序列的統(tǒng)計量、檢驗和分布eviews應用(編輯修改稿)
2025-06-20 03:38 本頁面
【文章內容簡介】 的經驗分位數(shù) 。 對 0 ? q ? 1, X 的分位數(shù) x(q) 滿足下式： qxxp r o b q ?? )( )( qxxp r o b q ??? 1)( )(，且 分位數(shù)函數(shù)是 CDF的反函數(shù) ， 可以通過調換 CDF的橫縱坐標軸得到 。 All選項包括 CDF， Survivor和 Quantile函數(shù) 。 Saved matrix name可以允許把結果保存在一個矩陣內 。 Include standard errors(包括標準誤差 )操作標繪接近95%的置信區(qū)間的經驗分布函數(shù)。 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。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。如果這兩個分布是相同的，則 圖將在一條直線上。如果 圖不在一條直線上 ,則這兩個分布是不同的 。 當選擇 View/Distribution Graphs/QuantileQuantile….下面的 Plot對話框會出現(xiàn) : 21 可以選與如下的理論分布的分位數(shù)相比較 : Normal(正態(tài) )分布：鐘形并且對稱的分布 . Uniform(均勻 )分布：矩形密度函數(shù)分布 . Exponential(指數(shù) )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 . Logistic(邏輯 )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 . Extreme value(極值 )分布： I型極小值分布是有一條左長尾的負偏分布 ,它非常近似于對數(shù)正態(tài)分布 . 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對照的序列或組 ， EViews將針對列出的每個序列計算出 圖 。 22 下圖是 GDP增長率和指數(shù)分布的 圖： 23 3. Kernel Density（ 核密度 ） 這個視圖標繪出序列分布的核密度估計 。 一個序列的分布的最簡單非參數(shù)密度估計是直方圖 。 通過選 View/ Descriptive Statistics/Histogram and Stats可以得到直方圖 ，直方圖對原點的選擇比較敏感并且是不連續(xù)的 。 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 。 平滑是通過給遠離被估計的點的觀測值以小的權重來達到的 。 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)。 ???? NiihXxKNhxf 1)(1)(25 當選 View/Distribution Graphs/Kernel Density…… 會出現(xiàn)下面的核密度對話框： 要展現(xiàn)核密度估計，需要指定如下幾項： 26 (1) Kernel(核 ) 核函數(shù)是一個加權函數(shù)，它決定沖擊的形狀。 EViews針對核函數(shù) K提供如下操作 : Epanechnikov(default) Triangular （ 三角形 ） Uniform(Rectangular) （ 均勻分布 ） Normal(Gaussian) （ 正態(tài)分布 ） Biweight(Quartic) Triweight Cosinus ? ? ? ?11 ?? uIu)1()1(43 2 ?? uIu? ?121 ?uI?????? ? 221e x p21 u?? ? ? ?111615 22 ?? uIu? ? ? ?11
環(huán)評公示相關推薦
鄂ICP備17016276號-1