金融计量学实验指导书Eviews操作指导书.doc

《金融计量学实验指导书Eviews操作指导书.doc》由会员分享，可在线阅读，更多相关《金融计量学实验指导书Eviews操作指导书.doc（57页珍藏版）》请在三一办公上搜索。

1、金融计量学实验指导书金融工程教研室编广东商学院金融学院二00六年十一月目 录实验项目一：一元线性回归模型分析1实验项目二：多元线性回归模型（一）11实验项目三：多元线性回归模型（二）15实验项目四：放宽基本假定的线性回归模型（一）20实验项目五：放宽基本假定的线性回归模型（二）26实验项目六：虚拟变量模型与Granger因果检验30实验项目七：平稳性检验与ARMA模型估计34实验项目八：协整关系检验与误差修正模型（ECM）40实验项目九：GARCH模型的估计48参考文献54实验项目一：一元线性回归模型分析一、实验目的通过上机实验，使学生充分理解Eviews软件系统管理和基本原理,掌握基本运用的

2、技能。二、预备知识 （1）Windows操作系统的常用操作；（2）数据库的基础知识；（3）Excel软件的基本操作；（4）一元线性回归模型的理论知识。三、实验内容EViews软件启动,新建文件,数据录入,一元线性回归模型分析。 四、实验步骤（一）、启动软件包1、EViews 的启动步骤：进入 Windows /双击 Eviews 快捷方式，进入 EViews 窗口；或点击开始 /程序/Eviews3/ Eviews3.1，进入 EViews 窗口。、EViews 窗口介绍（图1-1）标题栏：窗口的顶部是标题栏，标题栏的右端有三个按钮：最小化、最大化（或复原） 和关闭，点击这三个按钮可以控制窗口

3、的大小或关闭窗口。菜单栏：标题栏下是主菜单栏。主菜单栏上共有 7 个选项： File，Edit，Objects， View，Procs，Quick，Options，Window，Help。用鼠标点击可打开下拉式菜单（或再下一 级菜单，如果有的话），点击某个选项电脑就执行对应的操作响应（File，Edit的编辑功能与 Word, Excel 中的相应功能相似）。命令窗口：主菜单栏下是命令窗口，窗口最左端一竖线是提示符，允许用户在提示符 后通过键盘输入 EViews（TSP 风格）命令。如果熟悉 MacroTSP（DOS）版的命令可以直接 在此键入，如同 DOS 版一样地使用 EViews。按 F

4、1 键（或移动箭头），键入的历史命令将重 新显示出来，供用户选用。主显示窗口：命令窗口之下是 Eviews 的主显示窗口，以后操作产生的窗口（称为子窗 口）均在此范围之内，不能移出主窗口之外。状态栏：主窗口之下是状态栏，左端显示信息，中部显示当前路径，右下端显示当前 状态，例如有无工作文件等。Eviews 有四种工作方式：（1）鼠标图形导向方式；（2）简单命令方式；（3）命令参数 方式(1)与（2）相结合) ；（4）程序（采用 EViews 命令编制程序）运行方式。用户可以 选择自己喜欢的方式进行操作。（二）、创建工作文件工作文件是用户与 EViews 对话期间保存在 RAM 之中的信息，包括

5、对话期间输入和建立 的全部命名对象，所以必须首先建立或打开一个工作文件用户才能与 Eviews 对话。工作文 件好比你工作时的桌面一样，放置了许多进行处理的东西（对象），像工作时需要清理桌面一样，允许将工作文件保存到磁盘上。如果不对工作文件进行保存，工作文件中的任何东西，关闭机器时将被丢失。进入 EViews 后的第一件工作应从创建新的或调入原有的工作文件开始。只有新建或调入原有工作文件， EViews 才允许用户输入开始进行数据处理。建立工作文件的方法：点击 File/New/Workfile。选择数据类型和起止日期，并在出现的对话框中提供必要的信息：适当的时间频率（年、季度、月度、周、日）

