计量经济学模拟实训讲义2014-2015-2学期（修订版）

关系，否则称为嵌套检验。检验的基本思想是分为两步，第一是假设模型A为真，模型B为备选模型，将B模型的拟合值加入到模型A中进行回归，如果拟合值系数是显著的，则认为B模型为真；第二步是假设模型B为真，模型A为备选模型，将A模型的拟合值加入到B模型中进行回归，如果拟合值系数是显著的，则认为A模型为真。 注：只有当两步骤的结论一致时才能确定选哪个模型，否则不能确定。 实验内容：

1.利用实验三的数据对模型进行选择： Model Model2.判定规则

H0：模型A为真 拒绝 接受 :A:Bt?C?0??1?C?0??1t t?Y?22tY??1tt?Y?2?t1C?? 2tH0：模型B为真

拒绝 不能确定 选模型A 接受 选模型B 不能确定 实验五：多元线性回归模型的向量表述和Wald检验

实验数据与说明：文件夹sy5.WF1，考察我国自1980-2001年的国债发行额度与相关因素之间的数量关系。Y表示国债发行额(单位：亿元)，X1表示国内生产总值(单位：百亿元)，X2表示每年的财政赤字额(单位：亿元)，X3表示年还本付息额(单位：亿元)，t表示第t年的观测数据。模型：

实验内容：

1.如何利用命令，建立X和Y矩阵；

2.如何运用多元线性回归的估计公式进行回归的OLS估计；

Yt??0??1X1t??2X2t??3X3t?ut

?的方差-协方差矩阵和相应的t统计量，并?，并计算?3.利用命令计算随机干扰项的方差?2在5%的显著性水平下做参数的显著性检验； 4.对如下的假设做Wald检验：

实验六：主成分分析

实验数据与说明：Workfile sy6.wf1。1996年美国50个州分13个行业的州生产总值(GDP，单位是：百万美元)，13个行业分别是：Y1：农、林、渔业；Y2：采矿业；Y3：建筑业；Y4：耐用品生产业；Y5：非耐用品生产业；Y6：交通业；Y7：通信业；Y8：气、电、卫

5

H0:?2??3?0

生业；Y9：批发贸易业；Y10：零售贸易业；Y11：信托、保险、不动产业；Y12：服务业；Y13：政府支出。 实验内容：

1.主成分分析法的基本思想；

基本思想是：由于解释变量之间存在高度的相关性，导致模型存在多重共线性问题。为了解决这一多重共线性问题，主成分分析法将全部X变量的某一线性组合作为一个主成分，并根据某些规则确定主成分的个数；然后再将被解释变量Y对已选定的主成分进行多元线性回归估计；最后将多元线性回归分析结果转化为被解释变量Y对所有解释变量X的回归模型。

注意：①全部解释变量X的某一线性组合的系数确定：利用所有X变量的相关系数矩阵R，计算R矩阵的特征值(按由大到小进行排列)和对应的特征向量，最大的特征值(也就是第一特征值)所对应的特征向量是第一个主成分的X变量的线性组合系数；第二特征值所对应的特征向量系数作为第二主成分的X的线性组合系数；以此类推，这样可以构造与X变量个数相同的主成分个数；

②主成分个数的确定：根据累计解释能力来确定，一般而言达85% 的累计解释能力即可。解释能力的计算：第一主成分的解释能力(假设包含n个X变量)是

?1??i?1n；第二主成分

i的解释能力是：

?2??i?1n；第i个主成分的解释能力是：

i?i??i?1n (i=1,2,3,…,n)

i2.在Eviews上求出Y1-Y13的相关系数矩阵

3.求出相关系数矩阵的特征值，并算出各特征值的解释能力 4.求出对应特征值的特征向量

5.求出主成分的个数，并指出其解释能力和各主成分的经济含义

(@cor（求相关系数矩阵命令，自变量是矩阵或组，返回值是对称矩阵）、定义sym矩阵，再求特征值和特征向量，@eigenvalues(返回值是向量) 和

@eigenvectors(返回值是矩阵))

实验七：异方差的诊断与解决

实验数据与说明：文件夹sy7.wf1(教材163页)。目的：掌握异方差的概念、检验的基本思想、图示法和统计检验方法、FWLS估计、White稳健标准误、自然对数等解决方法。研究我国2008年31个地区的城市居民人均年消费支出和可支配收入之间的数量关系，是横截面数据。

