eviews统计分析报告

统计分析报告

基于eviews软件的湖北省人均GDP时间序列

模型构建与预测

姓名：刘金玉

学院：经济管理学院

学号：

指导教师：李奇明

日期：2014年12月14日

基于eviews软件的湖北省人均GDP时间序列

模型构建与预测

1、选题背景

改革开放以来,中国的经济得到飞速发展。1978年至今,中国GDP年均增长超过9%。中国的经济实力明显增强。2001年GDP超过万亿美元,排名升到世界第六位。外汇储备已达2500亿美元。市场在资源配置中已经明显地发挥基础性作用。公有、私有、外资等多种所有制经济共同发展的格局基本形成。宏观调控体系初步建立。我国社会生产力、综合国力、地区发展、产业升级、所有制结构、商品供求等指标均反映出我国经济运行质量良好,为实现第三步战略。在全国的经济飞速发展的大环境下，各省GDP的增长也是最能反映其经济发展状况的指标。而人均 GDP 是最能体现一个省的经济实力、发展水平和生活水准的综合性指标，它不仅考虑了经济总量的大小，而且结合了人口多少的因素，在国际上被广泛用于评价和比较一个地区经济发展水平。尤其是我们这样的人口大国，用这一指标反映经济增长和发展情况更加准确、深刻和富有现实意义。深入分析这一指标对于反映我国经济发展历程、探讨增长规律、研究波动状况，制定相应的宏观调控政策有着十分重要的意义。

本文是以湖北省人均GDP作为研究对象。湖北省人均GDP的增长速度在上世纪90年代增长率有下滑的趋势（见表1）。进入21世纪，继东部沿海地区先发展起来，并涌现出环渤海、长三角、珠三角等城市群，以及中共中央提出“西部大开发”的战略后，中部地区成了“被遗忘的区域”，中部地区经济发展严重滞后于东部沿海地区，为此，中共中央提出了“中部崛起”的重大战略决策。自2004年提出“中部崛起”的重要战略构思后，山西、河南、安徽、湖北、湖南、江西六个省都依托自己的资源和地理优势来扩大地区竞争力，湖北省尤为突出。那么，研究湖北省人

均GDP的统计规律性和变动趋势，对于了解湖北省的经济增长规律以及地方政策的制定有特别重要的意义。因此本文试图以湖北省1978-2013年人均GDP历史数据为样本，通过ARMA 模型对样本进行统计分析，以揭示湖北省人均GDP变化的内在规律性，建立计量经济模型，并在此基础上进行短期外推预测，作为湖北未来几年经济发展的重要参考依据。

表一湖北省·1978年-2013年的人均GDP

2、数据准备

首先我们对数据进行预处理，建立工作文件并导入数据如图1：

图1

图中year代表年份，per GDP代表湖北省的人均GDP。导入数据后我们根据时间和人均GDP绘制时序图，选择序列然后点Quick，选择 Scatter，或者 XYline ；绘制完成后后可以双击图片对其进行修饰。

绘制图形如图2：

图2

由图2我们不难看出，根据描点，湖北省的人均GDP基本在时间上呈一种指

数增长。

3、平稳性检验

我们绘制了人均gdp的散点图，发现人均gdp随着时间的推移在不断增长

图3

由图3的序列的相关分析结果可以看出：

（1）自相关系数波动较大。从上述样本相关函数图，可以看到湖北省的人均GDP 是缓慢的递减趋于零的，并随着时间的推移，在0附近波动并呈发散趋势。所以，通过湖北省人均GDP的样本相关图，可初步判定该时间序列非平稳。

（2）观察第五列的 Q 统计量和第六列它对应的P值：

H0：X的1期，2期……k期的自相关系数均等于 0 ；

H1：自相关系数中至少有一个不等于 0 。

图中结果显示，P值在95%的显着性水平下,都小于，所以拒绝原假设, 即序列是非白噪声序列，序列值之间彼此之间有关联, 所以说过去的行为对将来的发展有影响。

为了验证我对这组数据是非平稳的初步猜想，下面我对其进行了单位根（ADF）检验，单位根检验是为了检验序列中是否存在单位根，因为存在单位根过程就不平稳，序列也就是非平稳时间序列，会使回归分析中存在伪回归。

结果如图4

由图4可知，ADF的t统计量为，比10%的置信水平下的t值还要大，由此我们可以确定人均gdp的时间序列是非平稳序列。

4、数据平稳化

由上面结果可以得出，湖北省自改革开放至今的人均gdp的时间序列是不平稳的，存在波动，结合图2的时间序列散点图，我们不难发现gdp对于时间序列有着

指数的趋势，使序列不平稳，下面为了方便分析，我们利用差分法将其变为平稳序列。

一阶差分结果如表二，表二描述了数据进行一阶差分后的结果，图5是我们利用eviews做出来关于一阶差分的结果序列图，根据图和数据初步猜测序列依旧非平稳。经过对一阶差分结果再次进行ADF检验，检验结果如图6， ADF的t统计量为，比10%的置信水平下的t值还要大，由此我们可以确定经过一阶差分的人均gdp 的时间序列是非平稳序列。

表二一阶差分结果

图5

图6

上面已经验证经过一阶差分的人均GDP时间序列依旧是非平稳的，我们仍然无法用ARMA模型来分析与预测，我们接着对人均GDP进行二阶差分,二阶差分输出结果如表三，表三描述了数据进行二阶差分后的结果，图7是我们利用eviews做出来关于二阶差分的结果序列图，根据图和数据初步猜测序列平稳。经过对二阶差分结果再次进行ADF检验，检验结果如图8， ADF的t统计量为，比1%的置信水平下的t值要大，但是小于5%下的水平，此时的t统计量相对于一阶差分来说更加显着，

在5%的显着水平下我们认为原关于湖北省GDP的时间序列经过二阶差分变换可以成为平稳序列，这种由非平稳序列经过差分变成的平稳序列，则我们称之为差分平稳序列，差分平稳序列我们就可以使用 A ARIM模型进行拟合。

表三二阶差分结果

图7

图8

5、模型构建

ARMA模型的识别与定阶可以通过样本的自相关与偏自相关函数的观察获得,例如:AR(p)模型自相关函数拖尾,偏自相关函数p步截尾;MA(q)模型自相关函数q步截尾,偏自相关函数拖尾;而ARMA模型的自相关函数与偏自相关函数都具有拖尾性。

