1、1.第一章是序列的統(tǒng)計、檢驗和分布。EViews提供各種統(tǒng)計圖表、統(tǒng)計方法和序列過程。通過上述方法將數據讀入工作文件后，可以對數據進行統(tǒng)計和圖形化分析。EViews可以計算一個序列的各種統(tǒng)計數據，并以表格和圖表的形式顯示出來。視圖包括最簡單的圖形，直到內核密度估計。2.打開工作文件，雙擊序列名稱，進入序列對話框。點擊查看可以看到菜單分為四個區(qū)域，第一部分是順序顯示的形式，第二和第三部分提供數據統(tǒng)計方法，第四部分是轉換選項和標簽。3，1.1描述統(tǒng)計數據并用直方圖顯示序列的頻率分布。直方圖以相等的間隔劃分序列的長度，并顯示落入每個間隔的觀察值的數量。還有一些與直方圖一起顯示的標準描述性統(tǒng)計數據。這

2、些統(tǒng)計數據是根據樣本中的觀察值計算出來的。如圖(示例1.1):4所示。例1.3國內生產總值增長率統(tǒng)計：5。均值是系列的平均值，系列數據的總和除以數據的數量。中值是從小到大排列的序列的中值。這是對一個序列的配送中心的粗略估計。最大和最小(最大和最小)順序。標準差標準差衡量序列的離差程度。計算公式如下，其中n是樣品中觀察值的數量和樣品的平均值。偏斜度衡量圍繞其平均值的序列分布的不對稱性。計算公式如下，這是一個變量方差的有偏估計。如果序列的分布是對稱的，s值為0；正值表示序列分布有一個長的右尾，負值表示序列分布有一個長的左尾。在示例1.1中，x的偏斜度為0，這表明x的分布是對稱的；在案例1.3中，國

3、內生產總值增長率的偏差為0.78，這表明國內生產總值增長率的分布是不對稱的。峰度度量序列分布的凸度或平坦度，計算公式如下：分布的凸度大于正態(tài)分布的凸度；如果k小于3，序列分布相對于正態(tài)分布是平坦的。例1.1中x的峰度為2.5，表明x的分布相對于正態(tài)分布是平坦的；在情況1.3中，國內生產總值增長率的峰度為2.14，這表明國內生產總值增長率的分布相對于正態(tài)分布是平坦的。與s的含義相同，正態(tài)分布的k值為3。如果k值大于3，8，Jarque-Bera測試序列是否服從正態(tài)分布。統(tǒng)計量的計算公式如下：s是偏度，k是峰度，k是序列估計公式中的參數個數。在正態(tài)分布的原始假設下，J-B統(tǒng)計量是一個2自由度的2-

4、分布。在J-B統(tǒng)計下顯示的概率值(P值)是在原始假設下J-B統(tǒng)計超過觀察值的概率。如果該值很小，則原始假設被拒絕。當然，拒絕域在不同的顯著性水平下是不同的。在示例1.1中，在X的J-B統(tǒng)計下顯示的概率值(P值)為0.92，接受原始假設，X服從正態(tài)分布；例1.3中國內生產總值增長率的J-B統(tǒng)計的概率值(P值)為0.455，也接受了原來的假設，表明國內生產總值增長率服從正態(tài)分布。9、1.2均值、中值和方差的假設檢驗，這部分是序列的均值、中值和方差的假設檢驗。在序列對象菜單中選擇查看/測試描述性統(tǒng)計/簡單假設測試，將出現以下序列分布測試對話框：10，1。平均值測試。如果沒有指定序列x的標準偏差，EV

5、iews將使用t統(tǒng)計中標準偏差的估計值s。在原始假設下，如果x服從正態(tài)分布，則t統(tǒng)計量是具有N-1個自由度的t分布。原始假設是序列x的期望值m，而替代假設是m，即11。如果給定了x的標準偏差，EViews將計算t統(tǒng)計量，即指定的x的標準偏差。要執(zhí)行均值測試，請輸入在雙邊假設下，如果該值小于檢驗的顯著性水平，如0.05，則原始假設將被拒絕。這里我們不能否定最初的假設。13，2。方差檢驗，檢驗的原始假設是序列X的方差等于2，替代假設是雙邊的，而X的方差不等于2，即EViews計算2個統(tǒng)計量，計算公式如下，N是觀測值的個數，是X的樣本均值。在原始假設下，如果X服從正態(tài)分布，2個統(tǒng)計量服從2個分布，自

