS(-2), CONS(-3)和CONS(-4)

CONS(TO -2) 表示从滞后0期开始的3个变量:CONS, CONS(-1)和 CONS(-2)。

生成方程以后

点击OK后,EViews进行估计并生成一个方程对象。

方程对象有许多观察,允许用户从多个角度对估计得到的方程进行观察

View/Representations 观察

观察方程的三种形式:

(1)命令方式,如变量列表;

(2)待估系数构成的代数式;

(3)估计系数构成的代数式

View/Estimation Output观察

估计方程后, View/Estimation Output是最先观察到的,

该观察输出估计标准结果

View/Actual, Fitted, Residual/Table 观察

从左边的表中观察因变量的实际值、拟合值和残差,从右边观察残差图

View/Actual, Fitted, Residual/Graph 观察

观察因变量实际值、拟合值和残差的标准Eviews图

View/Coefficient Tests, Residual Tests,和 Stability Tests观察

该观察打开规范性检验和诊断性检验的次级菜单

Procs 按钮

给出两个选项:

一个是Estimate ,

另一个是Forecast

Print 按钮

将当前窗口打印输出

Store 按钮

命名后以.DBE 为扩展名将方程保存到磁盘上

Name 按钮

给方程命名,命名后的方程作为一个对象,保持在工作文件中,它的小图标上有一个等号"="。

Freeze 按钮

给出一个静态的表或者图(已是对象了,而不是数据表观察或图形观察),以便以后进行编辑作为研究结果输出。

Estimate按钮

打开估计对话框,允许更改待估方程、样本区间,并重新进行估计。

Forecast按钮

根据所得方程计算预测值

11、指数平滑(Exponential smoothing)

指数平滑的机理

指数平滑是基于时间序列的一个简单的统计模型进行预测的方法。与回归模型不同,它不使用除了序列自身以外的其他信息进行预测。

(1)简单指数平滑

这类技术中最简单的是单指数平滑, 适用于对围绕常数平均数上下随机扰动的序列进行预测。

(2)平滑常数

如果序列既不存在趋势模式也不存在季节模式,应当采用指数平滑。单指数平滑预测值乃是序列按衰减系数(平滑系数)递推。衰减系数通常是一个相当小的数(0-1),例如0.05。

- 预测值缓慢地与序列实际值相适应。

(3)指数平滑预测值

在指数平滑预测的典型应用中,允许使用可用于预测序列的全部历史值(实际值)。 对整个期间计算平滑预测值以后,观察值对应的平滑值就是你所求的下一个观察期的预测值。最后一期的平滑值就是未来一期的预测值。

(4)平滑常数的设定

可以要求EViews按预测误差平方和最小化自动求解平滑常数,而无须用户指定平滑常数。但是,如果EViews自动求解出的平滑常数很大,表明你的序列接近于一个随机游走过程, 最佳预测是给近期观察值以较大的权数,给滞后期较远的观察值以较小的权数。

(5)双指数平滑与三指数平滑

如果序列存在趋势,应当采用考虑了趋势影响的双指数平滑法进行预测,单指数平滑对未来的预测只是在相同发展水平上的一个数,而双指数平滑的预测值则是按发展水平,同时也按某种趋势增长,用线性方程进行预测。

三指数平滑同时对发展水平,增长趋势和季节变动进行指数平滑,且分加法模型和乘法模型。 例如,Holt-Winter分为:无季节、乘法和加法

12、Granger 因果关系(Granger causality)

(1)相关关系与因果关系

相关关系并不意味着其间必然存在通常意义下的那种因果关系。

经济计量学墓地处处埋葬着华贵的相关关系,要么充满着虚假,要么就是毫无意义。

这些有趣的例子包括美国教师的工薪与酒精消费量间的正相关关系,以及英国的死亡率与在教堂里举行庄严婚礼的比率之间存在的极好的正相关关系。还有那些经济学家争论不修的货币供应量与GNP的增长之间的关系。

(2)Sims方法Sims方法是依据Granger因果关系定义建立的检验方法,首先考察Y的当前值在多大程度上能被它的滞后值所解释,然后接着考察加上X的滞后值后是否能增进这种解释。如果X有助于Y的预测,那么Y是被X Granger引致的(即Y是X的Granger果,X是Y的Granger因),换句话说,诸X的系数在统计上是显著的。但是,必须指出"X是Y的Granger因"并不意味着Y是X的效应或结果。(3)Granger因果关系是时间前导性的因果关系Granger因果关系测度是前导性而并非因果关系一词通常意义下的信息内容。但是,必须指出"X是Y的Granger因"并不意味着Y是X的效应或结果。有助于设定模型时确定谁是自变量,谁又是因变量。是一种孰先孰后的“因果关系”。

