求单位根检验eviews步骤

在主菜单选择Quick、SeriesStatistics、UnitRootTest并输入待检验的序列名，单击OK，出现单位根检验对话框单位根检验对话框。

1、检验类型：ADF检验和PP检验；

2、检验对象：Level为水平序列、1stdifference为一阶差分序列、2nddifference为二阶差分序列；

3、检验式中包括的附加项：

如果序列在0均值上下波动，且无时间趋势，则应选择None无附加项；如果序列具有非0均值，且无时间趋势，选择Intercept即漂移项；如果序列具有非0均值，且具有时间趋势，选择TrendandIntercept；

4、检验式中因变量的滞后差分项的个数

Laggeddifference下方的数值表示ADF检验的方程中滞后期期P，如果做DF检验，则P的值应当取0。

1、个案剔除法：最常见、最简单的处理缺失数据的方法是用个案剔除法也是很多统计软件(如SPSS和SAS)默认的缺失值处理方法。在这种方法中如果任何一个变量含有缺失数据的话，就把相对应的个案从分析中剔除。如果缺失值所占比例比较小的话，这一方法十分有效。至于具体多大的缺失比例算是“小”比例，专家们意见也存在较大的差距。有学者认为应在5%以下，也有学者认为20%以下即可。然而，这种方法却有很大的局限性。它是以减少样本量来换取信息的完备，会造成资源的大量浪费，丢弃了大量隐藏在这些对象中的信息。在样本量较小的情况下，删除少量对象就足以严重影响到数据的客观性和结果的正确性。因此，当缺失数据所占比例较大，特别是当缺数据非随机分布时，这种方法可能导致数据发生偏离，从而得出错误的结论。
2、均值替换法：将变量的属性分为数值型和非数值型来分别进行处理。如果缺失值是数值型的，就根据该变量在其他所有对象的取值的平均值来填充该缺失的变量值；如果缺失值是非数值型的，就根据统计学中的众数原理，用该变量在其他所有对象的取值次数最多的值来补齐该缺失的变量值。但这种方法会产生有偏估计，所以并不被推崇。均值替换法也是一种简便、快速的缺失数据处理方法。使用均值替换法插补缺失数据，对该变量的均值估计不会产生影响。但这种方法是建立在完全随机缺失(MCAR)的假设之上的，而且会造成变量的方差和标准差变小。
3、热卡填充法：对于一个包含缺失值的变量，热卡填充法在数据库中找到一个与它最相似的对象，然后用这个相似对象的值来进行填充。不同的问题可能会选用不同的标准来对相似进行判定。最常见的是使用相关系数矩阵来确定哪个变量(如变量Y)与缺失值所在变量(如变量X)最相关。然后把所有个案按Y的取值大小进行排序。那么变量X的缺失值就可以用排在缺失值前的那个个案的数据来代替了。与均值替换法相比，利用热卡填充法插补数据后，其变量的标准差与插补前比较接近。但在回归方程中，使用热卡填充法容易使得回归方程的误差增大，参数估计变得不稳定，而且这种方法使用不便，比较耗时。

样本标准差=方差的算术平方根=s=sqrt（（（x1-x）^2+（x2-x）^2+（xn-x）^2）/（n-1））
总体标准差=σ=sqrt（（（x1-x）^2+（x2-x）^2+（xn-x）^2）/n）
由于方差是数据的平方，与检测值本身相差太大，人们难以直观的衡量，所以常用方差开根号换算回来这就是我们要说的标准差（SD）。
估计值的显著性概率值（prob)都小于5%水平，说明系数是显著的。R方是表示回归的拟合程度，越接近1说明拟合得越完美。调整的R方是随着变量的增加，对增加的变量进行的“惩罚”。
D-W值是衡量回归残差是否序列自相关，如果严重偏离2，则认为存在序列相关问题。F统计值是衡量回归方程整体显著性的假设检验，越大越显著。

CREATE，d出创建文件对话框DATAYX，创建并打开群窗口PLOTYX，得到序列的趋势图SCAT XY，得到两个序列的相关图LSYCX，用最小二乘法进行方程Y=C（1)+C（2)”X的参数估计scalar val=10创建标量show val 则在左下角显示该标量的值Expand 2001 2007追加记录，扩展样本函数（以@符号为起始符）序列描述统计函数：均值[@MEAN（）]；相关系数[@COR(）]；协方差[@COV（）]回归统计函数：回归参数标准差[@STDERRS（i)]；回归系数[@COEFS（i]；回归标准差[@SE]；回归可决系数[@R2]；残差平方和[@SSR]分布函数：标准正态分布[@CNORM（）]：t分布[@TDIST（x，V)]混合运用

计量经济学
中，“eviews”这些字母的意思如下：
1
R-SQUARED判定系数
，越近1越好。
2
ADJUSTED R-SQUARED 调整的判定系数，大多情况下略小于判定系数。
3
SE OF REGRESSION 回归标准差
，越小越好。
4
LOG LIKELIHOOD 似然估计值，暂可不考虑。
5
DURBIN-WATSON STAT 杜宾-瓦特森统计量，检验是否存在一阶自相关的指标。

双击打开变量resid，点击VIEW-Descriptive
Statistics&Tests-Stats
Table
然后给出一个表格，显示残差的均值，众数，最大值，最小值，标准差
StdDev即标准差，方差是标准差的平方

是否取对数要看数据的具体分布，总之要使模型最后的残差尽可能接近正态分布。所以，一般的，数据本身如果就是对数正态分布的话即尖峰肥尾，要取对，如股票价格等。而如通胀数据则不必。 取对当然可以减少异方差了。第一，对数变换可明显改善显著右偏的单个数据集，使之驱向对称，以至于更大程度地满足许多常用模型对变量正态分布的假定。 第二，对数变换可以把一组非线性结构的变量转化为近似的或显著的线性关系，以简化模型，改善估计方法。 第三，对理论上可无限分割后用再用几何平均法计算其均值的现象，对数变换后，可用算术平均法计算，满足概率论中期望、方差的定义。

---