【经济】EViews数据统计与分析教程.ppt.ppt

eviews数据统计与分析教程,第1章 eviews软件基础 重点内容： eviews软件的安装与启动 eviews软件的主要功能 常用的概率分布,一、eviews软件简介,eviews的前身是1981年发行的micro tsp（时间序列分析软件包）。目前已更新到5.0、5.1、6.0版本。该软件主要应用于经济、金融、管理和保险等领域。,一、eviews软件简介,eviews的特点： 分析处理时间序列数据。 具有现代windows软件可视化操作的优点。 eviews具有命令功能和批处理语言功能。,二、eviews软件安装与启动,qms公司的网站（http:/www.ev ）提供了eviews软件的下载专区,可进入该区并进行下载操作。或到网上搜索eviews软件，并进行软件压缩包的下载。,二、eviews软件安装与启动,eviews软件的启动方法： 方法一：单击任务栏上的“开始”按钮，选择“程序”|“eviews 5”选项中的“eviews 5”图标。 方法二：使用windows浏览器或从桌面上“我的电脑”定位eviews所安装的目录，双击“eviews”程序图标。,三、eviews主要窗口介绍,工作区,命令窗口,主菜单栏,标题栏,状态栏,eviews的窗口主要包括标题栏、主菜单栏、命令窗口、状态栏和工作区等部分，如下图所示。,四、eviews主要功能,对基本数据进行处理 通过公式生成新序列 统计描述 模型检验 估计方法的执行 基于回归方程的预测 模型的求解与模拟 数据库的管理 与其他软件（如excel）进行数据交换,eviews软件功能很强，可以对以时间序列为主的多种类型的数据进行操作。可以将eviews主要功能概括为如下几点：,五、概率统计知识 1. 概率分布,常见的概率分布有4种，包括 正态分布， x2分布， t分布 f分布,正态分布,如果x服从正态分布，则,正态分布图,五、概率统计知识,统计检验中常用的两个重要结论： (1)prob（x1.96x xi +x+ 1.96x）0.95 1-1 (2)prob（x2.57x xi +x+2.57x）0.99 1-2 其中，x和x分别是正态随机变量x的均值和标准差。 公式1-1表示，正态随机变量x的观测值落在均值的距离为1.96倍标准差范围内的概率约为0.95；公式1-2表示，正态随机变量x的观测值落在均值的距离为2.57倍标准差范围内的概率约为0.99 。,五、概率统计知识,不同的均值和方差下的正态分布，其形状不同,a）表示均值不同，方差相同；b）表示均值相同，方差不同；c）均值和方差都不同,五、概率统计知识,2分布,服从标准正态分布的随机变量x的平方服从自由度为1的2分布，记作 若xn 0,1 则 z =x22(1) 若x1，x2，x3，xn 是 n个相互独立的服从2分布 且自由度为1的随机变量， 即2(1) 则 z=i xi2(n),五、概率统计知识,2分布图,t分布,若x是一个服从n(0,1)的变量，y是一个独立于x且服从2(n)的变量，则变量z服从自由度为n的t分布， 即,五、概率统计知识,t分布图,五、概率统计知识,f分布,若变量xi（i=1，2，m）服从正态分布n(x, 2x)，变量yi（i=1，2，n）服从正态分布n(y, 2y)，两个变量xi与yi相互独立。 设 则 当f值接近于1时，两个正态总体分布x与y的方差相等，即2x =2y；反之，则方差不等。,五、概率统计知识,f分布图,五、概率统计知识,t分布与正态分布形状相同，也是对称的，但两端尾部比正态分布要高些。,正态分布、2分布、t分布和f分布之间的关系,（1）当t分布的自由度足够大时，其近似标准正态分布。 （2）在f分布中，当自由度(m-1)与 (n-1)逐渐增大时，f分布近似于正态分布。 （3）在2分布中，当其自由度足够大时，近似于正态分布。,五、概率统计知识 2.常见估计,点估计 区间估计,点估计,设x1, x2,xn为来自总体x的样本，x1, x2,xn为相应的样本值。为总体分布的未知参数，为了估计未知参数，构造一个统计量h(x1, x2,xn)，然后用该统计量h(x1, x2,xn)的值来估计的真值。称h(x1, x2,xn)为的估计量，h(x1, x2,xn)为的估计值。 的估计值是数轴上的一点，用估计值作为真值的近似值就相当于用一个点来估计，因此为点估计。,点估计,点估计,五、概率统计知识,点估计要具有的性质 无偏性 有效性 一致性,五、概率统计知识,区间估计,区间估计是关于参数和服从已知分布的点估计的一个函数。 令p（g，）是所构造的随机变量，给出预定的置信水平1-，则可以表述为 prob（b p(g,)c）=1-,五、概率统计知识,五、概率统计知识 3.假设检验,假设检验是先设定一个原假设，通常用h0表示，一个备择假设，通常用h1表示。为了检验零假设，我们根据样本数据以及统计理论建立判定原则从而判定样本信息是否支持零假设。如果样本信息支持零假设，就接受h0，如果样本信息不支持零假设，则接受备择假设h1。,例如，为了对均值等于的假设进行检验，我们指定x=以及显著性水平。 原假设 h0：x= x*， 备择假设h1：xx* 显著性水平：5% 如果假设的均值位于95%置信区间外，就拒绝原假设，如果在95%置信区间内，则接受原假设。