《计量经济学》实验报告实验一：EViews5.0软件安装及基本操作1.Eviews5.0的安装过程解压安装包，双击“Setup.exe”，选择安装路径进行安装；安装完毕后，复制“eviews5.0破解文件夹”下的“eviews5.reg文件”和“eviews5.exe文件”到安装目录下；双击“Eviews5.reg”进行注册，安装完毕。
2.基本操作（数据来源于李子奈版课后习题P61.12）运行Eviews,依次单击file→new→work file→unstructed→observation 31。
命令栏中输入“data y gdp”，打开“y gdp”表，接下来将数据输入其中。
做出“y gdp”的散点图，依次单击quick→graph→scatter→gdp y。
结果如下：开始进行LS回归：回归方程为：Y = -10.39340931 + 0.0710********GDP对回归方程做检验：斜率项t值9.59大于t在5%显著水平下的检验值2.045，拒绝零假设；截距项t值0.121小于2.045，接受零假设。
可决系数0.76，拟合较好，方程F检验值91.99通过F检验。
下面进行预测：拓展工作空间：打开work file窗口，单击Proc→Structure，将End date的数据31→32；确定预测值的起止日期：打开work file窗口，点击Quick→Sample,填入“1 32”。
打开GDP数据表，在GDP的最下方填，按回车键。
在出现的Equation界面，点击Forecast出现相应界面如下：实验二：回归模型的建立与检验（数据来源于李子奈版课后习题P105.11）运行Eviews,依次单击file→new→work file→unstructed→observation 10。
命令栏中输入“data y x1 x2”，打开“y x1 x2”表，接下来将数据输入其中。
开始进行LS回归：估计方程：依次单击view→representations，得到回归方程为:Y = 626.5092847 - 9.790570097*X1 + 0.028*********X2，参数估计完毕。
直接查看结果计算得到随机干扰项的方差值为2116.847/（10-2-1）=309.55，可决系数为0.902，修正后的可决系数为0.874。
F=32.294>5%显著水平下的F值4.74，即方程通过F检验；两个参数的t检验值均通过了5%显著水平下的t检验值2.365。
下面进行预测：拓展工作空间：打开work file窗口，单击Proc→Structure，将End date的数据10→11；确定预测值的起止日期：打开work file窗口，点击Quick→Sample,填入“1 11”。
在x1的最下方填入35，在x2的最下方填入20000，按回车键。
在出现的Equation界面，点击Forecast 出现相应界面如下：实验三：异方差、自相关、多重共线性的检验1.异方差检验（数据来源于李子奈版课后习题P154.8）运行Eviews,依次单击file→new→work file→unstructed→observation 20。
命令栏中输入“data y x”，打开“y x”表，接下来将数据输入其中。
回归方程为：Y = 272.3635389 + 0.7551249391*X开始检验异方差图示法：在工作文件窗口按Genr,在主窗口键入命令e2=resid^2，依次单击Quick→Graph→Scatter可得散点图：显然，散点不在一条水平直线上，即说明存在异方差性。
White检验法:依次单击View→Residual Tests→White Heteroskedasticity因为本题为一元函数，故无交叉乘积项，选no cross terms。
经估计出现white检验结果，如下25%置信水平下的卡方值5.99>12.65=nR所以拒绝原假设，表明模型存在异方差。
Goldfeld-Quanadt检验法：在命令栏中直接输入：sort x，得到按照升序排列的x。
开始取样本，依次单击quick→sample，填入“1 8”，回归模型ls y c x；得到如下结果：Dependent Variable: Y Method: Least Squares Date: 12/11/11 Time: 11:26 Sample: 1 8 Included observations: 8Variable C XR-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson statCoefficient 1277.161 0.554126Std. Error 1540.604 0.311432t-Statistic 0.829000 1.779287Prob. 0.4388 0.1255 4016.814 166.1712 13.00666 13.02652 3.165861 0.1255010.345397 Mean dependent var 0.236296 S.D. dependent var 145.2172 Akaike info criterion 126528.3 Schwarz criterion -50.02663 F-statistic 3.004532 Prob(F-statistic)继续取样本，依次单击quick→sample，填入“13 20”，回归模型ls y c x；得到如下结果：Dependent Variable: Y Method: Least Squares Date: 12/11/11 Time: 11:28 Sample: 13 20 Included observations: 8Variable CCoefficient 212.2118Std. Error 