第九章变量定义和管理
9.1概述
数据库是KingSCADA最核心的部分。在KingSCADA运行时，工业现场的生产状况要以动画的形式反映在屏幕上，同时应用人员在计算机前发布的指令也要迅速送达生产现场，所有这一切都是以实时数据库为中介环节，数据库是联系上位机和下位机的桥梁。
9.2变量类型
KingSCADA系统中定义的变量与一般程序设计语言（如BASIC、PASCAL、C语言）中定义的变量有很大的不同，既能满足程序设计的一般需要，又考虑到工控软件的特殊需要。KingSCADA目前支持的变量类型如下：
系统变量：基本的变量点，每个变量点是一个单独的变量对象，不能修改。
基本变量：基本的变量点，每个变量点是一个单独的变量对象。
结构变量：以结构的形式存在，是多个基本变量点的集合。
引用变量：以一组变量，替代多组数据类型相同的变量。
9.2.1系统变量
系统变量是系统已经内置好的变量，这些变量无须定义，用户可以直接使用，此类型的变量包括如下几种：$Year：16位无符号整型，返回系统当前日期的年份。
$Month：16位无符号整型，返回1到12之间的整型，表示当前日期的月份。
$Day：16位无符号整型，返回1到31之间的整型，表示当前日期的日。
$Hour：16位无符号整型，返回0到23之间的整型，表示当前时间的时。
$Minnute：16位无符号整型，返回0到59之间的整型，表示当前时间的分。
$Second：16位无符号整型，返回0到59之间的整型，表示当前时间的秒。
$MillSecond：16位无符号整型，返回0到999之间的整型，表示当前时间的毫秒。
$Date：返回系统当前日期字符串，最长32个字符。
$Time：返回系统当前时间字符串，最长32个字符。
$User：在程序运行时记录当前登录的用户的名字，最长32个字符。
$DayofWeek：返回0-6之间的整数，表示当天是星期几，0表示星期天
$StartHistoryRecord：布尔型，表示历史记录是否启动，1：启动，0：未启动，应用人员在开发应用时，可通过脚本预先设置该变量为1，在应用运行时刻也可以进行控制。
$StartAERecord：布尔型，表示报警记录是否启动，1：启动，0：未启动，应用人员在开发应用时，可通过脚本预先设置该变量为1，在应用运行时刻也可以进行控制。
$NewAlarm：布尔型，每当报警发生时，系统将该变量自动设置为1，由应用人员负责把该值恢复到0。
$RedundantStatus：16位有符号整型，表示当前应用处于哪种冗余状态：
变量=0表示非冗余状态
变量=1表示冗余主机激活状态
变量=2表示冗余主机非激活状态
变量=-2表示冗余从机激活状态
变量=-1表示冗余从机非激活状态（监视状态）
应用运行时可由应用人员手动修改数值来切换冗余状态。
9.2.2基本变量
基本变量数据类型包括：
I/O变量：布尔型、实数型、整数型、字符串类型
内存变量：布尔型、实数型、整数型、字符串类型
这八种基本类型的变量是通过变量属性对话框定义的，同时在变量属性对话框的属性卡片中设置它们的部分属性。
基本变量数据类型表如下：
9.2.2.1新建基本变量
在KingSCADA的工程设计器的树形目录下选择“建点”→“数据词典”选项，右侧的内容显示区会显示当前应用中所定义的变量和系统变量。单击“新建”按钮，弹出“变量属性”对话框，如图9- 1所示：
图9- 2 新建基本变量对话框
此对话框中默认有三个属性卡：基本属性卡、历史属性卡和报警属性卡。若在数据类型下拉框中选择了IO 变量。将会增加一个IO属性卡。
9.2.2.2基本属性定义
基本属性卡中的各项用来设置变量的基本特征，如图9-1所示，各项含义如下：
变量名：设置变量的名称，变量名里可以包含英文字母、数字、中文字符等。
变量名称规范要求：
1、同一应用中的变量不能重名
2、变量名区分大小写
3、变量名最长不能超过64个字符
4、第一个字符不能是数字
5、不能包含空格字符和如下28个无效字符：,:;+-*/%&!~|^<>={}[]().`’ ”\?
