經(jīng)典線性回歸模型的Eviews操作.doc

經(jīng)典線性回歸模型經(jīng)典回歸模型在涉及到時(shí)間序列時(shí)，通常存在以下三個(gè)問(wèn)題：1） 非平穩(wěn)性 ADF單位根檢驗(yàn) n階單整 取原數(shù)據(jù)序列的n階差分（化為平穩(wěn)序列）2） 序列相關(guān)性D.W.檢驗(yàn)/相關(guān)圖/Q檢驗(yàn)/LM檢驗(yàn)n階自相關(guān)自回歸ar(p)模型修正 3） 多重共線性相關(guān)系數(shù)矩陣逐步回歸修正注：以上三個(gè)問(wèn)題中，前兩個(gè)比較重要。整體回歸模型的思路：1）確定解釋變量和被解釋變量，找到相關(guān)數(shù)據(jù)。數(shù)據(jù)選擇的時(shí)候樣本量最好多一點(diǎn)，做出來(lái)的模型結(jié)果也精確一些。2）把EXCEL里的數(shù)據(jù)組導(dǎo)入到Eviews里。3）對(duì)每個(gè)數(shù)據(jù)序列做ADF單位根檢驗(yàn)。4）對(duì)回歸的數(shù)據(jù)組做序列相關(guān)性檢驗(yàn)。5）對(duì)所有解釋變量做多重共線性檢驗(yàn)。6）根據(jù)上述結(jié)果，修正原先的回歸模型。7）進(jìn)行模型回歸，得到結(jié)論。Eviews具體步驟和操作如下。1、 數(shù)據(jù)導(dǎo)入1） 在EXCEL中輸入數(shù)據(jù)，如下：除去第一行，一共2394個(gè)樣本。2） Eviews中創(chuàng)建數(shù)據(jù)庫(kù)： Filenewworkfile, 接下來(lái)就是這個(gè)界面（2394就是根據(jù)EXCEL里的樣本數(shù)據(jù)來(lái)），OK3） 建立子數(shù)據(jù)序列 程序：Data x1 再enter鍵就出來(lái)一個(gè)序列，空的，把EXCEL里對(duì)應(yīng)的序列復(fù)制過(guò)來(lái)，一個(gè)子集就建立好了。X1是回歸方程中的一個(gè)解釋變量，也可以取原來(lái)的名字，比如lnFDI，把方程中所有的解釋變量、被解釋變量都建立起子序列。2、 ADF單位根檢驗(yàn)1） 趨勢(shì)。打開(kāi)一個(gè)子數(shù)據(jù)序列，先判斷趨勢(shì)：viewgraph，出現(xiàn)一個(gè)界面，OK。得到類似的圖，下圖就是有趨勢(shì)的時(shí)間序列。2） ADF檢驗(yàn)。直接在圖形的界面上進(jìn)行操作，viewunit root test，出現(xiàn)如下界面。在第二個(gè)方框內(nèi)根據(jù)時(shí)序的趨勢(shì)選擇，Intercept指截距，Trend為趨勢(shì)，有趨勢(shì)的時(shí)序選擇第二個(gè)，OK，得到結(jié)果。上述結(jié)果中，ADF值為-3.657113，t統(tǒng)計(jì)值小于5%，即拒絕原假設(shè)，故不存在單位根。若大于5%，則存在單位根。按照這個(gè)做法將所有的序列都操作一遍。3） 修正。倘若原序列存在單位根，就對(duì)原序列進(jìn)行一階差分。 程序：genr dx1=D(x1) Enter鍵后，Eviews里會(huì)自動(dòng)生成子序列dx1，x1只是解釋變量，可以自己命名。再對(duì)該一階差分序列進(jìn)行ADF檢驗(yàn)，若所得均顯著，即為一階單整序列，此序列不存在單位根。按照一階單整序列建立模型，模型的數(shù)據(jù)序列是平穩(wěn)的。3、 模型回歸 程序：data y x1 x2 Y是模型的被解釋變量，后面的解釋變量隨模型的具體情況而定。 Enter鍵，出來(lái)一個(gè)數(shù)據(jù)組合，我這里DX11做為被解釋變量。 接下來(lái)是回歸的操作。 點(diǎn)擊Proc/make equation，出來(lái)界面，直接點(diǎn)確定。其中，dx11是被解釋變量，其余都為解釋變量。得到結(jié)果，形式如下。結(jié)果說(shuō)明：coefficient是每個(gè)解釋變量對(duì)應(yīng)的系數(shù)，第四列是t統(tǒng)計(jì)值，最后一列是伴隨概率。R-squared是擬合優(yōu)度，下面那個(gè)是調(diào)整的擬合優(yōu)度。