,五、概率统计知识,第类错误和第类错误 如果检验的原假设为=0，且在5%的显著性水平下拒绝了原假设。很可能这个拒绝是不正确的，这种错误被成为第类错误，它发生的概率为5%。如果在检验中不能拒绝=0的原假设，这意味着要把它作为正确的结论而接受。但这也可能是错误的结论，如果的真实值为0.02，这时的原假设是不成立的，但我们却接受了它，这种错误被成为第类错误。,五、概率统计知识,p 值 p值衡量的是犯第类错误的概率，即拒绝正确的原假设的概率。p值越大，错误地拒绝原假设的可能性越大；p值越小，拒绝原假设时的正确度越大。,五、概率统计知识,本章小结： 了解eviews软件的发展历程、操作环境 熟悉eviews的界面 掌握相关概率统计知识,第2章 eviews工作界面介绍 重点内容： eviews工作文件的操作 eviews对象的操作,一、工作文件 1.工作文件的建立,首先单击主菜单栏中的file选项，在下拉菜单中选择“new”|“workfile”选项，将弹出下图所示的对话框。 该对话框中有三个不同的区域，分别是“workfile structure type”（工作文件结构类型）、“date specification”（日期说明）和“names”（命名）。,一、工作文件 1.工作文件的建立,在“workfile structure type”区域可设定该工作文件的结构类型。包括三种：“unstructured/undated”（未限定结构/未限定日期），“dated regular frequency”（日期 固定频率），“balanced panel”（平衡面板）。系统在默认状态下是“dated regular frequency”。,一、工作文件 1.工作文件的建立,当文件的工作类型选择“unstructured/undated”（未限定结构/未限定日期）时，将弹出如下图所示的界面。,一、工作文件 1.工作文件的建立,当文件的工作类型选择“dated regular frequency”（日期 固定频率）时，将弹出下图所示的界面。 frequency”表示频率的设定，其中有8个选项。,一、工作文件 1.工作文件的建立,“annual”表示“年度的”，“semi annual”表示“半年的”，“quarterly”表示“季度的”，“monthly”表示“月份的”，“weekly”表示“周的”，“daily 5 day week”表示“1周5天的”，“daily 7 day week”表示“1周7天的”“integer date”表示“整数日期”。 在“start”和“end”中输入日期的起止时间。,一、工作文件 1.工作文件的建立,当文件的工作类型选择“balanced panel”（平衡面板）时，将弹出如下图所示的窗口 。 “number of cross”（个体个数）中需输入面板数据中所包含的个体的个数。,一、工作文件 2.工作文件窗口,工作文件窗口包含很多功能，所建立的各种类型的对象均将显示在此窗口中。窗口的顶端显示的是工作文件的名称和路径。如果工作文件未被命名，则显示为“untitled”, 当工作文件被激活时，标题栏显示为蓝色，否则显示为灰色。,一、工作文件 2.工作文件窗口,作文件中的第二栏为工具栏，包括“view”、“proc”、“object”等具有不同功能的选项。每个选项都有一个下拉菜单，包含各种操作中所使用的功能。,工具栏,一、工作文件 2.工作文件窗口,新建立的工作文件窗口只包含两个对象，一个是“ resid”（残差），一个是“ c”（系数向量），新建立的这两个对象的取值分别为“0”和“na”（空值）。残差（resid）和系数向量（c）前面的符号为该对象的图标，不同类型的对象均有各自不同的类型图标 。,一、工作文件 3.工作文件保存,一种是在主窗口中选择“file”|“save”/“save as”选项，另一种是单击工作文件窗口工具栏中的“save”选项。 选择 “save”或“save as”选项后，会弹出保存路径的对话框。选择好文件保存的路径并给文件命名（如果文件未被命名），单击“保存”按钮，在接下来弹出的窗口中单击“ok”按钮，新建立的工作文件即被保存在电脑中。 如果要打开已经保存的工作文件需选择eviews主菜单栏中的“file”|“open” |“eviews workfile”选项，在文件存储的路径中选中文件名。,一、工作文件 4.工作文件的功能键,工作文件的工具栏包括了eviews操作中所常用的12个功能键。 （1）view（视图） 该功能键包括对象操作的内容，通过此键可以方便地进行对象的操作。 （2）proc（过程） 对当前页面进行操作，如复制、保存、删除和重命名等。此外，工作文件中的“proc” | “set sample”选项表示对样本的设置，与主菜单中的“quick”|“sample”作用相同。,一、工作文件 4.工作文件的功能键,（3）object（对象） 其功能与第1章中所介绍的主菜单中的“object”功能相同。 （4）save（保存） 用来保存当前的工作文件，与主菜单中的“file”|“save”功能相同。 （5）fetch（提取） 可将以文件形式存储的对象调入当前工作文件中。 “browse”按钮选择对象所在的路径，然后在“objects to fetch ”中输入所要提取的对象名称，再单击“ok”按钮即可。”作用相同。,一、工作文件 4.工作文件的功能键,（6）store（存储） 可将所选中的对象存储到数据库中或其他文件中。 （7）delete（删除） 可将所选中的对象从当前工作文件中删除。 （8）genr（生成序列） 能通过公式生成一个新的序列。 （9）sample（样本） 与工具栏中“proc”|“set sample”的功能相同。,二、基本对象 1.对象的建立,工作文件（workfile）是对象的集合，eviews中的所有信息都存储在对象中，共有17种不同类型的对象，存储不同类型的信息。,二、基本对象 1.对象的建立,建立新对象可选择主菜单中的“object” |“new object”选项或选择工作文件工具栏中的“object” |“new object”选项，均可以打开如下图所示的对话框。,二、基本对象 1.对象的建立,在这些类型的对象中，“series link” 、“series alpha”、“valmap”是eviews 5中新增的对象类型。序列（series）对象、序列组（group）对象、方程（equation）对象、图形（graph）对象是较为常用的几种。 在一个工作文件中可打开多个对象窗口，在未给对象命名的情况下系统会将其名称默认为“untitled”,二、基本对象 2.对象的视图,视图是一系列图表，它提供了观察和分析对象内容的多种方法。除标量对象外，其他对象都有各自的视图。 对象的视图显示在相应的对象窗口中，一次只能打开一个对象视图。对象视图的改变并不影响对象中的数据，当数据更改后，相应的对象视图也将发生变化。通过对象窗口工具栏中的“freeze”选项可以冻结对象视图 。 通过对象窗口工具栏中的“view”或主菜单中的“view”功能键中的选项可在对象不同的视图间进行切换。,二、基本对象 3.对象的过程,过程是对一个对象的处理，常常以表格或图形的形式显示在对象窗口中 ，过程会改变对象本身的数据。 通常可以通过对象窗口中“proc”下拉菜单里的选项来执行当前对象的各个过程。也可以选择eviews主菜单中 “proc”下拉菜单中的选项进行过程的操作，但需要强调的是所操作的对象窗口必须处于激活状态，即对象窗口的标题栏显示为蓝色，否则“proc”下拉菜单中的选项将不会显现。,二、基本对象 4.常用对象,序列（series）对象用来保存变量中的数据；序列组（group）对象是序列对象的组合，用以实现对组的引用，不包含实际数据。在eviews操作中，序列对象是最基本的对象之一，当建立好工作文件后，首先应建立与变量相对应的序列对象，用来保存变量的观测值。 方程（equation）对象用于完成对单方程的估计、检验以及预测等。在线性回归模型中会用到方程对象。 图形（graph）对象用以保存所生成的图形，从而得到更为直观的数据说明。,二、基本对象 4.常用对象,标量（scalar）对象又被称为存量对象，用于保存一个具体的数值，通常用于表达式中。标量对象是一个比较特殊的对象，与其他对象的建立方法不同，只能通过命令方式来实现标量对象的创建。 系统（system）对象用来完成对联立方程模型的参数估计和检验，并可创建模型对象进行联立方程的预测和模拟。 模型（model）对象用于预测和模拟单个方程或一系列联立方程，与系统对象不同的是，模型对象并不包含未知的待估计参数，并可以求内生变量的解。,本章小结： 掌握工作文件的建立方法 了解工作文件的主要功能 掌握对象的建立方法 了解对象的视图和过程,第3章 序列（series）对象的基本操作 重点内容： 序列对象的操作 数据的输入 季节调整,一、序列对象建立 1.序列对象的建立,序列对象窗口以电子表格的形式显示在工作文件中。要创建一个新序列对象可以在工作文件窗口选择“object”|“new object”，亦可在eviews主菜单中选择“object”|“new object” 。 在 “type of object”中选择“series”（序列），然后在“name for object”中输入新建序列的名称，例如输入“t”，单击“ok”按钮。如果要取消操作单击“cancel”按钮即可。在默认状态下，序列的名称为“untitled”。,一、序列对象建立 2.序列对象的打开,序列对象的打开方式有多种。一种是双击工作文件中的序列图标，这种是最简便的方法。一种是选择该工作文件工具栏中的“show”功能键或eviews主菜单中“quick”|“show”，将弹出下图所示的对话框，在文本框中输入序列对象名称，再单击“ok”按钮即可打开序列对象窗口。,二、序列对象窗口,新建的序列对象窗口被打开时将以电子表格（spread sheet）的形式显示在工作文件中。在没有输入数据前，序列对象的电子表格显示为“na”。,标题栏,工具栏,二、序列对象窗口,序列对象窗口主要包括以下几个功能键： “view”（观察） 用来显示序列中数据的图形和描述统计量的值。 “proc”（过程） 用来执行序列对象的各种过程。 （“object”（对象） 对序列对象进行“存储（store）”、“复制（copy object）”、“命名（name）”、“删除（delete）”和“打印（print）”等。 “print”（打印） 用于打印序列对象的表格。 “name”（命名） 给序列对象命名或对已存在的名称进行更改。,二、序列对象窗口,“freeze”（冻结） 将序列对象中的数据冻结成表格（table ）对象，当序列对象中的数据发生变化时冻结表格中的数据不被改变。 “sort”（存储） 可将序列对象中的观测值按升序或降序排列。 “edit+/-”（编辑） 可打开或关闭修改功能，用来对序列对象中的内容进行编辑。 “smpl+/-” 用来选择数据是否受所设定的样本范围限制。 “label+/-” 控制序列对象窗口中的批注信息是否显示。该批注信息位于电子表格的上方。,二、序列对象窗口,“wide+/-” 可以使数据显示在单列和多列间进行切换，默认状态下是单列显示。 “insdel” 可以在鼠标选中的位置插入或删除一个观测值。 “title” 改变对象窗口电子表格的标题。 “sample” 用于改变工作文件的样本范围，功能与工作文件工具栏中的“sample”相同。 “genr” 利用公式在已存在的序列对象的基础上生成新序列对象，与工作文件工具栏中的“genr” 功能相同。,三、数据的处理 1.数据的输入,手动方式输入 双击每一个“na”符所在的表格，然后输入数据。如果电子表格处于未可编辑状态，则用鼠标左键点击工具栏中的“edit+/-”按钮即可进行数据的输入。,三、数据的处理 1.数据的输入,复制粘贴方式输入 如果需复制的数据在eviews工作文件的其他序列对象中，则用鼠标左键框选住需复制的观测值，然后单击主菜单栏中的“edit”|“copy”选项，在弹出的对话框中单击“ok”按钮，再打开需粘贴数据的序列对象窗口，将鼠标放在第一个放置数据的表格处，然后单击主菜单栏中的“edit”|“paste”选项。,三、数据的处理 1.数据的输入,复制粘贴方式输入 如果需复制的数据保存在excel表格中，则框选excel中需复制的数据，单击鼠标右键，在弹出的菜单中选择“复制”，然后单击eviews主菜单栏中的“edit”|“paste”选项进行粘帖，即可将数据复制到eviews的序列对象中。需注意的是复制数据的样本范围要与粘贴数据的样本范围一致。,三、数据的处理 1.数据的输入,从外部文件中导入数据 选择eviews主菜单中的“file”|“import” |“read text-lotus-excel”，然后选择文件所在的路径打开目标文件。 对于调入不同格式类型的数据会出现不同的对话框，其中从excel工作表读入数据是最常用的。,三、数据的处理 2.数据的输出,数据输出的操作方式与数据输入的操作方式类似。可以采用类似于数据输入中的“复制粘贴”办法来导出数据，也可以通过工作文件工具栏中的“proc”|“export”|“write text-lotus-excel”选项导出数据。,三、数据的处理 3.季节调整,对于时间序列，季节性因素会导致统计数据不能客观反应经济变化规律。因而在经济统计分析中常常对月份数据和季度数据进行季度调整，除掉季节波动因素的影响。这在eviews软件操作中被称为“季节调整”（“seasonal adjustment”）。该方法只适用于季度数据和月份数据的序列对象。,三、数据的处理 3.季节调整,经济指标的季度和月份数据包含4种变动要素，分别是 长期趋势要素（t）， 循环要素(c)， 季节变动要素(s) 不规则要素(i)。,三、数据的处理 3.季节调整,在工具栏中选择“proc”|“seasonal adjustment”，在弹出的子菜单中有4种调整方法可供选择，分别为x11季节调整法、x12季节调整法、tramo/seats方法和移动平均法（moving average methods）。其中前三种方法要求数据样本范围不能少于3年，最后一种方法要求数据样本范围不能少于4年。,三、数据的处理 3.季节调整,x11季节调整法 x11季节调整法包括2种模式，一种是乘法模式（multiplicative），一种是加法模式（additive）。乘法模式只适用于序列对象的观测值都为正的情况。 当选择序列对象工具栏中的“proc”|“seasonal adjustment” |“x11 （historical）”选项时会弹出对话框，在该图的“adjustment method”区域选中一种模式即可，,三、数据的处理 3.季节调整,|“x11 （historical）”选项时会弹出对话框，在该图的“adjustment method”区域选中一种模式即可“x11 monthly options”区域是对贸易日（trading day）和节假日（holiday）等影响因素的选择。如果数据不受这些因素的影响可以不选，即系统默认状态下的“never”。,三、数据的处理 3.季节调整,x12季节调整法 x12季节调整法包括4种季节调整的分解模式，分别是乘法模式（multiplicative）、加法模式（additive）、伪加法模式（pseudo-additive）和对数加法模式（log-additive）。,三、数据的处理 3.