6、；确定起止日期或最大处理个数（开始日期是项目中计划的最早的日期；结束日期是项目计划的最晚日期，非时间序列提供最大观察个数，以后还可以对这些设置进行更改）。 下面我们通过研究我国城镇居民消费与消费支出的关系（即数据文件sy1.xls）来学习 Eviews 的应用。1、打开新建对象类型对话框，选择工作文件 Workfile，见图1-2。（图1-2）（图1-3） 2、打开工作文件时间频率和样本区间对话框，输入频率和样本区间，见图1-3。 3、点击 OK 确认，得新建工作文件窗口，见图1-4。（图1-4）工作文件窗口：工作文件窗口是 EViews 的子窗口。它有标题栏、控制按钮和工具条。 标题栏指明窗

7、口的类型 workfile、工作文件名。标题栏下是工作文件窗口的工具条，工具 条上有一些按钮。Views 观察按钮、Procs 过程按钮、Save（保存）工作文件、Sample（设 置观察值的样本区间）、Gener（利用已有的序列生成新的序列）、Fetch（从磁盘上读取数据、Store（将数据存储到磁盘）、Delete（删除）对象。此外，可以从工作文件目录中选取并双击对象，用户就可以展示和分析工作文件内的任何数据。工作文件一开始其中就包含了两个对象，一个是系数序列 C（保存估计系数用），另一个残差序列 RESID（实际值与拟合值之差）。小图标上标识出对象的类型，C 是系数向量，曲线图是时间序列

8、。用户选择Views 对象后双击鼠标左建或直接使用 EViews 主窗口顶部的菜单选项，可以对工作文件和其中的对象进行一些处理。 4、保存工作成果：将工作成果保存到磁盘，点击工具条中 save输入文件名、路 径保存，或点击菜单栏中 File Save 或 Save as 输入文件名、路径保存。 5、打开工作文件：我们可以打开一个已有的工作文件继续以前的工作，点击主菜单 中的 File Open Workfile 选定文件打开。（三）、输入和编辑数据建立或调入工作文件以后，可以输入和编辑数据。 输入数据有两种基本方法：data命令方式和鼠标图形界面方式1、data 命令方式：命令格式为：data

9、 .，序列名之间用空格隔开，输入全部序列后回车就进入数据编辑窗口，如图1-5所示。用户可以按照 Excel的数据输入习惯输入数据。数据输入完毕，可以关闭数据输入窗口，点击工作文件窗口工具条的 Save 或点击菜单栏的 File Save 将数据存入磁盘。2、鼠标图形界面方式序列方式：点击 Objects New object 选 Series 输 入序列名称Ok,进入数据编辑窗口，点击 Edit+/-打开数据编辑状态，（用户可以根据习惯点击 Smpl+/-改变数据按行或列的显示形式,）然后输入数据，方式同上。（图1-5）4、编辑工作文件中已有的序列：可以按照操作 Windows 的习惯在工作文

10、件主显示窗口选定一个或多个序列，点击鼠标右健打开一个或多个序列，进入数据编辑状态，可以修改数据。（四）、由组的观察查看组内序列的数据特征按下数组窗口（也可以成为数组或数据编辑窗口）工具条上 Views 按钮，可以得到组内数据的特征，见图1-6。具体功能介绍如下：Group Members 可用于增加组中的序列；SpreadSheet 以电子数据表的形式显示数 据；Dated Data Table 将使时序数据以表的形式显示；Graph 以各种图形的形式显示数据 的；Multi Graph 以多图的形式显示组中数据；Descriptive Stats 给出组中数据的描述 统计量，如均值、方差、偏

11、度、峰度、J-B 统计量（用于正态性检验）等；Tests of equality 给出检验组中序列是否具有同方差、同均值或相同中位数的假设检验结果；N-way/One-way Tabulation给出数组中序列观测值在某一区间的频数、频率和某一序列是否与组中其他序列独立的假设检验结果；Correlations 给出数组中序列的相关系数矩阵；Covariances给出数组中序列的斜方差矩阵；Correlogram (1)给出组内第 1 序列的水平序列及其差分序 列的自相关函数和偏自相关函数；Cross Correlation (2)给出组内第 1 和第 2 序列的超前 几期和滞后几期值之间的互相

