EVIEW.ppt

EVIEW 第一章 序列对象基本操作 系数向量 Coefficient序列 series 方程 Equation对称阵 SYM 群 group向量自回归VAR 矩阵 matrix向量vector 合成数据 Pool 标量 Scalar 新建文件 时间序列 起始输入格式： （1）半年度数据：年后加1或者2 起始“2000:1”，结束“2008:2”表示2000年到2008年18个半年度的数据； （2）季度数据：年后加1--4 起始“2000:1”，结束“2008:2”表示2000年一季度到2008年二季度的数据； （3）月度数据：年后加1-12 新序列的建设 Quick/generate series Series z=? 群对象创建 object/new ob Group group-name ser1 ser2,表示将ser1,ser2两序列一起生产群对象。 graph 点线line symbol条形Bar graph 堆栈spike面积area 点图dot plot箱线boxplot 分布distribution 季节 seasonal graph Q-Q 图quantile-quantile 峰度Skewness 偏度 Kurtosis 第二章 线性回归分析 R^2并不是判断模型拟合好坏的唯一标准，若较小，并不一定说明模型拟合程度差，有时，如果回归方程无截距项或常数项，或使用了两阶段最小二乘法（TSLS），R^2可能为负。 S.E of regression 是回归标准误差，用于度量残差大小。约67%的残差将位于正负一个标准误差范围内，95%的将位于正负两个标准误差范围之内。 检验 简单假设检验simple hypothesis tests 分组齐性检验equality tests of classification 经验分布检验empirical distribution tests F检验（方程的显著性检验）：针对模型拟合样本的整体效果，即自变量对因变量的解释力度； t检验（回归系数的显著性检验）：反应每个自变量的合理性。 系数检验VIEW--Coefficient 一、变量检验 H0：所添加的变量不显著 应用：消费模型可能与滞后项有关时。 注意：原方程与检验方程（加入新变量的方程）有相同的样本观测个数。对于加入滞后项的新方程，再重估之前，需要将原方程的样本个数修改下。 二、WALD系数约束检验 可以是线性和非线性，可同时检验一个或多个系数约束，输出结果依赖于系数约束是否为线性： （1）线性约束下，输出结果是F 卡方统计量和相应概率值； （2）非线性约束下，输出结果是渐进服从卡方分布的统计量。 应用：D-C函数，规模效应如何 稳定性检验 一、view-CHOW （一）、分割点检验 将样本观测值根据分割点分为两个或者以上的子集，（每个子集包含的观测值个数需要方程待估参数的个数）；使用每个子集的观测值和全部样本的观测值分别估计方程；比较利用全部样本进行估计所得到的残差平方和与利用每个子集样本进行估计得到的加总的残差平方和，判断模型结构是否发生变化。 H0：模型无显著性结构变化 （二）预测检验 将全部样本n分为两部分:n1 n2，先利用n1估计方程，并用估计出来的模型去预测余下的n2个数据点的因变量值；比较模型预测值和实际值，差距较大说明模型不稳定。 稳定性检验—参数超样本特性 指不同区间的样本建立同一模型，参数没有显著差异，这一特性对预测十分重要。 （1）断点检验—对每个子样本单独拟合方程来观察估计方程是否有显著差距。将样本分两组，分别拟合方程，比较e^2。 操作：打开方程对象窗口View/stability tests/chow breakpoint test (2)预测检验—先对前T1个字样本建模，用其对后T2个自变量预测，比较实际值与预测值。 操作：打开方程对象窗口View/stability tests/chow forecast test 二、递归OLS估计 P相伴概率意义 软件分析中给出的p:代表拒绝原假设时犯第一类错误的概率，称收尾或相伴概率。 F=(SSE/m)/{SSR/(n-m-1)} 其中SSE (Explained sum of squares)回归平方和，m表示自变量个数 SSR (Residual sum of squares) 残差平方和 可决系数R^2=SSE/SST 调整可决系数R`^2=1-(n-1)(1-R^2)/(n-m-1) t=b / S(b) 假设bi=0 bi为自变量的系数，服从（n-m-1）的t分布 OLS QUICK—Estimate Equation ---Y C X LS Y C X 自变量选择 通过回归系数的显著性检验决