设为首页收藏本站

EPS数据狗论坛

 找回密码
 立即注册

QQ登录

只需一步,快速开始

查看: 3514|回复: 0

线性回归模型OLS估计的Eviews操作

[复制链接]

8

主题

142

金钱

218

积分

入门用户

发表于 2018-9-14 11:25:49 | 显示全部楼层 |阅读模式

1.回归模型主窗口的打开

在Eviews主窗口的菜单栏中依次选择Quick | Estimate Equation 命令,打开如图所示的Equation Estimation对话框。

Equation Estimation.png

Equation Estimation(方程回归)对话框的Specification选项卡是建立各种回归模型(如线性回归模型、ARMA模型、计数模型等)的主要设定窗口。除上述方法可以打开Equation Estimation对话框外,还可以是在主窗口的菜单栏中选择Quick | Estimate Equation;第三种是在工作文件窗口中选择Objec | New object,然后在新建对话框中选择Equation。


2. 设定模型中的变量

任何模型估计前,首先要设定模型中解释变量和被解释变量。线性模型中变量的设定是在Estimation specification输入框中进行的,而具体的设定方法有以下几种:

(1)公式设定方法

该方法是指在输入框中直接将模型方程写出来

公式设定方法.png
(2)排序设定方法
模型变量设定中最常用的是排序方法,即按照被解释变量、回归因子(含常数项和解释变量)的顺序依次列出来,该方法又可分为三类:
当模型中的变量都是工作文件中的已有变量时,可以在Estimation specification输入框按照模型的被解释变量、解释变量的顺序依次列出,中间用空格隔开所有的变量,且不需要设定模型的随机项。
2.png
当模型中的变量含有工作文件窗口中变量的滞后项时,可以在Estimation specification输入框中输入该变量和小括号的组合来表示变量的滞后项,其中小括号中是负号和具体滞后的阶数。
3.png
当模型中包含工作文件中变量的线性组合或者固定的函数形式,可以在Estimation specification输入框中直接输入该变量的线性组合或函数形式,但变量的线性组合必须用小括号包裹。
4.png

3. 选择模型估计方法
回归模型的估计中最为核心的就是根据设定模型的类别和假设选择合适的估计方法。估计方法的不同,回归的结果将会大相径庭。在Eviews中模型回归估计的方法是通过Equation Estimation对话框中Estimation settings的Methord下拉列表框进行选择的。Methord下拉列表框提供了现代计量分析中几乎所有主流的模型估计方法,如图所示。

选择模型估计方法.png

4. 设定模型估计的样本区间
模型回归中所需的样本范围是通过Equation Estimation对话框中的Sample输入框设定的。样本范围是在输入框中输入一前一后的两个数字,两个数字中间用空格隔开,其中开始的数字表示样本的开始时间,结尾的数字表示样本的结束时间。如我们的样本范围是1990年到2007年,但是我们希望在模型回归中用到是1990到2000年的样本观测值,正确的设定方法是在Sample输入框中输入:1990 2000。
注意设定的样本的范围必须在工作文件的范围内,如果大于工作文件的范围,则系统将根据工作文件的范围进行回归。一般系统默认的回归区间为工作文件的范围。


5. Options选项卡的设定
在Equation Estimation对话框中点击Options选项卡,打开如图所示对话框:
Options.png
Options选项卡里面的内容根据Estimation settings的Methord下拉列表框中回归方法选择的不同而改变。其中,LS-Least Squares(NLS and ARMA)方法下相应的Options选项卡的设定是针对当模型回归的残存项存在异方差、自变量与随机项存在相关性时修正模型的。

设置完毕后,可以点击“确定”按钮,就可以在Equation对象窗口得到线性回归模型OLS估计的结果。除可以点击“确定”按钮,还可以点击“取消”按钮,取消进行回归模型设定的操作,返回到workfile工作文件窗口。





您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

关闭

站长推荐上一条 /1 下一条

客服中心
关闭
在线时间:
周一~周五
8:30-17:30
QQ群:
653541906
联系电话:
010-85786021-8017
在线咨询
客服中心

意见反馈|网站地图|手机版|小黑屋|EPS数据狗论坛 ( 京ICP备09019565号-3 )   

Powered by BFIT! X3.4

© 2008-2028 BFIT Inc.

快速回复 返回顶部 返回列表