《EViews序列的統(tǒng)計量檢驗和分布課件》由會員分享，可在線閱讀，更多相關《EViews序列的統(tǒng)計量檢驗和分布課件（50頁珍藏版）》請在裝配圖網(wǎng)上搜索。

1、1l EViews提供序列的各種統(tǒng)計圖、統(tǒng)計方法及過程。提供序列的各種統(tǒng)計圖、統(tǒng)計方法及過程。當用前述的方法向工作文件中讀入數(shù)據(jù)后，就可以對當用前述的方法向工作文件中讀入數(shù)據(jù)后，就可以對這些數(shù)據(jù)進行統(tǒng)計分析和圖表分析。這些數(shù)據(jù)進行統(tǒng)計分析和圖表分析。EViews可以計算一個序列的各種統(tǒng)計量并可用表、可以計算一個序列的各種統(tǒng)計量并可用表、圖等形式將其表現(xiàn)出來。視圖包括最簡單的曲線圖，一直圖等形式將其表現(xiàn)出來。視圖包括最簡單的曲線圖，一直到核密度估計。到核密度估計。2l 打開工作文件，雙擊一個序列名，即進入序列的對話打開工作文件，雙擊一個序列名，即進入序列的對話框。單擊框。單擊“view”可看到菜

2、單分為四個區(qū)，第一部分為序列可看到菜單分為四個區(qū)，第一部分為序列顯示形式，第二和第三部分提供數(shù)據(jù)統(tǒng)計方法，第四部分是顯示形式，第二和第三部分提供數(shù)據(jù)統(tǒng)計方法，第四部分是轉(zhuǎn)換選項和標簽。轉(zhuǎn)換選項和標簽。3l 以直方圖顯示序列的頻率分布。直方圖將序列的長度按以直方圖顯示序列的頻率分布。直方圖將序列的長度按等間距劃分，顯示觀測值落入每一個區(qū)間的個數(shù)。等間距劃分，顯示觀測值落入每一個區(qū)間的個數(shù)。l 同直方圖一起顯示的還有一些標準的描述統(tǒng)計量。這些同直方圖一起顯示的還有一些標準的描述統(tǒng)計量。這些統(tǒng)計量都是由樣本中的觀測值計算出來的。如圖統(tǒng)計量都是由樣本中的觀測值計算出來的。如圖(例例1.1)：4l例例1

3、.3中中GDP增長率的統(tǒng)計量：增長率的統(tǒng)計量：5l 即序列的平均值即序列的平均值,用序列數(shù)據(jù)的總和除以數(shù)用序列數(shù)據(jù)的總和除以數(shù)據(jù)的個數(shù)。據(jù)的個數(shù)。即從小到大排列的序列的中間值。是對即從小到大排列的序列的中間值。是對序列分布中心的一個粗略估計。序列分布中心的一個粗略估計。序列中的最大最小值。序列中的最大最小值。標準差衡量序列的離散程度。標準差衡量序列的離散程度。計算公式如下計算公式如下2111yyNsiNiN 是樣本中觀測值的個數(shù)，是樣本中觀測值的個數(shù)，是樣本均值。是樣本均值。y6 衡量序列分布圍繞其均值的非對稱衡量序列分布圍繞其均值的非對稱性。計算公式如下性。計算公式如下 311yyNSiNi

4、 是變量方差的有偏估計。如果序列的分布是變量方差的有偏估計。如果序列的分布是對稱的，是對稱的，S值為值為0；正的；正的S值意味著序列分布有長的右拖尾，負值意味著序列分布有長的右拖尾，負的的S值意味著序列分布有長的左拖尾。例值意味著序列分布有長的左拖尾。例1.1中中X的偏度為的偏度為0，說明，說明X的分布是對稱的；而例的分布是對稱的；而例1.3中中GDP增長率的偏度是增長率的偏度是0.78，說明，說明GDP增長率的分布是不對稱的。增長率的分布是不對稱的。NNs/)1(7 度量序列分布的凸起或平坦程度，度量序列分布的凸起或平坦程度，計算公式如下計算公式如下 411yyNKiNi分布的凸起程度大于分

5、布的凸起程度大于 正態(tài)分布；如果正態(tài)分布；如果K值小于值小于3，序列分布相，序列分布相對于正態(tài)分布是平坦的。例對于正態(tài)分布是平坦的。例1.1中中X的峰度為的峰度為2.5，說明，說明X的分的分布相對于正態(tài)分布是平坦的；而例布相對于正態(tài)分布是平坦的；而例1.3中中GDP增長率的峰度為增長率的峰度為2.14，說明，說明GDP增長率的分布相對于正態(tài)分布也是平坦的。增長率的分布相對于正態(tài)分布也是平坦的。意義同意義同S中中，正態(tài)分布的正態(tài)分布的 K 值為值為3。如果。如果 K 值大于值大于3，8l 檢驗序列是否服從正態(tài)分布。統(tǒng)計檢驗序列是否服從正態(tài)分布。統(tǒng)計量計算公式如下量計算公式如下 223416KSk

