@sqr(@var(y)*n/(n-1))=@meandep(被解释变量标准差)。
?11.Akaike info criterion(赤池信息准则 AIC?ln????Schwarz criterion(施瓦兹信息准则SC?ln????en2i?2(k?1))=9.929800 ???n??en2i?k?1?lnn)=10.02854 ??n?这两个指标用来比较含有不同解释变量个数模型的拟合优度好坏,显然,两个值越小表
明拟合优度越高。
12.F-statistic (总体F检验值)F?ESS/1RSS/(n?2)=2859.544=@F 。
13.( F检验概率或相伴概率)Prob(F-statistic)=0.000000:类似t检验理解。若?取值低于这里的p值,则易犯第一类错误。
n??t?????tS(?)?/2,n?214.?1区间估计:1?/2,n?21=1?i?1ei2n(n?2)/?xii?12,
??1?0.2234191,给定显著水平?=5%,则置信水平为1-?=95%,查表得t?/2,n?2=2.571
(?/2=0.025%,n-2=5),下限:c(2)-2.571*@stderrs(2)=0.1951738,上限:
c(2)+2.571*@stderrs(2)=0.2516644。
n或由前面的
?2.知道,?1的标准差S(?1)??i?1ei2n(n?2)?i2=0.0109861,所/?xi?1以,0.2234191-2.571×0.0109861,我们有95%的可能性说真值?1落在(0.1951738,0.2516644)内。
注:eviews中,输入“=0.2234191-2.571*0.0109861”回车得计算结果。
n?ei2i?1(1????Var(y?y)xyy15.已知0求0及0区间估计:00=(n?2)n1?02xn)2i??xi?1,
n?e????0?t?/2,n?2区间估计y0?t?/2,n?2Var(y0?y0)?yi?12i(n?2)(1?1n??02xn?i?1?i2x)
?0?t?/2,n?2????y(1?1n??02xn?0=c(1)+c(2)*9800=)。假设x0=9800,y2i??xi?1???=@se=55.061602838,2219.55905806,n=7,查表得t?/2,n?2=2.571,??5%时,
?0x2n=(9800-@mean(x))^2=18490000,
??xi?12i=@sumsq(x-@mean(x))=25119644。
2219.55905806-2.571*55.061602838*(1+1/7+18490000/25119644)^0.5 =2025.51214370846(下限)。
2219.55905806+2.571*55.061602838*(1+1/7+18490000/25119644)^0.5 =2413.60597241154(上限)。 简单方法:
(1)ls y c x,使得内存中存在方程?yi=30.052368+0.2234191xi。 ?0?t?/2,n?2???(2)假设x0=9800,y(1?1n??02xn)
2i??xi?1下限:genr xx=c(1)+c(2)*9800-
2.571*@se*@sqr(1+1/7+(9800-@mean(x))^2/@sumsq(x-@mean(x))) = 2025.51214371
上限:genr sx=c(1)+c(2)*9800+
2.571*@se*@sqr(1+1/7+(9800-@mean(x))^2/@sumsq(x-@mean(x))) =2413.60597241
故y0的预测区间为:(2025.512,2413.606)
?0的方法:(1)ls y c x,使得内存中存在方程?麻烦但是容易掌握的计算yyi=
30.052368+0.2234191xi。
?0?执行ls y c x后①扩展工作区间:expand 1991 (2)假设x0=9800,如何计算y1998;②确定预测值的起止日期:smpl 1998 1998;③data x,在1998年输入x0=9800;y0=2219.559;④执行forcst z;⑤show z,1998年的z的值就是我们要得到的预测值?⑥恢复起止日期smpl 1991 1997。
结论:有95%的可能性y0落在(2025.51,2413.61)内。 16.几个常用命令:(1)Cov x y:cov(x,y)?阵。Cor x y:cor(x,y)??(xi?x)(yi?y)/n协方差矩?x)2?(xi?x)(yi?y)/(?(xi?(yi?y))相
2关矩阵。
(2)plot x y:出现趋势分析图,观察两个变量的变化趋势或是否存在异常值。双击图形可改变显示格式。
