图一 4、对GDP、EX作图分析 点击“view/ Multiple Graphs/line”，得到EX与GDP的曲线图。
图二 点击“view/ Multiple Graphs/XY line”得到下图。
图三 Xy line图中，横坐标表示表示EX出口额，纵坐标表示GDP生产总 值，从图中曲线的形状分析，EX与GDP的线性关系较强，有继续分析 的意义。 5、描述性统计 （1）、打开对象“EX”，点击“view/Descriptive statistics/Histogram and stats”,可得到EX的描述性统计量。 EX的描述性统计。 均值（mean）为1134213。 中位数（median）为429843。 最大值（maximum）为4673393、最小值（minimum）为2368，可 知EX序列数据跨度大。 标准差（std.dev）为1463811，说明Y序列数据离散程度大。
9、最终确定模型 综上所述，最终确定的模型为 LnEX = -7.756501 + 1.438620 LnGDP +0.574091AR(1) 该模型不仅与样本的拟合程度高，而且不存在自相关问题，具有对 显示经济现象进行解释与预测的意义。 经济分析：InGDP的系数为正，说明经济发展水平的提高的确可以 增加出口额，而这与现实经济现象也是一致的。 统计分析：R2 =0.995071，说明模型很好地拟合了样本，所有参数 的Prob(t-statistic) <0.05，说明显著性检验通过，D.W.= 1.898759, du <1.898759<4-du,说明模型不存在自相关问题。
图四 （2）、打开对象“GDP”，点击“view/Descriptive statistics/Histogram and stats”,可得到GDP的描述性统计量。
图五 从图五中得知以下统计量。 均值（mean）为2957652。 中位数（median）为1827980。
最大值（maximum）为9884212、最小值（minimum）为257276， 可知GDP序列数据跨度大。
结论：模型LnEX = -13.58382 + 1.825093LnGDP存在正序列相关 问题。
8、自相关问题的解决 使用Cochrane-Orcutt二阶段迭代法
(1)点击“quick/estimate equation”, 选择最小二乘法，在跳出 的窗口中输入“LOG(EX) C LOG(GDP) AR(1)”,显示结果如下。
T检验：设原假设H0：β=0，备择假设H1:β≠0，从图六中可以得 到Prob(t-statistic)=0.0000<0.05,拒绝原假设，说明在总体中GDP对 EX的影响是显著的。
F检验：设原假设H0：β=0，备择假设H1:β≠0，从图六中可以得 到Prob(F-statistic)=0.0000<0.05,说明总体的线性关系也是显著的。
五、不足之处 1、对eviews软件的使用并不得心应手 2、分析地不够专业，特别是经济分析 3、数据比较陈旧，使得模型不能很好的解释现在的经济现象
2011.8.15 H09800202 经济学09（2）班 高佳玲
偏度（skewness）为1.301566，说明Y序列分布有长的右拖尾。峰 度（kurtosis）为3.385321，可知Y序列分布的凸起情况大于 正态分布； Jarque-Bera检验：H0:EX样本服从正态分布，H1：EX样本不服从 正态分布，P=0.055837> 0.05，接受原假设，Y序列数据服从正态分布。
试验名称：萧山经济增长对外贸出口影响的eviews 试验报告
一、试验目的: 使用eviews3.1软件建立一元线性回归模型，估计模型参数，进行 模型分析，过程中熟悉eviews3.1软件相有关操作、牢记相关原理，并 且利用模型解决实际问题。
二、试验解决问题 这里我选取了经济开放的杭州市萧山区，用GDP表示经济发展水 平，分析1989年至2008年萧山生产总值与出口额，判断二者间是否存在 显著的联系。
三、试验步骤与分析 1、确立模型 为了分析1988年至2008年萧山生产总值与出口额之间的关系，拟设 萧山出口额为被解释变量EX，萧山年生产总值为解释变量Y，出口额为 解释变量EX，由此建立一元线性回归模型。 • LnEX=α+βLnGDP+ μ 2、数据搜集 源数据中出口额以美元为单位，这里将出口额按照当年平均汇 率转换为以人民币为单位，与生产总值单位保持一致。
1992年
400525
38944
2002年
3355683
1066963
1993年
592406
66384
2003年
4123511
1460675
1994年
895622
140356
2004年
5015121