6、NJBS為偏度，為偏度，K為峰度，為峰度，k是序列估計式中參數(shù)的個數(shù)。是序列估計式中參數(shù)的個數(shù)。在正態(tài)分布的原假設下，在正態(tài)分布的原假設下，J-B統(tǒng)計量是自由度為統(tǒng)計量是自由度為2的的 2 分分布。布。J-B統(tǒng)計量下顯示的概率值（統(tǒng)計量下顯示的概率值（P值）是值）是J-B統(tǒng)計量超出原統(tǒng)計量超出原假設下的觀測值的概率。如果該值很小，則拒絕原假設。當假設下的觀測值的概率。如果該值很小，則拒絕原假設。當然，在不同的顯著性水平下的拒絕域是不一樣的。例然，在不同的顯著性水平下的拒絕域是不一樣的。例1.1中中X的的J-B統(tǒng)計量下顯示的概率值（統(tǒng)計量下顯示的概率值（P值）是值）是0.92，接受原假設，接受原

7、假設,X 服從正態(tài)分布；而例服從正態(tài)分布；而例1.3中中GDP增長率的的增長率的的J-B統(tǒng)計量的概率統(tǒng)計量的概率值（值（P值）是值）是0.455，也接受原假設，也接受原假設,說明說明GDP增長率服從正態(tài)增長率服從正態(tài)分布。分布。9l 這部分是對序列均值、中位數(shù)、方差的假設檢驗。在序這部分是對序列均值、中位數(shù)、方差的假設檢驗。在序列對象菜單選擇列對象菜單選擇View/tests for descriptive stats/simple hypothesis tests，就會出現(xiàn)下面的序列分布檢驗對話框：，就會出現(xiàn)下面的序列分布檢驗對話框：10mHmH:10 如果不指定序列如果不指定序列 x 的標

8、準差，的標準差，EViews將在將在 t 統(tǒng)計量中使統(tǒng)計量中使用該標準差的估計值用該標準差的估計值 s。NiixxNsNsmxt1211,是是 x 的樣本估計值的樣本估計值，N是是x的觀測值的個數(shù)。在原假設下，的觀測值的個數(shù)。在原假設下，如果如果x服從正態(tài)分布，服從正態(tài)分布，t 統(tǒng)計量是自由度為統(tǒng)計量是自由度為N-1的的t分布分布。xl 原假設是序列原假設是序列 x 的期望值的期望值 m，備選假設是，備選假設是 m，即，即 11l 如果給定如果給定x的標準差，的標準差，EViews計算計算t 統(tǒng)計量：統(tǒng)計量：Nmxt 是指定的是指定的x的標準差。的標準差。要進行均值檢驗，在要進行均值檢驗，在M

9、ean內(nèi)輸入內(nèi)輸入 值。如果已知標準差，值。如果已知標準差，想要計算想要計算t統(tǒng)計量，在統(tǒng)計量，在右邊右邊的框內(nèi)輸入標準差值?？梢暂斎肴魏蔚目騼?nèi)輸入標準差值?？梢暂斎肴魏螖?shù)或標準數(shù)或標準EViews表達式，下頁我們給出檢驗的輸出結果。表達式，下頁我們給出檢驗的輸出結果。12 這是檢驗例這是檢驗例1.7中中GDP增長率的均值，增長率的均值，檢驗檢驗H0：X=10%，H1：X10%。表中的表中的Probability值是值是P值（邊際顯著水平）。值（邊際顯著水平）。在雙邊假設下，如果這個值小于檢驗的顯著水平，如在雙邊假設下，如果這個值小于檢驗的顯著水平，如0.05則拒則拒絕原假設。這里我們不能拒絕

10、原假設。絕原假設。這里我們不能拒絕原假設。13l 檢驗的原假設為序列檢驗的原假設為序列 x 的方差等于的方差等于 2，備選假設為雙邊的，備選假設為雙邊的，x 的方差不等于的方差不等于 2，即，即 2120var:var:xHxH EViews計算計算 2統(tǒng)計量，計算公式如下統(tǒng)計量，計算公式如下 NiixxNssN12222211,1 N為觀測值的個數(shù)，為觀測值的個數(shù)，為為x的樣本均值。在原假設下，如果的樣本均值。在原假設下，如果x服從正態(tài)分布，服從正態(tài)分布，2 統(tǒng)計量是服從自由度為統(tǒng)計量是服從自由度為N-1的的 2分布分布。要要進行方差檢驗，在進行方差檢驗，在Variance處填入在原假設下的

11、方差值。處填入在原假設下的方差值?？梢蕴钊肴魏握龜?shù)或表達式?？梢蕴钊肴魏握龜?shù)或表達式。x14l 原假設為序列原假設為序列x的中位數(shù)等于的中位數(shù)等于m，備選假設為雙邊假設，備選假設為雙邊假設，x的中位數(shù)不等于的中位數(shù)不等于m，即，即 mxmedHmxmedH:10 EViews提供了三個以排序為基礎的無參數(shù)的檢驗統(tǒng)計量。提供了三個以排序為基礎的無參數(shù)的檢驗統(tǒng)計量。方法的主要參考來自于方法的主要參考來自于Conover（1980）和）和Sheskin（1997）。）。進行中位數(shù)檢驗，在進行中位數(shù)檢驗，在Median右邊的框內(nèi)輸入中位數(shù)的值，右邊的框內(nèi)輸入中位數(shù)的值，可以輸入任何數(shù)字表達式?？梢暂斎?/p>