6、不能包含如下26个片假名字符：
ゴガギグゲザジズヅデドポベプビパヴボペブピバヂダゾゼ
例如：温度、压力、液位、var1等均可以作为变量名。
变量类型：分为基本类型、结构类型和引用类型三种，可任选其中的一种，这里选择基本类型。当应用中没有结构模板时，结构选项不可用。
数据类型：设置变量的数据类型，在下拉框中选择其中的一种。
描述：设置变量的描述信息，限制128个字符。
死区：数据类型为整型或实型时此项有效，只有当该数据变量值的变化幅度超过死区中设置的数值时，KingSCADA才更新与之相连接的画面显示，缺省为0。
初始值：此项内容与所定义的变量类型有关，定义模拟量时出现编辑框可输入一个数值，定义离散量时出现开或关两种选择。定义字符串变量时出现编辑框可输入字符串，它们规定软件开始运行时变量的初始值?。
最小值/最大值：设置整型或实型变量的量程范围。
工程单位：设置整型或实型变量的工程单位，限制8个字符。
保存值：该项被选中后，那么运行态下，保存值是当运行系统退出时会将退出时刻的值保存到变量定义的初始值中，作为下次运行时的初始值。
保存参数：该项被选中后，系统运行时，如果变量的域（可读可写型）值发生了变化，KingSCADA运行系统退出时，系统自动保存修改的域值。运行系统再次启动后，变量的初始域值为上次系统运行退出时保存的值，否则，系统不会保存退出前修改的域值。
允许其他应用访问：该项被选中后，变量可以被第三方程序访问，如DDE、OPC、API，否则该变量不能
够被第三方程序访问。
记录事件：该项被选中后，那么运行态下，用值输入动画、鼠标事件、图素、控件的事件脚本里导致该变量值域或其它域的值发生变化，都会生成操作事件，操作事件会在事件窗口中显示，也可以保存到报警事件库里，使用户能够了解到该变量的操作变化情况。详细介绍请参见第12章报警与事件系统。
安全区：设置变量所属的安全区，只有拥有这个安全区的用户才能操作该变量，详细介绍请参见第6章用户安全管理系统。
9.2.2.3历史属性定义
历史记录属性卡中的各项是用来设置变量的保存方式，具体介绍请参见第23章KingSCADA历史记录。
9.2.2.4报警属性定义
报警属性卡中的各项是用来设置变量的报警属性，具体介绍请参见第12章报警与事件系统。
9.2.2.5IO属性定义
新建IO变量时需要具备以下几个条件，换一种说法就是要经过下面的步骤才能在服务端应用中创建IO类型的变量。
步骤一：建IOServer应用。具体使用方法详见第8章。
步骤二：在IOServer应用中建设备。具体使用方法详见第8章。
步骤三：在IOServer应用中建变量。具体使用方法详见第8章。
步骤四：在IOServer应用中进行网络配置。具体使用方法详见第19章19.2.3节内容。
步骤五：在服务端应用进行网络配置，连接IOServer应用。
在其它服务器－IOServer服务器中，添加IOServer站点。具体使用方法详见第19章19.2.1节内容。
IO属性选项卡中的各项用来设置IO变量的基本特征，如图9-2所示：
图9- 3 IO属性选项卡
各项含义如下：
访问名称：由“IO站点名称.IO变量名称.变量域”组成的。用户可以直接输入，也可以单击后面的按钮选择关联的IOServer站点、IO变量名和变量的域名，不可以为空，站点名称+IO变量名称+域名的长度不能超过128个字符（超过的话，输入的将不会显示）。这里只做长度限制和是否存在的校验，其它的校验工作在IOServer中完成。
单击“访问名称”后面的按钮，弹出“IO变量选择器”对话框。如下图9-3所示：
图9-3 IO变量选择器
“IO变量选择器”对话框的左侧树型目录列举了所有已添加的IOServer服务器站点。当选择左侧的某个站点或站点下的变量组时，右面的变量列表会显示该站点或变量组的所有变量，变量域下拉列表框中列出选中变量的所有变量域。
使用IO站点的变量描述：选择该复选框，则会将选择的IO变量的描述作为新建变量的描述。单击“确定”按钮将会把选择的IO变量的描述填充到“变量属性”对话框的“描述”文本框中，如果“描述”文本框中已有内容，则会进行覆盖，填充后的“描述”文本仍然允许用户编辑。该复选框默认为选中状态。
变量列表中列出变量名称、类型、描述、设备、寄存器。选择某个变量和该变量的变量域（默认为Value 域）后，单击“确定”按钮，站点名称、IO变量名称和变量域会按照“访问名称”的组成规则自动填充到“访问名称”文本框中。
当更改站点或IO变量的名称时，访问名称并不会自动更新，再次编辑或者查看IO配置页面时，才会对该域做校验。当IOServer服务器站点不存在时，弹出如下图9-4所示的对话框。
图9-4
当IOServer服务器站点中的变量名不存在时，弹出如下图9-5所示的对话框。
