资源描述：
《02统计量与假设检验》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。
1、第二章统计量与假设检验［案例1］序列的描述性统计量用Eviews软件对工作文件htwtl.wfl中序列X(身髙)的完成以下任务:1、计算描述性统计屋；2、绘制直方图；3、在显著性水平0.05下，判断是否服从正态分布。［分析］1、相关概念与公式直方图显示了序列中数据的频数分布，它将序列的范围(最人值与最小值之间的距离)按相等的组距进行划分，并显示落入每一组距屮的观测值的个数。常用的描述性统计量主要包括：均值、屮位数、最大值、最小值、标准差、偏度与峰度。(1)均值(Mean)⑵中位数(Median)当把序列按从小到大的顺序
2、排列时，序列的屮间值(当序列有奇数项时)或两个中间值的平均数(当序列有偶数项时)为该序列的中位数。⑶最大值(Maximum)与最小值(Minimum)(4)标准差(Std.Dev.)这里s为样木标准茅(samplestandarddeviation),是变星(总体)标准差的无偏估计，函数命令为@stdcv(x［,s］)o⑸偏度(Skewness)衡量序列分布围绕其均值的非对称性。这里，xs&nfn,是变量标准差的有偏佔计，函数命令为@stdevp(x[,s])(populationstandarddeviation)o
3、如果序列的分布是对称的，S值为0。正的S值意味着序列分布有长的右拖尾，负的S值意味着序列分布有长的左拖尾。⑹峰度(Kurtosis)度量序列分布的凸起或平坦程度，计算公式如下正态分布的K值为3。如果K值大于3,分布的凸起程度大于正态分布；如果K值小于3,序列分布相对于正态分布是平坦的。⑺JB统计量用來检验序列是否服从正态分布，统计量的计算由下式给HhJB=¥S2+；(K—3)2〜力2(2)6L4_对于一个正常的序列，k值取零；如果该序列是某一回归方程的残差序列，则k是解释变量的个数。在原假设(该序列服从止态分布)成立的
4、条件下，JB统计量服从口由度为2的卡方分布。2、Eviews的相关操作(1)打开工作文件htwtl.wfl,打开序列X；(2)在序列X窗口的工具栏中选择View/DescriptiveStatistics&Tests/HistogramandStats,将生成如下图形：Series:XSample120Observations20Mean10.35000Median10.00000Maximum15.00000Minimum5.000000Std.Dev.2.207046Skewness-0.186021Kurtosi
5、s3.461617Jarque-Bera0.292922Probability0.863759图2.1序列的直方图与描述性统计量从图2.1可以看出,JB统计量的值为0.292922,概率值为0.863759，两者Z间的关系可通过下述命令解释(见第一章表1.2)scalarp=@chisq(0.292922,2)则在Evicws窗口左下角的状态栏显示scalarp=0.863759o上述概率值0.863759表示口由度为2的卡方统计量大于0.292922的概率值。因为0.863759>0.05(单侧检验),所以不能拒绝原
6、假设,即认为序列x服从正态分布。［案例2］组的描述性统计量用Eviews软件对工作文件htwtl.wfl中组GR0UP01完成以下任务：1、计算序列X,Y的描述性统计量;2、求序列X,Y的方差、协方差和相关系数。［分析］用6，牛,元分别表示X,Y的标准差和协方差，r表示X,Y的皮尔逊相关系数,JW则碍=^X(y-y)2n.二X，=工(x-Q(y-y)axC7＞』工(X_匚)2J工(y_y)21、计算序列x,Y的描述性统计量(1)打开工作文件htwtl.wfl,建立包含序列X,Y的组对象GR0UP01；(2)打开组对象G
7、R0UP01,在组窗口的工具栏中选择View/DescriptiveStats/commonsample,则出现以卜•图2.2窗口，图中显示了序列X,Y的描述性统计量。XYMean10.35000169.4000Median10.00000165.0000Maximum15.000002050000Minimum5.000000140.0000Std.Dev.2.20704616.32692Skewness-0.1860210.509201Kurtosis3.4616172.770597Jarque-Bera0.292
8、9220.908139Probability0.8637590.635038Sum207.00003388.000SumSq.Dev.92.550005064800Observations2020图2.2组对象的描述性统计量2、求序列X,Y的方差、悅方差和相关系数在组窗口的工具栏中选择View/CovarianceAnalysis
