上机实验4Eviews序列的操作Word文档下载推荐.docx
《上机实验4Eviews序列的操作Word文档下载推荐.docx》由会员分享，可在线阅读，更多相关《上机实验4Eviews序列的操作Word文档下载推荐.docx（14页珍藏版）》请在冰点文库上搜索。
^
raisetothepower
<
lessthan
=
lessthanorequalto
notequalto
equalto
greaterthan
greaterthanorequalto
根据已知序列生成各种新序列的@函数
@pch（x）=（x-x（-1））/x（-1）@seas（n）（seasonaldummy）
@sin（x）@cos（x）@tan（x）@asin（x）@acos（x）@atan（x）@round（x）
genr变量名=表达式
genrxx=x^2genryy=val*y
genrzz=x*y（对应分量相乘）genrzz=log（x*y）（各分量求对数）
genrlnx=log（x）genrx1=1/x
genrDx=D（x）genrvalue=3（注意与标量的区别）
genrhx=x*（x>
=3）（同维新序列，小于3的值变为0，其余数值不变）
xy=x>
三、序列的随机生成：
@r开头指随机数生成器
四、盒图
wfopengarch
groupgraaar3
freeze（gfb）g.boxplot
showgfb
产生盒图的命令中，boxplot是群对象命令，进行多个序列的盒图比较。
而boxplotby是序列对象的命令，绘制单个序列内不同分组的盒图。
修改盒图元素的命令为setbpelem.例如
Copygfbgfn
Gfn.setbpelemci（notch）将盒图中间的阴影部分改为凹槽。
Basicexamples
wage.boxplot
displaysboxplotsfortheseriesWAGE.
groupg1wagesexrace
g1.boxplot
displaysboxplotsforWAGES,SEXandRACEinasinglegraphframe.
g1.boxplot（m,rotate）
placestherotatedboxplotsforeachseriesinaseparateframe.
Panelexamples
ser1.boxplot（panel=individual）
displaysboxplotsforeachcross-sectioninaseparateframe,while,
ser1.boxplot（panel=stack）
displaysasingleboxplotcomputedfromthestackedpaneldata.
ser1.boxplot（panel=combined,rotate）
showsrotatedboxplotscomputedforeachperiod（acrosscross-sections）inasingleframe.
Categoricalspecexamples
ser1.boxplotacross（firm,dispname）
displaysacategoricalboxplotgraphofSER1usingdistinctvaluesofFIRMtodefinethecategories,anddisplayingtheresultinggraphsinmultipleframeswithcommonscaling.EachframeislabeledusingtheFIRMdisplayname.
ser1.boxplotacross（firm,dispname,iscale）
constructsthesamegraphwithindividualscaling.
ser1.boxplotwithin（firm,label=value）
constructsaboxplotforeachvalueofFIRManddisplaystheresultsinasingleframe.TheindividualboxplotsarelabeledusingthevalueofFIRMassociatedwiththecategory.
ser1.boxplotacross（firm）within（income,bintype=quant,bincount=4）
constructsacategoricalboxplotwithFIRMdefiningtheacrossdimension,andINCOMEdefiningthewithindimension.BoxplotsforeachINCOMEquartileofagivenfirmwillbecontainedinasingleframe,withdifferentfirmsdisplayedindifferentframes.
grp1.boxplotwithin（sex）within（union）
createsanboxplotforwithincategoriesbasedonbothSEXandUNION.Sincewehavenotspecifiedbehaviorfortheimplicit@SERIESinGRP1,eachseriesinthegroupwillbedisplayedinaseparateframe,withindividualscaling.
五、QQ图
Quantile-quantileplots.qqplotplotsthe（empirical）quantilesofaseriesagainstthequantilesofatheoreticaldistributionorthequantilesofanotherseries.Youmayspecifythetheoreticaldistributionand/orthemethodusedtocomputetheempiricalquantilesasoptions;
seeoptionsbelow.
Syntax
SeriesView:
series_name.qqplot（options）
Options
nplotagainstthequantilesofanormaldistribution.
uplotagainstthequantilesofauniformdistribution.
eplotagainstthequantilesofanexponentialdistribution.
lplotagainstthequantilesofalogisticdistribution.
xplotagainstthequantilesofanextremevaluedistribution.
s=series_nameplotagainstthe（empirical）quantilesofthespecifiedseries.
q=r（default）computequantilesusingtheRankit（Cleveland）formula.
q=ocomputequantilesusingthesimplefraction（ordinary）formula.
q=vcomputequantilesusingthevanderWaerdenformula.
q=bcomputequantilesusingtheBlomformula.
q=tcomputequantilesusingtheTukeyformula.
pPrinttheQQ-plot.
Examples
equationeq1.binary（d=l）workceduagerace
eq1.makeresid（o）res1
res1.qqplot（l）
estimatesalogit,retrievestheresiduals,andplotsthequantilesoftheresidualsagainstthosefromthelogisticdistribution.Iftheerrordistributioniscorectlyspecified,theQQ-plotshouldlieonastraightline.
