统计软件作业解析

1、迟恬 20093297 09国贸2班第二章 描述统计分析与参数假设检验Exercise 2-1（1）1、打开源文件Exercise文件中的Exercise 2-1，双击inc，找到题中所给数据。2、点ViewDescriptive StatisticsHistogram and Stat得到直方图3、单击View选择Descriptive StatisticsStats Table得到统计表（2）单击ViewDescriptive StatisticsStatistic By Classification得到分组表格，在分组变量处输入“edu”得到分组统计描述。即收入在1216的教育年限分布人

2、数最多。（3）单击ViewDiscriptive Statistics & TestsSimple Hypothesis Test输入Mean 15、Variance 81得到检验结果。（4）1、单击ViewGraphTypeDistributionEmpirical CDF得到经验累积分布图2、 单击ViewGraphType Quantile-Quantile得到序列Q-Q散点图3、 单击ViewDiscriptive Statistics & TestsEmpirical Distribution Test。由表可以看出其服从正态分布。（5）在Eviews命令窗口中输入命令“group

3、g1 inc edu”按enter生成新的序列组（6）1、双击g1打开序列组窗口，单击ViewDescriptive Statisticscommon sample得到描述性统计分析。2、相关系数：3、协方差：（7）单击ViewGraphTypeScatterRegression Line得到序列组g1的回归散点图。根据散点图可以看出序列inc和edu成正相关关系，但并不是高度正相关关系。Exercise 2-2（1）1、打开源文件Exercise文件中的Exercise 2-2，分别双击ggdp、gcs，找到题中所给数据。2、分别单击ViewDescriptive StatisticsHis

4、togram and Stat得到两个直方图（2）1、单击ViewDiscriptive Statistics & TestsSimple Hypothesis Test分别输入Mean 10.2、Mean 7.6得到下表。（3） 1、关闭窗口，单击ObjectNew ObjectGroup并将其命名为g12、对序列组的序列进行定义，第一列定义为ggdp按enter键，第二列定义为gcs按enter键。（4）2、 单击View选择Test of Equality选择Variance单击OK。得到方差检验结果。GGDP与GCS的方差相等。3、同理，选择Mean得到均值检验结果，均值也相等。第三章

5、 简单线性回归分析Exercise 3-1（1）1、打开源文件Exercise文件中的Exercise 3-1。2、 点Quick选择Equation Estimation使用列表形式对方程进行设定。输入“pcons c pdinc”得到下表。从回归结果可以看出，自变量pdinc能够解释因变量pcons 93.6%的变化。Pdinc每增加一个单位，pcons的平均值增加0.75811，回归参数的t检验在统计上是显著的，说明估计的回归方程是正确的。3、单击name，输入eq01，给方程命名（2）1、单击ViewActual,Fitted,ResidualActual,Fitted,Residua

6、l Graph得到因变量的实际值、拟合值、残差值的折线图。（3）1、单击Forecast输入 “pconsf”得到预测结果。从图中可以看出，平均百分比误差MAPE=5.22,希尔不等系数Theil IC=0.03，偏差率BP-0,方差率VP=0.02，协变率CP=0.96，从以上预测评价指标可以看出模型预测精度高。（4）单击ViewCoefficient TestWald-Coefficient Restrictions输入c(2)=0.75得到Wald系数检验结果。Exercise 3-2（1）1、打开源文件Exercise文件中的Exercise 3-2。2、单击QuickEquation

7、 Estimation，输入investment c product 对方进行设定3、从回归结果中可以看出自变量product解释了因变量均值95%的变化，说明回归方程拟合优度较好，product的回归系数为3.4说明product每增加一个单位，因变量investment的均值增加3.4个单位，回归系数的t检验在统计上显著，说明估计回归方程正确。（2）单击ViewActual,Fitted,ResidualActual,Fitted,Residual Graph得到因变量的实际值，拟合值，残差值的折线图。（3）1、单击ViewStability TestChow Breakpoint Tes

8、t输入1988，分割点检验结果。从回归结果看LR检验结果在统计上不显著，所以接受无结构变化的原假设2、单击ViewStability TestChow Forecast Test输入1988，得到Chow预测检验结果。回归结果表明LR检验在0.05的显著性水平下是显著的，所以应拒绝无结构变化的原假设。（4）1、单击ViewStability TestRecursive Estimates（OLS only）CUSUM Test,得到CUSUM检验结果。2、单击ViewStability TestRecursive Estimates（OLS only）CUSUM of Square Test得

9、到CUSUM的平方检验结果。第四章 非线性模型的回归估计方法Exercise 4-1（1）1、打开源文件Exercise文件中的Exercise 4-1。2、点击 QuickEquation Estimation，输入number c population，得到回归模型。从回归结果中可以看出，解释变量population解释了因变量number均值76.4%的变化。说明回归方程拟合优度较好，解释变量的回归系数的t检验在5%的显著性水平下通过检验，说明回归方程正确。（2）单击ProcMake Residual Series生成残差序列。（3）分别建立三个新序列series w1=1/abs(re