季节调整,x12季节调整法 其中，加法模式的运算式为 yt = tct + st + it 乘法模式的运算式为 yt = tct st it 伪加法模式的运算式为 yt = tct (st + it 1 ) 对数加法模式的运算式为 yt = lntct + lnst + lnit 注：当采用乘法、伪加法和对数加法模式时，时间序列对象的观测值不能为0和负数。,三、数据的处理 3.季节调整,x12季节调整法 当选择序列对象工具栏中的“proc”|“seasonal adjustment” |“census x12”选项时会弹出下图所示对话框，在对话框“x11 method”中选中所需要的季节调整模式。,三、数据的处理 3.季节调整,tramo/seats方法 用来估计和预测序列对象观测值有缺失（na）、arima误差项不平稳以及有外部因素影响的情况。它能修正不同类型的异常值并对工作日变化和复活节等特殊因素及假定为arima过程的误差项的参数进行估计。,三、数据的处理 3.季节调整,移动平均法 移动平均法包括两种方法，一种是“ratio to moving average-multiplicative”（移动平均比例法），用于计算移动平均比率序列（原序列/移动平均序列）；一种是“difference from moving average-additive”（移动平均差分法），用于计算移动平均差分序列（原序列-移动平均序列）。需强调的是序列对象的样本时间范围要在4年以上。,四、样本范围设定,在eviews主菜单中选择“quick”|“sample”选项和从工作文件工具栏中选择“proc”|“set sample”选项或“sample”功能键都可以打开如图所示的对话框。,四、样本范围设定,该对话框包括两个文本框。“sample range pairs”文本框中输入样本数据的范围，通常情况下所输入的日期要成对，例如“2007.1 2007.12”两个日期间应有空格，这表示样本观测值从2007年1月到2007年12月，前一个是样本数据的起点值，后一个是样本数据的终点值。 如果要使用所以的观测值，则输入“all” ，这也是系统默认下的内容。 “if condition”文本框中输入条件，该文本框可以为空白。当输入条件时，最终样本数据是“sample range pairs”文本框和“if condition”文本框所设定条件的交集 。,五、序列组对象 1.序列组对象的建立,首先在eviews主菜单中选择“object”|“new object”选项或者在新建的工作文件中选择 “object”|“new object”选项。在弹出窗口中 “type of object”区域选择“group”选项，在“name for object”文本框中输入群对象的名称，再单击“ok”按钮。,五、序列组对象 1.序列组对象的建立,在弹出的图的“series list（序列列举）”文本框中输入生成群对象所用的序列，即哪些序列包括在该群对象中。例如输入我们上面建立的s1序列和s2序列的名称，然后点击“ok”按钮，就生成了一个新的包含s1和s2两个序列的群对象。,五、序列组对象 2.序列组对象的打开,双击群对象图标即可打开群对象窗口。也可单击工作文件工具栏中的“view” | “show”选项，或者直接单击工作文件工具栏中的“show”按钮，都将生成下图所示的对话框。在“objects to display in a single window”中输入想要打开的群对象的名称，单击“ok”按钮即可。,五、序列组对象 3.序列组对象的删除,先在工作文件中选中要删除的对象，然后单击工作文件工具栏中的“delete”键，将弹出如下对话框，如果确定要将此对象删除，单击“yes”按钮即可完成。,本章小结： 掌握序列对象的基本操作 了解序列对象的功能 掌握数据的输入方法,第4章 图形和统计量分析 重点内容： 图形对象的生成 描述性统计量 单位根检验 granger因果检验,一、图形对象 1.图形对象的建立,选择对象窗口工具栏中的“view”| “graph”选项。“graph”的菜单中有6种图形可供选择。 “line”表示生成的是折线图 “area”表示生成面积图 “bar”表示为条形图 “spike”表示尖峰图 “seasonal stacked line”表示生成的是季节性堆叠图 “seasonal split line”表示生成的是季节性分割线,一、图形对象 1.图形对象的建立,如果选择“view”| “graph”| “line”选项，将生成如下所示的线性图。,一、图形对象 2.图形的冻结,通过“quick”| “graph”选项生成图形对象，单击图对象窗口工具栏中的“name”选项，在弹出的对话框中输入该对象的名称后，单击“ok”按钮后该对象即可被保存，并在工作文件窗口中显示图对象的图标 。 如果要保留所建立的图形，使之不随样本及观测值的改变而发生变化，则可以通过序列对象窗口中的“freeze”键来冻结图形。,一、图形对象 3.图形的复制,如果需要将图形保存到其他文件中，例如放在word文档中，则选择图对象窗口中的“proc”| “copy”选项，然后在弹出的对话框中单击“ok”按钮。或者将鼠标移动到图形上，点击鼠标右键，在弹出的菜单中选择“copy”。再打开需要粘贴的文件，通过鼠标右键进行粘贴即可。