60.444318.9649576.7422870.0000 X-0.496014X(1)）0.5832870.02941019.833250.0000 R-squared 0.960914 Mean dependent var 231.9218 Adjusted R-squared 0.958472 S.D.dependent var 49.34525 S.E.of regression 10.05584 Akaike info criterion 7.558623 Sum squared resid 1617.919 Schwarz criterion 7.657554 Log likelihood -66.02761 F-statistic 393.3577 Durbin-Watson stat 1.397928 Prob(F-statistic) 0.000000 由表6.4可得回归方程为 =60.4443+0.5833X, (6.47) Se=(8.9650) (0.0294) 1=(6.7423) (19.8333) R2=0.9609 F=393.3577df=16DW=13979 式中，7=y-04960,X=X,-04960x. 由于使用了广义差分数据，样本容量减少了1个，为18个，查5%显著水平的DW统 计表可知d=1.16,d=139,模型中DW=1.3979>d,说明广义差分模型中已无自相关， 不必再进行迭代。同时可见，可决系数、七、F统计量也均达到理想水平。 对比模型(644)和(6.47)，很明显普通最小二乘法低估了回归系数B2的标准误差。[原 模型中Se(B2)=0.0214,广义差分模型中为Se(B)=0.0294。 经广义差分后样本容量会减少1个，为了保证样本数不减少，可以使用普莱斯一温斯 腾变换补充第一个规测值，方法是X=X一p和X=一p。在本例中即为 X,-0.4960°和Y,-0.4960。由于要补充因差分而损失的第一个观测值，所以在 EViews中就不能采用前述方法直接在命令栏输入y和X的广义差分函数表达式，而是要生 成X和Y的差分序列*和。在主菜单选择Quick/Generate Series或点击工作文件窗口工 具栏中的Procs/Generate Series,在弹出的对话框中输入Y=X-0.4960*y(-l),点击OK得到 广义差分序列，同样的方法得到广义差分序列。此时的和*都缺少第一个观测值， 需计算后补充进去，计算得Xi=345236,Y=275.598,双击工作文件窗口的X打开序列 显示窗口，点击Edt+/按钮，将X=345236补充到1985年对应的栏目中，得到X的19 个观测值的序列。同样的方法可得到严的19个观测值序列。在命令栏中输入PcX*得34 C 60.44431 8.964957 6.742287 0.0000 X-0.496014*X(-1) 0.583287 0.029410 19.83325 0.0000 R-squared 0.960914 Mean dependent var 231.9218 Adjusted R-squared 0.958472 S.D. dependent var 49.34525 S.E. of regression 10.05584 Akaike info criterion 7.558623 Sum squared resid 1617.919 Schwarz criterion 7.657554 Log likelihood -66.02761 F-statistic 393.3577 Durbin-Watson stat 1.397928 Prob(F-statistic) 0.000000 由表 6.4 可得回归方程为 * * 60.4443 0.5833 ˆYt = + Xt （6.47） Se = (8.9650) （0.0294） t = （6.7423） （19.8333） R 2 = 0.9609 F = 393.3577 d f = 16 DW = 1.3979 式中， 1 * 0.4960 ˆYt = Yt - Yt- ， 1 * 0.4960 Xt = Xt - X t- 。 由于使用了广义差分数据，样本容量减少了 1 个，为 18 个。查 5%显著水平的 DW 统 计表可知 dL = 1.16，dU = 1.39，模型中 DW = 1.3979> dU，说明广义差分模型中已无自相关， 不必再进行迭代。同时可见，可决系数 R 2、t、F 统计量也均达到理想水平。 对比模型（6.44）和（6.47），很明显普通最小二乘法低估了回归系数 2 ˆb 的标准误差。[原 模型中 Se（ 2 ˆb ）= 0.0214，广义差分模型中为 Se（ 2 ˆb ）= 0.0294。 经广义差分后样本容量会减少 1 个，为了保证样本数不减少，可以使用普莱斯—温斯 腾变换补充第一个观测值，方法是 2 1 * 1 X = X 1- r 和 2 1 * 1 Y = Y 1- r 。在本例中即为 2 1 X 1- 0.4960 和 2 1 Y 1- 0.4960 。由于要补充因差分而损失的第一个观测值，所以在 EViews 中就不能采用前述方法直接在命令栏输入 Y 和 X 的广义差分函数表达式，而是要生 成 X 和 Y 的差分序列 X*和 Y*。在主菜单选择 Quick/Generate Series 或点击工作文件窗口工 具栏中的 Procs/Generate Series，在弹出的对话框中输入 Y*= Y-0.4960*Y (-1)，点击 OK 得到 广义差分序列 Y*，同样的方法得到广义差分序列 X*。此时的 X*和 Y*都缺少第一个观测值， 需计算后补充进去，计算得 * X1 =345.236， * Y1 =275.598，双击工作文件窗口的 X* 打开序列 显示窗口，点击 Edit+/-按钮，将 * X1 =345.236 补充到 1985 年对应的栏目中，得到 X*的 19 个观测值的序列。同样的方法可得到 Y*的 19 个观测值序列。在命令栏中输入 Ls Y* c X*得