计量经济学(本科)
南开大学数量经济研究所教授
数量经济学专业博士生导师
张晓峒
nkeviews@yahoo.com.cn
(第6讲)
第6章 自相关
非自相关假定
自相关的来源与后果
自相关检验
自相关的解决
克服自相关的矩阵描述(不讲)
自相关系数的估计
案例分析(2例) file:li-6-1, li-6-2
(第3版第135页)
6.1 非自相关假定:Cov(ui, uj ) = E(ui uj) = 0, (i, j T, i j)
如果 Cov (ui , uj ) 0, (i, j T, i j)则称误差项 ut存在自相关。
自相关又称序列相关。也是相关关系的一种。
自相关按形式可分为两类。
(1)一阶自回归形式。ut = f (ut-1)
(2)高阶自回归形式。ut = f(ut- 1, ut -2 , … )
经济计量模型中自相关的最常见形式是一阶线性自回归形式。
ut = 1 ut -1 + vt
E(vt ) = 0, t = 1, 2 …, T
Var(vt) = v
2
, t = 1, 2 …, T。Cov(vi, vj ) = 0, i j, i, j = 1, 2 …, T
Cov(ut-1, vt) = 0, t = 1, 2 …, T
(第3版第136页)
依据 OLS 公式,模型 ut = 1 ut -1 + vt中1 的估计公式是 1aˆ =
T
t
t
T
t
tt
u
uu
2
2
1
2
1
。
若把 ut, u t-1看作两个变量,则它们的相关系数是 ˆ =
T
t
t
T
t
t
T
t
tt
uu
uu
2
2
1
2
2
2
1
。
对于充分大的样本显然有
T
t
tu
2
2
T
t
tu
2
2
1 。代入上式得 1
2
2
1
2
1
ˆˆ
T
t
t
T
t
tt
u
uu
。
对于总体参数有 = 1。ut的一阶自回归形式可
示为,ut = ut-1 + vt
下面以一元线性回归模型,Yt = 0 + 1 Xt + ut , (t = 1, 2, … T),其中 ut = ut -1 + vt,
(存在一阶自相关)为例,推导 ut 的期望、方差与协方差公式。
E(ut) = E( ut-1 + vt) = E(ut-1) + E(vt)
(1- ) E(ut) = E(vt) = 0
E(ut) = E(vt) = 0
Var(ut) = E(ut)
2
= E( ut-1+ vt)
2
= E( 2 ut-1
2
+ vt
2
+ 2 ut-1 vt)
= 2 E(ut-1
2
) + E(vt
2
) + 2 E(ut-1 vt), (E(ut-1 vt) = 0)
(1- 2 ) Var(ut) = E(vt
2
) = v
2
Var(ut) =
2
2
-1
v , (ut 的自相关越严重,
2越大,Var(ut) 越大)
Cov(ut, ut-1) = E(ut ut-1) = E[ ( ut-1+ vt) ut-1 ]
= E( ut-1
2
+ ut-1 vt) = E(ut-1
2
) + E(ut-1 vt) (E(ut-1 vt) = 0)
= Var(ut-1) = Var(ut) (Var(ut) 越大,Cov(ut, ut-1))
Cov(ut, ut-2) = E(ut ut-2) = E[ ( ut-1+ vt) ut-2 ] = E( ut-1ut-2 + ut-2vt)
= E(ut-1ut-2) + E(ut-2vt) = Cov(ut, ut-1) =
2
Var(ut)。(E(ut-2vt) = 0)
同理,Cov(ut, ut - s) =
s
Var(ut)
(第3版137页)
序列的自相关特征分析。
-4
-2
0
2
4
10 20 30 40 50 60 70 80 90 100
X
a. 正自相关序列 b. 正自相关序列散点图
-6
-4
-2
0
2
4
6
10 20 30 40 50 60 70 80 90 100
X
c. 负自相关序列 d. 负自相关序列散点图
-3
-2
-1
0
1
2
3
10 20 30 40 50 60 70 80 90 100
U
e. 非自相关序列 f 非自相关序列散点图
-6
-4
-2
0
2
4
6
-6 -4 -2 0 2 4 6
X(-1)
X
-6
-4
-2
0
2
4
6
-6 -4 -2 0 2 4 6
X(-1)
X
-4
-2
0
2
4
-4 -2 0 2 4
U(-1)
U
6.2自相关的来源与后果
自相关的来源:
1.模型的数学形式不妥。
2. 惯性。大多数经济时间序列都存在自相关。
