计量经济学
计量经济学概念
第二节 计量经济学方法
一. 计量经济学方法的内容
任何计量经济研究包含两个基本要素：理论和事实， 计量经济学的主要功能就是将这两个要素结合在一起。 计量经济研究既使用理论，也使用事实，将二者结合 起来，用统计技术估计经济关系，如图1.1所示。
14
理论统计理论
计量经济模型
加工好的数据
10
3. 学科发展环境 同时，随着科学技术的发展，各门学科相互渗透，数
学、系统论、信息论、控制论等相继进入经济研究领 域，使经济科学进一步数量化，有助于计量经济学的 发展。高速电子计算机的出现和发展，为计量经济技 术的广泛应用铺平了道路。
11
4. 发展过程
上世纪三十年代，侧重于个别商品供给与需求的计 量，基本上属于个量分析或微观分析。
1. 需求函数的数学模型
尽管需求定律假定价格(P)与需求量(Q)之间 呈反向关系，但并没有给出二者之间关系的精 确形式。例如，该定律并没有告诉我们价格与 需求量之间关系是线性的还是非线性的，如图 1.2中（a）和 (b) 所示。
21
Q
Q
(a)
P
(b)
P
图1.2 线性和非线性的需求函数
22
事实上，斜率为负的曲线有千千万万，在它们 之中选择正确的函数是计量经济学家的任务。
7
计量经济学的艺术成分
计量经济学虽然以科学原理为基础，但仍保留了一 定的艺术成分，主要体现在试图找出一组合适的假设 ，这些假设既严格又现实，使得我们能够使用可获得 的数据得到最理想的结果，而现实中这种严格的假设 条件往往难以满足。
“艺术”成分的存在使得计量经济学有别于传统 的科学，是使人对它提供准确预测的能力产生怀疑的 主要原因。
31
计量经济学
计量经济学计量经济学，是一门使用统计方法分析经济现象的学科。
计量经济学主要通过收集、处理、分析和解释经济数据，以确认和识别经济核心问题，比如需求和供给、价格变动、市场结构和经济增长等。
这门学科的进步和应用在各种政策制定和经济决策上有着广泛的应用领域，比如经济政策的分析，股票市场的预测和企业的经营决策等。
接下来，本文将解释计量经济学的主要内容和方法，并探讨计量经济学在实践中的应用。
一、计量经济学的主要内容计量经济学分析的主要对象是经济现象和经济数据。
这些现象和数据可以描述为变量和关系，比如价格，工资，利润和经济增长等。
计量经济学主要研究的是这些变量及其之间的相互关系，以便为决策者提供更好的政策建议。
在计量经济学中，通常会涉及到如下的主要内容：1. 变量的含义和测量。
计量经济学要求研究者对变量的含义进行明确界定，以便能够对其进行测量，并进行数据收集和分析。
例如，如果要研究通货膨胀的影响因素，通货膨胀就是一个重要的变量，需要进行合理的测量。
2. 经济关系的建模。
计量经济学则进一步探索变量之间的数量关系，并通过数学模型来描述它们之间的联系。
例如，经济学家可以建立一个供求模型来研究商品价格的形成。
3. 假设检验。
计量经济学通过提出假设并使用统计检验方法来验证假设。
通过检验结果，经济学家可以同样的推理得出各种假设是否成立。
4. 统计分析。
该领域强调通过统计分析方法检验模型的假设，这是检验数据和变量关系的重要手段。
统计分析包括回归分析、时间序列分析以及多元统计分析等方法。
二、计量经济学方法计量经济学的重要方法包括统计分析、回归分析、时间序列分析、概率论和经济实验等。
其中最常使用的方法是回归分析。
1. 回归分析回归分析是计量经济学的核心方法。
回归分析将一个自变量与因变量相关联。
例如，如果我们想知道变量X与变量Y的相关性，我们就会回归一个X对Y的方程。
这个方程告诉我们，当X发生变化时，Y的变化程度。
回归分析需要建立方程，并根据现有数据的信息来确定系数。
[经济学]计量经济学
![[经济学]计量经济学](https://img.taocdn.com/s3/m/58133e306bd97f192279e943.png)
名词解释1，计量经济学；计量经济学是以经济理论和经济数据的事实为依据，运用数学、统计学的方法，借助计算机为辅助工具，通过建立数学模型来研究经济数量关系和规律的一门经济学科。
2，虚拟变量数据；虚拟变量数据是人们构造的，用来表征政策定性事实的数据。