,二、描述性统计量 1.序列窗口下的描述性统计量,在序列（series）对象窗口下选择工具栏中的“view”| “descriptive statistics”（描述性统计量）选项，将出现4个选项。 第一个选项是“histogram and stats”（直方图和统计量），能显示序列对象的直方图和一下描述性统计量的值。,二、描述性统计量 1.序列窗口下的描述性统计量,以序列对象“fdi”为例来进行说明: “mean”表示均值，即序列对象观测值的平均值；“median”表示中位数，即从小到大排列的序列对象观测值的中间值，是对序列分布中心的一个大致估计；“maximum”表示最大值，“minimum”表示最小值，是该序列观测值中的最大值和最小值；,二、描述性统计量 1.序列窗口下的描述性统计量,“std.dev”表示标准差，用来衡量序列观测值的离散程度，其计算公式为 其中，为标准差，n为样本观测值个数，xi是样本观测值，为样本均值。,二、描述性统计量 1.序列窗口下的描述性统计量,“skewness”表示偏度，用来衡量观测值分布偏离均值的状况，其计算公式为 其中 是变量方差的有偏估计。当s=0时，序列的分布是对称的，如正态分布；当s 0时，序列分布为右偏；当s 0，所以我国的外商直接投资（fdi）的分布是不对称的，为右偏分布形态。,二、描述性统计量 1.序列窗口下的描述性统计量,“kurtosis”表示峰度，用来衡量序列分布的凸起状况，其计算公式为 正态分布的k值为3，当k 3时，序列对象的分布凸起程度大于正态分布的凸起程度；当k 3，外商直接投资（fdi）的分布呈尖峰状态。,二、描述性统计量 1.序列窗口下的描述性统计量,图最下方是jb（jarque-bera）统计量及其相应的概率（probability）。jb统计量用来检验序列观测值是否服从正态分布，该检验的零假设为样本服从正态分布。在零假设下，jb统计量服从2(2)分布。,二、描述性统计量 1.序列窗口下的描述性统计量,第二个选项是“stats table”（统计表），它将描述性统计量值通过电子表格的形式显示在对象窗口中。 第三个选项是“stats by classification”（分类统计量），它将样本分为若干组后再对各组观测值分别进行描述统计。 第四个选项是“boxplots by classification”（分类箱线图/箱尾图），将序列分布按照箱线图/箱尾图进行分类。箱线图（boxplot）也称为箱尾图，是利用数据统计量来描述数据的一种方法。,二、描述性统计量 2.序列组窗口下的描述性统计量,在序列组(group)对象窗口下选择工具栏中的“view”| “descriptive statistics”（描述性统计量）选项，将弹出3个选项。,二、描述性统计量 2.序列组窗口下的描述性统计量,第一个选项是“common sample”（普通样本），选择该项将得到含有均值、中位数、最大/小值等统计量的一张电子表格。“common sample”要求各序列对象的样本范围相同，不能含有na符（空值）。,二、描述性统计量 2.序列组窗口下的描述性统计量,第二个选项是“individual samples”（个体样本），选择该项后弹出的界面也是一张含有均值、中位数、最大/小值等统计量的一张电子表格。与“common sample”不同的是该选项中序列对象所包含的观测值个数可以不同。 第三个选项是“boxplots”（箱线图/箱尾图）。,三、描述性统计量检验 1.简单假设检验,均值（mean）检验 方差（variance）检验 中位数（median）检验,三、描述性统计量检验 1.简单假设检验,选择“view”| “tests for descriptive stats” | “simple hypothesis tests”选项后弹出如下图所示的对话框，在左侧文本框中输入待检验的数值，然后单击“ok”按钮即可得到输出结果。对于均值检验，如果标准差已知，可在右侧“enter s.d. if”文本框中输入标准差的值。,三、描述性统计量检验 2.分组齐性检验,均值（mean）检验 方差（variance）检验 中位数（median）检验,三、描述性统计量检验 2.分组齐性检验,选择“view”|“tests for descriptive stats” | “equality tests by classification”选项后弹出如下图所示的对话框，在“series/group for classify”文本框中输入序列或序列组对象名称，在“test equality of”中选中检验方法，“na handing”表示缺值项的处理 方法，“group into bins if”可 以限定分类后子项目的数目。然 后单击“ok”按钮即可。,四、相关分析,在eviews软件中可以对序列和序列组对象进行相关分析，从而判定序列对象是否存在自相关问题。 选择“工具栏中的view”|“correlogram”（相关图）选项，弹出右图所示的对话框。 需说明的是序列组中的“view”| “correlogram”选项分析的是第 一个序列对象的相关性。 如果要得到两个序列对象 的交叉相关图需选择“view” |“cross correlogram” 选项。