12、任何數(shù)字表達式。15 EViews提供了幾種對數(shù)據(jù)進行初步分析的方法。在提供了幾種對數(shù)據(jù)進行初步分析的方法。在1.1 我們已列出了幾種圖來描述序列分布特征。在本節(jié)，列出了我們已列出了幾種圖來描述序列分布特征。在本節(jié)，列出了幾種散點圖且允許我們可以用有參數(shù)或無參數(shù)過程來做擬合幾種散點圖且允許我們可以用有參數(shù)或無參數(shù)過程來做擬合曲線圖。曲線圖。這些圖包含著復雜計算和大量的特殊操作，對某些完全這些圖包含著復雜計算和大量的特殊操作，對某些完全技術性的介紹，不必掌握所有細節(jié)。技術性的介紹，不必掌握所有細節(jié)。EViews中設置的缺省值中設置的缺省值除了對極特殊的分析外，對一般分析而言是足夠用的。直接除了對

13、極特殊的分析外，對一般分析而言是足夠用的。直接點擊點擊ok鍵接受缺省設置，就可以輕松的展現(xiàn)出每個圖。鍵接受缺省設置，就可以輕松的展現(xiàn)出每個圖。16 本節(jié)列出了三種描述序列經(jīng)驗分布特征的圖。本節(jié)列出了三種描述序列經(jīng)驗分布特征的圖。這個圖描繪出帶有加或減兩個標準誤差帶的經(jīng)驗累積分布這個圖描繪出帶有加或減兩個標準誤差帶的經(jīng)驗累積分布函數(shù)，殘存函數(shù)和分位數(shù)函數(shù)。在序列菜單中或組菜單中選擇函數(shù)，殘存函數(shù)和分位數(shù)函數(shù)。在序列菜單中或組菜單中選擇View/Distribution/CDFSurvivorQuantile時時(組菜單的組菜單的Multiple Graphs中中)，就會出現(xiàn)下面的對話框：，就會出

14、現(xiàn)下面的對話框：17 其中，其中，Cumulative Distribution(累積分布累積分布)操作用來描操作用來描繪序列的經(jīng)驗累積函數(shù)（繪序列的經(jīng)驗累積函數(shù)（CDF）。）。CDF是序列中觀測值不是序列中觀測值不超過指定值超過指定值 r 的概率的概率)()(rxprobrFxSurvivor(殘存殘存)操作用來描繪序列的經(jīng)驗殘存函數(shù)操作用來描繪序列的經(jīng)驗殘存函數(shù))(1)()(rFrxprobrSxx18 Quantile(分位數(shù)分位數(shù))操作用來描繪序列的經(jīng)驗分位數(shù)。對操作用來描繪序列的經(jīng)驗分位數(shù)。對 0 q 1,X 的分位數(shù)的分位數(shù) x(q)滿足下式：滿足下式：qxxprobq)()(qx

15、xprobq1)()(，且 分位數(shù)函數(shù)是分位數(shù)函數(shù)是CDF的反函數(shù)，可以通過調(diào)換的反函數(shù)，可以通過調(diào)換CDF的橫縱的橫縱坐標軸得到。坐標軸得到。All選項包括選項包括CDF，Survivor和和Quantile函數(shù)。函數(shù)。Saved matrix name可以允許把結果保存在一個矩陣內(nèi)?？梢栽试S把結果保存在一個矩陣內(nèi)。Include standard errors(包括標準誤差包括標準誤差)操作標繪接近操作標繪接近95%的置信區(qū)間的經(jīng)驗分布函數(shù)。的置信區(qū)間的經(jīng)驗分布函數(shù)。1920 QuantileQuantile(QQ圖圖)對于比較兩個分布是一種簡單對于比較兩個分布是一種簡單但重要的工具。這個

16、圖標繪出一個被選序列的分位數(shù)分布相對于但重要的工具。這個圖標繪出一個被選序列的分位數(shù)分布相對于另一個序列的分位數(shù)分布或一個理論分布的異同。如果這兩個分另一個序列的分位數(shù)分布或一個理論分布的異同。如果這兩個分布是相同的，則布是相同的，則QQ圖將在一條直線上。如果圖將在一條直線上。如果QQ圖不在一條直線圖不在一條直線上上,則這兩個分布是不同的則這兩個分布是不同的。當選擇當選擇View/Distribution Graphs/Quantile-Quantile.下面的下面的QQ Plot對話框會出對話框會出現(xiàn)現(xiàn):21 可以選與如下的理論分布的分位數(shù)相比較可以選與如下的理論分布的分位數(shù)相比較:Norm

