每个收入水平Xi，有Ni个高中毕业生，其中有ni个选择上大学(ni≤Ni)。根据表中数据，可以使用每组家庭收入所对应的选择上大学的相对频率作为在这一收入水平下高中生选择上大学概率的估计：
?i?pni Ni?i是逼近于真实的pi，这就是如果每一个Xi处的观察个数Ni足够大，这样计算得到p?i，就可以使用普通最小二乘法估计Logit模型。统计学中的频率收敛于概率的原理。利用p
2.利用FWLS来估计Logit模型，随机干扰项的方差估计式是：
?? ?21 其中Ni表示群组总体个数。
??Nipi(1?pi)3.解释回归系数的经济含义，并计算当家庭收入为40时的选择上大学的概率。 4.个体数据的Logit估计的数据，并利用Eviews来估计以下的Logit模型；
表10.3.3 妇女参与劳动力市场数据 观测数 Y A S 观测数 Y A S 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 1 1 1 0 1 0 1 1 0 1 1 1 0 1 0 31 34 41 67 25 58 45 55 43 55 25 41 62 51 39 16 14 16 9 12 12 14 10 12 8 11 14 12 13 9 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 1 1 0 0 1 1 1 0 0 0 1 1 0 0 1 35 40 43 37 27 28 48 66 44 21 40 41 23 31 44 10 14 10 12 13 14 12 7 11 12 10 15 10 11 12 Y表示妇女有工作或正在找工作、A表示妇女的年龄、S表示妇女受教育年限。
11
模型： Li?Ln(pi)??0??1Ai??2Si??i 1?pi5.解释回归系数的经济含义；
6.利用表10.3.3中妇女参与劳动力市场的数据做Probit模型估计，并解释各个系数的经济含义，同时要说明两种模型的异同。
实验十五：平稳时间序列ARMA模型的估计
实验数据与说明：文件夹sy15.wf1。平稳时间序列模型包括自回归模型(AR)、移动平均模型(MA)、自回归移动平均模型(ARMA)三种。判断规则是AR(P)是偏自相关函数截尾而自相关函数拖尾；MA(q)是自相关函数截尾而偏自相关函数拖尾；ARMA(p,q)是自相关函数和偏自相关函数都拖尾。 研究我国自1950-2008年的商品零售价格指数(RPI，1950=100)的时间序列建模。 实验内容：
1.差分计算价格序列，消除非平稳性； 2.对差分序列计算自相关和偏自相关函数； 3.对差分序列建立ARMA(1,1)模型。
实验十六：VAR模型估计与冲击反应函数估计
实验数据与说明：文件夹sy16.wf1。研究我国2001.7-2003.3月的家庭设备用品及服务价格指数和医疗保健及个人用品价格指数之间的动态关系(以上年度=100)，并基于VAR模型进行Granger因果关系检验。 实验内容：
1.了解VAR建模思想，以及与传统考尔斯委员会的建模区别；了解VAR模型的滞后阶选择、估计以及冲击反应函数和方差分解等概念。 2.VAR模型的估计在Eviews上的实现
3.如何对VAR模型的冲击反应函数进行Eviews估计、并画出冲击反应图
实验十七：格兰杰(Granger)因果关系检验
Granger因果关系检验基于以下的回归模型：
Yt?c???iYt?i???jXt?j??t t=1, 2,?, T
i?1j?1pq其中?tt表示第t次观测。原假设为X不是Y的Granger原因，iidN(0,?2)的随机误差项，
即H0:?1??2?...??q?0，也就是说，X的滞后值没有显著提高Y的预期精度。对上式
12
进行OLS估计，构造统计量：F?(RSSr?RSSu)/q，RSSr、RSSu分别是模型的有
RSSu/(T?p?q?1)约束和无约束残差平方和，该统计量在原假设成立的条件下服从F(q, T-p-q-1)。如果给定显著性水平，当统计量的值大于临界值时意味着拒绝原假设，即X是Y的Granger原因，反之，接受原假设意味着X不是Y的Granger原因。
实验数据与说明：文件夹sy17.wf1。以280天(2009年12月28日至2011年2月25日)的上证综指(SH)和深证成指(SZ)的数据为例，研究沪市和深市是否存在Granger因果关系。 实验内容：
1.在同一坐标系中画出两个序列的趋势图，观察其是否是具有协同的趋势； 2.基于以下模型检验沪市是否是深市的Granger原因：
SZZ2??t??0??1SZt?1??2St?3St?H1??4St?H?2 ?t即要检验?3??4?0是否成立，如果成立则说明沪市不是深市的Granger原因，反之沪市是深市的Granger原因；
