第一章 序列的统计量、检验和分布解析.ppt

高级计量经济学 高级计量经济学 高级计量经济学 高级计量经济学 * 第一章 序列的统计量、检验和分布 EViews提供序列的各种统计图、统计方法及过程。当用前述的方法向工作文件中读入数据后，就可以对这些数据进行统计分析和图表分析。 EViews可以计算一个序列的各种统计量并可用表、图等形式将其表现出来。视图包括最简单的曲线图，一直到核密度估计。 * 打开工作文件，双击一个序列名，即进入序列的对话框。单击“view”可看到菜单分为四个区，第一部分为序列显示形式，第二和第三部分提供数据统计方法，第四部分是转换选项和标签。 * §1.1 描述统计量 以直方图显示序列的频率分布。直方图将序列的长度按等间距划分，显示观测值落入每一个区间的个数。 同直方图一起显示的还有一些标准的描述统计量。这些统计量都是由样本中的观测值计算出来的。如图(例1.1.1)： * 例1.1.2 GDP增长率的统计量： * 均值 (mean) 即序列的平均值,用序列数据的总和除以数据的个数。 中位数 (median) 即从小到大排列的序列的中间值。是对序列分布中心的一个粗略估计。 最大最小值 (max and min) 序列中的最大最小值。 标准差(Standard Deviation) 标准差衡量序列的离散程度。 * 偏度（Skewness） 衡量序列分布围绕其均值的非对称性。计算公式如下 如果序列的分布是对称的，S值为0； 正的S值意味着序列分布有长的右拖尾，负的S值意味着序列分布有长的左拖尾。 例1.1.1中X的偏度为0，说明X的分布是对称的；而例1.1.2 中GDP增长率的偏度是0.78，说明GDP增长率的分布是不对称的。 * 峰度（Kurtosis） 度量序列分布的凸起或平坦程度，计算公式如下 正态分布的 K 值为3。 如果 K 值大于3，分布的凸起程度大于 正态分布；(尖峰) 如果K值小于3，序列分布相对于正态分布是平坦的。 例1.1.1中X的峰度为2.5，说明X的分布相对于正态分布是平坦的； 而例1.1.2中GDP增长率的峰度为2.14 ，说明GDP增长率的分布相对于正态分布也是平坦的。 * Jarque-Bera 检验 检验序列是否服从正态分布。统计量计算公式如下 S为偏度，K为峰度，k是序列估计式中参数的个数。 在正态分布的原假设下，J-B统计量是自由度为2的 ? 2 分布。 J-B统计量下显示的概率值（P值）是J-B统计量超出原假设下的观测值的概率。 如果该值很小，则拒绝原假设。当然，在不同的显著性水平下的拒绝域是不一样的。 例1.1.1中X的J-B统计量下显示的概率值（P值）是0.92，接受原假设, X 服从正态分布；而例1.1.2中GDP增长率的的J-B统计量的概率值（P值）是0.455 ，也接受原假设, 说明GDP增长率服从正态分布。 * §1.2 分布函数 EViews提供了几种对数据进行初步分析的方法。在§1.1 我们已列出了几种图来描述序列分布特征。在本节，列出了几种散点图且允许我们可以用有参数或无参数过程来做拟合曲线图。 这些图包含着复杂计算和大量的特殊操作，对某些完全技术性的介绍，不必掌握所有细节。EViews中设置的缺省值除了对极特殊的分析外，对一般分析而言是足够用的。直接点击ok键接受缺省设置，就可以轻松的展现出每个图。 * §1.2.1 序列分布图 本节列出了三种描述序列经验分布特征的图。 1. CDF—Survivor—Quantile图 这个图描绘出带有加或减两个标准误差带的经验累积分布函数，残存函数和分位数函数。在序列菜单中或组菜单中选择View /Distribution/ CDF—Survivor—Quantile…，就会出现下面的对话框： * 其中，Cumulative Distribution(累积分布)操作用来描绘序列的经验累积函数（CDF）。CDF是序列中观测值不超过指定值 r 的概率 。 Survivor(残存)操作用来描绘序列的经验残存函数 * Quantile(分位数) 操作用来描绘序列的经验分位数。对 0 ? q ? 1, X 的分位数 x(q) 满足下式： ，且 All选项包括CDF，Survivor和Quantile函数。 Saved matrix name可以允许把结果保存在一个矩阵内。 Include standard errors(包括标准误差)操作标绘接近95%的置信区间的经验分布函数。 * GDP增长率的分布图 * 2. Quantile—Quantile图 Quan