运用EViews进行实证分析--基于论文的计量需求.doc

1、目录0目 录1、模型设定与数据处理 .11.1 模型设定 .11.2 数据预处理 .11.2.1 建立工作文档 .11.2.2 数据导入 .21.2.3 X12 进行季节性调整 .31.2.4 HP 滤波法估计潜在 GDP.31.2.5 时间序列数据的平稳性检验 .41.3 时间序列变量的最小二乘估计.51.3.1 时间序列最小二乘估计的前提条件 .51.3.2 同阶单整举例 .61.3.3 EG 协整法进行协整检验 .62、诊断回归模型 .72.1 多重共线性计量检验与消除.72.2 异方差计量检验与消除.92.2.1 怀特异方差检验模型 .92.2.2 white 异方差校正功能 .102

2、.2.3 加权最小二乘法 .102.3 自相关计量检验与消除.112.3.1 自相关的后果 .112.3.2 自相关的识别 .112.3.3 DW 检验的局限 .122.3.4 EViews 进行自相关检验 .122.3.5 包含滞后变量的自相关检验 .133、联立方程模型 .134、面板数据模型的建立及应用 .145、葛兰杰因果检验 .155.1 前提条件 .155.2 检验模型 .155.3 用 EViews 进行实例分析 .156、协整检验及应用 .166.1 平稳性检验（单位根检验）.166.2 协整检验.166.3 因果检验.176.4 误差纠正机制 ECM .177、GARCH 模

3、型.18目 录17.1 GARCH 模型的基本概念 .187.2 沪深股市收益率的波动性研究.187.2.1 描述性统计 .187.2.2 平稳性检验 .197.2.3 均值方程的确定及残差序列自相关检验 .207.2.4 GARCH 类模型建模 .227.2.5 检验两市波动的因果性 .247.2.6 修正 GARCH-M 模型 .25主要参考文献 .26东北财经大学 2016 届本科毕业论文0运用 EViews 进行实证分析-基于论文的计量需求1、模型设定与数据处理1.1 模型设定一般化形式的泰勒规则ty2*t1t*t B-i ）（ 回归方程式 tttycui210t考虑利率平滑特性 1-

4、t21*1 i )B()()B-()it tty回归方程式（1）tttyUi CCi -t3210t 在 EViews 中对（ 1）式进行回归分析。1.2 数据预处理1.2.1 建立工作文档按下图中的步骤建立 workfile打开后的界面如下。运用 EViews8.0 进行实证分析基于论文的计量需求1给文档命名为多元回归，选择季度型数据 Quarterly，输入开始日期 2004Q1，结束日期2015Q4，点击 OK。1.2.2 数据导入首先将所需原始数据在 Excel 中加工处理好，将需要的数据全部复制。然后在 EViews中依次选择 QuickEmpty Group（可录入多个变量的数据）

5、 ，或选择 ObjectNew Object（可逐个录入单个变量的数据） ，下图演示同时录入多个变量数据的步骤，如下图所示。在接下来打开的界面中（如下图） ，将复制的多列数据粘贴到打开的表格中，点击上面的各列默认设定的名称，修改为相应的变量名。东北财经大学 2016 届本科毕业论文2点击数据录入界面右上角的叉关闭窗口，可以不用保存数据组，之后的界面如右图。至此，数据录入工作完毕。1.2.3 X12 进行季节性调整采用 EViews8.0 中 X12 的方法对实际 GDP 数据进行季节性调整，打开已经录入的 rgdp序列，RGDP 数据录入前工作文档的设定一定要正确，新建 workfile 的时

6、候要选择 Quarterly数据类型（季度类） 。不正确的设定可能进行下列操作时不会出现 CensusX12 的选项。在正确设定数据类型后，依次选择。ProSeasonal Adjustme ntCensus X-12，如下图所示。打开如下界面，默认下列图 1 的设置，也可以根据自己的需要修改默认设定。点击确定进入季节性调整的输出结果窗口，之后关闭该窗口，回到图 2 界面。图 2 界面出现的新的数据列 rgd_sa，即是 rgdp 进行 X12 季节调整后的数据。运用 EViews8.0 进行实证分析基于论文的计量需求31.2.4 HP 滤波法估计潜在 GDP将之前的经季节调整后的 rgdp_

7、sa 序列单击打开，采用 HP 滤波法估计潜在 GDP。然后依次选择 ProHodrick-Prescott Filter，如下图 1 所示。进入图 2 界面。在第一栏中为平滑后的数据命名为 yt，yt在此代表潜在 HP滤波法估计出来的潜在 GDP 序列的名称。用 HP 滤波法估计季度数据的参数值为 1600，因为新建workfile 时已经选择好了季度数据的类型，所以此处参数的默认设定为正确设置。然后点击ok，进入下一个界面，关闭该界面。EViews 已经生成了 HP 滤波法估计的潜在GDPyt 序列，如右图所示。1.2.5 时间序列数据的平稳性检验打开时间序列 Y，依次选择 ViewUni