17、al(正態(tài)正態(tài))分布：鐘形并且對稱的分布分布：鐘形并且對稱的分布.Uniform(均勻均勻)分布：矩形密度函數(shù)分布分布：矩形密度函數(shù)分布.Exponential(指數(shù)指數(shù))分布：聯(lián)合指數(shù)分布是一個有著一條分布：聯(lián)合指數(shù)分布是一個有著一條長右尾的正態(tài)分布長右尾的正態(tài)分布.Logistic(邏輯邏輯)分布：除比正態(tài)分布有更長的尾外是一種分布：除比正態(tài)分布有更長的尾外是一種近似于正態(tài)的對稱分布近似于正態(tài)的對稱分布.Extreme value(極值極值)分布：分布：I型極小值分布是有一條左長型極小值分布是有一條左長尾的負偏分布尾的負偏分布,它非常近似于對數(shù)正態(tài)分布它非常近似于對數(shù)正態(tài)分布.可以在工作文

18、件中選擇一些序列來與這些典型序列的分可以在工作文件中選擇一些序列來與這些典型序列的分位數(shù)相比較，也可以在編輯框中鍵入序列或組的名稱來選擇位數(shù)相比較，也可以在編輯框中鍵入序列或組的名稱來選擇對照的序列或組，對照的序列或組，EViews將針對列出的每個序列計算出將針對列出的每個序列計算出QQ圖。圖。22 下圖是下圖是GDP增長率和指數(shù)分布的增長率和指數(shù)分布的Q-Q圖：圖：23 顯示組中頭兩個序列的交叉相關。序列顯示組中頭兩個序列的交叉相關。序列 X 與與 Y 的交叉相關的交叉相關的計算公式如下：的計算公式如下：00yyxxxyxycclclr2,1,0l 2,1,03,2,1,011lTxxyyl

19、TyyxxlclttlTtlttlTtxy 注意與自相關不同，交叉相關不必圍繞滯后期對稱。交注意與自相關不同，交叉相關不必圍繞滯后期對稱。交叉相關圖中的虛線是二倍的標準差，近似計算。叉相關圖中的虛線是二倍的標準差，近似計算。2425 經(jīng)濟計量研究始于經(jīng)濟學中的理論假設，根據(jù)經(jīng)濟理經(jīng)濟計量研究始于經(jīng)濟學中的理論假設，根據(jù)經(jīng)濟理論設定變量間的一組關系，如消費理論、生產(chǎn)理論和各種論設定變量間的一組關系，如消費理論、生產(chǎn)理論和各種宏觀經(jīng)濟理論，對理論設定的關系進行定量刻畫，如消費宏觀經(jīng)濟理論，對理論設定的關系進行定量刻畫，如消費函數(shù)中的邊際消費傾向、生產(chǎn)函數(shù)中的各種彈性等進行實函數(shù)中的邊際消費傾向、生

20、產(chǎn)函數(shù)中的各種彈性等進行實證研究。單方程回歸是最豐富多彩和廣泛使用的統(tǒng)計技術證研究。單方程回歸是最豐富多彩和廣泛使用的統(tǒng)計技術之一。本章介紹之一。本章介紹EViews中基本回歸技術的使用，說明并估中基本回歸技術的使用，說明并估計一個回歸模型，進行簡單的特征分析并在深入的分析中計一個回歸模型，進行簡單的特征分析并在深入的分析中使用估計結果。隨后的章節(jié)討論了檢驗和預測，以及更高使用估計結果。隨后的章節(jié)討論了檢驗和預測，以及更高級，專業(yè)的技術，如加權最小二乘法、二階段最小二乘法級，專業(yè)的技術，如加權最小二乘法、二階段最小二乘法(TSLS)、非線性最小二乘法、非線性最小二乘法、ARIMA/ARIMAX

21、模型、模型、GMM（廣義矩估計）、（廣義矩估計）、GARCH模型和定性的有限因變量模型和定性的有限因變量模型。這些技術和模型都建立在本章介紹的基本思想的基模型。這些技術和模型都建立在本章介紹的基本思想的基礎之上。礎之上。26 對于本章及隨后章節(jié)所討論的技術，可以使用下列的經(jīng)對于本章及隨后章節(jié)所討論的技術，可以使用下列的經(jīng)濟計量學教科書作為參考。下面列出了標準教科書濟計量學教科書作為參考。下面列出了標準教科書(逐漸變難逐漸變難)：(1)Pindyck，Rubinfeld(1991),Econometric Models and Economic Forecasts,經(jīng)濟計量模型和經(jīng)濟預測經(jīng)濟計量

22、模型和經(jīng)濟預測，第三版。，第三版。(2)Johnston 和和 DiNardo(1997)，Economtric Methods,經(jīng)濟計量方法經(jīng)濟計量方法，第四版。，第四版。(3)Greene(1997)，Economtric Analysis,經(jīng)濟計量分經(jīng)濟計量分析析，第三版。，第三版。(4)Davidson 和和MacKinon(1993)，Estimation and Inference in Econometrics,經(jīng)濟計量學中的估計和推斷經(jīng)濟計量學中的估計和推斷。27 EViews中的單方程回歸估計是用方程對象來完成中的單方程回歸估計是用方程對象來完成的。為了創(chuàng)建一個方程對象的。為

