【零基础Eviews实例】00了解多元线性回归模型常见检验

使用说明

刚接触计量经济学和Eviews软件不久,并且本着能用就行的原则,只对软件的操作和模型的结果分析进行说明,并不太在意具体的方法和具体的数学原理。

以下内容大多为在网上学习相关操作,按照自己的理解进行操作和分析,仅仅代现阶段个人看法,并不保证一定正确,如有错误欢迎指正!


以某次多元线性回归为例介绍多元线性回归模型常见的检验方法,其中Farming为被解释变量,其他的所有变量为解释变量。此处要求进行:多重共线性检验、随机误差项正态分布检验、异方差检验、模型结构稳定性检验。

0. 前期准备

  1. 创建工作文件:【File】 -> 【New】 -> 【WorkFile】Ctrl + N
    在这里插入图片描述

  2. 确定起止日期:
    在这里插入图片描述

以上操作可通过在Command输入:wfcreate a 1985 2014实现

  1. 创建数据集:【Quick】 -> 【Empty Group】
    在这里插入图片描述

  2. 导入数据(也可从Excel直接导入):先将Group上滑再粘贴进入数据集
    在这里插入图片描述

此时我们完成了所有的数据导入,可以开始进行回归模型分析。

1. 模型和参数检验

  1. 定义影响因素组:为便于后续的操作,我们将可能影响的因素都定义为一个Group并命名为Factor
    在这里插入图片描述

  2. 对创建的数据组命名
    在这里插入图片描述

  3. 是否成功的检验
    在这里插入图片描述

  4. 创建方程进行估计:【Quick】 -> 【Esttimate Equation】

在这里插入图片描述

  1. 进行全变量回归:将所有变量(实际上就是Group Factor代入回归模型求解)
    在这里插入图片描述

上述操作也可以通过Command中输入ls farming c factor实现

  1. 回归模型及参数的检验
    在这里插入图片描述

通过观察模型的Ft统计量以及其实际概率(P值,与显著性水平对比)可以看出模型和系数是否显著。

在此模型中,由于Prob(F-statistic)<0.05故模型显著,变量中ElectricityGrain对应的Prob.<0.05,可认为这两个变量影响显著,其余的变量影响则不显著。

2. 多重共线性检验

多重共线性的检验方法有很多,模型中F检验能通过,但是t检验却不能通过是一种较为简洁的判断是否存在多重共线性的方式。上述原始模型满足此条件,大胆估计模型存在多重共线性,使用VIF值再进行判断。

  1. VIF检验多重共线性:【View】 -> 【Coefficient Diagnostics】 -> 【Variance Inflation Factors】
    在这里插入图片描述

  2. 观察VIF值判断结果:通常以10为界,大于10则认为存在较为严重的多重共线性
    在这里插入图片描述

此处可以认为模型存在极其严重的多重共线性,需要对模型进行修正(通常需要删除某些变量)

  1. 采用逐步回归删除变量进行修正:和OLS操作相同,只是模型选择STEPLS
    在这里插入图片描述

  2. 确定逐步回归模型的相关参数,再次进行回归分析
    在这里插入图片描述

上述的步骤可以通过在Command中输入stepls(ftol=0.1, btol=0.1) farming c @ factor实现

  1. 按照步骤(1,2)再次检测VIF值,判断是否通过多重共线性检验

在这里插入图片描述

3. 误差项正态分布检验

误差项是否服从正态分布通常可以通过做图像或通过J-B检验判断

  1. 图像判断:在方程界面点击Resids选择图像
    在这里插入图片描述

  2. 图像结果观察:观察残差图像是否有明显的趋势性,若没有,大体上可认为其服从正态分布
    在这里插入图片描述

  3. J-B检验:先选中resid,选则 View -> Descriptive Statistics -> Histogram and Stats进行检验
    在这里插入图片描述

  4. J-B检验结果:观察结果,发现P=0.2005 > 0.05可认为保留原假设,即满足正态分布
    在这里插入图片描述

4. 异方差检验

异方差的检验方法也有很多,此处通过White检验进行判断

  1. White检验方法:View -> Residual Diagnostic -> Heteroskedasticity Test -> Wihte
    在这里插入图片描述
    在这里插入图片描述

  2. White检验结果解读:观察t统计量及其实际概率,发现不能通过检验,认为存在异方差性
    在这里插入图片描述

注:这里应该是不存在异方差,因为原假设为同方差,此处不拒绝原假设,故可认为不存在异方差。若存在异方差则按照下列步骤进行修正!

  1. 异方差的修正:进行赋权
    在这里插入图片描述
    在这里插入图片描述

4. 模型稳定性检验

通过Chow检验判断模型是否存在截断点(拐点)

  1. 绘制被解释变量草图:操作同3.1-3.2,可得到原数据,拟合数据,误差项图像,认为06年为可能的拐点
    在这里插入图片描述

  2. 进行Chow检验:View -> Stability Diagnostic -> Chow Breakpoint Test
    在这里插入图片描述

  3. 设置断点:设置断点为2006年
    在这里插入图片描述

  4. 观察统计结果:主要看模型的F和对应的P值,发现模型结构不稳定存在断点
    在这里插入图片描述

  5. 模型的修正:对于这类情况,需要设置虚拟变量构造分段函数进行修正

  • 90
    点赞
  • 821
    收藏
    觉得还不错? 一键收藏
  • 16
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 16
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值