图9-5
当IOServer服务器站点中的变量域不存在时，弹出如下图9-6所示的对话框。
图9-6
设置好变量的属性和访问名称后，单击“确定”按钮会校验“访问名称”中的变量域的类型和变量的数据类型是否一致，不一致的话弹出提示框：变量数据类型不一致！。
采集设置：分为允许、强制读、强制写三个复选项：
允许：控制变量采集与否，此项被选中表示KingSCADA运行时采集该变量的值，否则不采集变量的值。用户也可以在运行环境中通过IOEnable域动态更改该属性值。
强制读：此项为复选项，当该项被选中时，每次采集（数据上报），不管数据是否发生变化，都要强制记录、报警和进行其它处理。用户也可以在KingSCADA运行环境中通过IORead域动态更改该属性值。
强制写：此项为复选项，当此项被选中时，在KingSCADA画面中只要用户重新设置、输入了变量值，不管是否发生了变化，KingSCADA都完成一次写操作，将数据写到设备上。用户也可以在运行环境中通过IOWrite 域动态更改该属性值。
定义完变量的属性后，单击“确定”按钮，新建的变量会增加到数据词典中。
9.2.2.6IO变量数据转换
1、IO整型和IO实型
IO整型和IO实型的变量，在其IO标签页中，KingSCADA提供了线性、开方、查表（非线性表）、累计4种转换方式，其中线性、开方、查表（非线性表）的数据转换方式，请参考第8章的内容。这里我们简单介绍一下“累计”方式的数据转换方式。
在变量属性中的IO标签页，单击数据转换设置的“其他配置”按钮，弹出如下对话框。
图9-7数据转换的累计功能定义对话框
累计是在工程中经常用到的一种工作方式，经常用在流量、电量等计算方面。KingSCADA的变量可以定义为自动进行数据的累计。KingSCADA提供两种累计算法：直接累计和差值累计。选择直接累计或者差值累计后，先对采集到的IO数值进行转换，这里包括线性转换和开方转换，而且线性转换使用的是工程最大最小值。累计计算时间与变量采集频率相同，对于两种累计方式均需定义累计后的值的最大最小值范围，当累计后的变量的数值超过定义的最大值时，变量的数值将恢复为该对话框中定义的最小值。上图显示了累计后的值的最小值和最大值的定义。
直接累计：
从设备采集的数值，经过转换后直接与该变量的原数值相加。计算公式为：
变量值=变量值+采集的数值转换后的值
例如：管道流量S计算，采集频率为1000ms，5秒钟之内采集的数据经过转换后值依次为S1=100、S2=200、S3=100、S4=50、S5=200，那么5秒钟内直接累计流量结果为：
S=S1+S2+S3+S4+S5,即为650。
差值累计：
变量在每次进行累计时，将变量实际采集到的数值做转换并与上次的数值求差值，对其差值进行累计计算。当本次转换后的数值小于上次数值时，即差值为负时，将通过变量定义的画面中的最大值和最小值进行转化。
差值累计计算公式为：
显示值=显示旧值+（采集新值转换后的数值-旧值）(公式一)
当变量新值小于变量旧值时，公式为：
显示值=显示旧值+（采集新值转换后的数值-采集旧值）+（变量最大值-变量最小值）（公式二）
注：当本次采集的工程值小于上次工程值时，采用公式2。
变量最大值是在变量属性定义画面最大最小值中定义的变量最大值。
例如：条件如上例，变量定义画面中定义的变量初始值为0，最大值为300。那么5秒钟之内的差值累计流量计算为：
第1次：S(1)=S(0)+ (100-0)=100
（采用公式一）
第2次：S(2)=S(1)+ (200-100)=200
（采用公式一）
第3次：S(3)=S(2)+ (100-200)+(300-0)=400
（采用公式二）
第4次：S(4)=S(3)+ (50-100)+(300-0)=650
（采用公式二）
第5次：S(5)=S(4)+ (200-50)=800
(采用公式一)
即5秒钟之内的差值累计流量为800。
注：累计计算是按照变量采集频率进行累计的，无论变量是否变化，都要按照采集频率进行累计。
2、IO离散
IO离散变量的数据转换设置提供了：无和反相。无，即是不转换，是指从设备中采集上的离散数据直接在工程中应用；反相，是指从设备中采集上的离散数据经过取反操作后在工程中应用，即采集上来的原始数据为0，转换后的工程值为1，采集上来的原始数据为1，转换后的工程值为0。
图9-8 离散变量IO标签页数据转换设置
9.2.3结构变量
在实际应用中，往往一个被控对象有很多参数，而这样的被控对象很多，而且都具有相同的参数。如一个储料罐，可能有压力、液位、温度、报警上下限等参数，而这样的储料罐可能在同一应用中有很多。如果用户对每一个对象的每一个参数都在KingSCADA中定义一个变量，有可能会造成使用时查找变量不方便，定义变量所耗费的时间很长，而且大多数定义的都是有重复属性的变量。如果将这些参数作为一个对象变量的属性，在使用时直接定义对象变量，就会减少大量的工作，提高效率。为此，KingSCADA引入了结构变量的概念。
