eviews自相关性检验

实验五 自相关性

【实验目的】

掌握自相关性的检验与处理方法。 【实验内容】

利用表5-1资料，试建立我国城乡居民储蓄存款模型，并检验模型的自相关性。

【实验步骤】

一、回归模型的筛选 ⒈相关图分析 SCAT X Y

相关图表明，GDP 指数与居民储蓄存款二者的曲线相关关系较为明显。现将函数初步设定为线性、双对数、对数、指数、二次多项式等不同形式，进而加以比较分析。

⒉估计模型，利用LS 命令分别建立以下模型 ⑴线性模型： LS Y C X

x y

5075.9284.14984?+-= =t (-6.706) (13.862)

2

R ＝0.9100 F ＝192.145 S.E ＝5030.809

⑵双对数模型：GENR LNY=LOG(Y) GENR LNX=LOG(X) LS LNY C LNX

x y

ln 9588.20753.8?ln +-= =t (-31.604) (64.189)

2

R ＝0.9954 F ＝4120.223 S.E ＝0.1221

⑶对数模型：LS Y C LNX

x y

ln 82.236058.118140?+-= =t (-6.501) (7.200)

2

R ＝0.7318 F ＝51.8455 S.E ＝8685.043

⑷指数模型：LS LNY C X

x y

010005.03185.5?ln += =t (23.716) (14.939)

2

R ＝0.9215 F ＝223.166 S.E ＝0.5049

⑸二次多项式模型：GENR X2=X^2 LS Y C X X2

21966.05485.4456.2944?x x y

+-= =t (3.747) (-8.235) (25.886)

2

R ＝0.9976 F ＝3814.274 S.E ＝835.979

⒊选择模型

比较以上模型，可见各模型回归系数的符号及数值较为合理。各解释变量及常数项都通过了t 检验，模型都较为显著。除了对数模型的拟合优度较低外，其余模型都具有高拟合优度，因此可以首先剔除对数模型。

比较各模型的残差分布表。线性模型的残差在较长时期内呈连续递减趋势而后又转为连续递增趋势，指数模型则大体相反，残差先呈连续递增趋势而后又转为连续递减趋势，因此，可以初步判断这两种函数形式设置是不当的。而且，这两个模型的拟合优度也较双对数模型和二次多项式模型低，所以又可舍弃线性模型和指数模型。双对数模型和二次多项式模型都具有很高的拟合优度，因而初步选定回归模型为这两个模型。

二、自相关性检验 ⒈DW 检验； ⑴双对数模型

因为n ＝21，k ＝1，取显著性水平α＝0.05时，查表得L d ＝1.22，U d ＝1.42，而0<0.7062＝DW

⑵二次多项式模型

L d ＝1.22，U

d ＝1.42，而L d <1.2479＝DW

断是否存在自相关。

⒉偏相关系数检验

在方程窗口中点击View/Residual Test/Correlogram-Q-statistics ，并输入滞后期为10，则会得到残差t e 与1021,,---t t t e e e 的各期相关系数和偏相关系数，如图5-11、5-12所示。

图5-1 双对数模型的偏相关系数检验

图5-2 二次多项式模型的偏相关系数检验

从5-11中可以看出，双对数模型的第1期、第2期偏相关系数的直方块超过了虚线部分，存在着一阶和二阶自相关。图5-2则表明二次多项式模型仅存在二阶自相关。

⒊BG 检验

在方程窗口中点击View/Residual Test/Series Correlation LM Test ，并选择滞后期为2，则会得到如图5-13所示的信息。

图5-13 双对数模型的BG 检验

图中，2nR =11.31531，临界概率P=0.0034，因此辅助回归模型是显著的，即存在自相关性。又因为1-t e ，2-t e 的回归系数均显著地不为0，说明双对数模型存在一阶和二阶自相关性。

二次多项式BG 检验

BG 检验与偏相关系数检验结果不同

三、自相关性的调整：加入AR 项 ⒈对双对数模型进行调整；

在LS 命令中加上AR(1)和AR(2)，使用迭代估计法估计模型。键入命令： LS LNY C LNX AR (1) AR (2) 则估计结果如图5-16所示。

图5-16 加入AR 项的双对数模型估计结果

图5-16表明，估计过程经过4次迭代后收敛；

1ρ，2ρ的估计值分别为0.9459

和-0.5914，并且t 检验显著，说明双对数模型确实存在一阶和二阶自相关性。调整后模型的DW ＝1.6445，n ＝19，k ＝1，取显著性水平α＝0.05时，查表得L d ＝1.18，U d ＝1.40，而U d <1.6445＝DW<4－U d ，说明模型不存在一阶自相关性；再进行偏相关系数检验（图5-17）和BG 检验（图5-18），也表明不存在高阶自相关性，因此，中国城乡居民储蓄存款的双对数模型为：

x y

ln 9193.28445.7?ln +-= =t (-25.263) (52.683)

2

R ＝0.9982 F ＝2709.985 S.E ＝0.0744 DW ＝1.6445

图5-17 双对数模型调整后的偏相关系数检验结果

图5-18 双对数模型调整后的BG检验结果

⒉对二次多项式模型进行调整；

键入命令：

LS Y C X X2 AR(2)

则估计结果如图5-19所示。

加上ar1 2调整后不存在自相关性，但仅有AR(2)项调整后用偏相关系数检验仍然存在2阶和6阶自相关，且BG检验结果与偏相关系数检验结果不同，且BG检验滞后期不同，结果不同。

⒊从双对数模型和二次多项式模型中选择调整结果较好的模型。

四、重新设定双对数模型中的解释变量：

模型1：加入上期储蓄LNY(-1)；

模型2：解释变量取成：上期储蓄LNY(-1)、本期X的增长DLOG(X)。

⒈检验自相关性；

⑴模型1

键入命令：

LS LNY C LNX LNY(-1)