3，计量经济学检验；计量经济学检验主要是检验模型是否符合计量经济学方法的基本假定。
4，回归平方和；回归平方和用ESS表示，是被解释变量的样本估计值与其平均值得离差平方和5，拟合优度检验；拟合优度检验是指检验模型对样本观测值的拟合程度，用R²表示，该值越接近1，模型对样本观测值拟合得越好。
6，总体回归函数；将总体被解释变量的条件期望表现为解释变量的函数，这个函数称为总体回归函数。
7，样本回归函数；是指被解释变量的样本条件均值也是随解释变量的变化而又规律的变化，如果把被解释变量的样本均值比奥斯为解释变量的某种函数，称这个函数为样本回归函数8，回归方程的显著性检验（F检验）；是指对模型中北解释变量与所有解释变量之间的线性关系在总体上是否显著做出推断。
9，回归参数的显著性检验（t检验）；是指对其他解释变量不变时，某个回归系数对应的解释变量是否对被解释变量有显著影响做出推断。
10， 多重共线性；是指解释变量之间精确的线性关系和解释变量之间近似的线性关系。
11， 完全的多重共线性；是指解释变量的数据矩阵中，至少有一个列向量可以用其余的列向量线性表示。
12，不完全的多重共线性；指对解释变量k X X X ,,,32 ，存在不全为0的数k λλλλ,,,,321 ，使得 033221=+++++i ki k i i v X X X λλλλ ),,2,1(n i =，其中，i v 为解释变量。
13，异方差性；是指随即变量的方差不是确定的常数，即被解释变量观测值的分散程度随解释变量的变化而变化。
14，序列相关性；指总体回归模型的随机误差项之间存在相关关系。
15.滞后效应；是指由于经济活动的惯性，一个经济指标以前的变化态势往往会延续到本期，从而形成被解释变量的当期变化同自身过去取值水平相关的情形。
1.1 计量经济学的概念
第一节计量经济学的概念计量经济学起因：对经济问题的定量研究;名词的产生：弗瑞希在其1926年发表的《论纯经济问题》一文中，按照“生物计量学”一词的结构仿造出来的。
计量经济学标志：1930年成立计量经济学会本意是经济度量，研究对经济现象和经济关系的计量方法，因此有时也译为经济计量学。
译为计量经济学，是为了强调计量经济学是一门经济学科，不仅要研究经济现象的计量方法，而且要研究经济现象发展变化的数量规律。
Econometrics计量经济学产生的意义反映了社会化大生产对各种经济因素和经济活动进行数量分析的客观要求，从定性研究到定量分析的发展，是经济学更精密、更科学的表现，是现代经济学的重要特征。
计量经济学产生的特点计量经济学与其他西方经济理论不同的一个重要特点，是它自身并没有固定的经济理论，计量经济学中的各种计量方法和技术，大多来自数学和统计学。
若干代表性表述：⚫“计量经济学是统计学、经济学和数学的结合。
”——计量经济学的奠基人弗瑞希（弗瑞希）⚫“计量经济学是用数学语言来表达经济理论，以便通过统计方法来论述这些理论的一门经济学分支。
”——美国现代经济词典若干代表性表述：⚫“计量经济学可定义为：根据理论和观测的事实，运用合适的推理方法使之联系起来同时推导，对实际经济现象进行的数量分析。
”——萨谬尔逊等各种表述的共性：➢计量经济学绝不是对经济的一般度量，它与经济理论、统计学、数学都有密切的关系。
计量经济学定义：在经济理论的指导下，以经济数据的事实为依据，运用数学和统计学的方法，借助于计算机技术，通过建立数学模型来研究经济数量关系和规律的一门经济学科。
计量经济学1.计量经济学是一门应用经济学，是以经济现象为研究对象的；2.计量经济学的目的在于揭示经济关系与经济活动的数量规律；3.计量经济学是经济理论、统计学、数学三者的结合；4.计量经济学的核心内容是建立和应用具有随机特征的计量经济模型。
计量经济学研究的主体（出发点、归宿、核心）：经济现象及数量变化规律;研究的工具（手段）：数学、统计学和计算机技术;必须明确：方法手段要服从研究对象的本质特征（与数学不同）,方法是为经济问题服务。
计量经济学
计量经济学计量经济学是:指通过计量工具来研究具有统计意义的经济问题的经济学科。
计量经济学的工具：数学（如优化理论，微分方程），概率与统计分析，计算机及其应用软件，数据分析等学科的相关知识。