3. 回归模型中略去了带有自相关的重要解释变量。
(第3版139页)
0
4
8
12
16
20
24
28
0.0 0.2 0.4 0.6 0.8 1.0 1.2
Y
YF1
YF2
X
-3
-2
-1
0
1
2
3
4
78 80 82 84 86 88 90 92 94 96 98 00 02
RESID 0
6.2 自相关的来源与后果
0
1
2
3
4
5
-1.0 -0.5 0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5
B1F1 B1F2 B1F3
(第3版140页)
模型存在自相关的后果:
1. 回归系数的最小二乘估计量 jˆ 仍具有无偏性。
E( ˆ ) = E[ (X 'X )
-1
X 'Y ] = E[ (X 'X )
-1
X ' (X + u) ] = + (X 'X)-1 X ' E(u) =
以一元线性回归模型,Yt = 0 + 1 Xt + ut , (t = 1, 2, … T),其中 ut = ut -1 + vt,
(存在一阶自相关)为例,推导 1ˆ 的期望。
12121
2
1
21
)(
)()(
)(
)(
)(
])([)(
)(
))((
)ˆ(
XX
uEXX
XX
uXX
E
XX
uXXXX
E
XX
YYXX
EE
t
tt
t
tt
t
ttt
t
tt
同理可证,E( 0ˆ ) = 0。对于多元回归模型也有 E( 0ˆ ) = 0。
2. Var( jˆ ) 不再具有最小方差。
以一元线性回归模型,Yt = 0 + 1 Xt + ut , (t = 1, 2, … T),其中 ut = ut -1 + vt,(存在一阶自相关)
为例,推导 1ˆ 的方差。
2
2
2
111
)(
)()(
)ˆ()ˆ(
XX
uEXX
EEVar
t
tt
2221122
)(...)()(
)(
1
TT
t
uXXuXXuXXE
XX
]}))((...)()()()( 2[
)(...)()(
)(
1
1133112211
222
2
2
2
2
1
2
122
TTTT
TT
t
uuXXXXuXXuXXuXXuXX
uXXuXXuXXE
XX
=
st
st
T
t
t
st
t
T
t
t
T
t
t
uuE
XX
XXXX
uE
XX
XX
)(
)(
))((
2)(
)(
)(
2
1
2
2
2
1
2
1
2
Var( jˆ ) =
st
st
T
t
t
st
t
T
t
t
T
t
t
uuE
XX
XXXX
uE
XX
XX
)(
)(
))((
2)(
)(
)(
2
1
2
2
2
1
2
1
2
=
st
st
T
t
t
st
T
t
t
t uuCov
XX
XXXX
XX
uVar
),(
)(
))((
2
)(
)(
2
1
2
1
2
当 ut不存在自相关时,Cov(ut, us) = 0,s > t,Var( 1ˆ ) =
T
t
t
t
XX
uVar
1
2)(
)(
。当 ut 具有一阶自回归形式时,
Var( 1ˆ ) =
st
t
s
T
t
t
st
T
t
t
t uVar
XX
XXXX
XX
uVar
)(
)(
))((
2
)(
)(
2
1
2
1
2
, s > t
对于经济序列,上式右侧第二项常常是正的(为什么?),所以 1ˆ 不再具有最小方差。
对于多元回归模型, 1ˆ 同样不再具有最小方差。
Var( 1ˆ ) =
st
t
s
T
t
t
st
T
t
t
t uVar
XX
XXXX
XX
uVar
)(
)(
))((
2
)(
)(
2
1
2
1
2
, s > t
Var(ut) =
2
2
-1
v
3. ut存在自相关时,低估误差项 ut的方差,低估 1ˆ 的方差(估计小了)。
4. 由于 ut 存在自相关时,Var( 1ˆ ) 和 su
2 都不具有最小方差性。用依据
OLS 法得到的回归方程去预测,预测无有效性。
6.3 自相关检验
(1)图示法:依据残差 et 对时间 t 的序列图作出判断。
(2)DW(Durbin-Watson)检验法
使用 DW 检验,应首先满足如下三个条件。(1)误差项 ut的自相关为一阶自回归形式。(2)
因变量的滞后值 Yt-1不能在回归模型中作解释变量。(3)样本容量应充分大(T 15)
DW 检验步骤如下。
H0: = 0 (ut 不存在自相关)。H1: 0 (ut 存在一阶自相关)
用残差值 et计算统计量 DW。
DW =
T
t
t
T
t
tt
e
ee
1
2
2
2
1 )(
=
T
t
t
T
t
T
t
T
t
tttt
e