则模型1的估计结果如图5-21所示。

图5-21 模型1的估计结果

图5-21表明了DW=1.358，n＝20，k＝2，查表得

d＝1.100，U d＝1.537，

L

而

d<1.358＝DW

所示，图中偏相关系数方块均未超过虚线，模型1不存在自相关性。

图5-22 模型1的偏相关系数检验结果

⑵模型2

键入命令：

GENR DLNX=D(LNX)

LS LNY C LNY(-1) DLNX

则模型2的估计结果如图5-23所示。

图5-23 模型2的估计结果

图5-23表明了DW=1.388，n ＝20，k ＝2，查表得L d ＝1.100，U d ＝1.537，而L d <1.388＝DW

图5-24 模型2的偏相关系数检验结果

⒉解释模型的经济含义。 ⑴模型1

模型1的表达式为：

()1ln 8794.0ln 3200.05240.0?ln -++-=y x y

表示我国城乡居民储蓄存款余额的相对变动不仅与GDP 指数相关，而且受上期居民存款余额的影响。当GDP 指数相对增加1％时，城乡居民存款余额相对增加0.32％，当上期居民存款余额相对增加1％时，城乡居民存款余额相对增加0.8794％。

⑵模型2

模型2的表达式为：

()x D y y

ln 1128.01ln 9865.03754.0?ln +-+= 表示上期居民存款余额相对增加1％时，城乡居民存款余额相对增加

0.9865％，当GDP指数的发展速度相对增加1％时，城乡居民存款余额相对增加0.1128％。

eviews异方差、自相关检验与解决办法

eviews异方差、自相关检验与解决办法 一、异方差检验： 1．相关图检验法 LS Y C X 对模型进行参数估计 GENR E=RESID 求出残差序列 GENR E2=E^2 求出残差的平方序列 SORT X 对解释变量X排序 SCAT X E2 画出残差平方与解释变量X的相关图 2．戈德菲尔德——匡特检验 已知样本容量n=26，去掉中间6个样本点（即约n/4），形成两个样本容量均为10的子样本。 SORT X 将样本数据关于X排序 SMPL 1 10 确定子样本1 LS Y C X 求出子样本1的回归平方和RSS1 SMPL 17 26 确定子样本2 LS Y C X 求出子样本2的回归平方和RSS2 计算F统计量并做出判断。 解决办法 3．加权最小二乘法 LS Y C X 最小二乘法估计，得到残差序列 GRNR E1=ABS(RESID) 生成残差绝对值序列 LS(W=1/E1) Y C X 以E1为权数进行加权最小二成估计 二、自相关 1．图示法检验 LS Y C X 最小二乘法估计，得到残差序列 GENR E=RESID 生成残差序列 SCAT E(-1) E et—et-1的散点图 PLOT E 还可绘制et的趋势图 2．广义差分法 LS Y C X AR(1) AR(2)

首先，你要对广义差分法熟悉，不是了解，如果你是外行，我奉劝你还是用eviews来做就行了，其实我想老师要你用spss无非是想看你是否掌握广义差分，好了，废话不多说了。接着，使用spss16来解决自相关。第一步，输入变量，做线性回归，注意在Liner Regression 中的Statistics中勾上DW，在save中勾Standardized，查看结果，显然肯定是有自相关的（看dw值）。第二步，做滞后一期的残差，直接COPY数据（别告诉我不会啊），然后将残差和滞后一期的残差做回归，记下它们之间的B指（就是斜率）。第三步，再做滞后一期的X1和Y1，即自变量和因变量的滞后一期的值，也是直接COPY。第四步，最后定义两个新变量，即X2=X-B*X1，Y2=Y-B*X2，最后做X2和Y2的回归，这样广义差分就完成了。但是这仅仅只是一次广义差分，观察X2和Y2的回归分析表，如果DW值仍然显示有自相关，则还要做一次差分，即重复上述步骤即可。 一般来说，广义差分最多做2次就行了。。。 本文来自: 人大经济论坛SPSS专版版，详细出处参考：https://www.wendangku.net/doc/4017711865.html,/forum.php?mod=viewthread&tid=289529&page=1

eviews自相关性检验

实验五自相关性 【实验目的】 掌握自相关性的检验与处理方法。 【实验内容】 利用表5-1资料，试建立我国城乡居民储蓄存款模型，并检验模型的自相关性。 【实验步骤】 一、回归模型的筛选 ⒈相关图分析 SCAT X Y 相关图表明，GDP指数与居民储蓄存款二者的曲线相关关系较为明显。现将函数初步设定为线性、双对数、对数、指数、二次多项式等不同形式，进而加以比较分析。 ⒉估计模型，利用LS命令分别建立以下模型 ⑴线性模型：LS Y C X t (-6.706) (13.862) = 2 R＝0.9100 F＝192.145 S.E＝5030.809 ⑵双对数模型：GENR LNY=LOG(Y) GENR LNX=LOG(X) LS LNY C LNX t (-31.604) (64.189) = 2 R＝0.9954 F＝4120.223 S.E＝0.1221 ⑶对数模型：LS Y C LNX

