eviews图像及结果分析 2.docx
《eviews图像及结果分析 2.docx》由会员分享，可在线阅读，更多相关《eviews图像及结果分析 2.docx（16页珍藏版）》请在冰豆网上搜索。
eviews图像及结果分析2
EViews图像及结果分析
EViews软件提供了序列（Series）和序列组（Group）等对象的各种视图、统计分析方法和过程。
当序列对象中输入数据后，就可对序列对象中输入的数据进行统计分析，并且可以通过图、表等形式进行描述。
本章将介绍序列和序列组对象图形的生成和描述性统计量及其检验。
图形对象
图形（Graph）对象可以形成序列和序列组等对象的各种视图，如线图（Line）、散点图（Scatter）以及饼图（Pie）等。
通过图形可以进一步观察和分析数据的变化趋势和规律。
下面介绍图形对象的基本操作。
图形（Graph）对象的生成
图形对象也是工作文件中的基本对象之一。
要生成图形对象需首先打开序列对象窗口或序列组对象窗口，选择对象窗口工具栏中的“View”|“Graph”选项。
选择的对象类型不同，将弹出不同的窗口。
如果在序列对象窗口下选择“View”|“Graph”选项，将弹出如图4-1所示的界面。
图4-1序列窗口下图形对象的生成
此时“Graph”弹出的菜单中有6种图形可供选择。
“Line”表示生成的是折线图，如图4-2所示，其横轴表示时间或序列的顺序，纵轴表示序列对象观测值的大小。
“Area”表示生成面积图，其图形的形状与“Line”（折线图）相同，不同的是“Area”（面积图）曲线下方是被填满的，而“Line”（折线图）下方是空白。
图4-2“Line”折线图
“Bar”表示为条形图，用条状的高度表示观测值的大小。
“Spike”表示尖峰图，由竖线组成，每根竖线的高度代表观测值的大小。
“SeasonalStackedLine”表示生成的是季节性堆叠图，“SeasonalSplitLine”表示生成的是季节性分割线。
如果在序列组（群）对象窗口下选择“View”|“Graph”选项，将弹出如图4-3所示的界面。
这里有9种图形可供选择。
其前4种与上面讲述的相同。
图4-3序列组（群）窗口下图对象的生成
其中，“Scatter”表示生成散点图。
在“Scatter”弹出的菜单中有5个选项，分别是“SimpleScatter”（简单散点图）、“ScatterwithRegression”（带有回归线的散点图）、“ScatterwithNearestNeighborFit”（近邻匹配散点图）、“ScatterwithKernelFit”（核心匹配散点图）、“XYPairs”（XY成对散点图）。
当序列组中包含两个序列对象时，第一个序列对象的观测值构成散点图的横坐标，第二个序列对象的观测值构成散点图的纵坐标，如图4-4所示。
当序列组中有三个以上的序列对象时，第一个序列对象构成散点图的横坐标，其余序列对象构成散点图的纵坐标。
图4-4简单散点图（“SimpleScatter”）
“XYline”表示X与Y的折线图，横纵坐标分别表示两个序列对象的观测值。
“ErrorBar”表示误差长条图，“High-Low”表示高低图，“Pie”表示饼图。
另外，在序列组（群）对象窗口下还可通过选择“View”|“MultipleGraphs”选项来生成图形。
此时图形显示在不同的坐标系中，即每个序列对象各形成一个图形，并显示在同一个窗口中。
除上面介绍的在序列对象窗口中生成图对象外，还可以通过选择EViews主菜单中的“Quick”|“Graph”选项来生成。
在“Graph”的菜单中选择图的类型，将弹出图4-5所示的文本框。
在文本框内输入序列或序列组的名称，例如“fdi”，然后单击“OK”按钮，即可打开相应的图。
此时所生成的图对象未被命名，单击图对象窗口中的“Name”按钮即可命名。
图4-5生成图对象的文本框
图形的冻结
在上面所介绍的两种图对象生成方法中，通过“Quick”|“Graph”选项生成图形对象，单击图对象窗口工具栏中的“Name”选项，在弹出的对话框中输入该对象的名称，单击“OK”按钮后该对象即可被保存，并在工作文件窗口中显示图对象的图标。
但直接在序列对象窗口中形成的图形未被保存，当序列对象中的观测值发生改变时，或当前工作文件的样本范围发生变化时，图形也将随之改变。
如果要保留所建立的图形，使之不随样本及观测值的改变而发生变化，则可以通过序列对象窗口中的“Freeze”键来冻结图形。