eeee
1
2
2 2 2
1
2
1
2
2
因为在样本容量充分大条件下有
T
t
te
2
2 ≈
T
t
te
2
2
1 ≈
T
t
te
1
2
所以 DW 可以近似表示为, DW≈
T
t
t
T
t
T
t
ttt
e
eee
2
2
1
2 2
1
2
1 22
= 2 (1 -
T
t
t
T
t
tt
e
ee
2
2
1
2
1
) = 2 (1 - ˆ )
(第3版142页)
当DW值落在“不确定”区域时,有两种处理方法。(1)加大样本容量或
重新选取样本,重作DW检验。有时DW值会离开不确定区。(2)选用其
它检验方法。
DW检验临界值与三个参数有关。
的取值范围是 [-1, 1],所以DW统计量的取值范围是 [0, 4]。
6.3 自相关检验
(第3版144页)
与 DW 值的对应关系及意义
DW ut的表现
= 0 DW = 2 ut 非自相关
= 1 DW = 0 ut完全正自相关
= -1 DW = 4 ut完全负自相关
0 < < 1 0 < DW < 2 ut有某种程度的正自相关
-1 < < 0 2 < DW < 4 ut有某种程度的负自相关
DW= 2 (1 - ˆ )
附表 4 DW 检验临界值表( = 0.05)
T k =1 k =2 k =3 k =4 k =5
dL dU dL dU dL dU dL dU dL dU
15 1.08 1.36 0.95 1.54 0.82 1.75 0.69 1.97 0.56 2.21
16 1.10 1.37 0.98 1.54 0.86 1.73 0.74 1.93 0.62 2.15
17 1.13 1.38 1.02 1.54 0.90 1.71 0.78 1.90 0.67 2.10
18 1.16 1.39 1.05 1.53 0.93 1.69 0.82 1.87 0.71 2.06
19 1.18 1.40 1.08 1.53 1.97 1.68 0.86 1.85 0.75 2.02
20 1.20 1.41 1.10 1.54 1.00 1.68 0.90 1.83 0.79 1.99
21 1.22 1.42 1.13 1.54 1.03 1.67 0.93 1.81 0.83 1.96
22 1.24 1.43 1.15 1.54 1.05 1.66 0.96 1.80 0.86 1.94
23 1.26 1.44 1.17 1.54 1.08 1.66 0.99 1.79 0.90 1.92
24 1.27 1.45 1.19 1.55 1.10 1.66 1.01 1.78 0.93 1.90
25 1.29 1.45 1.21 1.55 1.12 1.66 1.04 1.77 0.95 1.89
26 1.30 1.46 1.22 1.55 1.14 1.65 1.06 1.76 0.98 1.88
27 1.32 1.47 1.24 1.56 1.16 1.65 1.08 1.76 1.01 1.86
28 1.33 1.48 1.26 1.56 1.18 1.65 1.10 1.75 1.03 1.85
29 1.34 1.48 1.27 1.56 1.20 1.65 1.12 1.74 1.05 1.84
注:1. 表示检验水平,T 表示样本容量, k 表示回归模型中解释变量个数
(不包括常数项)。
2. dU和 dL分别表示 DW 检验上临界值和下临界值。
3. 摘自 Dubrin-Watson (1951)。
DW检验临界值与三个参数
有关。
(1)检验水平,
(2)样本容量T ,
(3)原回归模型中解释变
量个数k(不包括常数项)。
6.3 自相关检验
(3)LM检验(亦称BG检验)法
(第3版145页)
LM 统计量既可检验一阶自相关,也可检验高阶自相关。
LM 检验是通过一个辅助回归式完成的,具体步骤如下。
Yt = 0 + 1 X1 t + 2 X2 t + … + k Xk t + ut
考虑误差项为 n 阶自回归形式 ut = 1 ut-1 + … + n ut - n + vt
H0: 1 = 2 = …= n = 0
用多元回归式得到的残差建立辅助回归式,
et = 1ˆ et-1 + … + nˆ et-n +0 +1 X1 t +2 X2 t + … + k Xk t + vt
估计并计算确定系数 R2。构造 LM 统计量,LM = TR2
若 LM = T R2 2(n),接受 H0;若 LM = T R
2
> 2(n),拒绝 H0。
6.4 自相关的解决方法 (第3版146页)
如果自相关是由于错误地设定模型的数学形式所致,那么就应当修改
