【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】或Ctrl + N
   

2. 确定起止日期：
   

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

3. 创建数据集：【Quick】 -> 【Empty Group】
   

4. 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
   

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

0. 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
   

1. 对创建的数据组命名
   

2. 是否成功的检验
   

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

4. 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）
   

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

5. 回归模型及参数的检验
   

通过观察模型的F和t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Electricity和Grain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】
   

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
   

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）

3. 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
   

4. 确定逐步回归模型的相关参数，再次进行回归分析
   

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

5. 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

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
   

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
   

3. J-B检验：先选中resid，选则 View -> Descriptive Statistics -> Histogram and Stats进行检验
   

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
   

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
   
   

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
   

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！

3. 异方差的修正：进行赋权
   
   

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
   

2. 进行Chow检验：View -> Stability Diagnostic -> Chow Breakpoint Test
   

3. 设置断点：设置断点为2006年
   

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
   

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