EVIEWS演示示例：经验加权法、阿尔蒙法

胖胖小龟宝

32871

收藏 2014-02-21

目的：1、正确使用EVIEWS

2、对分布滞后模型能进行析和计算，会使用经验加权法、阿尔蒙法、自回归模型的估计和检验等方法。

3、数据为demo data4 demo data5、demo data6

方法1：（经验加权法）

已知某地区制造业部门1955－1974年期间的资本存量Y和销售额X的统计资料如下表（金额单位：百万元）。设定有限分布滞后模型为：

运用经验加权法，选择下列三组权数：

（1）1、1/2、1/4、1/8

（2）1/4、1/2、2/3、1/4

（3）1/4、1/4、1/4、1/4、

分别估计上述模型，并从中选择最佳的方程。

obs	SER01	SER02

1955	450.6900	264.8000
1956	506.4200	277.4000
1957	518.7000	287.3600
1958	500.7000	272.8000
1959	527.0700	302.1900
1960	538.1400	307.9600
1961	549.3900	308.9600
1962	582.1300	331.1300
1963	600.4300	350.3200
1964	633.8300	373.3500
1965	682.2100	410.0300
1966	779.6500	448.6900
1967	846.6500	464.4900
1968	908.7500	502.8200
1969	970.7400	535.5500
1970	1016.450	528.5900
1971	1024.450	559.1700
1972	1077.190	620.1700
1973	1208.700	713.9800
1974	1471.350	820.9800

记新的线性组合变量分别为：

分别估计如下经验加权模型：

具体步骤为：

1、打开EVIEWS，输入X，Y的数据，生成线性组合变量Z1,Z2,Z3的数据；

genr z1=xt+(1/2)*xt(-1)+(1/4)*xt(-2)+(1/8)*xt(-3)

genr z2=(1/4)*xt+(1/2)*xt(-1)+(2/3)*xt(-2)+(1/4)*xt(-3)

genr z3=(1/4)*xt+(1/4)*xt(-1)+(1/4)*xt(-2)+(1/4)*xt(-3)

2、回归分析。在EQUATION SPECIFICATION对话框中，输入 Y C Z1，在ESTIMAYIONS栏中选择OLS，点击OK，结果如下：

Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	-66.52295	18.16484	-3.662182	0.0023
Z1	1.071395	0.021024	50.96149	0.0000
R-squared	0.994257	Mean dependent var		818.6959
Adjusted R-squared	0.993875	S.D. dependent var		279.9181
S.E. of regression	21.90777	Akaike info criterion		9.121691
Sum squared resid	7199.257	Schwarz criterion		9.219716
Log likelihood	-75.53437	F-statistic		2597.074
Durbin-Watson stat	1.439440	Prob(F-statistic)		0.000000

用Z2,Z3分别进行回归估计，结果整理如下：

YT = -66.52294932 + 1.071395456*Z1

（-3.662182）（50.96149）

R-squared＝0.994257 DW＝1.439440 F＝2597.074

YT = -133.1722303 + 1.366668187*Z2

（-5.029746）（37.37033）

R-squared＝0.989373 DW＝1.042713 F＝1396.542

YT = -121.7394467 + 2.237930494*Z3

（-4.813143）（38.68578）

R-squared＝0.990077 DW＝1.158530 F＝1496.590

从上述回归分析结果可以看出，模型一的扰动项无一阶自相关，模型二和模型三扰动项存在一阶正相关；在综合判断可决系数、F－检验值，t检验值，可以认为：最佳的方程式模型一，即权数为1、1/2、1/4、1/8的分布滞后模型。

方法2：（阿尔蒙法）

下表给出某行业1955－1974年的库存额Y和销售额X的资料。假定库存额取决于本年销售额和前三年的销售额，估计如下分布滞后模型：

obs	XT	YT

1955	26.48000	45.06900
1956	27.74000	50.64200
1957	28.23600	51.87100
1958	27.28000	52.07000
1959	30.21900	52.70900
1960	30.79600	53.81400
1961	30.89600	54.93900
1962	33.11300	58.12300
1963	35.03200	60.04300
1964	37.33500	63.38300
1965	41.00300	68.22100
1966	44.86900	77.96500
1967	46.44900	84.65500
1968	50.28200	90.81500
1969	53.55500	97.07400
1970	52.85900	101.6400
1971	55.91700	102.4400
1972	62.01700	107.7100
1973	71.39800	120.8700
1974	82.07800	147.1300

