eviews试验参考指导书专业资料.doc

计量经济学
实 验 指 导 书

目 录
实验一 Eviews基本操作与一元线性回归模型最小二乘预计 1
实验目： 1
实验内容： 1
实验二：Eviews惯用函数与多元线性回归分析 6
实验目 6
实验内容 6
实验三 异方差检查与修正 8
实验目 8
实验内容 8
实验四 序列有关检查与修正 13
实验目 13
实验内容 13
实验五 多重共线性检查和修正 18
实验目 18
实验内容 18
实验六 柯布-道格拉斯生产函数求解 22
实验目 22
实验内容 22

实验一 Eviews基本操作与一元线性回归模型最小二乘预计
实验目：
1、熟悉Eviews窗口与界面
2、掌握Eviews命令与菜单操作
3、掌握用Eviews预计与检查一元线性回归模型
实验内容：
1、启动Eviews
双击Eviews图标，浮现Eviews窗口，它由如下某些构成：标题栏“Eviews”、主菜单“File，Edit，…，Help”、命令窗口（空白处）和工作区域。
命令窗口

工作区域

图1-1
2、产生文献
Eviews操作在工作文献中进行，故一方面要有工作文献，然后进行数据输入、分析等等操作。
（1） 读已存在文献：File→Open→Workfile。
（2） 新建文献：File→New→Workfile，浮现对话框“工作文献范畴”，选用或填上数据类型、起止时间。OK后，得到一种无名字工作文献，其中有：时间范畴、当前工作文献样本范畴、filter 、默认方程、系数向量C、序列RESID。
在主菜单上依次点击File/New/Workfile，即选取新建对象类型为工作文献，将弹出一种对话框（如图所示），由顾客选取数据时间频率（frequency）、起始期和终结期。

图1-2工作文献对话框
其中， Annual——年度 Monthly——月度
Semi-annual——半年 Weekly——周
Quarterly——季度 Daily——日
Undated or irregular——非时序数据
选取时间频率为Annual（年度），再分别点击起始期栏（Start date）和终结期栏（End date），输入相应日前1985和1998。然后点击OK按钮，将在EViews软件主显示窗口显示相应工作文献窗口（如图所示）。

图1-3工作文献窗口
工作文献窗口是EViews子窗口，工作文献一开始其中就包括了两个对象，一种是系数向量C（保存预计系数用），另一种是残差序列RESID（实际值与拟合值之差）。
（3）命令方式新建文献
在EViews软件命令窗口中直接键入CREATE命令，也可以建立工作文献。命令格式为： CREATE 时间频率类型 起始期 终结期
则以上菜单方式过程可写为：CREATE A 1985 1998
3、输入数据
（1）进入数据编辑窗口，有命令方式和菜单方式两种
①DATA命令方式
在EViews软件命令窗口键入DATA命令，命令格式为：
DATA <序列名1> <序列名2>…<序列名n>
本例中可在命令窗口键入如下命令（如图1-4所示）；将显示一种如图1-5数组窗口，此时可以按全屏幕编辑方式输入每个变量数据。
DATA Y X

图1-4

图1-5 数组窗口
②菜单方式
Object→New Object，选Series，并输入序列名称，确认后，点击Edit+/-编辑数据。
（2）数据输入
在数据编辑窗口，数据输入方式有如下几种方式：
①从键盘输入；
②从Excel复制数据。一方面，先取定Excel中数据区域，选“复制”；另一方面，打开Eviews，同2-（2），建工作文献，使样本区域包括与被复制数据同样多观测值个数；第三，击Quick→Empty Group (Edit series)；第四，按向上滚动指针，击数据区OBS右边单元格，点Edit→Paste，再退出，选No，于是，在工作文献中有被复制数据序列图标。
③从Excel复制某些数据到已存在序列中：取定要复制数据，复制之；打开包括已存在序列Group窗口，使之处在Edit模式（开核心是Edit+）；将光标指到目的单元格，点Edit→Paste，其他同3-（2）。
4、从Excel工作表中读取数据
击Procs→Import→Read-Lotus-Excel，选用文献类型为Text-ASCII或Excel.xls，打开文献；在对话框中，选用要打开序列名，各种之间用空格隔开（如全用原序列名，输入序列个数即可），OK。启动Eviews，练习Eviews菜单与命令使用；
5、一元线性回归模型OLS预计
办法1：在命令窗口，直接输入“LS 因变量 C 自变量”，中间用空格隔开，各种自变量之间也用空格隔开。
办法2：点Object→New Object→Equation，浮现对话框：在Equation Specification内填入方程（不带扰动项）；在Estimation Settings中填入所用预计办法和样本预计区间。
办法3：点Quick→Estimate Equation，同上填写对话框。
办法4：在工作文献内，按被解释变量、各解释变量图标顺序取定（按住Ctrl，用鼠标逐个选），对它们双击左键后，再点Open Equation，浮现对话框，依照习惯，将C放在被解释变量与解释变量之间，其他填充同上办法。
由如上回归成果，分析如何对方程进行拟合优度检查、回归系数明显性检查以及其置信区间求解。
6、一元线性回归模型预测
其环节为：
（1）扩展工作文献范畴。窗口方式：Proc→Structure/Resize current page；命令方式：EXPAND 起始日期 结束日期。
（2）扩展样本区间。窗口方式：Proc→set sample；命令方式：SMPL 起始日期 结束日期。
（3）输入解释变量预测时间取值，在OLS预计成果窗口，点击forecast，或在命令行输入FORECAST
7、图形分析
点Quick→Graph打开作图对话框，