EViews软件将被冻结的图形以一个图（Graph）对象的形式保存在工作文件中。
当选择序列对象窗口中的“Freeze”键时，会弹出图对象窗口。
其中有几个键值得关注，一个是“AddText”功能键，通过它可以将文字显示在图形中，并且可以选择显示的位置。
一个是“Line/Shade”功能键，通过它可以改变图形的背景颜色，横纵坐标轴的线条类型和颜色等。
还有一个是“Remove”功能键，可以用来删除图形中的一些附加要素。
例如，将在图形中所建立的文字删除，应首先用鼠标单击所需删除的内容，使其被选中，然后单击“Remove”键，则文字即被删除。
用同样的方法也可以删除为图形所设置的颜色等。
图形的复制
如果需要将图形保存到其他文件中，例如放在Word文档中，则选择图对象窗口中的“Proc”|“Copy”选项，然后在弹出的对话框中单击“OK”按钮。
或者将鼠标移动到图形上，右击，在弹出的快捷菜单中选择“Copy”命令。
再打开需要粘贴的文件，进行粘贴即可。
描述性统计量
EViews软件中包含一些基本的描述性统计量，有直方图、均值、方差、协方差、自相关等。
本节主要介绍序列和序列组对象窗口下的描述性统计量及其检验。
描述性统计量概述
序列窗口下的描述性统计量和序列组窗口下的描述性统计量有所不同。
在序列窗口下有4种描述性统计量，分别是“HistogramandStats”（直方图和统计量）、“StatsTable”（统计表）、“StatsbyClassification”（分类统计量）和“BoxplotsbyClassification”（箱线图/箱尾图分类）。
序列组窗口下有3种描述性统计量，分别是“CommonSample”（普通样本）、“IndividualSamples”（个体样本）和“Boxplots”（箱线图/箱尾图）。
下面分别进行详细介绍。
（1）序列窗口下的描述性统计量
在序列（Series）对象窗口下选择工具栏中的“View”|“DescriptiveStatistics”（描述性统计量）选项，将出现4个选项。
第一个选项是“HistogramandStats”（直方图和统计量），能显示序列对象的直方图和描述性统计量的值。
下面以建立好的序列对象“fdi”为例来进行说明。
如图4-6所示，图的左侧显示的是该序列对象的直方图，为观测值的频率分布。
右侧分三个部分，最上面显示的是序列对象的名称、样本的范围和样本数量。
中间部分显示的是各统计量的值。
其中，“Mean”表示均值，即序列对象观测值的平均值；“Median”表示中位数，即从小到大排列的序列对象观测值的中间值，是对序列分布中心的一个大致估计；“Maximum”和“Minimum”表示的是该序列观测值中的最大值和最小值；“”表示标准差，用来衡量序列观测值的离散程度。
其计算公式为
（4-1）
式中，σ为标准差，N为样本观测值个数，xi是样本观测值，
为样本均值。
图4-6序列对象“fdi”的直方图分布形状和相关统计量的描述
“Skewness”表示偏度，用来衡量观测值分布偏离均值的状况。
其计算公式为
（4-2）
式中，
是变量方差的有偏估计。
当S=0时，序列的分布是对称的，如正态分布；当S>0时，序列分布为右偏；当S<0时，序列分布为左偏。
例如图4-6中的偏度为500>0，所以我国的外商直接投资（fdi）的分布是不对称的，为右偏分布形态。
“Kurtosis”表示峰度，用来衡量序列分布的凸起状况。
其计算公式为
（4-3）
正态分布的K值为3，当K>3时，序列对象的分布凸起程度大于正态分布的凸起程度；当K<3时，序列对象的分布凸起程度要比正态分布小。
例如，图4-6中的峰度为917>3，外商直接投资（fdi）的分布呈尖峰状态。
最下方是JB（Jarque-Bera）统计量及其相应的概率（Probability）。
JB统计量用来检验序列观测值是否服从正态分布，该检验的零假设为样本服从正态分布。
在零假设下，JB统计量服从χ2
（2）分布。
根据第1章所介绍的假设检验，P（Probability）值为拒绝原假设所犯第Ⅰ类错误的概率。
在本例中P值接近于0，因而可在1%的显著性水平下拒绝零假设，即序列不服从正态分布。
第二个选项是“StatsTable”（统计表），它将描述性统计量值通过电子表格的形式显示在对象窗口中。
第三个选项是“StatsbyClassification”（分类统计量），它将样本分为若干组后再对各组观测值分别进行描述统计。
选择此项后将弹出如图4-7所示的对话框，其中包括三部分内容。
