Eviews实际案例：序列相关性
一、 当设定模型为 ln Yt 0 1 ln X t t 时，序列相关性检验 步骤： 1. 将数据输入 Eviews 中 2. 在建立公式中输入“log(y) c log客天涯之计量经济学
结果显示：
该回归方程的 DW 统计量的值为 0.47。在 5%的显著性水平下，样本容 量为 21 的 DW 分布的下限临界值为。0.47 小于 1.22，则表明存在正 的自相关。
检验统计量值为 1.248，查询 分布，
2
2 0.05
(1) 3.84 1 dU 2.59 ，检验值小于临界值，
因而不能拒绝原假设，认为模型不存在一阶序列相关。
ˆ 因此估计原模型为： ln Y t
0.4257 0.9017 ln X t 1 0.6278
ˆ 1.156 0.9017 ln X 即： ln Y t t
（3.272） （23.671） D.W.=1.393 由于 D.W.=1.393,在 5%的显著性水平下，样本容量为 19 的 D.W.检验的临界值为上下限为
d L 1.18 ， dU 1.40 ,检验值落在 (d L , dU ) 上，故不能确定是否存在一阶序列相关。
根据 LM 法进行检验。 在 eviews 输出结果窗口选择 “View\Residual Tests\Series Correlation LM Test”,在随后出现的对话框中填入滞后期数“1” ，得到：
2. 在 Eviews 中输入的公式:“ log(y) c log(y(-1)) log(x) log(x(-1))” 3. 运行结果：
个
ˆ 0.4568 0.6278ln Y 0.4658ln X 0.1248ln X 得到估计方程如下： ln Y t t 1 t t 1
（2.908）（7.1814） （5.8228） （-1.0669） R 0.9985
2
2
醉客天涯之计量经济学
第二步：
ˆ 0.6278 代入差分模型，得到广义模型，进行 eviews 运行 1.将估计的 p
2.输入公式为： “log(y)-0.6278*log(y(-1)) c log(x)-0.6278*log(x(-1))” 3.运行结果：
最小二乘估计结果为：
ln Yt 0.6278ln Yt 1 0.4257 0.9017(ln X t 0.6278ln X t 1 )
Eviews 实际案例：序列相关性
中国 1980—2000 年投资总额与工业总产值资料 年份 全社会固定 资产投资 X 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 910.9 961.0 1230.4 1430.1 1832.9 2543.2 3120.6 3791.7 4753.8 4410.4 4517.0 工业增加值 Y 1996.5 2048.4 2162.3 2375.6 2789.0 3448.7 3967.0 4585.8 5777.2 6484.0 6858.0 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 年份 全社会固 定资产投 资X 5594.5 8080.1 13072.3 17042.1 20019.3 22913.5 24941.1 28854.7 29854.7 32917.7 工业增加 值 Y 8087.1 10284.5 14143.8 19359.6 24718.3 29082.6 32412.1 33087.2 35087.2 39570.3
二、 若按一阶自相关假设 计原模型 （一）杜宾两步法 第一步： 1. 估计模型为：
ln Yt p ln Yt 1 0 (1 p) 1 (ln X t p ln X t 1 )
t t 1 t ，试用杜宾两步法和广义最小二乘法估
或者
ln Yt p ln Yt 1 0 (1 p) 1 ln X t 1 p ln X t 1
同上，可以判定模型随机干扰项中不再存在一阶序列相关，因而广义最小二乘估计结 果为：
ˆ 1.164 0.8994 ln X 0.6451AR(1) ln Y t t
* * 三、 采 用 差 分 形 式 X t X t X t 1 与 Y t Yt Yt 1 作 为 新 数 据 ， 估 计 模 型 Y *t 0 1 X t * vt ，该模型是否存在序列相关
3
醉客天涯之计量经济学
（二）广义最小二乘法