分析時(shí)遵循下列原則：模型總體擬合優(yōu)度R2，一般而言50%以上就很好。這個(gè)說(shuō)明的是方程解釋變量總體對(duì)被解釋變量的解釋力度好，即你的模型建立的比較正確。F值和此類似，判斷方法和t統(tǒng)計(jì)值的一樣，看伴隨概率。系數(shù)?？磘值和伴隨概率，如果伴隨概率小于自己設(shè)定的顯著性水平（1%、5%、10%），則拒絕原假設(shè)，說(shuō)明該一個(gè)解釋變量對(duì)被解釋變量有顯著的貢獻(xiàn)度。注：R2看的是整體（所有解釋變量），t注重的是單個(gè)解釋變量的貢獻(xiàn)度。四、序列相關(guān)性檢驗(yàn)序列相關(guān)性指的是模型回歸后產(chǎn)生的殘差序列（resid序列）具有自相關(guān)性，即前一個(gè)時(shí)間段的殘差對(duì)現(xiàn)今的殘差有影響，因此需要進(jìn)行修正。方法有下列4種：D.W.統(tǒng)計(jì)量檢驗(yàn)，相關(guān)圖，Q檢驗(yàn)，LM檢驗(yàn)?？呻S機(jī)選一種，但要注意：D.W.檢驗(yàn)法方便但比較粗糙，而且只能針對(duì)一階自回歸，無(wú)法進(jìn)行高階自回歸的驗(yàn)證和模型自帶滯后項(xiàng)的驗(yàn)證。LM檢驗(yàn)?zāi)芸朔陨蠁?wèn)題。另外，相關(guān)圖和Q檢驗(yàn)也較常用。1） D.W.檢驗(yàn)只針對(duì)一階自相關(guān)DW值直接在模型回歸結(jié)果中顯示，下述紅色值。Sample (adjusted): 2 5957Included observations: 5956 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.DX10.9638650.006527147.67940.0000DX20.0069640.0018683.7273610.0002DX30.0020060.0013651.4699240.1416DX130.0048760.0011014.4305840.0000DX40.0241390.0065763.6708630.0002C1.01E-064.96E-060.2037370.8386R-squared0.994890Mean dependent var6.02E-05Adjusted R-squared0.994886S.D. dependent var0.005341S.E. of regression0.000382Akaike info criterion-12.90144Sum squared resid0.000868Schwarz criterion-12.89470Log likelihood38426.50Hannan-Quinn criter.-12.89910F-statistic231679.7Durbin-Watson stat2.398212Prob(F-statistic)0.0000002） 相關(guān)圖與Q檢驗(yàn)在模型回歸后的界面上進(jìn)行操作，viewResidual DiagnosticsCorrelogram-Q-statistics彈出對(duì)話框后直接OK，出現(xiàn)下述結(jié)果。AC代表自相關(guān)系數(shù)，PAC表示偏自相關(guān)系數(shù)，判斷模型是幾階自相關(guān)，看其AC和PAC圖形有多少超出區(qū)域，圖中有臨界值線，這張圖不是很清楚。也可以觀察Q值和伴隨概率，若小于5%就顯著，拒絕原假設(shè)。但是，這個(gè)方法在一些模型結(jié)果中不太明顯，所以不清楚的時(shí)候進(jìn)行LM檢驗(yàn)比較直觀。3） LM統(tǒng)計(jì)量檢驗(yàn) 同樣，在回歸結(jié)果界面操作，viewResidual DiagnosticsSerial Correlation LM test 彈出對(duì)話框，意在選擇階數(shù)，在不確定具體是幾階自相關(guān)時(shí)，可以一步一步來(lái)。 這是一階的檢驗(yàn)，結(jié)果中會(huì)給出RESID(-1)的結(jié)果，且t統(tǒng)計(jì)值的伴隨概率Prob小于5%，即拒絕原假設(shè)（不存在自相關(guān)性），說(shuō)明該模型存在自相關(guān)性。