在左边“Statistics”选项中勾选需要显示的统计量，其中“#ofNAs”为无观测个数，“Observations”为观测值个数。
在“Series/Groupforclassify”中输入需分类的序列或序列组对象名称，右侧“OutputLayout”为输出结果的显示形式。
选择好后单击“OK”按钮即可。
图4-7“StatsbyClassification”（分类统计量）对话框
第四个选项是“BoxplotsbyClassification”（分类箱线图/箱尾图），将序列分布按照箱线图/箱尾图进行分类。
箱线图（Boxplot）也称为箱尾图，是利用数据统计量来描述数据的一种方法，它可以粗略地看出数据是否具有对称性，分布的分散程度等。
图4-8所示为fdi序列的分类箱线图。
图4-8fdi序列对象的分类箱线图（“BoxplotsbyClassification”）
（2）序列组窗口下的描述性统计量
在序列组（Group）对象窗口下选择工具栏中的“View”|“DescriptiveStatistics”（描述性统计量）选项，将弹出3个选项。
第一个选项是“CommonSample”（普通样本），选择该项将得到含有均值、中位数、最大/小值等统计量的一张电子表格。
“CommonSample”要求各序列对象的样本范围相同，不能含有NA符（空值）。
第二个选项是“IndividualSamples”（个体样本），选择该项后弹出的界面也是含有均值、中位数、最大/小值等统计量的一张电子表格。
与“CommonSample”不同的是，该选项中序列对象所包含的观测值个数可以不同。
第三个选项是“Boxplots”（箱线图/箱尾图），其生成的图形与图4-8相似。
不同的是横坐标轴为序列名称。
其实，序列对象和序列组对象的描述统计量相同，只是在窗口中显示的形式不同。
序列组对象窗口中的描述性统计量是各个序列对象统计量的组合。
描述性统计量检验
在序列对象窗口“View”|“TestsforDescriptiveStats”中有两个关于描述性统计量的检验，一个是“SimpleHypothesisTests”（简单假设检验），另一个是“EqualityTestsbyClassification”（分组齐性检验）。
简单假设检验（“SimpleHypothesisTests”）包括序列对象的均值（Mean）检验、方差（Variance）检验和中位数（Median）检验。
选择“View”|“TestsforDescriptiveStats”|“SimpleHypothesisTests”选项后弹出图4-9所示的对话框，在左侧文本框中输入待检验的数值，然后单击“OK”按钮即可得到输出结果。
对于均值检验，如果标准差已知，可在右侧“Enter.if”文本框中输入标准差的值。
图4-9fdi序列对象的简单假设检验对话框
均值（Mean）检验、方差（Variance）检验和中位数（Median）检验的零假设和备择假设均为
H0：
μ=m（给定的数值）
H1：
μ≠m
根据输出结果中的P值来判定是否接受原假设。
例如，如果P值小于，说明在5%的显著性水平下可以拒绝零假设，即均值、方差或者中位数不等于给定值。
分组齐性检验（“EqualityTestsbyClassification”）同样包括均值（Mean）检验、方差（Variance）检验和中位数（Median）检验。
选择“View”|“TestsforDescriptiveStats”|“EqualityTestsbyClassification”选项后弹出图4-10所示的对话框，在“Series/Groupforclassify”文本框中输入序列或序列组对象名称，在“Testequalityof”中选中检验方法，“NAhandling”表示缺值项的处理方法，“Groupintobinsif”可以限定分类后子项目的数目。
然后单击“OK”按钮即可。
在序列组对象窗口中选择“View”|“TestsforDescriptiveStats”选项，会弹出如图4-11所示的对话框，其中包括均值（Mean）检验、中位数（Median）检验和方差（Variance）检验，其检验方法与上面介绍的序列对象中的检验方法相同。
选中一种检验后单击“OK”按钮即可。
当选中“Commonsample”复选框时，要求每个序列对象的当前样本范围内的观测值数目相同（不含NA），否则样本观测值数目可以不同。
图4-10fdi序列对象的分组齐性检验对话框图4-11序列组对象检验对话框
