计量经济分析方法与建模Eviews应用与实例-高铁梅ppt课件.pptx

计量经济分析方法与建模Eviews应用与实例高铁梅1在整堂课的教学中，刘教师总是让学生带着问题来学习，而问题的设置具有一定的梯度，由浅入深，所提出的问题也很明确2第一章第一章 序列的统计量、检验和分布序列的统计量、检验和分布l 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，一直到核密度估计在整堂课的教学中，刘教师总是让学生带着问题来学习，而问题的设置具有一定的梯度，由浅入深，所提出的问题也很明确3l 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在整堂课的教学中，刘教师总是让学生带着问题来学习，而问题的设置具有一定的梯度，由浅入深，所提出的问题也很明确41.11.1 描述统计量描述统计量 l 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l同直方图一起显示的还有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)：在整堂课的教学中，刘教师总是让学生带着问题来学习，而问题的设置具有一定的梯度，由浅入深，所提出的问题也很明确5l例1.3中GDP增长率的统计量：在整堂课的教学中，刘教师总是让学生带着问题来学习，而问题的设置具有一定的梯度，由浅入深，所提出的问题也很明确6l 均值均值 (mean)(mean)即序列的平均值,用序列数据的总和除以数据的个数 中位数中位数 (median)(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 最大最小值最大最小值 (max and min)(max and min) 序列中的最大最小值 标准差标准差(Standard Deviation)(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，是样本均值在整堂课的教学中，刘教师总是让学生带着问题来学习，而问题的设置具有一定的梯度，由浅入深，所提出的问题也很明确7l l 偏度偏度（SkewnessSkewness）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，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在整堂课的教学中，刘教师总是让学生带着问题来学习，而问题的设置具有一定的梯度，由浅入深，所提出的问题也很明确8l l 峰度峰度（KurtosisKurtosis）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，在整堂课的教学中，刘教师总是让学生带着问题来学习，而问题的设置具有一定的梯度，由浅入深，所提出的问题也很明确9lJarque-BeraJarque-Bera检验检验 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在整堂课的教学中，刘教师总是让学生带着问题来学习，而问题的设置具有一定的梯度，由浅入深，所提出的问题也很明确101.21.2均值、中位数、方差的假设检验均值、中位数、方差的假设检验l 这部分是对序列均值、中位数、方差的假设检验在序列对象菜单选择View/testsfordescriptivestats/simplehypothesistests，就会出现下面的序列分布检验对话框：在整堂课的教学中，刘教师总是让学生带着问题来学习，而问题的设置具有一定的梯度，由浅入深，所提出的问题也很明确111. 1. 均值检验均值检验 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l原假设是序列x 的期望值 m，备选假设是 m，即在整堂课的教学中，刘教师总是让学生带着问题来学习，而问题的设置具有一定的梯度，由浅入深，所提出的问题也很明确12l 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，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 在整堂课的教学中，刘教师总是让学生带着问题来学习，而问题的设置具有一定的梯度，由浅入深，所提出的问题也很明确13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在整堂课的教学中，刘教师总是让学生带着问题来学习，而问题的设置具有一定的梯度，由浅入深，所提出的问题也很明确142.2.方差检验方差检验 l 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在整堂课的教学中，刘教师总是让学生带着问题来学习，而问题的设置具有一定的梯度，由浅入深，所提出的问题也很明确153 3. . 中位数检验中位数检验 l 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在整堂课的教学中，刘教师总是让学生带着问题来学习，而问题的设置具有一定的梯度，由浅入深，所提出的问题也很明确161.31.3分布函数分布函数 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在整堂课的教学中，刘教师总是让学生带着问题来学习，而问题的设置具有一定的梯度，由浅入深，所提出的问题也很明确171 1. .3.13.1序列分布图序列分布图 本节列出了三种描述序列经验分布特征的图 1.CDFSurvivorQuantile1.CDFSurvivorQuantile图图 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MultipleGraphs中)，就会出现下面的对话框：在整堂课的教学中，刘教师总是让学生带着问题来学习，而问题的设置具有一定的梯度，由浅入深，所提出的问题也很明确18 其中，CumulativeDistribution(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在整堂课的教学中，刘教师总是让学生带着问题来学习，而问题的设置具有一定的梯度，由浅入深，所提出的问题也很明确19Quantile(分位数)操作用来描绘序列的经验分位数对0q 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Savedmatrixname可以允许把结果保存在一个矩阵内Includestandarderrors(包括标准误差)操作标绘接近95%的置信区间的经验分布函数在整堂课的教学中，刘教师总是让学生带着问题来学习，而问题的设置具有一定的梯度，由浅入深，所提出的问题也很明确20工作文件工作文件1_3.wf11_3.wf1中中GDPGDP增长率的分布图增长率的分布图在整堂课的教学中，刘教师总是让学生带着问题来学习，而问题的设置具有一定的梯度，由浅入深，所提出的问题也很明确212.QuantileQuantile2.QuantileQuantile图图QuantileQuantile(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，则图将在一条直线上如果图不在一条直线上,则这两个分布是不同的 当选择View/DistributionGraphs/Quantile-Quantile.下面的Plot对话框会出现:在整堂课的教学中，刘教师总是让学生带着问题来学习，而问题的设置具有一定的梯度，由浅入深，所提出的问题也很明确22 可以选与如下的理论分布的分位数相比较:Normal(正态)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.Extremevalue(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图在整堂课的教学中，刘教师总是让学生带着问题来学习，而问题的设置具有一定的梯度，由浅入深，所提出的问题也很明确23下图是GDP增长率和指数分布的Q-Q图：在整堂课的教学中，刘教师总是让学生带着问题来学习，而问题的设置具有一定的梯度，由浅入深，所提出的问题也很明确241.51.5交叉相关交叉相关 交叉相关（交叉相关（CrosscorrelationandCorreligramsCrosscorrelationandCorreligrams） 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，近似计算在整堂课的教学中，刘教师总是让学生带着问题来学习，而问题的设置具有一定的梯度，由浅入深，所提出的问题也很明确25居民消费（居民消费（CSCS）和）和GDPGDP的交叉相关系数的交叉相关系数在整堂课的教学中，刘教师总是让学生带着问题来学习，而问题的设置具有一定的梯度，由浅入深，所提出的问。