图1-6

实验二：Eviews惯用函数与多元线性回归分析
实验目
1、掌握Eviews中惯用函数及应用
2、掌握用Eviews预计与检查多元线性回归模型
实验内容
1、掌握Eviews中惯用函数及应用
（1）普通函数
（2）关于回归成果函数
（3）函数在Eviews中应用
2、多元线性回归分析
（1）创立工作文献后（注意文献范畴尽量大，能包容序列），用New Object建立序列，在Edit状态下，在相应位置输入或复制序列数据。或者从Excel调入数据。
依照下表中数据分析城乡居民人均全年耐用消费品支出Y和可支配收入X1和耐用消费品价格指数X2

表1 城乡居民人均人均耐用消费品支出与可支配收入记录资料
年份
人均耐用消费品支出
Y（元）
人均全年可支配收入
X1（元）
耐用消费品价格指数
X2
1988
137.16
1181.4
115.96
1989
124.56
1375.7
133.35
1990
107.91
1501.2
128.21
1991
102.96
1700.6
124.85
1992
125.24
2026.6
122.49
1993
162.45
2577.4
129.86
1994
217.43
3496.2
139.52
1995
253.42
4283.0
140.44
1996
251.07
4838.9
139.12
1997
285.85
5160.3
133.35
1998
327.26
5425.1
126.39

① 建立工作文献： CREATE A 88 98
② 输入记录资料： DATA Y X1 X2
③ 建立回归模型：LS Y C X1 X2
⒉ 菜单点击法，Eviews中多元回归分析操作方式与一元回归分析相似可参照实验一环节
则预计成果及关于信息如图2-1所示。

图2-1
由此，回归方程：

＝(1.301564) (10.54786) (－0.921316)

（3）进行回归系数检查和回归方程检查，分析回归输出成果与否符合你盼望浮现状况。

实验三 异方差检查与修正
实验目
1、理解异方差含义后果、
2、学会异方差检查与加权最小二乘法
实验内容
一、准备工作。建立工作文献，并输入数据，用普通最小二乘法预计方程（操作环节与办法同前），得到残差序列。
表2列出了1998年国内重要制造工业销售收入与销售利润记录资料，请运用记录软件Eviews建立国内制造业利润函数模型。
表2 国内制造工业1998年销售利润与销售收入状况
行业名称
销售利润
销售收入
行业名称
销售利润
销售收入
食品加工业
187.25
3180.44
医药制造业
238.71
1264.1
食品制造业
111.42
1119.88
化学纤维制品
81.57
779.46
饮料制造业
205.42
1489.89
橡胶制品业
77.84
692.08
烟草加工业
183.87
1328.59
塑料制品业
144.34
1345
纺织业
316.79
3862.9
非金属矿制品
339.26
2866.14
服装制品业
157.7
1779.1
黑色金属冶炼
367.47
3868.28
皮革羽绒制品
81.7
1081.77
有色金属冶炼
144.29
1535.16
木材加工业
35.67
443.74
金属制品业
201.42
1948.12
家具制造业
31.06
226.78
普通机械制造
354.69
2351.68
造纸及纸品业
134.4
1124.94
专用设备制造
238.16
1714.73
印刷业
90.12
499.83
交通运送设备
511.94
4011.53
文教体育用品
54.4
504.44
电子机械制造
409.83
3286.15
石油加工业
194.45
2363.8
电子通讯设备
508.15
4499.19
化学原料纸品
502.61
4195.22
仪器仪表设备
72.46
663.68