6

实验内容：

1.异方差的图示检验： ①X和Y散点图检验； ②横坐标是X、纵坐标是残差； ③残差平方和X序列散点图检验；

2.异方差的LM检验法，包括Breusch-Pagan-Godfrey(BPG)检验；

3.White检验，包括两种辅助回归模型的构造方法，第一是残差的平方对原始变量X、X的平方项以及X的交叉项进行回归；第二是残差的平方对拟合值、拟合值的平方或立方等高次方进行回归；

4.两步法即FWLS法来解决异方差。第一步利用利用Harvey(哈维)的异方差假设形式求得原始模型的异方差；第二步对模型进行WLS估计。 5.White的稳健标准误估计法在Eviews上的实现；

6.取自然对数可以减少异方差的影响，对原始数据进行双对数拟合，并检验是否还存在异方差现象。

实验八：自相关的诊断与解决

实验数据与说明：我国货币需求函数估计，文件夹sy8.wf1(教材200页)。影响一国实际货币需求的主要因素为居民的实际收入和持有货币的收益及成本。其中，实际收入对货币需求有正向影响，而利率将抑制货币需求。这里以GDP表示居民的收入，以一年期存款基准利率(R)表示持有货币的成本，以准货币(M1)表示货币余额。 实验内容：

1.利用CPI(1978=100)将GDP和M1换算成实际数据，然后对所有数据取自然对数； 2.建立如下的回归模型并进行OLS估计： LnM1??0??1LnGD?P?2 L?n?R3.对模型进行图示法和统计法的自相关检验。图示法包括：残差图和横坐标是残差的一阶滞后、纵坐标是当期残差；统计法包括D.W检验法(一阶自相关检验)和高阶自相关检验(Breusch-Godfrey检验，简称BG法)、Q检验；

4.自相关的解决法包括广义差分估计和科克伦-奥克特(Cochrane-Orcutt)迭代法、修正标准误的HAC法；

实验九：波动率建模：ARCH和GARCH模型

参考资料中的ARCH和GARCH模型概述。

实验数据与说明：Workfile sy9.wf1。以1995年1月至2000年8月的日元兑美元的汇率日数据，共计1427个数据。

7

实验内容：

1.计算汇率波动的汇报率，Rt?log(Pt)?log(Pt?1)

2.画出回报率的趋势图，观察是否存在ARCH效应。如果存在，以Rt对常数项进行回归，即：

Rt??0??t

并利用LM统计量检验随机干扰项的方差是否呈现ARCH效应？ 3.对回报率序列进行ARCH模型建模与估计，经反复计算，滞后阶选2； 4.由于ARCH模型本身的局限性，我们对模型进行GARCH(1,1)拟合；

5.检验GARCH拟合后模型的残差项是否是正态分布的(用q-q图，分位数对分位数图)，如果是，说明GARCH拟合是合理，否则继续运用其他GARCH类模型来拟合；

6.从q-q图来看，残差的尾部概率显然要比标准正态要大得多，因此要尝试用其他GARCH类模型对数据进行拟合；

7.拟合GARCH-M(1,1)模型，观察输出结果。发现?t项没有显著性，因此没有必要用GARCH-M(1,1)模型；

8.下面对序列进行TARCH拟合。在Threshold选项中设定滞后阶数为1，结果发现GARCH模型不存在新息冲击的非对称性，即不存在杠杆效应；

9.拟合EGARCH模型。因为TARCH模型的设定是假设?t2对?t的影响是二次的，过于的简单且单一，应用EGARCH模型说明?t2对?t的影响是指数的，而不是二次的。C(3)是显著的，说明存在非对称的杠杆效应；

10.进一步用成分ARCH(Component ARCH)模型拟合，再观察残差是否还存在ARCH效应。

(Power ARCH，简记为PARCH模型，幂ARCH模型)

实验十：虚拟变量的应用

实验数据与说明：sy10.wf1。研究我国酒销售量的季度数据如何随季节的变化而变化。 实验内容：

1.画散点图，了解数据中的季节周期变化和随时间的变化；

2.在Eviews中定义季节虚拟变量，要注意虚拟变量的设置原则：含截距的回归模型中，虚拟变量的个数是类型减去1；@trend @seas(1) @seas(2) @seas(3) @seas(4) 3.观测系数的显著性，去除不显著的季节因素，获得最终的回归模型；

实验十一：虚拟变量测量截距的变动

2 8