《eviews图像及结果分析.docx》由会员分享，可在线阅读，更多相关《eviews图像及结果分析.docx（21页珍藏版）》请在课桌文档上搜索。
1、第4章图形和统计量分析EViews软件供应了序列(SerieS)和序列组(GroUP)等对象的各种视图、统计分析方法和过程。当序列对象中输入数据后一，就可对序列对象中输入的数据进行统计分析，并且可以通过图、表等形式进行描述。本章将介绍序列和序列组对象图形的生成和描述性统计Gt与其检验。4.1 图形对象图形(GraPh)对象可以形成序列和序列组等对象的各种视图，如线图(1.ine)、散点图(SCatter)以与饼图(Pie)等。通过图形可以进一步视察和分析数据的变更趋势和规律。下面介绍图形对象的基本操作。4.1.1 图形(GraPh)对象的生成图形对象也是工作文件中的基本对象之。要生成图形对象需
2、首先打开序列对象街口或序列组对象窗口，选择对象窗口工具栏中的View”I“Graph”选项。选择的对象类型不同，将弹出不同的窗口。假如在序列对象窗口下选择“ViewIGraph”选项，将弹出如图4-1所示的界面。cry%*v$/皿MIGXltntFtvStUt8iAT”Tkl1(M*1”jm1Se4UmSiskd%ltUmFrtr(1.CMTlT4vM*0时，序列分布为右偏；当SVO时，序列分布为左偏。例如图4-6中的偏度为1.4225000,所以我国的外商干脆投资(Rli)的分布是不对称的，为右偏分布形态。uKurtosisw表示峰度，用来衡量序列分布的凸起状况。其计算公式为=ll-i(4-
3、3),j=C正态分布的K值为3,当K3时，序列对象的分布凸起程度大于正态分布的凸起程度；当3,外商干脆投资(fdi)的分布呈尖峰状态。最下方是JB(Jarque-Bera)统计最与其相应的概率(ProbabiIity)oJB统计最用来检验序列观测值是否听从正态分布，该检验的零假设为样本听从正态分布。在零假设下，JB统计量听从X%分布。依据第1章所介绍的假设检验，P(Probability)值为拒绝原假设所犯第I类错误的概率。在本例中P值接近于0,因而可在1%的显著性水平下拒绝零假设,即序列不听从正态分布。其次个选项是“StatsTable”（统计表），它将描述性统计量值通过电表格的形式显示在对
4、象窗11中。第三个选项是“StatsbyCIaSSifiCation”（分类统计量），它将样本分为若组后再对各组观测值分别进行描述统计。选择此项后将弹出如图4-7所示的对话框，其中包括三部分内容。在左边“Statistics选项中勾选须要显示的统计量，其中“#ofNAsw为无观测个数，“Observations”为观测值个数。在Series/GrOUPforclassify中输入需分类的序列或序列组对象名称，右侧Output1.ayout”为输出结果的显示形式。选择好后单击mOKm按钮即可。304MVlSr13v*CarelE2gigt1.yqt一荷Ibll9lPIwhBkJPde3“JMMf
5、-廿Pt.fv*l*4t00P.n.,PAert厂FIitaeraSUPoQwRXM)INlXMI2Sc5dg,6tl6536o*Hjcwc500X00Srrpvwce3(0e*11MXWWm%a3VanwctRttM21186775OOCDOTM!Hrpc4hmM01axnoooSrptaMd-7S6440Sqqecit*cm0Sqt*mtIeXlErfWlco4t*n*mdr11uicrViM埠016666705263040039956PrSm：，0000O676。轲04313图4-13Zf序列对象的简洁假设检验输出结果4.3相关分析在EViews软件中可以对序列和序列蛆对象进行相关分析，
6、从而判定序列对象是否存在自相关问题。单击序列或序列组对象切口工具栏中的“ViewICorrCIogram（相关图）选项，弹出图4-14所示的对话框。需说明的是，序列组中的“View”IaCorrelogramw选项分析的是第一个序列对象的相关性。假如要得到两个序列对象的交义相关图，需选择ViewICrossCorrelogram*选项。D*f8d7Q9Tm1054SrriX06K12OXMQlrcaiCtnHrtcc2PACOay*仇000000黑000000器000000000000000罂OolOoooooooooooooool4202832B3333M3?3e%40ID4OW20400O