23、了創(chuàng)建一個方程對象:從主菜單選擇從主菜單選擇Object/New Object/Equation 或或 Quick/Estimation Equation，或，或者在命令窗口中輸入關鍵詞者在命令窗口中輸入關鍵詞equation。在隨后出現(xiàn)的方程說明對話框中說明要建立的方在隨后出現(xiàn)的方程說明對話框中說明要建立的方程，并選擇估計方法。程，并選擇估計方法。28 當創(chuàng)建一個方程對象時，會出現(xiàn)如下對話框：當創(chuàng)建一個方程對象時，會出現(xiàn)如下對話框：在這個對話框中需要說明三件事：在這個對話框中需要說明三件事：在最上面的編輯框中，可以說明方程：因變量在最上面的編輯框中，可以說明方程：因變量（左邊）和自變量（右邊

24、）以及函數(shù)形式。（左邊）和自變量（右邊）以及函數(shù)形式。有兩種說明方程的基本方法：有兩種說明方程的基本方法：。列表法簡單。列表法簡單但是只能用于不嚴格的線性說明；公式法更為一般，可用于說明但是只能用于不嚴格的線性說明；公式法更為一般，可用于說明非線性模型或帶有參數(shù)約束的模型。非線性模型或帶有參數(shù)約束的模型。29 說明線性方程的最簡單的方法是列出方程中要使用的變說明線性方程的最簡單的方法是列出方程中要使用的變量列表。首先是因變量或表達式名，然后是自變量列表。例量列表。首先是因變量或表達式名，然后是自變量列表。例如，要說明一個線性消費函數(shù)，用一個常數(shù)如，要說明一個線性消費函數(shù)，用一個常數(shù) c 和收入

25、和收入 inc 對對消費消費 csp 作回歸，在方程說明對話框上部輸入：作回歸，在方程說明對話框上部輸入：csp c inc 注意回歸變量列表中的序列注意回歸變量列表中的序列 c。這是。這是EViews用來說明回用來說明回歸中的常數(shù)而建立的序列。歸中的常數(shù)而建立的序列。EViews在回歸中不會自動包括一在回歸中不會自動包括一個常數(shù)，因此必須明確列出作為回歸變量的常數(shù)。內(nèi)部序列個常數(shù)，因此必須明確列出作為回歸變量的常數(shù)。內(nèi)部序列 c 不出現(xiàn)在工作文檔中，除了說明方程外不能使用它。不出現(xiàn)在工作文檔中，除了說明方程外不能使用它。在上例中，常數(shù)存儲于在上例中，常數(shù)存儲于c(1)，inc的系數(shù)存儲于的系

26、數(shù)存儲于c(2)，即，即回歸方程形式為：回歸方程形式為：csp=c(1)+c(2)*inc。30 在統(tǒng)計操作中會用到在統(tǒng)計操作中會用到，可以使用與滯后序列相同的，可以使用與滯后序列相同的名字來產(chǎn)生一個新序列，把滯后值放在序列名后的括號中。名字來產(chǎn)生一個新序列，把滯后值放在序列名后的括號中。csp c csp(-1)inc 相當?shù)幕貧w方程形式為：相當?shù)幕貧w方程形式為：csp=c(1)+c(2)csp(-1)+c(3)inc。通過在滯后中使用關鍵詞通過在滯后中使用關鍵詞 to 可以包括一個連續(xù)范圍的滯后可以包括一個連續(xù)范圍的滯后序列。例如：序列。例如：csp c csp(-1 to-4)inc這里

27、這里csp關于常數(shù)，關于常數(shù)，csp(-1)，csp(-2)，csp(-3)，csp(-4)，和，和inc的回的回歸。歸。在變量列表中也可以包括在變量列表中也可以包括。例如：。例如：log(csp)c log(csp(-1)log(inc+inc(-1)/2)相當?shù)幕貧w方程形式為：相當?shù)幕貧w方程形式為：log(csp)=c(1)+c(2)log(csp(-1)+c(3)log(inc+inc(-1)/2)31 當列表方法滿足不了要求時，可以用公式來說明方程。當列表方法滿足不了要求時，可以用公式來說明方程。許多估計方法（但不是所有的方法）允許使用公式來說明方許多估計方法（但不是所有的方法）允許使

28、用公式來說明方程。程。EViews中的公式是一個包括回歸變量和系數(shù)的數(shù)學表中的公式是一個包括回歸變量和系數(shù)的數(shù)學表達式。要用公式說明一個方程，只需在對話框中變量列表處達式。要用公式說明一個方程，只需在對話框中變量列表處輸入表達式即可。輸入表達式即可。EViews會在方程中添加一個隨機附加擾會在方程中添加一個隨機附加擾動項并用最小二乘法估計模型中的參數(shù)。動項并用最小二乘法估計模型中的參數(shù)。32 用公式說明方程的好處是可以使用不同的系數(shù)向量。用公式說明方程的好處是可以使用不同的系數(shù)向量。要創(chuàng)建新的系數(shù)向量，選擇要創(chuàng)建新的系數(shù)向量，選擇Object/New Object 并從主并從主菜單中選擇菜單中

