Eviews检验小结

各种检验总结1、偏度：①序列的分布是对称的，S值为0；②正的S值意味着序列分布有长的右拖尾；③负的S值意味着序列分布有长的左拖尾。2、峰度：①如果K值大于3，分布的凸起程度大于正态分布；②如果K值小于3，序列分布相对于正态分布是平坦的。3、正态性检验：Q-Q图：看QQ图上的点是否近似地在一条直线附近,是的话近似于正态分布。Jarque-Bera检验：①如果P值很小，则拒绝原假设，X不服从正态分布；②如果P值大于0.05（0.1）接受原假设,X服从正态分布。输入数据用鼠标单击“Quick”，出现下拉菜单，单击“EmptyGroup”，出现“Group”窗口。在数据表的第一列中键入y的数据，并将该序列名取为y；在第二、第三列中分别键入x1和x2的数据，并分别取名为x1和x2。回归分析用鼠标单击“Quick”，出现下拉菜单，单击“EstimateEquation”，在弹出对话框中键入ycx1x2；在“EstimationSettings”栏中选择“LeastSquares”（最小二乘法)；点击“OK”，屏幕显示回归分析结果如表3-16所示。回归检验1、拟合优度检验：R2=0.864267说明，回归方程即上述样本需求函数的解释能力为86.4%，即所有解释变量能对该被解释变量变动的86.4%作出解释。回归方程的拟合优度较好。2、回归模型的总体显著性检验：从全部因素的总体影响看，α表示显著性水平(一般取5%，也可取10%根据题目而定)假设在5%显著性水平上，若F检验的P值小于0.05，说明所有解释变量对被解释变量的共同影响显著。3、单个回归系数的显著性检验：从单个因素的影响看，在5%显著性水平上，查看各个解释变量的T检验值若大于2，一般表示该解释变量对被解释变量有显著影响。但是，最主要是看解释变量的P检验值，若P值小于0.05则表示该解释变量对被解释变量有显著影响。异方差检验：（1）判断1.图示法——残差的图示检验通过resid与x的散布图判断，图形成喇叭状。或通过resid的平方与x的散布图判断。在“Quick”菜单中选“Graph”项，在图形对话框里键入residx，可得resid与x的散布图（见图4-9），resid与x的散布图表明存在异方差。2.怀特检验。在方程窗口中依次点击：View\ResidualTest\HeteroskedasticityTest,多元回归时一般选择有交叉项,。（2）异方差的修正（WLS估计法）。加权重1/x^2。在OLS对话框里键入：ycx，按回车键，然后在方程窗口中点击“Estimate\Options”按钮，并在权数对话框里输入权数1/x^2或者1/e^2(其中的e是用中的genr按钮，在弹出的框中输入e=resid)若obs*R-squared对应的P值小于0.05，拒绝原假设，存在异方差性。例中为0.1691。自相关检验：（一）判断1.残差图通过resid(-1)和resid（纵轴）的残差图，有明显带状规律。2.D-W检验3.偏自相关系数检验在方程窗口中依次点击：View\ResidualTest\correlogram-Q-statistic超出虚线的条块4.拉格朗日乘数检验（B-G,LM）在方程窗口中依次点击：View\ResidualTest\SerailCorrelationLMTest若obs*R-squared对应的P值小于0.05，拒绝原假设，存在自相关。（二）修正（广义差分）1.利用DW统计量求，再用广义差分法估计模型2.杜宾（durbin）两步法鼠标单击“Quick”，出现下拉菜单，单击“EstimateEquation”，在弹出的OLS对话框里键入：1ttYYc1ttXX，按回车键，多重共线性检验（一）判断1.相关系数法。R的绝对值大于等于0.8，存在多重共线性。2.回归后，R平方较大，F检验显著，但有些变量T检验不显著，系数的正负号与理论违背。（二）修正1.先用Ctrl键选中所有的解释变量和被解释变量，再右击鼠标，在open中选中asgroup，在新建的group窗口中点击view/CovarrianceAnalysis/correlation找到和被解释变量相关系数最大的解释变量，做二者的回归估计。2.若该解释变量有显著影响，再加入和被解释变量相关系数第二大的解释变量做回归分析，若R平方上升，P值显著则该变量应该加入模型，否则舍去。21ˆDW)()()1(11101ttttttXXYY