6、由度為N-1。要測試方差，請?zhí)顚懺技僭O下的方差值。您可以填寫任何正數或表達式。14，3。中位數檢驗，原假設是序列X的中位數等于M，替代假設是雙邊假設，X的中位數不等于M，即EViews提供了三種基于排序的非參數檢驗統(tǒng)計量。該方法的主要參考文獻來自康諾弗(1980)和謝斯金(1997)。進行中位數測試，在中位數右側的框中輸入中位數值，并輸入任意數值表達式。15，1.3分布函數，EViews為數據的初步分析提供了幾種方法。在1.1中，我們列出了幾個圖表來描述序列分布特征。在本節(jié)中，列出了幾個散點圖，我們可以使用參數或非參數過程來制作擬合曲線。這些圖表包含復雜的計算和大量的特殊操作，所以沒有必要為

7、了一些完全技術性的介紹而掌握所有的細節(jié)。除了非常特殊的分析之外，在EViews中設置的默認值足以進行一般分析。直接點擊確定按鈕接受默認設置，然后您可以輕松地顯示每個圖形。16，本節(jié)列出了三個描述序列經驗分布特征的圖表。1.CDFSurvivorQuantile圖，描述了經驗累積分布函數、幸存函數和帶有正負兩個標準誤差帶的分位數函數。當從序列菜單或組菜單(在組菜單的多圖中)中選擇查看/分布/累積分布/分位數時，將出現以下對話框：17，其中累積分布操作用于描述序列的經驗累積函數(CDF)。CDF是序列中的觀測值不超過規(guī)定值R的概率，幸存者運算用于描述序列的經驗幸存函數，分位數運算用于描述序列的經驗

8、分位數。對于0q1，x的分位數x(q)滿足以下公式：分位數函數是CDF的反函數，可以通過改變CDF的水平軸和垂直軸來獲得。所有選項包括CDF、幸存者和分位數函數。保存的矩陣名稱允許將結果保存在矩陣中。包括標準誤差，繪制置信區(qū)間接近95%的經驗分布函數。19，工作文件1_3.wf1中的國內生產總值增長率分布圖，20，2。分位數圖和分位數圖是比較兩種分布的簡單但重要的工具。此圖標描述了一個選定序列的分位數分布與另一個序列的分位數分布或理論分布的異同。如果這兩個分布相同，QQ圖將呈直線。如果QQ圖不在一條直線上，這兩種分布是不同的。當您選擇查看/分布圖/分位數-分位數時。下面的QQ繪圖對話框將出現：

9、21，您可以選擇：正態(tài)分布與分位數相比的以下理論分布：鐘形和對稱分布；均勻分布：矩形密度函數分布；指數分布：聯合指數分布是一個具有長右尾的正態(tài)分布。邏輯分布：除了尾部比正態(tài)分布長之外，它是一個類似正態(tài)分布的對稱分布。極值分布：I型最小分布是一個負的部分分布，帶有一個左長尾巴，這與對數正態(tài)分布非常相似。您可以在工作文件中選擇一些序列，與這些典型序列的分位數進行比較，或者您可以在編輯框中鍵入序列或組的名稱，以選擇控制序列或組。EViews將為每個列出的序列計算QQ，22，下圖是國內生產總值增長率和指數分布的Q-Q圖：23，3。內核密度，描述內核密度直方圖可以通過選擇視圖/描述性統(tǒng)計/直方圖和統(tǒng)計來

10、獲得，這對于原點和不連續(xù)的選擇是敏感的。下圖是國內生產總值增長率系列分布直方圖：24。核密度估計使用直方圖中的“影響”而不是“框”，因此它是平滑的。平滑是通過對遠離估計點的觀測值給予較小的權重來實現的。序列x在x點的核密度估計為：其中n是觀測值的數量，h是帶寬(或平滑參數)，k是積分核函數。25，當選擇查看/分布圖/內核密度時，將出現以下內核密度對話框：26，1，內核函數是一個加權函數，它決定影響的形狀。Eviews為內核函數k提供了以下操作：其中u是內核函數I的參數。)是指標函數，當參數為真時，取1。27，1.4相關矩陣和協方差矩陣?？梢燥@示組中每個序列的相關矩陣和協方差矩陣。公共樣本使得任何缺少數據的序列被排除在相關和協方差計算之外。使用相關