StatisticalGraphs
比较两个分布的工具。
如果分布相同，QQ图应该是一条直线。
理论QQ图（正态分布n，均匀分布u，指数分布e，Logistic分布l，第一类极值分布x），经验QQ图（s=name）.
serieswage=exp（lnwage）
groupwwagelog（wage）
freeze（gfw）w.qqplot（n）
showgfw
gfw.align（2,1,1）
wfopendemo
rndseed（type=mt）12357
groupdist@rnorm@rchisq（5）
freeze（gf）rs.qqplot（s=dist）
showgf
gf.align（2,1,1）
六、核密度函数图：
如何绘制序列和某种分布的PDF？
Kerneldensityplots.Displaysnonparameterickerneldensityestimatesofthespecifiedseries.
series_name.kdensity（options）
k=e（default）Epanechnikovkernel.
k=rTriangularkernel.
k=uUniformkernel.
k=nNormal（Gaussian）kernel.
k=bBiweight（Quartic）kernel.
k=tTriweightkernel.
k=cCosinuskernel.
s（default）Automaticbandwidth（Silverman）.
b=numberSpecifyanumberforthebandwidth.
bBracketbandwidth.
n（default=100）Numberofpointstoevaluate.
xExactevaluationofkerneldensity.
pPrintthekerneldensityplot.
lwage.kdensity（k=n）
plotsthekerneldensityestimateofLWAGEusinganormalkernelandtheautomaticbandwidthselection.
series_name.kdensity（options）
Dors.distplotkernel（@obsrange,b=3,o=mrs）
seriesx
seriesrsk
groupgxrsk
mtos（mrs,g）
genry=@dchisq（x,5）
y.displaynamechi-squre（5）
rsk.displaynameinterestrate
graphgfd.xylinexyrsk
showgfd
gfd.legend-inboxposition（2.4,0.2）columns
（1）
七、经验分布函数图
Empiricaldistributionfunctions:
displaysempiricalcumulativedistributionfunctions,survivorfunctions,andquantileswithstandarderrors.
series_name.cdfplot（options）
GroupView:
group_name.cdfplot（options）
sPlottheempiricalsurvivorfunction.
qPlottheempiricalquantiles.
aPlotallCDF,survivor,andquantiles.
nDonotincludestandarderrors.
q=r（default）ComputequantilesusingtheRankit（Cleveland）formula.
q=oComputequantilesusingthesimplefraction（ordinary）formula.
q=vComputequantilesusingthevanderWaerdenformula.
q=bComputequantilesusingtheBlomformula.
q=tComputequantilesusingtheTukeyformula.
pPrintthedistributionfunction（s）.
ToplottheempiricalcumulativedistributionfunctionoftheseriesLWAGE:
lwage.cdfplot
cdfpdf
（Eviews3series_name.cdfplot（options），Eviews5cdfplot）
Eviews7series_name.distplotcdf
Distplotcdf命令，默认绘制累积分布函数函数（选项c），还支持生存函数（选项s）和分位数函数（选项q）。
例如
lnwage.distplotcdf
（说明：
showsthecumulativedistributionplotforlnwage,alongwiththedefault95%confidenceintervals.）
lnwage.distplotcdf（noci）则是不显示95%的置信区间
lnwage.distplotsurvivor（noci）
groupgro1weightheight
gro1.distplotlogsurvivor（ci=0.9,leg=det）
（说明displaysthelog-survivorplotsforWEIGHTandHEIGHTalongwith90%confidenceintervals,andadetailedlegend.Theplotswillbedisplayedinindividualgraphframes.）
gro1.distplot（s）quantile
（说明showsthequantileplotsforWEIGHTandHEIGHTinthesamegraphframe.）
TimeSeriesFunctions
StatisticalDistributionFunctions
@chisq（x,v）@fdist（x,v1,v2）@tdist（x,v）（统计量样本值在有关分布图中拒绝域的概率），如@tdist（3.45,12）=Prop（|t（12）|>
3.45）=0.0048，当显著性水平为1%，则可拒绝原假设），其中3.45是此t统计量样本值的绝对值。
@c开头指CDF=Prop（X≤x）；
@q开头指逆CDF=q*：
Prop（X≤q*）=p；
如@cfdist（60.71,12,1）=0.90，@qtdist（0.05,1）=-6.314；
又如自由度为12的t统计量的5%显著水平（双尾）的临界值@qtdist（0.975,12）=2.179
AdditionalDistributionFunctions
7）Jarque-Bera统计量:
，用于检验变量是否服从正态分布。
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。
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（whereSistheskewness,Kisthekurtosis,andkrepresentsthenumberofestimatedcoefficientsusedtocreatetheseries）
在工作文件中，生成时间序列变量
seriestime=@trend（1990:
1）
seriestime1=@obsnum
生成季度虚拟变量
workfilemyworkm1990:
012000:
12
seriesm=@month
生成月度虚拟变量
workfilemyworkq1990:
04
seriesm=@quarter
生成时间段虚拟变量
workfilemyworka19502000
smpl19501978
seriesdum=0
smpl19792000
dum=1
smpl@all
1.根据年份变量生成一个虚拟变量
比如你有一个数据，数据里面有一个变量year,你想根据year生成一个虚拟变量d1，2000年及以后取值为1,2000年以前取值为0。
可以用如下的命令实现：
seriesd1=（year>
=2000）
2.如何根据季度频率的数据生成季度虚拟变量。
季度有春夏秋冬，故可以生成四个虚拟变量，但是引入到模型的时候引入3个就可以。
比如说你想生成三个季度虚拟变量q1（是否为春季），q2（是否为夏季），q3（是否为秋季）。
可以用如下的命令：
seriesq1=@seas
（1）
seriesq2=@seas
（2）
seriesq3=@seas（3）
3.如何把一个行业变量转化为虚拟变量
如果你的行业变量有A，B，C，D共4个取值，就可以生成4个虚拟变量d1,d2,d3,d4，相关命令如下：
seriesd1=（ind=”A”）
seriesd1=（ind=”B”）
seriesd1=（ind=”C”）
seriesd1=（ind=”D”）
升级会员 