实验04-01：
表4-1中列出了2003年1月到2005年12月中国对法国地区的进出口贸易总额，单位为万美元。
请建立新序列对象保存该数据并进行简单假设检验。
表4-1—中国对法国地区的进出口贸易总额
日期
进出口
贸易总额
日期
进出口
贸易总额
日期
进出口
贸易总额
86082
112976
148958
152372
221297
276944
244255
357870
430414
353458
504991
633763
463705
645355
786491
566547
786018
960340
679596
948604
1143355
806437
1116051
1328490
943756
1288049
1505906
1053142
1420179
1664454
1197446
1582956
1854385
1339138
1758530
2064944
数据来源：
中国海关统计网
第一步，创建一个时间范围为2003年1月至2005年12月的工作文件，取名为trade，在该工作文件中建立序列对象，命名为zf，并将数据导入到序列对象中。
操作方法参照第2和第3章相关部分。
第二步，选择序列对象“zf”工具栏中的“View”|“TestsforDescriptiveStats”|“SimpleHypothesisTests”选项将弹出如图4-12所示的对话框。
图4-12zf序列对象的简单假设检验对话框
在“Mean”文本框中输入均值“800000”，在“Variance”文本框中输入方差“500000”，在“Median”文本框中输入中位数“800000”，然后单击“OK”按钮，将得到序列对象“zf”的简单假设检验结果，如图4-13所示。
第三步，分析输出结果。
根据输出结果中的P值来判定是否接受原假设，简单假设检验的原假设为均值、方差与中位数等于给定值。
在图4-13中，均值的P值为，大于，说明在5%的显著性水平下可以接受零假设，即均值等于给定值；方差的P值为，小于，说明在5%的显著性水平下可以拒绝零假设，即方差不等于给定值；中位数的P值为，远远大于，说明在5%的显著性水平下可以接受零假设，即中位数等于给定值。
图4-13zf序列对象的简单假设检验输出结果
相关分析
在EViews软件中可以对序列和序列组对象进行相关分析，从而判定序列对象是否存在自相关问题。
单击序列或序列组对象窗口工具栏中的“View”|“Correlogram”（相关图）选项，弹出图4-14所示的对话框。
需说明的是，序列组中的“View”|“Correlogram”选项分析的是第一个序列对象的相关性。
如果要得到两个序列对象的交叉相关图，需选择“View”|“CrossCorrelogram”选项。
图4-14相关分析对话框
在图4-14“Correlogramof”中选择相关图的序列类型，“Level”表示原序列，“1stdifference”表示一阶差分序列，“2nddifference”表示二阶差分序列。
在“Lagstoinclude”中输入最大滞后期，这个要根据样本容量而定。
然后单击“OK”按钮，将得到相关图。
图4-15所示为fdi序列对象原序列的相关图，最大滞后期为16。
其中，“Autocorrelation”表示自相关图，“PartialCorrelation”表示偏自相关图。
右侧表中的第一列自然序数是滞后期从1到16（最大滞后期）的值，与自相关图和偏自相关图对应。
“AC”列是估计的自相关系数值，“PAC”列是估计的偏自相关系数值，它们的数值与左侧图相对应。
“Q-Stat”表示Q统计量数值，“Prob”表示的是Q统计量取值大于该样本计算的Q值的概率。
该Q统计量的原假设为序列是非自相关的，如果P值大于给定的显著性水平（如1%），则接受原假设，即序列非自相关；如果P值小于给定的显著性水平，则拒绝原假设，即序列存在自相关。
图4-15中的P值显示，该序列对象fdi是自相关的。
图4-15fdi相关图
在序列组对象窗口中，除了可以得到相关图外还可以得到相关矩阵。
选择序列组对象窗口工具栏中的“View”|“Correlation”|“CommonSample”/“PairwiseSamples”后，得到图4-16所示的相关矩阵表。
表中的数值代表两个变量的相关性，数值可正可负。
当数值大于时，两个变量高度相关。
实验04-02：
建立一个1994～2005年的工作文件，频率为“Annual”，然后建立两个序列对象，将表4-2中的数据输入到序列对象中。