计量经济学的研究对象：经济问题，包括各种经济现象。
经量经济学的研究目的：对所关心的经济问题做适当的经济预测，政策评估，评价或建议1.计量经济学的发展历程：经济学的一个分支学科 1926年挪威经济学家R.Frish 提出Econometrics1930年成立世界计量经济学会 1933年创刊《Econometrica 》20世纪40、50年代的大发展和60年代的扩张20世纪70年代以来非经典（现代）计量经济学的发展2.计量经济学模型的步骤：（1）、理论模型的设计 （2）、样本数据的收集 （3）、模型参数的估计（4）、模型的检验 （5）、计量经济学模型成功的三要素：理论，数据，方法3.随机误差项主要包括下列因素的影响：1）在解释变量中被忽略的因素的影响；2）变量观测值的观测误差的影响；3）模型关系的设定误差的影响； 4）其它随机因素的影响。
4.产生并设计随机误差项的主要原因：（1）理论的含糊性；2）数据的欠缺；3）节省原则。
5.参数的普通最小二乘估计（OLS ）给定一组样本观测值（Xi, Yi ）（i=1,2,…n ）要求样本回归函数尽可能好地拟合这组值.普通最小二乘法（Ordinary least squares, OLS ）给出的判断标准是：二者之差的平方和最小。
由于参数的估计结果是通过最小二乘法得到的，故称为普通最小二乘估计量。
6.最小二乘估计量的性质：一个用于考察总体的估计量，可从如下几个方面考察其优劣性：（1）线性性，即它是否是另一随机变量的线性函数；（2）无偏性，即它的均值或期望值是否等于总体的真实值；（3）有效性，即它是否在所有线性无偏估计量中具有最小方差。
这三个准则也称作估计量的小样本性质。
拥有这类性质的估计量称为最佳线性无偏估计量。
计量经济学
第二讲
●
第一章 绪论 第3节 计量经济模型及其应用 第4节 统计和计量经济分析软件
●
第二章 计量经济分析的统计学基楚 第1节 概率和概率分布
一、计量经济模型的分类
● 单方程模型和连立方程模型：单方程模型描述一个因变量和若干自变量间 的结构关系；连立方程模型则是由多个方程组成的方程组，描述整个经济 系统或子系统。 例：① 消費函数就是一个单方程模型。
实证分析 实证分析
三、 计量经济分析的步骤（１）
● 下面通过一个实例来说明计量经济分析的步骤 例： 一空调生产商請计量经济学家为他研究价格上涨対空调需求的影响。下 面対该问题进行计量经济分析。 步骤1 陈述理论 根据需求定律：一商品的价格与其需求量成反比。 步骤2 建立计量经济模型 （１）根据需求定律建立需求函数的数学模型。需求定律只是说一商品 的价格与其需求量成反比，但没有说明具体的关系(图１－２，图1－３）。
三、 计量经济分析的步骤（６）
● 通过本次课的学习，主要了解计量经济学的定义、计量经济学研究的内容 和方法，重点把握计量经济分析的步骤：
１．陈述理论或假说 需求定律 ２．建立计量经济模型 Q=α＋βP＋u ３．収集数据 表１－１ ４．估计参数 ５．假设检验 Q＊＝76.05-3.88P 是否β＜０
〇 1979年，成立了“中国数量经济研究会”和“数量经学研究所”， 出版了《数量经济技术经济研究》 〇 1982年，召开了第一届数量经济研究学会 〇 1992年，开始毎年対中国宏观经济进行分析和预测，11月出版 《中国经济蓝皮书》 〇 1998年，经教育部审定，计量经济学确定为经济类各専业八门核 心课程之一
－－1935年，J.Tinbergen建立了世界上第一个宏观经济模型，开創了微观转向宏观模 型的新阶段 －－1936，Keynes《就业、利息和货币通论》为计量经济学提供了理论根据 －－1950年代，H.Theil发表了二阶段最小二乗法、计算机技术的迅速发展为计量经济 学提供了重要手段 〇 发展应用时期（20世纪70年代后）
计量经济学
1、什么是计量经济学？计量经济学是以经济理论和经济数据的事实为依据，运用数学和统计学的方法，通过建立数学模型来研究经济数量关系和规律的一门经济学科。
2、为什么说计量经济学是经济理论、数学和经济统计学的结合？试述三者之关系。
（同一）3、建立与应用计量经济学模型的主要步骤。
