第4章

常見金融統計分析軟件1目錄CONTENT201

SPSS在金融統計分析中的應用EViews在金融統計分析中的應用02

Stata在金融統計分析中的應用03學習目標：知識目標：（1）熟悉SPSS軟件的基本情況、界面和菜單；（2）掌握SPSS數據錄入的基本操作；（3）熟悉EViews軟件的基本情況、界面和菜單；（4）掌握EViews數據錄入的基本操作；（5）熟悉Stata軟件的基本情況、界面和菜單；（6）掌握Stata數據錄入的基本操作；3學習目標：技能目標：（1）能夠運用SPSS進行基本統計分析；（2）能夠運用EViews進行基本統計分析；（3）能夠運用Stata進行基本統計分析。44.1SPSS在金融統計分析中的應用

4.1.1SPSS簡介5SPSS作為一種廣泛應用的統計分析軟件，由于操作簡單，在金融統計分析中已起著至關重要的作用。因此除了了解金融統計分析的基本概念之外，更重要的是了解如何進行實踐操作，如何應用統計分析軟件SPSS來實現金融統計分析的目的。本節將為讀者介紹SPSS的基本情況、數據文件的管理以及SPSS在金融統計分析中的相關應用案例。SPSS（StatisticalProductandServiceSolutions，統計產品與服務解決方案）在金融統計分析中被廣泛應用。SPSS在金融統計分析中的幾個常見應用有描述性統計分析、相關性分析、回歸分析、時間序列分析、方差分析、風險分析等。此外，SPSS還提供數據可視化、數據清洗、分類分析、因子分析、聚類分析等功能，可以應用于更廣泛的金融統計分析任務。SPSS的強大功能和友好的用戶界面使其成為金融領域中數據分析和統計建模的常用工具。4.1SPSS在金融統計分析中的應用

4.1.1SPSS簡介(初識)6由于SPSS的服務領域和服務深度不斷擴大，SPSS公司于2000年將軟件最初的名稱——社會科學統計軟件包（StatisticalPackagefortheSocialSciences）更改為現在的名稱。2009年7月28日，IBM公司宣布用12億美元現金收購統計分析軟件提供商SPSS公司。隨后其各子產品家族名稱前面不再冠以PASW，產品名稱修改為IBMSPSS。SPSS是世界上最早采用圖形菜單驅動界面的統計分析軟件之一，它最突出的特點之一就是操作界面極為友好，輸出結果美觀。它將其幾乎所有的功能都以統一、規范的界面展現出來，使用類似Windows的窗口形式展示各種數據管理和分析功能，使用對話框展示各種功能選項。用戶只要掌握一定的Windows操作技能、一定的統計分析原理，就可以使用該軟件為特定的科研工作服務。SPSS采用類似Excel表格的方式輸入與管理數據，數據接口較為通用，能方便地從其他數據庫中讀入數據。其統計過程包括常用的、較為成熟的統計過程，完全可以滿足非統計相關專業人士的工作需要。其輸出結果十分美觀，存儲時則使用專用的SPO格式，可以轉存為HTML格式和文本格式。針對熟悉老版本編程運行方式的用戶，SPSS還特別設計了語法生成窗口，用戶只需在菜單中單擊各種命令，然后單擊【粘貼】按鈕就可以自動生成標準的SPSS程序，極大地方便了中、高級用戶。4.1SPSS在金融統計分析中的應用

4.1.1SPSS簡介(初識)7SPSS的基本功能包括數據管理、統計分析、圖表分析、輸出管理等。SPSS統計分析過程包括描述性統計分析、均值比較、一般線性模型建立、相關性分析、回歸分析、對數線性模型建立、聚類分析、數據簡化、生存分析、時間序列分析、多重響應等幾大類。每類中又分好幾個統計分析過程，比如回歸分析中又分為線性回歸分析、曲線估計、Logistic回歸分析、Probit回歸分析、加權估計、兩階段最小二乘法、非線性回歸分析等多個統計分析過程，而且每個過程中允許用戶選擇不同的方法及參數。SPSS也有專門的繪圖系統，可以根據數據繪制各種圖形。SPSS的分析結果清晰、直觀，易學易用，而且可以直接讀取Excel及PDF數據文件。SPSS現已可用于各種操作系統的計算機，它被稱為當今最權威的統計分析軟件之一。4.1SPSS在金融統計分析中的應用

