ee講義一一．運用Eviews5.0進一元線性回歸的步驟：．建工作文研究消費與收入的關)啟動Eviews4.exe后在彈出的窗口中點擊OK擊File\New\Workfile，彈出的對話框中選擇數(shù)據(jù)的時間頻frequency截面數(shù))range（以只有10個測值的一元線性模型為例）為，點擊OK即。．輸數(shù)據(jù)在主菜單點擊Group，入收入X費（Y）數(shù)據(jù)，在窗口中擊數(shù)據(jù)，就可以修改數(shù)據(jù)列的名稱，點OK”關閉即可。group窗中點transpose可以改變數(shù)據(jù)的排列方式。序號

123456789收入800100012001400160018002000220024002600消費700650900950110011501200140015501500．回分析做散點圖在主菜單點擊，在彈出的對話框中輸入xy，如下：點擊OK即可得到X-Y散點圖。點此圖上面的Name”可以為此圖命名。由上面的散點圖可以看出xy存近似的線性關系。①OLS估計在主菜單點擊，出如下對話框：圖2歸分析的設置按圖設置輸?shù)捻樞颉氨会屪兞繑?shù)項解釋變量1解變量變量之間以空格分開(如果是多元回歸就在后面依次添其他的解釋變量即。點擊OK”后，得到如下結果，單擊“”其命名后就可以關閉時可以點擊“Freeze將其保存為表格形式。而且，此表格不會受到以后操作的影響圖OLS計算結果其中上面的說明分別解釋變量是YMethod:Least用方法小二乘法Time包含的觀測對象Includedobservations:10）10。表格中依次是變量（表常數(shù)項X為釋變量。系數(shù)Coefficient）即常數(shù)項的估計b解變量前面系數(shù)的估計大應的標準誤為1列，對應的統(tǒng)量為T-Statistic列對應的值Prob.列?；貧w結果的樣本決定系數(shù)為，是

e

=

n

i

1

而Sumsquared表殘差平方和

ei

，dependentvar表示被解釋變量的平均值，即Y。表示被解釋變量的標準差

Y)in

，還有統(tǒng)量和對應的值（Prob(F-statistic)②ML計

????在主菜單點擊出對話框?qū)獡裣聢D則：圖ML估的設置依然輸入變量，如圖。得到圖5的結果：圖5ML計結果可以看出假定Y為態(tài)分布時，二者估計值相同，但是標準誤ML估計的比較小。ML估計必已Y的布只在態(tài)布ML和OLS的結參估結相。如Y不從態(tài)布不采OLS。如選性樣模、數(shù)據(jù)型。．結分析樣本回歸方程為：

Y

244.5455

X（64.138）（0.0357）（3.813

各參數(shù)估計值對應的標準誤各參數(shù)估計值對應的統(tǒng)量R2

0.9621

0.9573

經(jīng)濟意義檢驗：根據(jù)經(jīng)濟理論，收入增加會帶動消費增加，邊際消費傾向的取值范圍為回方程中X的數(shù)表示邊際消費傾向回歸結果為與濟理論相符。常數(shù)項表示基礎消費，基礎消費應該大于零，回歸結果與理論相符。顯著性檢驗：方法一：查表可知：

時，

(1,8)因為，以回歸方程顯著成立。因為

(

0

)3.813

T(

)14.243

所以

0

、顯著不為零。方法二：看圖表格中的列，表示參數(shù)估計值T檢對應的值如果P值小于0.05，明在顯著水平為0.05時，參數(shù)顯著不為。數(shù)項C對應的P值為，以顯不為零；解釋變量X對值，所以b顯著不為零。圖3最一行中Prob(F-statistic)是F檢對應的值，，說明回歸方程顯著成立民每的消費支出和收入之間確實具有顯著的線性關系。注口的列存后次最一）回系，resid中存差所、中數(shù)是斷化，系自生的使時特小。．預（1擴展工作區(qū)間在workfile窗上點Range點擊下的Structure/ResizeCurrentpage修新的工作起止時間為11

（2預測雙擊x（各個解釋變量第11個x值輸入（假如為1900，有時可能需要點擊“Edit+/-按鈕開們回歸的結果，既圖結，點擊Forecast彈來的對話框中，可以修改預測值保存的名稱（默Yf,修改Forecastsample”中的數(shù)為，確認即可得到預測值序列Yf如果要計算置信區(qū)間用到均值和方差求法菜單上點擊Quick/Groupstatistics/Descriptivestatistics/Common彈出如下對話框，輸入“X”點擊OK即可?；蛘叽蜷_x序列，在序列X窗中點擊statistics/stats得到關于序列X描述統(tǒng)計如下：其中mean對的是平均

X