图9

序列D（GDP，2）的AC与PAC见图9。由图9可看到ACF与PACF都基本控制在两个标准差范围之内，可认为该序列在零轴附近波动，具有短期相关性，同时根据我们之前所做的分析已证实湖北省人均GDP是平稳随机序列。样本的自相关函数和偏自相关函数基本上出现逐步衰减态势，二者都呈现一定的拖尾特性。从图9可

大致考虑p=0、q=5，偏自相关拖尾、自相关5步截尾，建立ARIMA （0,2,5）模型。建立ARIMA （0,2,5）为模型，是因为偏自相关拖尾，所以第一个数值0 ，然后因为序列进行了二阶差分，所以中间数值为2 ，又自相关图5阶截尾，所以最后一个数值为5。

根据计量经济学我们知道AIC的值越小，说明模型进行样本外预测的拟合效果越好。这一标准也是时间序列模型进行选择的主要标准，这是因为时间序列模型多用来进行预测。AIC准则可以对模型的阶数和相应参数同时给出一种最佳估计。但它仍需要根据平稳序列的自相关和偏自相关函数的特性，初选一些可供参考的阶数，然后计算不同阶数的AIC值，选择使AIC达到最小的一组阶数作为理想阶数。

经AIC值验证模型（0,5）是合适的模型，下面我们根据这个参数模型进行估计。

首先我们知道模型参数估计的方法有矩估计法、极大似然法、非线性最小二乘法等。矩估计法虽然比较简单但精度较低；极大似然法相对比较精确，但是要求总体分布类型已知。非线性最小二乘法是以误差的平方和最小为准则来估计非线性静态模型的一种估计方法，过程包含运筹学中的迭代搜索技术，具有较高的准确度。根据我们选取数据的性质和前人分析的经验我选用了非线性最小二乘法（NLS 法）来估计参数。使用经济计量软件Eviews对模型进行参数估计。估计结果如图10所示.

图10

根据图10的估计结果得出模型为：

R2=

=

对所得模型的残差序列resid进行平稳性检验。如果残差序列是白噪声，可以

接受这个模型拟合的结果；如果不是，那么残差序列可能还存在有用信息没被提取，则模型需要进一步改进。同样的，用ADF检验来对残差进行单位根检验，其结果如图11所示：

图11

图12

τ统计量小于1%、5%和10%三个显着性水平的临界值，因此可判断该模型的残差序列不存在单位根，则上述模型检验通过。该模型说明湖北省人均GDP和其历史数据关系不显着，和前面两期的随机误差项显着相关。对模型的残差序列进行平稳性检验(见图 12)，由模型的残差序列自相关图知，模型的残差序列是平稳的，不存在序列相关，由残差序列的单位根检验知不存在单位根，进一步说明模型是适应的，

6、模型预测

表四与图13分别给出2003-2013年湖北省人均GDP实测与预测的计算结果。从表四可以看出，预测结果的相对误差不大，结果较令人满意。说明所建模型具有良好的预报效果，有一定的参考价值。

根据历史数据用上述模型可以得出2013年湖北省人均GDP的预测结果为元，而事实上2010年湖北省人均GDP为元，两者之间相对误差为%。利用此模型对2014

年湖北省的人均GDP进行预测，最终的预测结果为2014年的人均GDP为49636元，此数据精确性有待年终真实数据的检验。接下来，利用2014年的预测数据进行2015年的人均GDP预测，得到 55834 元。

从预测的结果来看，湖北省在“十二五”期间能有望保持一个较高的增长态势，每年的人均GDP都能保持在大约10%的增长速度。不过，2015年的预测值是建立在前面年份预测值的基础上的，所以其准确性会受到一点影响。

图13

7、小结

本文利用时间序列数据来建立模型，首先对湖北省人均GDP进行平稳化，然后建立合适的ARMA模型，经过2005-2013年内验性检验可以看出模型的拟合效果比较理想，接下来便利用该模型对随后几年的人均GDP进行了外推预测，结果可以看出湖北在“十二五”期间还将保持一个较高的经济增长速度，这对于湖北省的经济发展都会产生良好的作用。

本文选取的样本数据建立有限个模型然后比较模型间的优劣存在一定的局限性，不同的样本数据应该根据其发展趋势和变化的特点选择合适的预测模型。本文对湖北省人均 GDP 历史数据的统计规律和变化趋势的研究可为国家和地方政策提供一定的有效的经济依据。对于宏观经济数据的预测，除了上面应用的方法外，还有前移回归分析方法和多因素趋势回归预测法等，其他方法从另外的角度也能较好的对宏观经济数据进行预测，各种方法的优劣比较不在本文的内容当中。当然，也可以在此基础上分析创建更好的计量模型和预测方法。

湖北省作为华中地区中心的城市，又位于中国的中心地带，素有中国“芝加哥”

之称，其自然资源丰富，地理位置优越，人文历史悠久，科学教育先进，应当充分利用中央政府提出的“中部崛起”的时机，抓住机遇，利用一切有利条件，调整产业结构，发展高新技术新型产业，提高经济增长速度，改善人民生活水平，促进湖北乃至整个中部地区的经济增长。