3. 基于以下模型检验沪市是否是深市的Granger原因：
SHt??0??1SHt?1??2SHt?2??3St?Z1??4t?SZ?2 ?t即要检验?3??4?0是否成立，如果成立则说明深市不是沪市的Granger原因，反之深市是沪市的Granger原因；
4.基于Group对象的Granger因果关系检验，同时由于granger因果关系检验对滞后值的选取很敏感，因此滞后值分别设定为2、5、10、15、20、25，如果所有的滞后值都支持同一结论，则我们就有理由相信结论是正确的。
实验十八：单位根检验
实验数据与说明：文件夹sy18.wf1。分析上例中深圳成指(SZ)和上海综指(SH)日序列(280天)，看是否存在单位根过程。 实验内容：
1.画趋势图，观测趋势图对单位根检验式设定有何作用 2.认识单位根检验窗口的4个设定选择区，了解各选择的含义
3.选含截距的单位根检验式，进行单位根检验，观察检验结果，并去掉不显著的截距项重新检验
4.确定单位根的阶数，即对数据过程一阶差分进行进一步的单位根检验，以此来确定单位根的阶数
5.单位根过程在回归中要注意的事项
13
实验十九：研究我国进(EXPO)、出口贸易(IMPO)、价格指数(PRICE,1990=1)数据(1951-1991)是否是单位根过程。
实验数据与说明：文件夹sy19.wf1。宏观经济数据一般而言都是非平稳过程，即是单位根过程，本实验将进一步熟悉单位根检验的操作步骤。 实验内容：
1.首先对数化数据，画数据的趋势图，看是否是非平稳的？
2.用ADF检验方法检验对数化数据是否是单位根的？首先用含趋势的检验式，然后观察趋势项是否显著，如果不显著则去掉趋势项重新检验，这样的处理方法也适用于截距项；
实验二十：研究我国进(EXPO)、出口贸易(IMPO)、价格指数(PRICE,1990=1)数据(1951-1991)之间是否存在协整关系。
实验数据与说明：文件夹sy20.wf1。如果数据过程都包含相同阶数的单位根，如果要对它们进行回归的话，首先必须进行协整检验，只有存在协整关系时，非平稳过程之间的回归才不会出现伪回归现象。在协整基础上，熟悉ECM的构造与估计。 实验内容：
1.用图观察两个单位根过程之间是否存在长期的均衡关系；
Eviews7.2中有专门的协整方程估计，因为协整方程估计有很多种方法：OLS、DOLS、FMOLS、CCR方法，所以在Eviews7.2中列出所有估计协整的选项。同时也列出了基于残差的协整检验方法(E-G两步法和其他的检验方法)。
2.用E-G两步法检验两变量之间是否存在协整关系(对残差序列进行单位根检验时，临界值发生了变化，要用Phillips和Ouliaris(1990，表Ⅱb、表Ⅱc)或者Fuller(1996，表10.A.2))，如果存在就写出协整方程式；
3.利用Johansen协整检验方法来检验两个序列之间是否存在协整关系，如果存在，则要写出协整方程式；
????X???t，4.如何建立误差修正模型(ECM)。说明如果X和Y之间存在协整，即存在Y??01则ECM模型为： ?Yt????Yii?1pt?i???j?Xt?j??ecm??t
j?1q?t?1，ECM模型既有描述变量长期关系的参数，又有描述变量短期关系的其中：ecm就是?参数，因此ECM既可研究经济问题的静态(长期协整关系)关系，又可研究其短期动态特征。
实验二十一：面板数据分析
14
参考资料文件夹中的面板数据分析
实验数据与说明：文件夹sy21.wf1。利用1996-2002年我国东北、华北、华东15个省级地区的居民家庭人均消费(cp，不变价格)和人均收入(ip，不变价格)来研究各省的人均收入如何影响人均消费。 实验内容：
1.建立面板数据的工作文件(Workfile)； 2.定义序列名并输入数据； 3.个体固定效应模型估计； 4.个体随机效应模型估计； 5.Hausman检验； 6.面板单位根检验(*)
实验二十二：Eviews编程初步
本部分内容是满足用户的特殊计算而设计的。大家知道，在经济分析当中具有较大部分的计算模型和方法在Eviews中没有相应的菜单操作。譬如，根据某一条件，要计算不同样本容量下回归模型，此时利用Eviews菜单进行OLS估计可能会浪费大量的时间与精力，因此为了实现这些特殊功能，必须借助Eviews计算平台，编写适当的Eviews程序就可以满足用户的需求。
以下两点要注意：
①实际上，程序设计并不难，关键是要对计算步骤和思路非常清晰，然后借助Eviews的内置函数就可以达到目的；
②“千里之行始于足下”，只有第一步迈出之后才能领会Eviews计算平台的魅力。 主要内容：程序的创建、存储、打开、运行、终止；控制变量、字符串变量、字符串操作、替代变量、程序参数；条件语句、FOR循环语句、WHILE循环语句；简单程序的例子。
参考资料夹中的文件说明！
15