eviews-描述统计分析与参数假设检验
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
一、 描述统计分析与参数假设检验
1、序列的view 功能键
1.1 Histogram and stats
Histogram and stats 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}
(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)
1.2 stats table(绘制序列统计表)
stats table表示以表格的形式显示选定序列有关统计量的值。
1.3 stats by classification (序列分组统计描述)
1.4 one-way tabulation (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(show count)、是否显示百分比和累计百分比(show percentage)以及是否显示频数和累积频数(show cumulative)。
2、序列组基本统计分析2.1 序列组的统计描述
使用common sample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individual sample 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sum sq.dev. (样本方差)。
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)
基本统计分
时间序列分析的统计量和统计检
验方法
(共同样本)
(单个样本)
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。
2.3.1 均值检验和方差检验
结果:
(均值、方差检验) (分组均值齐性检验) 对话框右侧的enter sd if 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。
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。
P<0.01,拒绝原假设
序列各组的均值不存
在显著差异
组间差异
组内差异
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
Cumulative distribution(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。
2.5.2 quantile- 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(Empirical distribution tests)
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
Simple scatter with regression
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。
Bracket bandwidth span(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,