=t (-6.501) (7.200) 2R ＝0.7318 F ＝51.8455 S.E ＝8685.043 ⑷指数模型：LS LNY C X =t (23.716) (14.939) 2R ＝0.9215 F ＝223.166 S.E ＝0.5049 ⑸二次多项式模型：GENR X2=X^2 LS Y C X X2 =t (3.747) (-8.235) (25.886) 2R ＝0.9976 F ＝3814.274 S.E ＝835.979 ⒊选择模型 比较以上模型，可见各模型回归系数的符号及数值较为合理。各解释变量及常数项都通过了t 检验，模型都较为显著。除了对数模型的拟合优度较低外，其余模型都具有高拟合优度，因此可以首先剔除对数模型。 比较各模型的残差分布表。线性模型的残差在较长时期内呈连续递减趋势而后又转为连续递增趋势，指数模型则大体相反，残差先呈连续递增趋势而后又转为连续递减趋势，因此，可以初步判断这两种函数形式设置是不当的。而且，这两个模型的拟合优度也较双对数模型和二次多项式模型低，所以又可舍弃线性模型和指数模型。双对数模型和二次多项式模型都具有很高的拟合优度，因而初步选定回归模型为这两个模型。 二、自相关性检验 ⒈DW 检验； ⑴双对数模型 因为n ＝21，k ＝1，取显著性水平α＝0.05时，查表得L d ＝1.22， U d ＝1.42，而0<0.7062＝DW

Eviews序列相关性实验报告

实验二序列相关性 【实验目的】 掌握序列相关性问题出现的来源、后果、检验及修正的原理，以及相关的Eviews操作方法。 【实验内容】 经济理论指出，商品进口主要由进口国的经济发展水平，以及商品进口价格指数与国内价格指数对比因素决定的。由于无法取得价格指数数据，我们主要研究中国商品进口与国内生产总值的关系。 以1978-2001年中国商品进口额与国内生产总值数据为例，练习检查和克服模型的序列相关性的操作方法。 【实验步骤】 一、建立线性回归模型

利用表中数据建立M 关于GDP 的散点图（SCAT GDP M ）。 可以看到M 与GDP 呈现接近线性的正相关关系。 建立一个线性回归模型（LS M C GDP ）。 即得到的回归式为： GDP M 0204.09058.152+= (3.32) (20.1) 9461.02=R D.W.=0.63 F=405 二、 进行序列相关性检验 1、 观察残差图

做出残差项与时间以及与滞后一期的残差项的折线图，可以看出随机项存在正序列相关性。 2、 用D.W.检验判断 由回归结果输出D.W.=0.628。若给定05.0=α，已知n=24，k=2，查D.W.检验上下界表可得，45.1,27.1==U L d d 。由于D.W.=0.628<1.27=L d ，故存在正自相关。 3、 用LM 检验判断

在估计窗口中选择Serial Correlation LM Test，设定滞后期Lag=1，得到LM 检验结果。 由于P值为0.0027，可以拒绝原假设，表明存在自相关。 4、用回归检验法判断 对初始估计结果得到的残差序列定义为E1，首先做一阶自回归（LS E1 E1(-1)）。

【免费下载】eviews自相关性检验

实验五 自相关性【实验目的】 掌握自相关性的检验与处理方法。 【实验内容】利用表5-1资料，试建立我国城乡居民储蓄存款模型，并检验模型的自相关性。表5-1 我国城乡居民储蓄存款与GDP 统计资料（1978年＝100）年份 存款余额Y GDP 指数X 年份存款余额Y GDP 指数X 1978 210.60100.019895146.90271.31979 281.00107.619907034.20281.71980 399.50116.019919107.00307.61981 523.70122.1199211545.40351.41982 675.40133.1199314762.39398.81983 892.50147.6199421518.80449.31984 1214.70170.0199529662.25496.51985 1622.60192.9199638520.84544.11986 2237.60210.0199746279.80592.01987 3073.30234.0199853407.47638.219883801.50260.7【实验步骤】一、回归模型的筛选 ⒈相关图分析SCAT X Y 相关图表明，GDP 指数与居民储蓄存款二者的曲线相关关系较为明显。现将函数初步设定为线性、双对数、对数、指数、二次多项式等不同形式，进而 加以比较分析。⒉估计模型，利用LS 命令分别建立以下模型⑴线性模型： LS Y C X x y 5075.9284.14984?+-= (-6.706) (13.862)=t ＝0.9100 F ＝192.145 S.E ＝5030.8092R ⑵双对数模型：GENR LNY=LOG(Y) GENR LNX=LOG(X) LS LNY C LNX 、管路敷设技术护层防腐跨接地线弯曲半径标高等，要求技术交底。管线敷设技术中包含线槽、管架等多项方式，为解决高中语文电气课件中管壁薄、接口不严等问题，合理利用管线敷设技术。线缆敷设原则：在分线盒处，当不同电压回路交叉时，应采用金属隔板进行隔开处理；同一线槽内，强电回路须同时切断习题电源，线缆敷设完毕，要进行检查和检测处理。、电气课件中调试写复杂设备与装置高中资料试卷调试方案，编写重要设备高中资料试卷试验方案以及系统启动方案；对整套启动过程中高中资料试卷电气设备进行调试工作并且进行过关运行高中资料试卷技术指导。对于调试过程中高中资料试卷技术问题，作为调试人员，需要在事前掌握图纸资料、设备制造厂家出具高中资料试卷试验报告与相关技术资料，并且了解现场设备高中资料试卷布置情况与有关高中资料试卷电气系统接线等情况，然后根据规范与规程规、电气设备调试高中资料试卷技术工况进行自动处理，尤其要避免错误高中资料试卷保护装置动作，并且拒绝动作，来避免不必要高中资料试卷突然停机。因此，电力高中资料试卷保护装置调试技术，要求电力保护装置做到准确灵活。对于差动保护装置高中资料试卷调试技术是指发电机一变压器组在发生内部故障时，需要进行外部电源高中资料试卷切除从而采用高中资料试卷主要保护装置。

eviews的相关计量经济学操作

Eviews运用于计量经济学的三个举证 、异方差检验：首先做出相应的Is模型, White检验：在 Heteroskedastici tyTest : White 中检验p值，如果p.f值小于0.05则表示有异方差，反之没有异方差 G — Q检验 20对数据中在上方输入 排序