假定系数β可以用二次多项式近似，即

则模型可变为：

其中

在EVIEWS中输入XT和YT的数据，然后在工作文件的工具条上选择生成新数据序列的GENR命令，在打开的EQUATION对话框中依次键入生成Z0t，Z1t，Z2t的公式。

GENR Z0T=XT+XT(-1)+XT(-2)+XT(-3)

GENR Z1T=XT(-1)+2*XT(-2)+3*XT(-3)

GENR Z2T=XT(-1)+4*XT(-2)+9*XT(-3)

打开EQUATION SPECIFICATION对话框，键入回归方程形式：

Y C Z0T Z1T Z2T

点击OK，结果如下表：

Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	-6.419601	2.130157	-3.013675	0.0100
Z0T	0.630281	0.179160	3.517969	0.0038
Z1T	0.987410	0.525307	1.879682	0.0827
Z2T	-0.460829	0.181199	-2.543216	0.0245
R-squared	0.996230	Mean dependent var		81.97653
Adjusted R-squared	0.995360	S.D. dependent var		27.85539
S.E. of regression	1.897384	Akaike info criterion		4.321154
Sum squared resid	46.80087	Schwarz criterion		4.517204
Log likelihood	-32.72981	F-statistic		1145.160
Durbin-Watson stat	1.513212	Prob(F-statistic)		0.000000

表中，Z0t，Z1t，Z2t对应的系数分别为的估计值。将它们代入分布滞后阿尔蒙多项式中，可以计算出的估计值为：

从而，分布滞后模型的最终估计形式为：

在实际应用中，EVIEWS提供了多项式分布滞后指令“PDL”用于估计分布滞后模型。下面给出本例的操作过程。

在EVIEWS中输入XT,YT的数据，进入EQUATION SPECIFICATION对话框，输入方程形式：

Y C PDL(X,3,2)

其中，“PDL”指令表示进行阿尔蒙多项式分布滞后模型的估计，括号中的3表示X的分布滞后长度，2表示阿尔蒙多项式的阶数。在ESTIMATION SETTING中选择OLS，点击OK，结果如下：

Variable	Coefficient		Std. Error	t-Statistic	Prob.
C	-6.419601		2.130157	-3.013675	0.0100
PDL01	1.156862		0.195928	5.904516	0.0001
PDL02	0.065752		0.176055	0.373472	0.7148
PDL03	-0.460829		0.181199	-2.543216	0.0245
R-squared	0.996230		Mean dependent var		81.97653
Adjusted R-squared	0.995360		S.D. dependent var		27.85539
S.E. of regression	1.897384		Akaike info criterion		4.321154
Sum squared resid	46.80087		Schwarz criterion		4.517204
Log likelihood	-32.72981		F-statistic		1145.160
Durbin-Watson stat	1.513212		Prob(F-statistic)		0.000000
Lag Distribution of XT		i	Coefficient	Std. Error	T-Statistic
. * \|		0	0.63028	0.17916	3.51797
. *\|		1	1.15686	0.19593	5.90452
. * \|		2	0.76178	0.17820	4.27495
* . \|		3	-0.55495	0.25562	-2.17104
	Sum of Lags		1.99398	0.06785	29.3877

注意：用“PDL”估计分布滞后模型时，EVIEWS所采用的滞后系数多项式变换不是上面的形式，而是阿尔蒙多项式的派生形式。因此结果中PDL01，PDL02，PDL03对应的估计系数不是阿尔蒙多项式系数的估计。但同前面分步计算的结果比较，最终的分布滞后估计系数是相同的。

