1.均值检验 原假设是序列x的期望值 备选假设是≠m,即 Ho: u=m H1:H≠m 如果你不指定序列x的标准差, EViews'将在t-统计量中使用 该标准差的估计值s N-1 ∑(x-x) x是x的样本估计值,N是x的观测值的个数。在原假设下 如果x服从正态分布,t统计量是自由度为N-1的t分布
11 1.均值检验 原假设是序列x的期望值 = m ，备选假设是 m ，即 H m H m = : : 1 0 如果你不指定序列x的标准差，EViews将在t – 统计量中使用 该标准差的估计值s 。 ( ) = − − = − = N i i x x N s s N x m t 1 2 1 1 , 是x的样本估计值，N是x的观测值的个数。在原假设下， 如果x服从正态分布，t统计量是自由度为N-1的t分布。 x
如果给定x的标准差,EⅤiews计算Z统计量: -mn O是指定的x的标准差。在原假设下,如果x服从标准差为 的正态分布,则Z统计量服从标准正态分布 要进行均值检验,在Mean内输入值。如果已知标准差, 想要计算Z统计量,在右边的框内输入标准差值。可以输入任何 数或标准 EViews表达式,下页我们给出检验的输出结果
12 如果给定x的标准差，EViews计算Z统计量： N x m z − = 是指定的x的标准差。在原假设下，如果x服从标准差为 的正态分布，则Z统计量服从标准正态分布。 要进行均值检验，在Mean内输入 值。如果已知标准差， 想要计算Z统计量，在右边的框内输入标准差值。可以输入任何 数或标准EViews表达式，下页我们给出检验的输出结果。
hypothesis Testing for Z8 Date:09/1701Time:22:35 Sample: 1 601 Included obserations: 601 Test of Hypothesis: Mean 3 000000 Sample Mean=3.931780 Sample std Dev=1.103179 Method alue Probabilit t-statistIc 20.70540 表中的 Probability值是P值(边际显著水平)。在双边假 设下,如果这个值小于检验的显著水平,如005则拒绝原假设。 这里我们坚决拒绝原假设
13 表中的Probability值是P值（边际显著水平）。在双边假 设下，如果这个值小于检验的显著水平，如0.05则拒绝原假设。 这里我们坚决拒绝原假设
2.方差检验 检验的原假设为序列x的方差等于2,备选假设为双边的,x 的方差不等于a2,即 Ho: var(x)=o H I.var ≠O EViews计算2统计量,计算公式如下 (N-1)s ∑(x-x) N为观测值的个数,x为x的样本均值。在原假设下,如果x服 从正态分布,x2统计量是服从自由度为N-1的x分布。 要进行方差检验,在 Variance处填入在原假设下的方差值。可 以填入任何正数或表达式
14 2.方差检验 检验的原假设为序列x的方差等于 ，备选假设为双边的，x 的方差不等于 ，即 2 2 ( ) ( ) 2 1 2 0 : var : var = H x H x EViews计算 统计量，计算公式如下 2 ( ) ( ) = − − = − = N i i x x N s N s 1 2 2 2 2 2 1 1 , 1 N为观测值的个数， 为x的样本均值。在原假设下，如果x服 从正态分布， 统计量是服从自由度为N-1的 分布。 要进行方差检验，在Variance处填入在原假设下的方差值。可 以填入任何正数或表达式。x 2 2
3.中位数检验 原假设为序列x的中位数等于m,备选假设为双边假设,x 的中位数不等于m,即 Ho: med(x)=m H1:mel(x)≠m EViews提供了三个以排序为基础的无参数的检验统计量。 方法的主要参考来自于 Conover(1980)和 Sheskin(1997)。 要进行中位数检验,在 Median右边的框内输入中位数的值, 可以输入任何数字表达式
15 3.中位数检验 原假设为序列x的中位数等于m，备选假设为双边假设，x 的中位数不等于m，即 ( ) H med(x) m H med x m = : : 1 0 EViews提供了三个以排序为基础的无参数的检验统计量。 方法的主要参考来自于Conover（1980）和Sheskin（1997）。 要进行中位数检验，在Median右边的框内输入中位数的值， 可以输入任何数字表达式