Granger因果关系检验自动进行

检查是否存在Granger因果关系的回归分析在EViews中是自动进行的。用户只需给出两个序列的名称和指定用于预测的滞后期的长度。一共要拟合4个回归方程:(1)Y关于Y的滞后值的,(2)Y关于Y的滞后值与X的滞后值的,(3)X关于X的滞后值的,(4)X关于X的滞后值与Y的滞后值的。然后检验两个假设:X=\=>y和Y=\=>X。

怎样判断结论?

1.X=\=>Y与Y=\=>X同时被接受(成立),那么X和Y之间不存在任何关系;

2. X=\=>Y被拒绝(即X==>Y成立)且Y=\=>X被接受,那么X是Y的因;

3. X=\=>Y被接受(即X=\=>Y成立)且Y=\=>X被拒绝( 即Y==>X成立),那么Y是X的因;

4. X=\=>Y与Y=\=>X同时被拒绝,那么X、Y间互为因果,存在第三者们插足。

滞后期的选择

一般说来,最好使用几个滞后期,因为Granger理论是建立在全部过去信息的适当时期之上的。虽然如此,在任何实际研究中必须坚信,所导出的结论在不同的滞后结构上都应是有说服力的才是普遍的真理。如果专门研究时滞影响,那么又当别论。

13、对象的标签(Labels for Objects )

EViews的对象具有说明自身的标识或注释的标签。标签显示在对象的标签窗口。序列和矩阵的标签显示在电子数据表观察的顶部。EViews自动补充和更新标签提供的信息。允许将补充的信息附加在原有信息之下。EViews允许的标签信息不超过20行。

14、程序(Programs)

使用程序,必须首先熟悉对象,观察和过程。程序是EViews的命令文件。程序不是保持在工作文件之内的对象,程序是能够操作工作文件甚至操纵EViews自身进行工作的软件。

15、残差(Residuals)

残差是因变量实际值与拟合值之间的差,残差度量了回归方程用于预测时可能发生的误差。

注意残差与方程(模型)设定中随机扰动项的区别。

16、t统计量(t-statistics)

t 统计量是用来检验系数具有特殊值的检验统计量。

检验系数等于0(该变量不包哈在模型内)的 t值是系数与它的标准差的比值。

如果t值超过1则至少有三分之二的可靠性认为系数不等于0是真实的;如果t值超过了2,那么至少有95%的可靠性认为系数是不等于0 的。

17、系统(System)

一个系统是一组同时被估计的方程组。 通常一个系统包含了一个模型的全部或大部分方程。 而模型是用来进行经济预测和政策评价与分析的。

(1)建立系统

点击Objects /New /System创建一个系统。

在打开的对话框中给定系统的名称,然后点击OK按钮,一个系统窗口就打开了。

在系统窗口中可以直接输入方程。系统的方程是具有待估系数和残差项的行为方程。 输入方程时应使用标准的EViews符号。

(2)系数向量

允许采用缺省的Eviews系数符号,C(1), C(2)等等;也可以采用其它符号,此时首先应单击Objects/New/Matrix-Vector-Coef对采用的系数向量进行声明。

在两个或多个方程中使用相同的系数实现对系数所加的约束。系统方程中可以包含AR误差选项,但不允许包含MA, SAR, 和SMA误差选项。AR选项必须指定相应的系数,并将所有AR选项置入一个方括号中。

(3)系数向量举例

ASQ=C(1)+C(2)*GDP+[AR(1)=C(3), AR(2)=C(4)]

(4)系统中的恒等式

构成一个完整模型包括一些必不可少的恒等式,但不必包含在一个系统中。系统被用于估计参数,模型被用于求解联立方程中内生变量的值,或对模型进行仿真,模拟政策执行的结果。

模型的设定通常先定义系统,然后将几个系统组合并加上恒等式来定义模型。

例如上述的包含两个方程的系统命名为DEMAND,将其组合成包含两行的模型:

:DEMAND

GNP = CONS + INVEST + GOV

随着系统每一次重新估计,这个模型将自动更新。

(5)系统参数的初始值

如果系统具有非线性参数,可以增加一行以PARAM关键字打头的给一些参数赋给初始值的语句行。参数和初始值应成对的列出。例如:

PARAM C(1) .15 B(3) .5

(6)工具变量和赋标语句

如果准备采用两阶段最小二乘法或三阶段最小二乘法,必须为估计指定工具变量。

指定工具变量有两种方法。如果打算对对所有方程使用相同的工具变量,就增加一个以INST打头的语句行,INST之后列出作为工具变量的外生变量名。

如果此时再采用无须指定工具变量的方法进行估计,指定了工具变量也不至于发生错误,INST语句行被忽略。采用在一个方程之后,键入"@"再列出工具变量名,可为个别方程指定特殊的工具变量。一个方程没有进行特殊的指定就采用INST语句声明的工具变量。

 

四、EViews经济计量学软件包的基本概念(三)

 

--运算符、函数、特殊函数、回归统计@函数、混合@函数

(一)运算符和函数

+ add加

- subtract减

* multiply乘

/ divide除

^ raise to the power幂次

> greater than大于; 如果X大于Y,那么X>Y取 1,否则取0

< less than; X<Y has the value 1 if Y exceeds X and zero otherwise

= equal; X=Y has the value 1 if X equals Y and zero otherwise

<> not equal; X<>Y has the value 1 if X differs from Y and zero otherwise

<= less than or equal; X<=Y has the value one if X does not exceed Y and zero otherwise

>= greater than or equal; X>=Y has the value 1 if X is greater than or equal to Y

AND logical AND; X AND Y has the value 1 if both X and Y are nonzero

OR logical OR; X OR Y has the value one if X or Y is nonzero

D(X) first difference of X, X - X(-1)一阶差分

D(X,n) n-th order difference of X: , where L is the lag operator n阶差分,其中L是滞后算子

D(X,n,s) n-th order ordinary differencing and a seasonal difference at lag s: n阶差分和滞后s的季节差分

LOG(X) natural logarithm自然对数

DLOG(X) change in the natural logarithm, LOG(X)- LOG(X(-1))自然对数改变量

DLOG(X,n) n-th order log difference of X: LOG(X), where L is the lag operator n阶自然对数差分

DLOG(X,n,s) n-th order log differencing and a seasonal difference at lag s: LOG(X) n阶自然对数差分和滞后s的季节差分

EXP(X) exponential function指数函数

ABS(X) absolute value绝对值

SQR(X) square root平方根

SIN(X) sine

COS(X) cosine

@ASIN(X) arc sine

@ACOS(X) arc cosine

RND uniformly distributed random number between zero and one 0和1之间均匀分布的随机数

NRND normally distributed random number with zero mean and variance of one 均值为0方差为1 的正态分布的随机数

@PCH(X) percent change (decimal), (X-X(-1))/X(-1) 百分改变量

@INV(X) inverse or reciprocal, 1/X 逆或倒数

@DNORM(X) standard normal density 标准正态密度

@CNORM(X) cumulative normal distribution 累计正态分布函数

@LOGIT(X) logit of X: 逻辑特函数

E2.gif (491 字节)

@FLOOR(X) convert to integer by rounding down; returns the largest integer not greater than X 转换为不大于X的最大的整数

@CEILING(X) convert to integer by rounding up; returns the smallest integer not less than X 转换为不小于X的最小整数

(二)缺省值和无效数据符号NA

EViews 使用 1.E-37 作为有效数据分界点。例如,当其给一个比较长的序列滞输入的一部分数据,另一部分数据是缺省的,此时就显示出NA (for not available)符号。

为了检验序列ASSETS中是否存在NA数据,依据ASSETS序列生成一个新序列DA

Genr DA=ASSETS<>NA

DA取1的观察值处,表示不存在NA;DA取0的观察值处,表示存在NA数据。

NA数据运算的结果仍然是NA。

在计算时把NA转换为0,例如使用

(DP<>NA)*DP

将序列DP中的非NA数据保持原样,将NA数据转换成0

Or, you can insert EView's missing data code in place of some other value. For example, to replace all the zeroes in ZZ with NA, you could use

也可把数据等于0的转换为NA,非0的保持原样。例如;