在 Eviews 中，选择“Quick\Estimate Equation”,输入“log(y) c log(x) AR(1)” AR(1)表示随机干扰项是一阶自回归形式的序列相关。 运行结果如下：
根据 LM 法进 行检验。在 eviews 输出结果窗口选择“View\Residual Tests\Series Correlation LM Test”,在随 后出现的对话框中填入滞后期数“1” ，得到：
5
醉客天涯之计量经济学
选择“Quick\Estimate Equation”,在出现的对话框中输入“D(Y) C D(X)” ，其 中 D(Y) 与 D(X)分别表示对序列 Y 与 X 取差分。 得到运行结果如下;
4
醉客天涯之计量经济学
D.W.检验值为 1.758，大于临界值上限 dU 1.41 ，小于 1 dU 2.59 ，因此，差分后 的新数据构建的模型不存在序列相关。
eviews-4.自相关解析
三、序列相关性的后果
计量经济学模型一旦出现序列相关性，如果仍采用OLS 法估计模型参数，则OLS估计量仍然是线性无偏估计量， 但是会产生下列不良后果：
1、参数估计量非有效
因为，在有效性证明中利用了 E(UU’)=2I 即同方差性和无序列相关假设。
证明：
ˆ k t t 1 1
ˆ ) E[ ˆ E( ˆ )]2 E( ˆ )2 var( 1 1 1 1 1
~ Y (Yˆ )ˆ e e i Yi (iY0ls)
t t
t ols
然后，通过分析这些“近似估计量”之间的相 关性，以判断随机误差项是否具有序列相关性。
自相关的检验方法
检验自相关的方法也可以分为两种：一种是图示 法，另一种是检验方法。
（一）图示法
由于回归残差 e 可以作为随机项 u t 的估计量， ut t 的性质可以从 e 的性质中反映出来。我们可以通 t 过观察残差是否存在自相关来判断随机项是否存 在自相关。
ts
经济变量以正相关居多， 所以此项多为正数
ˆ ˆ) var( ) var( 1 1
2、变量的显著性检验失去意义
在变量的显著性检验中，统计量是建立在参 数方差正确估计基础之上的，这只有当随机误差 项具有同方差性和无序列相关时才能成立。
如果存在序列相关，参数估计量的方差 出现偏误（偏大或偏小），t检验就失 去意义。其他检验也是如此。
称ut具有一阶自回归形式。 比如:
ut 1ut 1 vt
满足经典假设
由于序列相关性经常出现在以时间序列为样本的模型中， 因此，本节用下标t代表i。
ut 1ut 1 vt
ˆ1
u u
ARMA模型的eviews的建立--时间序列分析实验指导
时间序列分析实验指导42-2-450100150200250统计与应用数学学院前言随着计算机技术的飞跃发展以及应用软件的普及，对高等院校的实验教学提出了越来越高的要求。
为实现教育思想与教学理念的不断更新，在教学中必须注重对大学生动手能力的培训和创新思维的培养，注重学生知识、能力、素质的综合协调发展。
为此，我们组织统计与应用数学学院的部分教师编写了系列实验教学指导书。
这套实验教学指导书具有以下特点：①理论与实践相结合，书中的大量经济案例紧密联系我国的经济发展实际，有利于提高学生分析问题解决问题的能力。
②理论教学与应用软件相结合，我们根据不同的课程分别介绍了SPSS、SAS、MATLAB、EVIEWS等软件的使用方法，有利于提高学生建立数学模型并能正确求解的能力。
这套实验教学指导书在编写的过程中始终得到安徽财经大学教务处、实验室管理处以及统计与应用数学学院的关心、帮助和大力支持，对此我们表示衷心的感谢！限于我们的水平，欢迎各方面对教材存在的错误和不当之处予以批评指正。
统计与数学模型分析实验中心 2007年2月目录实验一 EVIEWS中时间序列相关函数操作···························- 1 - 实验二确定性时间序列建模方法 ····································- 8 - 实验三时间序列随机性和平稳性检验 ···························· - 18 - 实验四时间序列季节性、可逆性检验 ···························· - 21 - 实验五 ARMA模型的建立、识别、检验···························· - 27 - 实验六 ARMA模型的诊断性检验····································· - 30 - 实验七 ARMA模型的预测·············································· - 31 - 实验八复习ARMA建模过程·········································· - 33 - 实验九时间序列非平稳性检验 ····································· - 35 -实验一 EVIEWS中时间序列相关函数操作【实验目的】熟悉Eviews的操作：菜单方式，命令方式；练习并掌握与时间序列分析相关的函数操作。
