2022年eviews图像及结果分析.pdf

《2022年eviews图像及结果分析.pdf》由会员分享，可在线阅读，更多相关《2022年eviews图像及结果分析.pdf（17页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、eviews 图像及结果分析第4章图形与统计量分析EViews 软件提供了序列 (Series)与序列组 (Group)等对象的各种视图、统计分析方法与过程。 当序列对象中输入数据后,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。本章将介绍序列与序列组对象图形的生成与描述性统计量及其检验。4、1 图 形 对 象图形 (Graph)对象可以形成序列与序列组等对象的各种视图,如线图 (Line) 、散点图(Scatter)以及饼图 (Pie)等。通过图形可以进一步观察与分析数据的变化趋势与规律。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

2、也就是工作文件中的基本对象之一。要生成图形对象需首先打开序列对象窗口或序列组对象窗口,选择对象窗口工具栏中的“View ”|“Graph”选项。选择的对象类型不同 ,将弹出不同的窗口。如果在序列对象窗口下选择“View”|“Graph”选项 ,将弹出如图4-1 所示的界面。图 4-1 序列窗口下图形对象的生成此时“ Graph”弹出的菜单中有6 种图形可供选择。“Line”表示生成的就是折线图,如图 4-2 所示 ,其横轴表示时间或序列的顺序,纵轴表示序列对象观测值的大小。“Area”表精品资料 - - - 欢迎下载 - - - - - - - - - - - 欢迎下载 名师归纳 - - -

3、- - - - - - -第 1 页，共 17 页 - - - - - - - - - - eviews 图像及结果分析示生成面积图,其图形的形状与“Line”(折线图 )相同 ,不同的就是“ Area”(面积图 )曲线下方就是被填满的,而“ Line”(折线图 )下方就是空白。图 4-2 “Line”折线图“Bar”表示为条形图 ,用条状的高度表示观测值的大小。“Spike”表示尖峰图 ,由竖线组成 ,每根竖线的高度代表观测值的大小。“Seasonal Stacked Line ”表示生成的就是季节性堆叠图 ,“Seasonal Split Line”表示生成的就是季节性分割线。如果在序列组

4、 (群)对象窗口下选择“View ”|“Graph”选项 ,将弹出如图4-3 所示的界面。这里有9种图形可供选择。其前4 种与上面讲述的相同。图 4-3 序列组 (群)窗口下图对象的生成其中 ,“ Scatter” 表示生成散点图。在“Scatter”弹出的菜单中有5 个选项 ,分别就是“Simple Scatter”(简单散点图 )、 “Scatter with Regression” (带有回归线的散点图)、 “Scatter with Nearest Neighbor Fit ”(近邻匹配散点图 )、“Scatter with Kernel Fit ”(核心匹配散点图 )、“XY Pai

5、rs”(XY 成对散点图 )。当序列组中包含两个序列对象时,第一个序列对象的观测值精品资料 - - - 欢迎下载 - - - - - - - - - - - 欢迎下载 名师归纳 - - - - - - - - - -第 2 页，共 17 页 - - - - - - - - - - eviews 图像及结果分析构成散点图的横坐标,第二个序列对象的观测值构成散点图的纵坐标,如图 4-4 所示。当序列组中有三个以上的序列对象时,第一个序列对象构成散点图的横坐标,其余序列对象构成散点图的纵坐标。图 4-4 简单散点图 (“Simple Scatter”) “XY line ”表示 X 与 Y 的折线图

6、 ,横纵坐标分别表示两个序列对象的观测值。“Error Bar”表示误差长条图,“High-Low ”表示高低图 ,“Pie”表示饼图。另外 , 在序列组 ( 群) 对象窗口下还可通过选择“View”|“Multiple Graphs”选项来生成图形。此时图形显示在不同的坐标系中,即每个序列对象各形成一个图形, 并显示在同一个窗口中。除上面介绍的在序列对象窗口中生成图对象外,还可以通过选择EViews 主菜单中的“Quick”|“Graph”选项来生成。在“Graph”的菜单中选择图的类型,将弹出图4-5 所示的文本框。在文本框内输入序列或序列组的名称,例如“fdi”,然后单击“ OK ”按钮

