第十章軟件操作課件

1、PAGE PAGE 51第十章軟件操作課件P209，使用數(shù)據(jù)table10-1把虛擬變量看做和其他定量變量一樣的變量，做回歸如下可見三個虛擬變量只有D3的系數(shù)是顯著的，所以只有第四季度與其他季度有顯著不同，其他兩個季度和第一季度一樣，所以可以刪除D2和D1，建立新的回歸為現(xiàn)在全部是顯著的，即拒絕原假設(shè)，第四季度顯著比其他季度平均高11122.88.這是加法模型改變截距，下面是乘法模型改變斜率。統(tǒng)計學(xué)的單因素方差分析，在這里就是加法模型零售業(yè)旅游業(yè)航空公司家電制造業(yè)5768314466394951492921654045347734564058535144方差分析為方差分析：單因素方差分析SUM

2、MARY組觀測數(shù)求和平均方差零售業(yè)734349116.6667旅游業(yè)628848184.8航空公司517535108.5家電制造業(yè)529559162.5方差分析差異源SSdfMSFP-valueF crit組間1456.613485.53623193.4066430.0387653.12735組內(nèi)270819142.5263158總計4164.6122這里可以用加法模型的虛擬變量回歸做出，首先要按照回歸的要求修改數(shù)據(jù)如下投訴次數(shù)D1表示零售業(yè)D2表示旅游業(yè)D3表示航空公司57100661004910040100341005310044100680103901029010450105601051

3、01031001490012100134001400014400051000650007700058000顯然第四個行業(yè)即為D1=D2=D3=0，作為比較基礎(chǔ)，在EViews中建立工作文件確定后出現(xiàn)組的界面，然后按鍵盤的向上箭頭，分別輸入y，d1，d2，d3.把Excel中的數(shù)據(jù)復(fù)制進(jìn)去然后可以關(guān)掉組，四個變量已經(jīng)建立了，數(shù)據(jù)也有了。圓圈處的F值和P值和方差分析的結(jié)果一樣，而且只有D3的系數(shù)是顯著的，即拒絕原假設(shè)的，所以就只有第三個行業(yè)和第四個行業(yè)這個比較基礎(chǔ)有平均投訴次數(shù)的顯著差異，即航空公司和家電制造業(yè)，這個和前面的方差分析的多重比較LSD方法結(jié)論也是一樣的。P211，數(shù)據(jù)為table-1

4、0-2點擊View，可見2000左右可以作為轉(zhuǎn)折點，如下散點圖更清楚，在100000左右有變化，則為2000年的GDP數(shù)據(jù)是100000，所以以2000年做為結(jié)構(gòu)改變的轉(zhuǎn)折點。這個散點圖，是先選定GDP，然后選定消費，再一起作為組打開，然后看View，點擊圖中的散點圖：而且是改變斜率的，即乘法模型為這個要修改，因為不是加法模型，要把D1和GDP相乘，即上面圖中修改為P212使用數(shù)據(jù)table10-3，畫出折線圖可見以1990年為轉(zhuǎn)折點或者分割點做回歸為修改為加法和乘法都有的模型為了做兩個虛擬變量前面的系數(shù)是否一起為0的聯(lián)立檢驗，而不是三個一起檢驗，如果是三個一起檢驗的是上面的F值為1896.5

5、35，而要兩個一起聯(lián)立檢驗則用View菜單的（和第四章的P73一樣的）顯然拒絕原假設(shè)，表示有結(jié)構(gòu)變化。兩個系數(shù)不全為0，即改變截距或者斜率，或者兼有。而t檢驗告訴我們，兩者都有改變。P214虛擬變量的交互作用，可惜沒有提供數(shù)據(jù)，所以利用統(tǒng)計學(xué)課本中的有交互作用雙因素方差分析例子說明。做有交互作用的雙因素方差分析則要求數(shù)據(jù)為路段1路段2126192242032723425225252162018717178221392116101712如果要做回歸，則要把數(shù)據(jù)轉(zhuǎn)換行車時間路段時段26112411271125112511201017102210211017101901200123012201210

6、118001700130016001200這里時段中高峰用1表示，非高峰期用0表示，路段1用1表示，路段2用0表示。得到結(jié)果是方差分析：可重復(fù)雙因素分析SUMMARY路段1路段2總計1觀測數(shù)5510求和127105232平均25.42123.2方差1.32.57.0666676觀測數(shù)5510求和9776173平均19.415.217.3方差5.36.710.23333總計觀測數(shù)1010求和224181平均22.418.1方差12.9333313.43333方差分析差異源SSdfMSFP-valueF crit樣本174.051174.0544.063295.7E-064.493998列92.4

