eviews对象基础的描述统计分析.ppt

第五章 序列的描述统计分析 5.15.1 单个序列的分析单个序列的分析 5.25.2 组对象的简单统计分析组对象的简单统计分析 Date1 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。 5.15.1 单个序列的分析单个序列的分析 Date2 l 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。 * 5.1.15.1.1 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。如下图： Date4 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。 最大值、最小值最大值、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。 * l 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。 * l 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。 意义同S中 ，正态分布的 K 值为3。如果 K 值大于3， * l Jarque-BeraJarque-Bera 检验检验 检验序列是否服从正态分布 。该检验的原假设是序列服从正态分布，统计量计算 公式如下 S为偏度，K为峰度，m是序列估计式中参数的个数。 在正态分布的原假设下，J-B统计量服从自由度为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。 * 5.1.2 5.1.2 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/tests for descriptive stats/simple hypothesis tests，就会出现下面的序列分布检验对话框： Date9 1. 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 Date10 l 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。 * 这是检验上例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。 * 2. 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。 Date13 3 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。 Date14 5.1.35.1.3 分布图分布图 EViews提供了几种对数据进行初步分析的方法。在前面 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。 Date15 1. CDFSurvivor1. CDFSurvivorQuantileQuantile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 Multiple Graphs中)，就会出现下面的对话框： Date16 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 * 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)操作表示绘出接 近95%的置信区间的经验分布函数图。 * 上例中上例中GDPGDP增长率的分布图增长率的分布图 Date19 2. 2. QuantileQuantileQuantileQuantile图图 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: Date20 可以选择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。 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进行并绘出 QQ图。 * 下图是GDP增长率和指数分布的Q-Q图： * 5.2 组对象的简单统计分析 这一节主要讲述组对象的简单统计分 析方法。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。 Date23 5.2.1 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。 Date24 5.2.2 描述统计 显示组内序列的简单统计量。详见5.1.1 。 1Common Sample 使用于在组中序列无 缺失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