二、异方差检查
1、图形分析检查
⑴观测销售利润（Y）与销售收入（X）有关图(图3-1)：SCAT X Y

图3-1 国内制造工业销售利润与销售收入有关图
从图中可以看出，随着销售收入增长，销售利润平均水平不断提高，但离散限度也逐渐扩大。这阐明变量之间也许存在递增异方差性。
⑵ 残差分析
一方面将数据排序（命令格式为：SORT 解释变量），然后建立回归方程。在方程窗口中点击Resids按钮就可以得到模型残差分布图（或建立方程后在Eviews工作文献窗口中点击resid对象来观测）。

图3-2 国内制造业销售利润回归模型残差分布
图3-2显示回归方程残差分布有明显扩大趋势，即表白存在异方差性。
2、Goldfeld-Quant检查
⑴将样本安解释变量排序（SORT X）并提成两某些（分别有1到10共11个样本合19到28共10个样本）
⑵运用样本1建立回归模型1（回归成果如图3-3），其残差平方和为2579.587。
SMPL 1 10
LS Y C X

图3-3 样本1回归成果
⑶运用样本2建立回归模型2（回归成果如图3-4），其残差平方和为63769.67。
SMPL 19 28
LS Y C X

图3-4 样本2回归成果
⑷计算F记录量：＝63769.67/2579.59=24.72，分别是模型1和模型2残差平方和。
取时，查F分布表得，而，因此存在异方差性
3、White检查
⑴建立回归模型：LS Y C X，回归成果如图3-5。

图3-5 国内制造业销售利润回归模型
⑵在方程窗口上点击View\Residual\Test\White Heteroskedastcity,检查成果如图3-6。

图3-6 White检查成果
其中F值为辅助回归模型F记录量值。取明显水平，由于,因此存在异方差性。实际应用中可以直接观测相伴概率p值大小，若p值较小，则以为存在异方差性。反之，则以为不存在异方差性。
4、斯皮尔曼级别有关系数检查
其操作环节为：
A. 对X排序：命令行输入SORT X
B. 输入X级别：data d1（依次输入1-n自然数）；
C. 对残差绝对值排序：命令行输入SORT abs(resid)；
D. 输入残差绝对值级别：data d2（依次输入1-n自然数）；
E. 根据公式计算级别有关系数检查记录量，并查表得出结论。
5、异方差消除—加权最小二乘法
加权最小二乘法中，最重要是拟定权重拟定，普通而言，采用残差绝对值倒数作为权重，也可以采用其她形式。
A. 一方面，用SMPL命令设定样本区间（涉及所有观测值），如：SMPL 1 31
B. 进行最小二乘回归，得到残差序列，LS Y C X
C. 依照残差拟定权重， GENR W1=1/ABS(RESID)
D. 进行加权最小二乘预计，LS(W=W1) Y C X；或在方程窗口中点击Estimate\Option按钮，并在权数变量栏里依次输入W1
回归成果如下图3-7所示：

图3-7
E. 对回归方程在进行White 检查，观测异方差调节状况
对所预计模型再进行White检查，其成果如下图3-8所示：

图3-8
图3-8相应White检查没有显示F值和值，这表达异方差性已经得到较好解决。

实验四 序列有关检查与修正
实验目
1、理解序列有关含义后果、
2、学会序列有关检查与消除办法
实验内容
运用下表资料，试建立国内城乡居民储蓄存款模型，并检查模型自有关性。
表3 国内城乡居民储蓄存款与GDP记录资料（1978年＝100）
年份
存款余额Y
GDP指数X
年份
存款余额Y
GDP指数X
1978
210.60
100.0
1989
5146.90
271.3
1979
281.00
107.6
1990
7034.20
281.7
1980
399.50
116.0
1991
9107.00
307.6
1981
523.70
122.1
1992
11545.40
351.4
1982
675.40
133.1
1993
14762.39
398.8
1983
892.50
147.6
1994
21518.80
449.3
1984
1214.70
170.0
1995
29662.25
496.5
1985
1622.60
192.9
1996
38520.84
544.1
1986
2237.60
210.0
1997
46279.80
592.0
1987
3073.30
234.0
1998
53407.47
638.2
1988
3801.50
260.7

一、模型预计
0、准备工作。建立工作文献，并输入数据。
1、有关图分析
SCAT X Y
有关图表白，GDP指数与居民储蓄存款两者曲线有关关系较为明显。现将函数初步设定为线性、双对数等不同形式，进而加以比较分析。
2、预计模型，运用LS命令分别建立如下模型
⑴线性模型： LS Y C X