Eviews时间序列分析实例

Eviews 时间序列分析实例 时间序列是市场预测中经常涉及的一类数据形式， 绍。通过第七章的学习，读者了解了什么是时间序列, 、指数平滑法实例 所谓指数平滑实际就是对历史数据的加权平均。它可以用于任何一种没有明显函数规 律，但确实存在某种前后关联的时间序列的短期预测。 由于其他很多分析方法都不具有这种 特点，指数平滑法在时间序列预测中仍然占据着相当重要的位置。 (―)一次指数平滑 一次指数平滑又称单指数平滑。它最突出的优点是方法非常简单， 甚至只要样本末期的 平滑值，就可以得到预测结果。 一次指数平滑的特点是： 能够跟踪数据变化。 这一特点所有指数都具有。 预测过程中添 加最新的样本数据后， 新数据应取代老数据的地位， 老数据会逐渐居于次要的地位， 直至被 淘汰。这样，预测值总是反映最新的数据结构。 一次指数平滑有局限性。第一，预测值不能反映趋势变动、季节波动等有规律的变动； 第二，这种方法多适用于短期预测， 而不适合作中长期的预测；第三， 由于预测值是历史数 据的均值，因此与实际序列的变化相比有滞后现象。 指数平滑预测是否理想，很大程度上取决于平滑系数。 Eviews 提供两种确定指数平滑 系数的方法：自动给定和人工确定。 选择自动给定，系统将按照预测误差平方和最小原则自 动确定系数。如果系数接近 1，说明该序列近似纯随机序列，这时最新的观测值就是最理想 的预测值。 出于预测的考虑，有时系统给定的系数不是很理想， 用户需要自己指定平滑系数值。平 滑系数取什么值比较合适呢？ 一般来说，如果序列变化比较平缓，平滑系数值应该比较小， 比如小于0.1; 如果序列变化比较剧烈， 平滑系数值可以取得大一些， 如0.3?0.5。若平滑系 数值大于0.5才能跟上序列的变化，表明序列有很强的趋势，不能采用一次指数平滑进行预 测。 ［例1］某企业食盐销售量预测。现在拥有最近连续 30个月份的历史资料(见表 I ), 试预测下一月份销售量。 表 某企业食盐销售量 单位：吨 解：使用对数据进行分析，第一步是建立工作文件和录入数据。有关操作在本 理和一些分析实例。本节的主要内容是说明如何使用 Eviews 软件进行分析。 本书第七章对它进行了比较详细的介 并接触到有关时间序列分析方法的原

计量经济学Eviews多重共线性实验报告

计量经济学E v i e w s多重共线性实验报告 Company Document number：WUUT-WUUY-WBBGB-BWYTT-1982GT

实验报告课程名称计量经济学 实验项目名称多重共线性 班级与班级代码 专业 任课教师 学号： 姓名： 实验日期： 2014 年 05 月 11日 广东商学院教务处制 姓名实验报告成绩 评语： 指导教师（签名） 年月日 说明：指导教师评分后，实验报告交院（系）办公室保存。 计量经济学实验报告 一、实验目的：掌握多元线性回归模型的估计方法、掌握多重共线性模型的识别和修正。 二、实验要求：应用教材第127页案例做多元线性回归模型，并识别和修正多重共线性。 三、实验原理：普通最小二乘法、简单相关系数检验法、综合判断法、逐步回归法。

四、预备知识：最小二乘法估计的原理、t检验、F检验、2R值。 五、实验步骤 1、选择数据 理论上认为影响能源消费需求总量的因素主要有经济发展水平、收入水平、产业发展、人民生活水平提高、能源转换技术等因素。为此，收集了中国能源消费标准煤总量、国民总收入、国内生产总值GDP、工业增加值、建筑业增加值、交通运输邮电业增加值、人均生活电力消费、能源加工转换效率等1985——2007年的统计数据。本题旨在通过建立这些经济变量的线性模型来说明影响能源消费需求总量的原因。主要数据如下： 1985~2007年统计数据

资料来源：《中国统计年鉴》，中国统计出版社2000、2008年版。 为分析Y 与X1、X2、X3、X4、X5、X6、X7之间的关系，做如下折线图： 能源消费Y 在1986到1996年间缓慢增长，在96至98年有短暂的下跌，但是98至02年开始缓慢回升，02年到06年开始快速增长。 国民总收入X1和国内生产总值X2以相同的趋势逐年缓慢增长。 工业增加值X3在1985年-1999年期间一直是缓慢增长，但在2000年出现了急剧下降的现象，2001年又急剧增长，达到下降前的水平，2001年以后开始缓慢增长。建筑业增长值x4、交通运输邮电业增加值x5、人均生活电力消费x6、能源加工转换效率x7数值较低，但都以较平缓的方式增长。 2、设定并估计多元线性回归模型 t t t t t t t u X X X X X Y ++++++=66554433221ββββββ （） 录入数据，得到图。 2.2.1）采用OLS 估计参数 在主界面命令框栏中输入 ls y c x1 x2 x3 x4 x5 x6 x7回车，即可得到参数的估计结果。 由此可见，该模型的可决系数为，修正的可决系数为，模型拟和很好，F 统计量为，回归方程整体上显着。 可是其中的lnX3、lnX4、lnX6对lnY 影响不显着,不仅如此，lnX2、lnX5的参数为负值，在经济意义上不合理。所以这样的回归结果并不理想。 3、多重共线性模型的识别

eviews时间序列分析实验

实验一ARMA 模型建模 一、实验目的 学会检验序列平稳性、随机性。学会分析时序图与自相关图。学会利用最小二乘法等方法对ARMA 模型进行估计，以及掌握利用ARMA 模型进行预测的方法。学会运用Eviews 软件进行ARMA 模型的识别、诊断、估计和预测和相关具体操作。 二、基本概念 1平稳时间序列： 定义：时间序列｛zt｝是平稳的。如果｛zt｝有有穷的二阶中心矩，而且满足： (a)ut= Ezt =c; (b)r(t,s) = E[(zt-c)(zs-c)] = r(t-s,0) 则称｛zt｝是平稳的。 2 AR 模型： AR 模型也称为自回归模型。它的预测方式是通过过去的观测值和现在的干扰值的线性组合预测。具有如下结构的模型称为P 阶自回归模型，简记为AR(P)。 x t = 0 + 1x t-1 + 2x t-2 + + p x t- p + t p0 E(t) = 0，Var(t) = 2 ,E(t s) = 0,s t Ex = 0,s t 3 MA 模型： MA 模型也称为滑动平均模型。它的预测方式是通过过去的干扰值和现在的干扰值的线性组合预测。具有如下结构的模型称为Q 阶移动平均回归模型，简记为MA(q)。 x t= +t-1t-1 -2t-2 - -q t-q q0 E() = 0，Var( ) = 2, E( ) = 0, s t 4 ARMA 模型： ARMA模型：自回归模型和滑动平均模型的组合，便构成了用于描述平稳随机过程的自回归滑动平均模型ARMA。具有如下结构的模型称为自回归移动平均回归模型，简记为ARMA(p,q)。 x t= 0 + 1x t-1 + + p x t- p+ t- 1t-1 - - q t-q

Eviews虚拟变量实验报告

实验四虚拟变量 【实验目的】 掌握虚拟变量的基本原理，对虚拟变量的设定和模型的估计与检验，以及相关的Eviews操作方法。 【实验内容】 试根据1998年我国城镇居民人均收入与彩电每百户拥有量的统计资料建立 【实验步骤】 1、相关图分析 根据表中数据建立人均收入X与彩电拥有量Y的相关图（SCAT X Y）。从相关图可以看出，前3个样本点（即低收入家庭）与后5个样本点（中、高收入）的拥有量存在较大差异，

