发布时间 : 星期四 文章eviews教程 第15章 时间序列回归 - 图文更新完毕开始阅读
例子：15_1\\eq_cs_tsls_ar假设用二阶段最小二乘估计消费函数，考虑存在一阶序列相关。二阶段最小二乘变量列表为：cscgdpar(1)工具变量列表为：cgovlog(m1)cs(-1)gdp(-1)注意因变量的滞后（cs(-1)）和内生变量的滞后（gdp(-1)）都包括在工具变量表中。类似地，考虑消费函数，csccs(-1)gdpar(1)有效的工具变量表为：cgovlog(m1)cs(-1)cs(-2)gdp(-1)17§15.3.5 含有AR项模型的估计输出当估计某个含有AR项的模型时，在解释结果时一定要小心。在用通常的方法解释估计系数，系数标准误差和t-统计量时，涉及残差的结果会不同于OLS的估计结果。要理解这些差别，记住一个含有AR项的模型有两种残差：第一种是无条件残差?t?yt?xt?bu通过原始变量以及估计参数?算出。在用同期信息对yt值进行预测时，这些残差是可以观测出的误差，但要忽略滞后残差中包含的信息。18第二种残差是估计的一期向前预测误差??。如名所示，这种残差代表预测误差。如果使用前期数据残差和当前信息作预测，实际上，通过利用滞后残差的预测能力，改善了无条件预测和残差。对于含有AR项的模型，基于残差的回归统计量，如R2(回归标准误差)和D-W值都是以一期向前预测误差为基础的。含有AR项的模型独有的统计量是?i。对于简单AR(1)模型，?估计的AR系数??是无条件残差的序列相关系数。对于平稳AR(1)模型，?在-1（极端负序列相关）和+1（极端正序列相关）之间。一般AR(p)平稳条件是：滞后算子多项式的根的倒数在单位圆内。EViews在回归输出的底部给出这些根：Inverted AR Roots。如果存在虚根，根的模应该小于1。19§15.3.6 EViews如何估计AR模型课本上经常描述估计AR模型的技术。探讨最多的方法，如Cochrane-Orcutt(科克兰内-奥克特)、Prais-Winsten、Hatanaka以及Hildreth-Lu程序都是使用标准线性回归进行估计的多步方法。当使用滞后因变量作为回归自变量或使用高阶AR项定义模型时所有这些方法都有严重的缺点。见Davidson&MacKinnon(1994,pp.329-341),Greene(1997,p.600-607)。EViews估计AR模型采用非线性回归方法。这种方法的优点在于：易被理解，应用广泛，易被扩展为非线性定义的模型。注意：非线性最小二乘估计渐进等于极大似然估计且渐进有效。20