(-6.706) (13.862)
＝0.9100 F＝192.145 S.E＝5030.809
⑵双对数模型：GENR LNY=LOG(Y)
GENR LNX=LOG(X)
LS LNY C LNX

(-31.604) (64.189)
＝0.9954 F＝4120.223 S.E＝0.1221
3、选取模型
比较以上模型，可见各模型回归系数符号及数值较为合理。各解释变量及常数项都通过了检查，模型都较为明显。比较各模型残差分布表。线性模型残差在较长时期内呈持续递减趋势而后又转为持续递增趋势，残差先呈持续递增趋势而后又转为持续递减趋势，因而，可以初步判断这种函数形式设立是不当。并且，这个模型拟合优度也较双对数模型低，因此又可舍弃线性模型。双对数模型具备很高拟合优度，因而初步选定回归模型为双对数回归模型。
二、模型自有关检查
1.图示法
其一，残差序列et变动趋势图。菜单：Quick→Graph→line，在对话框中输入resid；或者用命令操作，直接在命令行输入：line X。
其二，作et-1和et之间散点图。菜单：Quick→Graph→Scatter，在对话框中输入resid(-1) resid；或者用命令操作，直接在命令行输入：scat resid(-1) resid。
2.DW检查
由于n＝21，k＝1，取明显性水平＝0.05时，查表得＝1.22，＝1.42，而0<0.7062＝DW<，因此存在（正）自有关。
3.LM(BG)检查
在方程窗口中点击View/Residual Test/Series Correlation LM Test，并选取滞后期为2，则会得到如图4-1所示信息。

图4-1 双对数模型BG检查
图中，=11.31531，临界概率P=0.0034，因而辅助回归模型是明显，即存在自有关性。又由于，回归系数均明显地不为0，阐明双对数模型存在一阶和二阶自有关性。
三、自有关修正
（1）自有关系数ρ预计
重要办法有：
A. 依照ρ和DW记录量之间近似关系，取ρ预计为：1-DW/2
B. 直接取ρ=1
C. 采用杜宾两步法预计。LS Y C Y(-1) X X(-1)，Y(-1)系数预计即为ρ预计
D. 科克伦-奥科特迭代法。一方面产生残差序列，命名为e，然后e对其滞后1阶回归（无常数项），LS e e(-1)，e(-1) 系数预计作为ρ预计
（2）加入AR项
在LS命令中加上AR(1)和AR(2)，使用迭代预计法预计模型。键入命令：
LS LNY C LNX AR(1) AR(2)
则预计成果如图4-2所示。

图4-2 加入AR项双对数模型预计成果
图4-2表白，调节后模型DW＝1.6445，n＝19，k＝1，取明显性水平＝0.05时，查表得＝1.18，＝1.40，而<1.6445＝DW<4－，阐明模型不存在一阶自有关性；再BG检查（图4-3），也表白不存在高阶自有关性，因而，中华人民共和国城乡居民储蓄存款双对数模型为：

(-25.263) (52.683)
＝0.9982 F＝2709.985 S.E＝0.0744 DW＝1.6445

图4-3

实验五 多重共线性检查和修正
实验目
1、理解多重共线性含义与后果、
2、学会序多重共线性修正
实验内容
1、例表4是1978－1997年国内钢材产量（万吨）、生铁产量（万吨）、发电量（亿千瓦时）、固定资产投资（亿元）、国内生产总值（亿元）、铁路运送量（万吨）记录资料。
表4 国内钢材产量及其他有关经济变量记录资料
年份
钢材产量Y
生铁产量X1
发电量X2
固定资产投资X3
国内生产总值X4
铁路运送量X5
1978
2208
3479
2566
668.72
3264
110119
1979
2497
3673
2820
699.36
4038
111893
1980
2716
3802
3006
746.9
4518
111279
1981
2670
3417
3093
638.21
4862
107673
1982
2920
3551
3277
805.9
5295
113495
1983
3072
3738
3514
885.26
5935
118784
1984
3372
4001
3770
1052.43
7171
124074
1985
3693
4384
4107
1523.51
8964
130709
1986
4058
5064
4495
1795.32
10202
135635
1987
4386
5503
4973
2101.69
11963
140653
1988
4689
5704
5452
2554.86
14928
144948
1989
4859
5820
5848
2340.52
16909
151489
1990
5153
6238
6212
2534
18548
150681
1991
5638
6765
6775
3139.03
21618
152893
1992
6697
7589
7539
4473.76
26638
157627
1993
7716
8956
8395
6811.35
34634
162663
1994
8428
9741
9281
9355.35
46759
163093
1995
8980
10529
10070
10702.97
58478
165855
1996
9338
10723
10813
12185.79
67885
168803
1997
9979
11511
11356
13838.96
74463
169734

