eviews-描述统计分析与参数假设检验.docx
《eviews-描述统计分析与参数假设检验.docx》由会员分享，可在线阅读，更多相关《eviews-描述统计分析与参数假设检验.docx（12页珍藏版）》请在冰豆网上搜索。
一、描述统计分析与参数假设检验
1、序列的view功能键
特征
时间序列分析
描述性统计
序列显示方式
（表格显示）
（图形显示）
（描述性统计）
（描述性统计检验）
（统计分布图）
（单因素制表）
（相关图）
（单位根检验）
（BDS独立性检验）
（序列的特性）
（标签）
（显示选定序列的直方图以及给出序列的有关统计量）
（表格形式显示有关统计量的值）
（以表格形式进行分组统计）
（以箱式图形式进行分组统计描述）
1.1Histogramandstats
Histogramandstats选项中统计量包括均值（means）、中位数（median）、最大值（maximum）、最小值（minimum）、标准差（std.dev.）、偏度（skewness）、峰度（kurtosis）以及jarque-bera统计量与其概率值。
｛根据其概率值p来决定是否拒绝零假设，p大于检验水平，不能拒绝样本序列服从正态分布的原假设｝
1.2statstable（绘制序列统计表）
statstable表示以表格的形式显示选定序列有关统计量的值。
1.3statsbyclassification（序列分组统计描述）
1.4one-waytabulation（绘制序列单因素列联表）
output选项组供用户选择输出结果的显示项，包括区间内的观测值计数（showcount）、是否显示百分比和累计百分比（showpercentage）以及是否显示频数和累积频数（showcumulative）。
2、序列组基本统计分析
描述性统计
统计量齐性检验
多因素制表
相关系数矩阵
协方差矩阵
相关图
交叉相关系数
协整检验
格兰杰因果检验
（标签）
时间序列分析的统计量和统计检验方法
基本统计分析
2.1序列组的统计描述
（共同样本）
（单个样本）
使用commonsample选项要求序列组中各个序列在当前样本范围内都有观测值；
使用individualsample选项在计算统计量时，将每个序列有值的观测值分别进行计算。
若序列组中没有缺失值或者各个序列的缺失值处于同一样本期间时，这两项没有区别。
多了两个统计量sum（样本和）和sumsq.dev.（样本方差）。
2.2相关分析和协方差分析
相关系数矩阵
协方差矩阵
2.3单个总体的假设检验
单个总体的假设检验是利用某些检验统计量对样本均值、方差以及分位数进行检验，其中经常使用的是均值检验和方差检验。
单个总体检验又分为简单假设检验和分组齐性检验，其中分组齐性检验是对由分组变量划分得到的序列各子集进行检验。
（均值、方差检验）
（分组均值齐性检验）
2.3.1均值检验和方差检验
对话框右侧的entersdif编辑框中输入相应的标准差（如果单个总体方差已知），则均值检验采用t检验，否则采用Z检验。
结果：
2.3.2分组均值齐性检验
分组齐性检验主要利用方差分析方法得到各组数据的组内差异和组间差异，eviews同时给出F统计量以及相应的概率值。
组内差异
组间差异
P<0.01，拒绝原假设序列各组的均值不存在显著差异
2.4两总体的假设检验
方差检验
均值检验
2.5绘制序列分布图及序列经验分布检验
绘制序列分布图的过程中，有几个经验分布函数需要注意：
（1）经验累积分布（CDF）函数是指序列中观测值不超过给定值y的概率。
（2）经验生存函数是指序列中观测值大于给定值y的概率。
2.5.1绘制CDF-surivor-quantile图
Cumulativedistribution（累计分布图）：
用来绘制序列的经验累计分布图；
Survivor：
用来绘制序列的经验生存函数图；
Quantile：
用来绘制序列的经验分位数图；
All：
表示前面3种图形均要绘制。
两边的两条红线表示两倍标准误差置信带。
2.5.2quantile-quantile图
以选定序列的分位数为横轴，某一理论分布或其他序列的分位数为纵轴，可以绘制QQ图。
可以选择某一理论分布或其他序列进行比较。
包括，正态分布、均匀分布、指数分布、逻辑分布、极值分布以及某个序列或序列组。
QQPlot用于直观验证一组数据是否来自某个分布，或者验证某两组数据是否来自同一（族）分布。
在教学和软件中常用的是检验数据是否来自于正态分布。
2.5.3序列经验分布检验（Empiricaldistributiontests）
用户可以通过该检验初步判断所选定序列的观测值大致服从哪种理论分布。
包括正态分布、卡方分布、指数分布、极大值分布、极小值分布、伽马分布、逻辑分布、帕累托分布以及均匀分布。
如果选择正态分布检验：
2.6绘制序列组的散点图
2.6.1绘制回归散点图
Simplescatterwithregression
分为：
不进行变换、对数变换、倒数变换、幂变换以及box-cox变换，横轴变换多了一个多项式变换。
下部为稳健迭代，用于选定迭代的次数，不需要用户设定。
在下边是输入拟合序列的名称，执行操作后，系统自动保存。
红色直线为拟合直线。
2.6.2最邻近拟合散点图
最邻近拟合散点图是基于最邻近点的局部加权回归，即：
对于样本中的数据点，软件将拟合出一条局部的并且经过加权的回归线
Method中选择exact表示将样本中的每一个数据点都作局部回归；另一个表示选取子样本进行回归，下面为样本的大小。
Specification选项组用于确定选择识别周围邻近点进行回归的观测值所采用的规则，
Bandwidth（带宽）设置，用于决定在局部回归中选择哪些观测值，可以选取【0，1】间的任一个α，带宽用于控制拟合线的平滑程度，α越大越平滑。
Polynomial（多项式次数）用于设定多项式的次数来拟合每一个局部回归。
Bracketbandwidthspan（分类带宽）若选中该项，eviews将显示带宽分别为0.5α，α，1.5α的三种最邻近拟合回归。
Options选项组也有三个选项，
Localweighting（tricube）：
用于给局部回归中的观测值进行加权；
Robustnessiterations（稳健迭代）：
用于设定局部回归中迭代的次数；
Symmetricneighbors（对称邻近点）
升级会员 