EViews统计分析与应用(李嫣怡)全套.pptxVIP

;;;;;;;;;;;;数据是利用EViews软件进行处理和分析的基础。 EViews要求数据的分析处理过程必须在特定的工作文件 中进行，所以在将数据导入EViews软件之前，需要先建 立并保存工作文件。 导入的原始数据由于季节时间的影响会产生与季节时间相 关的规律性变动，所以为更准确地反映客观经济现象的本 质还需要在数据分析之前对其季节变动因素作一定消除和 调整。;? 1. 工作文件的保存 ? 2. 数据的导入 ? 3. 新序列的公式生成 ? 4. 数据的季节调整;;;;;;;;;? 图形对象（Graph）是序列、序列组、方程、模型 等对象的视图。将数据通过折线图、条形图、散点 图、饼图等图形显示，有利于用户更直接认识数据 的变化规律，从而更好更快的对数据进行处理分析 等操作。以后章节中对模型的异方差、自相关等问 题进行判断时，绘制数据相关图也是一种重要的检 验方法。;? 基于Graph的绘图功能 ? 图形的改变、冻结、移动与打印;;;;;;;? 建立了序列或序列组以后，通过EViews软件可以直 接获得序列或序列组的基本描述性统计量及基本统 计检验。其中，通过基本统计分析可获得序列或序 列组均值、方差、协方差、相关系数等基本统计量， 通过参数假设检验可以对序列或序列组进行均值检 验和方差检验。 ? 单序列统计量的计算及检验 ? 序列组统计量的计算及检验;单序列统计量的计算及检验 ? 单序列统计量的计算、检验与图形操作通过序列对 象窗口工作栏的View键实现。如图4-1所示的View 键下拉菜单分为四个部分。;;;;单序列统计量的计算及检验 3.单序列单因素统计表 ? 序列的单因素统计表用来显示序列在不同观测值范 围区间的观测个数及百分比信息。;;;;;;? 回归分析是处理变量与变量之间关系的一种最为常用的统计分析方法，它的理论基础 比较成熟，而且应用十分广泛。人类社会活动总是与许多变量相联系的，我们常常要 研究这些变量之间的数量关系。对于变量之间的关系，一般分为两类：一是变量之间 存在的确定性的函数关系，另一类是变量之间的非确定的依赖关系。而为了分析和利 用变量之间的非确定的依赖关系，人们建立了各种??计分析方法，其中回归分析方法 是最为常用的经典方法之一。 ? 回归分析的主要目的是研究自变量和因变量之间的数量关系，研究的主要内容包括建 立回归模型探索变量之间的相关程度、利用回归模型估计和预测因变量的变化等等。 其中，根据回归形式的不同，回归模型可以分为线性回归、非线性回归等多种回归分 析方法，而本章将对最为基础和最为重要的线性回归模型的EVIEWS操作进行讲解。 ? 线性回归模型的OLS估计 ? 标准回归结果的解释及残差检验 ? 含虚拟变量的线性回归模型的OLS估计;;? （2）一元线性回归模型的最小二乘估计 ? 样本观测值Yi与估计值的残差e反应了样本观测值与回归直线之间的 偏离程度。而最小二乘估计方法的原理就是让拟合的直线使残差平方 和达到最小，依次为准则确定X与Y之间的线性关系。这就是著名的 普通最最小二乘估计方法（Ordinary Least Square,OLS）。;;;;? （2）排序设定方法 ? 模型变量设定中最常用的是排序方法，即按照被解释变量、回归因子（含常数项和解释变量）的顺 序依次列出来，该方法又可分为三类： ? 当模型中的变量都是工作文件中的已有变量时，可以在Estimation specification输入框按照模型 的被解释变量、解释变量的顺序依次列出，中间用空格隔开所有的变量，且不需要设定模型的随机 项。;;;;;;? 2．模型回归残差的常用检验 ? 回归模型估计完毕后，通常研究者会对模型估计的残差进行检验，通过回归残差的性 质来判断模型估计的效果。常用的检验有：Q检验和LM检验用来判断残差是否违背无 相关假定、异方差检验用来判断残差是否违背同方差假定、正态性检验用于判断残差 的分布。检验的一般程序（适用于绝大部分统计量检验）是计算相关统计量的原假设 成立的概率P值，如果该概率P值小于某个设定显著水平（通常为5%）,则拒绝原假设， 认为备择假设成立；反之，则不能拒绝原假设。;;;;;? “Freeze”按钮 ? Equation方程对象界面内的标准回归结果不允许用户对回归结果进行更改操作，而单 击Freeze快捷操作按钮可以将标准回归结果进入可编辑状态，从而给用户提供了进行 更改操作的空间。 ? “Estimate”按钮 ? 该按钮主要是用于返回到标准回归结果界面的快捷工具按钮，单击该按钮可以在其他 操作界面下转换到标准回归结果界面。 ? “Forcast”按钮 ? 该按钮主要用于利用用户建立的回归模型进行预测的操作，对模型预测的具体讲解请 参考本书第十四章预测专题，在此不再赘述。 ? “