eviews序列的統(tǒng)計量檢驗和分布(參考版)
2024-08-24 10:21本頁面
【正文】 Actual, Fitted, Residual Table 以表的形式來顯示這些值 。 Actual, Fitted, Residual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 。 Estimation Output顯示方程結果 。 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。 49 167。對于例 1， P值為零，因此，我們拒絕回歸系數(shù)為零的原假設。 48 F統(tǒng)計量下的 P值，即 Prob(Fstatistic), 是 F檢驗的邊際顯著性水平。 ? ? ? ?11 2 ??? ? ? Tyys Tt iy))/??l o g (π)2l o g (1(2 TuuTl ?????47 9. Schwarz準則 Schwarz準則是 AIC準則的替代方法 : ? ? TTkTlSC l o g2 ??? 10. F統(tǒng)計量和邊際顯著性水平 F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 )。 uu??????????TtttTtt uuuDW12212?)??(46 7. 因變量均值和標準差 （ ） y 的均值和標準差由下面標準公式算出： TyyTii???1 8. AIC準則 (Akaike Information Criterion) 計算公式如下： TkTlA I C 22 ???其中 l 是對數(shù)似然值 我們進行模型選擇時， AIC值越小越好。 對于序列相關還有更好的檢驗方法。在例 1的結果中 ， DW值很小 ， 表明殘差中存在序列相關 。 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 。 2R? ? kTTRR ????? 111 222R43 3. 回歸標準差 (. of regression) 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。 R2 調整后的記為 ，消除 R2 中對模型沒有解釋力的新增變量。 y)()(??12yyyyuuR?????? Xbyu ???u?42 2. R2 調整 使用 R2 作為衡量工具存在的一個問題 ， 即在增加新的自變量時 R2 不會減少 。 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ARCH方法 。 如果結果不比因變量的均值好 ， 統(tǒng)計值會等于 0。 R2 是自變量所解釋的因變量的方差 。 41 167。例如，如果顯著水平為 5% ， P 值小于 設。 這個概率稱為邊際顯著性水平或 P 值。 其中 )1/(??? 2 ???? kTuu?Xbyu ???u?12 )(?)c o v ( ??? XXb ?40 3. t統(tǒng)計量 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 ， 它是用來檢驗系數(shù)為零的假設的 。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。 標準差衡量了系數(shù)估計的統(tǒng)計可信性 標準差越大 ， 估計中的統(tǒng)計干擾越大 。 也即 1978年 ~2020年中國居民可支配收入的 73%用來消費 。 方程中 c0代表自發(fā)消費 ， 表示收入等于零時的消費水平；而 c1代表了邊際消費傾向 ， 0c11， 即收入每增加 1元 ， 消費將增加 c1 元 。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 。 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的情況下自變量對因變量的邊際收益 。 系數(shù)結果 1. 回歸系數(shù) (Coefficient) 系數(shù)框描述了系數(shù) ? 的估計值 。 方程輸出 在方程說明對話框中單擊 OK鈕后， EViews顯示估計結果 ： 根據(jù)矩陣的概念 , 標準的回歸可以寫為： 其中 : y 是因變量觀測值的 T 維向量 ， X 是解釋變量觀測值的 T ? k 維矩陣 ， T 是觀測值個數(shù) ， k 是解釋變量個數(shù) ， ? 是 k 維系數(shù)向量 ， u 是 T 維擾動項向量 。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，控制估計算法的各種特征。 從1978年 ?2020年期間的 25個觀測值中 , EViews使用了 24個觀測值 。 EViews通過在樣本結果中報告實際樣本來通知樣本已經被調整了 。 EViews會用當前工作文檔樣本來填充對話框 。 非線性方程不允許使用 binary，ordered， censored， count模型 ， 或帶有 ARMA項的方程 。 其他的方法在以后的章節(jié)中介紹 。 在 EViews中估計方程 估計方法 說明方程后 ， 現(xiàn)在需要選擇估計方法 。 例如 ， 假設創(chuàng)造了系數(shù)向量 a 和beta， 各有一行 。 在 New Matrix對話框中 ， 選擇Coefficient Vector 并說明向量中應有多少行 。要創(chuàng)建新的系數(shù)向量 ， 選擇 Object/New Object… 并從主菜單中選擇 MatrixVectorCoef , 為系數(shù)向量輸入一個名字 。 EViews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
研究報告相關推薦
鄂ICP備17016276號-1