第二讲序列的描述性统计和假设检验.pptVIP

* 3、相关及协方差矩阵（Correlation/Covariance） 在打开组对象后，可计算各序列的相关矩阵及协方差矩阵。View / Covariance Analysis * 4、相关图与交叉相关（ Correlogram and Cross correlation ） 相关图（ Correlogram ）：是对显示组序列的第一个序列作自相图和偏自相关图,与打开第一个序列在VIEW中作相关分析结果相同。 自相关系数反映x(t)与x(t-k)之间的相关程度。 偏自相关图是在剔除了中间k-1个随机变量x(t-1)、x(t-2)、……、x(t-k+1)的干扰之后，单纯反映x(t-k)对x(t)影响的相关程度 * 交叉相关图（ Cross correlation ）：是对显示组序列头两个序列计算交叉相关。序列 X 与 Y 的交叉相关的计算公式如下： * 例如，利用文件“3_1”中的数据计算inc与tax的交叉相关系数: * 练习： 1、利用文件“case11”数据进行以下练习： 1）计算序列的expo的自相关系数与偏相关系数。 2）作序列expo、 impo的相关图和交叉相关图。 2、利用文件“个人工资模拟数据.sav”数据进行以下练习： 1）检验男性收入（income)与6000有无明显的差异； 2）检验男性与女性收入有无明显的差异。 * 第二讲 序列的描述性统计和假设检验 序列的描述性统计是指用统计图表及统计量（均值、中位数、方差等）形式将序列表现出来。 第一节 单序列的描述性统计和假设检验 打开工作文件，双击一个序列名，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。 * 在views中，可分别用电子表/统计图、统计量来描述该序列的数据，其中注意利用菜单“graph/bar”与“Descriptive Statistics/Histogram and stats”制作图形的区别。 * 一、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。 均值 (mean)中位数 (median) 最大值(max) 最小值 (min) 标准差(Standard Deviation) 偏度（Skewness） 峰度（Kurtosis） * 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大于0.05 ，接受原假设, 说明序列服从正态分布。 * 二、 均值、中位数、方差的假设检验 在序列对象菜单选择View/descriptive statistic stats/simple hypothesis tests，就会出现检验对话框。 例，利用“case2”数据检验甲地居民收入是否等于100 。检验假设为： H0：?X=100，H1：?X≠100。 * 表中的Probability值是概率值。在双边假设下，如果这个值小于检验设定的显著水平（如0.05），则拒绝原假设。该例中拒绝原假设。 得到以下输出结果： * 三、分布函数 EViews提供了几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…时 ( 组菜单的Multiple Graphs中)，就会出现下面的对话框： * 其中，Cumulative Distribution(累积分布) 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 分位数函数是CDF的反函数，可以通过调换CDF的横纵坐标轴得到。 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。 I