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(jiàn)三個(gè)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(gè)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(jì)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：?jiǎn)我蛩胤讲罘治鯯UM

2、MARY組觀測(cè)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(jì)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(gè)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(gè)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(gè)行業(yè)和第四個(gè)行業(yè)這個(gè)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(gè)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(diǎn)擊View，可見(jiàn)2000左右可以作為轉(zhuǎn)折點(diǎn)，如下散點(diǎn)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(diǎn)。這個(gè)散點(diǎn)圖，是先選定GDP，然后選定消費(fèi)，再一起作為組打開(kāi)，然后看View，點(diǎn)擊圖中的散點(diǎn)圖：而且是改變斜率的，即乘法模型為這個(gè)要修改，因?yàn)椴皇羌臃Ｐ?，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(jiàn)以1990年為轉(zhuǎn)折點(diǎn)或者分割點(diǎn)做回歸為修改為加法和乘法都有的模型為了做兩個(gè)虛擬變量前面的系數(shù)是否一起為0的聯(lián)立檢驗(yàn)，而不是三個(gè)一起檢驗(yàn)，如果是三個(gè)一起檢驗(yàn)的是上面的F值為1896.5

5、35，而要兩個(gè)一起聯(lián)立檢驗(yàn)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(gè)系數(shù)不全為0，即改變截距或者斜率，或者兼有。而t檢驗(yàn)告訴我們，兩者都有改變。P214虛擬變量的交互作用，可惜沒(méi)有提供數(shù)據(jù)，所以利用統(tǒng)計(jì)學(xué)課本中的有交互作用雙因素方差分析例子說(shuō)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(shí)間路段時(shí)段26112411271125112511201017102210211017101901200123012201210

6、118001700130016001200這里時(shí)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(jì)1觀測(cè)數(shù)5510求和127105232平均25.42123.2方差1.32.57.0666676觀測(cè)數(shù)5510求和9776173平均19.415.217.3方差5.36.710.23333總計(jì)觀測(cè)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(jì)329.7519顯然路段和時(shí)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(shí)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(yàn)，而方差分析用的是F檢驗(yàn)，所以兩者得到的P值略有差異，但是交互項(xiàng)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(gè)虛擬變量影響服裝消費(fèi)這個(gè)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(diǎn)擊forecast，則有在EViews的面板出現(xiàn)變量jf，打開(kāi)j和jf為Jf0.5看做1，jf0.5看做0，可以比較有多少預(yù)測(cè)準(zhǔn)確，有多少預(yù)測(cè)失誤的。4/9/10/22/26/30共6個(gè)樣本預(yù)測(cè)錯(cuò)誤，即預(yù)測(cè)正確的是30-6=24，即計(jì)數(shù)R2=24/30=0.8。這個(gè)也可以從剛才的回歸窗口中看到，點(diǎn)擊View可以看到Residual這列有絕對(duì)值大于0.5的就是預(yù)測(cè)錯(cuò)誤的，或者看最后一列的圖，只要點(diǎn)在兩條虛線外面，就要看看是否Residual對(duì)應(yīng)的絕對(duì)值大于0.5，這樣就更快找到預(yù)測(cè)錯(cuò)誤的點(diǎn)了。P227的logit模型操作如下，打開(kāi)table10

10、-5，得到和P227表10.3.4一樣的結(jié)果。可見(jiàn)A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(jì)方法，要求是大樣本，而這里樣本并不夠大。點(diǎn)擊View得到P228的表10.3.5根據(jù)上面說(shuō)的殘差絕對(duì)值大于0.5就是預(yù)測(cè)錯(cuò)誤的點(diǎn)，可以看到有11個(gè)是錯(cuò)誤的，即預(yù)測(cè)正確的是19，則計(jì)數(shù)R平方=19/30=0.63，效果并不好，這個(gè)首先可以歸因于解釋變量太少，我們?cè)赑219中發(fā)現(xiàn)是否結(jié)婚也會(huì)顯著影響就業(yè)，所以現(xiàn)在做就業(yè)對(duì)結(jié)婚、受教育年數(shù)、年齡三個(gè)變量做logit回歸為得到此時(shí)點(diǎn)擊View現(xiàn)在可以看到預(yù)測(cè)錯(cuò)誤的只有7個(gè)，比原來(lái)的11個(gè)少了4個(gè)，則正確的現(xiàn)在為30-7=

11、23個(gè)，則計(jì)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(jì)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(lái)的，而且工作文件table10-9的方程eq01和我做的一樣，看來(lái)應(yīng)該是作者編書的時(shí)候不小心寫錯(cuò)了。此時(shí)可以看到當(dāng)顯著性水平為0.05時(shí)，x1和x2都是不顯著的，但是當(dāng)顯著性水平為0.1時(shí)候，x2是顯著的。當(dāng)然，這里的流動(dòng)比率和每股凈資產(chǎn)都是和財(cái)務(wù)困境

12、負(fù)相關(guān)，是符合理論預(yù)期的。如果用來(lái)做預(yù)測(cè)，則有可以看到，10、13、20三個(gè)樣本是預(yù)測(cè)錯(cuò)誤的，則計(jì)數(shù)R平方是22/25=0.88，預(yù)測(cè)效果還是不錯(cuò)的。還可以用來(lái)分析研究生錄取與應(yīng)屆還是往屆有沒(méi)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