Eviews 实验操作手册(部分)
Eviews实验操作记录（慢慢整理）相关系数检验：W AGE ED SEXW 1.000000 0.210152 0.495856 -0.260906AGE 0.210152 1.000000 -0.038637 0.144689ED 0.495856 -0.038637 1.000000 -0.084487SEX -0.260906 0.144689 -0.084487 1.000000①可以在命令窗口键入命令：cor x y z……，就会输出相关系数矩阵。
②假设你的样本数据序列：x1 x2从主菜单选择Quick/Group Statistics/Correlations之后会弹出个对话框，在对话框选择你的目标序列x1 x2说明：序列相关好像只有正相关、负相关、完全相关、完全不相关、强相关、弱相关等概念。
相关系数为1是完全正相关，－1是完全负相关，0是完全不相关。
个人感觉0.5左右的相关关系（趋势）就比较弱了。
eviews提供的相关计算是指序列之间的线性相关关系。
如果序列之间不存在线性相关，也有可能存在其他类型的相关关系，如对数相关、指数相关等等。
通常显著性是和建设检验关联的。
统计假设检验也称为显著性检验，即指样本统计量和假设的总体参数之间的显著性差异。
显著性是对差异的程度而言的，程度不同说明引起变动的原因也有不同：一类是条件差异，一类是随机差异。
显著性差异就是实际样本统计量的取值和假设的总体参数的差异超过了通常的偶然因素的作用范围，说明还有系统性的因素发生作用，因而就可以否定某种条件不起作用的假设。
假设检验时提出的假设称为原假设或无效假设，就是假定样本统计量与总体参数的差异都是由随机因素引起，不存在条件变动因素。
假设检验运用了小概率原理，事先确定的作为判断的界限，即允许的小概率的标准，称为显著性水平。
如果根据命题的原假设所计算出来的概率小于这个标准，就拒绝原假设；大于这个标准则接受原假设。
这样显著性水平把概率分布分为两个区间：拒绝区间，接受区间。
计量经济学 —理论方法EVIEWS应用--第七章 序列相关性
在其他假设仍然成立的条件下，随机干扰项序列相关意味着
（7-2）
如果仅存在
E ( ) 0 , i 1 , 2 , . . . , n i i 1
（7-3）
则称为一阶序列相关或自相关（简写为AR(1))，这是常见的一种序列相关问题。
D .W .
不存在一阶自相关，构造如下统计量： t
t
( eˆ
t2
n
ˆt 1 ) 2 e
2 t
eˆ
t 1
n
杜宾—沃森证明该统计量的分布与出现在给定样本中的X值有复杂的关系，
其准确的抽样或概率分布很难得到；
因为D.W.值要从
eˆ t 中算出，而 eˆ t
又依赖于给定的X的值。
2 χ 因此D-W检验不同于t、F或 检验，它没有唯一的临界值可以导出拒绝或
用OLS法估计序列相关的模型得到的随机误差项的方差不仅是 有偏的，而且这一偏误也将传递到用OLS方法得到的参数估计 量的方差中来，从而使得建立在OLS参数估计量方差基础上的 变量显著性检验失去意义。
以一元回归模型为例，
Y X i 0 1 i i
2
ˆ) Var ( 1 2 xt
序列相关性及其产生原因序列相关性的影响序列相关性的检验序列相关的补救第一节序列相关性及其产生原因序列相关性的含义对于多元线性回归模型71在其他假设仍然成立的条件下随机干扰项序列相关意味着如果仅存在则称为一阶序列相关或自相关简写为ar1这是常见的一种序列相关问题
—理论· 方法· EViews应用
郭存芝 杜延军 李春吉 编著
二、回归检验法
， eˆ， 以 e ˆ t 为解释变量，以各种可能的相关变量，诸如 t1
用Eviews软件建立一元线性回归模型并进行相关检验的实验报告