12、关函数；CointegrationTest 执 行Johansen cointegration 协整（或称为共积）检验； Granger Causality 检验组内各个配对间的 Granger 因果关系；Lable 给出数组的名称及修改时间等信息。（图1-6）（图1-7）（五）、回归分析-估计消费函数1、在经济理论指导下，利用软件包的“观察（View）”功能对数据进行“火力侦察”，观察消费性支出与可支配收入的 散点图(见图1-7)。依据凯恩斯理论，设定理论模型： （图1-8）、作普通最小二乘法估计：在主菜单选 Quick Estimate Equations，进入输入估计方程对话框, 输入待

13、估计方程，选择估计方法普通最小二乘法，如图1-8所示。点击 OK 进 行估计，得到估计方程(1)及其统计检验结果，如图1-9所示。 (1) t (13.5124) (53.4747)（图1-9）3、利用图1-9中给出的统计检验结果对模型的可靠性进行统计学检验，由统计结果可以看出该模型拟合较好，拟合优度很高，GDPP的显著性也比较高。 4、利用图1-9中估计方程显示窗口中工具条 View，可以显示估计方程、估计方程的统计结果、以图或表的形式显示数据的实际值、预测值和残差。（六）、单方程预测 （图1-10）（图1-11）预测是我们建立金融计量模型的目的之一。要利用上述估计得到的回归方程对CONSP

14、进行预测，必须首先给定GDPP的预测值。具体操作如下：1、在Workfile窗口，点击Procs/Change workfile Range后，把工作文件的数据范围从1978年至2000年修改为1978年至2001年，如图1-10、1-11所示。2、打开GDPP序列窗口中，输入GDPP在2001年的预测值4033.1，见图1-12。（图1-12）3、打开刚才估计的方程窗口，点出工具栏上的Forecast按扭后，将弹出Forecast窗口，在Sample range for forecast输入栏中把数据预测范围改为1978 2001，再按OK，见图1-13。（图1-13）4、打开conspf序

15、列对象窗口，可以看到已经产生了CONSP在2001年的预测值1758.623，见图1-14。（图1-14）五、练习运用Eviews软件，完成教材P54页的11题。六、输出并上交实验报告实验项目二：多元线性回归模型（一）一、实验目的通过上机实验，使学生掌握计量经济学软件包EViews，运用EViews软件进行多元线性回归模型的分析，用最小二乘法估计参数。二、预备知识 （1）Windows操作系统的常用操作；（2）数据库的基础知识；（3）Excel软件的基本操作；（4）多元线性回归模型的相关理论知识。三、实验内容1、系统的进入、运行；2、从Excel文件导入数据；3、用EViews软件建立多元线性

16、回归模型并做分析。四、实验步骤（一）、启动软件包 Eviews 的启动步骤：进入 Windows /双击 Eviews 快捷方式，进入 EViews 窗口；或点击开始 /程序/ Eviews 3/EViews3.1，进入 EViews 窗口。（二）、创建工作文件具体操作过程。1、打开新建对象类型对话框，选择工作文件 Workfile，2、打开工作文件时间频率和样本区间对话框，选择数据频率为“Annual”，样本区间为1978年至2000年。3、 点击 OK 确认，得新建工作文件窗口。（三）、把Excel数据导入到EViews1、打开实验二所用到的数据文件（sy2.xls），选定人均居民消费和人

17、均GDP两列数据后复制（注意：不用选定数据名称），回到Windows桌面或硬盘的任意目录，右击鼠标新建一个文本文件，把刚才从Excel中复制的数据粘贴到新的文本文件。2、回到EViews的工作文件窗口，点击Procs/Import/Read Text-Lotus-Excel,选择刚才建设的文本文件后将会出现“ASCII Text Import”窗口，在“Name for series or Numbers of Series if names in file ”栏目，输入两列数据的名称，分析是consp和gdpp，如图2-1所示。按OK后，将会把数据导入到EViews，如图2-2所示。（图2-