为方便用户快速、成批定义变量，KingSCADA支持结构类型的变量，结构变量是指利用定义的结构模板
在KingSCADA中定义变量，该结构模板包含若干个成员，当定义的变量的类型为该结构模板类型时，该模板下所有的成员都成为KingSCADA的基本变量。一个结构模板下最多可以定义128个成员。结构变量中结构模板允许两层嵌套，即在定义了多个结构模板后，在一个结构模板的成员数据类型中可嵌套其它结构模板数据类型。
9.2.3.1新建结构模板
要使用结构变量，首先需要定义结构模板和结构成员及属性，定义过程如下：
在工程设计器的树形目录下选择“建点”→“结构模板”选项，单击右侧显示区中的“新建”按钮，弹出对话框，如下图图9-9所示。
图9- 9新建结构模板对话框
名称：设置结构模板的名称，限制32个字符，如储料罐结构模板。
描述：设置结构模板的描述信息。
单击“确定”按钮，该模板出现在内容显示区中，如图9-10所示：
图9-10结构模板显示区
在图中选中模板图标，单击“编辑”按钮或双击模板图标，弹出对话框，如图9-11所示：
图9- 11结构模板编辑对话框
在图中单击“添加”按钮，弹出添加模板成员对话框，如图9-12所示：
图9- 12添加模板成员对话框
该对话框与新建基本变量对话框相同，用户可以直接定义结构成员的各种属性，如基本属性、IO属性、报警属性、记录属性等。
例如，在储料罐结构模板下定义了4个成员，分别为压力、温度、液位以及阀门状态（这里暂以内存变量为例），如图9-13所示：
图9- 13模板成员列表
结构的成员个数最多为128个。在图中选中任一成员，单击“删除”按钮可将该成员删除，单击“编辑”按钮重新编辑该成员。
注：在图9-10中选中某一结构模板，可“编辑”“删除”或“复制”该模板。
在下列情况下，结构模板或成员不能被编辑：
1、要编辑的结构模板被其他模板成员引用，且引用结构模板的模板定义了结构变量；
2、要编辑的结构模板已定义结构变量，且该结构变量已被使用；
3、要编辑的结构模板成员对应的结构模板被其他结构模板成员引用，而且引用结构模板的结构模板定义了结构变量；
4、要编辑的结构模板成员对应的结构模板已定义了结构变量且结构变量被使用；
5、具有嵌套结构的结构模板成员；
6、当结构模板成员类型为其他结构模板时，结构模板成员的类型不能编辑；
在下列情况下，结构模板或成员不能被删除：
1、要删除的结构模板被其他模板成员引用；
2、要删除的结构模板已定义结构变量；
3、要删除的结构模板成员对应的结构模板被其他结构模板成员引用；
对于成员众多的复杂结构模板，用户可根据现有的变量快速地定义结构模板，方法如下：
在数据词典中选择作为结构模板成员的变量，然后单击鼠标右键，在弹出的右键菜单中选择“新建结构模板”选项，最后在弹出的新建模板属性对话框中输入结构模板名称，即可完成模板的创建，如图9-14所示：
图9- 14快速建立结构模板
图9- 15结构模板成员
数据词典中选择的变量成为结构模板的成员。
9.2.3.2新建结构变量
在工程设计器树形目录下选择“建点”→“数据词典”选项，在右侧内容显示区单击“新建”按钮，弹出“变量属性”对话框，在对话框中的“变量类型”选项中选择“结构”类型，即可对结构变量进行定义，如图9-16所示：
图9- 16新建结构变量对话框
变量名：设置结构变量的名称，如储料罐1。
数据类型：在数据类型下列框中列举出了建立好的所有结构模板，选择该变量对应的模板，如储料罐结构模板。
在“结构浏览”列表中选择某一结构成员后，系统会自动增加4个属性卡：基本属性卡、IO属性卡、历史记录属性卡和报警属性卡，在这里用户可以根据现场的实际情况重新编辑每个成员的属性，属性设置与基本变量一样，在此不再赘述。
设置完毕后，单击“确定”按钮，储料罐1结构变量出现在数据词典中。
一个结构变量代表多个基本变量（结构中有几个成员就代表几个基本变量），如上面建立的储料罐1结构变量代表4个基本变量，系统会自动为每一个变量分配一个ID号。
利用同样方法建立另外一个结构变量：
变量名：储料罐2
数据类型：储料罐结构模板
这样，只建立了两个结构变量，就相当于建了8个基本变量，大大减少了应用开发人员的工作量。
9.2.3.3结构变量的使用
结构变量在KingSCADA应用中的调用格式为：变量名.结构成员名。
举例：
第一步：在画面上添加两个文本图素：
文本图素1设置“模拟量输出”动画链接：\\local\储料罐1.温度
文本图素2设置“模拟量输出”动画链接：\\local\储料罐2.压力