4.1.1SPSS簡介(操作頁面)8SPSS窗口包括數據編輯窗口、語法編輯窗口、結果輸出窗口和腳本編輯窗口。其中，數據編輯窗口和結果輸出窗口是常用到的兩個窗口。提示：本節基于IBMSPSSStatistics26進行介紹，如果沒有特別指明，文中SPSS均指IBMSPSSStatistics26，以下不再說明。1.數據編輯窗口（DataEditor）數據編輯窗口也稱數據編輯器（DataEditor）。啟動SPSS后，系統會自動打開數據編輯窗口。SPSS處理數據的主要工作全在此窗口中進行，該窗口的左下角會顯示兩個視圖：數據視圖（DataView）和變量視圖（VariableView）。數據視圖用于顯示數據，變量視圖則用于顯示變量的信息，如變量名稱、變量類型、變量格式等，兩個視圖可以通過單擊進行切換。當同時打開多個數據文件時，每個數據文件獨占一個不同的數據編輯窗口，系統會對這些數據編輯窗口自動按照“數據集0”“數據集1”······這樣的名稱來命名，data_1.sav為文件存儲名稱。數據編輯窗口（見圖4-1）可以用來創建、顯示和編輯數據文件。數據編輯窗口9圖4-1數據編輯窗口10語法編輯窗口2.語法編輯窗口（SyntaxEditor）語法編輯窗口也稱語法編輯器（SyntaxEditor），是用于編輯和運行命令文件的編輯器，也是程序運行的工作窗口。語法編輯窗口的優點是可將SPSS操作過程存儲成語法文件，保存工作記錄，讓使用者可以查閱操作歷史，并且在有必要時可以重新執行。圖4-2所示為語法編輯窗口。圖4-2語法編輯窗口結果編輯窗口113.結果輸出窗口（OutputViewer）結果輸出窗口也稱結果查看器（OutputViewer），用于顯示數據分析的結果。使用者可以直接打印結果，或將所顯示的輸出數據加以編輯與存儲，便于日后使用，還可以配合其他數據庫或文字處理軟件（例如Excel、Word）進行編輯整理。存儲結果時，僅需點擊左上角菜單欄中的“文件(File)”，在下拉菜單中選擇“保存(Save)”，輸入路徑與文件名，SPSS便會自動給予該結果文件擴展名“.spv”作為標識。結果輸出窗口分成左右兩區，左側是目錄，也就是結果輸出的結構圖，依序顯示使用者要求SPSS所進行的各項工作的結果，并依照層次排列。結果輸出窗口的右側顯示的是輸出的內容，存放SPSS執行后的所有記錄與數據報表。當使用者單擊左側目錄當中的任何一個項目時，右側便會自動顯示相應的輸出內容。如果分析過程中所設的參數和統計過程正確，該窗口會顯示分析結果；如果分析過程中發生錯誤使得處理失敗，則該窗口中顯示系統給出的錯誤信息。圖4-3所示為結果輸出窗口。結果編輯窗口12圖4-3結果輸出窗口腳本編輯窗口134.腳本編輯窗口（ScriptEditor）腳本編輯窗口也稱腳本編輯器（ScriptEditor）。SPSS腳本是用SaxBasic語言編寫的程序。SPSS腳本可以像SPSS宏一樣構建和運行SPSS命令，也可以在命令中利用當前數據文件的變量信息，還可以對結果進行編輯，或者構建一些新的自定義的對話框。腳本可用于SPSS內部操作自動化、結果格式自定義化。該窗口用于編寫SPSS內嵌的SaxBasic或Python編寫的自動化數據處理程序。Python腳本編輯窗口如圖4-4所示。上述工作窗口可以同時打開多個，如同時打開多個數據編輯窗口和多個結果輸出窗口。實際使用時的窗口數往往不止4個。圖4-4Python腳本編輯窗口144.1.1SPSS簡介(SPSS數據文件的建立)（1）利用SPSS直接錄入在數據編輯窗口中，SPSS采用的是二維電子表格的形式，即由行和列組成，行和列的交叉處為單元格。利用SPSS進行數據分析的第一步工作就是要建立SPSS數據文件。SPSS數據文件中的一列數據稱為一個變量。每個變量都應有一個名稱，即變量名稱，變量名稱是存取SPSS變量的唯一標志。SPSS數據文件中的一行數據稱為一個個案，所有個案組成SPSS數據文件的數據部分。每個單元格存儲的是某一個特定觀察個案的特定變量的具體數值。建立一個完整的SPSS數據文件需要進行以下操作。①

啟動SPSS，即進入SPSS數據編輯窗口，如圖4-5所示；或者依次單擊【文件】→【新建】→【數據】。②

定義變量：包括定義變量名稱和變量類型。③

輸入數據：在數據編輯窗口中完成。④

保存數據。在SPSS中，共有9種變量類型。這9種又可被歸納為3種基本類型：日期型、字符串型、數值型。①

數值型包括標準數值型、逗號數值型、圓點數值型、科學記數型、美元數值型、設定貨幣數值型、受限數值型等7種類型。②

日期型用來表示日期或者時間，主要在時間序列分析中比較常用。③

字符串型用于區分大小寫字母，其變量不能進行數學運算。15圖4-5

數據編輯窗口16例4.1

請將表4-1中的內容輸入SPSS中，并保存到文件名為“data”的數據文件中。

表4-1 某單位5名工作人員的基本信息姓名性別出生日期受教育年限年薪/元張三男1976/10/1015157000趙四男1979/08/1616267500王五女1983/11/1212122000孫六女1988/04/12997600李明男1985/07/081516500017、操作步驟如下。①

啟動SPSS。進入SPSS數據編輯窗口，如圖4-5所示。②

定義變量。在圖4-5所示的數據編輯窗口中，單擊左下方的【變量視圖】，進入變量視圖。定義變量名稱：雙擊“名稱”列下方的單元格，輸入變量名稱“姓名”，系統默認其為VAR00001。定義變量類型：單擊“類型”列下方的單元格，單擊單元格右側按鈕【···】，打開【變量類型】對話框（見圖4-6），選擇【字符串】單選按鈕，單擊【確定】按鈕。變量的寬度、小數位數、標簽、值，均保持默認值即可。圖4-5數據編輯窗口18第2個變量“性別”的定義過程和第1個變量“姓名”的定義過程類似。第3個變量“出生日期”在定義變量類型時選擇日期型，即在圖4-6中選擇【日期】單選按鈕，并在彈出的圖4-7所示列表框中選擇一種日期類型即可。圖4-6

【變量類型】對話框圖4-7

【變量類型】對話框-選擇一種日期類型19第4個變量“受教育年限”為數值型變量，在定義變量類型時保持默認數值型或者在圖4-6中選擇【數字】單選按鈕，可定義小數位數。其余變量的定義參考變量“姓名”的定義過程。所有變量定義完成后的變量視圖如圖4-8所示。圖4-8

變量定義完成后的變量視圖20③

輸入數據。單擊圖4-8左下方的【數據視圖】，切換視圖。錄入表4-1中的數據，錄入完成后的數據視圖如圖4-9所示。圖4-9

數據錄入完成后的數據視圖21圖4-10保存SPSS格式文件④

保存數據。選擇【文件】→【保存】，打開圖4-10所示的對話框。在【文件名】文本框中輸入文件名“data”，選擇文件的保存路徑，單擊【保存】按鈕即可。22（2）直接讀取Excel文件數據除SPSS格式的數據外，SPSS可以直接讀入許多其他格式的數據文件。選擇【文件】→【打開】→【數據】命令，打開圖4-11所示的對話框。圖4-11