29、選擇Matrix-Vector-Coef,為系數(shù)向量輸入一個名字。為系數(shù)向量輸入一個名字。然后，選擇然后，選擇OK。在。在New Matrix對話框中，選擇對話框中，選擇Coefficient Vector 并說明向量中應有多少行。帶有系數(shù)向并說明向量中應有多少行。帶有系數(shù)向量圖標量圖標 的對象會列在工作文檔目錄中，在方程說明中就的對象會列在工作文檔目錄中，在方程說明中就可以使用這個系數(shù)向量。例如，假設創(chuàng)造了系數(shù)向量可以使用這個系數(shù)向量。例如，假設創(chuàng)造了系數(shù)向量 a 和和beta，各有一行。則可以用新的系數(shù)向量代替，各有一行。則可以用新的系數(shù)向量代替 c：log(csp)=a(1)+beta(

30、1)*log(csp(-1)33 說明方程后，現(xiàn)在需要選擇估計方法。單擊說明方程后，現(xiàn)在需要選擇估計方法。單擊Method：進入：進入對話框，會看到下拉菜單中的估計方法列表：對話框，會看到下拉菜單中的估計方法列表：標準的單方程回歸用最小二乘估計。其他的方法在以后的標準的單方程回歸用最小二乘估計。其他的方法在以后的章節(jié)中介紹。采用章節(jié)中介紹。采用OLS，TSLS，GMM，和，和ARCH方法估計的方法估計的方程可以用一個公式說明。非線性方程不允許使用方程可以用一個公式說明。非線性方程不允許使用binary，ordered，censored，count模型，或帶有模型，或帶有ARMA項的方程。項的方

31、程。34 可以說明估計中要使用的樣本?？梢哉f明估計中要使用的樣本。EViews會用當前工作文檔會用當前工作文檔樣本來填充對話框。樣本來填充對話框。如果估計中使用的任何一個序列的數(shù)據(jù)丟失了，如果估計中使用的任何一個序列的數(shù)據(jù)丟失了，EViews會會臨時調(diào)整觀測值的估計樣本以排除掉這些觀測值。臨時調(diào)整觀測值的估計樣本以排除掉這些觀測值。EViews通過通過在樣本結果中報告實際樣本來通知樣本已經(jīng)被調(diào)整了。在樣本結果中報告實際樣本來通知樣本已經(jīng)被調(diào)整了。在方程結果的頂部在方程結果的頂部,EViews報告樣本已經(jīng)得到了調(diào)整。從報告樣本已經(jīng)得到了調(diào)整。從1978年年 2002年期間的年期間的25個觀測值中

32、個觀測值中,EViews使用了使用了24個觀測值。個觀測值。35 EViews提供很多估計選項。這些選項允許進行以下操提供很多估計選項。這些選項允許進行以下操作：對估計方程加權，計算異方差性，控制估計算法的各作：對估計方程加權，計算異方差性，控制估計算法的各種特征。種特征。36 在方程說明對話框中單擊在方程說明對話框中單擊OK鈕后，鈕后，EViews顯示估計結果顯示估計結果：根據(jù)矩陣的概念根據(jù)矩陣的概念,標準的回歸可以寫為：標準的回歸可以寫為：其中其中:y 是因變量觀測值的是因變量觀測值的 T 維向量，維向量，X 是解釋變量觀測值的是解釋變量觀測值的 T k 維矩陣，維矩陣，T 是觀測值個數(shù)是

33、觀測值個數(shù)，k 是解釋變量個數(shù)是解釋變量個數(shù)，是是 k 維維系數(shù)向量，系數(shù)向量，u 是是 T 維擾動項向量。維擾動項向量。uX y37 系數(shù)框描述了系數(shù)系數(shù)框描述了系數(shù) 的估計值。最小二乘估計的系數(shù)的估計值。最小二乘估計的系數(shù) b 是是由以下的公式計算得到的由以下的公式計算得到的 如果使用列表法說明方程，系數(shù)會列在變量欄中相應的自如果使用列表法說明方程，系數(shù)會列在變量欄中相應的自變量名下；如果是使用公式法來說明方程，變量名下；如果是使用公式法來說明方程，EViews會列出實際會列出實際系數(shù)系數(shù) c(1),c(2),c(3)等等。等等。對于所考慮的簡單線性模型，系數(shù)是在其他變量保持不變對于所考慮

34、的簡單線性模型，系數(shù)是在其他變量保持不變的情況下自變量對因變量的邊際收益。系數(shù)的情況下自變量對因變量的邊際收益。系數(shù) c 是回歸中的常數(shù)是回歸中的常數(shù)或者截距或者截距-它是當其他所有自變量都為零時預測的基本水平。它是當其他所有自變量都為零時預測的基本水平。其他系數(shù)可以理解為假設所有其它變量都不變，相應的自變量其他系數(shù)可以理解為假設所有其它變量都不變，相應的自變量和因變量之間的斜率關系。和因變量之間的斜率關系。yXXXb1)(38 本例是用中國本例是用中國1978年年2006年的數(shù)據(jù)建立的居民年的數(shù)據(jù)建立的居民消費方程：消費方程：cst=c0+c1inct+ut其中其中:cs 是居民消費是居民消