10、sid01) series w2=1/sqrt(population) series w3=1/population单击QuickEquation Estimation使用列表形式对方程进行设定。在输入框内输入“number c population”Option，选择Weighted LS/TSLS,在weight对话框中分别输入w1 w2 w3分别得到用残差序列的绝对值倒数作为权重，用自变量序列平方根作为权重及用自变量序列的倒数作为权重重新估计的回归方程。从上述三个回归结果的R平方值及t检验结果判断得出以残差序列绝对值的倒数作为权重进行加权最小二乘回归得到的结果拟合优度最高，并且t检验显著

11、。Exercise 4-2（1）1、打开源文件Exercise文件中的Exercise 4-2。2、点击 QuickEquation Estimation，输入export c gnp，得到回归模型。3、从回归结果中可以看出，解释变量gnp解释了因变量export均值98。6%的变化，说明回归方程拟合优度较好，解释变量的回归系数的t检验在5%的显著性水平下通过检验，回归方程正确。（2）从White检验结果可以看出F统计量在0.05的显著性水平下不是统计显著的，说明不存在异方差。（3）单击ViewResidual Testscorrelogram-Q-statistics输入12，得到残差的自相

12、关图-Q统计量检验结果。根据图标显示p值均大于0.05所以不存在自相关。（4）单击ViewResidual TestsSeries Correlation LM Test输入序列滞后长度4，得到残差序列的自相关LM检验。根据回归结果，F统计量在统计上不显著，说明不存在自相关。Exercise 4-3（1）1、打开源文件Exercise文件中的Exercise 4-3。2、点击 QuickEquation Estimation，因为方程为非线性方程所以必须使用公式法对方程进行设定。在对话框内输入方程形式Y=C(1)+C(2)*X+C(3)*X2+C(4)*X3得到回归结果。从回归结果中可以看出非

13、线性回归方程的参数估计值的t值检验都在统计上是显著的，R平方项的值接近1说明该非线性回归方程拟合优度很好。（2）在Eviews命令窗口中输入命令series mc=c(2)+c(3)*2*x+c(4)*3*x2按“enter”键生成边际成本序列mc。打开序列mc，单击ViewGraphLine得到边际成本折线图。第六章Exercise 6-1（1）1、打开源文件Exercise文件中的Exercise 6-1，双击sale，找到题中所给数据。2、 单击ViewGraphLine & symbol得到折线图从上图中可以看出随着时间的增加销量呈波动上升的趋势。（2）1、单击ProcSeasonal

14、 AdjustmentCensus 12选择需要保存的分量序列，得到季节调整结果。2、关闭窗口，打开序列sale，单击ProcSeasonal AdjustmentTramo/Seats选择需要保存的序列，单击确定。得到Tramo/Seats调整结果。3、打开序列sale-tc和sale-trd进行比较。这两个序列分别是通过Census 12和Tramo/Seats调整后的趋势序列，通过比较发现用Census 12调整后的数值比用Tramo/Seats调整后的数值大，再通过折线图比较发现Census 12调整后数值波动较Tramo/Seats调整后数值平稳一些（3）在Eviews命令窗口输入命

15、令group g1 sale sale_tc建立序列组g1。打开g1，单击ViewGraphTypeLine&Symbol得到折线图。可以从图中看出调整后的数据较平稳。（4）1、双击序列sale_tc，单击ProcHodrick-Prescott Filter输入cycle01，得到HP滤波结果。2、单击ProcFrequency Filter输入序列名bp01，得到BP滤波结果。从图中可以看出，分解出来的序列hptrend01比原来的序列要光滑很多，其显现出来的长期趋势非常明显。随着时间推移，新序列的斜率变化不大，说明sale增长稳定。循环序列cycle01是围绕长期趋势线上下波动的缺口序列

16、。该序列波动在92年之前波动较小大约在正负200内，之后缺口幅度变大，在95年达到负600。从BP图中也能得到相应的特征.（5）1、在Eviews命令窗口中输入命令“genr t=trend”生成序列t。再在命令窗口中输入命令“ls log(hptrend01) c t”所估计的方程是指数增长模型，得到方程估计结果。Exercise 6-2（1）1、打开源文件Exercise文件中的Exercise 6-2，双击hszs，找到题中所给数据。2、单击ViewGraphTypeLine&Symbol得到序列的折线图。从图纸可以看出此序列不稳定，波动较大，总体呈波动上升趋势。（2）1、单击ProcS

17、easonal AdjustmentCensus X12选择需要保存的分量序列得到季节调整结果。2、打开序列hszs_tc单击ProcHodrick-Prescott Filter输入循环序列变动要素名cycle01，得到HP滤波结果。从图中可以看出经过季节调整后，长期趋势变动要素和循环要素仍然在一起，说明不存在明显的趋势变动和季节变动。（3）打开序列hszs，单击ProcExponential Smoothing修改平滑估计样本将2006改成2005，得到平滑估计结果。（4）在Eviews命令窗口中建立序列组g1,按enter键双击g1单击ViewGraphLine&Symbol得到折线图。单击Fre