【打開數據】對話框23圖4-12Excel文件數據的讀取示例打開對話框中的【文件類型】下拉列表，可以看到能直接被打開的數據文件格式，選擇好所需要使用文件的類型后，再選中需要打開的文件，單擊【打開】按鈕，SPSS就會打開需要使用的文件，并將其自動轉換成SPSS數據格式，如圖4-12所示。244.1.2應用實例1．案例背景與目的股票投資者大多根據企業的財務報表選擇有發展潛力的股票。財務報表的目標之一就是為信息使用者提供對其決策有用的信息，所以研究上市商業銀行股票價格與會計信息的相關性具有現實意義。會計信息與股票價格關系研究是指對會計信息披露與股票價格之間是否具有統計意義的顯著相關性研究，也就是研究會計信息的披露是否向證券市場傳遞了新的有用信息。這一領域的研究始于波爾、布朗、比弗，他們用實證方法證明了會計信息與股票價格存在相關聯系，表明了會計信息的披露向證券市場傳遞了新的有用信息。本案例的研究目的是通過銀行業上市公司的財務數據分析股票價格的財務影響因素，為銀行業上市公司的投資提供科學依據。252．研究方法本案例的分析思路如下，搜集上市商業銀行的財務數據分析股票價格的財務影響因素，觀測股票價格、每股收益、每股凈資產、凈資產收益率、資產負債率、每股經營活動產生的現金流量凈額等數據。首先利用描述性分析對銀行業上市公司的財務數據進行基礎性描述，以便對整個行業形成直觀的印象，然后利用因子分析提取對銀行業上市公司股票價格影響較為明顯的因素，分析銀行業上市公司股票價格的決定因素，最后利用回歸分析確定這些因素對股票價格的影響方向和強弱。采用的數據分析方法主要如下。（1）描述性分析。描述性分析主要是對銀行業上市公司股票價格信息以及各種財務數據進行基礎性描述，主要用于描述變量的基本特征。（2）因子分析。因子分析是一種數據簡化技術。它通過研究眾多銀行業財務變量之間的內部依賴關系，觀測財務數據的基本結構，并用少數幾個獨立的不可觀測變量來表示。（3）回歸分析。回歸分析是研究一個因變量與一個或多個自變量之間的線性或非線性關系的一種統計分析方法。263．研究過程（1）數據搜集及SPSS數據文件的建立為了研究的準確性和普遍性，選取滬深證劵交易所A股上市的42家商業銀行為研究對象，以2022年的財務報表作為研究數據，我們選擇了：反映企業盈利能力的每股收益、每股凈資產、凈資產收益率；反映企業償債能力的資產負債率；反映企業營運能力的總資產周轉率；反映企業現金流量能力的每股經營活動產生的現金流量凈額；反映企業成長能力的凈利潤增長率、總資產增長率、營業收入增長率。一般上市公司的年度財務報表都在次年4月對外發布，考慮到財務報表對股票價格影響的滯后性，將次年4月30日的股票收盤價作為上市商業銀行的股票價格。銀行股票價格與部分財務指標示例如表4-2所示。27表4-2 銀行股票價格與部分財務指標示例股票價格/元每股收益/元每股凈資產/元凈資產收益率/%資產負債率/%總資產周轉率12.55002.200018.800010.966091.83160.03513.01000.26454.67005.748192.67770.017827.38003.380023.140014.556192.87750.02644.08000.74406.406611.838991.45750.02354.61000.73006.043411.221691.61440.02742.32000.17004.93004.463591.10330.02593.32000.45005.05009.007193.09060.02212.90000.37005.50006.645291.60920.02307.52001.07009.690011.010792.28630.02417.60001.560020.03007.481891.88050.02245.76001.430016.37008.092191.71000.02483.63000.710011.53006.007391.55400.020133.60005.260032.710015.298690.58840.03565.68001.02007.803511.377390.77510.02177.71001.600011.230512.665892.77150.025212.56001.830013.760012.382493.90220.02193.62000.55006.57008.547892.79320.01759.42001.760012.220013.261592.34280.023428根據我們搜集的數據，建立SPSS數據文件后進行下一步的分析和研究，可通過Excel表格直接導入建立SPSS數據文件。導入數據后的SPSS數據視圖和變量視圖分別如圖4-13、圖4-14所示。圖4-13

SPSS數據視圖圖4-14

SPSS變量視圖29（2）銀行業上市公司股票價格及財務指標的描述性分析銀行業上市公司股票價格及財務指標的描述性分析操作步驟如下。①

打開SPSS數據文件，進入SPSS數據編輯窗口，選擇【分析】→【描述統計】→【描述】命令，在打開的【描述】對話框中，見圖4-15。將各變量添加到【變量】列表框中，并勾選【將標準化值另存為變量】。②

單擊【選項】按鈕，打開【描述：選項】對話框。勾選【最大值】、【最小值】、【范圍】、【標準差】、【標準誤差平均值】和【方差】復選框，，如圖4-16所示。然后單擊【繼續】按鈕，返回【描述】對話框。圖4-15

【描述】對話框圖4-16

【描述：選項】對話框30③

單擊【確定】按鈕，得到描述性分析結果。由圖4-17可知，在2022年的樣本期，我國銀行業上市公司股票價格的均值約為7.28元，最大值與最小值之間的差異約為31.28元，標準差約為6.18元，可見我國銀行業上市公司之間的股票價格差距較大。另外，就凈資產收益率來看，我國銀行業上市公司凈資產收益率的均值約為10.44%，表明我國銀行業上市公司經營狀況良好。圖4-17

銀行業上市公司股票價格及財務指標的描述性分析結果31（3）銀行業上市公司財務指標的因子分析計算主因子的操作步驟如下。①

在打開的SPSS數據編輯窗口，選擇【分析】→【降維】→【因子分析】命令，在彈出的對話框中將各標準化變量“Zscore（…）”添加到【變量】列表框中，如圖4-18所示。圖4-18

【因子分析】對話框32②

單擊【描述】按鈕，在打開的【因子分析：描述】對話框中勾選【初始解】復選框和【KMO和巴特利特球形度檢驗】復選框，如圖4-19所示，單擊【繼續】按鈕，保存設置結果。③

單擊【旋轉】按鈕，在打開的【因子分析：旋轉】對話框中選擇【最大方差法】單選按鈕，其他保持系統默認選擇，如圖4-20所示，單擊【繼續】按鈕，保存設置結果。④

單擊【得分】按鈕，在打開的【因子分析：因子得分】對話框中勾選【保存為變量】，方法選取【回歸】方法來計算因子得分，并勾選【顯示因子得分系數矩陣】復選框，如圖4-21所示，單擊【繼續】按鈕，保存設置結果。

圖4-19

【因子分析：描述對】話框 圖4-20

【因子分析：旋轉】對話框 圖4-21

【因子分析：因子得分】對話框33⑤

單擊【確定】按鈕，輸出統計分析結果。圖4-22展示了KMO和巴特利特球形度檢驗結果，其中KMO值越接近1表示越適合進行因子分析，從該分析結果可知KMO值為0.640，表示比較適合進行因子分析。巴特利特球形度檢驗的原假設為相關矩陣為單位矩陣，顯著性為0.000，小于顯著水平0.05，因此拒絕原假設，即表示變量之間存在相關關系，適合進行因子分析。圖4-23展示了變量共同度的結果。該圖左側表示每個變量可以被所有因素解釋的方差，右側表示變量的共同度。從該圖可以看到，因子分析的變量共同度都非常高，表明變量中的大部分信息均能夠被因子分析所提取，說明因子分析的結果是有效的。