繼續(xù)進(jìn)行二階的檢驗(yàn)，重復(fù)上述操作，在對(duì)話框輸入2，得到結(jié)果。仍然拒絕假設(shè)，再進(jìn)行操作，直到RESID（-n）的t值不顯著。當(dāng)進(jìn)行到6階的時(shí)候，RESID(-6)的t值不顯著，故該模型的自相關(guān)階數(shù)為5階。4） 修正。對(duì)于自相關(guān)模型的修正，也有一系列方法，但是建立自回歸模型ar(p)比較簡(jiǎn)單。操作如下，在原模型數(shù)據(jù)組界面進(jìn)行操作，即進(jìn)行簡(jiǎn)單回歸的界面。 點(diǎn)擊Proc/make equation，出來(lái)界面，根據(jù)模型自相關(guān)階數(shù)，進(jìn)行修改如下。 在出來(lái)的結(jié)果中，可以看到模型的擬合優(yōu)度R2有所提高，且模型的DW值接近2。一般而言，DW值為2時(shí)說(shuō)明該模型不存在自相關(guān)性。（可與上面的結(jié)果比較）Dependent Variable: DX5Method: Least SquaresDate: 04/29/15 Time: 18:26Sample (adjusted): 7 5957Included observations: 5951 after adjustmentsConvergence achieved after 4 iterationsVariableCoefficientStd. Errort-StatisticProb.DX10.9606150.006150156.19740.0000DX20.0068040.0016324.1685340.0000DX30.0020380.0012441.6385560.1014DX130.0036910.0009673.8155730.0001DX40.0283100.0062444.5336680.0000C1.25E-062.96E-060.4220180.6730AR(1)-0.2491230.012972-19.204700.0000AR(2)-0.1965370.013365-14.705750.0000AR(3)-0.0841370.013549-6.2097730.0000AR(4)-0.0487470.013350-3.6514270.0003AR(5)-0.0410690.012971-3.1661960.0016R-squared0.995270Mean dependent var6.04E-05Adjusted R-squared0.995262S.D. dependent var0.005342S.E. of regression0.000368Akaike info criterion-12.97650Sum squared resid0.000803Schwarz criterion-12.96413Log likelihood38622.56Hannan-Quinn criter.-12.97220F-statistic124979.4Durbin-Watson stat2.000095Prob(F-statistic)0.000000Inverted AR Roots.32+.43i.32-.43i-.20+.50i-.20-.50i-.49 這樣回歸出來(lái)的結(jié)果就自動(dòng)進(jìn)行了序列相關(guān)性的修正。做分析結(jié)果時(shí)，直接按照上述結(jié)果的系數(shù)就可以，不存在系數(shù)不可信的問(wèn)題。五、多重共線性檢驗(yàn)多變量的線性回歸模型可能存在多重共線性問(wèn)題，即模型的解釋變量之間存在相關(guān)性，可通過(guò)相關(guān)系數(shù)矩陣進(jìn)行檢驗(yàn)。1） 相關(guān)系數(shù)矩陣建立解釋變量的數(shù)據(jù)組，程序：data dx1 dx2 dx3 dx13 dx4Enter鍵，跳出數(shù)據(jù)組。其中，dx1 dx2 dx3 dx13 dx4是我模型中的解釋變量，其他模型視具體情況而定。點(diǎn)擊QuickGroup StatisticsCorrelations在彈出的對(duì)話框內(nèi)輸入需要進(jìn)行相關(guān)關(guān)系檢驗(yàn)的解釋變量：dx1 dx2 dx3 dx13 dx4，OK在彈出的對(duì)話