7、,即可打开相应的图。此时所生成的图对象未被命名,单击图对象窗口中的“Name”按钮即可命名。图 4-5 生成图对象的文本框4、1、2 图形的冻结在上面所介绍的两种图对象生成方法中,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,单击“OK ”精品资料 - - - 欢迎下载 - - - - - - - - - - - 欢迎下载 名师归纳 - - - - - - - - - -第 3 页，共 17 页 - - - - - - - - - - eviews 图像及结果分析按钮后该对象即可被保存,并在工作文件窗口中显示

8、图对象的图标。 但直接在序列对象窗口中形成的图形未被保存,当序列对象中的观测值发生改变时,或当前工作文件的样本范围发生变化时 ,图形也将随之改变。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。 EViews 软件将被冻结的图形以一个图(Graph)对象的形式保存在工作文件中。当选择序列对象窗口中的“Freeze ”键时 ,会弹出图对象窗口。其中有几个键值得关注,一个就是 “AddText ”功能键 ,通过它可以将文字显示在图形中,并且可以选择显示的位置。一个就是“Line/Shade”功能键 ,通过它可以改变图形的背景颜

9、色,横纵坐标轴的线条类型与颜色等。还有一个就是“Remove”功能键 ,可以用来删除图形中的一些附加要素。例如,将在图形中所建立的文字删除,应首先用鼠标单击所需删除的内容,使其被选中 ,然后单击“ Remove”键,则文字即被删除。用同样的方法也可以删除为图形所设置的颜色等。4、1、3 图形的复制如果需要将图形保存到其她文件中,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,右击 ,在弹出的快捷菜单中选择“Copy”命令。再打开需要粘贴的文件,进行粘贴即可。4、2 描述性统计量EViews 软件中包

10、含一些基本的描述性统计量,有直方图、均值、方差、协方差、自相关等。本节主要介绍序列与序列组对象窗口下的描述性统计量及其检验。4、2、1 描述性统计量概述序列窗口下的描述性统计量与序列组窗口下的描述性统计量有所不同。在序列窗口下有 4 种描述性统计量,分别就是“Histogram and Stats”(直方图与统计量)、“Stats Table”(统计表 )、“ Stats by Classification”(分类统计量 )与“ Boxplots by Classification ”(箱线图 /箱尾图分类 )。序列组窗口下有3 种描述性统计量 ,分别就是“ Common Sample”(普通

11、样本 )、“Individual Samples ”(个体样本 )与“Boxplots”(箱线图 /箱尾图 )。下面分别进行详细介绍。(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。第一个选项就是“Histogram and Stats”(直方图与统计量 ),能显示序列对象的直方图与描述性统计量的值。下面以建立好的序列对象“fdi ”为例来进行说明。精品资料 - - - 欢迎下载 - - - - - - - - - - - 欢迎下载 名师归纳 - - -

12、 - - - - - - -第 4 页，共 17 页 - - - - - - - - - - eviews 图像及结果分析如图 4-6 所示 ,图的左侧显示的就是该序列对象的直方图,为观测值的频率分布。 右侧分三个部分 ,最上面显示的就是序列对象的名称、样本的范围与样本数量。中间部分显示的就是各统计量的值。其中,“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,就是对序列分布中心的一个大致估计;“Maximum ”与“ Minimum ”表示的就是该序列观测值中的最大值与最小值;“Std、Dev”表示标准差 ,用来衡量序列观

13、测值的离散程度。其计算公式为NixxNi1)(112(4-1)式中 ,为标准差 ,N 为样本观测值个数,xi就是样本观测值 ,x为样本均值。图 4-6 序列对象“ fdi”的直方图分布形状与相关统计量的描述“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31?1NixxNSi(4-2)式中 ,?就是变量方差的有偏估计。当S=0 时,序列的分布就是对称的,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) 的分布就是不对称的,为右偏分布形态。“Kurtosis”表示峰度 ,用来衡量序列分布的凸起状况。其计算公式为41?1Nix

