ля того, як вихідні дані перенесені в робочу область пакета, треба провести їх верифікацію. Необхідно створити нову групу, яка містить всі імпортовані серії (змінні). Це робиться таким чином: необхідно клікнути мишкою по імені залежною змінною (Y), потім, утримуючи клавішу CTRL клікнути по змінним Х1, X2, X3, X4, X5. Далі необхідно вибрати опцію Open Group. p align="justify"> Пакет створить групу, ім'я якої можна привласнити за допомогою кнопки Name (рис. 5). У робочому файлі відразу додасться одна змінна з введеним ім'ям Group1. <В
Рис.5. Дані в пакеті Eviews
Утворилася група, в якій кожен стовпець (серія) має таку назву, яка задано у файлі Excel.
Утворену групу Group1 можна переглядати як лінійні графіки по кожній змінної (View/Multiple Graphs), як показано на малюнку 6.
В
Рис 6. Графічне подання даних в пакеті Eviews. br/>
Регресійний аналіз буде проведений за допомогою наступних моделей і методів:
В· МНК (метод найменших квадратів)
В· Узагальнений метод моментів
В· авторегресійного умовно гетероскедастичності модель.
Вибір методу здійснюється наступним чином - у рядку меню групи вибираємо Procs/Make Equation. Перед нами з'явиться діалогове вікно (рис 7.). <В
Рис. 7. Вибір методу
У вікні Equation Specification перечис змінні, що входять в рівняння регресії (на першому місці - залежна змінна, потім - незалежні змінні, які включені в рівняння; с - це вектор коефіцієнтів при вільному члені рівняння регресії). У рядку Method є методи:
LS - метод найменших квадратів, мінімізується сума квадратів відхилення для кожного рівняння.
TSLS - двустадийному метод найменших квадратів, застосовується, коли присутня кореляція між змінними, що стоять у правій частині рівняння регресії.
ARCH - метод авторегресії з умовою гетероскедастичності, використовується для моделювання та прогнозування умовних коливань і змін.
GMM - загальний метод моментів, належить до класу оціночних методів, відомих як М-оцінка, що визначаються мінімізацією деякої функції критерію.
Binary - двійковий відбір (логіт-перетворення, метод пробиті, екстремальне значення) використовується для тих моделей, у яких залежна змінна Y може приймати два значення.
Ordered - впорядкований відбір, застосовується коли присутня різноманіття прихованих помилок розподілу. Видимий змінна Y представляється на виході у вигляді впорядкованої або ранжированого категорії. p align="justify"> Cencored - цензурувати дані. Використовується для оцінювання тих моделей в яких залежна змінн...