因此，为了反映“收入层次”这一定性因素的影响，设置虚拟变量如下： ?? ?=低收入家庭 中、高收入家庭 1D 2、构造虚拟变量 构造虚拟变量 1D （DATA D1），并生成新变量序列： GENR XD=X*D1 3、估计虚拟变量模型 LS Y C X D1 XD 得到估计结果：

我国城镇居民彩电需求函数的估计结果为： XD D X Y 009.0873.31012.0611.571-++=∧ (16.25) (9.03) (8.32) (-6.59) 366,066.1..,9937.02===F e s R 再由t 检验值判断虚拟变量的引入方式，并写出各类家庭的需求函数。 虚拟变量的回归系数的t 检验都是显著的，且模型的拟合优度很高，说明我国城镇居民低收入家庭与中高收入家庭对彩电的消费需求，在截距和斜率上都存在着明显差异，所以以加法和乘法方式引入虚拟变量是合理的。 低收入家庭与中高收入家庭各自的需求函数为： 低收入家庭： X Y 012.0611.57+=∧ 中高收入家庭： X X Y 003.0484.89)009.0012.0()873.31611.57(+=-++=∧ 由此可见我国城镇居民家庭现阶段彩电消费需求的特点： 对于人均年收入在3300元以下的低收入家庭，需求量随着收入水平的提高而快速上升，人均年收入每增加1000元，百户拥有量将平均增加12台；对于人均年收入在4100元以上的中高收入家庭，虽然需求量随着收入水平的提高也在增加，但增速趋缓，人均年收入每增加1000元，百户拥有量只增加3台。

计量经济学eviews实验报告

大连海事大学 实验报告 实验名称：计量经济学软件应用 专业班级：财务管理2013-1 姓名：安妮 指导教师：赵冰茹 交通运输管理学院 二○一六年十一月 一、实验目标 学会常用经济计量软件的基本功能，并将其应用在一元线性回归模型的分析中。具体包括：Eview的安装，样本数据基本统计量计算，一元线性回归模型的建立、检验及结果输出与分析，多元回归模型的建立与分析，异方差、序列相关模型的检验与处理等。二、实验环境 WINDOWSXP或2000操作系统下，基于EVIEWS5.1平台。 三、实验模型建立与分析 案例1：

我国1995-2014年的人均国民生产总值和居民消费支出的统计资料（此资料来自中华人民共和国统计局网站）如表1所示，做回归分析。 表1我国1995-2014年人均国民生产总值与居民消费水平情况

（1）做出散点图，建立居民消费水平随人均国内生产总值变化的一元线性回归方程，并解释斜率的经济意义； 利用eviews软件输出结果报告如下： Dependent Variable: CONSUMPTION Method: Least Squares Date: 06/11/16 Time: 19:02 Sample: 1995 2014 Included observations: 20

Variable Coeffici ent Std. Error t-Statisti c Prob.?? C691.0225113.3920 6.0941040.0000 AVGDP0.3527700.00490871.880540.0000 R-squared0.996528????Mean dependent var7351.300 Adjusted R-squared0.996335????S.D. dependent var4828.765 S.E. of regression292.3118????Akaike info criterion14.28816 Sum squared resid1538032.????Schwarz criterion14.38773 Log likelihood -140.881 6 ????Hannan-Quinn criter.14.30760 F-statistic5166.811????Durbin-Watson stat0.403709 Prob(F-statistic)0.000000 由上表可知财政收入随国内生产总值变化的一元线性回归方程为:

eviews教程第25章时间序列截面数据模型

eviews教程第25章时间序列截面数据模型 (3) 对转换后变量使用OLS (X 包括常数项和回归 量x ) (25.12) 其中。 EViews在输出中给 出了由(3)得到的的参数估计。使用协方差矩阵的标准估计量计算 标准差。 EViews给出了随机影响的估计值。计算公式为： (25.13) 得到的是的最优线性无偏预测值。最后， EViews 给出了加权和不加权的概括统计量。加权统计量来自(3)中的 GLS 估计方程。未加权统计量来自普通模型的残差，普通模型中包括 (3)中的参数和估计随机影响： (25.14) 三、截面加权当残差具有截面异方差性和 同步不相关时最好进行截面加权回归： (25.15) EViews进行FGLS ，并且从一阶段Pool 最小 二乘回归得出。估计方差计算公式为： (25.16) 其中是OLS 的拟合值。估计系数值和协方差矩阵 由标准GLS 估计量给出。四、SUR 加权当残差具有截 面异方差性和同步相关性时，SUR 加权最小二乘是可行的GLS 估计量： (25.17) 其中是同步相关的对称阵： (25.18) 一般项，在所有的t 时为常 数。 EViews估计SUR 模型时使用的是由一阶段Pool 最小二乘回归得到： (25.19) 分母中的最大值函数是为了解决向下加权协方差项产 生的不平衡数据情况。如果缺失值的数目可渐进忽略，这种方法生成 可逆的的一致估计量。模型的参数估计和参数协方差矩阵计 算使用标准的GLS 公式。五、怀特（White ）协方差估计在Pool 估计中可计算怀特的异方差性一致协方差估计（除了SUR 和 随机影响估计）。EViews 使用堆积模型计算怀特协方差矩阵： (25.20) 其中K 是估计参数总数。这种方差估计量足以解释各截面 成员产生的异方差性，但不能解释截面成员间同步相关的可能。 * * 第二十五章时间序列/截面数据模型在经典计量经济学模型 中，所利用的数据（样本观测值）的一个特征是，或者只利用时间序

eviews统计分析报告报告材料

统计分析报告 基于eviews软件的湖北省人均GDP时间序列模型构建与预测 姓名：刘金玉 学院：经济管理学院 学号：20121002942 指导教师：李奇明 日期：2014年12月14日