14、xNKi(4-3)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,精品资料 - - - 欢迎下载 - - - - - - - - - - - 欢迎下载 名师归纳 - - - - - - - - - -第 5 页，共 17 页 - - - - - - - - - - eviews 图像及结果分析外商直接投资 (fdi) 的分布呈尖峰状态。最下方就是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就是否服从正态分布,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

15、布。根据第1 章所介绍的假设检验,P(Probability) 值为拒绝原假设所犯第类错误的概率。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,即序列不服从正态分布。第二个选项就是 “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。第三个选项就是“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。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”选项中勾选需要显示的统计量,其中“ # of NAs”为无观测个数,“Ob

16、servations”为观测值个数。在“Series/Group for classify”中输入需分类的序列或序列组对象名称 ,右侧“ Output Layout ”为输出结果的显示形式。选择好后单击“OK”按钮即可。图 4-7 “Stats by Classification”(分类统计量 )对话框第四个选项就是“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 ,就是利用数据统计量来描述数据的一种方法 ,它可以粗略地瞧出数据就是否具有对称性,分布的分散程度等。 图 4-8

17、 所示为 fdi 序列的分类箱线图。精品资料 - - - 欢迎下载 - - - - - - - - - - - 欢迎下载 名师归纳 - - - - - - - - - -第 6 页，共 17 页 - - - - - - - - - - eviews 图像及结果分析图 4-8 fdi 序列对象的分类箱线图(“Boxplots by Classification”) (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。第一个选项就是“Common Samp

18、le”(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 )。第二个选项就是“Individual Samples”(个体样本 ),选择该项后弹出的界面也就是含有均值、中位数、最大/小值等统计量的一张电子表格。与“Common Sample”不同的就是 ,该选项中序列对象所包含的观测值个数可以不同。第三个选项就是“Boxplots”(箱线图 /箱尾图 ),其生成的图形与图4-8 相似。不同的就是横坐标轴为序列名称。其实 ,序列对象与序列组对象的描述统计量相同,只就是在窗口中显示

19、的形式不同。序列组对象窗口中的描述性统计量就是各个序列对象统计量的组合。4、2、2 描述性统计量检验在序列对象窗口“View ”|“Tests for Descriptive Stats”中有两个关于描述性统计量的检验 ,一个就是“ Simple Hypothesis Tests”(简单假设检验 ),另一个就是“ Equality Tests by Classification”(分组齐性检验 )。简单假设检验(“ Simple Hypothesis Tests”)包括序列对象的均值(Mean)检验、方差(Variance)检验与中位数 (Median)检验。选择 “View ” | “Tes

20、ts for Descriptive Stats”| “Simple Hypothesis Tests”选项后弹出图4-9 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、精品资料 - - - 欢迎下载 - - - - - - - - - - - 欢迎下载 名师归纳 - - - - - - - - - -第 7 页，共 17 页 - - - - - - - - - - eviews 图像及结果分析if”文本框中输入标准差的值。图 4-9 fdi 序列对象的简单假设检验对话框均值 (Mean)

21、检验、方差 (Variance)检验与中位数 (Median)检验的零假设与备择假设均为H0: =m(给定的数值 ) H1:m根据输出结果中的P 值来判定就是否接受原假设。例如,如果 P 值小于 0、05,说明在5%的显著性水平下可以拒绝零假设,即均值、方差或者中位数不等于给定值。分组齐性检验(“ Equality Tests by Classification”)同样包括均值(Mean)检验、方差(Variance)检验与中位数 (Median)检验。选择 “View ” | “Tests for Descriptive Stats” | “Equality Tests by Classif

22、ication ”选项后弹出图4-10 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 handling ”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。在序列组对象窗口中选择“View ”| “Tests for Descriptive Stats”选项,会弹出如图 4-11所示的对话框 ,其中包括均值 (Mean)检验、中位数 (Median)检验与方差 (Variance)检验,其检验方法与

