分析预备

利用统计模型分析数据之前，我们一般需要做一些预备的分析工作，它们能为随后的建模提供一定的依据。不同的分析情境下，需要做的预备工作可能不一样，下面，我将介绍如何在键盘模式下实现几类最常见的预备分析：报告描述性统计量；检查变量间的相关性；实施单位根检验。

描述性统计量

对截面数据、平稳时间序列数据、短面板数据，建模前常常需要看看它们的描述性统计量：变量的均值、标准差、中位数等等。通过这些统计量，我们能对数据有一个初步的了解。在EViews中，stats是用于报告描述性统计量的命令。下面我通过模拟（simulation）数据来展示其用法。

wfcreate u 500        '创建一个workfile
'生成随机数据，y扮演因变量，x扮演自变量
rndseed 123456        '设定随机数种子
series x1 = nrnd      'nrnd用于生成标准正态随机数
series x2 = nrnd
series x3 = sin(x1) + nrnd
series y = 1 + x1 - 0.5*x2 +0.5*x3 +0.5*nrnd
'------华丽的分割线------
group grp1 y x1 x2 x3  '生成组
grp1.stats             '用stats命令报告描述性统计量
freeze(ds) grp1.stats  '将结果存入表ds中

倒数第二行的代码等价于在grp1窗口点View/Descriptive Stats/Common Sample。注意，在grp1窗口显示的结果和存入ds中的结果内容是一样的，但长相会有一些区别。下面是grp1窗口显示的结果：

下面是表ds显示的结果：

可以看到，stats命令从上到下报告了变量的样本均值、中位数、最大值、最小值、标准差、偏度、峰度、用于检验正态性的JB统计量、JB检验的p值、和、离差平方和、样本量。

相关系数

有些时候，我们会关心变量之间的相关性。例如，进行回归分析时，如果两个自变量高度相关，把它们都放入模型，很可能只有一个显著。因此，建模前看看自变量间的相关性，也许能为我们进行变量选择提供一定的信息。

常用的衡量两个变量间相关性的指标有三个：Peason相关系数、Spearman相关系数和Kendall相关系数。对每一种相关系数，我们感兴趣的值一般有三个：相关系数的数值、检验相关系数为0的统计量的数值、对应检验的p值。我们可以用命令cov报告这些数值：

group grp2 x1 x2 x3    '生成组
'在一张表内报告Peason相关系数、t统计量和对应的p值
grp2.cov(outfmt=single) corr stat prob            
'在一张表内报告Spearman相关系数、t统计量和对应的p值
grp2.cov(outfmt=single) rcorr rstat rprob  
'分三张表报告Kendall-b相关系数、Score统计量和对应的p值
grp2.cov(outfmt=mult) taub taustat tauprob  

上面的代码中括号里的outfmt是cov命令的一个可选参数，它用来设置内容输出的格式（outfmt即output format之意）。outfmt等于single表示所有数值在一张表内报告，等于mult（multiple之意）表示每一类数值单独在一张表中报告。

括号后以空格分开的三个参数，它们的作用是告诉EViews报哪些告量。例如，rcorr表示报告Spearman相关系数，rstat表示报告检验Spearman相关系数为0的t统计量，rprob表示报告对应检验的p值。下面两张图是上面第二行和最后一行代码执行的结果：

要得到这些表，也可以在鼠标模式下选择grp2窗口的View/Covariance Analysis。保存这些结果，可以选择点击窗口上的Freeze按钮，当然，键盘模式下推荐优先使用freeze命令。

单位根检验

时间序列分析中，各种模型的使用大都要先了解序列是否平稳，因此，检验序列是否有单位根几乎是建模前的必备步骤。要进行单位根检验，我们需要用uroot命令，它能实现五种单位根检验：ADF检验、DF-GLS检验、Phillips-Perron检验、ERS点最优检验、Ng-Perron检验。uroot的用法为：