模型的数学形式。方法是用残差 et 对解释变量的较高次幂进行回归。
如果自相关是由于模型中省略了重要解释变量造成的,那么解决办法
就是找出略去的解释变量,把它做为重要解释变量列入模型。
怎样查明自相关是由于略去重要解释变量引起的?一种方法是用残差
et对那些可能影响被解释变量,但又未单列入模型的解释变量回归,并
作显著性检验。
只有当以上两种引起自相关的原因都排除后,才能认为误差项 ut 真正
存在自相关。
在这种情况下,解决办法是变换原回归模型,使变换后模型的随机误
差项消除自相关。这种估计方法称作广义最小二乘法。
6.4 自相关的解决方法 (第3版147页)
Yt = 0 + 1X1 t + 2 X2 t+ … + k X k t + ut ,ut = ut-1 + vt(vt满足假定条件)
Yt = 0 + 1 X1t +2 X2 t + … + k Xk t + ut -1 + vt
求(t - 1) 期关系式,并在两侧同乘
Yt -1= 0 + 1X1 t -1 + 2 X2 t -1 + … + k X k t-1 + ut-1
上两式相减:Yt-Yt -1 = 0 (1-) + 1 (Xt - X1 t-1) +… + k (Xk t - Xk t -1) + vt
作广义差分变换:
Yt* = Yt - Yt -1, Xj t* = X j t - Xj t-1, j = 1, 2 , … k, 0* = 0 (1- )
则模型如下
Yt* = 0*+ 1 X1t* + 2 X2 t*
+… + k Xk t* + vt ( t = 2, 3,… T)
vt满足通常假定条件,上式可以用 OLS 法估计。
6.4 自相关的解决方法
(第3版148页)
(1)广义最小二乘法,对模型中全部变量作广义差分变换。
上式中1, …, k 就是原模型的1, …, k。0*与原模型中0 的关系
是,0= 0* / (1-)。上述方法得到的 0ˆ , 1ˆ , …, kˆ 称作回归系数
的广义最小二乘估计量。
(2)当误差项 ut 的自相关具有高阶自回归形式时,仍可用广义差分变
换做广义最小二乘估计。(见案例 6.2)
(3)用回归与时间序列组合模型克服自相关。(见第 12 章)
6.5 自相关系数的估计
(第3版151页)
1. 用 DW 统计量的值计算。
2
-1ˆ
DW
2. 直接用残差序列估计。
6.6 案例分析
200
400
600
800
1000
1200
1400
0 500 1000 1500 2000
X
Y
-60
-40
-20
0
20
40
60
80
100
78 80 82 84 86 88 90 92 94 96 98 00
RESID
Yt 和 Xt 散点图 残差图
(第3版152页)
(file:li-6-1)
例6.1 天津市城镇居民人均消费与人均可支配收入的关系。
天津市城镇居民年人均消费性支出(CONSUM,元),年人均可支配收
入(INCOME,元)关系研究。
先定义不变价格(1978=1)的年人均消费性支出(Yt,元)和年人均可支
配收入(Xt,元)。令
Yt = CONSUM / PRICE
Xt = INCOME / PRICE
假定所建立的回归模型形式是 Yt = 0 + 1 Xt + ut
例6.1 天津市城镇居民人均消费与人均可支配收入的关系。
(1)估计线性回归模型并计算残差。
tYˆ = 111.44 + 0.7118 Xt
(6.5) (42.1) R
2
= 0.9883, s.e. = 32.8, DW = 0.60, T = 23
(2)分别用 DW、LM 统计量检验误差项 ut是否存在自相关。
已知 DW = 0.60,若给定 = 0.05,查附表 4,得 DW 检验临界值 dL = 1.26,dU = 1.44。
因为 DW = 0.60 1.26,认为误差项 ut存在严重的正自相关。
LM(BG)自相关检验辅助回归式估计结果是
et = 0.6790 et -1 + 3.1710 – 0.0047 Xt + vt
(3.9) (0.2) (- 0.4) R
2
= 0.43, DW = 2.00
LM = T R
2
= 23 0.43 = 9.89。因为20.05(1) = 3.84,LM = 9.89 > 3.84,所以 LM 检验结果
也说明误差项存在一阶正自相关。
EViews 的 LM 自相关检验操作:点击最小二乘回归窗口中的 View 键,选 Residual
Tests/Serial Correlation LM Test…,在随后弹出的滞后期对话框中给出最大滞后期。点