23、上面介绍的序列对象中的检验方法相同。选中一种检验后单击 “OK ”按钮即可。 当选中“ Common sample”复选框时 ,要求每个序列对象的当前样本范围内的观测值数目相同(不含 NA), 否则样本观测值数目可以不同。图 4-10 fdi 序列对象的分组齐性检验对话框图 4-11 序列组对象检验对话框实验 04-01: 表 4-1 中列出了 2003 年 1 月到 2005年 12 月中国对法国地区的进出口贸易总额 ,单位为万美元。请建立新序列对象保存该数据并进行简单假设检验。表 4-1 2003、12005、12 中国对法国地区的进出口贸易总额精品资料 - - - 欢迎下载 - - -

24、- - - - - - - - 欢迎下载 名师归纳 - - - - - - - - - -第 8 页，共 17 页 - - - - - - - - - - eviews 图像及结果分析日期进出口贸易总额日期进出口贸易总额日期进出口贸易总额2003、1 86 082 2004、1 112 976 2005、1 148 958 2003、2 152 372 2004、2 221 297 2005、2 276 944 2003、3 244 255 2004、3 357 870 2005、3 430 414 2003、4 353 458 2004、4 504 991 2005、4 633 763 20

25、03、5 463 705 2004、5 645 355 2005、5 786 491 2003、6 566 547 2004、6 786 018 2005、6 960 340 2003、7 679 596 2004、7 948 604 2005、7 1 143 355 2003、8 806 437 2004、8 1 116 051 2005、8 1 328 490 2003、9 943 756 2004、9 1 288 049 2005、9 1 505 906 2003、10 1 053 142 2004、10 1 420 179 2005、10 1 664 454 2003、11 1 197

26、 446 2004、11 1 582 956 2005、11 1 854 385 2003、12 1 339 138 2004、12 1 758 530 2005、12 2 064 944 数据来源 :中国海关统计网第一步 ,创建一个时间范围为2003 年 1 月至 2005 年 12 月的工作文件 ,取名为 trade,在该工作文件中建立序列对象,命名为 zf,并将数据导入到序列对象中。操作方法参照第2 与第 3 章相关部分。第二步 ,选择序列对象 “zf” 工具栏中的“View” | “Tests for Descriptive Stats” | “Simple Hypothesis Te

27、sts”选项将弹出如图4-12 所示的对话框。图 4-12 zf 序列对象的简单假设检验对话框在“Mean”文本框中输入均值 “800000”, 在“Variance”文本框中输入方差 “500000”, 在“ Median”文本框中输入中位数“800000”,然后单击“ OK ”按钮 ,将得到序列对象“zf”的简单假设检验结果,如图 4-13 所示。第三步 ,分析输出结果。根据输出结果中的P 值来判定就是否接受原假设,简单假设检验的原假设为均值、 方差与中位数等于给定值。在图 4-13 中,均值的 P 值为 0、 4314,大于 0、05,说明在 5%的显著性水平下可以接受零假设,即均值等于

28、给定值;方差的 P 值为 0、0000,小于 0、05,说明在 5%的显著性水平下可以拒绝零假设,即方差不等于给定值;中位数的 P值为 1、0000,远远大于0、05,说明在 5%的显著性水平下可以接受零假设,即中位数等于给定值。精品资料 - - - 欢迎下载 - - - - - - - - - - - 欢迎下载 名师归纳 - - - - - - - - - -第 9 页，共 17 页 - - - - - - - - - - eviews 图像及结果分析图 4-13 zf 序列对象的简单假设检验输出结果4、3 相 关 分 析在 EViews 软件中可以对序列与序列组对象进行相关分析,从而判定序

29、列对象就是否存在自相关问题。单击序列或序列组对象窗口工具栏中的“View”|“Correlogram”(相关图 )选项 ,弹出图 4-14 所示的对话框。需说明的就是,序列组中的“ View ”|“Correlogram”选项分析的就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。图 4-14 相关分析对话框在图4-14 “ Correlogram of”中选择相关图的序列类型,“Level”表示原序列 ,“1st difference”表示一阶差分序列,“2nd difference”表示二阶差分序列。在“Lag

