eviews6.0实战教程：财政收入与GDP关系分析

"eviews6.0 实际案例操作.pdf" Eviews6.0是一款强大的统计分析和预测软件，常用于经济和金融领域的数据分析。在这个实际案例操作教程中，我们将探讨如何利用Eviews进行回归分析，以研究1978年至2000年间我国财政收入（Y）与GDP（GDP）之间的关系。 首先，我们需要安装并启动Eviews6.0。安装完成后，开始创建新的工作文件（Workfile）。在File菜单中选择New，然后选择Workfile，并设置样本数据的开始日期（StartDate）和结束日期（EndDate），这将决定分析的时间跨度。 接着，我们创建一个新的空组（Empty Group）来输入数据。在Quick菜单中选择Empty Group，输入财政收入（Y）和GDP的数据。注意，原始数据列可能默认命名为ser01，可以通过右键点击并选择Rename来更改列名，例如更改为“Y”和“GDP”。 进行回归分析时，我们需要创建一个新的对象。在Object菜单中选择New Object，然后点击OK，输入“ycgdp”作为回归方程的名称，点击确定，Eviews将自动进行最小二乘法（Least Squares）的回归计算。 回归结果会展示一系列关键指标： 1. Dependent variable（被解释变量）：这里是财政收入（Y）。 2. Method（方法）：使用的是Least Squares最小二乘法。 3. Included observations（包含观察对象个数）：指参与回归分析的数据点数量。 4. Coefficient（系数）：表示每个自变量对因变量的影响程度，例如GDP的系数为0.1198。 5. Std.Error（标准误）：衡量系数估计的精确度。 6. T-statistic（t统计量）：用于检验系数是否显著。t统计量的计算涉及样本平均值和标准误，可用于单样本或双样本t检验。 7. Prob（p值）：反映系数显著性的概率，若p值小于显著性水平（通常为0.05），则认为系数显著。 8. R_squared（拟合优度）：表示模型解释变量变动的百分比，值越接近1，拟合效果越好。 9. Adjusted R-squared（调整后的拟合优度）：考虑了自变量的数量，比R_squared更保守。 10. S.E. of regression（扰动项标准差）：衡量因变量的残差（误差项）的波动程度。 11. Sum of squared resid（残差平方和ESS）：残差的总平方和，用于评估模型的残差波动。 通过这些指标，我们可以分析Y和GDP之间的关系是否显著，以及模型的拟合质量。在本例中，如果t统计量的绝对值较大且对应的p值很小，那么我们可以推断财政收入与GDP之间存在显著的正相关关系。同时，高R_squared和低残差平方和表明模型能够较好地解释财政收入的变化。然而，具体分析结果需要结合实际数据和统计学知识来解读。