击 OK 键。
例6.1 天津市城镇居民人均消费与人均可支配收入的关系。
(3)用广义最小二乘法估计回归参数。
首先估计自相关系数 ˆ 。
ˆ = 1 -
2
DW
= 1 -
2
60.0
= 0.70
对原变量做广义差分变换。令
GDYt = Yt - 0.70 Yt -1
GDXt = Xt - 0.70 Xt – 1
以 GDYt, GDXt,(1979 ~ 2000 年),为样本再次回归,得
GDYt = 45.2489 + 0.6782 GDXt
(3.7) (20.0)
R
2
= 0.95,DW = 2.31,T = 22,(1979 ~2000)
DW = 2.31。查附表 4,dL = 1.26,dU = 1.43。
因为 DW = 2.31 < (4 -1.43) = 2.57,
依据判别规则,误差项已消除自相关。
例6.1 天津市城镇居民人均消费与人均可支配收入的关系。
(第3版154页)
-60
-40
-20
0
20
40
60
78 80 82 84 86 88 90 92 94 96 98 00
RESID
广义差分变量估计结果:(Yt - 0.70 Yt -1)= 45.2489 + 0.6782(Xt - 0.70 Xt – 1)
0ˆ * = 45.2489。 0ˆ =
ˆ-1
*ˆ0 = 45.2489/(1-0.70) = 150.8297
原模型的广义最小二乘(GLS)估计结果: tYˆ = 150.8297 + 0.6782 Xt
原模型(误差项有自相关)的 OLS 估计结果: tYˆ = 111.44 + 0.7118 Xt
经济含义:天津市城镇居民人均消费性支出平均占人均可支配收入的 67.82%。
200
400
600
800
1000
1200
1400
200 400 600 800 1000 1200 1400 1600 1800 2000
X
Y
120
160
200
240
280
320
360
400
440
480
100 200 300 400 500 600 700
GDX
G
D
Y
0
1
2
3
4
5
-1.0 -0.5 0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5
B1F1 B1F2 B1F3
注意:
(1)R2 值有所下降。不应该不相信估计结果。原因是两个回归式所用变量不同,所以
不可以直接比较确定系数 R2的值。
(2)两种估计方法的回归系数有差别。计量经济理论认为回归系数广义最小二乘估计
量优于误差项存在自相关的 OLS 估计量。所以 0.6782 应该比 0.7118 更可信。特别
是最近几年,天津市城镇居民人均收入的人均消费边际系数为 0.6782 更可信。
(3)用 EViews 生成新变量的操作:
从工作文件主菜单中点击 Quick 键,选择 Generate Series …功能。在打开的对话框
中输入如下命令(每次只能输入一个命令),
Y = CONSUM / PRICE,X = INCOME / PRICE
GDY= Y - 0.7*Y(-1) ,GDX = X - 0.7*X(-1)
按 OK 键。变量 Y、X、GDY、GDX 将自动显示在工作文件中。
例6.2 天津市保费收入和人口的回归关系
本案例主要用来展示当模型误差项存在2阶自回归形式的自相关时,
怎样用广义差分法估计模型参数。
1967~1998年天津市的保险费收入(Yt,万元)和人口(Xt,万人)
数据散点图见图。Yt与Xt的变化呈指数关系。对Yt取自然对数。LnYt与Xt
的散点图见图。
可以在LnYt与Xt之间建立线性回归模型。LnYt = 0 + 1 Xt + ut
0
100000
200000
300000
650 700 750 800 850 900 950
X
Y
4
6
8
10
12
14
700 800 900
X
LnY
Yt和Xt散点图 LnYt和Xt散点图 (第3版155页)
(file:li-6-2)
(第3版157页)
-.8
-.4
.0
.4
.8
1970 1975 1980 1985 1990 1995
RESID
案例6.2 天津市保费收入和人口的回归关系
(1)估计线性回归模型并计算残差。
tLnY = -11.18 + 0.0254 Xt
(-20.9) (37.2)
R
2
= 0.9788, DW = 0.36, T = 32, (1967-1998)
(2)检验误差项 ut是否存在自相关。
DW = 0.36,查附表 4,dL = 1.37,dU = 1.50。因为 DW = 0.36 1.37,