30、s to include”中输入最大滞后期,这个要根据样本容量而定。然后单击“OK ”按钮 ,将得到相关图。 图 4-15所示为 fdi 序列对象原序列的相关图,最大滞后期为16。其中 ,“Autocorrelation”表示自相关图 ,“Partial Correlation”表示偏自相关图。右侧表中的第一列自然序数就是滞后期从1 到 16(最大滞后期 )的值,与自相关图与偏自相关图对应。精品资料 - - - 欢迎下载 - - - - - - - - - - - 欢迎下载 名师归纳 - - - - - - - - - -第 10 页，共 17 页 - - - - - - - - - - ev

31、iews 图像及结果分析“AC”列就是估计的自相关系数值,“PAC”列就是估计的偏自相关系数值,它们的数值与左侧图相对应。 “Q-Stat”表示 Q 统计量数值 ,“Prob”表示的就是 Q 统计量取值大于该样本计算的 Q 值的概率。该Q 统计量的原假设为序列就是非自相关的,如果 P 值大于给定的显著性水平(如 1%),则接受原假设 ,即序列非自相关 ;如果 P 值小于给定的显著性水平,则拒绝原假设 ,即序列存在自相关。图4-15 中的 P值显示 ,该序列对象 fdi 就是自相关的。图 4-15 fdi 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

32、中的“View ”|“Correlation”|“Common Sample”/“Pairwise Samples”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。实验 04-02: 建立一个 19942005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 与 GDP 数据年份居民消费价格指数 (CPI) 国内生产总值

33、 (GDP) (亿元 ) 1994 124、1 48197、9 1995 117、1 60793、7 1996 108、3 71176、6 1997 102、8 78973、0 1998 99、2 84402、3 (续表) 年份居民消费价格指数 (CPI) 国内生产总值 (GDP) 精品资料 - - - 欢迎下载 - - - - - - - - - - - 欢迎下载 名师归纳 - - - - - - - - - -第 11 页，共 17 页 - - - - - - - - - - eviews 图像及结果分析(亿元 ) 1999 98、6 89 677、1 2000 100、4 99 214、

34、6 2001 100、7 109 655、2 2002 99、2 120 332、7 2003 101、2 135 822、8 2004 103、9 159 878、3 2005 101、8 183 084、8 数据来源于中国国家统计局网站第一步 ,建立序列对象GDP 与 CPI,并将表 4-2 中的数据导入序列对象中。第二步 ,建立含有序列对象GDP 与 CPI 的群对象 ,命名为 gx。第三步 ,选择群对象窗口工具栏中的“View ”|“Correlations”(相关分析 )|“Common Sample”选项 ,会得到 GDP 与 CPI 间的相关关系数据。如图4-16 所示 ,GDP

35、(国内生产总值 )与 CPI(居民消费价格指数)间存在负相关关系,相关程度为 0、555 391。图 4-16 GDP 与 CPI 相关关系4、4 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);如果就是经过d次差分后才平稳,则称为 d 阶单整序列 ,记作 I(d)。要对时间序列进行单位根检验,首先应打开序列对象窗口,选择工具栏中的“View ”|“Unit Root Test”选项 ,

36、会弹出如图4-17 所示的对话框。该对话框包括4 个区域。在“ Test type” 列表中选择一种检验方法。Eviews 5、 1 为用户提供了 6种单位根检验的方法 ,有 “Augmented Dickey Fuller”(ADF)检验法、“Dickey Fuller GLS (ERS) ”(DF)检验法、“Phillips Perron ”(PP)检验法、“Kwiatkowski Phillips Schmidt Shin” (KPSS)检验法、“Elliott Rothenberg Stock Point Optimal”(ERS)检验法与“Ng Perron ”(NP)检验法。在“T

