eviews期中作业报告要点基本统计和OLS稳健方差Word格式.docx
- 文档编号:17068898
- 上传时间:2022-11-28
- 格式:DOCX
- 页数:27
- 大小:138.35KB
eviews期中作业报告要点基本统计和OLS稳健方差Word格式.docx
《eviews期中作业报告要点基本统计和OLS稳健方差Word格式.docx》由会员分享,可在线阅读,更多相关《eviews期中作业报告要点基本统计和OLS稳健方差Word格式.docx(27页珍藏版)》请在冰豆网上搜索。
2.765155
Jarque-Bera
27.70001
Probability
0.000001
Sum
60506.30
SumSq.Dev.
11207393
Observations
160
从而显示出了m1的各种统计信息,包括均值,中位点,最大值最小值,以及二到四阶矩观测数目和正态分布检验等的统计概要。
M1.line则显示出了这一组数据的图形描述
freeze(gk)G
(1).distplotkernel'
G
(1).kdensity
'
V6->
G
(1).distplotkernel
画出对象g中第一个变量的直方图,命名为gh
freeze(gh)G
(1).hist'
histlog(m1)
将g中的所有变量画入一张线性图中,改图命名为gfa
graphgfa.lineG
将g中所有的变量分别画出一张图并合并入gfg这一个对象中
graphgfg.line(m)G'
multiplegraphs
生成列表tbgsi,该列表中包含了g中所有变量单独的统计值
freeze(tbGsi)G.stats(i)'
individualsamples
回归模型估计
smpl1952Q11992Q4
equationeq1.lslog(m1)clog(gdp)rsdlog(pr)
DependentVariable:
LOG(M1)
Method:
LeastSquares
Date:
12/07/12Time:
15:
41
Sample(adjusted):
1952Q21992Q4
Includedobservations:
163afteradjustments
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
1.312383
0.032199
40.75850
0.0000
LOG(GDP)
0.772035
0.006537
118.1092
RS
-0.020686
0.002516
-8.221196
DLOG(PR)
-2.572204
0.942556
-2.728967
0.0071
R-squared
0.993274
Meandependentvar
5.692279
AdjustedR-squared
0.993147
S.D.dependentvar
0.670253
S.E.ofregression
0.055485
Akaikeinfocriterion
-2.921176
Sumsquaredresid
0.489494
Schwarzcriterion
-2.845256
Loglikelihood
242.0759
Hannan-Quinncriter.
-2.890354
F-statistic
7826.904
Durbin-Watsonstat
0.140967
Prob(F-statistic)
0.000000
这里我们使用smpl来设定估计样本的观测区间,而equation语句则创建了方程对象eq1并进行最小二乘估计,其中的c代表回归方程的常数项,得到模型估计的结果如上图所示。
freeze(gfeq1r)eq1.resids这里我们产生了残差项的图
使用表格来查看残差,命令为:
eq.Resids(t)
另外我们可以查看回归结果的文本表示:
eq1.representations
EstimationCommand:
=========================
LSLOG(M1)CLOG(GDP)RSDLOG(PR)
EstimationEquation:
LOG(M1)=C
(1)+C
(2)*LOG(GDP)+C(3)*RS+C(4)*DLOG(PR)
SubstitutedCoefficients:
LOG(M1)=1.31238347449+0.772034899215*LOG(GDP)-0.0206860343222*RS-2.57220371427*DLOG(PR)
接下来我们来对这一结果进行假设检验。
进行wald检验,检验b4=2是否成立,命令为:
Eq1.waldc(4)=2
WaldTest:
Equation:
EQ1
TestStatistic
Value
df
23.53081
(1,159)
Chi-square
1
NullHypothesisSummary:
NormalizedRestriction(=0)
Std.Err.
-2+C(4)
-4.572204
Restrictionsarelinearincoefficients.
从而我们看到这一假设被拒绝了,下面我们进行序列相关检验,命令如下:
eq1.auto
(1)
Breusch-GodfreySerialCorrelationLMTest:
813.0060
Prob.F(1,158)
Obs*R-squared
136.4770
Prob.Chi-Square
(1)
TestEquation:
RESID
49
Sample:
163
Presamplemissingvaluelaggedresidualssettozero.
