Eviews软件基本操作

据的个数。
中位数 (median) 即从小到大排列的序列的中间值。是对 序列分布中心的一个粗略估计。
最大最小值 (max and min) 序列中的最大最小值。
标准差(Standard Deviation) 标准差衡量序列的离散程度。 计算公式如下
ˆ s
1 N 2 yi y N 1 i 1
1 N 2 2 s xi x N 1 i 1
N为观测值的个数，x 为x的样本均值。在原假设下，如果x 服从正态分布， 2 统计量是服从自由度为N-1的 2分布。
要进行方差检验，在Variance处填入在原假设下的方差值。 可以填入任何正数或表达式。
3. 中位数检验

N 是样本中观测值的个数， y 是样本均值。

偏度（Skewness） 衡量序列分布围绕其均值的非对称
性。计算公式如下
1 S N


i 1
N
yi y ˆ
3
s ( N 1) / N 是变量方差的有偏估计。如果序列的分布
是对称的，S值为0；正的S值意味着序列分布有长的右拖尾，负
居民消费（CS）和GDP的交叉相关系数
练习

实验内容中后三步以e1所列出的税收收入和国 内生产总值的统计资料为例进行操作。




创建工作文件（p507） 输入 Y、X 的数据（p516） 生成 log（Y）、log（X）、X^2、1/X、时间变量 T 等序 列（p519） 选择若干变量构成数组，在数组中增加、更名和删除变量 在工作文件窗口中删除、更名变量 图形分析与描述统计分析（p525） 利用 PLOT 命令绘制趋势图 利用 SCAT 命令绘制 X、Y 的相关图 观察图形参数的设置情况 使用多种方法检验Y、X是否服从正态分布 对Y、X进行描述性统计分析（p22） 对Y、X进行方差齐性检验（p25） 在序列和数组窗口观察变量的描述统计量 数据文件的存贮、调用与转换
T l xt x yt l y l 0,1,2,3 T t 1 c xy l T l yt y xt l x l 0,1,2 T t 1 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。
Quantile(分位数) 操作用来描绘序列的经验分位数。对 0 q 1, X 的分位数 x(q) 满足下式：
prob( x x(q) ) q ，且 prob( x x( q) ) 1 q
分位数函数是CDF的反函数，可以通过调换CDF的横纵 坐标轴得到。 All选项包括CDF，Survivor和Quantile函数。 Saved matrix name可以允许把结果保存在一个矩阵内。 Include standard errors(包括标准误差)操作标绘接近 95%的置信区间的经验分布函数。
其中，Cumulative Distribution(累积分布)操作用来描 绘序列的经验累积函数（CDF）。CDF是序列中观测值不
超过指定值 r 的概率
Fx (r ) prob( x r )
Survivor(残存)操作用来描绘序列的经验残存函数
S x (r ) prob( x r ) 1 Fx (r )
除了对极特殊的分析外，对一般分析而言是足够用的。直接
点击ok键接受缺省设置，就可以轻松的展现出每个图。
§1.3.1 序列分布图
本节列出了三种描述序列经验分布特征的图。
1. CDF—Survivor—Quantile图
这个图描绘出带有加或减两个标准误差带的经验累积分布 函数，残存函数和分位数函数。在序列菜单中或组菜单中选择 View /Distribution/ CDF—Survivor—Quantile…时 ( 组菜单的 Multiple Graphs中)，就会出现下面的对话框：
H0 : m H1 : m
如果不指定序列 x 的标准差，EViews将在 t – 统计量中使 用该标准差的估计值 s 。
t
x m s N
,
s
1 N xi x 2 N 1 i 1
x是 x 的样本估计值，N是x的观测值的个数。在原假设下，
如果x服从正态分布，t 统计量是自由度为N-1的t分布。
绝原假设。这里我们不能拒绝原假设。

2. 方差检验 检验的原假设为序列 x 的方差等于 2，备选假设为双边的，
x 的方差不等于 2 ，即 H 0 : var x 2
H 1 : var x
2
2
EViews计算2统计量，计算公式如下
N 1s 2
wk.baidu.com
2
,
原假设为序列x的中位数等于m，备选假设为双边假设，
x的中位数不等于m，即
H 0 : med x m H 1 : med x m
EViews提供了三个以排序为基础的无参数的检验统计量。 方法的主要参考来自于Conover（1980）和Sheskin（1997）。 进行中位数检验，在Median右边的框内输入中位数的值， 可以输入任何数字表达式。
下图是GDP增长率和指数分布的Q-Q图：
§1.5 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： c xy l rxy l l 0,1,2 c xx 0 c yy 0
§1.3 分布函数
EViews提供了几种对数据进行初步分析的方法。在§1.1 我们已列出了几种图来描述序列分布特征。在本节，列出了 几种散点图且允许我们可以用有参数或无参数过程来做拟合 曲线图。 这些图包含着复杂计算和大量的特殊操作，对某些完全 技术性的介绍，不必掌握所有细节。EViews中设置的缺省值
的S值意味着序列分布有长的左拖尾。例1.1中X的偏度为0，说明
X的分布是对称的；而例1.3中GDP增长率的偏度是0.78，说明 GDP增长率的分布是不对称的。

峰度（Kurtosis） 度量序列分布的凸起或平坦程度，
计算公式如下
1 yi y K ˆ N i 1
第1讲 EViews软件的基本操作
【实验目的】

了解 EViews 软件的基本操作对象，掌握软件 的基本操作。
【实验内容】



一、EViews 软件的安装； 二、数据的输入、编辑与序列生成； 三、序列的统计量、检验和分布 四、图形分析与描述统计分析； 五、数据文件的存贮、调用与转换。
序列的统计量、检验和分布
N


4
意义同S中 ，正态分布的 K 值为3。如果 K 值大于3，
分布的凸起程度大于 正态分布；如果K值小于3，序列分布相 对于正态分布是平坦的。例1.1中X的峰度为2.5，说明X的分 布相对于正态分布是平坦的；而例1.3中GDP增长率的峰度为 2.14 ，说明GDP增长率的分布相对于正态分布也是平坦的。

Jarque-Bera 检验 检验序列是否服从正态分布。统计
量计算公式如下
N k JB 6
2 1 2 S 4 K 3
S为偏度，K为峰度，k是序列估计式中参数的个数。
在正态分布的原假设下，J-B统计量是自由度为2的 2 分 布。 J-B统计量下显示的概率值（P值）是J-B统计量超出原 假设下的观测值的概率。如果该值很小，则拒绝原假设。当 然，在不同的显著性水平下的拒绝域是不一样的。例1.1中X 的J-B统计量下显示的概率值（P值）是0.92，接受原假设, X 服从正态分布；而例1.3中GDP增长率的的J-B统计量的概率 值（P值）是0.455 ，也接受原假设, 说明GDP增长率服从正态 分布。

EViews提供序列的各种统计图、统计方法及过程。
当用前述的方法向工作文件中读入数据后，就可以对 这些数据进行统计分析和图表分析。 EViews可以计算一个序列的各种统计量并可用表、 图等形式将其表现出来。视图包括最简单的曲线图，一直
到核密度估计。
打开工作文件，双击一个序列名，即进入序列的对话 框。单击“view”可看到菜单分为四个区，第一部分为序列 显示形式，第二和第三部分提供数据统计方法，第四部分是 转换选项和标签。
工作文件1_3.wf1中GDP增长率的分布图
2. Quantile—Quantile图
Quantile—Quantile ( QQ图)对于比较两个分布是一种简单 但重要的工具。这个图标绘出一个被选序列的分位数分布相对于 另一个序列的分位数分布或一个理论分布的异同。如果这两个分 布是相同的，则QQ图将在一条直线上。如果QQ图不在一条直线 上,则这两个分布是不同的。 当选择View/Distribution Graphs/Quantile-Quantile…. 下面的QQ Plot对话框会出 现:

如果给定x的标准差，EViews计算t 统计量：
x m t N
是指定的x的标准差。
要进行均值检验，在Mean内输入
值。如果已知标准差，
想要计算t统计量，在右边的框内输入标准差值。可以输入任何 数或标准EViews表达式，下页我们给出检验的输出结果。
这是检验例1.7中GDP增长率的均值，检验H0：X=10%， H1：X≠10%。表中的Probability值是P值（边际显著水平）。 在双边假设下，如果这个值小于检验的显著水平，如0.05则拒
§1.2 均值、中位数、方差的假设检验

这部分是对序列均值、中位数、方差的假设检验。在序
列对象菜单选择View/tests for descriptive stats/simple hypothesis tests，就会出现下面的序列分布检验对话框：
1. 均值检验

原假设是序列 x 的期望值 m ，备选假设是 ≠m ，即

§1.1

描述统计量
以直方图显示序列的频率分布。直方图将序列的长度按 等间距划分，显示观测值落入每一个区间的个数。
同直方图一起显示的还有一些标准的描述统计量。这些 统计量都是由样本中的观测值计算出来的。如图(例1.1)：

例1.3中GDP增长率的统计量：

均值 (mean) 即序列的平均值,用序列数据的总和除以数
可以选与如下的理论分布的分位数相比较: Normal(正态)分布：钟形并且对称的分布. Uniform(均匀)分布：矩形密度函数分布. Exponential(指数)分布：联合指数分布是一个有着一条 长右尾的正态分布. Logistic(逻辑)分布：除比正态分布有更长的尾外是一种 近似于正态的对称分布. Extreme value(极值)分布：I型极小值分布是有一条左长 尾的负偏分布,它非常近似于对数正态分布. 可以在工作文件中选择一些序列来与这些典型序列的分 位数相比较，也可以在编辑框中键入序列或组的名称来选择 对照的序列或组，EViews将针对列出的每个序列计算出QQ 图。