2082004
1995年
1102805
161709
2005年
5893262
2688115
1996年
1330618
189559
2006年
6986637
3264579
1997年
1549796
264950
2007年
8501547
4171015
1998年
1730803
341373 2008年
9884212
4673393
数据来源：萧山统计局
3.建立工作文件，录入数据 （1） 打开eviews 3.1软件，点击“File/new/workfile”,选定数
图六 图六中得出的LnGDP的系数β的估计值为1.825093,常数项α的估 计值为-13.58382，代入可以得到如下一元线性回归模型。
LnEX = -13.58382 + 1.825093LnGDP （-10.54696） (20.41258) R2 =0.958590 ADR=0.956289 括号内是T统计值。
（2）点击“quick/estimate equation”, 选择最小二乘法，在跳 出的窗口中输入“LOG(EX) C LOG(GDP) AR(1) AR(2)”,显示结果如 下。
估计出来的模型如下
LnEX = -9.938304 + 1.581804 LnGDP +0.651521 AR(1) - 0.233520AR(2) (-9.807518) (23.21918) (3.094754) (-1.746924)
标准差（std.dev）为2886654，说明GDP序列数据离散程度大。偏 度（skewness）为1.101958，说明GDP序列分布有长的右拖 尾。 峰度（kurtosis）为3.092726，可知GDP序列分布的凸起情况略大于 正态分布。 Jarque-Bera检验：H0：GDP样本服从正态分布，H1：GDP样本不 服从正态分布。P=0.131673>0.05，接受原假设，GDP序列数据服从正态 分布。 6、估计模型参数 点击“quick/estimate equation”，选择最小二乘法，在跳出的 窗口中输入“LOG(EX) C LOG(GDP)”，让EX的对数对常数项和GDP的对 数进行回归。结果如下。
结论：T检验、F检验通过。 （3）、计量经济学检验
这里我选用的数据属于时间序列数据，这种数据容易产生序列相关 问题，在这里我用杜宾法检验。
杜宾法中，对μt = ρμt-1 + εt,原假设为ρ= 0，备择假设为
ρ≠0，检验仪器为
从最小二乘估计得出的表中可以看到D.W.=0.500897，通过查表得 知在5%的显著性水平且n=20、k=2的情况下dL=1.20,du=1.41, 0<D.W. <dL,所以该模型存在正自相关问题。
估计出来的模型如下 LnEX = -7.756501 + 1.438620 LnGDP +0.574091AR(1)
（-4.268444）(11.97726) (6.626776) R2 =0.995071 ADR=0.994455 D.W.=1.690313 括号中为T统计值 分析：常数项的 T检验中，Prob(t-statistic)=0.0006<0.05， LOG(GDP)和AR(1)的T检验中，Prob(t-statistic)=0.0000<0.05，说明 这些参数都是显著的。 D.W.= 1.690313 。通过查表得知在5%的显著性水平且n=20、k=3的 情况下dL=1.10,du=1.54 。du <1.690313<4-du . 结论：该模型很好的拟合了样本，参数显著性检验通过，且解决了 原来的自相关问题。
7、所得模型的检验 （1）、经济意义检验。
在该模型中，LnGDP前的参数估计量为正，意味着GDP越大即经济发 展水平越高，出口额就越大，符合原有理论以及现实经济行为。经济意 义检验通过。 （2）、统计检验 ①拟合优度检验。从图六可以得到可决系数R2为0.958590,ADR为 0.956289,说明样本点与回归直线拟合的很好。 ②变量的显著性检验（使用T检验、F检验）。
但是AR(2)的T检验中，Prob(t-statistic)=0.1025>0.05,这个参数
并不显著。
D.W.= 1.898759。通过查表得知在5%的显著性水平且n=20、k=3的
情况下dL=1.10,du=1.54 。du <1.898759<4-du .
结论：新添加的AR(2)显著性检验并未通过，但是解决了原来的自 相关问题。
R2 =0.995758 ADR=0.994849 D.W.=1.898759
括号中为T统计值
分析：常数项与LOG(GDP)的
T检验中，Prob(t-
statistic)=0.0000<0.05，
AR(1)的T检验中，Prob(t-