圖4-22

銀行業上市公司財務指標的KMO和巴特利特球形度檢驗結果圖4-23

銀行業上市公司財務指標的變量共同度結果34圖4-24展示了因子貢獻率的結果。該圖左側為初始特征值，中間為提取載荷平方和，右側為旋轉載荷平方和。“總計”是指因子的特征值，“方差百分比”表示該因子的特征值占總特征值的百分比，“累積%”表示累積的百分比。其中，只有前3個因子的特征值大于1，并且其特征值之和占總特征值的74.927%，因此，提取前3個因子作為主因子即可。圖4-24

銀行業上市公司財務指標的因子貢獻率結果35圖4-25展示了旋轉后的因子載荷值。通過因子旋轉，各個因子有了比較明確的含義。圖4-25所示的3個成分可以集中體現原始數據的大部分信息，所以用這3個成分變量代替原來的9個解釋變量。這3個成分因子不能從結果輸出窗口直接得到，因為“成分矩陣”是指初始因子的載荷矩陣，而每一個載荷量表示主成分與對應變量的相關系數。根據數理統計的相關知識，主成分分析的變換矩陣（主成分載荷矩陣Ui）與因子載荷矩陣Ai和特征值λi之間存在如下關系。36操作步驟如下。①

新建“因子載荷矩陣.sav”（數據為圖4-25中的數據），如圖4-26所示。②

單擊【轉換】→【計算變量】，打開【計算變量】對話框，在【目標變量】中輸入新變量名稱“U1”，在【數字表達式】中輸入“A1/SQRT(3.643)”，單擊【確定】按鈕，得到U2和U3，如圖4-27所示。

圖4-26

新建“因子載荷矩陣.sav” 圖4-27

主成分載荷矩陣37③

計算主成分的表達式，將Ui與8個變量的標準值ZXi相乘后求和即可得到3個主因子Y1、Y2、Y3的表達式，單擊【轉換】→【計算變量】，打開【計算變量】對話框，在【目標變量】文本框中輸入“Y1”，在【數字表達式】文本框中輸入表達式：Ui與8個變量的標準值ZXi的乘積之和，如圖4-28所示，單擊【確定】按鈕，即可得出Y1。根據上述步驟，就可得到Y1、Y2和Y3，如圖4-29所示。

圖4-28

主因子計算變量

圖4-29

主因子38下面計算綜合主成分值。以3個主成分所對應的特征值占所提取主成分總的特征值的比例作為權重，計算主成分綜合模型。根據主成分綜合模型即可算出綜合主成分值，計算公式如下。

單擊【轉換】→【計算變量】，打開【計算變量】對話框，在【目標變量】中輸入“Y”，在【數字表達式】文本框中輸入表達式，如圖4-30所示，單擊【確定】按鈕，即可得到Y，Y即以各主成分的因子貢獻率為權重構造的各家上市公司的綜合績效指標。39圖4-30綜合主成分值計算變量40（4）銀行業上市公司股票價格與綜合績效指標的回歸分析下面利用因子分析得到的綜合績效指標進行回歸分析，進一步發掘我國銀行業上市公司股票價格與其主要財務指標的關系。操作步驟如下。①

在打開的SPSS數據編輯窗口，選擇【分析】→【回歸】→【線性】命令，打開【線性回歸】對話框，然后將標準化股票價格添加到【因變量】列表框中，將綜合績效指標Y添加到【自變量】列表框中，如圖4-31所示。圖4-31

【線性回歸】對話框41②

單擊【統計】按鈕，打開【線性回歸：統計】對話框。勾選【估算值】、【模型擬合】、【德賓-沃森】復選框，如圖4-32所示，然后單擊【繼續】按鈕，保存設置。③

單擊【選項】按鈕，打開【線性回歸：選項】對話框。步進法條件中，“使用F的概率”選項用于設置進入模型或從模型中移除變量的顯著性水平（p值），使用默認值“進入（E）：0.05”和“除去（M）：0.10”，勾選【在方程中包括常量】復選框，“缺失值”選勾選【成列排除個案（L）】如圖4-33所示，然后單擊【繼續】，保存設置。圖4-32

【線性回歸：統計】對話框

圖4-33

【線性回歸：選項】對話框42④

單擊【確定】按鈕，輸出分析結果。圖4-34展示了評價模型的檢驗統計量。從該圖中可以得到R、R方、調整后R方、標準估算誤差及德賓-沃森統計量，如本案例中回歸模型調整后R方為0.554，模型的擬合優度不是特別理想，但是也能在較大程度上說明解釋變量和被解釋變量之間的關系。德賓-沃森統計量約等于2，說明回歸模型不存在自相關現象，對回歸模型的估計和假設都是可靠的。圖4-34

銀行業上市公司財務指標評價模型的檢驗統計量43圖4-35展示了方差分析的結果。由該圖可以得到回歸部分的F值為52.004，顯著性值為0.000，小于顯著性水平值0.05，因此可以判斷綜合績效指標Y對銀行業上市公司的股票價格解釋能力非常顯著。圖4-35

銀行業上市公司財務指標的方差分析結果44圖4-36銀行業上市公司財務指標線性回歸模型的回歸系數及相應的一些統計量圖4-36展示了線性回歸模型的回歸系數及相應的一些統計量。從該圖可以得到線性回歸模型中的綜合績效指標的系數為0.542，回歸系數t檢驗的t值為7.211，在顯著性水平1%下認為解釋變量的影響是顯著的，這與圖4-35所示方差分析的結果十分一致，即我國銀行業上市公司股票價格受其綜合績效指標的影響。454．研究結論根據以上分析，我們可以比較有把握地得出以下結論。（1）通過銀行業上市公司股票價格及財務指標的描述性分析發現，一般而言，我國銀行業上市公司之間的股票價格差距比較大。另外，就凈資產收益率來看，我國銀行業上市公司凈資產收益率的均值約為10.44%，表明我國銀行業上市公司經營狀況良好。（2）通過銀行業上市公司的各項財務指標，運用因子分析方法和回歸方法，構建了對我國上市公司股票價格和其財務信息相關性的指標體系，并進行了深入的研究，數據分析的結果證明我國銀行業上市公司的股票價格和其財務信息呈現正相關。但是，鑒于僅用2022年的橫截面財務數據對上述模型進行了檢驗，所選用的樣本比較有限，其研究結果具有一定的局限性，如果搜集多年的數據可以比較不同年份各類指標對股票價格的影響程度，從而做出趨勢分析。4.2EViews在金融統計分析中的應用

