序列的統(tǒng)計量、檢驗和分布(參考版)
2025-05-19 03:38本頁面
【正文】 43 居民消費（ CS）和 GDP的交叉相關(guān)系數(shù) 。序列 X 與 Y 的交叉相關(guān)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(guān)不同，交叉相關(guān)不必圍繞滯后期對稱。 42 167。 Pairwise Samples用相關(guān)序列的所有無丟失觀察值計算。 相關(guān)矩陣及協(xié)方差矩陣 在組中可以顯示了組中各序列的相關(guān)矩陣及協(xié)方差矩陣。越大越平滑。核心函數(shù)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。 39 工作文件 GDP的核擬合的散點圖 使用 Local polynomial 操作， k=2。 Local linear操作設(shè)置 k=1。 38 打開 Scatter with kernel fit，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。 ? ? ? ? ? ?? ? ?????? ???????? ?? hXxKXxXxYxm iNikikii1210 ??? ? N是觀測值的個數(shù) ， h是帶寬 （ 或光滑參數(shù) ） ， K是核函數(shù) 。 最鄰近擬合的有效帶寬可以有很多種 ， 而核擬合則固定帶寬且局部的觀測值通過核函數(shù)來加權(quán) 。 36 工作文件 GDP的最鄰近點擬合的散點圖 37 4. Scatter with Kernel Fit（核擬合分布） 這也是一種局部回歸擬合 ， 不過是無參數(shù)的 。Exact(full sample) 在樣本中的每一數(shù)據(jù)點都作局部回歸 ( 1) Specification （說明操作） 35 (2) Method 操作 可以選擇在樣本中的每一個數(shù)據(jù)點作局部回歸或在數(shù)據(jù)點的子集中作局部回歸 。 ① Bandwidth span（ 帶寬范圍 ） 用來決定在局部回歸中應(yīng)包括哪些觀測值 ， 可以選取在 0， 1之間的一個數(shù) ? 。局部是說只用鄰近點也就是樣本的子集來一步步回歸，加權(quán)是說鄰近點越遠給越小的權(quán)數(shù)。 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。 21)( iiNii bxayr ????這里 xi , yi 是變形后的序列，權(quán)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(shù)，大的殘差的觀測值給一個小權(quán)數(shù)。 點擊 ok后， EViews擬合出一條回歸線，可以在 Fitted Y series編輯框中鍵入一個名稱保存這個擬合的序列。 如果變換是不可以的 ， 會出現(xiàn)錯誤提示 ， 對多項式 (Polynomial)的階數(shù)定的過高 。 1. Simple Scat
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1