发帖
雷达卡
做拟合优度图 输出结果窗口 点击Resids
2 检验相关性
从主菜单选择 Quick/Group Statistics/Correlations
之后会弹出个对话框，在对话框选择你的目标序列
如 y x1 x2 x3 输出结果如表格所示
| Y | X1 | X2 | |
| Y | 1.000000 | 0.964428 | 0.776150 |
| X1 | 0.964428 | 1.000000 | 0.754522 |
| X2 | 0.776150 | 0.754522 | 1.000000 |
[size=+0][size=+0]3 [size=+0]F检验
[size=+0][size=+0]ESS的自由度是k-1，RSS的自由度是n－k，其中n是样本容量，k是变量个数；[size=+0] 检验回归方程的F值与F(K-1，n-k)在显著性水平下（通常取0.05）的大小；[size=+0]若 F>F(K-1，K-n)则认为回归方程显著
4 自相关（Residual test）
[size=+0][size=+0] 残差散点图法 可通过excel作图（从eviews resid中复制数据） [size=+0]如主要点分布在一三象限，说明存在正相关；如主要分布在二四象限，说明存在负相关。
[size=+0] [size=+0]解决办法：广义差分法 1）对原模型进行回归，求出
如其等于0.6 2）生成新序列，即Genr y1=y-(1-0.6)/2*y(-1) Genr x1=x-(1-0.6)/2*x(-1) （-1）表示滞后一期 3）对新数列进行回归 柯克兰内-奥长特两段法 点击 quick/ estimate equation 在分析输出窗口中输入 Y C X AR(1)
5 [size=+0][size=+0]异方差性[size=+0]
怀特法：在输出结果窗口 点击view/residual tests/heter text 若TR的平方大于
，则认为存在异方差，q为解释变量的个数。怀特法修正 在主菜单中选择Quick/Estimate Equation..., 设定模型后，在选项卡中选择Option，在出现的对话框里选择Heteroskedasticity Consistent Coefficient复选框，然后选择White,单击“确定”估计方程。在输出结果中，包含一行文字“White Heteroskedasticity Consistent Standard Eeeors & Convarance”说明运用怀特异方差修正了异方差性。
戈德菲尔德-夸特检验 1） X从小到大排序(数据表里sort 选ascending表示升序 desending表示降序) 2） 略去居中的c个观测值（一般做法样本的1/4，小样本可再少些），剩余分两组 3）用两组数据各拟合一个回归，分别获得RSS1（小X组）和RSS2（大X组），自由度df=(n-c)/2-k，k是包括截距在内的待估参数个数。(RSS, Sum squared resid) 4）计算F=RSS2/RSS1
若F>F（df,df)怎认为存在异方差 （通常显著性水平取0.05）
6 滞后变量
阿尔蒙多项式法 点击 Quick/ Estimate equation 输入 y c pdl(x,k,r) 其中x为解释变量，k为滞后期数，r为滞后权数 K至少应大于3 然后换4,5,6……，直到R的平方不再增加即拟合优度最高为止.
7 多重共线性
1）判断多重共线性 输出所有解释变量的相关系数表 具体做法上面已给出 2 ）采取逐步回归法解决 被解释变量分别对解释变量进行回归 比较各回归表R的平方即拟合优度的大小取最大值的X 然后在此基础上进行加解释变量 比较是否改进了R的平方。
京公网安备 11010802022788号