基于eviews软件的湖北省人均GDP时间序列 模型构建与预测 1、选题背景 改革开放以来,中国的经济得到飞速发展。1978年至今,中国GDP年均增长超过9%。中国的经济实力明显增强。2001年GDP超过1.1万亿美元,排名升到世界第六位。外汇储备已达2500亿美元。市场在资源配置中已经明显地发挥基础性作用。公有、私有、外资等多种所有制经济共同发展的格局基本形成。宏观调控体系初步建立。我国社会生产力、综合国力、地区发展、产业升级、所有制结构、商品供求等指标均反映出我国经济运行质量良好,为实现第三步战略。在全国的经济飞速发展的大环境下，各省GDP的增长也是最能反映其经济发展状况的指标。而人均 GDP 是最能体现一个省的经济实力、发展水平和生活水准的综合性指标，它不仅考虑了经济总量的大小，而且结合了人口多少的因素，在国际上被广泛用于评价和比较一个地区经济发展水平。尤其是我们这样的人口大国，用这一指标反映经济增长和发展情况更加准确、深刻和富有现实意义。深入分析这一指标对于反映我国经济发展历程、探讨增长规律、研究波动状况，制定相应的宏观调控政策有着十分重要的意义。 本文是以湖北省人均GDP作为研究对象。湖北省人均GDP的增长速度在上世纪90年代增长率有下滑的趋势（见表1）。进入21世纪，继东部沿海地区先发展起来，并涌现出环渤海、长三角、珠三角等城市群，以及中共中央提出“西部大开发”的战略后，中部地区成了“被遗忘的区域”，中部地区经济发展严重滞后于东部沿海地区，为此，中共中央提出了“中部崛起”的重大战略决策。自2004年提出“中部崛起”的重要战略构思后，山西、河南、安徽、湖北、湖南、江西六个省都依托自己的资源和地理优势来扩大地区竞争力，湖北省尤为突出。那么，研究湖北省人均GDP的统计规律性和变动趋势，对于了解湖北省的经济增长规律以及地方政策的制定有特别重要的意义。因此本文试图以湖北省1978-2013年人均GDP 历史数据为样本，通过ARMA 模型对样本进行统计分析，以揭示湖北省人均GDP变化的内在规律性，建立计量经济模型，并在此基础上进行短期外推预测，作为湖北未来几年经济发展的重要参考依据。

Eviews时间序列分析实例.

Eviews时间序列分析实例 时间序列是市场预测中经常涉及的一类数据形式，本书第七章对它进行了比较详细的介绍。通过第七章的学习，读者了解了什么是时间序列，并接触到有关时间序列分析方法的原理和一些分析实例。本节的主要内容是说明如何使用Eviews软件进行分析。 一、指数平滑法实例 所谓指数平滑实际就是对历史数据的加权平均。它可以用于任何一种没有明显函数规律，但确实存在某种前后关联的时间序列的短期预测。由于其他很多分析方法都不具有这种特点，指数平滑法在时间序列预测中仍然占据着相当重要的位置。 （－）一次指数平滑 一次指数平滑又称单指数平滑。它最突出的优点是方法非常简单，甚至只要样本末期的平滑值，就可以得到预测结果。 一次指数平滑的特点是：能够跟踪数据变化。这一特点所有指数都具有。预测过程中添加最新的样本数据后，新数据应取代老数据的地位，老数据会逐渐居于次要的地位，直至被淘汰。这样，预测值总是反映最新的数据结构。 一次指数平滑有局限性。第一，预测值不能反映趋势变动、季节波动等有规律的变动；第二，这种方法多适用于短期预测，而不适合作中长期的预测；第三，由于预测值是历史数据的均值，因此与实际序列的变化相比有滞后现象。 指数平滑预测是否理想，很大程度上取决于平滑系数。Eviews提供两种确定指数平滑系数的方法：自动给定和人工确定。选择自动给定，系统将按照预测误差平方和最小原则自动确定系数。如果系数接近1，说明该序列近似纯随机序列，这时最新的观测值就是最理想的预测值。 出于预测的考虑，有时系统给定的系数不是很理想，用户需要自己指定平滑系数值。平滑系数取什么值比较合适呢？一般来说，如果序列变化比较平缓，平滑系数值应该比较小，比如小于0.l；如果序列变化比较剧烈，平滑系数值可以取得大一些，如0.3～0.5。若平滑系数值大于0.5才能跟上序列的变化，表明序列有很强的趋势，不能采用一次指数平滑进行预测。 ［例1］某企业食盐销售量预测。现在拥有最近连续30个月份的历史资料（见表l），试预测下一月份销售量。 表1 某企业食盐销售量单位：吨 解：使用Eviews对数据进行分析，第一步是建立工作文件和录入数据。有关操作在本

EVIEWS实验报告1

EVIEWS实验报告 专业:金融学 班级：10907 学号：1090723 姓名：侯文隽

一、选题 自1949年新中国成立以后，我国国债发行基本分为两个阶段：20世纪50年代是第一阶段，为了支援人民解放战争，恢复和发展经济，我国先后发行过人民胜利折实公债和国家经济建设公债。80年代以来是第二阶段，进入20世纪80年代以后，随着改革开放的不断深入，我国国民收入分配格局发生了变化，国债的发行量也逐年扩大。本次实验出发点是根据1980-2005年的国债规模和可能的相关因素进行分析，同时达到掌握使用EVIEWS进行经济问题分析的目的。二、建立模型 影响国债规模的因素是多方面的、多层次的，我们暂且不去考虑微观上国债的管理水平与结构、筹资成本、期限安排、偿还方式等因素，因为这些因素的影响是个别的，并且难以计量。所以从宏观经济角度出发，引入财政赤字、国内生产总值（GDP）、年还本付息支出等指标，并建立多元线性回归模型。以国债发行量作为被解释变量Y，财政赤字、GDP、还本付息支出作为解释变量分别用X1、X2、X3表示。建立模型如下: Y=b0+b1*X1+b2*X2+b3*X3 三、数据来源 下表列出了1980-2005年间历年国债发行规模及各相关因素的具体数据表1 单位：亿元