选出1~7 *做回归 得出Sum squared resid 同样再输入smpl 14 20/ls y c x 得出第二个rss 用rss(1)/rss(2) 做f 检验 其他检验方式中用genr 定义变量进行回归分析 确定最大的r2 等值来确定其异方差形式 ? 修正方法 加权最小2 定义e1 为相应的resid (e) 在ls 规划时将opion 中的weight 设为abs(e1) 进行来说规划即可这时会去掉其异方差性 二、多重共线性对数据建模ls 分析数据看哪个每个解释变量的f 值，检验其是否有多重共线性

求其相关系数矩阵“ Correlations ”得出后和0.8 比较，如果大于0.8 说明两者之间有激情。修正方法：逐步回 归先对每一个进行ls 分析建模然后取出对y 影响最大的做为基础然后更具其相关系数大小排序，用做出先关的检验，选择加入的元素如上图就是加入了x3 三、序列相关性同样的ls 对其d.w 做出分析，如果接近2 则没有一次相关，若出了范围则有相应的相关性 其他次的相关性可以由Im检验得到（小于0.05即有序列相关性）。 自相关的检验还有view/residual/con -- Q -- 做出如图所示的表 修正方法杜宾两步法：进行如下的Is 估计 可得：将p 的值带入查分模型 如下输入： 结果如下： d.w 含糊可以用lm 检验其是否任然具有相关性。 用b(贝塔)0/ (1-p) p=之前的0.6278或者是第一次的1-d.w/2 最小二乘法 输入如下 结果如下

eviews检验相关方法(2)

我用的是Eviews3.1注册版（因为其他的版本没注册都不稳定容易自己关闭程序），但大抵操作应该是相同的。 首先建立新的workfile,在命令窗口输入series，弹出新建的数列窗口，把要检验的数据存进去。然后再数列窗口下点击view，找到unit root test就是单位根检验，弹出来的窗口的左上角是选择检验方式，一般保持默认的DF那一项就好了，Eviews里面的这个DF选项是把DF与ADF检验都包括在一起了。右边的intercept啦intercept and trend啦是针对ADF 检验的不同模型，如果搞不清楚干脆就按默认吧。左下角的level,1st differential，2st什么的是问你是针对原始数据、还是一阶差分、二阶差分来做检验，默认是level,就是原始数据。都选好之后点击OK就好了。输出的结果主要是看上面的表，第一个表左边给出一个值，右边给了三个值，分别是置信度99%，95%，90%的ADF检验临界值。左边的值如果小于右边的某个值，说明该数据落在右边那个对应值的置信区间里。比如左边给出-3，右边对应95%置信度的值是-1，-3<-1所以数据不存在单位根，是平稳的，这一检验的置信度是95%。 大概是这样吧，具体的ADF模型选择等等最好看一看相关书籍。Eviews不难学的~~嘿嘿我也就是三天恶补大概看完的。 ADF检验的原假设是存在单位根，一般EVIEWS输出的是ADF检验的统计值，只要这个统计值是小于1%水平下的数字就可以极显著的拒绝原假设，认为数据平稳。注意，ADF值一般是负的，也有正的，但是它只有小于1%水平下的才能认为是及其显著的拒绝原假设 这样的话，如果你的变量是水平变量。那么，你需要取对数，一般来说，取对数后的变量一般是平稳的，这样，你无需作协整；如果对数变量非平稳，再取一阶差分（绝大多数的水平变量取对数后再一阶差分是平稳的），你就可以作协整了了。 如果你的变量已是相对数，xt 与yt 并非I（1），那么，不能作协整，仅作一般的时间序列分析即可。

eviews的相关计量经济学操作

E v i e w s运用于计量经济学的三个举证 一、异方差 检验：首先做出相应的ls模型， White检验：在 HeteroskedasticityTest ：White 中检验p值，如果值小于则表示有异方差，反之没有异方差。 G—Q检验 20对数据中在上方输入 *排序 *选出1~7 *做回归 得出Sum squared resid 同样再输入smpl 14 20/ls y c x 得出第二个rss

用rss(1)/rss(2)做f检验 其他检验方式中用genr 定义变量进行回归分析 确定最大的r2等值来确定其异方差形式 ? 修正方法 加权最小2 定义e1为相应的resid (e) 在ls规划时将opion中的weight设为abs(e1) 进行来说规划即可这时会去掉其异方差性 二、多重共线性 对数据建模ls分析数据看哪个每个解释变量的f值，检验其是否有多重共线性 求其相关系数矩阵“Quick\Group Statistics\Correlations”得出后和比较，如果大于说明两者之间有激情。 修正方法： 逐步回归 先对每一个进行ls分析建模 然后取出对y影响最大的做为基础 然后更具其相关系数大小排序，用 做出先关的检验，选择加入的元素 如上图就是加入了x3 三、序列相关性 同样的ls对其做出分析，如果接近2 则没有一次相关，若出了范围则有相应的相关性

其他次的相关性可以由lm检验得到(小于即有序列相关性)。 自相关的检验还有view/residual/con-----Q---- 做出如图所示的表 修正方法 杜宾两步法：进行如下的ls估计 可得： 将p 的值带入查分模型 如下输入： 结果如下： 含糊可以用lm检验其是否任然具有相关性。 用b(贝塔)0/（1-p）p=之前的或者是第一次的2 最小二乘法 输入如下 结果如下 Lm检验： 可用。 差分法 直接输入： 同样也可知取出了其序列相关性 ----made by .

eviews统计分析报告

e v i e w s统计分析报告 IMB standardization office【IMB 5AB- IMBK 08- IMB 2C】

统计分析报告 基于eviews软件的湖北省人均GDP时间序 列模型构建与预测 姓名：刘金玉 学院：经济管理学院 学号： 指导教师：李奇明 日期：2014年12月14日

