EVIEWS（2）

一、簡單線性回歸

1．建立工作文件並錄入數據

（1）啟動EViews程序。

（2）點擊主界面菜單FileNewWorekfile，彈出Workfile Create對話框。輸入如圖2.1.1所示。

圖2.1.1

點擊左下的「OK」就建立了一個名稱為第二章案例的Workfile。如圖2.1.2所示：

圖2.1.2

建立Workfile 後，應當進行數據錄入工作。數據錄入方法有多種。這裡僅介紹常用的兩種錄入方法。

方法 1：點擊主界面（或Workfile界面）的菜單欄Object，再點擊New Object…選項，彈出一對話框，選擇Group選項，在左側框中命名，如為yx。如圖2.1.3所示。點擊OK之後，出現數據錄入界面（以表格形式出現），如圖2.1.4所示。

圖2.1.3

圖2.1.4

方法2 ：直接在主界面命令欄鍵入data y x，回車，則出現圖2.1.4畫面。在Group表格相應的位置逐個錄入y和x的數據。（不過此時Group沒有命名，為Untiled，可點擊Group表格上菜單命令Name，在彈出的對話框中命名為yx）

圖2.1.5

兩種錄入方法完成後，最終得到如圖2.1.6所示結果。

圖2.1.6

為了保存數據，可點擊主界面的File，選擇Save as 選項，將文件永久存檔保留。（注意變數類型選擇數值型）

2．數據的描述統計和圖形統計

以上建立的序列y和x之後，可對其做描述統計和圖形統計以把握該數據的一些統計屬性。

（1）描述統計

雙擊打開組對象yx的表格形式，點View/Descriptive Statistics/Common Sample，得描述統計結果，如圖2.1.7所示，其中：Mean為均值，Std.Dev為標準差

圖2.1.7

（2）圖形統計

雙擊序列y，打開y的表格形式，點擊表格左邊View/Graph，可得下圖2.1.8：

圖2.1.8

可以看到，Graph的下級菜單上列有多種圖形形式，如線圖、面積圖（區域圖）、條形圖、季節化堆疊式線圖等。這裡較常用的是線圖，保持默認設置，可得到下圖（圖2.1.9）

圖2.1.9

同樣可以查看序列x的線性圖。

很多時候需要把兩個序列放到一個圖形中來查看兩者的相互關係，用線圖或者散點圖都可以。例如以下用散點圖來查看y和x的關係。

在命令欄鍵入：scat x y ，回車便得到散點圖。若要設置回歸線，首先選定X後再選定Y，單擊右鍵選擇open—as Group，再點擊View/Graph（圖2.1.10）

圖2.1.10

3．設定模型，用普通最小二乘法估計參數

設定模型為 。以下介紹三種EViews軟體估計的操作方法。

方法一：在主界面命令框欄中輸入 ls y x c ，然後回車，既可以得到最小二乘法估計的結果，如圖2.1.12所示。其中，「ls」是做最小二乘法估計的命令，y 為被解釋變數，x為解釋變數， c為截距項。需要注意的是，ls、y、x、c之間要有空格，被解釋變數緊接在命令ls 之後。

方法二：按住Ctrl鍵，同時選中序列y和序列x，點右鍵，在所出現的右鍵菜單中，選擇Openas Equation…後彈出一對話框（如圖2.1.11），點擊其上的「確定」，即可得到回歸結果（圖2.1.12）。

方法三：點擊主界面菜單QuickEstimate Equation，彈出方法二中出現的對話框。不過框中沒有設定回歸模型，可以自己輸入y x c，點確定即可得到回歸結果（圖2.1.12）。（注意被解釋變數y一定要放在最前面，變數間留空格）

圖2.1.11

圖2.1.12

回歸結果界面解釋如下表2.1.1

表2.1.1

3．模型檢驗

（1）經濟意義檢驗。為居民邊際消費，落在0～1之間，符合經濟意義。

（2）t檢驗和擬合優度檢驗。易判斷，的t檢驗通過。整個模型擬合優度達到0.8320，擬合良好。在回歸結果界面（圖2.1.12所示）點擊菜單命令ViewActual Fitted Residual Actual Fitted Residual Graph可得到圖2.1.13，可以直觀看到實際觀測值和擬合值非常接近。

圖2.1.13

4．Equation窗口功能介紹

Equation窗口菜單的功能與前面第一部分第二章講過的Series類型 Object窗口、Graph類型object窗口頂部按鈕的功能與操作類似，這裡只介紹Equation窗口中獨有的按鈕功能。

（1） Views

該按鈕作用很重要，他可對回歸估計進行檢驗、觀察實際值、擬合值、殘差等。點擊Views出現一個下拉菜單（圖2.1.14），菜單中包含很多次級操作，自上而下功能如下：