-0.006355
0.013031
-0.487683
0.6265
0.000997
0.002645
0.376929
0.7067
-0.000567
0.001018
-0.556748
0.5785
0.404143
0.381676
1.058864
0.2913
RESID(-1)
0.920306
0.032276
28.51326
0.837282
4.92E-16
0.833163
0.054969
0.022452
-4.724644
0.079649
-4.629744
390.0585
-4.686116
203.2515
1.770965
接下来我们要进行模型的修改,调整季节性,采用移动平均法
equationeq2.lslog(m1)clog(gdp)rsdlog(pr)log(m1(-1))log(gdp(-1))rs(-1)dlog(pr(-1))
52
1952Q31992Q4
162afteradjustments
0.071297
0.028248
2.523949
0.0126
0.320338
0.118186
2.710453
0.0075
-0.005222
0.001469
-3.554801
0.0005
0.038615
0.341619
0.113036
0.9101
LOG(M1(-1))
0.926640
0.020319
45.60375
LOG(GDP(-1))
-0.257364
0.123264
-2.087910
0.0385
RS(-1)
0.002604
0.001574
1.654429
0.1001
DLOG(PR(-1))
-0.071650
0.347403
-0.206246
0.8369
0.999604
5.697490
0.999586
0.669011
0.013611
-5.707729
0.028531
-5.555255
470.3261
-5.645823
55543.30
2.393764
equationeq2.lslog(m1)clog(gdp)rsdlog(pr)
53
从而看出之后模型和自回归模型的拟合效果大致相当,而信息准则表明,之后模型略好,因为之后模型的AIC值和sc值都比较小。
2.OLS
Equationeq01.lsgdpcm1
建立了方程对象eq01,将模型设定为:
GDP=B1+B2*M1+E的线性回归模型,c表示常数项,并且使用普通最小二乘法进行估计
Freeze(txEq)eq01.representations
将方程对象eq01的表示试图定格成文本对象,文本表示信息如图所示:
LSGDPCM1
GDP=C
(1)+C
(2)*M1
GDP=-92.2429670327+1.62843028117*M1
freeze(tb01)eq01.output
查看详细的估计结果
GDP
12/04/12Time:
16:
18
1952Q11996Q4
180
-92.24297
6.751931
-13.66172
1.628430
0.012006
135.6364
0.990417
632.4190
0.990364
564.2441
55.38936
10.87770
546100.6
10.91318
-976.9931
10.89209
18397.24
0.077568
首先我们从表头可以看出,在此次统计结果中,因变量为gdp,使用的回归方法为最小二乘法,sample的时间是从1952年的第一季度到1996年的第四季度,总共的观测值为180个。
可以看到常数项为-92.24297,斜率为1.628430二者的标准差分别为6.751931和0.012006从而可以看出在此案例中对于斜率来说Ols估计的更好。
对于p-value我们也可以看出其值基本为0,从而可以接受原假设。
之后的参数R-squred表明了解释变量与原变量之间有很强的正相关关系。
使用resids命令产生残差估计的图形视图
Coefcov报告系数估计的协方差矩阵
45.5885680269021
-0.06414340641355956
0.0001441404042945437
3.方差的稳健估计
m1realgdpcpi_u
pagestruct(freq=q,start=1950q1)
equationeq01.lslog(m1)clog(realgdp)log(cpi_u)
graphgf.lineresid
ge.axiszeroline
gf.axiszeroline
gf.legend-display
生成了关于realgdp和cpi的log回归模型的残差值和各个参数的估计值
55
1950Q12000Q4
204
-1.633057
0.228568
-7.144727
LOG(REALGDP)
0.287051
0.047384
6.057957
LOG(CPI_U)
0.971812
0.033773
28.77488
0.989520
5.797855
0.989415
0.805567
0.082878
-2.128286
1.380637
-2.079491
220.0852
-2.108548
9488.775
0.024767
我们可以看出这个残差某种程度上带有一定的规律,也即一定的趋势和季节性,从而我们要对轨迹的标准差进行修正。
equationeq02.ls(n)log(m1)clog(realgdp)log(cpi_u)
for!
i=1to3
tb(!
i+1,2)=eq01.c(!
i)
i+1,3)=eq01.@stderrs(!
i+1,4)=eq02.@stderrs(!
next
tb(1,1)="
variable"
tb(1,2)="
olsestimate"
tb(1,3)="
olsse"
tb(1,4)="
correctedse"
tb(2,1)="
constant"
tb(3,1)="
inoutput"
tb(4,1)="
incpi"
tb.setformat(2,2,4,4)f.5
variable
olsestimate
olsse
correctedse
constant
-1.63306
0.22857
0.31389
inoutput
0.28705
0.04738
0.07286
incpi
0.97181
0.03377
0.06127
freeze(tb02)eq02.output
tb02.settextcolor(6,1)blue
生成关于第二个估计模型的参数估计与统计信息
17:
03
Includedobservation
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- eviews 期中 作业 报告 要点 基本 统计 OLS 稳健 方差