方法3：（自回归模型的估计和检验）

下表给出了没地区消费总额Y（亿元）和货币收入总额X（亿元）的年度资料，分析消费和收入的关系。

obs	X	Y

1966	103.1690	91.15800
1967	115.0700	109.1000
1968	132.2100	119.1870
1969	156.5740	143.9080
1970	166.0910	155.1920
1971	155.0990	148.6730
1972	138.1750	151.2880
1973	146.9360	148.1000
1974	157.7000	156.7770
1975	179.7970	168.4750
1976	195.7790	174.7370
1977	194.8580	182.8020
1978	189.1790	180.1300
1979	199.9630	190.4440
1980	250.7170	196.9000
1981	215.5390	204.7500
1982	220.3910	218.6660
1983	235.4830	227.4250
1984	280.9750	229.8600
1985	292.3390	244.2300
1986	278.1160	258.3630
1987	292.6540	275.2480
1988	341.4420	299.2770
1989	401.1410	345.4700
1990	458.5670	406.1190
1991	500.9150	462.2230
1992	450.9390	492.6620
1993	626.7090	539.0460
1994	783.9530	617.5680
1995	890.6370	727.3970

为了考察收入对消费的影响，首先做Y关于X的回归，即建立如下的回归模型

得结果如下：

Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	26.12309	8.246128	3.167922	0.0037
X	0.809209	0.023638	34.23312	0.0000
R-squared	0.976665	Mean dependent var		262.1725
Adjusted R-squared	0.975831	S.D. dependent var		159.3349
S.E. of regression	24.77059	Akaike info criterion		9.321532
Sum squared resid	17180.30	Schwarz criterion		9.414945
Log likelihood	-137.8230	F-statistic		1171.906
Durbin-Watson stat	1.352981	Prob(F-statistic)		0.000000

从回归结果看，在判断可决系数、F－检验值，t检验值都显著，但在显著性水平a=0.05上。DW＝1.35>dl=1.3不能判断。对模型进行改进。事实上，当年消费不仅受当年收入得影响，而且还受过去各年收入水平的影响，因此，对上述模型中添加货币收入总额X的滞后变量进行分析。如前所述，对分布滞后模型直接进行估计会存在自由度损失和多重共线性等问题。在此，选择库伊克模型进行回归估计，即估计如下模型：

利用所给数据得回归结果如下：

Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	-8.140848	4.281553	-1.901378	0.0684
X	0.240752	0.045060	5.342898	0.0000
Y(-1)	0.830523	0.064854	12.80598	0.0000
R-squared	0.996740	Mean dependent var		268.0696
Adjusted R-squared	0.996490	S.D. dependent var		158.7886
S.E. of regression	9.407876	Akaike info criterion		7.418669
Sum squared resid	2301.211	Schwarz criterion		7.560113
Log likelihood	-104.5707	F-statistic		3975.259
Durbin-Watson stat	1.238470	Prob(F-statistic)		0.000000

从回归

结果看，在判断可决系数、F－检验值，t检验值都显著，但

在显著性水平a＝0.05上，查标准正态分布临界值，由于，拒绝原假设，说明回归模型存在一阶自相关，需要对模型做进一步修改。

下面换一个角度进行分析。消费者得消费是一个复杂得过程。一方面，预期收入得大小可能会影响消费，即消费者会按照收入预期决定自己得消费计划；另一方面，实际消费往往与预计得消费之间存在偏差，消费者会对预期得消费计划进行调整。因此，可以考虑采用局部调整——自适应期望综合模型进行分析。

如前所述，在局部调整假设和自适应假设下，局部调整——自适应期望综合模型可转化为如下形式得自回归模型：

利用所给数据进行估计，结果如下：

Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	-3.038540	4.018267	-0.756182	0.4569
X	0.225020	0.035669	6.308632	0.0000
Y(-1)	1.305370	0.128310	10.17359	0.0000
Y(-2)	-0.516627	0.134074	-3.853306	0.0008
R-squared	0.998104	Mean dependent var		273.7470
Adjusted R-squared	0.997867	S.D. dependent var		158.6766
S.E. of regression	7.328427	Akaike info criterion		6.952962
Sum squared resid	1288.940	Schwarz criterion		7.143277
Log likelihood	-93.34147	F-statistic		4211.360
Durbin-Watson stat	2.332370	Prob(F-statistic)		0.000000