8、t Root Test，如下图中左图所示。进入下图中右图界面。东北财经大学 2016 届本科毕业论文4可以选择变量水平值、一阶差分值、二阶差分值，选择包含常数项、包含时间趋势项以及常数项、什么都不包含三个类型中的一个来对时间序列进行单位根检验。此次选择了 Y 的水平值，仅包含常数项的单位根检验。输出结果如下。原假设。该序列有单位根，即原假设为该序列不平稳。P=0.2852，无法拒绝原价设，故该序列水平值不平稳。接下来选择该序列的一阶差分进行单位根检验，输出如下结果。其中。D（Y）表示 Y 序列的一阶差分，P 值=0.000，显著拒绝 D（Y ）不平稳的原假设，故 D（Y）是平稳的时间序列。Y

9、不平稳，D（Y）平稳，故 Y 是 1 阶单整的时间序列。1.3 时间序列变量的最小二乘估计1.3.1 时间序列最小二乘估计的前提条件要对方程式。Y=C0+C1*X1+C2*X2 进行回归分析，进行最小二乘估计要满足下列条件中的一个。（1）Y、X1、X2 三个时间序列必须是 0 阶单整的，即 Y、X1 、X2 三个时间序列是平稳的。运用 EViews8.0 进行实证分析基于论文的计量需求5（2）Y、X1、X2 三个时间序列是非平稳的，但是 Y、X1 、X2 三个时间序列是同阶单整的，回归方程必须通过协整检验。1.3.2 同阶单整举例Y、X1、X2 都不平稳，但 D（Y） 、D（X1） 、D（X2

10、 ）都是平稳的，Y 、X1、X2 三个时间序列是都是 1 阶单整。Y、X1、X2 是同阶单整的。1.3.3 EG 协整法进行协整检验假设 Y、X1、X2 都是 1 阶单整的，在进行最小二乘估计之后，导出估计方程的残差项，复制粘贴数据到新的变量 et，对 et 变量进行单位根检验，若检验结果表明 et 是平稳的时间序列，即 et 是 0 阶单整的时间序列，那么该回归结果就通过了 EG 协整检验，之前的回归结果就不会因为各个变量的不平稳性出现伪回归的现象。依次选择。QuickEstimate Equation。在输入栏中输入估计方程式 y c x1 x2 x3，选择最小二乘估计的方法，点击确定。在

11、估计结果窗口依次选择。ViewActual ，Fitted ，ResidualActual ，Fitted，Residual Table 进入下一个界面。左图选中 Residual 列的数据，右击再选中copy。然后在工具栏选择。Object New 东北财经大学 2016 届本科毕业论文6Object 新建变量，选择 series 类型，命名为 et，点击 OK，单击打开 et 序列，粘贴数据。对 et 进行单位根检验。检验结果 P 值 =0.0000,拒绝 et 有单位根的原假设，故 et 是平稳的时间序列。即该回归方程通过了 EG 协整检验。2、诊断回归模型2.1 多重共线性计量检验与消

12、除将之前的分析结果展示如下。运用 EViews8.0 进行实证分析基于论文的计量需求7分析上述结果。 . 样本可决系数为 73.62%，表示 X1、X2、X3 可以解释 Y 总变动的 73.6217%。. F 统计量为 40.93，对应的 P 值为 0.0000，小于 0.05，表明方程总体线性显著，或者解释变量中至少有一个是对被解释变量有显著影响。. 有的变量的 T 统计量对应的 P 值大于 0.05，表明该解释变量对被解释变量的影响是不显著的，与 F 统计量所得到的结果矛盾。 . X2 的系数符号与实际情况不符。综合（2） 、 （3） 、 （4）表明可能存在严重的多 重共线性。进一步诊断。

13、依次选择 QuickGroup StatisticsCorrelations在接下来的窗口中输入 x1 x2 x3输出结果如右图所示。x1 与 x3 的相关性最大，但也只有 37.55%， 故多重共线性不是很严重。但为了谨慎起见，采用 逐步回归法进行分析。表 1。 对因变量 Y 进行的回归分析解释变量C X1 X2 X3 R2 Adjusted-R2第一步 2.2170（0.0000*）0.2234（0.0008*） 0.2201 0.20322.8555（0.0000*） 0.0370（0.5637） 0.0073 00.4517（0.0676*） 0.8417（0.0000*）0.7077 0.7014第二步 0.3986 0.0849 0.7747 0.7351 0.7233