基于eviews软件的湖北省人均GDP时间序列 模型构建与预测 1、选题背景 改革开放以来,中国的经济得到飞速发展。1978年至今,中国GDP年均增长超过9%。中国的经济实力明显增强。2001年GDP超过万亿美元,排名升到世界第六位。外汇储备已达2500亿美元。市场在资源配置中已经明显地发挥基础性作用。公有、私有、外资等多种所有制经济共同发展的格局基本形成。宏观调控体系初步建立。我国社会生产力、综合国力、地区发展、产业升级、所有制结构、商品供求等指标均反映出我国经济运行质量良好,为实现第三步战略。在全国的经济飞速发展的大环境下，各省GDP的增长也是最能反映其经济发展状况的指标。而人均GDP是最能体现一个省的经济实力、发展水平和生活水准的综合性指标，它不仅考虑了经济总量的大小，而且结合了人口多少的因素，在国际上被广泛用于评价和比较一个地区经济发展水平。尤其是我们这样的人口大国，用这一指标反映经济增长和发展情况更加准确、深刻和富有现实意义。深入分析这一指标对于反映我国经济发展历程、探讨增长规律、研究波动状况，制定相应的宏观调控政策有着十分重要的意义。 本文是以湖北省人均GDP作为研究对象。湖北省人均GDP的增长速度在上世纪90年代增长率有下滑的趋势（见表1）。进入21世纪，继东部沿海地区先发展起来，并涌现出环渤海、长三角、珠三角等城市群，以及中共中央提出“西部大开发”的战略后，中部地区成了“被遗忘的区域”，中部地区经济发展严重滞后于东部沿海地区，为此，中共中央提出了“中部崛起”的重大战略决策。自2004年提出“中部崛起”的重要战略构思后，山西、河南、安徽、湖北、湖南、江西六个省都依托自己的资源和地理优势来扩大地区竞争力，湖北省尤为突出。那么，研究湖北省人均GDP的统计

eviews时间序列分析实验

实验一ARMA 模型建模 一、实验目的 学会检验序列平稳性、随机性。学会分析时序图与自相关图。学会利用最小二乘法等方法对ARMA 模型进行估计，以及掌握利用ARMA 模型进行预测的方法。学会运用Eviews 软件进行ARMA 模型的识别、诊断、估计和预测和相关具体操作。 二、基本概念 1 平稳时间序列： 定义：时间序列{zt}是平稳的。如果{zt}有有穷的二阶中心矩，而且满足： （a ）ut= Ezt =c; （b ）r(t,s) = E[(zt-c)(zs-c)] = r(t-s,0) 则称{zt}是平稳的。 2 AR 模型： AR 模型也称为自回归模型。它的预测方式是通过过去的观测值和现在的干扰值的线性组合预测。具有如下结构的模型称为P 阶自回归模型，简记为AR(P)。 ? ???? ??

11222 0()0(),()0,t t t t q t q q t t t s x E Var E s t εμεθεθεθεθεεσεε---?=+----? ≠??===≠?L ， 4 ARMA 模型： ARMA 模型：自回归模型和滑动平均模型的组合， 便构成了用于描述平稳随机过程的自回归滑动平均模型ARMA 。具有如下结构的模型称为自回归移动平均回归模型，简记为ARMA(p,q)。 ? ???? ??

eviews自相关性检验

实验五 自相关性 【实验目的】 掌握自相关性的检验与处理方法。 【实验内容】 利用表5-1资料，试建立我国城乡居民储蓄存款模型，并检验模型的自相关性。 【实验步骤】 一、回归模型的筛选 ⒈相关图分析 SCAT X Y 相关图表明，GDP 指数与居民储蓄存款二者的曲线相关关系较为明显。现将函数初步设定为线性、双对数、对数、指数、二次多项式等不同形式，进而加以比较分析。 ⒉估计模型，利用LS 命令分别建立以下模型 ⑴线性模型： LS Y C X x y 5075.9284.14984?+-= =t (-6.706) (13.862) 2 R ＝0.9100 F ＝192.145 S.E ＝5030.809 ⑵双对数模型：GENR LNY=LOG(Y) GENR LNX=LOG(X) LS LNY C LNX

x y ln 9588.20753.8?ln +-= =t (-31.604) (64.189) 2 R ＝0.9954 F ＝4120.223 S.E ＝0.1221 ⑶对数模型：LS Y C LNX x y ln 82.236058.118140?+-= =t (-6.501) (7.200) 2 R ＝0.7318 F ＝51.8455 S.E ＝8685.043 ⑷指数模型：LS LNY C X x y 010005.03185.5?ln += =t (23.716) (14.939) 2 R ＝0.9215 F ＝223.166 S.E ＝0.5049 ⑸二次多项式模型：GENR X2=X^2 LS Y C X X2 21966.05485.4456.2944?x x y +-= =t (3.747) (-8.235) (25.886) 2 R ＝0.9976 F ＝3814.274 S.E ＝835.979 ⒊选择模型 比较以上模型，可见各模型回归系数的符号及数值较为合理。各解释变量及常数项都通过了t 检验，模型都较为显著。除了对数模型的拟合优度较低外，其余模型都具有高拟合优度，因此可以首先剔除对数模型。 比较各模型的残差分布表。线性模型的残差在较长时期内呈连续递减趋势而后又转为连续递增趋势，指数模型则大体相反，残差先呈连续递增趋势而后又转为连续递减趋势，因此，可以初步判断这两种函数形式设置是不当的。而且，这两个模型的拟合优度也较双对数模型和二次多项式模型低，所以又可舍弃线性模型和指数模型。双对数模型和二次多项式模型都具有很高的拟合优度，因而初步选定回归模型为这两个模型。 二、自相关性检验 ⒈DW 检验； ⑴双对数模型 因为n ＝21，k ＝1，取显著性水平α＝0.05时，查表得L d ＝1.22，U d ＝1.42，而0<0.7062＝DW

