序列的統(tǒng)計量、檢驗和分布eviews應(yīng)用(更新版)
【正文】 ，出現(xiàn)下面的對話框： Regression用來指定局部回歸的形式 ， 指定多項式的階數(shù) k。Exact(full sample) 在樣本中的每一數(shù)據(jù)點都作局部回歸 33 3. Scatter with Nearest Neighber Fit(最鄰近擬合散點圖 ) 這是一種帶寬基于最鄰近點的局部回歸。 1. Simple Scatter（ 簡單散點圖 ） 其第一個序列在水平軸上，其余的在縱軸上。 一個序列 X 在點 x 的核密度估計為： 這里， N是觀測值的數(shù)目， h是帶寬（或平滑參數(shù)）， K是合并為一體的核函數(shù)。如果這兩個分布是相同的，則 圖將在一條直線上。在序列菜單中或組菜單中選擇View /Distribution/ CDF—Survivor—Quantile… 時 ( 組菜單的Multiple Graphs中 )，就會出現(xiàn)下面的對話框： 17 其中 ， Cumulative Distribution(累積分布 )操作用來描繪序列的經(jīng)驗累積函數(shù) （ CDF） 。 我們已列出了幾種圖來描述序列分布特征。 要 進行方差檢驗，在 Variance處填入在原假設(shè)下的方差值。 如果已知標(biāo)準(zhǔn)差 ，想要計算 t統(tǒng)計量 ， 在 右邊 的框內(nèi)輸入標(biāo)準(zhǔn)差值 。例 X的 JB統(tǒng)計量下顯示的概率值（ P值）是 ，接受原假設(shè) , X 服從正態(tài)分布；而例 GDP增長率的的 JB統(tǒng)計量的概率值（ P值）是 ，也接受原假設(shè) , 說明 GDP增長率服從正態(tài)分布。例 X的峰度為 ，說明 X的分布相對于正態(tài)分布是平坦的；而例 GDP增長率的峰度為 ，說明 GDP增長率的分布相對于正態(tài)分布也是平坦的。 最大最小值 (max and min) 序列中的最大最小值。 3 167。當(dāng)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 。 ? 同直方圖一起顯示的還有一些標(biāo)準(zhǔn)的描述統(tǒng)計量。 y6 ? 偏度 （ Skewness） 衡量序列分布圍繞其均值的非對稱性。統(tǒng)計量計算公式如下 ? ? ?????? ???? 22 3416 KSkNJBS為偏度 ， K為峰度 ， k是序列估計式中參數(shù)的個數(shù) 。在序列對象菜單選擇 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： 10 1. 均值檢驗 mHmH????::10 如果不指定序列 x 的標(biāo)準(zhǔn)差， EViews將在 t – 統(tǒng)計量中使用該標(biāo)準(zhǔn)差的估計值 s 。 表中的 Probability值是 P值（邊際顯著水平）。方法的主要參考來自于 Conover（ 1980）和 Sheskin（ 1997）。 EViews中設(shè)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。 All選項包括 CDF， Survivor和 Quantile函數(shù) 。 22 下圖是 GDP增長率和指數(shù)分布的 圖： 23 3. Kernel Density（ 核密度 ） 這個視圖標(biāo)繪出序列分布的核密度估計 。 27 (2) Bandwidth（帶寬） 帶寬 h控制密度估計的平滑程度；帶寬越大，估計越平滑。 EViews會自動降低階數(shù)以避免共線性 。當(dāng)選擇后，會出現(xiàn)如下的對話框： 34 因為要靠子樣本點周圍的點來進行局部回歸 ， 并來求擬合值 ， 因此 specification操作就是確定選擇識別周圍進行回歸的觀測值的規(guī)則 。 另外與最鄰近回歸擬合相比 ， 區(qū)別主要體現(xiàn)在局部帶寬的選取上 。對于高階多項式，應(yīng)使用 Local polynomial 操作，可在下面編輯框中輸入 k的值。 Common Sample使任何缺數(shù)據(jù)的序列都被排除在相關(guān)及協(xié)方差計算之外
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1