用Eviews软件建立一元线性回归模型并进行相关检验的实验报告1.数据表1列出了某年中国部分省市城镇居民每个家庭平均全年可支配收入X与消费性支出Y 的统计数据。
表12.建立模型应用EViews软件，以表1的数据可绘出可支配收入X与消费性支出Y的散点图（图2-1）。
从该三点图可以看出，随着可支配收入的增加，消费性支出也在增加，大致程线性关系。
据此，我们可以建立一元线性回归模型：Y=β0+β1·X+μ图2-1对模型作普通最小二乘法估计，在Eviews软件下，OLS的估计结果如图（2-2）所示。
Dependent Variable: YMethod: Least SquaresDate: 12/07/11 Time: 21:00Sample: 1 20Included observations: 20Variable Coefficient Std. Error t-Statistic Prob.X 0.755368 0.023274 32.45486 0.0000C 271.1197 159.3800 1.701090 0.1061R-squared 0.983198 Mean dependent var 5199.515Adjusted R-squared 0.982265 S.D. dependent var 1625.275S.E. of regression 216.4435 Akaike info criterion 13.68718Sum squared resid 843260.4 Schwarz criterion 13.78675Log likelihood -134.8718 Hannan-Quinn criter. 13.70661F-statistic 1053.318 Durbin-Watson stat 1.302512Prob(F-statistic) 0.000000图2-2OLS估计结果为^Y=271.12+0.76X(1.70) (32.45)R2=0.9832 D.W. =1.3025 F=1053.3183.模型检验从回归估计的结果看，模型拟合较好。
Eviews实际案例：序列相关性
5
醉客天涯之计量经济学
（3.272） （23.671） D.W.=1.393 由于 D.W.=1.393,在 5%的显著性水平下，样本容量为 19 的 D.W.检验的临界值为上下限为
d L 1.18 ， dU 1.40 ,检验值落在 (d L , dU ) 上，故不能确定是否存在一阶序列相关。
根据 LM 法进行检验。 在 eviews 输出结果窗口选择 “View\Residual Tests\Series Correlation LM Test”,在随后出现的对话框中填入滞后期数“1” ，得到：
二、 若按一阶自相关假设 计原模型 （一）杜宾两步法 第一步： 1. 估计模型为：
ln Yt p ln Yt 1 0 (1 p) 1 (ln X t p ln X t 1 )
t t 1 t ，试用杜宾两步法和广义最小二乘法估
或者
ln Yt p ln Yt 1 0 (1 p) 1 ln X t 1 p ln X t 1
检验统计量值为 1.248，查询 分布，
2
2 0.05
(1) 3.84 1 dU 2.59 ，检验值小于临界值，
因而不能拒绝原假设，认为模型不存在一阶序列相关。
ˆ 因此估计原模型为： ln Y t
0.4257 0.9017 ln X t 1 0.6278
ˆ 1.156 0.9017 ln X 即： ln Y t t
一、 当设定模型为 ln Yt 0 1 ln X t t 时，序列相关性检验 步骤： 1. 将数据输入 Eviews 中 2. 在建立公式中输入“log(y) c log(x)” 3. 得到结果
1
醉客天涯之计量经济学
计量经济学论文(eviews分析)
计量经济学论文(eviews分析)我国限额以上餐饮企业营业额的影响因素分析摘要：本文收集了1999年至2009年共11年的相关数据，选取餐饮企业数量、城镇居民人均年消费性支出、全国城镇人口数以及公路里程数作为解释变量构建模型，对我国限额以上餐饮企业营业额的影响因素进行分析。
利用Eviews软件对模型进行参数估计和检验，并加以修正，最后根据模型的最终结果进行经济意义分析，提出自己的看法。
关键词：餐饮企业营业额、影响因素、计量分析一、研究背景近十年来，投资者进入餐饮企业的数量不断增加。