①理论模型的建立；②收集数据，参数估计；③模型检验；④模型应用；4、并说明时间序列数据和横截面数据有和异同？时间序列：同一个统计指标，在同一时间点上，不同的对象所得的数据；横截面积：同一指标，同一对象在不同时间点上所得的数据5、试解释单方程模型和联立方程模型的概念，并举例说明两者之间的联系与区别。
6、常用的样本数据有哪些？（同第四题）1、最基础的：经典单方程计量经济学模型；2、运用最小二乘法，3、最基本假定：简单线性回归；对随机扰动项的假定：①零均值；②同方差；③无自相关4、统计检验：一是先检验样本回归函数与样本点的“拟合优度”，第二是检验样本回归函数与总体回归函数的“接近”程度5、后者又包括两个层次：第一，检验解释变量对被解释变量是否存在着显著的线性影响关系，通过变量的t检验完成；第二，检验回归函数与总体回归函数的“接近”程度，通过参数估计值的“区间检验”完成。
6、总体回归函数是对总体变量间关系的定量表述7、样本估计量优劣的最主要的衡量准则：无偏性、有效性与一致性8、Goss-markov定理表明OLS估计量是最佳线性无偏估计量。
9、运用样本回归函数进行预测，包括被解释变量条件均值与个值的预测，以及预测置信区间的计算及其变化特征。
10、总体回归函数：将总体被解释变量Y的条件均值表现为解释变量X 的某种函数11、样本回归函数（SRF）：将被解释变量Y 的样本条件均值表示为解释变量X 的某种函数。
总体回归函数与样本回归函数的区别与联系12、随机扰动项：被解释变量实际值与条件均值的偏差，代表排除在模型以外的所有因素对Y的影响。
13、引入随机扰动项的原因：未知影响因素的代表●无法取得数据的已知影响因素的代表●众多细小影响因素的综合代表●模型的设定误差●变量的观测误差●变量内在随机性14、为什么要作基本假定：模型中有随机扰动，估计的参数是随机变量，只有对随机扰动的分布作出假定，才能确定所估计参数的分布性质，也才可能进行假设检验和区间估计●只有具备一定的假定条件，所作出的估计才具有较好的统计性质15、拟合优度：样本回归线对样本观测数据拟合的优劣程度，16、可决系数：在总变差分解基础上确定的，模型解释了的变差在总变差中的比重1、多元线性回归模型基本假定：①零均值；②同方差；③无自相关；④不存在相关性2、在检验部分，一方面引入了修正的可决系数，另一方面引入了对多个解释变量是否对被解释变量有显著线性影响关系的联合性F检验，并讨论了F检验与拟合优度检验的内在联系。
计量经济学1-5章(超详细完整版)
26
理论计量经济学和应用计量经济学
计量经济学根据研究对象和内容侧重面不同，
可以分为理论计量经济学和应用计量经济学。 理论计量经济学：是以介绍研究计量经济学的 理论与方法为主要内容，侧重于理论与方法的数学 证明与推导。
应用计量经济学：以建立与应用计量经济学模
型为主要内容，强调应用模型的经济学和经济统计
拉格纳·弗里希（ R. Frish ）
19
计量经济学是用数学语言 来表达经济理论，以便通 过统计方法来论述这些理 论的一门经济学分支。
计量经济学可定义为：根据
理论和观测的事实，运用合
适的推理方法使之联系起来 同时推导，对实际经济现象 进行的数量分析。
20
教科书中的一般表述： 统计学、经济
理论和数学
（1.1） （1.1）式为数理经济模型，该模型是不可以 估计的。要研究收入I 的变化对消费支出C的数量 影响程度，需要对（1.1）进行改造模型。
35
首先，明确（1.1）式的函数形式。例如， C a bI （1.2） 其中 a、 b 为未知的参数， 其次，在（1.2）式右端引入随机变量u，以
16
当前的计量理 论前沿问题
17
○ 计 量 经 济 学 在 中 国 的 发 展
我国计量经济学研究
和应用水平同世界前
沿的差距迅速缩小
2000年
我国计量经济学研 究和应用的普及阶 段
成立了“中国数量经济研
究会”，为创立我国的计
1984年 量经济学奠定了基础
1979年
18
二、什么是计量经济学？
用数学方法探讨经济学可以从好几个方面着手，但 任何一个方面都不能和计量经济学混为一谈。计量 经济学与经济统计学绝非一码事；它也不同于我们 所说的一般经济理论，尽管经济理论大部分具有一 定的数量特征；计量经济学也不应视为数学应用于 经济学的同义语。经验表明，统计学、经济理论和 数学这三者对于真正了解现代经济生活的数量关系 来说，都是必要的，但本身并非是充分条件。三者 结合起来，就是力量，这种结合便构成了计量经济 学。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