序列对象.uroot(检验类型, exog = 值, dif = 值, lagmethod = 值)

上面括号里红色的部分是uroot命令的可选参数。检验类型可以是dfgls、pp、ers及np中的一种，对应除ADF检验外的四种检验，如果其缺失，则uroot命令会实施ADF检验（即默认的单位根检验）。

单位根检验的检验假设有两种情形，EViews里把它们称为Intercept（情形1）和Trend and intercept（情形2），它们的区别是：

• 情形1 — 原假设：序列含有单位根 vs 备择假设：序列是平稳的
• 情形2 — 原假设：序列含有单位根 vs 备择假设：序列是趋势平稳的

如果令参数exog等于trend，则uroot命令会检验情形2，如果不使用exog这一参数，则会检验情形1。

参数dif等于1表示对数据的差分做单位根检验，等于2表示对数据的二阶差分做单位根检验，缺失表示直接对数据做单位根检验。

实施除Phillips-Perron检验外的四种检验，都需要设置一个参数：滞后阶数。EViews提供了这样的功能：根据样本量自动设置一个最大的滞后阶数，然后在最大滞后阶数内对比不同滞后阶数设定下的模型的信息准则，进而选出“最优”的滞后阶数。参数lagmethod用来告诉EViews使用哪一种信息准则，如果这一参数缺失，EViews默认会使用SIC（即BIC），如果等于aic或hqc，则会使用AIC或HQIC。

下面是使用uroot命令几个例子：

y.uroot                '对y做情形1的ADF检验，滞后阶数由SIC自动确定
y.uroot(pp,exog=trend) '对y做情形2的pp检验
y.uroot(dfgls,dif=1,lagmethod=hqc)
                       '对y的差分做情形1的DF-GLS检验，滞后阶数由HQIC自动确定

以最后一行代码为例，代码运行后会在series对象窗口中显示如下的表：

表的标题显示了检验的类型。第一行显示了检验的原假设。注意，当前使用的数据是D(Y)，即y的一阶差分。第二行的Constant表示检验情形1，如果是Constant, Linear Trend则表示检验情形2。第三行显示了自动选择的“最优”滞后阶数为12、使用的信息准则是HQIC、最大滞后阶数为17。接下来是检验的主要结果。EViews会报告检验统计量的值，以及1%、5%、10%显著水平对应的临界值，有几个检验还会报告检验的p值。

对ADF检验和Phillips-Perron检验，exog还可以设置等于none，这时，uroot命令检验的是下面的假设：

• 情形3 — 原假设：序列含有单位根 vs 备择假设：序列是零期望且平稳的

实际应用中，检验这种情形的场合非常少，所以，其他三种单位根检验在开发时都没有考虑这种情形。

EViews的uroot命令还能做一个检验：KPSS检验，它用于检验下面两种情形：

• 情形1a — 原假设：序列是平稳的 vs 备择假设：序列含有单位根
• 情形2a — 原假设：序列是趋势平稳的 vs 备择假设：序列含有单位根

进行KPSS检验，只需把检验类型设为kpss。另外，KPSS检验不需要设滞后阶数，因此，它不支持使用参数lagmethod。以下是两个例子：

y.uroot(kpss,dif=1)      '对y的差分做情形1a的KPSS检验
y.uroot(kpss,exog=trend) '对y做情形2a的KPSS检验

注意，在EViews 13中，如果做情形2a的KPSS检验，输出结果会显示Null Hypothesis: … is stationary，这实际上是不对的，应该是trend-stationary才对，但是，报告的统计量、临界值等还是可用的。

命令复习

• (.)stats：报告描述性统计量
• (.)cov：报告变量间的相关性
• (.)uroot：进行单位根检验

[注] ( . )命令表示命令可单独使用，也可跟在对象后使用；.命令表示命令只能跟在对象后使用。

练习

1. 把上面的代码逐条执行一遍，理解各部分的分析流程，并对比你做出的结果与上面图中展示的结果，它们是否一样？