530.8892t-Statistic 0.399729Prob. 0.7032/kouqintangXR-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat0.761893 0.060348 12.62505 0.0000 6760.477 1556.814 14.58858 14.60844 159.3919 0.000015 0.963723 Mean dependent var 0.957676 S.D. dependent var 320.2790 Akaike info criterion 615472.0 Schwarz criterion -56.35432 F-statistic 1.722960 Prob(F-statistic)计算F=4.28，拒绝原假设，表明模型确实存在异方差性。
统计量：F=RSS2/RSS1=615472.0/126528.3=4.864；F=4.864> F0.05（6,6）异方差的修正：在对原模型进行OLS后，单击Quick→Generate Series,在弹出的对话框内输w1=1/e,w2=1/e^2。
再选择Quick→Estimate Equation,在弹出的对话框中选择Options按钮，在出现的画面中，选中Weight Ls/TLS复选框，在Weight内再检验：单击Quick→Generate Series，分别输入x1=x*w2,y1=y*w2,按住ctrl,依次点击x1,y1，右键选择Open as group，依次单击Quick→Graph可得下图：由该图可知，加权后X和Y的散点图在同一直线上，所以是同方差性。
2.自相关检验（数据来源于李子奈版课后习题P155.9）运行Eviews,依次单击file→new→work file→Annual→strat1980end2007。
命令栏中输入“data y x”，打开“y x”表，接下来将数据输入其中。
开始进行LS回归，命令栏中输入“ls log(y) c log(x)”回车，即得到回归杜宾瓦尔森检验法：由结果得到，D.W值为0.379。
查表得到dl=1.33,dw=1.48,D.W<dl,所以该模型存在序列相关性。
图形检验法：单击work file击窗口Genr,分别输入：e=resid e1=e(-1)；选中e、e1，右击Open as Group,在Group窗口依次单击Quick→Graph→ Scatter，得到此图：由上图可知该模型存在序列相关性。
3.多重共线性检验（数据来源于李子奈版课后习题P155.10）运行Eviews,依次单击file→new→work file→unstructed→observation 10。
命令栏中输入“data y x1 x2”，打开“y x1 x2”表，接下来将数据输入其中。
逐步回归法：以Y为被解释变量，逐个引入解释变量。
首先分别让Y与x1与x2回归：对比可见x1的拟合结果较好，因此选用x1作为初始回归模型加上x2再做回归，相关系数法：在普通最小二乘法下，该模型的可决系数与F值较大，但是两个参数估计值的t检验值较小，说明各解释变量对Y的联合线性作用显著，但各解释变量间存在共线性使得它们对Y 的独立作用不能分辨，故t检验不显著。
实验四：联立方程模型的估计与检验（数据来源于李子奈版课后习题P228.8）运行Eviews,依次单击file→new→work file→unstructed→observation 18。
命令栏中输入“data m2 gdp p cons i”，打开“m2 gdp p cons i”表，接下来将数据输入其中。
建立统计模型：依次单击object→new object→system装入模型：gdp=c(1)+c(2)*m2+c(3)*cons+c(4)*i m2=c(5)+c(6)*gdp+c(7)*p inst cons i p估计模型：估计第一个方程：依次单击quick→estimate equation→method→勾选TSLS。
输入：gdp=c(1)+c(2)*m2+c(3) *cons+c(4)*i cons i p得到下列结果：Dependent Variable: GDP Method: Two-Stage Least Squares Date: 12/11/11 Time: 12:39 Sample: 1 18Included observations: 18GDP=C(1)+C(2)*M2+C(3)*CONS+C(4)*I Instrument list: CONS I PC(1) C(2) C(3) C(4)R-squared Adjusted R-squared S.E. of regression Durbin-Watson statCoefficient -173.5857 -0.049398 1.669297 0.940707Std. Error 913.2787 0.024083 0.068490 0.043700t-Statistic -0.190069 -2.051188 24.37286 21.52645Prob. 0.8520 0.0594 0.0000 0.0000 102871.0 69213.19 138163100.999830 Mean dependent var 0.999794 S.D. dependent var 993.4180 Sum squared resid1.554243第一个方程的估计结果如下：GDP=-173.5856662-0.04939825085*M2+1.669297466*CONS+0.9407073699*I继续估计第二个方程：依次单击quick→estimate equation→method→勾选TSLS。