依据判别规则,认为误差项 ut存在严重的正自相关。
案例6.2 天津市保费收入和人口的回归关系
对残差序列的拟合发现,ut存在二阶自相关。
et = 1.186 et -1 - 0.467 et -2 + vt
(6.9) (-2.5) R
2
= 0.71, DW = 1.97 (1969-1998)
(3)用广义差分法消除自相关。
首先推导二阶自相关 ut= 1ut – 1+2ut –2+vt条件下的广义差分变换式。设模型为
LnYt = 0 + 1 Xt + ut
写出上式的滞后 1 期、2 期表达式并分别乘以1、2,
1 LnYt-1 = 10 + 11 Xt-1 + 1ut -1
2 LnYt-2 = 20 + 21Xt-2 + 2ut -2
用以上 3 式做如下运算,
LnYt -1 LnYt-1-2 LnYt-2 = 0 -10 - 20+1 Xt-11 Xt-1-21 Xt-2+ut-1ut- 1-2ut -2
将 2 阶自相关关系式,ut = 1ut – 1+ 2ut –2 + vt,代入上式并整理,得
(LnYt -1 LnYt-1 -2LnYt-2) = 0 (1- 1 - 2) + 1 (Xt - 1 Xt-1- 2Xt-2) + vt
上模型中的误差项 vt已经不存在自相关。
1.2
1.6
2.0
2.4
2.8
3.2
3.6
170 180 190 200 210 220 230 240 250 260
GDX
G
D
L
N
Y
5
6
7
8
9
10
11
12
13
640 680 720 760 800 840 880 920
X
L
N
Y
-.4
-.2
.0
.2
.4
.6
1970 1975 1980 1985 1990 1995
RESID
案例6.2 天津市保费收入和人口的回归关系
所以,二阶广义差分变换应该是
GDLnYt = LnYt -1 LnYt-1 -2LnYt-2
GDXt = Xt - 1 Xt-1- 2Xt-2
LnYt和 Xt的广义差分变换应该是
GDLnYt = LnYt -1.186 LnYt-1 +0.467 LnYt-2
GDXt = Xt -1.186 Xt-1 + 0.467 Xt-2
广义最小二乘回归结果是
tG D L n Y= -3.246 +0.0259 GDXt
(-10.0) (17.9) R
2
= 0.92, DW = 1.99, (1969-1998)
0 (1- 1 - 2) = 0 (1 -1.186 + 0.467) = -3.246
0 = -3.246/(1 -1.186 + 0.467) = -11.55
原模型的广义最小二乘估计结果是 LnYt = -11.55 + 0.0259 Xt
广义最小二乘估计值 0.0259 比最小二乘估计值 0.0254 值可信。
经济含义是每增加 1 万人,保费增加 2.59%。
南开大学 2009 级本科《计量经济学》课程第 3 次上机时间安排
上机时间 2011 年 11 月 2 日(周三)晚上,6:30 8:40
上机学习
file:li-5-1,见《计量经济学基础》(第 3 版)第 125 页
1:画散点图,观察异方差。
2:用 Goldfeld-Quandt、White、Glejser 方法检验异方差。
3:用 WLS 法估计模型,克服异方差。用加权变量画散点图。
4:对变量取对数,克服异方差。
file:li-6-1,见《计量经济学基础》(第 3 版)第 152 页
1:用 OLS 法估计模型,画残差图,观察自相关。
2:用 DW、LM 统计量检验自相关。
3:用 GLS 法估计模型,克服自相关。用广义差分变量画散点图。
上机地点
(分两组 3 室)
经济学院行政楼实验室 211、311、411。
第 1 组:晚上 6:30 7:30。
学号:08113930911697,地点:211。指导:聂思玥、聂昭
学号:09117210911774,地点:311。指导:张晓峒
学号:09117750911805,地点:411。指导:汪卢俊、谢蕊蕊
第 2 组:晚上 7:408:40。
学号:09118060911836,地点:211。指导:聂思玥、聂昭
学号:09118370911879,地点:311。指导:张晓峒
学号:09118900915049,地点:411。指导:汪卢俊、谢蕊蕊
注意:(1)开机后,从计算机的第 3 系统进入 EViews 7。(2)实验室内先听老师讲解,然
后上机练习。(3)有问题问上机指导。(4)2 日(周三)晚上不能上机的同学 8 日(周
二)上午 10:30 在实验室 311 上机。
第6章结束.