18、2）（图2-1）（四）、回归分析1、在经济理论指导下，设定如下的理论模型： （2-1）（图2-4）（图2-3）、对以上理论模型作普通最小二乘法估计：在主菜单选 Quick Estimate Equations，进入输入估计 方程对话框, 输入待估计方程，选择估计方法普通最小二乘法，如图2-3所示。点击 OK 进 行估计，得到估计方程(2-1)及其统计检验结果，如图2-4所示。3、利用图2-4中给出的估计结果，可以写出如下的计量经济模型： （2-2）从模型的检验结果看，解释变量所能解释的离差平方和占被解释变量的总离差平方和的比例达到0.9942，F也很高，说明模型的拟合能力很高，方程的总体显著性

19、比较高，不过，的系数没有通过t检验，显著性不高。 4、利用图2-4估计方程显示窗口中工具条 View，可以显示估计方程、估计方程的统计结果、以图或表的形式显示数据的实际值、预测值和残差。（五）、预测运用实验一类似的操作方法进行预测。五、练习用Eviews软件，完成教材P91页的10题。六、输出并上交实验报告实验项目三：多元线性回归模型（二）一、实验目的通过上机实验,使学生能够使用 Eviews 软件估计可化为线性回归模型的非线性模型，并对线性回归模型的参数线性约束条件进行检验。二、预备知识 （1）EViews的基本操作；（2）多元线性回归模型的估计；（3）非线性回归模型变换为线性模型的方法；（

20、4）多元线性回归模型的线性约束条件的检验方法。三、实验内容（1）可化为线性多元非线性回归模型的估计；（）多元线性回归模型的线性约束条件的检验方法。四、实验步骤（一）、启动Eviews软件包（二）、创建工作文件具体操作过程。1、打开新建对象类型对话框，选择工作文件 Workfile，2、打开工作文件时间频率和样本区间对话框，选择数据频率为“Annual”，样本区间为1981年至2001年。3、 点击 OK 确认，得新建工作文件窗口。（三）、把Excel数据导入到EViews1、打开实验三所用到的数据文件（sy3.xls），选定Q、X、P0和P1等4列数据后复制（注意：不用选定数据名称），回到Wi

21、ndows桌面或硬盘的任意目录，右击鼠标新建一个文本文件，把刚才从Excel中复制的数据粘贴到新的文本文件。2、运用实验二的方法，把数据导入EViews。（四）、回归分析1、在经济理论指导下，设定如下的理论模型： （3-1）经对数变换，上式可以化为： （3-2）或者，根据消费者无货币幻觉，可以得到如下的模型： （3-3）（图3-2）2、首先对（3-2）式进行估计，新建一个名为eq1的方程对象，在Equation Specification窗口进行模型设定。我们对1981年至1994年的样本进行估计，在Estimation Settings框内的Sample栏目，我们把样本区间改为1981 19

22、94，具体操作如图3-1所示，得到的结果如图3-2所示。（图3-1）3、对（3-3）式进行估计，新建一个名为eq2的方程对象，在Equation Specification窗口进行模型设定。我们对1981年至1994年的样本进行估计，在Estimation Settings（图3-3）框内的Sample栏目，我们把样本区间改为1981 1994，具体操作如图3-3所示，得到的结果如图3-4所示。（图3-4）4、检验居民有没有货币幻觉，实际上需要对（3-2）式的参数约束条件：进行检验。打开eq1方程对象窗口，点击ViewCoefficient TestsWald- Coefficient Res

