EViews序列的统计量检验和分布参考.ppt

§3.2.2 公式法说明方程 当列表方法满足不了要求时，可以用公式来说明方程。许多估计方法（但不是所有的方法）允许使用公式来说明方程。 EViews中的公式是一个包括回归变量和系数的数学表达式。要用公式说明一个方程，只需在对话框中变量列表处输入表达式即可。EViews会在方程中添加一个随机附加扰动项并用最小二乘法估计模型中的参数。 用公式说明方程的好处是可以使用不同的系数向量。要创建新的系数向量，选择Object/New Object… 并从主菜单中选择Matrix-Vector-Coef , 为系数向量输入一个名字。然后，选择OK。在New Matrix对话框中，选择Coefficient Vector 并说明向量中应有多少行。带有系数向量图标 ? 的对象会列在工作文档目录中，在方程说明中就可以使用这个系数向量。例如，假设创造了系数向量 a 和beta，各有一行。则可以用新的系数向量代替 c ： log(csp)=a(1)+ beta(1)* log(csp(-1)) §3.3 在EViews中估计方程 3.3.1 估计方法 说明方程后，现在需要选择估计方法。单击Method：进入对话框，会看到下拉菜单中的估计方法列表： 标准的单方程回归用最小二乘估计。其他的方法在以后的章节中介绍。采用OLS，TSLS，GMM，和ARCH方法估计的方程可以用一个公式说明。非线性方程不允许使用binary，ordered，censored，count模型，或带有ARMA项的方程。 3.3.2 估计样本 可以说明估计中要使用的样本。EViews会用当前工作文档样本来填充对话框。 如果估计中使用的任何一个序列的数据丢失了，EViews会临时调整观测值的估计样本以排除掉这些观测值。EViews通过在样本结果中报告实际样本来通知样本已经被调整了。 在方程结果的顶部, EViews报告样本已经得到了调整。从1978年?2002年期间的25个观测值中, EViews使用了24个观测值。 3.3.3 估计选项(Options) EViews提供很多估计选项。这些选项允许进行以下操作：对估计方程加权，计算异方差性，控制估计算法的各种特征。 * * 第一章 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