4.2.1EViews簡介46EViews（EconometricViews）是一種與計量經濟學相關的軟件，它在金融統計分析中有著廣泛的應用。EViews在金融統計分析中的幾個常見應用有時間序列（TimeSeries）分析、單位根檢驗、面板數據分析、經濟計量模型構建、異方差檢驗和修正、統計檢驗和顯著性分析等。此外，EViews還提供數據處理、圖表繪制、模型診斷和可視化等功能，成為金融統計分析和經濟計量模型構建的常用工具。EViews直譯為計量經濟學觀察，或計量經濟學軟件包，本意是對社會經濟關系與經濟活動的數量規律，采用計量經濟學方法與技術進行“觀察”。4.2EViews在金融統計分析中的應用

4.2.1EViews簡介47EViews是QMS（QuantitativeMicroSoftware）公司研制的在Windows下專門用于數據分析、回歸分析和預測的計算機軟件，是優秀的計量經濟工具軟件之一，具有操作簡便、界面友好、功能強大等特點。使用EViews可以迅速地從數據中導出統計關系以及對經濟變量進行預測。EViews主要應用于經濟領域的回歸分析與預測（RegressionAnalysisandForecasting）、時間序列以及橫截面數據（Cross-SectionalData）分析，但EViews的應用領域并不局限于此。與其他統計軟件（如Excel、SAS、SPSS等）相比，EViews處理的主要對象是時間序列，其功能優勢是回歸分析與預測。對于時間序列，每一個序列有一個名稱，只要提出序列的名稱就可以對序列中所有的數據進行操作。EViews允許用戶從鍵盤或磁盤文件中輸入數據，并根據已有的序列或新生成的序列，對序列之間的關系進行統計分析。EViews具有操作簡便且可視化的操作風格，體現在從鍵盤輸入數據序列、根據已有序列生成新序列、顯示和輸出序列以及對序列之間存在的關系進行統計分析等方面。48EViews支持基于時間序列的數據分析和建模，可以處理金融、商業和工程等領域的數據，為用戶提供廣泛的統計分析和數據可視化功能，如描述性統計、回歸分析、時間序列分析、面板數據分析等。EViews的主要特點和功能如下。主要特點和功能49模型建立4EViews支持多種模型建立方法，包括線性回歸、非線性回歸、時間序列等，可以幫助用戶構建適合自己的數據的模型，并進行預測和分析。數據可視化3EViews提供多種數據可視化形式，如散點圖、柱形圖、熱力圖等，可以幫助用戶更直觀地理解數據分析結果。統計分析2EViews提供多種統計分析方法，包括描述性統計、假設檢驗、時間序列分析、面板數據分析等，可以幫助用戶對數據進行深入分析和理解。1易于使用EViews提供友好的用戶界面和易于使用的命令語言，可以方便地導入數據、執行分析和生成報告。編程5EViews支持面向對象的編程語言，用戶可以使用EViews的編程語言自定義分析方法，也可以使用外部編程語言（如C++）來擴展EViews的功能。502．EViews窗口介紹運行EViews，屏幕上會出現EViews窗口，如圖4-37所示。按照從上到下的順序，EViews窗口由5部分組成：標題欄、菜單欄、命令窗口、工作區域、狀態欄。提示：本節基于EViews12進行介紹，如果沒有特別說明，文中EViews均指EViews12，以下不再說明。圖4-37

EViews窗口51（1）標題欄標題欄位于EViews窗口的頂部，標記有EViews字樣。當EViews窗口處于激活狀態時，標題欄顏色為藍色。單擊EViews窗口的任意區域將使其處于激活狀態。（2）菜單欄菜單欄包括10個選項卡：【File】、【Edit】、【Object】、【View】、【Proc】、【Quick】、【Options】、【Add-ins】、【Window】、【Help】。單擊選項卡標簽可打開菜單，選擇菜單中的命令，就可以進行相應操作。（3）命令窗口命令窗口位于菜單欄下方。在命令窗口中可以通過鍵盤輸入相應的EViews命令，按Enter鍵即可執行。命令窗口支持Windows下的復制和粘貼功能，可在命令窗口和其他Windows窗口間進行相應的文本轉換。選擇【File】→【SaveAs】命令，可將命令窗口中的內容直接保存到文本文件中備用。（4）工作區域EViews窗口的中間區域稱為工作區域。工作區域用于顯示各種命令的執行結果。當存在多個子窗口時，這些子窗口會相互重疊，當前活動窗口位于最上方。如果需要激活其他子窗口，只需要單擊子窗口的標題欄或者任何可見部分即可。（5）狀態欄EViews窗口底部是狀態欄。狀態欄用于顯示當前EViews的工作狀態和EViews默認的數據文件保存路徑等。狀態欄分為4個部分：最左側顯示當前EViews的工作狀態；Path欄用于顯示EViews默認的數據文件保存路徑；DB欄用于顯示當前數據庫的名稱；WF欄用于顯示當前活動工作文件名稱。523．工作文件在使用EViews時，首先需要建立一個新的工作文件（Workfile）。只有建立了新工作文件，才能進行數據處理和存取對象等操作。以EViews12為例，單擊【File】→【New】→【Workfile】，生成一個新的工作文件，也可以使用組合鍵【Ctrl+N快速生成】。EViews會打開圖4-38所示的對話框，根據選項設定。圖4-38