在他们进入一个行业之前，势必要对该行业的营业额、营业利润等进行估计，当这些因素的估计值能够达到他们的预期时，他们才会对其进行投资。
由于餐饮企业的营业额是影响投资者是否进入餐饮业的一个重要因素，对于我国餐饮企业的营业额问题的深入研究就显得尤为必要，这有助于投资者作出合理的决策。
因此，本文进行了对我国限额以上餐饮企业营业额的计量模型研究。
二、变量的选取影响餐饮企业营业额的因素有很多，包括餐饮企业的数量、营业面积、从业人员、城镇居民人均年消费性支出、全国城镇人口数、餐饮企业的平均价格水平及公路里程数（表示交通状况）。
但综合考虑后，本文选取了其中的一部分变量（企业数、城镇居民人均年消费性支出、全国城镇人口数、公路里程数）进行研究，并对各个变量对餐饮企业营业额的影响进行预测。
1.企业数本文认为餐饮企业营业额与餐饮企业的数量有关，并预测两者之间呈正相关。
2.城镇居民人均年消费性支出本文认为餐饮企业营业额与城镇居民人均年消费性支出有关，并预测两者之间呈正相关。
3.全国城镇人口数本文认为餐饮企业营业额与全国城镇人口数有关，并预测两者之间呈正相关。
4.公路里程数本文认为餐饮企业营业额与公路里程数有关，并预测两者之间呈正相关。
三、相关数据本文收集了1999年至2009年共11年的相关数据，包括营业额（单位：亿元）、企业数（单位：个）、人均年消费性支出（单位：元）、全国城镇人口数（单位：万人）以及公路里程数（单位：万公里）。
序列相关检验及补救EVIEWS
目的：1、正确使用EVIEWS2、能根据计算结果进行序列相关性检验和补救。
3、数据为demo data3实例：国内生产总值和出口总额之间的关系分析（序列相关性检验及补救）根据某地区1978－1998年国内生产总值与出口总额的数据资料，其中X表示国内生产总值（人民币亿元），Y表示出口总额（人民币亿元）。
试建立一元线性回归函数。
设模型函数形式为：obs X Y1978 3624.100 134.80001979 4038.200 139.70001980 4517.800 167.60001981 4860.300 211.70001982 5301.800 271.20001983 5957.400 367.60001984 7206.700 413.80001985 8989.100 438.30001986 10201.40 580.50001987 11954.50 808.90001988 14922.30 1082.1001989 16917.80 1470.0001990 18598.40 1766.7001991 21622.50 1956.0001992 26651.90 2985.8001993 34560.50 3827.1001994 46670.00 4676.3001995 57494.90 5284.8001996 66850.50 10421.801997 73142.70 12451.801998 78017.80 15231.701、用OLS估计方法求模型的参数估计值点击NEW－WORKFILE，输入X,Y的数据。
点击QUICK－ESITMATE EQUATION，在对话框中输入Y C X，结果如下：Variable Coefficient Std. Error t-Statistic Prob.C-1147.443396.1630-2.8963900.0093X0.1700520.01145114.849900.0000R-squared0.920675 Mean dependent var3080.390Adjusted R-squared0.916500 S.D. dependent var4368.71017.20981S.E. of regression1262.402 Akaike infocriterionSum squared resid30279518 Schwarz criterion17.30929Log likelihood-178.7030 F-statistic220.5196Durbin-Watson stat0.688670 Prob(F-statistic)0.0000002、自相关检验（1）图示法由上述OLS计算，可直接得到残差RESID，运用GENR命令生成序列E，则在QUICK菜单中选GRAPH，在图形对话框中输入：E E(-1)，再点击SCATTER DIOGRAM。
6序列相关性
3、杜宾-瓦森（Durbin-Watson）检验法