使用eviews做线性回归分析

使用eviews做线性回归分析 关键字: linear regression Glossary: ls(least squares)最小二乘法 R-sequared样本决定系数（R2）：值为0-1，越接近1表示拟合越好，>0.8认为可以接受，但是R2随因变量的增多而增大，解决这个问题使用来调整 Adjust R-seqaured() S.E of regression回归标准误差 Log likelihood对数似然比：残差越小，L值越大，越大说明模型越正确Durbin-Watson stat：DW统计量，0-4之间 Mean dependent var因变量的均值 S.D. dependent var因变量的标准差 Akaike info criterion赤池信息量(AIC)（越小说明模型越精确） Schwarz ctiterion:施瓦兹信息量（SC）（越小说明模型越精确） Prob(F-statistic)相伴概率 fitted(拟合值) 线性回归的基本假设： 1.自变量之间不相关 2.随机误差相互独立，且服从期望为0，标准差为σ的正态分布 3.样本个数多于参数个数 建模方法: ls y c x1 x2 x3 ... x1 x2 x3的选择先做各序列之间的简单相关系数计算，选择同因变量相关系数大而自变量相关系数小的一些变量。模型的实际业务含义也有指导意义，比如 m1同gdp肯定是相关的。 模型的建立是简单的，复杂的是模型的检验、评价和之后的调整、择优。 模型检验： 1）方程显著性检验（F检验）：模型拟合样本的效果，即选择的所有自变量对因变量的解释力度 F大于临界值则说明拒绝0假设。 Eviews给出了拒绝0假设(所有系统为0的假设)犯错误(第一类错误或α错误)的概率(收尾概率或相伴概率)p值，若p小于置信度(如0.05)则可以拒绝0假设，即认为方程显著性明显。 2）回归系数显著性检验（t检验）：检验每一个自变量的合理性 |t|大于临界值表示可拒绝系数为0的假设，即系数合理。t分布的自由度为 n-p-1,n为样本数，p为系数位置

eviews统计分析报告

统计分析报告 基于eviews软件的湖北省人均GDP时间序列模型构建与预测 姓名：刘金玉 学院：经济管理学院 学号：20121002942 指导教师：李奇明 日期：2014年12月14日

基于eviews软件的湖北省人均GDP时间序列 模型构建与预测 1、选题背景 改革开放以来,中国的经济得到飞速发展。1978年至今,中国GDP年均增长超过9%。中国的经济实力明显增强。2001年GDP超过1.1万亿美元,排名升到世界第六位。外汇储备已达2500亿美元。市场在资源配置中已经明显地发挥基础性作用。公有、私有、外资等多种所有制经济共同发展的格局基本形成。宏观调控体系初步建立。我国社会生产力、综合国力、地区发展、产业升级、所有制结构、商品供求等指标均反映出我国经济运行质量良好,为实现第三步战略。在全国的经济飞速发展的大环境下，各省GDP的增长也是最能反映其经济发展状况的指标。而人均GDP 是最能体现一个省的经济实力、发展水平和生活水准的综合性指标，它不仅考虑了经济总量的大小，而且结合了人口多少的因素，在国际上被广泛用于评价和比较一个地区经济发展水平。尤其是我们这样的人口大国，用这一指标反映经济增长和发展情况更加准确、深刻和富有现实意义。深入分析这一指标对于反映我国经济发展历程、探讨增长规律、研究波动状况，制定相应的宏观调控政策有着十分重要的意义。 本文是以湖北省人均GDP作为研究对象。湖北省人均GDP的增长速度在上世纪90年代增长率有下滑的趋势（见表1）。进入21世纪，继东部沿海地区先发展起来，并涌现出环渤海、长三角、珠三角等城市群，以及中共中央提出“西部大开发”的战略后，中部地区成了“被遗忘的区域”，中部地区经济发展严重滞后于东部沿海地区，为此，中共中央提出了“中部崛起”的重大战略决策。自2004年提出“中部崛起”的重要战略构思后，山西、河南、安徽、湖北、湖南、江西六个省都依托自己的资源和地理优势来扩大地区竞争力，湖北省尤为突出。那么，研究湖北省人均GDP的统计规律性和变动趋势，对于了解湖北省的经济增长规律以及地方政策的制定有特别重要的意义。因此本文试图以湖北省1978-2013年人均GDP历史数据为样本，通过ARMA 模型对样本进行统计分析，以揭示湖北省人均GDP 变化的内在规律性，建立计量经济模型，并在此基础上进行短期外推预测，作为湖北未来几年经济发展的重要参考依据。 表一湖北省·1978年-2013年的人均GDP Year PRE GDP/ 元 增长率Year PRE GDP/元 增长率Year PRE GDP/ 元 增长率 1978 332.03 1990 1541.17 12.23% 2002 7436.58 8.29% 1979 409.35 23.29% 1991 1668.03 8.23% 2003 8378.01 12.66% 1980 427.98 4.55% 1992 1962.45 17.65% 2004 9897.64 18.14% 1981 466.32 8.96% 1993 2360.53 20.28% 2005 11554 16.73% 1982 506.33 8.58% 1994 2991.33 26.72% 2006 13360 15.63%

eviews异方差自相关检验与解决办法

e v i e w s异方差自相关检 验与解决办法 This model paper was revised by the Standardization Office on December 10, 2020

eviews异方差、自相关检验与解决办法 一、异方差检验：1．相关图检验法 LS Y C X 对模型进行参数估计 GENR E=RESID 求出残差序列 GENR E2=E^2 求出残差的平方序列 SORT X 对解释变量X排序 SCAT X E2 画出残差平方与解释变量X的相关图 2．戈德菲尔德——匡特检验 已知样本容量n=26，去掉中间6个样本点（即约n/4），形成两个样本容量均为10的子样本。 SORT X 将样本数据关于X排序 SMPL 1 10 确定子样本1 LS Y C X 求出子样本1的回归平方和RSS1 SMPL 17 26 确定子样本2 LS Y C X 求出子样本2的回归平方和RSS2 计算F统计量并做出判断。 解决办法

