计量与统计分析软件2节.pptVIP

* 描述性统计分析 S=0.370, K=2.433,与标准正态分布相比（S=0,K=3），右偏，平峰，且比较接近正态 * 描述性统计分析 Jarque-Bera（雅克贝拉）检验 检验的零假设：样本服从正态分布 检验统计量： * 其中m是估计参数的个数 从JB检验的相伴概率P值＝0.3980.05甚至0.1的显著性水平，表明不能拒绝零假设，即服从正态分布 * 分组描述性统计分析 View-Descriptive Statistics-stats by classification * 分组描述性统计分析 * 描述性统计检验 描述性统计检验 Tests for Descriptive Stats 简单假设检验Simple Hypothesis Tests 分组齐性检验Equality Tests by Classification * 简单假设检验Simple Hypothesis Tests [Tests for Descriptive Stats]=[Simple Hypothesis Tests] ：简单的序列分布假设检验——单样本检验，检验均值、方差或中位数是否与给定的值存在显著性差异 * 简单假设检验Simple Hypothesis Tests Mean=指定值（零假设为均值等于该指定值） Var=指定值（零假设为方差等于该指定值） Median=指定值（零假设为中位数等于该指定值） * 例：用某仪器间接测量某容器内的温度5次，数据为1250、1265、1245、1260、1275。已知该容器实际温度为1277。试检验该仪器间接测量的温度值有无系统偏差（显著性水平取0.05 ） 单总体均值的假设检验 * 单总体均值的假设检验 方差未知，样本容量n=5，样本均值1259，样本标准差11.9 原假设： * 单总体均值的假设检验 * 单总体均值的假设检验 * 单总体方差的假设检验 例：某车间生产钢丝，现从产品中随机抽取10根，测得折断力数据如下表。已知折断力X服从正态分布，问折断力方差＝64是否可信（显著性水平0.05）。 * 单总体方差的假设检验 * 单总体方差的假设检验 * 单总体方差的假设检验 * 分组齐性检验Equality Tests by Classification [Tests for Descriptive Stats]=[Equality Tests by Classification] ：通过分组检验不同组之间均值、中位数或。方差是否相等——多样本检验 分组齐性检验也包括均值检验、方差检验和中位数检验。主要利用方差分析方法得到各组数据的组内差异和组间差异，EViews同时给出F统计量及相伴概率 与分组描述性统计过程类似，用户需要在对话框中指定分组变量、检验类型和相关参数。 * 分组齐性检验Equality Tests by Classification * 分组齐性检验Equality Tests by Classification * 分组齐性检验Equality Tests by Classification * 序列组窗口下的描述性统计量 序列组对象窗口工具栏中View按钮下拉菜单包括四个部分 表格、图形等多种观察序列数据的方法 常用基本统计分析 专用于时间序列分析的一些统计量和检验过程 Label功能把组对象的详细信息加到标签中 * 序列组窗口下的描述性统计量 描述统计分析 齐性检验与方差分析(第一章组对象例) 相关分析与协方差分析 相关图、葛兰杰因果检验、协整检验（时间序列） * 描述统计分析 * Common sample Individual sample 普通样本（Common sample）算法：只利用各序列均无缺失值的时间点的样本值进行计算，称为个案删除（casewise deletion） 个体样本（Individual sample）算法：分别利用各序列所有非缺失观测值计算各统计量，这种样本取值法称为列删除（Listwise deletion） * Common sample Individual sample * Group-discritp Common sample Individual sample * 相关分析与协方差分析 相关分析（correlations）给出各序列的相关系数矩阵。其绝对值越接近1，两个序列相关性越强 协方差分析（covariances）结果是一个协方差矩阵。主对角线上分别是各序列的样本方差，其他元素则是对应两个序列的协方差。 * 相关分析与协方差分析 例：序列CONS和INC分别表示1994年至1999年北京居民人均生活消费支出和可支配收入，现进行相关和协方差分析 *