,四、相关分析,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”|“correlation” |“common sample”/“pairwise samples”后，得到相关矩阵表。表中的数值代表两个变量的相关性，数值可正可负。,五、单位根检验,单位根检验（unit root test）主要用来判定时间序列的平稳性。 如果一个时间序列的均值或者协方差函数随时间变化而改变，那么这个序列就是不平稳的时间序列。如果该时间序列经过一阶差分后变为平稳序列，则称该序列为一阶单整序列，记作i(1)；如果是经过d次差分后才平稳，则称为d阶单整序列，记作i(d)。,五、单位根检验,单位根检验（unit root test）主要用来判定时间序列的平稳性。 如果一个时间序列的均值或者协方差函数随时间变化而改变，那么这个序列就是不平稳的时间序列。如果该时间序列经过一阶差分后变为平稳序列，则称该序列为一阶单整序列，记作i(1)；如果是经过d次差分后才平稳，则称为d阶单整序列，记作i(d)。,五、单位根检验,选择工具栏中的“view”|“unit root test”选项，会弹出如下图所示的对话框。,五、单位根检验,eviews5.1为用户提供了6种单位根检验的方法，有 “augmented dickeyfuller”(adf)检验法， “dickeyfuller gls (ers)”（df）检验法， “phillipsperron”（pp）检验法， “kwiatkowskiphillipsschmidtshin”(kpss)检验法， “elliottrothenbergstock pointoptimal”(ers)检验法, “ngperron”(np)检验法。,五、单位根检验,在“test for unit root in”中选择序列形式。 “level”表示对原序列进行单位根检验， “1st difference”表示对一阶差分序列进行单位根检验， “2nd difference”表示对二阶差分序列进行单位根检验。,五、单位根检验,“lag length”表示消除序列相关所需的滞后阶数，在该区域有两个选项按钮。 在“automatic selection”（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； 第二个文本框中输入最大滞后阶数，一般系统会根据样本容量而自动给出一个数值。 如果选中“user specific”，则用户可输入具体的数值，系统会给出检验结果。,五、单位根检验,“include in test equation”表示检验式中是否包含“intercept”（截距项）、“trend and intercept”（趋势项和截距项）和“none”（不包含趋势项和截距项）。可根据图形来确定是否包含趋势项和截距项。,六、granger因果检验,granger因果关系检验就是检验一个变量的滞后变量是否可以放入其他变量的方程中。如果该变量受到其他变量滞后期的影响，则称两个变量间存granger因果关系。,六、granger因果检验,打开序列组对象窗口，选择工具栏中的“view”|“granger causality”选项，在弹出的对话框中输入滞后期，然后单击“ok”按钮，就会得到下图所示的分析结果。一般情况下granger因果检验的滞后期要根据aic和sc准则来确定。 “null hypothesis”列是原假设， “cpi does not granger cause gdp” 为cpi不是gdp的granger因， 同样，“gdp does not granger cause cpi”为gdp不是cpi的granger因。 “obs”列是样本数， “f-statistic”列是检验的f统计量， “probability”为f检验的概率值。,六、granger因果检验,从上图的数据中我们可以看出，在1%的显著性水平下，cpi是gdp的granger因（p值为0.002040.01，接受原假设）。,本章小结： 掌握图形对象生成、冻结和复制基本操作 熟悉描述性统计量及其检验方法 掌握单位根检验操作方法 掌握granger因果检验操作方法,第5章 基本回归模型的ols估计 重点内容： 普通最小二乘法 线性回归模型的估计 线性回归模型的检验,一、普通最小二乘法（ols） 1.最小二乘原理,设（x1，y1），（x2，y2），（xn，yn）是平面直角坐标系下的一组数据，且x1 x2 xn，如果这组图像接近于一条直线，我们可以确定一条直线y = a + bx ，使得这条直线能反映出该组数据的变化。 如果用不同精度多次观测一个或多个未知量，为了确定各未知量的可靠值，各观测量必须加改正数，使其各改正数的平方乘以观测值的权数的总和为最小。因而称最小二乘法。,一、普通最小二乘法（ols） 1.最小二乘原理,设双变量的总体回归方程为 yt= b1 + b2xt +t 样本回归函数为 yt= b1 + b2xt + et 其中，et为残差项， 5-3式为估计方程，b1 和b2分别为b1和b2的估计量， 因而 e = 实际的yt 估计的yt,一、普通最小二乘法（ols） 1.