新建工作文件對話框53對話框中的【Workfilestructuretype】用于設置工作文件的數據結構類型，可供選擇的類型有【Unstructured

/

Undated】（橫截面數據）、【Dated-regularfrequency】（時間序列數據）、BalancedPanel（面板數據）。另外，在【Datespecification】（日期設定）下的【Frequency】（頻率）下拉列表中，根據數據樣本的情況，選擇數據輸出格式，包括Annual（年度）、Semi-annual（半年度）、Quarterly（季度）、Weekly（周度）等。如果選擇【Dated-regularfrequency】或【BalancedPanel】，則需要設置【Startdate】（起始日期）和【Enddate】（截止日期）；如果選擇【Unstructured/Undated】，則需要在對應的位置中輸入觀測值的個數。對話框中的【Workfilenames(optional)】下的文本框用來給所建立的工作文件命名，當該文本框空白時，建立工作文件后，工作文件窗口標題欄顯示Untitled，表示未對新建的工作文件命名。54以面板數據文件為例，創建一個涵蓋2010—2020年數據的工作文件，選擇【BalancedPanel】，在“Dataspecification”中選擇“年度數據【Annual】”，在【Startdate】和【Enddate】中分別輸入“2010”“2020”，則會出現圖4-39所示的工作文件。工作文件窗口是EViews的子窗口，它由標題欄、工具欄和信息欄組成。對于新建的工作文件，EViews自動生成兩個對象：c和resid。其中，c表示系數向量（CoefficientVector），resid表示變量殘差（Residual）。點擊工具欄中的【View】，然后點擊【Save】，或選擇【File】→【SaveAs】命令，軟件將保存輸入的數據。保存工作文件時，保存類型為“*.wfl”；保存程序文件時，保存類型為“*.prg”。554．數據錄入（1）直接輸入創建工作文件后，需要將數據輸入EViews。當輸入一個或多個序列數據時，可選擇【Quick】→【EmptyGroup】，將打開圖4-40所示的數據組窗口。這個窗口也被稱為數據錄入窗口，接著在單元格內輸入數據，按Enter鍵，完成數據輸入操作（或者先將數據輸入Excel，然后復制到EViews中）。當第一次輸入數據時，EViews將第一個序列自動命名為“SER01”，如圖4-41所示，依次類推。

圖4-40

數據組窗口

圖4-41

數據錄入56在數據表中輸入任意多列數據，輸入的數據將立即成為當前工作文件的一部分，在輸入完數據后可以關閉該數據組窗口。如果希望保存并命名該數據組對象，單擊【Name】，將出現圖4-42所示的對話框。（需要注意的是，EViews不區分變量的大小寫，不能用同一個字母的大寫和小寫代表兩個變量。）輸入完數據后，即使在數據組窗口中刪除序列“SER01”，其中的序列“SER01”對象也已經自動保存在工作文件中。圖4-42

變量命名57（2）外部數據文件導入EViews允許從外部數據文件中直接導入3種格式的數據：ASCII、Lotus和Excel工作表。下面以導入Excel工作表為例，講解外部數據文件的導入過程。例4.2

圖4-43所示的是2010—2020年國內生產總值（GrossDomesticProduct，GDP）和廣義貨幣供應量（BroadMoney

Supply，M2）數據的Excel工作表，單位為億元。圖4-43

Excel工作表數據58將此Excel工作表數據導入EViews工作文件的操作如下。新建一個時間序列類型的工作文件，設置時間范圍為2010—2020年。在新建的工作文件中，選擇【Proc】→【Import】→【Importfromfile】命令或者【File】→【Import】→【Importfromfile】命令，找到要導入的Excel工作表并雙擊，此時EViews會彈出圖4-44所示的【ExcelRead】對話框，根據需要按步驟進行設定。圖4-44

【Excel

Read】對話框

59數據導入完成后如圖4-45所示，第一個輸入的序列名對應Excel工作表中第一行的變量名稱，如果使用新的序列名，則可以單擊【Name】，對數據組進行命名并保存。圖4-45

導入數據后的數據組對象窗口604.2.2應用案例1．案例背景與目的全社會固定資產投資是指以貨幣形式表現的在一定時期內全社會建設和購置固定資產的工作量以及與此有關的費用的總稱，它不僅反映了固定資產投資的規模、結構以及發展速度，也是觀察工程進度和考核投資效果的重要來源。通過對固定資產的建設及購置，國民經濟各行業引進了先進的技術裝備，在一定程度上調整了經濟結構，是提高經濟產出的重要手段。在現代經濟周期理論中，固定資產投資周期是影響宏觀經濟周期波動的一個直接的、物質性的主導因素，固定資產投資也成為經濟周期波動的物質基礎。本案例基于我國固定資產投資對于經濟增長的影響，利用相關性分析和回歸分析定量研究兩者的關系，分析我國固定資產投資對經濟的拉動作用，并給出如何通過調節固定資產投資來發展經濟的政策建議。2．研究方法采用的數據分析方法主要如下。（1）相關性分析。相關性分析是指對兩個及以上具備相關性的變量元素進行分析，從而衡量兩個及以上變量元素的相關密切程度。（2）回歸分析。回歸分析是研究一個因變量與一個或多個自變量之間的線性或非線性關系的一種統計分析方法。613．研究過程（1）數據搜集及EViews工作文件的建立本案例選取了2000—2022年我國固定資產投資額（InvestmentInFixedAssets，IIFA）和GDP的數據，如表4-3所示。表4-3 IIFA和GDP的年份數據年份GDP/億元IIFA/億元

年份GDP/億元IIFA/億元2000101308.632917.72012547510.6241745.52001112157.337213.52013603660.4282485.52002123311.943499.92014655782.9320330.92003139377.353841.152015702511.5347827.4200416422866234.972016761193372020.72005189907.580993.582017847382.9394926.22006222578.497583.072018936010.1418215.22007274179.7118323.1720191005872.4439541.22008324317.8144586.7620201034867.6451154.82009354521.6181760.3520211173823473002.52010419253.3218833.6120221234029.4495966.42011495707.6205036.4

62根據搜集的數據，建立EViews工作文件后進行下一步的分析和研究，可通過

Excel表格直接導入建立EViews工作文件。如圖4-46所示，工作文件窗口中有4個變量，其中iifa表示固定資產投資額序列，gdp表示GDP序列。63（2）相關性分析對經濟變量進行分析之前，首先需要分析IIFA和GDP之間的相關性，可以通過計算兩者的相關系數以及繪制兩者之間的散點圖進行分析。操作步驟如下。①

按住【Ctrl】鍵選中IIFA和GDP兩個序列，然后右擊，在彈出的快捷菜單中選擇【Open】→【Group】命令，將這兩個序列在數據組窗口中打開，如圖4-47所示。

圖4-46

工作文件窗口

圖4-47

IIFA和GDP數據組數據64②

單擊數據組窗口工具欄中的【View】→【CovarianceAnalysis】命令，打開圖4-48所示的對話框。勾選【Correlation】復選框，單擊【OK】按鈕，得到圖4-49所示的序列組的相關分析結果。圖4-49展示的相關系數矩陣表明，IIFA和GDP之間的相關系數為0.990059，幾乎接近1，兩者屬于正向高度相關關系。圖4-48

