c／s／q／a ＜C表示累积分布函数（缺省选项），s表示经验生存函数，q表示经验分位数，a表示同时显示累积分布函数，生存函数和分位数＞ n ＜不包括标准差。＞
q＝b／r／o／t／v ＜b、r、o、t、v分别代表Blom分位数、Rankit-Cleveland分位数、简单分数分位数、Turkey分位数、Vander Waerden分位数＞
o= ＜将输出结果存放在O所设定的矩阵中。从左到右每一列分别对应观测点（由小到大排序）、分位数、标准差。＞
例：考查上证综指收益序列的分布形式。EViews命令如下 series dlnsh＝dlog(sh) ＜计算收益序列＞
dlnsh.cdfplot(c,q=r,o＝mat) ＜显示其经验分布函数、分位数计算采取Rankit-Cleveland方法、将分位数和标准差存放在矩阵mat中＞ 2．直方图
命令格式：序列.hist ＜直方图＞
例：利用直方图考查上证综指收益序列的分布特征。EViews命令如下 dlnsh.hist ＜显示序列的直方图＞ 3．QQ图
命令格式：序列.qqplot（选项）＜显示序列的分位数同理论分布的分位数（或其他序列的分位数）的比较图。＞ 选项包括：
n／u／e／l／x／s ＜n表示正态分布分位数、u表示均匀分布分位数、e表示指数分布分位数、l表示逻辑分布分位数、x表示极值分布分位数、s表示其他序列的分位数＞
q＝b／r／o／t／v ＜b、r、o、t、v分别代表Blom分位数、Rankit-Cleveland分位数、简单分数分位数、Turkey分位数、Vander Waerden分位数＞
例：利用qq图考查上证综指收益序列是否服从正态分布。EVviews命令如下 dlnsh.qqplot(n) 4．核密度估计
命令格式：序列.kdensity（选项） 选项包括
k=e／r／u／n／b／t／c ＜选择核的种类，依次表示 Epanechnikov（缺省选项）、Triangular、Uniform、Normal-Gaussian、Biweight-Quartic、Triweight、Cosinus＞ S ＜自动选择窗宽（缺省选项）。＞ b= ＜设定窗宽＞ b ＜Bracket窗宽＞
n ＜估测点的个数（缺省选项为100）＞ x ＜核密度的精确估测＞
o= ＜将核密度估计的结果存放在o所设定的矩阵中，矩阵的第一列为估测点，第二列为估计结果、＞
例：考查上证综指收益序列分布的核密度估计图。EViews命令如下 dlnsh.kdensity(k=e,s,o=mat)
注：如果要同时考察多个变量的分布特征，可以先用这些序列构建一个数组，在数组中实现上述操作。 命令格式：数组.cdfplot（选项〕 或：数组.qqplot（选项） 选项与序列相同。
15.3.2 多元描述统计
15.3.2.1 多个变量的多维列表
命令格式：数组freq（选项）
20
其中，选项包括选项I和选项II。选项I与序列单向列表的选项I相同，选项II包括 rowm／norowm ＜［显示（默认）／不显示］行边际频数。＞ colm／nocolm ＜［显示（默认）／不显示］列边际频数＞ tabm/notabm ＜仅适用于两个以上变量的情况，［显示（默认）／不显示］边际频数。＞ subm／nosubm ＜［显示／不显示（默认）］子边际频 totpct/nototpct ＜［显示／不显示（默认）］联合频数占所有观测值个数的百分比＞ tabpct/notabpct ＜仅适用于两个以上变量的情况，「显示／不显示（默认）」联合频数占所有观测值个数的百分比＞
rowpct/norowwpct ＜［显示／不显示（默认）］联合颁数占行边际额数的百分比＞ colpct/nocolpct ＜［显示／不显示（默认）］联合频数占列边际频数的百分比＞ exp/noexp ＜［显示／不显示（默认）］在独立性假定条件下的期望频数。＞ tabexp/notabexp ＜仅适用于两个以上变量的悄况，［显示／不显示（默认）］在独立性假定条件下的期望频数。＞
test/notest ＜［显示／不显示（默认）］独立性检验结果＞
例：在一项调查中，顾客对4家不同商店的满意程度划分为5个等级，共调查了582个样本。试观察两个变量的列联表。（file：satisfy） workfile freq_1 u 582 series store series satis
valmap map_store valmap map_satis
map_store.append 1 “store 1” map_store.append 2 “store 2” map_store.append 3 “store 3” map_store.append 4 “store 4”
map_satis.append 1 “strongly negative” map_satis.append 2 “somewhat negative” map_satis.append 3 “neutral”
map_satis.append 4 “somewhat positive” map_satis.append 1 “strongly positive” store.map map_store satis.map map_satis store.fill 1,3,4,2,3,2 satis.fill 1,2,5,2,3,1 group g1 store satis
g1.freq(nov,rowm,colm,notest) 15.3.2.2 对变量关系的图形考察 命令格式：
show g.sheet ＜数组g的数据表格。＞ show g.line ＜数组g的折线图。＞
show g.hilo ＜数组g的高低（或开关）图。＞ show g.bar ＜数组g的柱形图。＞ show g.pie ＜数组g的饼图。＞ show g.spike ＜数组g的钉状图。＞
show g.linefit ＜第一个序列对第二个序列的线性拟合图。＞ show g.nnfit ＜第一个序列对第二个序列的最小临近拟合图。＞ show g.kerfit ＜第一个序列对第二个序列的核拟合图。＞
21