分析表4-2中GDP（国内生产总值）与CPI（居民消费价格指数）序列对象的相关关系。
表4-2我国1994—2005年CPI和GDP数据
年份
居民消费价格指数（CPI）
国内生产总值（GDP）
（亿元）
1994
1995
1996
1997
1998
（续表）
年份
居民消费价格指数（CPI）
国内生产总值（GDP）
（亿元）
1999
89
2000
99
2001
109
2002
120
2003
135
2004
159
2005
183
数据来源于中国国家统计局网站
第一步，建立序列对象GDP和CPI，并将表4-2中的数据导入序列对象中。
第二步，建立含有序列对象GDP和CPI的群对象，命名为gx。
第三步，选择群对象窗口工具栏中的“View”|“Correlations”（相关分析）|“CommonSample”选项，会得到GDP与CPI间的相关关系数据。
如图4-16所示，GDP（国内生产总值）与CPI（居民消费价格指数）间存在负相关关系，相关程度为391。
图4-16GDP与CPI相关关系
单位根检验
单位根检验（UnitRootTest）主要用来判定时间序列的平稳性。
如果一个时间序列的均值或者协方差函数随时间变化而改变，那么这个序列就是不平稳的时间序列。
如果该时间序列经过一阶差分后变为平稳序列，则称该序列为一阶单整序列，记作I
（1）；如果是经过d次差分后才平稳，则称为d阶单整序列，记作I（d）。
要对时间序列进行单位根检验，首先应打开序列对象窗口，选择工具栏中的“View”|“UnitRootTest”选项，会弹出如图4-17所示的对话框。
该对话框包括4个区域。
在“Testtype”列表中选择一种检验方法。
Eviews为用户提供了6种单位根检验的方法，有“AugmentedDickey–Fuller”（ADF）检验法、“Dickey–FullerGLS（ERS）”（DF）检验法、“Phillips–Perron”（PP）检验法、“Kwiatkowski–Phillips–Schmidt–Shin”（KPSS）检验法、“Elliott–Rothenberg–StockPoint–Optimal”（ERS）检验法和“Ng–Perron”（NP）检验法。
在“Testforunitrootin”中选择序列形式，“Level”表示对原序列进行单位根检验，“1stdifference”表示对一阶差分序列进行单位根检验，“2nddifference”表示对二阶差分序列进行单位根检验。
图4-17单位根检验对话框
“Laglength”表示消除序列相关所需的滞后阶数，在该区域有两个单选按钮。
在“Automaticselection”（自动选择）中有两个文本框，第一个文本框的下拉列表中有6个准则，常用的是“AIC”和“SC”最小准则，系统在默认状态下显示的是SC准则；在第二个文本框中输入最大滞后阶数，一般系统会根据样本容量而自动给出一个数值。
如果选中“Userspecific”，则用户可输入具体的数值，系统会给出检验结果。
“Includeintestequation”表示检验式中是否包含“Intercept”（截距项）、“Trendandintercept”（趋势项和截距项）和“None”（不包含趋势项和截距项）。
可根据图形来确定是否包含趋势项和截距项。
实验04-03：
根据实验04-02中建立的序列对象CPI和GDP进行单位根检验。
下面介绍详细的操作过程。
第一步，打开序列CPI对象窗口，选择工具栏中的“View”|“Graph”|“Line”选项，会得到CPI的趋势图，如图4-18所示。
如果曲线是从原点出发则在单位根检验式中不含有截距项，否则就包含截距项。
如果曲线有明显上升或下降的趋势，那么在单位根检验式中就包含趋势项。
所以CPI的单位根检验中应包含截距项，不包含趋势项。
图4-18CPI趋势图
第二步，选择工具栏中的“View”|“UnitRootTest”选项，在图4-19所示的对话框中进行选择。
在“Testtype”中选择“ADF”检验法（“AugmentedDickey–Fuller”），在“Testforunitrootin”中选择原序列形式（“Level”），在“Includeintestequation”中选择“Trendandintercept”（截距项），在“Automaticselection”中选择“AkaikeInfoCriterion”（AIC）准
升级会员 