（来源于中国统计年鉴2006，1980-2005年数据） 四、实验结果 通过普通最小二乘法对变量进行回归估计，得到结果如下： Dependent Variable: Y Method: Least Squares Date: 10/02/11 Time: 13:09 Sample: 1980 2005 Included observations: 26 Variable Coefficient Std. Error t-Statistic Prob. C -82.30505 63.20978 X1 0.816282 0.075733 X2 0.671558 0.414988 X3 0.980645 0.160403 R-squared 0.994963 Mean dependent var 2015.208 Adjusted R-squared 0.994276 S.D. dependent var 2355.453 S.E. of regression 178.2087 Akaike info criterion 13.34443 Sum squared resid 698683.5 Schwarz criterion 13.53798 Log likelihood -169.4775 F-statistic Durbin-Watson stat 1.141533 Prob(F-statistic) Y=-82.3051+0.8163X1+0.6716X2+0.9806X3 五、模型检验 1、从回归估计的结果看，可决系数R2=0.9949，模型拟合较好。方程的显著性检 验中F的伴随概率等于0，小于0.05，说明所有的待估参数不全为零，方程总体上的线性关系是显著成立的。在变量的显著性检验中，X1和X3的t检

Eviews时间序列分析

时间序列分析实验指导 A

统计与应用数学学院

随着计算机技术的飞跃发展以及应用软件的普及，对高等院校的实验教学提出了越来越高的要求。为实现教育思想与教学理念的不断更新，在教学中必须注重对大学生动手能力的培训和创新思维的培养，注重学生知识、能力、素质的综合协调发展。为此，我们组织统计与应用数学学院的部分教师编写了系列实验教学指导书。 这套实验教学指导书具有以下特点： ①理论与实践相结合，书中的大量经济案例紧密联系我国的经济发展实际，有利于提高学生分析问题解决问题的能力。 ②理论教学与应用软件相结合，我们根据不同的课程分别介绍了SPSS SAS、MATLAB、EVIEWS等软件的使用方法，有利于提高学生建立数学模型并能正确求解的能力。 这套实验教学指导书在编写的过程中始终得到财经大学教务处、实验室管理处以及统计与应用数学学院的关心、帮助和大力支持，对此我们表示衷心的感谢！ 限于我们的水平，欢迎各方面对教材存在的错误和不当之处予以批评指正。 统计与数学模型分析实验中心 2007年2月

实验一EVIEWS中时间序列相关函数操作................. -1 -实验二确定性时间序列建模方法 ........................ -10 -实验三时间序列随机性和平稳性检验. (21) 实验四时间序列季节性、可逆性检验.................. -25 -实验五ARMA模型的建立、识别、检验................ -34 - 实验六ARMA模型的诊断性检验...................... -37 -实验七ARMA模型的预测............................ -38 -实验八复习ARMA建模过程 .......................... -40 -实验九时间序列非平稳性检验........................ -42 -

利用eviews实现时间序列的平稳性检验与协整检验

在对时间序列Y、X1进行回归分析时需要考虑Y与X1之间是否存在某种切实的关系，所以需要进行协整检验。 1.1利用eviews创建时间序列Y、X1： 打开eviews软件点击file-new-workfile，见对话框又三块空白处workfile structuretype处又三项选择，分别是非时间序列unstructured/undate，时间序列dated-regularfrequency，和不明英语balance panel。选择时间序列dated-regular frequency。在datespecification中选择年度，半年度或者季度等，和起始时间。右下角为工作间取名字和页数。 点击ok。 在所创建的workfile中点击object-new object，选择series，以及填写名字如Y，点击OK。 将数据填写入内。 1.2对序列Y进行平稳性检验： 此时应对序列数据取对数，取对数的好处在于可将间距很大的数据转换为间距较小的数据。 具体做法是在workfile y的窗口中点击Genr，输入logy=log(y),则生成y的对数序列logy。 再对logy序列进行平稳性检验。 点击view-United root test，test type选择ADF检验，滞后阶数中lag length 选择SIC检验，点击ok得结果如下： Null Hypothesis: LOGY has a unit root Exogenous: Constant

Lag Length: 0 (Automatic based on SIC, MAXLAG=1) t-StatisticProb.* Augmented Dickey-Fuller test statistic- 2." ."09959 Test critical values:1% level- 4."602226 5% level- 3."026225 10% level - 2."0013 当检验值Augmented Dickey-Fuller test statistic的绝对值大于临界值绝对值时，序列为平稳序列。 若非平稳序列，则对logy取一阶差分，再进行平稳性检验。直到出现平稳序列。假设Dlogy和DlogX1为平稳序列。 1.3对Dlogy和DlogX1进行协整检验 点击窗口quick-equation estimation，输入DLOGY C DLOGX1，点击ok，得到运行结果，再点击proc-make residual series进行残差提取得到残差序列，再对残差序列进行平稳性检验，若残差为平稳序列，则Dlogy与Dlogx1存在协整关系。

Eviews实验报告

江西农业大学经济贸易学院学生实验报告 课程名称：计量经济学 专业班级：经济1201班 姓名： 学号： 指导教师：徐冬梅 职称：讲师 实验日期： 2014.12.11

学生实验报告 一、实验目的及要求 1、目的 会使用EVIEWS对计量经济模型进行分析 2、内容及要求 （1）对经典线形回归模型进行参数估计、参数的检验与区间估计，对模型总体进行显著性检验； （2）异方差的检验及其处理； （3）自相关的检验及其处理； （4）多重共线性检验及其处理； 二、仪器用具 三、实验方法与步骤 (一)数据的输入、描述及其图形处理； (二)方程的估计； (三)参数的检验、违背经典假定的检验； (四)模型的处理与预测

四、实验结果与数据处理 实验一：中国城镇居民人均消费支出模型 数据散点图： 通过Eviews 估计参数方程 回归方程： Dependent Variable: Y Method: Least Squares Date: 11/27/14 Time: 15:02 Sample: 1 31 Included observations: 31 Variable Coefficien t Std. Error t-Statistic Prob. X 1.359477 0.043302 31.39525 0.0000 C -57.90655 377.7595 -0.153289 0.8792 R-squared 0.971419 Mean dependent var 11363.69 Adjusted R-squared 0.970433 S.D. dependent var 3294.469 S.E. of regression 566.4812 Akaike info criterion 15.57911 Sum squared resid 9306127. Schwarz criterion 15.67162 Log likelihood -239.4761 F-statistic 985.6616 Durbin-Watson stat 1.294974 Prob(F-statistic) 0.000000 5000 10000 15000 20000 25000 6000 800010000120001400016000 X Y

eviews图像及结果分析报告

第4章图形和统计量分析 EViews软件提供了序列(Series)和序列组(Group)等对象的各种视图、统计分析方法和过程。当序列对象中输入数据后，就可对序列对象中输入的数据进行统计分析，并且可以通过图、表等形式进行描述。本章将介绍序列和序列组对象图形的生成和描述性统计量及其检验。 4.1 图形对象 图形(Graph)对象可以形成序列和序列组等对象的各种视图，如线图(Line)、散点图(Scatter)以及饼图(Pie)等。通过图形可以进一步观察和分析数据的变化趋势和规律。下面介绍图形对象的基本操作。 4.1.1 图形(Graph)对象的生成 图形对象也是工作文件中的基本对象之一。要生成图形对象需首先打开序列对象窗口或序列组对象窗口，选择对象窗口工具栏中的“View”|“Graph”选项。选择的对象类型不同，将弹出不同的窗口。如果在序列对象窗口下选择“View”|“Graph”选项，将弹出如图4-1所示的界面。