(3)scat x y:观察变量间相关程度、相关类型(线性、非线性)。仅显示两个变量。如果有多个变量,可以选取每个自变量和因变量两两观察,虽然得到切面图,但对函数形式选择有参考价值。
17.descriptive stats(描述统计):双击x,然后在x的变量窗口选择view/descriptive stats,可以得到x的各个数字特征:均值mean、中位数median、最大值max、最小值min、反映变量离散程度的标准差std.Dev、偏态系数(S)和峰态系数(K()S??(xi?x)/ns,
33K??(xi?x)/ns244,s即标准差
?(xi?x)/(n?1)。对于对称分布,S=0;S>0表明存在
右偏态;对于正态分布,K=3,当K>3时,分布比较陡峭)、Jarque-Bera统计量用于检验变量是否服从正态分布
22S?(K?3)/4?(JB?6???/n:在变量服从正态分布的原假设
下,JB统计量服从自由度为2的卡方分布(因此如果JB统计量大于卡方分布的临界值,或对应概率值较小,则拒绝该变量服从
正态分布的假设)。还可看到histogram取值频率直方图(34页本例中:x取值3000-4000的有两个,所以直方图较高;偏态系数S=0.33>0出现右偏, 峰态系数K<3与正态分布相比比较平缓;JB=0.55,JB的相伴概率=0.75,说明我们有25%的概率说X服从正态分布,若取显著水平<0.25,则易犯第一类错误)。
18.预测问题:首先执行load ; ls y c x ; 在方程窗口点击才procs/forecast,eviews
2400200016001200800Forecast: YFActual: YForecast sample: 1991 1997Included observations: 7Root Mean Squared Error Mean Absolute Error Mean Abs. Percent Error Theil Inequality Coefficient Bias Proportion Variance Proportion Covariance Proportion 199219931994YF19951996199746.5355540.963503.3728890.0175140.0000000.0030040.9969964001991将产生一个新的对话框,点击确定后生成一个以原因变量y名+f的y的预测值yf,实际上,yf?i;同时还得到一张预测图形:图中实线是因变量y的预测值,上下两条虚线给出的是近=y似95%的置信区间,图形右边的附表提供了一系列对模型的评价指标,从上依次为:①预测变量名yf;②原变量名y;③样本区间1991-1997;④包括7个样本点;⑤绝对指标RMSE均方
根误差RMSE?1ni2?yi),其大小取决?(y?n1于因变量的绝对数值和预测值:验证genr
z=@sqr(@sumsq(yf-y)/7)=46.53555;⑥绝对指标MAE平均绝对误差MAE?1ni?|y?n1?yi|,其大小取决
于因变量的绝对数值和预测值:验证genr
z=@sum(@abs(yf-y))/7=40.96350;⑦常用的相对指标MAPE平均绝对百分误差
nMAPE?1n?|1?i?yiyyi?100|,验证genr z=@sum(@abs(yf-y)*100/y)/7=3.372889,
若MAPE的值小于10,则认为预测精度较高;⑧希尔不等系数
1TheilIC?1nnni?(y?n1?yi)1nn2,验证genr
?1?i2?y?1yi2z=@sqr(@sumsq(yf-y)/7)/( @sqr(@sumsq(yf)/7)+@sqr(@sumsq(y)/7))=0.017514,希尔不等系数总是介于0-1之间,数值越小,表明拟合值和真实值间的差异越小,预测精度越高;⑨均方误差MPE可分解为
1ni?(y?n1??y)?(?y?yi)?(y,???y)?2(1?r)?y??y222?的均值,y是实际序列的均值,?是预测值y其中y分别是预测值和实际值的标准差,r是它们?y?,?y的相关系数,于是可定义偏差率、方差率和协变率
三个相互联系的指标,其取值范围都在0-1之间,并且这三项指标之和等于1,计算公式是:偏差率
BP???y)(y1ni2??y,(OLS中y故BP=0)、
2?(y?n1?yi)方差率VP?(?y???y)1n2、协变率CP?22(1?r)?y??1niy2?1?BP?VP。BP反
?n1?i?yi)(y?(y?n1?yi)映了预测值均值和实际值均值间的差异,VP反映它们标准差的差异,CP则衡量了剩余的误差。
当预测比较理想时,均方误差大多数集中在协变率CP上,其余两项较小。
本例预测结果:平均绝对百分误差MAPE=3.37<10、希尔不等系数=0.0175非常小、CP
相关推荐: