Eviews软件基本操作.ppt

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。 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 * * 序列的统计量、检验和分布 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。 §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 N 是样本中观测值的个数， 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 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 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。 意义同S中 ，正态分布的 K 值为3。如果 K 值大于3， 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 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。 §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 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 。 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。 原假设是