《EViews序列的统计量检验和分布》由会员分享，可在线阅读，更多相关《EViews序列的统计量检验和分布（50页珍藏版）》请在金锄头文库上搜索。
1、1,第一章 序列的统计量、检验和分布,EViews提供序列的各种统计图、统计方法及过程。当用前述的方法向工作文件中读入数据后，就可以对这些数据进行统计分析和图表分析。,EViews可以计算一个序列的各种统计量并可用表、图等形式将其表现出来。视图包括最简单的曲线图，一直到核密度估计。,2,打开工作文件，双击一个序列名，即进入序列的对话框。单击“view”可看到菜单分为四个区，第一部分为序列显示形式，第二和第三部分提供数据统计方法，第四部分是转换选项和标签。,3,1.1 描述统计量,以直方图显示序列的频率分布。直方图将序列的长度按等间距划分，显示观测值落入每一个区间的个数。 同直方图一起显示的还有
2、一些标准的描述统计量。这些统计量都是由样本中的观测值计算出来的。如图(例1.1)：,4,例1.3中GDP增长率的统计量：,5,均值 (mean) 即序列的平均值,用序列数据的总和除以数据的个数。,中位数 (median) 即从小到大排列的序列的中间值。是对序列分布中心的一个粗略估计。 最大最小值 (max and min) 序列中的最大最小值。 标准差(Standard Deviation) 标准差衡量序列的离散程度。计算公式如下,N 是样本中观测值的个数， 是样本均值。,6,偏度（Skewness） 衡量序列分布围绕其均值的非对称性。计算公式如下,是变量方差的有偏估计。如果序列的分布是对称的
3、，S值为0；正的S值意味着序列分布有长的右拖尾，负的S值意味着序列分布有长的左拖尾。例1.1中X的偏度为0，说明X的分布是对称的；而例1.3中GDP增长率的偏度是0.78，说明GDP增长率的分布是不对称的。,7,峰度（Kurtosis） 度量序列分布的凸起或平坦程度，计算公式如下,分布的凸起程度大于 正态分布；如果K值小于3，序列分布相对于正态分布是平坦的。例1.1中X的峰度为2.5，说明X的分布相对于正态分布是平坦的；而例1.3中GDP增长率的峰度为2.14 ，说明GDP增长率的分布相对于正态分布也是平坦的。,意义同S中,，正态分布的 K 值为3。如果 K 值大于3，,8,Jarque-Be
4、ra 检验 检验序列是否服从正态分布。统计量计算公式如下,S为偏度，K为峰度，k是序列估计式中参数的个数。 在正态分布的原假设下，J-B统计量是自由度为2的 2 分布。 J-B统计量下显示的概率值（P值）是J-B统计量超出原假设下的观测值的概率。如果该值很小，则拒绝原假设。当然，在不同的显著性水平下的拒绝域是不一样的。例1.1中X的J-B统计量下显示的概率值（P值）是0.92，接受原假设, X 服从正态分布；而例1.3中GDP增长率的的J-B统计量的概率值（P值）是0.455 ，也接受原假设, 说明GDP增长率服从正态分布。,9,1.2 均值、中位数、方差的假设检验,这部分是对序列均值、中位数
5、、方差的假设检验。在序列对象菜单选择View/tests for descriptive stats/simple hypothesis tests，就会出现下面的序列分布检验对话框：,10,1. 均值检验,如果不指定序列 x 的标准差，EViews将在 t 统计量中使用该标准差的估计值 s 。,是 x 的样本估计值，N是x的观测值的个数。在原假设下，如果x服从正态分布，t 统计量是自由度为N-1的t分布。,原假设是序列 x 的期望值 m ，备选假设是 m ，即,11,如果给定x的标准差，EViews计算t 统计量：, 是指定的x的标准差。,要进行均值检验，在Mean内输入 值。如果已知标准差
6、，想要计算t统计量，在右边的框内输入标准差值。可以输入任何数或标准EViews表达式，下页我们给出检验的输出结果。,12,这是检验例1.7中GDP增长率的均值，检验H0：X=10%，H1：X10%。表中的Probability值是P值（边际显著水平）。在双边假设下，如果这个值小于检验的显著水平，如0.05则拒绝原假设。这里我们不能拒绝原假设。,13,2. 方差检验,检验的原假设为序列 x 的方差等于 2，备选假设为双边的，x 的方差不等于 2 ，即,EViews计算2统计量，计算公式如下,N为观测值的个数， 为x的样本均值。在原假设下，如果x服从正态分布， 2 统计量是服从自由度为N-1的 2
7、分布。 要进行方差检验，在Variance处填入在原假设下的方差值。可以填入任何正数或表达式。,14,3. 中位数检验,原假设为序列x的中位数等于m，备选假设为双边假设，x的中位数不等于m，即,EViews提供了三个以排序为基础的无参数的检验统计量。方法的主要参考来自于Conover（1980）和Sheskin（1997）。 进行中位数检验，在Median右边的框内输入中位数的值，可以输入任何数字表达式。,15,1.3 分布函数,EViews提供了几种对数据进行初步分析的方法。在1.1 我们已列出了几种图来描述序列分布特征。在本节，列出了几种散点图且允许我们可以用有参数或无参数过程来做拟合曲线
8、图。 这些图包含着复杂计算和大量的特殊操作，对某些完全技术性的介绍，不必掌握所有细节。EViews中设置的缺省值除了对极特殊的分析外，对一般分析而言是足够用的。直接点击ok键接受缺省设置，就可以轻松的展现出每个图。,16,1.3.1 序列分布图,本节列出了三种描述序列经验分布特征的图。,1. CDFSurvivorQuantile图,这个图描绘出带有加或减两个标准误差带的经验累积分布函数，残存函数和分位数函数。在序列菜单中或组菜单中选择View /Distribution/ CDFSurvivorQuantile时 ( 组菜单的Multiple Graphs中)，就会出现下面的对话框：,17,