最小二乘原理,估计总体回归函数的最优方法是选择b1和b2的估计量b1 ，b2，使得残差et尽可能达到最小。 用公式表达即为 总之，最小二乘原理就是选择样本回归函数使得y的估计值与真实值之差的平方和最小。,一、普通最小二乘法（ols） 2.方程对象,选择工作文件窗口工具栏中的“object”| “new object”| “equation”选项，在下图所示的对话框中输入方程变量。,一、普通最小二乘法（ols） 2.方程对象,eviews5.1提供了8种估计方法： “ls”为最小二乘法； “tsls”为两阶段最小二乘法； “gmm”为广义矩法； “arch”为自回归条件异方差； “binary”为二元选择模型，其中包括logit模型、probit模型和极端值模型； “ordered”为有序选择模型； “censored”截取回归模型； “count”为计数模型。,二、一元线性回归模型 1.模型设定,一元线性回归模型的形式为 yi = 0 + 1 xi + ui （i=1，2，n） 其中，y为被解释变量，也被称为因变量；x为解释变量或自变量；u是随机误差项（random error term），也被称为误差项或扰动项，它表示除了x之外影响y的因素，即y的变化中未被x所解释的部分；n为样本个数。,二、一元线性回归模型 2.实际值、拟合值和残差,估计方程为 表示的是yt的拟合值， 和 分别是 0 和1的估计量。实际值指的是回归模型中被解释变量（因变量）y的原始观测数据。拟合值就是通过回归模型计算出来的yt的预测值。,二、一元线性回归模型 2.实际值、拟合值和残差,三条曲线分别是实际值（actual），拟合值（fitted）和残差（residual）。实际值和拟合值越接近，方程拟合效果越好。,三、多元线性回归模型,通常情况下，将含有多个解释变量的线性回归模型（多元线性回归模型）写成如下形式， yi = 0 + 1 x1i +2 x2i+3 x3i+k xki + ui （i=1，2，n） 其中，y为被解释变量，也被称为因变量；x为解释变量或自变量；u是随机误差项（random error term），也被称为误差项或扰动项； n为样本个数。,三、 多元线性回归模型,在多元线性回归模型中，要求解释变量x1，x2，xk之间互不相关，即该模型不存在多重共线性问题。如果有两个变量完全相关，就出现了完全多重共线性，这时参数是不可识别的，模型无法估计。,三、 多元线性回归模型,通常情况下，把多元线性回归方程中的常数项看作虚拟变量的系数，在参数估计过程中该常数项始终取值为1。因而模型的解释变量个数为k+1.多元回归模型的矩阵形式为 y = x + u 其中，y是因变量观测值的t维列向量；x是所有自变量（包括虚拟变量）的t个样本点观测值组成的t（k+1）的矩阵；是k+1维系数向量；u是t维扰动项向量。,四、 线性回归模型的基本假定,线性回归模型必须满足以下几个基本假定： 假定1：随机误差项u具有0均值和同方差，即 e ( ui ) = 0 i=1，2，n var ( ui ) = 2 i=1，2，n 其中，e表示均值，也称为期望，在这里随机误差项u的均值为0。var表示随机误差项u的方差，对于每一个样本点i，即在i=1，2，n的每一个数值上，解释变量y对被解释变量x的条件分布具有相同的方差。当这一假定条件不成立是，称该回归模型存在异方差问题。,四、 线性回归模型的基本假定,假定2：不同样本点下的随机误差项u之间是不相关的，即 cov（ui，uj）=0，ij，i，j=1，2，n 其中，cov表示协方差。当此假定条件不成立时，则称该回归模型存在序列相关问题，也称为自相关问题。,四、 线性回归模型的基本假定,假定3：同一个样本点下的随机误差项u与解释变量x之间不相关，即 cov（xi，ui）=0 i=1，2，n,四、 线性回归模型的基本假定,假定4：随机误差项u服从均值为0、同方差的正态分布，即 u n（0，2） 如果回归模型中没有被列出的各因素是独立的随机变量，则随着这些随机变量个数的增加，随机误差项u服从正态分布。,四、 线性回归模型的基本假定,假定5：解释变量x1，x2，xi是非随机的确定性变量，并且解释变量间互不相关。则这说明yi的概率分布具有均值，即 e（yi|xi）= e（0 +1xi +ui）=0 +1xi 该式被称为总体回归函数。 如果两个或多个解释变量间出现了相关性，则说明该模型存在多重共线性问题。,五、 线性回归模型的检验 1.拟合优度检验,拟合优度检验用来验证回归模型对样本观测值（实际值）的拟合程度，可通过r2统计量来检验。,五、 线性回归模型的检验 1.拟合优度检验,公式 三者的关系为 tss = rss +ess tss为总体平方和， rss为残差平方和， ess为回归平方和。,五、 线性回归模型的检验 1.拟合优度检验,总体平方和（tss）反映了样本观测值总体离差的大小，也被称为离差平方和；残差平方（rss）说明的是样本观测值与估计值偏离的程度，反映了因变量总的波动中未被回归模型所解释的部分；回归平方和（ess）反映了拟合值总体离差大小，这个拟合值是根据模型解释变量算出来的。,五、 线性回归模型的检验 1.拟合优度检验,拟合优度r2的计