圖2.1.14

①Representation：給出回歸估計的方程表達式。

②Estimation Output：給出回歸估計輸出結果。

③Actual fitted Residual：給出回歸估計的實際值、擬合值、殘差的圖形、表格等形式。

④Covariance Matrix ：計算變數協方差矩陣。

⑤Coefficient Test：對回歸係數進行檢驗。包括檢驗回歸係數約束的沃爾德（Wald）檢驗，檢驗遺漏變數或冗餘變數的似然比檢驗。在第十章設定偏誤一章有用到。

⑥Residual Tests：對殘差檢驗，包括相關圖Q統計量檢驗、正態性檢驗、序列相關的LM檢驗、ARCH檢驗、不帶交叉項的White檢驗、帶交叉項的White檢驗等。在第六章異方差一章有用到。

⑦Stability Test：穩定性檢驗，包括很多次級檢驗。

注意：如果想將某個視圖單獨保存起來，點擊Equation窗口頂部Freeze按鈕，形成一個獨立的object，然後對其編輯操作。

（2）Procs

該按鈕中包含很多次級功能，有些已經顯示在Equation口頂部。

（3）Forecast 預測

可以直接在EViews上做內插點預測和外推點預測，詳見下第5點。

二、多元線性回歸模型

1.1 建立工作文件並錄入數據（參照上面相關步驟），而後在命令欄里輸入「sort y」，再畫圖，得到圖2.2.1

圖2.2.1

1.2 採用OLS估計參數

方法一：在主界面命令框欄中輸入 ls y c x2 x3 x4 x5 x6，然後回車，即可得到參數的估計結果，如圖2.2.2所示。

方法二：按住ctrl鍵，先選中序列y而後選中x2 x3 x4 x5 x6，點右鍵，在所出現的右鍵菜單中，選擇openas Equation…後彈出一對話框，點擊「確定」，即可得回歸結果。

方法三：點擊主界面菜單QuickEstimate Equation，彈出方法二中出現的對話框。不過框中沒有設定回歸模型，可以自己輸入y c x2 x3 x4 x5 x6，點確定即可得到回歸結果。（注意被解釋變數y一定要放在最前面，變數間留空格）。

圖 2.2.2

以上回歸結果可以看出，擬合優度很高，t值顯著，整體效果的F檢驗通過。具體的統計檢驗參考教材描述，這裡不作過多闡述。

（三）多重共線識別：

1 綜合判斷法

上述模型的估計結果可以看出，，可決係數很高，說明模型對樣本的擬合很好；檢驗值很大，相應的，說明回歸方程顯著，即各自變數聯合起來確實對因變數「全國旅遊收入」 有顯著影響；給定顯著性水平，但變數X5的t值低，對因變數影響不顯著，而X3、X5係數符號與經濟意義不符。綜合上述分析，表明模型很可能存在嚴重的多重共線性。

2 簡單相關係數檢驗法

計算解釋變數x2、 x3、 x4、 x5的簡單相關係數矩陣。

方法1：將解釋變數x2、 x3、 x4、 x5選中，雙擊選擇Open Group（或點擊右鍵，選擇Open/as Group），然後再點擊View/covariance analysis，勾選correlation，可得出相關係數矩陣（圖2.2.3）。再點擊頂部的Freeze按鈕，可得到一個Table類型獨立的object（圖2.2.4）。

相關係數矩陣

圖2.2.3

圖2.2.4

方法2：點擊Eviews主畫面的頂部的Quick/Group Statistics/Correlatios彈出對話框（圖2.2.5）。在對話框中輸入解釋變數x2、 x3、 x4、 x5，點擊OK，即可得出相關係數矩陣（同圖2.2.3）。

圖2.2.5

由圖2.2.3相關係數矩陣可以看出，各解釋變數相互之間的相關係數高，證明解釋變數之間存在多重共線性。

3 方差擴大因子法

為進一步了解多重共線性的性質，作以下4個輔助回歸：

進而計算方差擴大因子，經驗表明，時說明該解釋變數與其餘解釋變數之間有嚴重的多重共線性。計算可知，X2和X5的VIF遠大於10，存在嚴重多重共線性。

3.多重共線性模型的修正

關於多重共線性的修正方法一般有變數變換法、先驗信息法、逐步回歸法等，這裡我們僅介紹變數變換法的具體做法，來減少共線性的嚴重程度。

首先，將所有變數分別取對數，生成lny、lnx2、lnx3、lnx4、lnx5的數據（點擊Genr按鈕）：

採用ols法估計模型參數，得到回歸結果：

從結果來看，參數t檢驗顯著；且參數符合經濟意義。可決係數很高，F值很大。