9、其中，Cumulative Distribution(累积分布)操作用来描绘序列的经验累积函数（CDF）。CDF是序列中观测值不超过指定值 r 的概率,Survivor(残存)操作用来描绘序列的经验残存函数,18,Quantile(分位数) 操作用来描绘序列的经验分位数。对 0 q 1, X 的分位数 x(q) 满足下式：,，且,分位数函数是CDF的反函数，可以通过调换CDF的横纵坐标轴得到。 All选项包括CDF，Survivor和Quantile函数。 Saved matrix name可以允许把结果保存在一个矩阵内。 Include standard errors(包括标准误差)操作标绘
10、接近95%的置信区间的经验分布函数。,19,工作文件1_3.wf1中GDP增长率的分布图,20,2. QuantileQuantile图,QuantileQuantile ( QQ图)对于比较两个分布是一种简单但重要的工具。这个图标绘出一个被选序列的分位数分布相对于另一个序列的分位数分布或一个理论分布的异同。如果这两个分布是相同的，则QQ图将在一条直线上。如果QQ图不在一条直线上,则这两个分布是不同的。,当选择View/Distribution Graphs/Quantile-Quantile.下面的QQ Plot对话框会出现:,21,可以选与如下的理论分布的分位数相比较: Normal(正态
11、)分布：钟形并且对称的分布. Uniform(均匀)分布：矩形密度函数分布. Exponential(指数)分布：联合指数分布是一个有着一条长右尾的正态分布. Logistic(逻辑)分布：除比正态分布有更长的尾外是一种近似于正态的对称分布. Extreme value(极值)分布：I型极小值分布是有一条左长尾的负偏分布,它非常近似于对数正态分布. 可以在工作文件中选择一些序列来与这些典型序列的分位数相比较，也可以在编辑框中键入序列或组的名称来选择对照的序列或组，EViews将针对列出的每个序列计算出QQ图。,22,下图是GDP增长率和指数分布的Q-Q图：,23,1.5 交叉相关,交叉相关（C
12、ross correlation and Correligrams） 显示组中头两个序列的交叉相关。序列 X 与 Y 的交叉相关的计算公式如下：,注意与自相关不同，交叉相关不必围绕滞后期对称。交叉相关图中的虚线是二倍的标准差，近似计算。,24,居民消费（CS）和GDP的交叉相关系数,25,第三章 基本回归模型,经济计量研究始于经济学中的理论假设，根据经济理论设定变量间的一组关系，如消费理论、生产理论和各种宏观经济理论，对理论设定的关系进行定量刻画，如消费函数中的边际消费倾向、生产函数中的各种弹性等进行实证研究。单方程回归是最丰富多彩和广泛使用的统计技术之一。本章介绍EViews中基本回归技术的
13、使用，说明并估计一个回归模型，进行简单的特征分析并在深入的分析中使用估计结果。随后的章节讨论了检验和预测，以及更高级，专业的技术，如加权最小二乘法、二阶段最小二乘法(TSLS)、非线性最小二乘法、ARIMA/ARIMAX模型、GMM（广义矩估计）、GARCH模型和定性的有限因变量模型。这些技术和模型都建立在本章介绍的基本思想的基础之上。,26,对于本章及随后章节所讨论的技术，可以使用下列的经济计量学教科书作为参考。下面列出了标准教科书(逐渐变难)： (1) Pindyck，Rubinfeld (1991), Econometric Models and Economic Forecasts,
14、经济计量模型和经济预测，第三版。 (2) Johnston 和 DiNardo (1997)，Economtric Methods, 经济计量方法，第四版。 (3) Greene (1997)，Economtric Analysis, 经济计量分析，第三版。 (4) Davidson 和MacKinon (1993)，Estimation and Inference in Econometrics , 经济计量学中的估计和推断。,27,3.1 创建方程对象,EViews中的单方程回归估计是用方程对象来完成的。为了创建一个方程对象: 从主菜单选择Object/New Object/Equatio
15、n 或 Quick/Estimation Equation ，或者在命令窗口中输入关键词equation。 在随后出现的方程说明对话框中说明要建立的方程，并选择估计方法。,28,3.2 在EViews中对方程进行说明,当创建一个方程对象时，会出现如下对话框：,在这个对话框中需要说明三件事：方程说明，估计方法，估计使用的样本。在最上面的编辑框中，可以说明方程：因变量（左边）和自变量（右边）以及函数形式。 有两种说明方程的基本方法：列表法和公式法。列表法简单但是只能用于不严格的线性说明；公式法更为一般，可用于说明非线性模型或带有参数约束的模型。,29,3.2.1 列表法 说明线性方程的最简单的方法是列出方程中要使用的变量列表。首先是因变量或表达式名，然后是自变量列表。例如，要说明一个线性消费函数，用一个常数 c 和收入 inc 对消费 csp 作回归，在方程说明对话框上部输入： csp c inc 注意回归变量列表中的序列 c。这是EViews用来说明回归中的常数而建立的序列。EViews在回归中不会自动包括一个常数，因此必须明确列出作为回归变量的常数。内部序列 c 不出现在工作文档中，除了说明方程外不能使用它。 在上例中，常数存储于c(1)，inc的系数存储于c(2)，即回归方程形式为： csp = c(1)+c(2)*inc。,