37、est 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精品资料 - - - 欢迎下载 - - - - - - - - - - - 欢迎下载 名师归纳 - - - - - - - - - -第 12 页，共 17 页 - - - - - - - - - - eviews 图像及结果分析单位根检验。图 4-17 单位根检验对话框“ Lag length”表示消除序列相关所需的滞后阶数,在该区域有两个单选按钮。在“Automatic

38、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 ,常用的就是“ AIC”与“ SC”最小准则 ,系统在默认状态下显示的就是SC 准则 ;在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。“Include in test equation”表示检验式中就是否包含“Intercept”(截距项 )、“Trend and intercept”(趋势项与截距项)与“ None”(不包含趋势项与截距项)。可根据图形来确定就是否包含趋势项与截距项。实验 04

39、-03: 根据实验04-02 中建立的序列对象CPI 与 GDP 进行单位根检验。下面介绍详细的操作过程。第一步 ,打开序列CPI 对象窗口 ,选择工具栏中的“View ”|“Graph”|“Line”选项 ,会得到 CPI 的趋势图 ,如图 4-18 所示。如果曲线就是从原点出发则在单位根检验式中不含有截距项 ,否则就包含截距项。 如果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。所以CPI 的单位根检验中应包含截距项,不包含趋势项。图 4-18 CPI 趋势图第二步 ,选择工具栏中的“ View ”|“Unit Root Test ”选项 ,在图 4-19 所示的对话框中进

40、精品资料 - - - 欢迎下载 - - - - - - - - - - - 欢迎下载 名师归纳 - - - - - - - - - -第 13 页，共 17 页 - - - - - - - - - - eviews 图像及结果分析行选择。在“ Test type”中选择“ ADF”检验法 (“Augmented Dickey Fuller”),在“Test for unit root in ”中选择原序列形式(“Level”),在“Include in test equation”中选择“ Trend and intercept”(截距项 ),在“Automatic selection”中选择

41、“ Akaike Info Criterion ”(AIC) 准则。然后单击“ OK”按钮 ,就会得到图4-20 所示的结果。图 4-19 序列 CPI 的单位根检验对话框图 4-20 序列 CPI 的单位根检验输出结果第三步 ,根据输出内容进行单位根检验的结果分析。由图4-20 显示的内容可知 ,系统自动选择的滞后期就是0,根据 P 值可接受原假设 ,即序列 CPI 有一个单位根。 图下方列出的就是单位根检验的方程,最下面就是方程的拟合优度(R squared)、标准差 (S、E、of regression)及 F 统计量 (F Statistic)等数值。这些内容将在下一章中进行详解。需注

42、意的就是 ,在图 4-20 中有“ Warning”(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准确。精品资料 - - - 欢迎下载 - - - - - - - - - - - 欢迎下载 名师归纳 - - - - - - - - - -第 14 页，共 17 页 - - - - - - - - - - eviews 图像及结果分析4、5 Granger 因果检验Granger 因果检验用来分析两个序列间的因果关系就是否存在。主要就是瞧当期的变量 Y 能在多大程度上被以前的变量X 所解释 ,以及加入变量X 的滞后期后 ,就是否会提高对变量 Y的解释程度。如果X 对预测 Y

43、有帮助 ,或者 X 与 Y 的相关系数在统计上显著,那么变量 Y 就就是由变量X“Granger”引起的。Granger 因果关系检验就就是检验一个变量的滞后变量就是否可以放入其她变量的方程中。如果该变量受到其她变量滞后期的影响,则称两个变量间存在Granger 因果关系。Granger因果检验要在序列组 (Group)对象窗口中完成 ,我们以表 4-2 里的数据为例。 首先建立一个含有序列GDP 与序列 CPI 的序列组 ,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,如图 4-21所示,然后单击“ OK”按钮,就

44、会得到图4-16 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 与SC 准则来确定 ,关于滞后期确定的问题会在后面的章节中进行详述。图 4-21 Granger因果检验对话框Granger 因果检验的原假设就是变量X 不就是变量Y 的 Granger 因,同样 Y 也不就是 X的 Granger因。 在图 4-22 中,最上面给出了操作日期、 样本范围与滞后期。 “Null Hypothesis ”列就是原假设 ,“CPI does not Granger Cause GDP”为 CPI,不就是 GDP 的 Granger 因,同样,“GDP does not Gra

