eviews对象基础的描述统计分析VIP免费

24/12/271第五章序列的描述统计分析§5.1§5.1单个序列的分析单个序列的分析§5.2§5.2组对象的简单统计分析组对象的简单统计分析24/12/272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。§5.1§5.1单个序列的分析单个序列的分析24/12/273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。24/12/274§5.1.1§5.1.1描述统计量描述统计量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。如下图：24/12/275均值均值(mean)(mean)即序列的平均值，用序列数据的总和除以数据的个数。中位数中位数(median)(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。最大值、最小值最大值、最小值(maxandmin)(maxandmin)序列中的最大最小值。标准差标准差(StandardDeviation)(StandardDeviation)标准差衡量序列的离散程度。计算公式如下2111ˆyyNsiNiN是样本中观测值的个数，是样本均值。y24/12/276偏度（偏度（SkewnessSkewness））衡量序列分布围绕其均值的非对称性。计算公式如下31ˆ1yyNSiNi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。NNs/)1(24/12/277峰度（峰度（KurtosisKurtosis））度量序列分布的凸起或平坦程度，计算公式如下41ˆ1yyNKiNi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。意义同S中，正态分布的K值为3。如果K值大于3，24/12/278Jarque-BeraJarque-Bera检验检验检验序列是否服从正态分布。该检验的原假设是序列服从正态分布，统计量计算公式如下221364NmJBSKS为偏度，K为峰度，m是序列估计式中参数的个数。在正态分布的原假设下，J-B统计量服从自由度为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。24/12/279§5.1.2§5.1.2均值、中位数、方差的假设检验均值、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/testsfordescriptivestats/simplehypothesistests，就会出现下面的序列分布检验对话框：24/12/27101.1.均值检验均值检验mHmH::10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。NiixxNsNsmxt1211,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。x原假设是序列x的期望值m，备选假设是≠m，即24/12/2711如果给定x的标准差，EViews计算t统计量：Nmxt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。24/12/2712这是检验上例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则拒绝原假设。这里我们不能拒绝原假设。24/12/27132.2.方差检验方差检验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2120var:var:xHxHEViews计算2统计量，计算公式如下NiixxNssN12222211,1N为观测值的个数，为x的样本均值。在原假设下，如果x服...