[摘要] 人民币汇率制度改革经历了四个阶段，即：人民币从单一汇率到复汇率再到单一汇率的演变（1979——1984年）；官方牌价与外汇调剂价格并存，向复汇率回归（1985——1993）；实行有管理的浮动汇率制（1994——2005年6月）；建立以市场供求为基础的、有管理的浮动汇率制度（2005年七月至今）。
08年经济危机以来，人民币汇率越来越引起全球人们的关注。
[关键词] 人民币汇率外币[引言] 为了简要探讨我国现在实行的一篮子货币汇率形成机制的问题，如何确定各个货币的汇率权重是十分重要的。
通过分析篮子里的外币之间汇率的关系，测算一篮子货币的配置从而得出各个货币所对应的我国外汇储备规模。
一、实验数据与模型人民币与我们的生活息息相关，人民币汇率的波动时时刻刻影响着生活的各个方面。
经济危机以来人民币面临升值的压力，人民币的升值会给我们的生活带来一系列的影响，如出口受阻失业人数增加，进口商品价格优势增加等等。
人民币与美元、港元、日元、欧元之间的汇率存在什么样的关系呢？需要通过具体数据模型分析。
搜集数据如下表：表1 人民币汇率(年平均价)单位：人民币元年份100美元100日元100港元100欧元1985 293.66 1.2457 37.57 -1986 345.28 2.0694 44.22 _1987 372.21 2.5799 47.74 -1988 372.21 2.9082 47.70 -1989 376.51 2.7360 48.28 -1990 478.32 3.3233 61.39 -1991 532.33 3.9602 68.45 -1992 551.46 4.3608 71.24 -1993 576.20 5.2020 74.41 -1994 861.87 8.4370 111.53 -1995 835.10 8.9225 107.96 -1996 831.42 7.6352 107.51 -1997 828.98 6.8600 107.09 -1998 827.91 6.3488 106.88 -1999 827.83 7.2932 106.66 -2000 827.84 7.6864 106.18 -2001 827.70 6.8075 106.08 -2002 827.70 6.6237 106.07 800.582003 827.70 7.1466 106.24 936.132004 827.68 7.6552 106.23 1029.002005 819.17 7.4484 105.30 1019.532006 797.18 6.8570 102.62 1001.902007 760.40 6.4632 97.46 1041.752008 694.51 6.7427 89.19 1022.272009 683.10 7.2986 88.12 952.70注：欧元自2002年开始进入市场流通。
资料来源：中国统计年鉴2010设定如下形式的计量经济模型：Yt=β1+β2*X2t+β3*X3t+β4*X4t+μt ，其中Yt，X2，X3，X4,分别代表人民币对美元、日元、港元、欧元的汇率。
二、多重共线性的检验及修正（一）相关系数矩阵检验利用Eviews生成模型中数据并进行OLS回归，结果如下表：表2 回归结果Dependent Variable: YMethod: Least SquaresDate: 06/18/11 Time: 23:39Sample: 1985 2009C 0.955289 1.742463 0.548241 0.5893X2 -1.579398 0.687852 -2.296130 0.0321X3 7.855422 0.059067 132.9926 0.0000R-squared 0.999911 Mean dependent var 672.1708Adjusted R-squared 0.999898 S.D. dependent var 196.4264S.E. of regression 1.980819 Akaike info criterion 4.350545Sum squared resid 82.39655 Schwarz criterion 4.545565Log likelihood -50.38181 F-statistic 78661.34由此可见，该模型R^2=0.9999,修正的可决系数为0.9999都很高，F检验值78661.34，明显显著。