【CovarianceAnalysis】對話框

圖4-49

相關系數矩陣65③

單擊數據組窗口工具欄中的【View】→【Graph】命令，在彈出的對話框中保持默認設置。兩個序列的時序圖如圖4-50所示。通過圖4-50可以發現兩個序列都呈指數形式增長，并且增長的趨勢基本一致，可以看出，IIFA與GDP呈正相關關系。為了能夠利用線性模型擬合，需對兩個序列進行對數化處理，一方面可以消除這種指數增長的趨勢，方便利用線性模型擬合；另一方面可以減輕線性模型擬合殘差的異方差問題。

圖4-50

IIFA和GDP的時序圖66④

為了生成IIFA和GDP兩個序列的對數序列，在工作文件窗口工具欄中單擊【Genr】，打開圖4-51所示的【GenerateSeriesbyEquation】對話框。在【Enterequation】文本框中輸入“lng=log(gdp)”，單擊【OK】按鈕，就可以在工作文件中生成GDP的對數序列lng；用同樣的方法生成IIFA的對數序列lni。按上述方法將lng和lni的時序圖繪制出來，如圖4-52所示。可以發現lng和lni的時序圖明顯呈現出線性趨勢，此時可以建立線性模型。圖4-51

【GenerateSeriesbyEquation】對話框

圖4-52

lng和lni的時序圖67（3）回歸分析本案例運用經典線性回歸模型來分析我國固定資產投資對經濟的拉動作用。根據計量經濟學模型的基本假設，建立兩個變量之間的模型如下：具體操作步驟如下。①

在EViews窗口的菜單欄中依次選擇【Quick】→【EstimateEquation】命令，打開【EquationEstimation】對話框。在【Equationspecification】文本框中輸入“lngclni”。②

在【Estimationsettings】的【Method】下拉列表中選擇【LS-LeastSquares(NLSandARMA)】選項。③

在【Sample】文本框中輸入“20002022”，如圖4-53所示，然后單擊【確定】按鈕就可以得到回歸分析結果。68回歸分析結果如圖4-54所示。該結果表明，自變量IIFA的系數約為0.905，說明IIFA每增加1%，GDP大約增加0.905%。IIFA系數的顯著性檢驗顯示，t=39.88831，概率P=0.000，在1%的顯著性水平下，認為IIFA對GDP的影響是顯著的。R2≈0.987，說明模型對于數據的擬合優度很高，GDP的變動當中約有98.7%的部分可以由IIFA的變動得到解釋。圖4-53

【EquationEstimation】對話框

圖4-54

回歸分析結果694．研究結論本案例選取我國2000—2022年GDP和IIFA進行分析，運用EViews進行相關性分析和回歸分析可以得出，IIFA與GDP有很強的正向相關性，增加固定資產投資可以有效促進經濟增長。因此，政府部門應該重視IIFA在經濟增長中的重要作用，對IIFA規模及結構做好管理和監控，同時思考如何利用IIFA提高產出，增加利潤。704.3Stata在金融統計分析中的應用

Stata是一個全面而綜合的統計分析軟件，其計量統計功能非常強大，是計量經濟、財務金融等領域的統計利器之一。本節將為讀者介紹Stata的基本情況、數據文件的管理以及Stata在金融統計分析中的相關應用案例等。Stata是一種流行的統計分析軟件，廣泛應用于金融統計分析領域。Stata在金融統計分析中的幾個常見應用有金融時間序列分析、回歸分析、面板數據分析、金融計量經濟學分析、金融風險管理、統計推斷和假設檢驗等。此外，Stata還具有數據處理、數據可視化、面向對象編程和模型診斷等功能。它被廣泛應用于金融研究、投資管理和學術研究等領域，是金融統計分析的重要工具。4.3.1Stata簡介714.3Stata在金融統計分析中的應用

