毕业论文自变量一样eviews

第一个模型还可以，但是存在自相关（DW检验值也就是Durbin-Watson stat 为，正自相关），需要进行差分处理。估计是一阶自相关。第二个模型，自变量没有一个显著的，确实需要更改。看模型是否合适，一是系数显著性检验，一是方程显著性检验。一元回归时，两个检验是一样的，所以第一个模型中，自变量X系数估计值显著（X对应的Prob值为，一般要求小于就算通过），方程也显著（看F-statistic的值），但是一阶自相关最好消除。但是多元回归中，两个检验需要分开看。第二个模型中，方程显著性可能能通过检验，但是自变量系数估计值对应的Prob都大于，所以问题比较大。几个建议：1、样本数据来源于1995年到2006年，感觉还是少了些，而且2011年的论文至少最晚应该是截止到2009年。如果条件允许，最好能够更早些数据。有25个以上年份数据，做的模型合适些。2、第二个模型因为你没有列举具体自变量、因变量名称，不好下结论。那么，一个办法是考虑自变量的选择是不是合理，现有的自变量有没有可以去掉的，或者有没有遗漏更合理的自变量，调整自变量后再回归；如果你认为自变量不需要修改，在增加样本数据情况下，另一个办法是用SPSS软件，里面有“逐步回归”选项，看看能不能得到合理模型。

一，首先我根据ADF检验结果，来说明这两组数据对数情况下是否是同阶单整的（同阶单整即说明二者是协整的，这是一种协整检验的方法），我对你的两组数据分别作了单位根检验，结果如下：水平下的ADF结果：Null Hypothesis: LNFDI has a unit rootExogenous: ConstantLag Length: 2 (Automatic based on AIC, MAXLAG=3) Augmented Dickey-Fuller test statistict-Statistic Prob.* critical values:1% level level level *MacKinnon (1996) one-sided : Probabilities and critical values calculated for 20observations and may not be accurate for a sample size of 14从上面的t-Statistic对应的值可以看到， 大于下面所有的临界值，因此LNFDI在水平情况下是非平稳的。然后我对该数据作了二阶，再进行ADF检验结果如下：t-Statistic Prob.*- critical values:1% level level level 看到t-Statistic的值小于10% level下的，因此可以认为它在二阶时，有90%的可能性，是平稳的。的结果：它的水平阶情况与LNFDI类似，T统计值都是大于临界值的。因此水平下非平稳，但是二阶的时候，它的结果如下：t-Statistic Prob.* critical values:1% level level level 即，T统计值小于1% level的值，因此认为，它在二阶的时候，是有99%的可能是平稳的。这样就可以认为两者LNFDI和LNEX是单阶同整的。即通过了协整检验。二，GRANGER检验（因果关系检验）这个就是为了看这两组数据是否存在因果关系。我做了他们的二阶因果关系检验（因为他们在二阶时都平稳），结果如下：Null Hypothesis: Obs F-Statistic ProbabilityLNEX does not Granger Cause LNFDI does not Granger Cause 看到，Probability下面对应的值，和都是小于的，因此我们可以认为这两组数据之间相互存在着因果关系。写了这么多，你还有问题就在补充里说吧~我不知道你要的是结果还是做法，结果就是这样的~~

1eviews软件是qms（quantitativemicrosoftware）公司开发的基于windows平台下的应用软件，其前身是dos操作系统下的tsp软件。该软件是由经济学家开发，主要应用在经济学领域，可用于回归分析与预测(regressionandforecasting)、时间序列(timeseries)以及横截面数据(cross-sectionaldata)分析。与其他统计软件（如excel、sas、spss）相比，eviews功能优势是回归分析与预测。eviews引入了流行的对象概念，操作灵活简便，可采用多种操作方式进行各种计量分析和统计分析，数据管理简单方便。其主要功能有：（1）采用统一的方式管理数据，通过对象、视图和过程实现对数据的各种操作；（2）输入、扩展和修改时间序列数据或截面数据，依据已有序列按任意复杂的公式生成新的序列；（3）计算描述统计量：相关系数、协方差、自相关系数、互相关系数和直方图；（4）进行t检验、方差分析、协整检验、granger因果检验；（5）执行普通最小二乘法、带有自回归校正的最小二乘法、两阶段最小二乘法和三阶段最小二乘法、非线性最小二乘法、广义矩估计法、arch模型估计法等；（6）对二择一决策模型进行probit、logit和gompit估计；（7）对联立方程进行线性和非线性的估计；（8）估计和分析向量自回归系统；（9）多项式分布滞后模型的估计；（10）回归方程的预测；（11）模型的求解和模拟；（12）数据库管理；（13）与外部软件进行数据交换

如果这么分析最好有借鉴的论文有借鉴的论文我可以帮你进行eviews操作