DW 检验是杜宾（ J.Durbin ）和瓦森 (G.S.Watson) 于1951年提出的一种检验自相关的方法，该方法的适用 条件是：
(1)随机误差项ut为一阶自回归形式的自相关；
(2)因变量的滞后值Yt 1不能在回归模型中作解释 变量；
(3)样本容量应充分大(n > 15)。
2 1n 2 n1
2Ω 2 I
序列相关的形式
1、一阶自回归形式 First-order coefficient of autocorrelation 误差项ut只与其滞后一期值ut-1有关 Ut=f(ut-1)+vt 2、高阶序列相关形式 误差项ut不仅与前一期值ut-1有关，还与其前若 干期值ut-2 ut-3,… 都有关系。 Ut=f(ut-1 ut-2 ,…)+vt
序列的自相关特征分析。给出具有正自相关，负自相关和非自 相关三个序列。
4 X
6 X 4
2
2
0
0 -2
-2
-4
-4 10 20 30 40 50 60 70 80 90 100
-6 -6 -4 -2
X(-1)
a. 正相关序列
6 X 4 2 0 -2 -4 -6 10 20 30 40 50 60 70 80 90 100
第六章 序列相关性
Serial Correlation
一、序列相关性概念 二、实际经济问题中的序列相关性 三、序列相关性的后果 四、序列相关性的检验 五、具有序列相关性模型的估计 六、案例
一、序列相关性概念
对于模型
Yi=0+1X1i+2X2i+…+kXki+i i=1,2, …,n
(完整word版)实验一Eviews软件的基本操作-学生实验报告
实验报告课程名称: 计量经济学实验项目:实验一EViews软件的基本操作实验类型：综合性□设计性□验证性专业班别：姓名：学号:实验课室：指导教师：石立实验日期：广东商学院华商学院教务处制一、实验项目训练方案小组合作：是□否小组成员：无实验目的：了解熟悉EViews软件的基本操作对象，掌握软件的基本操作。
实验场地及仪器、设备和材料实验室：普通配置的计算机,Eviews软件及常用办公软件。
实验训练内容(包括实验原理和操作步骤）:【实验内容】1.打开运行并认识Eviews软件；2.EViews软件的数据输入、编辑与序列生成；3.图形分析与描述统计分析；4.数据文件的存储与调用。
【实验数据】实验以附件“数据”所列出数据资料为例进行操作。
【实验步骤】一、打开运行软件实验中采用Eviews软件6.0版本绿色版，实验计算机上已安装，请找到图标，点击即可打开软件的操作界面.【注意：FTP中上传了软件的压缩包，同学们可以拷贝到自己的电脑，将压缩包解压后，打开文件夹，双击注册表,进行注册，注册成功后即可使用。
】二、认识软件界面Eviews软件窗口有无部分组成:标题栏、主菜单、命令窗口、状态栏、工作区.三、输入数据1．创建工作文件（1）菜单方式在主菜单上依次点击File/New/Workfile，即选择新建对象的类型为工作文件，将弹出一个对话框，由用户选择数据的时间频率（frequency)、起始期和终止期。
注：根据数据的不同类型，应创建不同的工作文件，Eviews提供的数据工作文件可分为三种：a、无结构数据/截面数据:Unstructured/Undatedb、时间序列数据:Dated-regular frequency具体有:年度数据（Annual)、半年数据（Semi-annual）、季度数据（Quarterly）、月度数据（Monthly）、周数据（Weekly)、一周五天的数据（Daily-5days week）、一周七天的数据（Daily-7days week)、每日数据(Daily/integer date)c、面板数据Balanced Panel在本例中，按照下图的方式选取选项和填写数据：（2）命令方式在EViews软件的命令窗口中直接键入CREATE命令，也可以建立工作文件.命令格式为：CREATE 时间频率类型起始期终止期(时间频率类型以该类型英文首字母标记）则本例实验中的程序可写为：CREATE A 1978 2005在创建的工作文件中，一开始其就包含了两个对象：（如图）*系数向量C(保存估计系数用）*残差序列RESID（实际值与拟合值之差）2．输入数据并命名（1）添加新序列．．点击Objects/New Object（或在工作区右击鼠标,选取New Object），对象类型选择Series，并给定序列名，一次只能创建一个新序列。