序列的統(tǒng)計量、檢驗和分布eviews應用-閱讀頁
2025-06-04 03:38本頁面
【正文】 這個視圖標繪出序列分布的核密度估計 。 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 。 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 。 ???? 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。 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。 也可以自定帶寬 ， 先點擊 User Specified， 在下面的對話框中鍵入一個非負數(shù) 。 帶有擬合線的散點圖 通過 view/Graph/Scatter打開一個組的視圖菜單包括四種散點圖。 2. Scatter with Regression(回歸散點圖 ) 在組中對第一個序列及第二個序列進行總體變換來進行二元回歸，選擇 Regression后出現(xiàn)對話框： 30 工作文件 GDP的帶回歸線的散點圖 31 下面是針對二元擬合的序列變換： None Logarithmic Inverse Power BoxCox Polynomial y xylog xlogy1 x1ay bxay a )1( ? bxb )1( ?bxxx ,1 2 ? 在編輯框中來指定參數(shù) a,b。 EViews會自動降低階數(shù)以避免共線性 。 32 Robustness lterations(穩(wěn)健疊代 ) 最小二乘法對一些無關觀測值的存在非常敏感，穩(wěn)健疊代操作就是產(chǎn)生一種對殘差平方的加權形式，使無關的觀測值在估計參數(shù)時被加最小的權數(shù)。選擇疊代次數(shù)應是一個整數(shù)。簡而言之，對樣本中的每一數(shù)據(jù)點，它擬合出一條局部的并經(jīng)加權的回歸線。當選擇后，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 。 ② Polynomial degree(多項式次數(shù) ) 選擇多項式的次數(shù)來擬合每一局部回歸 。 Cleveland subsampling 在選取的子樣本中進行回歸 ， 可以在編輯框中鍵入子樣本的大小 。 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 。 局部核回歸擬合通過選取參數(shù) ? 使加權殘差平方和最小。 注意：對于不同的 x， ? 的估計值不同。NadarayaWatson操作設置 k=0。對于高階多項式，應使用 Local polynomial 操作，可在下面編輯框中輸入 k的值。 40 Kernel用來定義核函數(shù)，這里的核函數(shù)用來在每個局部回歸中給觀測值加權，對核函數(shù)的操作前面已經(jīng)介紹過。帶寬 h 決定每個局部回歸的觀測值的權數(shù)。 ? ?12co s4 ??????? uIu??? ? ? ?113235 32 ?? uIu? ? ? ?111615 22 ?? uIu?????? ? 221e x p21 u?? ?121 ?uI? ? ? ?11 ?? uIu41 167。 Common Sample使任何缺數(shù)據(jù)的序列都被排除在相關及協(xié)方差計算之外。此方法使用樣本的最大數(shù) ,但可能導致不確定矩陣。 交叉相關 交叉相關（ Cross correlation and Correligrams） 顯示組中頭兩個序列的交叉相關。交叉相關圖中的虛線是二倍的標準差，近似計算
環(huán)評公示相關推薦
鄂ICP備17016276號-1