. . 图4-1 序列窗口下图形对象的生成 此时“Graph”弹出的菜单中有6种图形可供选择。“Line”表示生成的是折线图，如图4-2所示，其横轴表示时间或序列的顺序，纵轴表示序列对象观测值的大小。“Area”表示生成面积图，其图形的形状与“Line”(折线图)相同，不同的是“Area”(面积图)曲线下方是被填满的，而“Line”(折线图)下方是空白。 图4-2 “Line”折线图 “Bar”表示为条形图，用条状的高度表示观测值的大小。“Spike”表示尖峰图，由竖线组成，每根竖线的高度代表观测值的大小。“Seasonal Stacked Line”表示生成的是季节性堆叠图，“Seasonal Split Line”表示生成的是季节性分割线。 如果在序列组(群)对象窗口下选择“View”|“Graph”选项，将弹出如图4-3所示的界面。这里有9种图形可供选择。其前4种与上面讲述的相同。 图4-3 序列组(群)窗口下图对象的生成

eviews时间序列分析实验

实验一ARMA 模型建模 一、实验目的 学会检验序列平稳性、随机性。学会分析时序图与自相关图。学会利用最小二乘法等方法对ARMA 模型进行估计，以及掌握利用ARMA 模型进行预测的方法。学会运用Eviews 软件进行ARMA 模型的识别、诊断、估计和预测和相关具体操作。 二、基本概念 1 平稳时间序列： 定义：时间序列{zt}是平稳的。如果{zt}有有穷的二阶中心矩，而且满足： （a ）ut= Ezt =c; （b ）r(t,s) = E[(zt-c)(zs-c)] = r(t-s,0) 则称{zt}是平稳的。 2 AR 模型： AR 模型也称为自回归模型。它的预测方式是通过过去的观测值和现在的干扰值的线性组合预测。具有如下结构的模型称为P 阶自回归模型，简记为AR(P)。 ? ???? ??

11222 0()0(),()0,t t t t q t q q t t t s x E Var E s t εμεθεθεθεθεεσεε---?=+----? ≠??===≠?L ， 4 ARMA 模型： ARMA 模型：自回归模型和滑动平均模型的组合， 便构成了用于描述平稳随机过程的自回归滑动平均模型ARMA 。具有如下结构的模型称为自回归移动平均回归模型，简记为ARMA(p,q)。 ? ???? ??

eviews统计分析报告

e v i e w s统计分析报告 IMB standardization office【IMB 5AB- IMBK 08- IMB 2C】

统计分析报告 基于eviews软件的湖北省人均GDP时间序 列模型构建与预测 姓名：刘金玉 学院：经济管理学院 学号： 指导教师：李奇明 日期：2014年12月14日

基于eviews软件的湖北省人均GDP时间序列 模型构建与预测 1、选题背景 改革开放以来,中国的经济得到飞速发展。1978年至今,中国GDP年均增长超过9%。中国的经济实力明显增强。2001年GDP超过万亿美元,排名升到世界第六位。外汇储备已达2500亿美元。市场在资源配置中已经明显地发挥基础性作用。公有、私有、外资等多种所有制经济共同发展的格局基本形成。宏观调控体系初步建立。我国社会生产力、综合国力、地区发展、产业升级、所有制结构、商品供求等指标均反映出我国经济运行质量良好,为实现第三步战略。在全国的经济飞速发展的大环境下，各省GDP的增长也是最能反映其经济发展状况的指标。而人均GDP是最能体现一个省的经济实力、发展水平和生活水准的综合性指标，它不仅考虑了经济总量的大小，而且结合了人口多少的因素，在国际上被广泛用于评价和比较一个地区经济发展水平。尤其是我们这样的人口大国，用这一指标反映经济增长和发展情况更加准确、深刻和富有现实意义。深入分析这一指标对于反映我国经济发展历程、探讨增长规律、研究波动状况，制定相应的宏观调控政策有着十分重要的意义。 本文是以湖北省人均GDP作为研究对象。湖北省人均GDP的增长速度在上世纪90年代增长率有下滑的趋势（见表1）。进入21世纪，继东部沿海地区先发展起来，并涌现出环渤海、长三角、珠三角等城市群，以及中共中央提出“西部大开发”的战略后，中部地区成了“被遗忘的区域”，中部地区经济发展严重滞后于东部沿海地区，为此，中共中央提出了“中部崛起”的重大战略决策。自2004年提出“中部崛起”的重要战略构思后，山西、河南、安徽、湖北、湖南、江西六个省都依托自己的资源和地理优势来扩大地区竞争力，湖北省尤为突出。那么，研究湖北省人均GDP的统计

计量经济学Eviews多重共线性实验报告

实验报告 课程名称计量经济学 实验项目名称多重共线性 班级与班级代码 专业 任课教师 学号： 姓名： 实验日期：2014 年05 月11日

广东商学院教务处制 姓名实验报告成绩 评语： 指导教师（签名） 年月日

说明：指导教师评分后，实验报告交院（系）办公室保存。 计量经济学实验报告 一、实验目的：掌握多元线性回归模型的估计方法、掌握多重共线性模型的识别和修正。 二、实验要求：应用教材第127页案例做多元线性回归模型，并识别和修正多重共线性。 三、实验原理：普通最小二乘法、简单相关系数检验法、综合判断法、逐步回归法。 R值。 四、预备知识：最小二乘法估计的原理、t检验、F检验、2 五、实验步骤 1、选择数据 理论上认为影响能源消费需求总量的因素主要有经济发展水平、收入水平、产业发展、人民生活水平提高、能源转换技术等因素。为此，收集了中国能源消费标准煤总量、国民总收入、国内生产总值GDP、工业增加值、建筑业增加值、交通运输邮电业增加值、人均生活电力消费、能源加工转换效率等1985——2007年的统计数据。本题旨在通过建立这些经济变量的线性模型来说明影响能源消费需求总量的原因。主要数据如下： 1985~2007年统计数据

