序列的統計量、檢驗和分布(完整版)
【正文】 ， 一直到核密度估計 。 2 ? 打開工作文件，雙擊一個序列名，即進入序列的對話框。 中位數 (median) 即從小到大排列的序列的中間值。例 X的偏度為 0，說明X的分布是對稱的；而例 GDP增長率的偏度是 ，說明GDP增長率的分布是不對稱的。如果該值很小，則拒絕原假設。 x? 原假設是序列 x 的期望值 ? ? m ，備選假設是 ? ≠m ，即 11 ? 如果給定 x的標準差， EViews計算 t 統計量： Nmxt??? ? 是指定的 x的標準差。 13 2. 方差檢驗 ? 檢驗的原假設為序列 x 的方差等于 ? 2，備選假設為雙邊的，x 的方差不等于 ? 2 ，即 ? ?? ? 2120va r:va r:????xHxH EViews計算 ?2統計量，計算公式如下 ? ? ? ????????Nii xxNssN12222211,1?? N為觀測值的個數 ， 為 x的樣本均值 。 分布函數 EViews提供了幾種對數據進行初步分析的方法。 序列分布圖 本節(jié)列出了三種描述序列經驗分布特征的圖。 19 工作文件 GDP增長率的分布圖 20 2. Quantile—Quantile圖 Quantile—Quantile ( 圖 )對于比較兩個分布是一種簡單但重要的工具。 下圖是 GDP增長率序列分布的直方圖 : 24 核密度估計用 “ 沖擊 ” 代替了直方圖中的 “ 框 ” ， 所以它是平滑的 。 28 下圖是 GDP增長率序列分布的核密度估計 : 29 167。 21)( iiNii bxayr ????這里 xi , yi 是變形后的序列，權值 r 通過下式得到： ????? ???o t h e r w i s emef o rmer iii 016)361( 222其中 : ei ? yi – a –bxi ， m是 |ei| 的中間數，大的殘差的觀測值給一個小權數。 ( 1) Specification （說明操作） 35 (2) Method 操作 可以選擇在樣本中的每一個數據點作局部回歸或在數據點的子集中作局部回歸 。 ? ? ? ? ? ?? ? ?????? ???????? ?? hXxKXxXxYxm iNikikii1210 ??? ? N是觀測值的個數 ， h是帶寬 （ 或光滑參數 ） ， K是核函數 。核心函數如下： Epanechnikov(default) Triangular Uniform(Rectangular) Normal(Gaussian) Biweight(Quartic) Triweight Cosinus )1()1(43 2 ?? uIu 在這里 I 是指示器， 1表示真， 2表示假。 42 167。序列 X 與 Y 的交叉相關的計算公式如下： ? ? ? ?? ? ? ?00 yyxxxyxycclclr ? ?2,1,0 ???l? ?? ?? ?? ?? ???????????????????????????2,1,03,2,1,011lTxxyylTyyxxlclttlTtlttlTtxy 注意與自相關不同，交叉相關不必圍繞滯后期對稱。越大越平滑。 38 打開 Scatter with kernel fit
環(huán)評公示相關推薦
鄂ICP備17016276號-1