2、多重共线性检查
（1）综合记录检查法
若 在OLS法下：R2与F值较大，但t检查值较小，则也许存在多重共线性。
（2）简朴有关系数检查
运用有关系数可以分析解释变量之间两两有关状况。在Eviews软件中可以直接计算有关系数矩阵。
本例中，在Eviews软件命令窗口中键入：COR X1 X2 X3 X4 X5
或在包括所有解释变量数组窗口中点击View\Correlations，其成果如图1所示。由有关系数矩阵可以看出，解释变量之间有关系数均为0.93以上，即解释变量之间是高度有关。

图5-1
（3）鉴定系数检查法
当解释变量多余两个且变量之间呈现出较复杂有关关系时，可以通过建立辅助回归模型来检查多重共线性。本例中，在Eviews软件命令窗口中键入：
LS X1 C X2 X3 X4 X5
LS X2 C X1 X3 X4 X5
LS X3 C X1 X2 X4 X5
LS X4 C X1 X2 X3 X5
LS X5 C X1 X2 X3 X4
得到相应回归成果，分析每个方程相应F值和T值，来检查这些变量间与否有关以及有关联限度。
相应回归成果如下图所示。

图5-2

图5-3

图5-4

图5-5

图5-6
上述每个回归方程F检查值都非常明显，方程回归系数T检查值表白：X1与X5、X2与X3、X3与X5、X4与X、X5与X1、X3、X4T检查值较小，这些变量之间也许不有关或有关限度较小。
3、多重共线性克服——逐渐回归
（一）建立基本一元线性回归方程
（1）被解释变量对每一种解释变量进行初始回归，选用拟合优度最高一方面进入方程；依照经济理论分析和回归成果，可知钢材产量和生铁产量关联度最大，因此建立基本一元回归方程：

（2）然后把别的解释变量逐渐引入模型，依照拟合优度选出最优方程。
表5 钢材产量预测模型逐渐回归成果
模型
X1
X2
X3
X4
X5

Y=f(X1)
0.9214 (56.807)

0.9949
0.9941
Y=f(X1,X2)
0.4159 (3.5394)
0.4872 (4.3234)

0.9974
0.9970
Y=f(X1,X3)
0.959 (14.185)

0.0249 (-0.5738)

0.9950
0.9940
Y=f(X1,X4)
0.9414 (13.025)

-0.0025 (-0.2846)

0.9945
0.9938
Y=f(X1,X5)
0.8578 (20.229)

0.0084 (-0.2846)
0.9919
0.9910
Y=f(X1,X2,X3)
0.405 (2.835)
0.491 (4.1225)
0.0046 (0.1424)

0.9969
0.9974
Y=f(X1,X2,X4)
0.4433 (3.4857)
0.4911 (4.2748)

-0.0039 (-0.6347)

0.9969
0.9974
Y=f(X1,X2,X5)
0.4073 (3.1797)
0.5025 (3.6357)

-0.001 (-0.2041)
0.9969
0.9974
因此，建立多元回归模型为：Y = -287.68669 + 0.4159*X1 + 0.4872*X2
实验六 柯布-道格拉斯生产函数求解
实验目
1、掌握Eviews在经济学中应用
2、熟悉柯布-道格拉斯生产函数求解
实验内容
1、柯布-道格拉斯生产函数求解
建立国内国有独立核算工业公司生产函数。依照生产函数理论，生产函数基本形式为：。其中，L、K分别为生产过程中投入劳动与资金，时间变量反映技术进步影响。表6列出了国内1978-1994年期间国有独立核算工业公司关于记录资料；其中产出Y为工业总产值（可比价），L、K分别为年末职工人数和固定资产净值（可比价）。
表6 国内国有独立核算工业公司记录资料
年份
时间
工业总产值
Y（亿元）
职工人数
L（万人）
固定资产
K（亿元）
1978
1
3289.18
3139
2225.70
1979
2
3581.26
3208
2376.34
1980
3
3782.17
3334
2522.81
1981
4
3877.86
3488
2700.90
1982
5
4151.25
3582
2902.19
1983
6
4541.05
3632
3141.76
1984
7
4946.11
3669
3350.95
1985
8
5586.14
3815
3835.79
1986
9
5931.36
3955
4302.25
1987
10
6601.60
4086
4786.05
1988
11
7434.06
4229
5251.90
1989
12
7721.01
4273
5808.71
1990
13
7949.55
4364
6365.79
1991
14
8634.80
4472
7071.35
1992
15
9705.52
4521
7757.25
1993
16
10261.65
4498
8628.77
1994
17
10928.66
4545
9374.34
资料来源：依照《中华人民共和国记录年鉴－1995》和《中华人民共和国工业经济年鉴-1995》计算整顿
一、建立多元线性回归模型
（一）建立涉及时间变量三元线性回归模型；
在命令窗口依次键入如下命令即可：
⒈建立工作文献： CREATE A 78 94
⒉输入记录资料： DATA Y L K
⒊生成时间变量： GENR T=@TREND(77)
⒋建立回归模型： LS Y C T L K
则生产函数预计成果及关于信息如图3-1所示。