show g.scat ＜第一个序列对其他序列的散点图。＞ show g.xyline ＜第一个序列对其他序列的曲线图。＞
例：大型家具厂过去两年中引进了14种新产品。市场调查部需要测定头一年的销售额与某个适当的自变量之间的关系，作为今后制定推销计划和广告计划之用。调查人员建立了一个名为“顾客知悉率”的变量，用产品问世后三个月内听说过这种产品的顾客的百分比来测量。利用散点围观察二者之间的关系。（file：sales）
EViews命令如下： series famil series sale
famil.fill 50,45,15,15,70,75,60,40,60,25,50,20,30 sale.fill 82,46,17,21,112,105,65,55,80,43,79,24,30 group g famil sale g.scat
15.3.2.3 基本描述统计量
1．计算数组各序列的方差协方差 命令格式：数组.cov
2．计算数组各序列的相关系数 命令格式：数组.cor
例：以上面的销售额与顾客知悉率为例，计算两个变量的协方差矩阵和相关系数矩阵。 EViews命令如下：
g.cov ＜计算各序列的协方差矩阵＞
g.cor ＜计算各序列的相关系数矩阵＞
15.3.3 假设检验
15.3.3.1 参数检验
1．检验单个变量的均值、中位数、方差是否等于某一设定的数值 命令格式：序列.teststat（选项） 选项包括
mean= ＜检验均值是否为设定的数值＞ med= ＜检验中位数是否为设定的数值＞ var= ＜检验方美是否为设定的数值＞
std= ＜在给定标准差的条件下，检验均值是否为设定的数值＞
例：设某炼铁厂铁水含碳量在正常情况下服从正态分布。现测量5炉铁水，其合碳量分别为4.28，4.40，4.42，4.35，4.37。试着检验??4.45,?2?2是否成立（显著性水平0.05）？
EViews命令如下 Workfile iron u 5 series iron
iron.fill 4.28,4.40,4.42,4.35,4.37 iron.teststat(mean=4.45,var=2)
2．检验多个变量的均值、中位数、方差是否等于某一设定的数值 命令格式：数组.testbtw（选项） 选项包括
mean／med／var ＜mean表示检验各序列的均值是否相等（缺省选项）med表示检验各序列的中位数是否相等、var表示检验各序列的方差是否相等＞
c／i＜c表示检验时用各序列的共同区间，i表示检验时用各序列的各自区间（默认）＞
例：根据1998－2001年城乡居民家庭恩格尔系数（摘自《中国统计年鉴2002》见表15－11）：
22
15－11 年份 农村 城镇 年份 农村 城镇
检验：比较农村居民与城市民民的恩格尔系数之间有无显著差异（显著水平为005）。 EViews命令如下
Workfile engel a 1978 2001 Series country series city
country.fill 67.7,61.8,57.8,? city.fill 57.5,56.9,? group g country city g.testbtw(mean,var,c)
在EViews中，对均值差异的检验是通过设定两个变量来实现的。比如在恩格尔系数的例子中设定country和city两个变量。如果是对一个变量的不同类别进行比较，比如对男女工资差异的比较，在EViews文件中设定工资和性别两个变量。这时，对男女工资差异显著性的检验是通过方差分析来进行的，请参见方差分析一节。 15.3.3.2 非参数检验
1．拟合优度检验（对经验分布函数所属分布类型的检验） 命令格式：x.edftest（选项） 选项包括
type=normal／chisq／exp／xmax／xmin／gamma／logit／pareto／uniform
＜从左到右依次为正态分布、卡方分布、指数分布、极值（极大值）分布、极值（极小值）分布、伽玛分布、逻辑分布、帕雷托分布、均匀分布＞
p1=number ＜设定第一个参数值。如果没有设定，此值将会被估计出来＞ p2=number ＜设定第二个参数值。如果没有设定，此值将会被估计出来＞ p3=number ＜设定第三个参数值。如果没有设定，此值将会被估计出来＞ b ＜采用BHHH代数，否则，系统缺省选项Marquardt代数＞ m=number ＜最大选代次数＞ c=number ＜设定收敛标准。＞
s ＜采用系数向量中的值作为初始值。＞
showopts/- showopts ＜显示初始系数值和估计结果／不显示＞
例：下列数据来自于2001年我国31个省及直辖市城镇居民家庭人均收入资料，试检验这批数据是否来自正态分布，即城镇居民家庭人均收入是否服从正态分布？
10349.69，8140.50，5661.16，4724.11，5129.05，5357.79，4810.00，4912.88，11718.01 6800.23，9279.16，5293.55，7432.26，5103.58，6489.97，4766.26，5524.54，6218.73 9761.51，5834.43，5358.32，6275.98，5894.27，5122.21，6324.64，7426.32，5124.24 4916.25，5169.96，4912.40，5644.86 EViews命令如下： Workfile income u 31 Series income
Income.fill 10349.69,8140.50,?
Income.edftest(type=normal,b,m=500,c=0.001,showopts) ＜检验x是否服从标准 态分布，均
23
1978 67.7 57.5 1995 58.6 49.92
1980 61.8 56.9 1996 56.3 48.6
1985 57.8 53.1 1997 55.1 46.4
1990 58.8 54.24 1998 53.4 44.5
1991 57.6 53.82 1999 52.6 41.9
1992 57.6 52.86 2000 49.1 39.2
1993 58.1 50.13 2001 47.7 37.9
1994 58.9 49.89