一、Stata概述Stata由美國計算機資源中心（ComputerResourceCenter）研制，是一套完備、整合式的統計分析軟件，提供研究人員所需的強大的數據分析、數據管理和繪圖功能。它同時具有數據管理軟件、統計分析軟件、繪圖軟件、矩陣計算軟件和程序語言的特點，運行速度快且功能強大。Stata不僅包括一整套預先編排好的數據分析功能，還允許用戶根據自己的需要來創建程序，從而添加更多的功能。Stata可以滿足用戶關于數據操作、可視化、統計和自動報告的需求，被企業和學術機構廣泛應用，特別是經濟學、社會學、政治學及流行病學領域。與其他軟件相比，Stata具有以下優勢。4.3.1Stata簡介優勢72Stata的操作可以通過多種方式來實現，既可以通過輸入命令來完成，也可以通過菜單命令來完成。輸入命令的優點在于簡潔明快、邏輯清晰、靈活方便；菜單操作界面類似于Windows和Office操作界面，并且有多種語言可供選擇，用戶可以根據自己熟悉的語言進行設置。此外，作為一個統計分析軟件，Stata具有很強的編程語言功能。Stata的ADO（ActiveXDataObject，ActiveX數據對象）文件（高級統計部分）都是用Stata自己的編程語言編寫的，用戶完全可以根據研究需要在Stata中進行編程，并將相關程序固化，方便以后運行時調用。Stata在分析時將數據全部讀入內存，在統計、分析或計算全部完成后才和磁盤交換數據，因此，運行速度很快。（1）支持多種操作風格，運行速度快與其他統計分析軟件相比，Stata可以開放地、實時更新地吸納研究者、用戶的最新研究成果，許多高級統計分析模塊均是編程人員用宏語言寫成的程序文件（ADO文件），這些文件可以修改、添加和下載。用戶可以在Stata網站尋找并下載新的升級文件，實時更新功能，也可以就相關問題向世界各地的用戶求助。此外，Stata可以非常便利地與Python編程進行交互，Stata和Python之間還可以無縫傳遞數據和運行結果。（2）開放的、實時更新的軟件系統優勢73Stata提供從簡單的統計描述到復雜的多因素統計分析方法，如數據的探索性分析、統計描述、交叉表分析、二維相關分析、秩相關分析、偏相關分析、方差分析、非參數檢驗分析、多元回歸分析、協方差分析、判別分析、因子分析、聚類分析、非線性回歸分析、Logistic回歸分析等，可以實現多種計量模型的應用，如單方程模型、聯立方程模型、離散被解釋變量模型、受限因變量模型、時間序列分析模型、面板數據模型、分位數回歸模型等的應用。除了傳統的統計分析方法外，Stata還收集了近20年發展起來的新方法，如Cox比例風險回歸、指數與Weibull回歸、負二項回歸及廣義負二項回歸等。Stata的功能非常強大，可為大型統計項目提供完善的解決方案。（3）強大的數據分析功能用戶可以根據研究需要通過菜單命令或直接輸入命令的方式創建自定義圖形，包括直方圖、散點圖、曲線標繪圖、連線標繪圖、箱圖、餅圖、條形圖、點圖等，也可以編寫程序生成數百或數千個圖表。用戶可以將圖形導出為EPS格式或TIFF以供發布，也可以導出為PNG格式或SVG格式以供Web使用，還可以導出為PDF格式以供查看。除了專門的圖形繪制模塊外，在有些非繪圖命令中，Stata也提供專門用于某種圖形的功能，如在回歸分析中提供殘差圖等。用戶可以根據研究需要通過菜單命令或直接輸入命令的方式創建自定義圖形，包括直方圖、散點圖、曲線標繪圖、連線標繪圖、箱圖、餅圖、條形圖、點圖等，也可以編寫程序生成數百或數千個圖表。用戶可以將圖形導出為EPS格式或TIFF以供發布，也可以導出為PNG格式或SVG格式以供Web使用，還可以導出為PDF格式以供查看。除了專門的圖形繪制模塊外，在有些非繪圖命令中，Stata也提供專門用于某種圖形的功能，如在回歸分析中提供殘差圖等。（4）強大的圖形制作功能74圖4-55Stata的主界面2．Stata窗口介紹在正確安裝Stata17.0后，雙擊Stata主程序的圖標，即可打開Stata，Stata的主界面如圖4-55所示。提示：本節基于Stata17.0介紹，如果沒有特別說明，文中Stata均指Stata17.0，以下不再說明。75與大部分程序窗口類似，Stata也有自己的菜單欄、工具欄，其特色在于主界面中的5個區域：歷史窗口、變量窗口、命令窗口、結果窗口、屬性窗口。（1）歷史窗口：此窗口用于記錄在啟動Stata后所執行過的所有命令。歷史窗口中顯示的命令可以非常方便地被用戶調用，如果想要重復使用命令，只要在該命令上雙擊即可執行相同的命令；如果想要使用類似的命令，單擊該命令，該命令即會出現在命令窗口中，再進行修改即可。此外，Stata還可以將執行過的命令存儲下來，存在一個do-file（*.ado）內，這樣下次就可再執行相同的命令。（2）變量窗口：此窗口用于呈現當前Stata數據文件中的所有變量。當數據中的所有變量都有其名稱時，所有的變量名稱就會出現在此窗口中。只要數據讀進Stata中，變量名稱就會出現。單擊某個變量名稱時，該變量會出現在命令窗口中。（3）命令窗口：此窗口用于輸入準備執行的命令。（4）結果窗口：此窗口顯示每次執行Stata命令后的執行結果，執行失敗時Stata將會給出紅色信息。（5）屬性窗口：此窗口顯示當前數據文件中指定的變量以及數據的屬性。763．數據錄入（1）直接輸入①

打開Stata主程序，選擇【數據】→【數據編輯器】→【數據編輯器(編輯)】命令；或者直接在命令窗口中執行“edit”命令，彈出圖4-56所示的對話框。

圖4-56

【數據編輯器(編輯)】對話框77②

在【數據編輯器(編輯)】對話框左上角的單元格中可以輸入數據，比如輸入“100”，系統會自動創建“var1”變量，如圖4-57所示。圖4-57創建“var1”變量78③

單擊右下方屬性窗口中變量的相關屬性，變量的屬性（包括名稱、標簽、類型等）進入可編輯狀態。可以對變量名稱進行修改，比如把變量的名稱“var1”修改為“序號”，如圖4-58所示，修改完成后單擊左側數據輸入區域的空白處，再單擊【保存】按鈕，即可對編輯的變量和數據進行保存。

圖4-58

編輯變量屬性79（2）導入Excel文件數據在統計分析過程中，Stata需要自行創建數據集的情形較少，更多的是讀取已經存在的數據。由于Excel文件相對較常用，接下來我們介紹用Stata讀取Excel文件數據。假設有圖4-59所示的數據位于Excel文件中，現將其導入Stata。可以將數據復制到【數據編輯器(編輯)】中，也可以直接讀取Excel文件數據。①在圖4-60所示的Stata支持的文件類型中選擇【Excel電子表格(*.xls;*.xlsx)】，即可彈出【importexcel-導入Excel文件】對話框，如圖4-61所示。80圖4-60

Stata支持的文件類型圖4-61

【importexcel-導入Excel文件】對話框81②

【將第一行作為變量名稱】復選框用于設定是否將第一行作為變量名稱。本例中由于第一行的確是變量名稱，因此需要勾選【將第一行作為變量名】復選框。③

【將所有數據導入為字符串類型】復選框用于設定是否將所有數據導入為字符串類型，本例中的數據包含數值型數據，所以不勾選。④

【變量名大小寫】下拉列表用于設置保留原Excel文件中變量名稱的大小寫、全部統一為大寫或者全部統一為小寫，用戶根據自己的研究需要靈活設置即可，本例中采用系統默認設置的【保留】選項。⑤

最后單擊【確定】按鈕，即可得到圖4-62所示的數據導入結果。圖4-62

Excel文件數據導入結果824.3.2應用案例1．案例背景與目的股票市場自誕生以來，一直受到投資者的廣泛關注，且其作為經濟的晴雨表，反映了我國經濟的發展狀況。貨幣政策是貨幣當局調控宏觀經濟的重要手段，其變化可以通過貨幣供應量、貨幣利率和公開市場業務等傳導到股票市場，對股票市場有著非常重要的影響。同時，股票市場的波動會對貨幣政策的實施效果等產生一定的影響。因此，本案例基于貨幣供應量研究貨幣政策與股票價格之間的關系。2．研究方法采用的數據分析方法主要如下。（1）時序圖分析：時序圖可用于直觀展示隨時間變化的某變量的數據變化情況，其通常用于某項分析前的直觀判斷，比如運用VAR模型之前查看研究變量的穩定性。（2）描述性統計分析：描述性統計分析包括對數據的集中趨勢、離散程度以及分布情況進行統計分析。通過統計分析，分析者能夠了解數據的基本統計特征、把握數據的總體分布情況。（3）VAR（