23、trictions，在Wald tests 窗口设定参数约束条（图3-5）件：C(2)+c(3)+c(4)=0,再按OK，如图3-5和图3-6所示。（图3-6）5、检验结果如图3-7所示。从结果可以看出，不能拒绝参数约束条件，即可以认为居民存在货币无幻觉现象。（图3-7）五、练习用Eviews软件，完成教材P91页的11题。六、输出并上交实验报告实验项目四：放宽基本假定的线性回归模型（一）一、实验目的通过上机实验,使学生充分理解异方差、加权最小二乘的基本概念，能够运用Eviews 软件检验异方方差，并用加权最小二乘法修正存在异方差的线性回归模型。二、预备知识 （1）用EViews估计线性回归模

24、型的基本操作；（2）最小二乘法的基本原理和假设（3）异方差、加权最小二乘法的基础概念三、实验内容（1）使用White检验方法检验异方差；（2）使用加权最小二乘法修正异方差；四、实验步骤（一）、建立工作文件及导入数据新建一个名为sy4.wf1的工作文件，运用前面实验做过的方法，把sy4-1.xls的数据导入到EViews里。（二）、运用OLS估计模型： （4-1）EViews运行结果如图4-1。（图4-1）（三）、对模型（4-1）进行White异方差检验1、原理。古典线性回归模型的一个重要假设是总体回归方程的随机扰动项ui同方差，即他们具有相同的方差s 2。如果随机扰动项的方差随观察值不同而异，

25、即ui的方差为s i2，就是异方差。检验异方差的步骤是先在同方差假定下估计回归方程，然后再对得到的的回归方程的残差进行假设检验，判断是否存在异方差。Eviews提供了怀特(White)的一般异方差检验功能。H0：原回归方程的误差同方差。H1：原回归方程的误差异方差2、操作步骤：（图4-2）在工作文件主显示窗口选定需要分析的回归方程 打开估计方程及其统计检验结果输出窗口点击工具栏中的View 选Residual Tests White Heteroskedasticity (no cross terms)或White Heteroskedasticity (cross terms)（图4-2），

26、可得到辅助回归方程和怀特检验统计量即F统计量、统计量的值及其对应的p值。由图4-3中的显示结果可以看出：在显著水平下我们拒绝零假设，接受回归方程（4-）的误差项存在异方差的备择假设。一般地，只要图4-3中给出的p 值小于给定的显著水平，我们就可以在该显著水平下拒绝零假设。（图4-3）注意：White Heteroskedasticity (no cross terms)与White Heteroskedasticity (cross terms)选项的区别在于：在no cross terms选项下得到的辅助回归方程中不包含原回归方程左手变量的交叉乘积项作为解释变量；而cross terms选项

27、下得到的辅助回归方程中包含原回归方程左手变量的交叉乘积项作为解释变量。（四）、White 异方差校正功能和加权最小二乘法1White 异方差校正功能：回到工作文件主窗口，在主菜单选Quick Estimate Equations，进入输入估计方程对话框, 输入待估计方程( log(y) log(x1) log(x2) c)，选择估计方法普通最小二乘法，点击Options 按钮进入方程估计选择对话框（见图4-4），选择Heteroskedasticity Consistent Covariance White OK应用（见图4-5） 对这一方法的进一步了解可参考经济计量分析美威廉H格林 著，中国

28、社会科学出版社，1998年3月，p423-424，适用于普通最小二乘法的协方差矩阵的估计，回到估计方程对话框，点击OK得到校正后的回归方程（见图4-6）。同学们可以比较图4-1中的方程与普通最小二乘法得到的方程。（图4-4）（图4-5）（图4-6）（图4-7）、加权最小二乘法：在主菜单选Quick Estimate Equations，进入输入估计方程对话框, 输入待估计方程(log(y) log(x1) log(x2) c )，选择估计方法普通最小二乘法，点击Options 按钮进入方程估计选择对话框（见图4-5），选择Weighted LS/TSLS 在对话框内输入用作加权的序列名称res

