eviews的组PPT课件

1、eviews的组1 第十章 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。 eviews的组2 10.1 组窗口组窗口 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。 eviews的组3 10.2 组成员组成员 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。可以加入工作文件中的其它序 列，包括含序列的表达式，也可在组中删除序列

2、。 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。 eviews的组4 10.3 表表 格格 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。在Transpose状态下，每一行包含一个序列，每一列包含一个观察 值，按Transpose键后，变为每一行代表一个观察值，每一列代表一个序列。 可以改变表格的显示方式以显示转换后的数据形式。缺省时，EViews显 示序列的原始数据。单击Transform键，选择下拉菜单中一项，可以用序列的 不同形式（如水平或百分比）显示表格。 如果选择了Level之外的形式，Eviews将为表格加一个标

3、题，显示数据的 转换方式。 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。 图中，正在编辑的组中数据以每期变化百分率表示（编辑窗口的右方 “%Change”的标签）。如果将1952：4的GDP变化百分率由3.626改为5， GDP原值从1952：4至工作文件尾都会改变，以反映GDP某一期的增长。 eviews的组5 10.4 数据表数据表 一、数据表（一、数据表（Dated Data Table） 数据表用来建立表以显示数据、预测值和模拟结果。可以不同的形式显示组 中的数据。可以用其作一般的变

4、换及频率转换，可以在同一表中以不同频率显示 数据。 数据表可以自动进行所需的计算并建立该表。数据表可以建立更为复杂的表， 做各种其他类型的计算。但注意数据表只对年度、半年、季度、月度的工作文件 才有效。 二、建立一个数据表 要建立一个数据表，首先建立一个包含序列的组，选View/ Dated Data Table， 组窗口最初显示的是缺省形式。缺省形式为：每一行中显示一年的数据以及一个 总体度量（每年的平均）。可以设定选项来控制数据的显示，这些选项在Table and Row Option对话框内。注意在组窗口的工具条内有两个新的按钮TabOption 和RowOption。Taboption

5、设定数据表的通用选项，这些选项对组中所有序列有 效。Rowoption允许作用于特定序列，该选项优先于Taboption。一旦对组指定了 table和row选项，EViews下次进入数据表时会记住这些选项。 eviews的组6 10.5 图图 以图形的形式显示组中的序列。可以通过freeze创造图形对象。第10章 解释如何编辑及修改图形对象。 一、一、Graph 将所有序列显示在一个图内。 1 曲线图和直方图曲线图和直方图(Line and Bar) 2 钉状图钉状图(Spike) 3 散点图散点图(ScatterScatter) 序列的散点图有五个选项： simple scatter sca

6、tter with regression scatter with nearest neighbor fit scatter with kernel fit XY Pairs 4 XYXY线（线（XY LineXY Line） 5 差距条状图（差距条状图（Error BarError Bar）此项以竖线显示组中前三个序列的差距。第一个 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。 eviews的组7 6 高低点图（高低点图（High-lowHigh-low（Open-CloseOpen-Close） 此项将组中前三个或前四个序列表示为高低点图（开盘-

7、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 圆饼图圆饼图(Pie)(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

8、从圆饼图中被去掉。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。 eviews的组8 二、二、Multiple graphs 为每个序列显示一张图。 1 1 曲线图和直方图曲线图和直方图（Line and Bar) 此项将每一个序列表示为一张线形图 或直方图。 2 2 钉状图（钉状图（Spike）和）和散点图散点图 (ScatterScatter) 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， 就会显示G-1个散点图。 3 3 配对组合矩阵配对组合矩阵（SCATMAT） 显示序列所

9、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 XY4 XY线（线（XY LineXY 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 5 分布图（分布图（Distribution GraphsDistribution Graphs） 下一章详细描述了分布图的计算和选项。 eviews的组9 10.6 描述统计量描述统计量 显示组内序列的简单统计量。详见第

10、九章。 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。 10.7 相等检验相等检验 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（详见第九章）。只有在组中数据都不存在缺 失项时才能选common sample项。 eviews的组10 10.8 相关、协方差及相关图相关、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

11、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，有关相关图详见第九章。 eviews的组11 10.9 交叉相关交叉相关 交叉相关（Cross 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： 00 yyxx xy xy cc lc lr2, 1, 0l 2, 1, 0 3 , 2 , 1 , 0 1 1 l T xxyy l T yyx

12、x lc ltt lT t ltt lT t xy 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。 eviews的组12 10.10 Granger因果检验因果检验 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

13、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。 eviews的组13 当选择Granger Casuality，首先看到一个对话框，询问在检验回归中使 用的滞后阶数。一般的要使用大一些的滞后阶数，因为该理论包含了所有过 去信息的关系，应该指定滞后期长度，这

14、个对应于可以想到的对预测有帮助 的最远一期的变量。 EViews采用二元回归形式 ltltltltt yyxxx 11110 对所有组内可能的 x , y），F统计量为具有联合假设的Wald统计量，联 合假设为 。原假设为在第一个回归中在Granger-cause 意 义下不存在x 对y的因果关系， 第二个回归中在 Granger-cause 意义下不存在y 对 x的因果关系。检测结果如下： 0 21 l ltltltltt xxyyy 11110 0 21 l eviews的组14 Painwise Granger Causality Tests Date：10/20/1997 Time：1

15、5：31 Sample：1946：1 1995：1 Laqs：4 Null Hypothesis： Obs F-Ststistic Ptobability GDP does not Granger Cause CS 189 1.39156 0.23866 CS dose not Granger Cause GDP 7.11192 2.4E-05 对于这个例子，我们不能拒绝原假设，GDP does not Granger cause CS， 但我们可以拒绝假设CS does not Granger cause GDP。因此这显示了CS对 GDP是Granger causalilty，反过来不是。

16、 如果想对其它外生变量（如季节dummy变量或线性趋势）进行Granger causalilty检验，直接用方程进行检验回归。 eviews的组15 10.11 标标 签签 显示对组的描述。可以编辑标签中的任何项，除了Last Update，这一项显示了组最后一次修改的时间。 Name是组在工作文件中显示的名字。可以通过编辑这一 项给组重命名。如果在Display Name区中填入字符，EViews将 用这个名字在组中显示某些图和表。与Name不同，Display Names可以包括空格，保留大小写。有关标签区的讨论以及在 数据库搜索中的使用见第九章。 eviews的组16 10.12 组过程组过程 组中可以得到两个过程： make equation：打开一个确定方程的对话框，组中的第 一个序列作为因变量，其余的序列作为自变量，包含常数项 C。可以随意改变方程的表达式。 Make vector autoregression 打开一个无限制的vector autoregression对话框。组中所有的序列在VAR中都为内生