7、C530J021640143O3CF5Ola0260200OW7OO?fe446owOm9-00G0117100I力。BO11-0X1001512OlM030913O(D645.1I7U-0Q94)CS7150009012416Q1*Q8D图4-15fdi相关图在序列组对象窗口中，除了可以得到相关图外还可以得到相关矩阵。选择序列组对象窗口工具栏中的“View”I“COrrelation”IuCommonSample/PairwiseSamples,后,得到图4-16所示的相关矩阵表。表中的数值代表两个变量的相关性，数值可正可负。当数值大于0.9时,两个变量高度相关。试验04-02:建立一个19
8、942005年的工作文件，频率为“Annual”，然后建立两个序列对象，将表4-2中的数据输入到序列对象中。分析表4-2中GDP（国内生产总值）与CPI（居民消费价格指数）序列对象的相关关系。表4-2我国19942005年CPI和GDP数据i居民消费价格指数国内生产总值（GDP）“Ng-Perron”（NP）检验法。在,tTestforunitrtin”中选择序列形式，“1.evel”表示对原疔列进行单位根检验，“1stdifference表示对一阶差分序列进行单位根检验,2nddifference表示对二阶差分序列进行单位根检验。图4-17单位根检验对话框“1.aglength”表示消退序列
9、相关所需的滞后阶数，在该区域有两个单选按钮。在“AutomaticSeleCtiorr（自动选择）中有两个文本框，第一个文本框的下拉列表中有6个准则，常用的是“AIC”和“SC”最小准则，系统在默认状态下显示的是SC准则；在其次个文本框中输入毋大滞后阶数，一股系统会依据样本容量而自动给出一个数值。假如选中“Userspecific”，则用户可输入具体的数值，系统会给出检验结果。uIncludeintestequationw表示检验式中是否包含Intercept”（裁距项）、“Trendandinterceptw偏势项和截距项）和“None（不包含趋势项和彼距项）。可依据图形来确定是否包含趋势项
10、和被距项“试验04-03:依据试验04-02中建立的序列对象CPI和GDP进行单位根检验C下面介绍具体的操作过程。第一步，打开序列CPI对象面口，选择工具栏中的“ViewIGraph”I“1.ine”选项，会得到CPl的趋势图，如图4-18所示。假如曲线是从原点动身则在单位根检验式中不含有截距项，否则就包含截距项。假如曲线有明显上升或下降的趋势，那么在单位根检验式中就包含趋势项。其次步，选择工具栏中的“ViewIaUnitRootTest选项，在图4-19所示的对话框中进行选择。在“Testtype”中选择“ADF”检验法(AugmentedDickey-Fullerw),在*4Testfor
11、unitrootin”中选择原序列形式（“1.evel”），在Includeintestequationw中选择aTrendandintercept”（截距项），在AutomaticSeIeCtkm”中选序列CPl有一个单位根Il图F方列出的是单位根检验的方程，最卜.面是方程的拟合优度(R-SqUared)、标准差(SEofregression)与F统计量(F-StatiStiC)等数值。这些内容将在下一章中进行详解。需留意的是，在图4-20中有“Wamingw(警告)的提示，要求样本在20个以上，样本太小得到的结果未必精确。4.5 Granger因果检会Grangel因果检验用来分析两个序列
12、间的因果关系是否存在。主要是看当期的变量V能在多大程度上被以前的变屐X所说明，以与加入变量X的滞后期后，是否会提高对变量y的说明程度*假如X对项料y有帮助，或者X与y的相关系数在统计上显著，那么变盘y就是由变six“Granger”引起的。Granger因果关系检酷就是检验个变量的滞后变量是否可以放入其他变盘的方程中。假如该变成受到其他变盘滞后期的影响，则称两个变量间存在Granger因果关系。GrangCr因果检监要在序列组(GroUP)对象却I中完成,我们以表4-2里的数据为例。首先建立一个含有序列GDP和序列CPl的序列组，打开序列组对象窗口，选择工具栏中的“ViewIGrangerCa
