Eviews数据统计与分析教程1章.ppt
《Eviews数据统计与分析教程1章.ppt》由会员分享,可在线阅读,更多相关《Eviews数据统计与分析教程1章.ppt(26页珍藏版)》请在冰豆网上搜索。
第1章EViews软件基础重点内容:
EViews软件的安装与启动EViews软件的主要功能常用的概率分布,一、EViews软件简介,EViews的前身是1981年发行的MicroTSP(时间序列分析软件包)。
目前已更新到5.0、5.1、6.0版本。
该软件主要应用于经济、金融、管理和保险等领域。
一、EViews软件简介,EViews的特点:
分析处理时间序列数据。
具有现代Windows软件可视化操作的优点。
EViews具有命令功能和批处理语言功能。
二、EViews软件安装与启动,QMS公司的网站(http:
/www.EV)提供了EViews软件的下载专区,可进入该区并进行下载操作。
或到网上搜索EViews软件,并进行软件压缩包的下载。
二、EViews软件安装与启动,EViews软件的启动方法:
方法一:
单击任务栏上的“开始”按钮,选择“程序”|“EViews5”选项中的“EViews5”图标。
方法二:
使用Windows浏览器或从桌面上“我的电脑”定位EViews所安装的目录,双击“EViews”程序图标。
三、EViews主要窗口介绍,工作区,命令窗口,主菜单栏,标题栏,状态栏,EViews的窗口主要包括标题栏、主菜单栏、命令窗口、状态栏和工作区等部分,如下图所示。
四、EViews主要功能,对基本数据进行处理通过公式生成新序列统计描述模型检验估计方法的执行基于回归方程的预测模型的求解与模拟数据库的管理与其他软件(如EXCEL)进行数据交换,EViews软件功能很强,可以对以时间序列为主的多种类型的数据进行操作。
可以将EViews主要功能概括为如下几点:
五、概率统计知识1.概率分布,常见的概率分布有4种,包括正态分布,x2分布,t分布F分布,正态分布,如果X服从正态分布,则,正态分布图,五、概率统计知识,统计检验中常用的两个重要结论:
(1)Prob(x1.96xXi+x+1.96x)0.951-1
(2)Prob(x2.57xXi+x+2.57x)0.991-2其中,x和x分别是正态随机变量X的均值和标准差。
公式1-1表示,正态随机变量X的观测值落在均值的距离为1.96倍标准差范围内的概率约为0.95;公式1-2表示,正态随机变量X的观测值落在均值的距离为2.57倍标准差范围内的概率约为0.99。
五、概率统计知识,不同的均值和方差下的正态分布,其形状不同,a)表示均值不同,方差相同;b)表示均值相同,方差不同;c)均值和方差都不同,五、概率统计知识,2分布,服从标准正态分布的随机变量X的平方服从自由度为1的2分布,记作若xN0,1则z=x22
(1)若x1,x2,x3,xn是n个相互独立的服从2分布且自由度为1的随机变量,即2
(1)则z=ixi2(n),五、概率统计知识,2分布图,t分布,若X是一个服从N(0,1)的变量,Y是一个独立于x且服从2(n)的变量,则变量Z服从自由度为n的t分布,即,五、概率统计知识,t分布图,五、概率统计知识,F分布,若变量xi(i=1,2,m)服从正态分布N(x,2x),变量yi(i=1,2,n)服从正态分布N(y,2y),两个变量xi与yi相互独立。
设则当F值接近于1时,两个正态总体分布x与y的方差相等,即2x=2y;反之,则方差不等。
五、概率统计知识,F分布图,五、概率统计知识,t分布与正态分布形状相同,也是对称的,但两端尾部比正态分布要高些。
正态分布、2分布、t分布和F分布之间的关系,
(1)当t分布的自由度足够大时,其近似标准正态分布。
(2)在F分布中,当自由度(m-1)与(n-1)逐渐增大时,F分布近似于正态分布。
(3)在2分布中,当其自由度足够大时,近似于正态分布。
五、概率统计知识2.常见估计,点估计区间估计,点估计,设X1,X2,Xn为来自总体X的样本,x1,x2,xn为相应的样本值。
为总体分布的未知参数,为了估计未知参数,构造一个统计量h(X1,X2,Xn),然后用该统计量h(x1,x2,xn)的值来估计的真值。
称h(X1,X2,Xn)为的估计量,h(x1,x2,xn)为的估计值。
的估计值是数轴上的一点,用估计值作为真值的近似值就相当于用一个点来估计,因此为点估计。
点估计,点估计,五、概率统计知识,点估计要具有的性质无偏性有效性一致性,五、概率统计知识,区间估计,区间估计是关于参数和服从已知分布的点估计的一个函数。
令p(g,)是所构造的随机变量,给出预定的置信水平1-,则可以表述为Prob(bp(g,)c)=1-,五、概率统计知识,五、概率统计知识3.假设检验,假设检验是先设定一个原假设,通常用H0表示,一个备择假设,通常用H1表示。
为了检验零假设,我们根据样本数据以及统计理论建立判定原则从而判定样本信息是否支持零假设。
如果样本信息支持零假设,就接受H0,如果样本信息不支持零假设,则接受备择假设H1。
例如,为了对均值等于的假设进行检验,我们指定x=以及显著性水平。
原假设H0:
x=x*,备择假设H1:
xx*显著性水平:
5%如果假设的均值位于95%置信区间外,就拒绝原假设,如果在95%置信区间内,则接受原假设。
五、概率统计知识,第类错误和第类错误如果检验的原假设为=0,且在5%的显著性水平下拒绝了原假设。
很可能这个拒绝是不正确的,这种错误被成为第类错误,它发生的概率为5%。
如果在检验中不能拒绝=0的原假设,这意味着要把它作为正确的结论而接受。
但这也可能是错误的结论,如果的真实值为0.02,这时的原假设是不成立的,但我们却接受了它,这种错误被成为第类错误。
五、概率统计知识,p值p值衡量的是犯第类错误的概率,即拒绝正确的原假设的概率。
p值越大,错误地拒绝原假设的可能性越大;p值越小,拒绝原假设时的正确度越大。
五、概率统计知识,本章小结:
了解EViews软件的发展历程、操作环境熟悉EViews的界面掌握相关概率统计知识,