29、id的绝对值的倒数 OK应用（见图4-7），回到估计方程对话框，点击OK得到加权最小二乘法回归方程（见图4-8并与图4-1中的方程比较）。（图4-8）五、练习用Eviews软件，完成教材P135页的7题。六、输出并上交实验报告实验项目五：放宽基本假定的线性回归模型（二）一、实验目的通过上机实验,使学生充分理解序列相关性的基本概念，能够运用Eviews 软件检验序列相关性，并用科克伦-奥科特迭代法修正存在序列自相关的线性回归模型。二、预备知识 （1）用EViews估计线性回归模型的基本操作；（2）最小二乘法的基本原理和假设（3）序列相关性、科克伦-奥科特迭代法的基础概念三、实验内容（1）使用LM

30、检验方法检验序列自相关；（2）使用科克伦-奥科特迭代法修正序列自相关。四、实验步骤（一）、建立工作文件及导入数据。新建一个名为sy5.wf1的工作文件，把sy5.xls的数据导入EViews。（二）、采用前面的方法，运用OLS估计模型： （5-1）（图5-1）（三）用LM检验法检验序列自相关。（图5-3）（图5-2）在方程对象窗口，点击ViewResidual TestsSeries Correlation LM Test，进入拉格朗日乘数（LM）检验窗口，选择滞后期为2，对模型进行2阶自相关检验，见图5-1和5-2。检验结果见图5-3，可见，LM=15.87，p值小于0.05显著性水平，所以

31、，模型5-1存在显著的2阶自相关。要检验更高阶的自相关也可以进行类似的操作。（四）、采取科克伦-奥科特方法修正序列自相关。（图5-5）（图5-4）在模型设定窗口对模型5-1进行修正，加入AR（1）和AR（2）两个滞后项，即可修正2阶自相关，如图5-4，修正结果如图5-5。（图5-6）再运用LM检验法对刚才估计得到的模型进行检验，结果如图5-6所示。可见，检验统计量对应的P值超过了给定的显著性水平，说明加入了AR（1）和AR（2）两个滞后项模型已经消除了序列自相关。五、练习用Eviews软件，完成教材P135页的8题。六、输出并上交实验报告实验项目六：虚拟变量模型与Granger因果检验一、实验

32、目的通过上机实验,使学生充分理解虚拟变量模型和Granger因果关系的基本概念，能够运用Eviews 软件估计虚拟变量模型和检验Granger因素关系。二、预备知识 （1）用EViews估计线性回归模型的基本操作；（2）最小二乘法的基本原理和虚拟变量的设置方法；（3）回归模型线性约束条件及其检验方法三、实验内容（1）估计虚拟变量模型；（2）检验Granger因果关系四、实验步骤（一）、建立工作文件sy6-1.wf1及导入数据（图6-1）打开sy6-1.xls文件，运用前面学过的方法，在EViews新建一个工作文件sy6-1.wf1，并把sy6-1.xls的数据导入到EViews，然后采用虚拟变

33、量模型检验在1997年前后中国居民储蓄行为有无结构性变化。（二）、在工作文件主窗口，新建一个名为Dummy的序列对象作为虚拟变量，在1980年至1996年，Dummy取0，其余年份取1，如图6-1所示。（三）、在工作文件主窗口，新建一个名为eq1的方程对象，估计如下计量模型： （6-1）（图6-3）（图6-2）模型的具体设置如图6-2所示，估计结果如图6-3所示。可见，显著地异于零，显示着两个时期的回归结果在斜率项上不同。于是，两个时期的储蓄函数分别为1997年前：1997年后：（四）、建立工作文件sy6-2.wf1及导入数据。打开sy6-2.xls文件，运用前面学过的方法，在EViews新建

34、一个工作文件sy6-2.wf1，并把sy6-2.xls的数据导入到EViews。（五）、检验我国1978-2000年的GDP与居民消费CONS的Granger因果关系。（图6-4）1、把cons与GDP组成一个组对象，如图6-4所示。2、在组对象窗口，点击ViewGranger Causality，弹出一个Lag Specification窗口，设定Granger因果关系检验的滞后期为2，然后按OK，见图6-5所示。3、Granger因果关系检验的结果如图6-6所示。从中，我们可以得出结论，在5%的显著性水平下，应拒绝“GDP不是CONS的Granger原因”的假设，而不拒绝“CONS不是GD