(ZZ<>0)*ZZ + (ZZ=0)*NA

(三)特殊函数

EViews中有一类以@.打头的特殊函数,用以计算序列的描述统计量,或者用以计算最常用回归估计量。例如

@MEAN(TBILL)

给出序列TBILL在当前样本区间上的算术平均数

大多数@函数对于所有的观察值取同一数值,它们是对整个样本区间计算的描述统计量,或回归统计函数。

计算描述统计量的@函数:

@SUM(X) sum of X序列X的和

@MEAN(X) mean of X 序列X的平均数

@VAR(X) variance of X序列X的方差

@SUMSQ(X) sum of squared X序列X的平方和

@OBS(X) number of valid observations in X序列有效观察值的个数

@COV(X,Y) covariance between X and Y序列X和序列Y的协方差

@COR(X,Y) correlation between X and Y序列X和序列Y的相关系数

@CROSS(X,Y) cross product of X and Y序列X和序列Y的的乘积和

当序列X是一个数时下列统计函数也返回一个数值;当其X是一个序列时,下列统计函数返回的是一个序列:

@DNORM(X) standard normal density function of X 标准正态分布密度函数

@CNORM(X) standard cumulative normal distribution function of X标准累计分布函数

@TDIST(X,d) Probability that a t-statistic exceeds X with d degrees of freedom自由度为d的t统计量的概率

@FDIST(X,n,d) Probability that an F-statistic exceeds X with n numerator degrees of freedom and d denominator degrees of freedom第1自由度= n,第2自由度=d,取值大于等于X的F分布的概率

@CHISQ(X,d) Probability that a Chi-squared statistic exceeds X with d degrees of freedom自由度等于d,大于等于X的卡平方分布的概率

四、回归统计函数

回归统计函数从一个指定的方程对象返回一个数。调用方法:方程名后接句号“.”再接@函数。例如:

SALESEQ.@DW

返回SALESEQ方程的杜宾-瓦特荪统计量。如果在函数前不用方程名限定,则返回当前估计方程的统计量。例如:@R2

从最近估计的方程中返回判定系数R2。

常用的回归统计函数如下:

@R2 R2 statistic决定系数

@RBAR2 adjusted R2 statistic调整后的决定系数

@SE standard error of the regression回归标准误

@SSR sum of squared residuals回归平方和

@DW Durbin-Watson statistic杜宾-瓦特荪统计量

@F F-statistic F统计量

@LOGL value of the log-likelihood function最大似然估计函数的对数值

@REGOBS number of observations in regression回归方程中观察值的个数

@MEANDEP mean of the dependent variable因变量的均值

@SDDEP standard deviation of the dependent variable因变量的标准差

@NCOEF total number of estimated coefficients估计系数的总个数

@COVARIANCE(i,j) covariance of coefficients i and j.回归系数i和回归系数j间的协方差

@RESIDCOVA(i,j) covariance of residuals from equation i with those in equation j in a VAR or system object. 向量自回归或系统中第i个方程残差与第个j方程残差间的协方差

而@RESIDCOVA 则必须以(已命名的)对象名为前导。例如: VAR1.@RESIDCOVA(2,2)

五、其它功能的特殊函数

下列函数计算产生一个序列:

@MOVAV(X,n) n period moving average of X, where n is an integer序列X平滑期为n的移动平均数,其中n为正整数

@MOVSUM(X,n) n period moving sum of X, where n is an integer序列X平滑期为n的移动和,其中n为正整数

@TREND(d) time trend variable normalized to be zero in period d, where d is a date or observation number在时期d正态化为0的时间趋势变量,其中d为时期或观察值个数

@SEAS(d) seasonal dummy equal to one when the quarter or month equals d and zero otherwise.生成一个季度或月度等于d时取1,其它取0的季节变量

特殊的@函数可以与其它EViews运算符和其它函数结合起来使用。例如:

Q + V - @MEAN(Q+V)

在当前样本区间上,产生一个新的序列,等于序列Q加序列V再减去(Q+V)的均值。

@SEAS(3)

建立一个虚拟变量,该虚拟变量第3季度取1,其它季度取0。

特殊的@函数也可用于估计方程或者定义一个样本。例如:

C(1) + C(2)*Q + C(3)*@TREND(1970)

使用回归常数C(1)、序列Q和在1970年正态化为0的趋势变量来定义回归变量。

 

posted @ 2011-09-25 09:27  springMVC3.1例子  阅读(2866)  评论(0编辑  收藏  举报