资料来源：《中国统计年鉴》，中国统计出版社2000、2008年版。 为分析Y 与X1、X2、X3、X4、X5、X6、X7之间的关系，做如下折线图： 能源消费Y 在1986到1996年间缓慢增长，在96至98年有短暂的下跌，但是98 至02年开始缓慢回升，02年到06年开始快速增长。 国民总收入X1和国内生产总值X2以相同的趋势逐年缓慢增长。 工业增加值X3在1985年-1999年期间一直是缓慢增长，但在2000年出现了急剧下降的现象，2001年又急剧增长，达到下降前的水平，2001年以后开始缓慢增长。建筑业增长值x4、交通运输邮电业增加值x5、人均生活电力消费x6、能源加工转换效率x7数值较低，但都以较平缓的方式增长。 2、设定并估计多元线性回归模型 t t t t t t t u X X X X X Y ++++++=66554433221ββββββ （2.1） 2.1录入数据，得到图。

计量经济学eviews实验报告.doc

大连海事大学 实验报告Array 实验名称：计量经济学软件应用专业班级：财务管理2013-1 姓名：安妮 指导教师：赵冰茹 交通运输管理学院 二○一六年十一月

一、实验目标 学会常用经济计量软件的基本功能，并将其应用在一元线性回归模型的分析中。具体包括：Eview的安装，样本数据基本统计量计算，一元线性回归模型的建立、检验及结果输出与分析，多元回归模型的建立与分析，异方差、序列相关模型的检验与处理等。 二、实验环境 WINDOWSXP或2000操作系统下，基于EVIEWS5.1平台。 三、实验模型建立与分析 案例1： 我国1995-2014年的人均国民生产总值和居民消费支出的统计资料（此资料来自中华人民共和国统计局网站）如表1所示，做回归分析。 表1我国1995-2014年人均国民生产总值与居民消费水平情况

（1）做出散点图，建立居民消费水平随人均国内生产总值变化的一元线性回归方程，并解释斜率的经济意义； 利用eviews软件输出结果报告如下：

Dependent Variable: CONSUMPTION Method: Least Squares Date: 06/11/16 Time: 19:02 Sample: 1995 2014 Included observations: 20 Variable Coefficient Std. Error t-Statistic Prob. C 691.0225 113.3920 6.094104 0.0000 AVGDP 0.352770 0.004908 71.88054 0.0000 R-squared 0.996528 Mean dependent var 7351.300 Adjusted R-squared 0.996335 S.D. dependent var 4828.765 S.E. of regression 292.3118 Akaike info criterion 14.28816 Sum squared resid 1538032. Schwarz criterion 14.38773 Log likelihood -140.8816 Hannan-Quinn criter. 14.30760 F-statistic 5166.811 Durbin-Watson stat 0.403709 Prob(F-statistic) 0.000000 由上表可知财政收入随国内生产总值变化的一元线性回归方程为: （令Y=CONSUMPTION,X=AVGDP（此处代表人均GDP）） Y = 691.0225+0.352770* X 其中斜率0.352770表示国内生产总值每增加一元,人均消费水平增长0.35277元。 检验结果R2=0.996528，说明99.6528%的样本可以被模型解释，只有0.3472%的样本未被解释，因此样本回归直线对样本点的拟合优度很高。 （2）对所建立的回归方程进行检验： （5%显著性水平下，t（18）=2.101） 对于参数c假设: H 0: c=0. 对立假设:H 1 : c≠0 对于参数GDP假设: H 0: GDP=0. 对立假设:H 1 : GDP≠0 由上表知: 对于c,t=6.094104>t(n-2)=t(18)=2.101 因此拒绝H 0: c=0,接受对立假设:H 1 : c≠0 对于GDP, t=71.88054﹥t(n-2)=t(18)=2.101

EVIEWS时间序列实验指导(上机操作说明)

时间序列分析 实验指导 4 2 -2 -4 50100150200250 数学与统计学院

目录 实验一 EVIEWS中时间序列相关函数操作···························- 1 - 实验二确定性时间序列建模方法 ····································- 8 - 实验三时间序列随机性和平稳性检验 ···························· - 17 - 实验四时间序列季节性、可逆性检验 ···························· - 20 - 实验五 ARMA模型的建立、识别、检验···························· - 25 - 实验六 ARMA模型的诊断性检验····································· - 28 - 实验七 ARMA模型的预测·············································· - 29 - 实验八复习ARMA建模过程·········································· - 31 - 实验九时间序列非平稳性检验 ····································· - 33 -

实验一 EVIEWS中时间序列相关函数操作 【实验目的】熟悉Eviews的操作：菜单方式，命令方式； 练习并掌握与时间序列分析相关的函数操作。 【实验内容】 一、EViews软件的常用菜单方式和命令方式； 二、各种常用差分函数表达式； 三、时间序列的自相关和偏自相关图与函数； 【实验步骤】 一、EViews软件的常用菜单方式和命令方式； ㈠创建工作文件 ⒈菜单方式 启动EViews软件之后，进入EViews主窗口 在主菜单上依次点击File/New/Workfile，即选择新建对象的类型为工作文件，将弹出一个对话框，由用户选择数据的时间频率（frequency）、起始期和终止期。选择时间频率为Annual（年度），再分别点击起始期栏（Start date）和终止期栏（End date），输入相应的日期，然后点击OK按钮，将在EViews 软件的主显示窗口显示相应的工作文件窗口。 工作文件窗口是EViews的子窗口，工作文件一开始其中就包含了两个对象，一个是系数向量C（保存估计系数用），另一个是残差序列RESID（实际值与拟合值之差）。 ⒉命令方式 在EViews软件的命令窗口中直接键入CREATE命令，也可以建立工作文件。命令格式为：CREATE 时间频率类型起始期终止期 则菜单方式过程可写为：CREATE A 1985 1998 ㈡输入Y、X的数据 ⒈DATA命令方式 在EViews软件的命令窗口键入DATA命令，命令格式为： DATA <序列名1> <序列名2>…<序列名n>