13、usality选项，在弹出的对话框中输入滞后期，如图4-21所示，然后单击“0K”按钮，就会得到图4-16所示的分析结果。一般状况下，Grangel因果检验的滞后期要依据AIC和SC准则来确定，关于滞后期确定的问题会在后面的点节中进行详述C图4-21Granger因果检验对话框Granger因果检验的原假设是变肽X不是变破F的Granger因，同样Y也不是X的Granger因。在图4-22中,最上面给出厂操作日期、样本他国和滞后期。“NullHypothesis”列是原假设，44CPIdoesnotGrangerCauseGDP”为CPI,不是GDP的Granger因，同样，“GDPdoesn
14、otGrangerCauseCP为GDP不是CPI的Granger因。“Obs”列是样本数，F-Statistic”列是检验的F统计地，“Probability”为F检脸的概率值。图4-22Granger因果关系检验结果从图4-22所示的数据可以看出，在1的显著性水平下,CPI是GDP的Granger因（P值为0002040.01,接受原假设）。这里须要说明的是，EVieWS软件会依据样本容地来限定输入滞后期的最大值，当输入的数值过大时，软件会自动给出提示。4.6 本章小结本章主要介绍了序列和序列组对象中图形的生成方法和一些基本的描述性统计量与相关分析。通过本章学习，可以驾驭图形对象的生成、冻
15、结和复制等基本操作方法。熟识EViews软件中的一些描述性统计贷与其检验，检验方法主要包括均值检验、中位数检验和方型检验。相关分析是用来推断序列对象是否存在自相关问题，有关自相关问题将会在第5章中进行具体讲解并描述。本率还着重讲解了序列对象的单位根检验和序列组（群）对象的Granger因果检脸方法，这两种检验方法常用于时间序列对象检验中，因而在后面模型建M的相关章节中将接着被提与。4.7 习1 .填空题(1)序列对象窗Il下可以生成6种视图，它们是、面积图(Area)、季节性堆桎图(SeaSOnaIStacked1.ine)和季节性分割线(SeaSOnalSplit1.ine)。2 2)EVi
16、ews5.1软件供应的描述性统计量有、均值、(3)序列对象窗口中所包含的描述性统计减的检验主要有均值(Mean)检验、O(4)相关分析主要用来判定该序列对象的问题.(5)假如在相关矩阵表中得到的数值是负数，说明两个序列对象是关系12.选择题(1)在描述性统计量中“Skewness”表示偏度，用来衡最观测值分布偏离均值的状况，当偏度的数值时，序列分布右偏。A.小于0B.大于0C.等于0D.小于3(2)在描述性统计珞中“Kurtosis”表示峰度，用来衡量序列分布的凸起状况，当峰度的数值时，序列分布呈尖峰状态。A.大于3B.小于3C.等于3D.小于0(3)在单位根检验中,假如该时间序列经过一阶差分
17、后变为平稳序列，则称该序列为序列，记作0A.一阶单整，KDB.一阶单整，I(O)C.二阶单整，I(O)D.二阶单整，I(I)(4)常用来确定单位根检监滞后阶数的准则是0A.AIC准则B.SC准则C.AIC和SC最小准则D.MS准则(5)Granger因果检验的原假设是。A.变量X不是变量V的Granger因。B.变盘V不是变StX的GrangeI因。C.变量X不是变量P的Granger因，同样变量F也不是变量X的Granger因。D.变址X是变屐F的Granger因，但是变IitV不是变成X3.上机操作题（1）依据附表中的数据建汇序列对象CK（出II）和NY（能源消耗总员）并输入数据,然后对两
18、个序列对象进行视图分析，在序列对象窗口中生成图形并冻结C附表我国19912007年对外出口额和能源消耗总量年份出口（亿美元）能源消费总量（万吨标准煤）1991719.11037831992849.41091701993917.4411599319941210.112273719951487.813117619961510.513894819971827.913779819981837.113221419991949.313383120002492138553200126611431992002325615179720034382.317499020045933.220322720057619.522468220069689.4246270200712182.5265583（2）绘制序列对象CK和NY的直方图，并分析相关统计地。（3）对序列对象CK进行简洁假设检验。(4)对序列对象CK和NY分别进行单位根检验，并分析检验结果。(5)检验序列CK与NY的Granger因果关系。