7、5192.4523.405060.0001824.493998交互0.0510.050.0126580.9118194.493998內(nèi)部63.2163.95總計329.7519顯然路段和時段都有顯著影響，而交互效應(yīng)不顯著。用虛擬變量回歸得到：復(fù)制數(shù)據(jù)進(jìn)去26112411271125112511201017102210211017101901200123012201210118001700130016001200做回歸結(jié)論和方差分析一致，也是時段和路段分別有顯著影響，但是交互效應(yīng)不顯著。只是這里用的是t檢驗，而方差分析用的是F檢驗，所以兩者得到的P值略有差異，但是交互項LUDUAN*SHIDUA

8、N的P值在回歸和方差分析中都是一樣的。交互效應(yīng)可以用性別和家庭所在地兩個虛擬變量影響服裝消費這個例子解釋。P219利用最后一段的案例做線性概率模型，即Studenmund（2006），數(shù)據(jù)為J（就業(yè)）M（結(jié)婚）A（年齡）S（受教育年數(shù)）10311611341411411600679102512015812104514105510004312105581025111041140162121151130139910351011401401431001371210271310281411481201667014411012112114010104115012310013111114412樣本容量為3

9、0，則直接做回歸為和P220的式10.2.7一樣。點擊forecast，則有在EViews的面板出現(xiàn)變量jf，打開j和jf為Jf0.5看做1，jf0.5看做0，可以比較有多少預(yù)測準(zhǔn)確，有多少預(yù)測失誤的。4/9/10/22/26/30共6個樣本預(yù)測錯誤，即預(yù)測正確的是30-6=24，即計數(shù)R2=24/30=0.8。這個也可以從剛才的回歸窗口中看到，點擊View可以看到Residual這列有絕對值大于0.5的就是預(yù)測錯誤的，或者看最后一列的圖，只要點在兩條虛線外面，就要看看是否Residual對應(yīng)的絕對值大于0.5，這樣就更快找到預(yù)測錯誤的點了。P227的logit模型操作如下，打開table10

10、-5，得到和P227表10.3.4一樣的結(jié)果?？梢夾不顯著，表示年齡不顯著，而S顯著，即受教育年數(shù)顯著影響就業(yè)。這樣用的是極大似然估計方法，要求是大樣本，而這里樣本并不夠大。點擊View得到P228的表10.3.5根據(jù)上面說的殘差絕對值大于0.5就是預(yù)測錯誤的點，可以看到有11個是錯誤的，即預(yù)測正確的是19，則計數(shù)R平方=19/30=0.63，效果并不好，這個首先可以歸因于解釋變量太少，我們在P219中發(fā)現(xiàn)是否結(jié)婚也會顯著影響就業(yè)，所以現(xiàn)在做就業(yè)對結(jié)婚、受教育年數(shù)、年齡三個變量做logit回歸為得到此時點擊View現(xiàn)在可以看到預(yù)測錯誤的只有7個，比原來的11個少了4個，則正確的現(xiàn)在為30-7=

11、23個，則計數(shù)R平方為23/30=0.77。P229操作如下結(jié)果和P229表10.4.1一樣。根據(jù)z統(tǒng)計量的P值判斷，也是A不顯著，而S顯著，也是S與Y正相關(guān)。P231案例分析，使用數(shù)據(jù)table10-9得到和課本上的P232表10.6.2略有差異，我在EViews5.0中做出同樣的結(jié)果，而且數(shù)據(jù)和表10.6.1中一樣，不清楚表10.6.2怎么來的，而且工作文件table10-9的方程eq01和我做的一樣，看來應(yīng)該是作者編書的時候不小心寫錯了。此時可以看到當(dāng)顯著性水平為0.05時，x1和x2都是不顯著的，但是當(dāng)顯著性水平為0.1時候，x2是顯著的。當(dāng)然，這里的流動比率和每股凈資產(chǎn)都是和財務(wù)困境

12、負(fù)相關(guān)，是符合理論預(yù)期的。如果用來做預(yù)測，則有可以看到，10、13、20三個樣本是預(yù)測錯誤的，則計數(shù)R平方是22/25=0.88，預(yù)測效果還是不錯的。還可以用來分析研究生錄取與應(yīng)屆還是往屆有沒有關(guān)系的回歸，也可以加入是否本校、性別、是否跨專業(yè)等作為解釋變量。如果有調(diào)查數(shù)據(jù)就可以做這樣的分析了。yD1score1140110401113921038711384103791037810378113761037110362113621136101359013581135601356013550135400354013530035000349003490134801347013470134401339003380133801336003