第二步：进入运行环境，在文本图素1中显示储料罐1的温度值，文本图素2中显示储料罐2的压力值。
9.2.3.4嵌套结构模板
对于嵌套结构模板，首先需要如上述创建子模板，然后创建多个子模板的实例，然后再如上述创建嵌套模板。例如：
建立一个TT嵌套结构模板的过程如下：
第一步：建立TT的子模板T1，T1包括Tag1、Tag2、Tag3成员，如图9-17所示：
图9- 17 T1子模板
第二步：建立TT的子模板T2，T2包括Tag4、Tag5、Tag6成员，如图9-18所示：
图9- 18 T2子模板
第三步：在数据词典中建立T1结构模板类型的变量Tag11，和T2结构模板类型的变量Tag22，如图9- 19
所示：
图9- 19 T1和T2结构模板变量
第四步：建立TT结构模板，TT包括Tag11和Tag22成员，如图9- 20所示：
图9- 20 TT结构模板
至此，TT嵌套结构模板建立完毕。
9.2.4引用变量
引用变量是KingSCADA新引入的一种内存变量类型，引用变量类似于指针，只是指向另外一个变量。引用变量也有类型，就是被引用变量的类型，可以是整型、实型（普通变量），也可以是结构变量（结构变量模板名）等。通过引用变量，可以实现使用一组变量替代多组变量的功能，大大减少了工作量，提高了工作效率，也会使整个画面变得整洁、美观。
9.2.4.1新建引用变量
在工程设计器的树形目录下选择“建点”→“数据词典”选项，在右侧内容显示区中单击“新建”按钮，弹出“变量属性”对话框，在对话框中的“变量类型”选项中选择“引用”类型，即可对引用变量进行定义，如图9- 21所示：
图9-21新建引用变量对话框
不论是基本变量还是结构变量都可以定义成引用变量，如果建立了结构模板，在图9-22的数据类型下拉列表中会显示出结构模板的名称，如图9-22矩形框所示：
图9- 22结构模板类型的引用变量
引用变量的定义比较简单，只须设置变量的名称、数据类型及描述信息即可，但要注意数据类型与被引用的变量类型一致。
9.2.4.2引用变量的使用
引用变量建立后，只有建立引用才可实现引用变量的功能。
建立引用：引用变量名=&被引用变量名，如RefVar = &Tag；
解除引用：引用变量名= null，如RefVar = null；
举例：
第一步：在数据词典中建立一个引用变量：
变量名：RefVar
变量类型：引用变量
数据类型：内存整型
第二步：在数据词典中建立三个IO变量：
变量名：Tag1、Tag2、Tag3
变量类型：基本变量
数据类型：IO整型
其他属性根据需要定义。
第三步：在画面上添加一个文本图素和三个按钮：
文本图素设置“模拟值输出”动画链接：\\local\RefVar
三个按钮的鼠标左键弹起脚本程序分别为：
\\local\RefVar=&\\local\Tag1；
\\local\RefVar=&\\local\Tag2；
\\local\RefVar=&\\local\Tag3；
第四步：进入运行环境，单击第一个按钮后文本图素中显示Tag1变量的值；单击第二个按钮后，文本图素中显示Tag2变量的值；单击第三个按钮后显示Tag3变量的值。
注意：结构和模型对象的远程引用要求成员的名称、类型、顺序一致。
9.2.5变量的复制、剪切与粘贴
同一应用内部复制、粘贴变量时，系统会严格复制原变量，并在原变量名的基础上通过添加数字后缀方式，自动给新变量起一个唯一的名字。
在不同应用之间复制变量时，一些与其他应用对象存在关联的变量属性会被复位，例如报警组属性，如果原变量报警组为A，而复制后粘贴到其他应用，则新生成的变量的报警组将自动复位成RootNode。
9.2.6局部变量
局部变量是指在一些功能模块中定义的变量，变量的使用范围只是在该模块中，不能被模块外的地方引用。KingSCADA局部变量包括：
画面的局部变量：指在画面脚本程序中（包括：画面打开时、画面运行时、画面关闭时）定义的局部变量。
模型的局部变量：指在数据模型中定义的变量。
套版程序、变量制作的说明 所谓的套版是固定格式的模版样张。套版打印就是用固定格式的模版样张把所要列示的内容打印出来。套版制作的概念就是如何制作一个套印的模版的版面及定义相关的字段和如何抓取相应的数据。对于制作套版应该从两方面来处理：一、程序的制作。二、利用BBFM 来定义相关的字段及填制模版的版面；以下主要介绍利用BBFM来定义相关的字段及填制模版的版面： 一、利用BBFM来定义相关的字段。 （适用于程序员、服务人员、测试人员、套版编制人员） BBFM.EXE是我们系统专门用于套版版面制作及新增、编辑相关套版变量名称的Sunlike的辅助工具，现系统是直接调用BBFM.EXE，所以我们在Sunlike目录下，已经找不以这个EXE文件。一般而言，在我们程序员在写一支新的套版程序及一个新的套版时，程序员都会提供相应的标准套版变量，及相应的标准套版样张。对于程序员提供的只是数据的来源，一般提供的数据来源为标准的数据字典的字段（DBMAN）、公共库（COMP.DB）,及在某一特定的套版程序中定义的临时表身、表头变量，并不关心当前值的版面布置。对于其他服务人员主要是利用这些程序员提供的字段进行套版版面的编辑及灵活的运用这些标准的套版变量去做二级变量的处理，去把这些变量变型为合计、条件、查表、特殊转换等套版变量、已满足客户所需要的版面的需求；对于客户的工作人员让他们只需要根据我们提供的变量变换版面结构就可以了。最好不让他们去新增。以免造成服务人员的困惑。 变量类型: 表头变量类、表身变量类、查表变量、公司变量类、 合计变量类、条件变量类、特殊转换类、系统参数类 报表变量定义参数解释： 变量名称：变量名称指的是套版中定义的各种类型的变量的名称，此变量名称为唯一的变量，是主关键索引字段。它是在自行定义套版画面时的直接抓取的变量。套版
第十章单变量的描述统计 调查所得的原始资料经过审核、整理与汇总后，还需要进行系统的统计分析，才能揭示出调查资料所包含的众多信息，才能得出调查的结论。根据变量数量的差别统计分析划分为单变量分析、双变量分析和多变量分析。在这一讲中我们先介绍单变量的统计分析。 单变量统计分析可以分为两个大的方面，即描述统计和推论统计。描述统计是用最简单的概括形式反映出大量数据资料所容纳的基本信息。推论统计是用样本调查中所得到的数据资料来推断总体的情况。这一讲我们讲解单变量的描述统计方法。 一、变量的分布(Distributions) 变量的分布分为两类，一类是频数分布，一类是频率分布。频数分布就是变量的每一取值出现的次数；频率分布是用变量每一取值的频数除以总个案数，它是一个相对指标，可以用来比较不同样本。频数分布与频率分布一般以统计表与统计图的形式表达。 1、统计表 （1）统计表就是以表格的形式来表示变量的分布。如下表所示： 表9-1甲校学生的父亲职业 职业 f p 工人农民干部152 288 110 0．276 0．524 0．200 27．6 52．4 20．0 总数550 1．000 100．0 数值中的小数的取舍： 通俗的做法是“四舍五入”。“四舍”没有问题，但无原则的“五入”就会产生一定的误差。例如数值6.25、4.45、3.75、和7.15的总合是21.60。如果对原数的最后一位小数作简单的四舍五入，原数就变成 6.3、4.5、3.8、7.2，其总合是21.8，把原来的总合变大了。近代统计学有一项新原则，就是“前单五入”，即“五”前面是单数就进位，若是双数就舍掉（0也算双数）。
1．变量的定义 从前面的章节可以看出，程序中所有的东西几乎都有名字。然而字面量却是个例外，它没有名字。那么使用变量，我们就可以为某个值取名字了。实际上，我们是为系统内存中用于保存数据的某块空间取名字。 ANSI C规定：变量必须“先定义、后使用”，因此当用C定义变量时，不仅需要指定变量名，而且还必须告诉编译器其存储的数据类型，变量类型告诉编译器应该在内存中为变量名分配多大的存储单元，用来存放相应变量的值（变量值），而变量仅仅是存储单元的别名，供变量使用的最小存储单元是字节（Byte）。 由此可见，每个变量都占据一个特定的位置，每个存储单元的位置都由“地址”唯一确定并引用，就像一条街道上的房子由它们的门牌号码标识一样。即从变量中取值就是通过变量名找到相应的存储地址，然后读取该存储单元中的值，而写一个变量就是将变量的值存放到与之相应的存储地址中去。 由于变量的定义不是可执行代码，因此要求局部变量的定义必须位于用“{}包围的程序块”的开头，即在可执行代码的前面。比如： int lower_limit = 80; //定义lower_limit为整型变量 即在定义lower_limit为int类型数据时，系统就已经为变量lower_limit分配了存储单元。请注意区分变量名和变量值这两个不同的概念，其中，lower_limit为变量名，80为变量lower_limit的值，即存放在变量lower_limit的存储单元中的数据。 那么到底如何获得变量的地址呢？C语言使用“&（地址运算符）加变量名”的方式获取变量的地址，比如，&lower_limit就代表变量lower_limit的地址，详见后续相关章节的描述。 一个定义只能指定一种变量类型，虽然后面所带的变量表可以包含一个或多个该类型的变量： int lower_limit , upper_limit , sum; 但如果将一个定义语句中的多个变量拆开在多个定义语句中定义的话： int lower_limit; // lower_limit为数据下限 int upper_limit;// upper_limit为数据上限 int sum;// sum为求和的结果