45、nger Cause CPI ”为 GDP 不就是 CPI 的 Granger 因。“ Obs”列就是样本数 ,“F-Statistic”列就是检验的F 统计量 ,“Probability”为 F 检验的概率值。图 4-22 Granger因果关系检验结果从图 4-22 所示的数据可以瞧出,在 1%的显著性水平下 ,CPI 就是 GDP 的 Granger 因(P值为 0、 002 040、01,接受原假设 )。这里需要说明的就是,EViews 软件会根据样本容量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。精品资料 - - - 欢迎下载 - - - - - - - -

46、- - - 欢迎下载 名师归纳 - - - - - - - - - -第 15 页，共 17 页 - - - - - - - - - - eviews 图像及结果分析4、6 本 章 小 结本章主要介绍了序列与序列组对象中图形的生成方法与一些基本的描述性统计量及相关分析。通过本章学习 ,可以掌握图形对象的生成、冻结与复制等基本操作方法。熟悉EViews软件中的一些描述性统计量及其检验, 检验方法主要包括均值检验、中位数检验与方差检验。相关分析就是用来判断序列对象就是否存在自相关问题,有关自相关问题将会在第5 章中进行详细讲述。本章还着重讲解了序列对象的单位根检验与序列组(群 )对象的Grange

47、r因果检验方法,这两种检验方法常用于时间序列对象检验中,因而在后面模型建立的相关章节中将继续被提及。4、7 习题1、 填空题(1) 序列对象窗口下可以生成6 种视图 ,它们就是 _、面积图 (Area)、_、_、季节性堆叠图( Seasonal Stacked Line) 与季节性分割线(Seasonal Split Line)。(2) EViews 5、1 软件提供的描述性统计量有_、均值、 _、_。(3) 序 列 对 象 窗 口 中 所包 含 的 描 述 性 统 计 量 的检 验 主 要 有 均 值 (Mean) 检 验 、_、_。(4) 相关分析主要用来判定该序列对象的_问题。(5) 如

48、果在相关矩阵表中得到的数值就是负数,说明两个序列对象就是_关系。2、 选择题(1) 在描述性统计量中“Skewness”表示偏度 ,用来衡量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 0 B、 大于 0 C、 等于 0 D、 小于 3 (2) 在描述性统计量中“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 3 B、 小于 3 C、 等于 3 D、 小于 0 (3) 在单位根检验中,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_序列 ,记作 _。A、 一阶单整 ,I(1) B、 一阶单整 ,I(

49、0) C、 二阶单整 ,I(0) D、 二阶单整 ,I(1) 精品资料 - - - 欢迎下载 - - - - - - - - - - - 欢迎下载 名师归纳 - - - - - - - - - -第 16 页，共 17 页 - - - - - - - - - - eviews 图像及结果分析(4) 常用来确定单位根检验滞后阶数的准则就是_。A、 AIC 准则B、 SC 准则C、 AIC 与 SC 最小准则D、 MS 准则(5) Granger 因果检验的原假设就是_。A、 变量 X 不就是变量 Y 的 Granger 因。B、 变量 Y不就是变量X 的 Granger 因。C、 变量 X 不就

50、是变量Y 的 Granger 因,同样变量 Y 也不就是变量X 的 Granger因。D、 变量 X 就是变量 Y的 Granger因,但就是变量 Y 不就是变量 X的 Granger 因。3、 上机操作题(1) 根据附表中的数据建立序列对象CK(出口 )与 NY( 能源消耗总量 )并输入数据 ,然后对两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。附表我国 1991 2007 年对外出口额与能源消耗总量年份出口 (亿美元 ) 能源消费总量 (万吨标准煤 ) 1991 719、1 103 783 1992 849、4 109 170 1993 917、44 115 993 1994