3．加权最小二乘法 LS Y C X 最小二乘法估计，得到残差序列 GRNR E1=ABS(RESID) 生成残差绝对值序列 LS(W=1/E1) Y C X 以E1为权数进行加权最小二成估计 二、自相关 1．图示法检验 LS Y C X 最小二乘法估计，得到残差序列 GENR E=RESID 生成残差序列 SCAT E(-1) E et—et-1的散点图 PLOT E 还可绘制et的趋势图 2．广义差分法 LS Y C X AR(1) AR(2) 首先，你要对广义差分法熟悉，不是了解，如果你是外行，我奉劝你还是用eviews来做就行了，其实我想老师要你用spss无非是想看你是否掌握广义差分，好了，废话不多说了。接着，使用spss16来解决自相关。第一步，输入变量，做线性回归，注意在Liner Regression中的Statistics中勾上DW，在save中勾Standardized，查看结果，显然肯定是有自相关的（看dw值）。第二步，做滞后一期的残差，直接COPY数据（别告诉我不会啊），然后将残差和滞后一期的残差做回归，记下它们之间的B指（就是斜率）。第三

Eviews序列相关性实验报告

E v i e w s序列相关性实 验报告 WTD standardization office【WTD 5AB- WTDK 08- WTD 2C】

实验二序列相关性【实验目的】 掌握序列相关性问题出现的来源、后果、检验及修正的原理，以及相关的Eviews 操作方法。 【实验内容】 经济理论指出，商品进口主要由进口国的经济发展水平，以及商品进口价格指数与国内价格指数对比因素决定的。由于无法取得价格指数数据，我们主要研究中国商品进口与国内生产总值的关系。 以1978-2001年中国商品进口额与国内生产总值数据为例，练习检查和克服模型的序列相关性的操作方法。

【实验步骤】 一、 建立线性回归模型 利用表中数据建立M 关于GDP 的散点图（SCAT GDP M ）。 可以看到M 与GDP 呈现接近线性的正相关关系。 建立一个线性回归模型（LS M C GDP ）。 即得到的回归式为： 9461.02=R .=0.63 F=405 二、 进行序列相关性检验 1、 观察残差图 做出残差项与时间以及与滞后一期的残差项的折线图，可以看出随机项存在正序列相关性。 2、 用.检验判断 由回归结果输出.=。若给定05.0=α，已知n=24，k=2，查.检验上下界表可得，45.1,27.1==U L d d 。由于.=<=L d ，故存在正自相关。 3、 用LM 检验判断 在估计窗口中选择Serial Correlation LM Test ，设定滞后期Lag=1，得到LM 检验结果。 由于P 值为，可以拒绝原假设，表明存在自相关。 4、 用回归检验法判断 对初始估计结果得到的残差序列定义为E1，首先做一阶自回归（LS E1 E1(- 1)）。

Eviews序列相关性实验报告

E v i e w s序列相关性实验报 告 Prepared on 22 November 2020

实验二序列相关性 【实验目的】 掌握序列相关性问题出现的来源、后果、检验及修正的原理，以及相关的Eviews操作方法。 【实验内容】 经济理论指出，商品进口主要由进口国的经济发展水平，以及商品进口价格指数与国内价格指数对比因素决定的。由于无法取得价格指数数据，我们主要研究中国商品进口与国内生产总值的关系。 以1978-2001年中国商品进口额与国内生产总值数据为例，练习检查和克服模型的序列相关性的操作方法。

1999 2000 2001 【实验步骤】 一、建立线性回归模型 利用表中数据建立M关于GDP的散点图（SCAT GDP M）。 可以看到M与GDP呈现接近线性的正相关关系。 建立一个线性回归模型（LS M C GDP）。

即得到的回归式为： GDP M 0204.09058.152+= 9461.02=R .=0.63 F=405 二、 进行序列相关性检验 1、 观察残差图 做出残差项与时间以及与滞后一期的残差项的折线图，可以看出随机项存在正序列相关性。

2、 用.检验判断 由回归结果输出.=。若给定05.0=α，已知n=24，k=2，查.检验上下界表可得，45.1,27.1==U L d d 。由于.=<=L d ，故存在正自相关。 3、 用LM 检验判断

在估计窗口中选择Serial Correlation LM Test，设定滞后期Lag=1，得到LM检验结果。 由于P值为，可以拒绝原假设，表明存在自相关。 4、用回归检验法判断 对初始估计结果得到的残差序列定义为E1，首先做一阶自回归（LS E1 E1(-1)）。

自相关问检验的Eviews的操作方法

计量经济学实验报告

实验目的：掌握自相关问题的检验以及相关的Eviews的操作方法。实验内容：消费总量的多少主要有GDP决定。为了考察GDP对消费 总额的影响，可使用如下模型：Y i = 1 β β+ i X；其中，X表示GDP， Y表示消费总量。下表列出了中国1990-2000的GDP的X与消费总额Y的统计数据。 一、估计回归方程 OLS法的估计结果如下：

Y=2329.401+0.546950X （1.954322）（36.71110） R2=0.990446，R2=0.989711，SE=2091.475，D.W.=0.478071。 二、进行序列相关性检验 （1）图示检验法 （2）回归检验法 一阶回归检验