但当α=0.05时，tα/2=2.080,c、X2的系数t检验不显著，这表明可能存在多重共线性。
计算各解释变量的相关系数，选择X2 X3 X4 数据，点view/correlation 得相关系数矩阵（下表）：由相关系数矩阵可以看出，各解释变量相互之间的相关系数较高，证实确实存在严重多重共线性.（二）容许度和方差膨胀因子检验由于VIFj=1/(1-R^2j)，随着Xj与其他回归元的共线性增加，VIF也增加并且以无穷大为极限。
为了得到R^2j的值，我们做回归输出结果如下：表4 回归结果Dependent Variable: X2Method: Least SquaresDate: 06/22/11 Time: 20:27Sample: 1985 2009C -1.386712 0.451970 -3.068148 0.0056X3 0.082160 0.005324 15.43303 0.0000R-squared 0.928733 Mean dependent var 5.784460Adjusted R-squared 0.922255 S.D. dependent var 2.201917S.E. of regression 0.613958 Akaike info criterion 1.974385Sum squared resid 8.292767 Schwarz criterion 2.120650Log likelihood -21.67981 F-statistic 143.3499Durbin-Watson stat 0.948963 Prob(F-statistic) 0.000000从表中可得R^2j=0.9287，进而得到VIFj=1/(1-0.9287)=14.0252经验表明，当VIFj>=10时，解释变量间存在严重多重共线性。
（三）修正多重共线性采用逐步回归法去检验和解决多重共线性问题。
下面使用SPS做逐步回归，结果如下：从上面的数据可以看出最终变量只剩下X3，X4，最后，我们得到最优回归模型为Yt=β1+β3*X3+β4*X4 代入系数表数据得Yt=-1.054+7.766*X3+0.003*X4这说明，在其他因素不变的情况下，当港元、欧元汇率每增加一个单位，Yt 将分别增加7.766元和0.003个单位。
三、自相关（序列相关）的检验与补救（一）自相关的检验由上面的多重共线性修正我们最终得到模型 Yt=β1+β3*X3+β4*X4，用OLS估计模型参数输出结果如下：表6 回归结果Dependent Variable: YMethod: Least SquaresDate: 06/19/11 Time: 00:00Sample: 1985 2009C 3.145460 1.593505 1.973925 0.0611X3 7.725658 0.018770 411.6052 0.0000R-squared 0.999889 Mean dependent var 672.1708Adjusted R-squared 0.999879 S.D. dependent var 196.4264S.E. of regression 2.164621 Akaike info criterion 4.494534Sum squared resid 103.0828 Schwarz criterion 4.640799Log likelihood -53.18168 F-statistic 98802.721. 图示法用Eviews得到残差图如下：图1 残差图由上图可知，残差的序列图是循环型的，et不是频繁改变符号，而是连续几个正值后连续几个负值，表明存在正相关。