字符型常量与变量 （1）：字符常量：一个字符常量代表ASCII字符集中的一个字符，在程序中用单引号把一个字符括起来作为字符常量。例如’A’‘b’等都是合法的字符常量。 注意：1、C语言区分大小写：单引号中的大小写字母代表不同的字符常量，例如’A’与’a’是不同的字符常量；2、单引号中的空格符也是一个字符常量3、字符常量只能包括一个字符，所以’ab’是非法的；4、字符常量只能用单引号括起来，不能用双引号。比如”a”不是一个字符常量而是一个字符串。 (2)：转义字符常量：转义字符又称反斜线字符，这些字符常量总是以一个反斜线开头后跟一个特定的字符，用来代表某一个特定的ASCII字符，这些字符常量也必须扩在一对单引号内。 字符作用 \n 换行 \t 横向跳格 \v 竖向跳格 \f 换页 \r 回车 \b 退格（Backspace） \\ 反斜杠（\） \’单引号 \”双引号
\ddd 3位八进制数 \xhh 两位十六进制数 \0 空值(ASCII码值为0) 注意：1:转义字符常量只代表一个字符，例如’\n’、’\101’; 2:反斜线后的八进制数可以不用0开头； 3:反斜线后的十六进制数只可由小写字母x开头，不能以大写字母X或0X开头。 (3)：字符串常量：字符串常量是由双引号括起来的一串字符。在C 语言中，字符串是用字符型一维数组来存放的。系统在每个字符串的末尾自动加上一个字符’\0’作为字符串结束标志，’\0’在这里占用存储空间但不计入字符串的实际长度。两个连续的双引号(””)也是一个字符串常量，称为空串，占一个字节，该字节用来存放’\0’。 (4)：在C语言中，字符常量可以参与任何整数运算以及关系运算。 (5)字符变量：C语言中，字符变量是用关键字char来定义的，例如：char a=’b’,字符变量在内存中占一个字节，当把一个字符放入字符变量中时，字符变量的值就是该字符的ASCII码值，所以字符变量可以作为整型变量来处理，可以参与任何整形变量的运算。
第九章 案例分析 【案例7.1】 为了研究1955—1974年期间美国制造业库存量Y 和销售额X 的关系， 用阿尔蒙法估计如下有限分布滞后模型： t t t t t t u X X X X Y +++++=---3322110ββββα 将系数i β(i =0,1,2,3)用二次多项式近似，即 00αβ= 2101αααβ++= 210242αααβ++= 210393αααβ++= 则原模型可变为 t t t t t u Z Z Z Y ++++=221100αααα 其中 3 212321132109432---------++=++=+++=t t t t t t t t t t t t t X X X Z X X X Z X X X X Z 在Eviews 工作文件中输入X 和Y 的数据，在工作文件窗口中点击“Genr ”工具栏，出现对话框，输入生成变量Z 0t 的公式，点击“OK ”；类似，可生成Z 1t 、Z 2t 变量的数据。进入Equation Specification 对话栏，键入回归方程形式 Y C Z0 Z1 Z2 点击“OK ”，显示回归结果（见表7.2）。 表7.2 表中Z0、 Z1、Z2对应的系数分别为210ααα、、的估计值210???ααα 、、。将它们代入
分布滞后系数的阿尔蒙多项式中，可计算出3210? ???ββββ、、、的估计值为： -0.522)432155.0(9902049.03661248.0?9?3??0.736725)432155.0(4902049.02661248.0?4?2?? 1.131142)432155.0(902049.0661248.0????661248.0??2101 21012101 00 =-?+?+=++==-?+?+=++==-++=++===αααβαααβαααβαβ 从而，分布滞后模型的最终估计式为： 32155495.076178.015686.1630281.0419601.6----+++-=t t t t t X X X X Y 在实际应用中，Eviews 提供了多项式分布滞后指令“PDL ”用于估计分布滞后模型。下面结合本例给出操作过程： 在Eviews 中输入X 和Y 的数据，进入Equation Specification 对话栏，键入方程形式 Y C PDL(X, 3, 2) 其中，“PDL 指令”表示进行多项式分布滞后（Polynomial Distributed Lags ）模型的估计，括号中的3表示X 的分布滞后长度，2表示多项式的阶数。在Estimation Settings 栏中选择Least Squares(最小二乘法)，点击OK ，屏幕将显示回归分析结果（见表7.3）。 表 7.3 需要指出的是，用“PDL ”估计分布滞后模型时，Eviews 所采用的滞后系数多项式变换不是形如（7.4）式的阿尔蒙多项式，而是阿尔蒙多项式的派生形式。因此，输出结果中PDL01、PDL02、PDL03对应的估计系数不是阿尔蒙多项式系数210ααα、、的估计。但同前面分步计算的结果相比，最终的分布滞后估计