35、費；inc 是可支配收入。方程中是可支配收入。方程中c0代表自發(fā)代表自發(fā)消費，表示收入等于零時的消費水平；而消費，表示收入等于零時的消費水平；而c1代表了邊際消費代表了邊際消費傾向，傾向，0c11，即收入每增加即收入每增加1 1元，消費將增加元，消費將增加 c1 元。從元。從系系數(shù)中可以看出邊際消費傾向是數(shù)中可以看出邊際消費傾向是0.73。也即。也即1978年年2006年中年中國居民可支配收入的國居民可支配收入的73%用來消費。用來消費。39 標準差項報告了系數(shù)估計的標準差。標準差衡量了系數(shù)估標準差項報告了系數(shù)估計的標準差。標準差衡量了系數(shù)估計的統(tǒng)計可信性計的統(tǒng)計可信性-標準差越大，估計中的統(tǒng)

36、計干擾越大。標準差越大，估計中的統(tǒng)計干擾越大。估計系數(shù)的協(xié)方差矩陣是由以下公式計算得到的：估計系數(shù)的協(xié)方差矩陣是由以下公式計算得到的：這里這里 是殘差。而且系數(shù)估計值的標準差是這個矩陣對角線元是殘差。而且系數(shù)估計值的標準差是這個矩陣對角線元素的平方根?？梢酝ㄟ^選擇素的平方根?？梢酝ㄟ^選擇View/Covariance Matrix項來察看整項來察看整個協(xié)方差矩陣。個協(xié)方差矩陣。其中其中)1/(2kTuuXbyuu 12)()cov(XXb40 t統(tǒng)計量是由系數(shù)估計值和標準差之間的比率來計算的，它統(tǒng)計量是由系數(shù)估計值和標準差之間的比率來計算的，它是用來檢驗系數(shù)為零的假設的。是用來檢驗系數(shù)為零的假

37、設的。結果的最后一項是在誤差項為正態(tài)分布或系數(shù)估計值為漸結果的最后一項是在誤差項為正態(tài)分布或系數(shù)估計值為漸近正態(tài)分布的假設下近正態(tài)分布的假設下,指出指出 t 統(tǒng)計量與實際觀測值一致的概率。統(tǒng)計量與實際觀測值一致的概率。這個概率稱為邊際顯著性水平或這個概率稱為邊際顯著性水平或 P 值。給定一個值。給定一個 P 值，可值，可以一眼就看出是拒絕還是接受實際系數(shù)為零的雙邊假設。例如，以一眼就看出是拒絕還是接受實際系數(shù)為零的雙邊假設。例如，如果顯著水平為如果顯著水平為5%，P 值小于值小于0.05就可以拒絕系數(shù)為零的原假就可以拒絕系數(shù)為零的原假設。設。對于例對于例1的結果，系數(shù)的結果，系數(shù) inc 的零

38、假設在的零假設在1%的顯著水平下被拒的顯著水平下被拒絕。絕。41 R2 統(tǒng)計量衡量在樣本內(nèi)預測因變量值的回歸是否成功。統(tǒng)計量衡量在樣本內(nèi)預測因變量值的回歸是否成功。R2 是自變量所解釋的因變量的方差。如果回歸完全符合，統(tǒng)計值是自變量所解釋的因變量的方差。如果回歸完全符合，統(tǒng)計值會等于會等于1。如果結果不比因變量的均值好，統(tǒng)計值會等于。如果結果不比因變量的均值好，統(tǒng)計值會等于0。R2 可能會由于一些原因成為負值。例如，回歸沒有截距或常數(shù)，可能會由于一些原因成為負值。例如，回歸沒有截距或常數(shù)，或回歸包含系數(shù)約束，或估計方法采用二階段最小二乘法或或回歸包含系數(shù)約束，或估計方法采用二階段最小二乘法或A

39、RCH方法。方法。EViews計算計算R2 的公式為的公式為：，其中，其中，是殘差，是殘差，是因變量的均值。是因變量的均值。y)()(12yyyyuuRXbyuu 42 使用使用R2 作為衡量工具存在的一個問題，即在增加新的自變作為衡量工具存在的一個問題，即在增加新的自變量時量時R2 不會減少。在極端的情況下，如果把樣本觀測值都作為不會減少。在極端的情況下，如果把樣本觀測值都作為自變量，總能得到自變量，總能得到R2 為為1。R2 調(diào)整后的記為調(diào)整后的記為 ，消除，消除R2 中對模型沒有解釋力的新增中對模型沒有解釋力的新增變量。計算方法如下：變量。計算方法如下：從不會大于從不會大于R2 ，隨著增

