《eviews上机(4,数组)剖析》由会员分享，可在线阅读，更多相关《eviews上机(4,数组)剖析（11页珍藏版）》请在金锄头文库上搜索。
1、第4章 数组,这一章描述了组对象的视图与过程。对一个组我们可以计算各种统计量，描述不同序列之间的关系，并以各种方式显示出来，例如表格、数据表、图等。,以多个变量为基础，产生数组。 例如：以x，y为基础产生数组，命名为group1 此时的窗口为组窗口。,4.1 组窗口,组窗口内的view下拉菜单分为四个部分： 第一部分包括组中数据的各种显示形式。 第二部分包括各种基本统计量。 第三部分为时间序列的特殊的统计量。 第四部分为标签项，提供组对象的相关信息。,4.2 组成员,这部分显示组中的序列，并且可以改变组。在组窗口内进行编辑就可以改变组。你可以加入工作文件中的其它序列，包括含序列的表达式，也可在
2、组中删除序列。 注意编辑并不改变组成员。在进行改动后，按Update Group键保存改动，则该组被改变成新的组。 例如，以x，y，z为基础的组group1，在组成员中删除z，按Update Group键后，新的组group1以x和y为基础，但z依然保留在工作文件中。,4.3 表 格,如果显示的组为表格外的其他形式，如图，可以用views/spreadsheet键使之转为以表格形式显示组中的每一序列。通过单击Transpose键，可以使表格的行列互换。 可以用水平或转换方式编辑序列中的数据。Edit+/-键转换组的编辑状态。在编辑状态下，组窗口上部出现编辑窗口，正在编辑的单元格的边框用双线表示
3、。,4.4 图,以图形的形式显示组中的序列。可以通过freeze冻结图形对象，再对图像进行编辑。,一、Graph 将所有序列显示在一个图内。 1 曲线图和直方图(Line and Bar) 2 钉状图(Spike) 3 散点图(Scatter) 序列的散点图有五个选项： simple scatter ； scatter with regression ； scatter with nearest neighbor fit scatter with kernel fit； XY Pairs 4 XY线（XY Line） 5 差距条状图（Error Bar）此项以竖线显示组中前三个序列的差距。第一
4、个序列作为“高”值，第二个作为“低”值。高、低值之间用竖线连接。第三个序列用小圆圈表示。,6 高低点图（High-low（Open-Close） 此项将组中前三个或前四个序列表示为高低点图（开盘-收盘图）。正如名称所示，这个图一般被金融分析家用来显示股价每日高、低值和开盘、收盘值。 第一个序列是高值，第二个序列是低值，高值低值之间由一条竖线连接。Eviews不会检查高、低值的一致性，如果高点值低于低点值，就以线段上的空白来表示。 可自由选择使用三个还是四个序列。如果使用三个序列，第三个序列作为高-低-收盘图的close值，以竖线右边的横线表示。 如果使用四个序列，第三个序列代表开盘价，以左边的
5、横线表示。第四个序列代表收盘价，以右边的横线表示。 7 圆饼图(Pie) 圆饼图以饼中的扇形表示每一序列在组中所占的百分比。 如果序列有负值或缺失项，序列的那个观测值会从圆饼图中被去掉。你可以为每个圆饼图加上观测值数目的标签。在圆饼图的背景上双击，在对话框内选择Label Pie选项。,二、Multiple graphs 为每个序列显示一张图。,1 曲线图和直方图（Line and Bar) 此项将每一个序列表示为一张线形图或直方图。 2 钉状图（Spike）和散点图 (Scatter) 在横轴上显示组中的第一个序列，在纵轴上显示其余的序列，每一个序列为一个单独的图。如果组中有G个序列，就会显
6、示G-1个散点图。 3 配对组合矩阵（SCATMAT） 显示序列所有可能的配对组合的散点图矩阵，并以矩阵的形式显示。矩阵式散点图最重要的特征就是：散点以如下方式排列：每一列的点有相同的水平标度，每一行上的点有相同的数值标度。 4 XY线（XY Line） 分别显示XY线图，每一张图的X轴代表第一个序列， Y轴代表一个余下的序列。详见Graph中的XY线介绍。如果组中有G个序列，就会显示G-1个XY线图。 5 分布图（Distribution Graphs） 第九章详细描述了分布图的计算和选项。,4.5 描述统计量,显示组内序列的简单统计量。 1Common Sample 使用于在组中序列无缺失
7、值的情形下计算统计量（去掉包含缺失项所在时期的样本）。 2Individual Samples用每一个序列有值的观测值进行统计量计算。 这两项当没有缺失项或某一期样本全部缺失时的观察值时是一样的。,4.6 相等检验,这一部分的原假设是组内所有的序列具有相同的均值、中位数或方差。只有在组中数据都不存在缺失项时才能选common sample项。,4.8 相关、协方差及相关图,相关和协方差 显示了组中序列的相关及协方差矩阵。Common Sample使任何缺数据的序列都被排除在相关及协方差计算之外。 Pairwise Samples用相关序列的所有无丢失观察值计算。此方法使用样本的最大数,但可能导
8、致不确定矩阵。 相关图（Correlogram）显示组中第一个序列的自相关及偏相关。,4.9 Granger因果检验（不作要求）,相关并不一定表示存在实际意义，在经济计量学领域存在一些显著的相关，但它们都是无意义的。一个有趣的例子是教师工资与酒精消费之间存在正相关，英国的死亡率与英格兰在教堂举行婚礼的比率有强的正相关。对那些看起来并不是十分明显的无意义的相关，经济学家还存在争论。 Granger 在1969年解决了是否是x引起y的问题，主要看现在的y能够在多大程度上被过去的y解释，然后再加入x的滞后值是否使解释程度提高。如果x在y的预测中有帮助，那就是说y是由x 的Granger-caused。或者同样的，当与x相关的系数在统计上显著时也可以这么说。注意我们经常遇到的是相互的因果关系，x引起y，y又引起x（在Granger意义下）。 注意到“x Granger引起y”这种表达方式并不意味着y是x的效果或结果。Granger Casuality是指x前期的信息对y的最优预测的贡献。,