二阶回归检验

e=1.144406e1-t－0.343796e2-t+εt t 3）拉格朗日乘数（LM）检验法 Breusch-Godfrey Serial Correlation LM Test: F-statistic 29.41781 Probability 0.000038 Obs*R-squared 12.63731 Probability 0.001802 Test Equation: Dependent Variable: RESID Method: Least Squares Date: 12/17/12 Time: 21:51 C 37.31393 644.3315 0.057911 0.9549 X -0.002008 0.009377 -0.214144 0.8344 RESID(-1) 1.744086 0.234326 7.442998 0.0000 RESID(-2) -1.088243 0.315853 -3.445408 0.0055 R-squared 0.842487 Mean dependent var 4.37E-12 Adjusted R-squared 0.799529 S.D. dependent var 2015.396 S.E. of regression 902.3726 Akaike info criterion 16.67111 Sum squared resid 8957040. Schwarz criterion 16.85992 Log likelihood -121.0333 F-statistic 19.61188 C=37.31393 x=-0.002008 RESID(-1)=1.744086 RESID(-2)= -1.088243 三、序列相关的补救 Dependent Variable: DY Method: Least Squares Date: 12/17/12 Time: 22:07 Sample(adjusted): 1991 2004 Included observations: 14 after adjusting endpoints Variable Coefficient Std. Error t-Statistic Prob. C 2369.885 789.9844 2.999914 0.0111 R-squared 0.954604 Mean dependent var 13875.68 Adjusted R-squared 0.950821 S.D. dependent var 5320.847 S.E. of regression 1179.971 Akaike info criterion 17.11593 Sum squared resid 16707973 Schwarz criterion 17.20722 Log likelihood -117.8115 F-statistic 252.3397 Durbin-Watson stat 0.521473 Prob(F-statistic) 0.000000

案例3利用Eviews4.0检验一阶自相关并消除自相关

案例3 利用Eviews4.0检验一阶自相关并消除自相关 一、实验目的 本实验着重介绍如何检模型中是否存在自相关，如果存在自相关应该如何消除自相关。二、本实验的 主要步骤 该实验主要的步骤可以用如下的框图来表示： 三、一个示例 本示例的数据请参见第一个示例的内容，试建立模型，并检验该模型是否存在自相关，如果存在请给予消除。 解： 1、首先建立一个工作文件，采用命令方法为： WORKFILE MYFILE A 1985 2005 建立一个MFFILE 的工作文件，然后输入变量数据，命令为： DATA X Y 其中Y 代表支出，X 代表收入。打开电子表格后，输入表中的数据。 2、经济理论表明，消费性支出为可支配收入的线性函数，所以可以建立一个以消费性支出为因变量可支配收入为自变量的计量模型，即： 01Y X ββε=++ 3、为了进一步确定它们之间是否具备线性形式，可以建立两者的散点图，首先把变量建立一个组，命令为： GROUP MG X Y 该组为MG ，建立的图形的命令为： MG.SCAT 显然两者的线性关系比较显著，进一步计算两者的相关系数为0.999552，使用的命令为：MG.COR

从而可以建立线性回归模型形式。 4、使用命令建立回归模型为： EQUATION EQ1.LS Y C X 同时得到如下的回归估计结果： 显然得到两个模型的参数估计分别为176.7668、0.756668，所以可以初步得到两者的线性回归模型为： Y=176.7668+0.756668X 5、首先从经济意义上来说，176.7668为基本支出，符合经济理论要求，0.756668为消费倾向，也符合有关经济理论要求，所以整个模型符合经济理论要求；从显著性检验角度来说，参数的显著性检验和回归模型的整体线性性检验也都显著，所以显著性检验也通过；关于计量检验这里不论述，假设通过，所以可以认为该模型通过了所有检验。 6、为了检验该模型是否存在序列相关，我们通常考察一阶自相关，键入如下的命令： EQ1.AUTO （1） 得到如下的检验结果： 显然LM 和似然比检验都表明了该模型存在序列相关。另外可以从残差图来分析，为此首先得到残差序列，使用下列命令： EQ1.MAKERESID CC CC 表示残差序列，作CC 的折线图，命令为CC.LINE ，结果为： 显然残差时序图出现正负交替现象，从而也证实存在正自相关。最后也可以从EQ1的结果中使用D.W 统计量来判断。 7、假设我们认为自相关的形式为一阶形式，即有： 1t t t ερεν-=+

用EVIEWS处理时间序列分析

应用时间序列分析 实验手册

目录 目录 (2) 第二章时间序列的预处理 (3) 一、平稳性检验 (3) 二、纯随机性检验 (9) 第三章平稳时间序列建模实验教程 (10) 一、模型识别 (10) 二、模型参数估计（如何判断拟合的模型以及结果写法） (14) 三、模型的显著性检验 (17) 四、模型优化 (18) 第四章非平稳时间序列的确定性分析 (19) 一、趋势分析 (19) 二、季节效应分析 (34) 三、综合分析 (38) 第五章非平稳序列的随机分析 (44) 一、差分法提取确定性信息 (44) 二、ARIMA模型 (57) 三、季节模型 (62)

第二章时间序列的预处理 一、平稳性检验 时序图检验和自相关图检验 （一）时序图检验 根据平稳时间序列均值、方差为常数的性质，平稳序列的时序图应该显示出该序列始终在一个常数值附近随机波动，而且波动的范围有界、无明显趋势及周期特征 例2.1 检验1964年——1999年中国纱年产量序列的平稳性 1.在Eviews软件中打开案例数据 图1：打开外来数据 图2：打开数据文件夹中案例数据文件夹中数据

文件中序列的名称可以在打开的时候输入，或者在打开的数据中输入 图3：打开过程中给序列命名 图4：打开数据

2.绘制时序图 可以如下图所示选择序列然后点Quick选择Scatter或者XYline；绘制好后可以双击图片对其进行修饰，如颜色、线条、点等 图1：绘制散点图 图2：年份和产出的散点图

图3：年份和产出的散点图 （二）自相关图检验 例2.3 导入数据，方式同上； 在Quick 菜单下选择自相关图，对Qiwen 原列进行分析； 可以看出自相关系数始终在零周围波动，判定该序列为平稳时间序列。 图1：序列的相关分析