stata教程03

您所在的位置：网站首页 › jarque bera检验用什么做 › stata教程03

stata教程03

2024-07-15 15:54| 来源: 网络整理| 查看: 265

文章目录 1. 数据介绍2. 绘制概率图3. 进行正态性检验4. 变量正态化

变量是否符合正态分布? 怎么检验变量的正态分布假设? 如果变量不满足正太分布假设怎么办? 下面我们使用stata来回答以上问题。

数据介绍

使用stata系统自带的数据auto.dta来演示今天的例子。

1sysuse auto 输出(stream): (1978 Automobile Data)

查看数据的基本信息:

1describe 输出(stream): Contains data from C:\Program Files (x86)\Stata15\ado\base/a/auto.dta obs: 74 1978 Automobile Data vars: 12 13 Apr 2016 17:45 size: 3,182 (_dta has notes) --------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- storage display value variable name type format label variable label --------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- make str18 %-18s Make and Model price int %8.0gc Price mpg int %8.0g Mileage (mpg) rep78 int %8.0g Repair Record 1978 headroom float %6.1f Headroom (in.) trunk int %8.0g Trunk space (cu. ft.) weight int %8.0gc Weight (lbs.) length int %8.0g Length (in.) turn int %8.0g Turn Circle (ft.) displacement int %8.0g Displacement (cu. in.) gear_ratio float %6.2f Gear Ratio foreign byte %8.0g origin Car type --------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- Sorted by: foreign 绘制概率图

绘制变量mpg, 查看变量是否和正太分布相似:

1hist mpg, normal 输出(stream): (bin=8, start=12, width=3.625)

输出(stream):

上面的命令中, hist指的是直方图, mpg就是变量名, normal指的是正态密度函数。从图中我们可以看到, 这个数据直方图和正态密度函数的曲线有一些差距, 也可以绘制和密度图:

1kdensity mpg, normal

绘制变量的QQ图:

1qnorm mpg 输出(stream): (note: file C:/Users/syd/.stata_kernel_cache/graph2.svg not found)

输出(stream): 进行正态性检验

但是不管绘制哪种图形, 都有一个问题, 我们无法精确的检验数据是否满足正态分布的假设。所以, 我们可以进行JB检验:

1su mpg, detail 输出(stream): Mileage (mpg) ------------------------------------------------------------- Percentiles Smallest 1% 12 12 5% 14 12 10% 14 14 Obs 74 25% 18 14 Sum of Wgt. 74 50% 20 Mean 21.2973 Largest Std. Dev. 5.785503 75% 25 34 90% 29 35 Variance 33.47205 95% 34 35 Skewness .9487176 99% 41 41 Kurtosis 3.975005

su命令有一个detail选项, 使用该选项可以输出偏度和峰度, 从上面的结果可以看到偏度Skewness=.9487176, 峰度Kurtosis=3.975005, 根据这两个值, 我们可以计算JB统计量为:

1di (r(N)/6) * ((r(skewness)^2) + [(1/4)*(r(kurtosis)-3)^2]) 输出(stream): 14.031924

由于JB统计量满足自由度为2的卡方分布, 所以我们可以计算JB统计量所对应的p值:

1di chi2tail(2, 14.031924) 输出(stream): .00089744

p值小于1%, 因此拒绝虚无假设, 即数据不满足正太分布的假设。

实际上, JB检验有对应的第三方程序, 我们可以使用下面的命令来安装这个程序:

1ssc install jb6 输出(stream): checking jb6 consistency and verifying not already installed... installing into c:\ado\plus\... installation complete.

然后一个命令即可进行JB检验:

1jb6 mpg 输出(stream): Jarque-Bera normality test: 14.03 Chi(2) 9.0e-04 Jarque-Bera test for Ho: normality: (mpg)

进行D’Agostino检验:

1sktest mpg 输出(stream): Skewness/Kurtosis tests for Normality ------ joint ------ Variable | Obs Pr(Skewness) Pr(Kurtosis) adj chi2(2) Prob>chi2 -------------+--------------------------------------------------------------- mpg | 74 0.0015 0.0804 10.95 0.0042

该检验也显示, 变量不属于正态分布。

进行Shapiro-Wilk检验, 结果也类似:

1swilk mpg 输出(stream): Shapiro-Wilk W test for normal data Variable | Obs W V z Prob>z -------------+------------------------------------------------------ mpg | 74 0.94821 3.335 2.627 0.00430

进行Shapiro-Francia检验:

1sfrancia mpg 输出(stream): Shapiro-Francia W' test for normal data Variable | Obs W' V' z Prob>z -------------+----------------------------------------------------- mpg | 74 0.94872 3.650 2.510 0.00604 变量正态化

我们可以对变量取log自然对数, 然后再检验它的正态性:

生成新变量: lnmpg

1gen lnmpg = log(mpg)

绘制核密度图:

1kdensity lnmpg, normal

这个图看起来更像正态分布了。

进行JB检验:

1jb6 lnmpg 输出(stream): Jarque-Bera normality test: .8632 Chi(2) .6495 Jarque-Bera test for Ho: normality: (lnmpg)

结果显示, p值并不显著, 我们无法拒绝正态分布的假设。

注意本文由jupyter notebook转换而来, 您可以在这里下载notebook统计咨询请加QQ 2726725926, 微信 mllncn, SPSS统计咨询是收费的微博上@mlln-cn可以向我免费题问请记住我的网址: mlln.cn 或者 jupyter.cn

【本文地址】

stata教程03

stata教程03

今日新闻

推荐新闻