40、加變量會減小，而且對于很不，隨著增加變量會減小，而且對于很不適合的模型還可能是負值。適合的模型還可能是負值。2RkTTRR111222R43 回歸標準差是在殘差的方差的估計值基礎之上的一個總結?；貧w標準差是在殘差的方差的估計值基礎之上的一個總結。計算方法如下：計算方法如下：殘差平方和可以用于很多統(tǒng)計計算中，為了方便，現(xiàn)在將殘差平方和可以用于很多統(tǒng)計計算中，為了方便，現(xiàn)在將它單獨列出：它單獨列出：)/(kTuusTtttbXyuu12)(44 EViews可以作出根據(jù)系數(shù)的估計值得到的對數(shù)似然函數(shù)可以作出根據(jù)系數(shù)的估計值得到的對數(shù)似然函數(shù)值（假設誤差為正態(tài)分布）。似然比檢驗可通過觀察方程嚴值（假

41、設誤差為正態(tài)分布）。似然比檢驗可通過觀察方程嚴格形式和不嚴格形式的對數(shù)似然值之間的差異來進行。格形式和不嚴格形式的對數(shù)似然值之間的差異來進行。對數(shù)似然計算如下：對數(shù)似然計算如下：)/log()2log(1(2TuuTl45 D-W 統(tǒng)計量衡量殘差的一階序列相關性，計算方法如下：統(tǒng)計量衡量殘差的一階序列相關性，計算方法如下：作為一個規(guī)則，如果作為一個規(guī)則，如果DW值小于值小于2，證明存在正序列相關。，證明存在正序列相關。在例在例1的結果中，的結果中，DW值很小，表明殘差中存在序列相關。關值很小，表明殘差中存在序列相關。關于于Durbin-Watson統(tǒng)計量和殘差序列相關更詳細的內(nèi)容參見統(tǒng)計量和殘

42、差序列相關更詳細的內(nèi)容參見“序列相關理論序列相關理論”。對于序列相關還有更好的檢驗方法。在對于序列相關還有更好的檢驗方法。在“序列相關的檢序列相關的檢驗驗”中，我們討論中，我們討論Q統(tǒng)計量和統(tǒng)計量和 LM檢驗，這些都是比檢驗，這些都是比DW統(tǒng)計統(tǒng)計量更為一般的序列相關檢驗方法。量更為一般的序列相關檢驗方法。uu TtttTttuuuDW12212)(46 y 的均值和標準差由下面標準公式算出：的均值和標準差由下面標準公式算出：TyyTii1 計算公式如下：計算公式如下：TkTlAIC22其中其中l(wèi) 是對數(shù)似然值是對數(shù)似然值 我們進行模型選擇時，我們進行模型選擇時，AIC值越小越好。例如，可以通

43、過選值越小越好。例如，可以通過選擇最小擇最小AIC值來確定一個滯后分布的長度。值來確定一個滯后分布的長度。112TyysTtiy)/log()2log(1(2TuuTl47 Schwarz準則是準則是AIC準則的替代方法準則的替代方法:TTkTlSClog2 F統(tǒng)計量檢驗回歸中所有的系數(shù)是否為零統(tǒng)計量檢驗回歸中所有的系數(shù)是否為零(除了常數(shù)或截距除了常數(shù)或截距)。對于普通最小二乘模型，對于普通最小二乘模型，F(xiàn)統(tǒng)計量由下式計算：統(tǒng)計量由下式計算：kTRkRF2211 在原假設為誤差正態(tài)分布下，統(tǒng)計量服從在原假設為誤差正態(tài)分布下，統(tǒng)計量服從 F(k 1,T k)分布。分布。48 F統(tǒng)計量下的統(tǒng)計量下

44、的P值，即值，即Prob(F-statistic),是是F檢驗的邊際顯檢驗的邊際顯著性水平。如果著性水平。如果P值小于所檢驗的邊際顯著水平，比如說值小于所檢驗的邊際顯著水平，比如說0.05，則拒絕所有系數(shù)都為零的原假設。對于例，則拒絕所有系數(shù)都為零的原假設。對于例1，P值為零，值為零，因此，我們拒絕回歸系數(shù)為零的原假設。注意因此，我們拒絕回歸系數(shù)為零的原假設。注意F檢驗是一個檢驗是一個聯(lián)合檢驗，即使所有的聯(lián)合檢驗，即使所有的t統(tǒng)計量都是不顯著的，統(tǒng)計量都是不顯著的，F(xiàn)統(tǒng)計量也可統(tǒng)計量也可能是高度顯著的。能是高度顯著的。49 以三種形式顯示方程：以三種形式顯示方程：EViews命令形式，帶系數(shù)符號的代命令形式，帶系數(shù)符號的代數(shù)方程，和有系數(shù)估計值的方程。數(shù)方程，和有系數(shù)估計值的方程?？梢詫⑦@些結果剪切和粘貼到支持可以將這些結果剪切和粘貼到支持Windows剪貼板的應用文檔中。剪貼板的應用文檔中。50 Estimation Output顯示方程結果。顯示方程結果。Actual,Fitted,Residual以圖表和數(shù)字的形式顯示因變量的以圖表和數(shù)字的形式顯示因變量的實際值和擬合值及殘差。實際值和擬合值及殘差。Actual,Fitted,Residual Table 以表的形式來顯示這些值。以表的形式來顯示這些值。