2.BG检验在方程窗口点view/residual test/serial correlation lm test,选择滞后期为2期，输出结果如下：表7 BG检验输出结果F-statistic 13.30462 Probability 0.000212Test Equation:Dependent Variable: RESIDMethod: Least SquaresDate: 06/19/11 Time: 00:06C -0.510359 1.129191 -0.451969 0.6562X3 0.008211 0.013757 0.596898 0.5573X4 -0.000970 0.000884 -1.097850 0.2853RESID(-1) 0.969168 0.229116 4.230037 0.0004R-squared 0.570901 Mean dependent var -1.21E-13Adjusted R-squared 0.485081 S.D. dependent var 2.072467S.E. of regression 1.487158 Akaike info criterion 3.808468 Sum squared resid 44.23280 Schwarz criterion 4.052243 Log likelihood -42.60585 F-statistic 6.652310可得Obs*R-squared=14.2725，P 值非常显著为0.0008，又et-1的回归系数显著的不为零，表明存在一阶相关。
3.DW 检验在证实存在一阶相关后，由上面的结果DW=0.5684，给定显著性α=0.05，查DW 表，得dl=1.206,du=1.550,因为统计量0<0.5684<1.206，表明存在正序列相关。
（三）自相关的补救1.广义差分法为解决自相关问题，选用广义差分法。
在Eviews 中，需生成e 的残差序列。
点击工具栏中的procs/generate series,进入generate series by equation 对话框，键入“e=resid ”则生成所需序列。
使用et 进行滞后一期的自回归，在Eviews 中先生成命名为e 的残差序列，然后在命令栏输入ls e e(-1)得回归方程e ^=0.7444*et由此可知^=0.9669,对原模型进行广义差分，得到广义差分方程Yt-0.7444Yt-1=β1*(1-0.7444)+β3*(X3t-0.7444*X3t-1)+ β4*(X4t-0.7444*X4t-1)+vt对该方程进行回归，在Eviews 命令栏输入LS Y-0.7444*Y(-1) C X3-0.7444*X3(-1) X4-0.7444*X4(-1), 得输出结果：表8 广义差分法输出结果Dependent Variable: Y-0.7444*Y(-1) Method: Least Squares Date: 06/19/11 Time: 18:24 Sample(adjusted): 1986 2009C1.162664 0.984113 1.181434 0.2506 X3-0.7444*X3(-1)7.7137650.038117202.37000.0000R-squared 0.999489 Mean dependent var 187.9171Adjusted R-squared 0.999440 S.D. dependent var 64.89798S.E. of regression 1.535924 Akaike info criterion 3.812610Sum squared resid 49.54030 Schwarz criterion 3.959866Log likelihood -42.75132 F-statistic 20521.01样本容量减少一个，变为24，DW=1.3817与之前DW=0.5684相比有所提高，给定显著性α=0.01，du=0.960<DW=1.3817<4-du,这表明已不存在正序列相关。