35、P的Granger原因”的假设。因此，从2阶滞后来看，GDP的增长是居民消费增长的原因，而不是相反。（图6-6）（图6-5）五、练习以教材P50页的表2.5.1为样本数据，采用EViews软件检验：（1）1989年前后我国的边际消费倾向是否存在显著差异；（2）人均消费和人均GDP之间的Granger因果关系。六、输出并上交实验报告实验项目七：平稳性检验与ARMA模型估计一、实验目的通过上机实验,使学生加深对时间序列平稳性的理解，能够运用Eviews 软件检验时间序列数据的平稳性和估计ARMA模型。二、预备知识 （1）用EViews估计线性回归模型的基本操作；（2）时间序列数据平稳性及其检验方法

36、；（3）ARMA模型的结构及估计方法。三、实验内容（1）用EViews计算时间序列数据的样本自相关系数和QLB统计量；（2）用EViews对时间序列进行单位根检验；（2）估计时间序列的ARMA模型。四、实验步骤（一）、建立工作文件sy7.wf1及导入数据打开sy7.xls文件，运用前面学过的方法，在EViews新建一个工作文件sy7.wf1，并把sy6.xls的数据导入到EViews。（二）、显示GDP数据的时间路径图（图7-1）打开GDP序列对象的窗口，点击ViewLine Graph，见图7-1，结果如图7-2所示。（图7-2）（三）、计算GDP数据的样本自相关系数和QLB统计量（图7-3

37、）1、打开GDP序列对象的窗口，点击ViewCorrelogram，见图7-3。2、在Correlogram Specification窗口，设定样本自相关系数的最大滞后期为21，见图7-4，按OK后，最后结果如图7-5所示。AC为样本自相关系数，Q-Stat即为QLB统计量，Autocorrelation是样本自相关系数图。可见，无论是样本自相关图还是QLB统计量，均显示GDP序列是非平稳序列。（图7-5）（图7-4）（四）、对GDP序列进行单位根检验1、GDP序列对象的窗口，点击ViewUnit Root Test，见图7-6。（图7-7）（图7-6）2、出现Unit Root Test窗

38、口后，在Test Type框中，选择检验类型是Augmented Dickey-Fuller检验。在Test for unit root in框中，选择level，表示是对GDP序列进行检验，如果要对GDP序列的一阶差分或二阶差分进行检验，则选1st difference或2st defference。在Include in test equation框中，选择Intercept，表示检验方程包含截距项，选择Trend and intercept，表示检验方程同时包含时间趋势和截距项，选择None，表示检验方程不包含截距项和时间趋势。在Lagged difference，可以设定检验方程包含的

39、差分序列的滞后期，具体设定见图7-7。按OK后，结果如图7-8所示。（图7-8）从检验结果看，ADF检验统计量的值大于临界值，不能拒绝存在单位根的零假设。（图7-9）（五）估计GDP序列的ARMA模型（图7-10）运用上面的方法可以验证，一阶差分后的GDP序列满足ARMA（2，0），即AR（2）随机过程，因此，可以用AR（2）模型进行拟合。回到工作文件主窗口，新建一个名为eq1的方程对象，在Equation Specification窗口，输入（D(GDP) AR(1) AR(2)），见图7-9。按OK后，将会得到图6-10所示的结果。如果需要加入一阶移动平均项，则只需在图7-9中，加入MA（

40、1），如果还要加入其他阶数的移动平均项或自回归项，方法类似。从以上结果可以得到如下的模型： （7-1）五、练习运用Eviews软件，完成教材P367第6题。六、输出并上交实验报告实验项目八：协整关系检验与误差修正模型（ECM）一、实验目的通过上机实验,使学生加深对时间序列之间协整关系的理解，能够运用Eviews 软件检验时间序列数据之间的协整关系并以此估计误差修正模型（ECM）。二、预备知识 （1）用EViews估计线性回归模型的基本操作；（2）时间序列数据的协整关系及其检验方法；（3）误差修正模型的结构及估计方法。三、实验内容（1）用EViews检验两个时间序列数据的协整关系；（2）用EVi

