欢迎来到天天文库
浏览记录
ID:20315028
大小:791.00 KB
页数:11页
时间:2018-10-10
《经典线性回归模型的eviews操作》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、经典线性回归模型经典回归模型在涉及到时间序列时,通常存在以下三个问题:1)非平稳性→ADF单位根检验→n阶单整→取原数据序列的n阶差分(化为平稳序列)2)序列相关性→D.W.检验/相关图/Q检验/LM检验→n阶自相关→自回归ar(p)模型修正3)多重共线性→相关系数矩阵→逐步回归修正注:以上三个问题中,前两个比较重要。整体回归模型的思路:1)确定解释变量和被解释变量,找到相关数据。数据选择的时候样本量最好多一点,做出来的模型结果也精确一些。2)把EXCEL里的数据组导入到Eviews里。3)对每个数据序列做ADF单位根检验。4)对回归的数据组
2、做序列相关性检验。5)对所有解释变量做多重共线性检验。6)根据上述结果,修正原先的回归模型。7)进行模型回归,得到结论。Eviews具体步骤和操作如下。一、数据导入1)在EXCEL中输入数据,如下:除去第一行,一共2394个样本。2)Eviews中创建数据库:Fileewworkfile,接下来就是这个界面(2394就是根据EXCEL里的样本数据来),OK1)建立子数据序列程序:Datax1再enter键就出来一个序列,空的,把EXCEL里对应的序列复制过来,一个子集就建立好了。X1是回归方程中的一个解释变量,也可以取原来的名字,比如l
3、nFDI,把方程中所有的解释变量、被解释变量都建立起子序列。一、ADF单位根检验1)趋势。打开一个子数据序列,先判断趋势:viewgraph,出现一个界面,OK。得到类似的图,下图就是有趋势的时间序列。1)ADF检验。直接在图形的界面上进行操作,viewunitroottest,出现如下界面。在第二个方框内根据时序的趋势选择,Intercept指截距,Trend为趋势,有趋势的时序选择第二个,OK,得到结果。上述结果中,ADF值为-3.657113,t统计值小于5%,即拒绝原假设,故不存在单位根。若大于5%,则存在单位根。按照这个做法将所
4、有的序列都操作一遍。1)修正。倘若原序列存在单位根,就对原序列进行一阶差分。程序:genrdx1=D(x1)Enter键后,Eviews里会自动生成子序列dx1,x1只是解释变量,可以自己命名。再对该一阶差分序列进行ADF检验,若所得均显著,即为一阶单整序列,此序列不存在单位根。按照一阶单整序列建立模型,模型的数据序列是平稳的。三、模型回归程序:datayx1x2Y是模型的被解释变量,后面的解释变量随模型的具体情况而定。Enter键,出来一个数据组合,我这里DX11做为被解释变量。接下来是回归的操作。点击Proc/makeequation,出
5、来界面,直接点确定。其中,dx11是被解释变量,其余都为解释变量。得到结果,形式如下。结果说明:coefficient是每个解释变量对应的系数,第四列是t统计值,最后一列是伴随概率。R-squared是拟合优度,下面那个是调整的拟合优度。分析时遵循下列原则:<1>模型总体拟合优度R2,一般而言50%以上就很好。这个说明的是方程解释变量总体对被解释变量的解释力度好,即你的模型建立的比较正确。F值和此类似,判断方法和t统计值的一样,看伴随概率。<2>系数。看t值和伴随概率,如果伴随概率小于自己设定的显著性水平(1%、5%、10%),则拒绝原假设,
6、说明该一个解释变量对被解释变量有显著的贡献度。注:R2看的是整体(所有解释变量),t注重的是单个解释变量的贡献度。四、序列相关性检验序列相关性指的是模型回归后产生的残差序列(resid序列)具有自相关性,即前一个时间段的残差对现今的残差有影响,因此需要进行修正。方法有下列4种:D.W.统计量检验,相关图,Q检验,LM检验。可随机选一种,但要注意:D.W.检验法方便但比较粗糙,而且只能针对一阶自回归,无法进行高阶自回归的验证和模型自带滞后项的验证。LM检验能克服以上问题。另外,相关图和Q检验也较常用。1)D.W.检验——只针对一阶自相关DW值直
7、接在模型回归结果中显示,下述红色值。Sample(adjusted):25957Includedobservations:5956afteradjustmentsVariableCoefficientStd.Errort-StatisticProb. DX10.9638650.006527147.67940.0000DX20.0069640.0018683.7273610.0002DX30.0020060.0013651.4699240.1416DX130.0048760.0011014.4305840.0000DX40.0241390.0
8、065763.6708630.0002C1.01E-064.96E-060.2037370.8386R-squared0.994890 Meandepende
此文档下载收益归作者所有