图6-1 国内国有独立核算工业公司生产函数预计成果
因而，国内国有独立工业公司生产函数为：
（模型1）
＝(-0.252) (0.672) (0.781) (7.433)

模型计算成果表白，国内国有独立核算工业公司劳动力边际产出为0.6667，资金边际产出为0.7764，技术进步影响使工业总产值平均每年递增77.68亿元。回归系数符号和数值是较为合理。，阐明模型有很高拟合优度，F检查也是高度明显，阐明职工人数L、资金K和时间变量对工业总产值总影响是明显。从图3-1看出，解释变量资金K记录量值为7.433，表白资金对公司产出影响是明显。但是，模型中其她变量（涉及常数项）记录量值都较小，未通过检查。因而，需要对以上三元线性回归模型做恰当调节，按照记录检查程序，普通应先剔除记录量最小变量（即时间变量）而重新建立模型。
（二）建立剔除时间变量二元线性回归模型；
命令：LS Y C L K
则生产函数预计成果及关于信息如图3-2所示。

图6-2 剔除时间变量后预计成果
因而，国内国有独立工业公司生产函数为：
（模型2）
＝(-2.922) (4.427) (14.533)

从图6-2成果看出，回归系数符号和数值也是合理。劳动力边际产出为1.2085，资金边际产出为0.8345，表白这段时期劳动力投入增长对国内国有独立核算工业公司产出影响最为明显。模型2拟合优度较模型1并无多大变化，F检查也是高度明显。这里，解释变量、常数项检查值都比较大，明显性概率都不大于0.05，因而模型2较模型1更为合理。
（三）建立非线性回归模型——C-D生产函数。
C-D生产函数为：，对于此类非线性函数，可以采用如下方式建立模型。
方式一：可线性化模型可定义新序列，再用线性回归。产生新序列：Quick→Genenrate Series，输入表达式(如：lny=log(y))，或者直接在命令行用GENR加表达式（如：GENR LNY=log（Y））；然后对产生新序列，用前面办法进行OLS和检查；
方式二：使用LS命令直接对原序列进行操作，而不用生成新序列，如对Cobb-Dauglas生产函数预计：LS LOG(Y) C LOG(K) LOG(L)。
本例：转化成线性模型进行预计；
在模型两端同步取对数，得：

在EViews软件命令窗口中依次键入如下命令：
GENR LNY=log（Y）
GENR LNL=log（L）
GENR LNK=log（K）
LS LNY C LNL LNK
则预计成果如图6-3所示。

图6-3 线性变换后C-D生产函数预计成果
即可得到C-D生产函数预计式为：
（模型3）
＝ (-1.172) (2.217) (9.310)

即：
从模型3中看出，资本与劳动产出弹性都是在0到1之间，模型经济意义合理，并且拟合优度较模型2还略有提高，解释变量都通过了明显性检查。
二、比较、选取最佳模型
预计过程中，对每个模型检查如下内容，以便选取出一种最佳模型：
1、回归系数符号及数值与否合理；
2、模型更改与否提高了拟合优度；
3、模型中各个解释变量与否明显；
4、残差分布状况
模型2、模型3都具备合理经济意义，都通过了检查和F检查，拟合优度非常接近，理论上讲都可以描述资本、劳动投入与产出关系。最后将模型2与模型3比较发现，模型3近期预测误差略小，拟合优度比模型2略有提高，因而可以选取模型3为国内国有工业公司生产函数。