41、ews估计误差修正模型；四、实验步骤（一）、建立工作文件sy8.wf1及导入数据打开sy8.xls文件，运用前面学过的方法，在EViews新建一个工作文件sy8.wf1，并把sy8.xls的数据导入到EViews。（二）、运用前一个实验的方法，对人均消费（consp）和人均GDP（gdpp）两个序列进行检验，可以得到这两列序列都是I（2）序列。（图8-1）（三）检验consp与gdpp的协整关系。1、新建一个方程对象eq1，估计模型： ，结果如图8-1所示。2、在eq1窗口，点击ProcMake Residual Series，弹出Make Residual窗口后，输入残差序列名称e，再按OK

42、就把残差序列制成一个新的序列对象，见图8-2、8-3。（图8-3）（图8-2）3、运用前面学过的方法，对残差序列e进行ADF检验，检验设定见图8-4，检验结果见图8-5。可见，经5%的显著性水平下可以拒绝存在单位根的原假设。因此， consp与gdpp是（2，2）阶协整的。（图8-5）（图8-4）（四）、建立consp与gdpp的误差修正模型。（图8-6）1、在工作文件主窗口，点击ProcsGenerate Series，在Gernerate Series窗口，输入公式lnc=log(consp)，再按OK，则产生一个新的序列对象，名称是lnc，它是consp的自然对数，见图8-6和8-7。同

43、理，也可以建立gdpp的自然对象序列lngdp。（图8-7）（图8-8）2、打开lnc序列窗口，对lnc序列进行单整检验，检验条件设定如图8-8所示，检验结果见图8-9。可见，lnc是一阶单整的。同理，对lngdp进行单整检验，也发现lngdp是一阶单整。（图8-9）3、估计如下模型： (8-1)（图8-10）结果如图8-10所示。（图8-11）4、保存模型（8-1）的残差为lne序列，并对其进行平稳性检验，检验结果如图8-11所示。可见，在5%的显著性水平t检验量小于ADF临界值-1.96，说明lnc与lngdp是（1，1）阶协整。图8-10所发映的方程即为它们长期稳定的均衡关系。5、估计误

44、差修正模型： （8-2）（图8-12）模型设定见图8-12，模型估计结果见图8-13。（图8-13）从图8-10与图8-13可得，lnc关于lngdp的长期弹性是0.74，短期弹性是1.146。五、练习利用教材P158页的表5.2.3为样本数据，运用Eviews软件完成：（1）检验lnGDP与lnCONS的协整性；（2）如果lnGDP与lnCONS是协整的，请估计lnCONS关于lnGDP的误差修正模型。六、输出并上交实验报告实验项目九：GARCH模型的估计一、实验目的通过上机实验,使学生加深对广义自回归条件异方差（GARCH）模型的理解，能够运用Eviews 软件估计时间序列数据的GARCH

45、模型。二、预备知识 （1）用EViews估计线性回归模型的基本操作；（2）波动性的基本概念时间；（3）GARCH模型的结构、种类与估计方法。三、实验内容（1）对上海股票市场收益率数据进行描述性统计分析；（2）用EViews估计上海股票市场收益率的ARCH模型四、实验步骤（一）、建立工作文件sy9.wf1及导入数据打开sy9.xls文件，运用前面学过的方法，在EViews新建一个工作文件sy9.wf1，并把sy9.xls中上海股票市场日收益率（R）数据导入到EViews。（图9-1）（二）、对股市收益率的描述性统计分析1、打开股市收益率序列主窗口，点击ViewDescriptive StatisticsHistogram and Stats，见图9-1，结果如图9-2所示。收益率的均值是0.001253，中值是0.000713，最大值和最小值分别是0.663726和-0.173661，偏度是5.220795，峰度是99.1096，Jarque-Bera统计量是1248481，表明收益率序列