第七章 滞后变量模型 一.单项选择题 1.下列属于有限分布滞后模型的是( )。 A.u y b y b x b y t t t t t a +++++=-- 22110 B.u y b y b y b x b y t k t k t t t t a ++++++=--- 22110 C.u x b x b y t t t t a ++++=- 110 D.u x b x b x b y t k t k t t t a +++++=-- 110 2.消费函数模型t C ? =400+0.5I t +0.3I t-1+0.1I t-2，其中I 为收入，则当期收入I t 对未来消费C t+2的影响是：I 增加一单位，C t+2增加( )。 A.0.5单位 B.0.3单位 C.0.1单位 D.0.9单位 3.在分布滞后模型u x b x b x b y t k t k t t t +++++=-- 110α中，延期过渡性乘数( )。 A.b 0 B.b i (i=1,2,…,k) C.∑=k i i b 1 D.∑=k i i b 0 4.在分布滞后模型的估计中，使用时间序列资料可能存在的序列相关问题就表现为( )。 A.异方差问题 B.自相关问题 C.多重共线性问题 D.随机解释变量问题 5.有限多项式分布滞后模型中，通过将原分布滞后模型中的参数表示为滞后期i 的有限多项式，从而克服了原分布滞后模型估计中的（ ）。 A. 异方差问题 B.序列相关问题 C. 多重共线性问题 D. 由于包含无穷多个参数从而不可能被估计的问题 6.在分布滞后模型Y t =α+β0X t +β1X t-1+β2X t-2+…+u t 中,短期影响乘数为( ). A ．αβ-11 B.1β C.αβ-11 D. β 6.对于有限分布滞后模型 t s t s t t t t u X X X X Y ++++++=---ββββα 22110 在一定条件下，参数 i β可近似用一个关于i 的多项式表示（i=0，1，2……k ），其中多项 式的阶数m 必须满足（ ） A ．k m < B.k m = C.k m > D.k m ≥ 7.自适应预期模型基于如下的理论假设：影响被解释变量t Y 的因素不是t X ，而是关于t X
经验技巧4-1 标志变量的使用 一、什么是标志变量 在程序设计中，使用算法来解决实际问题。在解决实际问题时，如果某一个实际问题有两种（及以上）可能的结果，在程序中需要根据不同的结果统一做不同的处理，这时可以使用一个变量来表示可能出现的结果，我们就把用来表示一个问题结果的各状态的变量称为标志变量。 例如：输入的年份是否是闰年？有两种可能的结果，或者是，或者不是。如果是就输出是闰年，否则输出不是闰年。像这样的问题就可以使用标志变量来表示结果的状态。 二、标志变量的值 如果实际问题只有两个结果，那么标志变量的值通常设定为0和1，用0代表“不是”，用1代表“是”；如果实际问题有两个以上的结果，那么标志变量可设定多个值，每个值代表一种可能的结果状态。 三、标志变量的初始化 通常标志变量在定义时应进行初始化，先给定标志变量一个初始值，即先认定是其中的一种结果状态。这样做可以减少程序代码，使程序更加简单易读。 四、标志变量的使用 1.确定标志变量的值 标志变量定义并初始化后，需要依次判断其它可能结果的条件是否成立，来决定是否需要修改标志变量的值，如果其中的某个条件成立，就修改标志变量的值，否则，不用修改。 2.给出处理结果 标志变量的值确定后，就可以根据标志变量的值给出实际问题的结果。这里可以在本函数中直接给出处理结果，也可以将标志变量的值返回主调函数，在主调函数中给出处理结果。在给出处理结果时，需要判断标志变量的值属于哪种结果状态，给出每种状态的处理结果。 五、应用举例 【示例】判断输入年份是否闰年。 具体解释详见代码中的注释。 程序代码1：在主调函数中给出结果。 （1）#include "stdio.h" （2）int main() （3）{ （4）int isleapyear(int year); //函数声明 （5）int year,flag;
SAP系统变量用法－－－－ABAP程序系统字段中英文详解SY-SUBRC: 系统执行某指令后,表示执行成功与否的变量,’0’ 表示成功 SY-DBLNT: 被处理过的记录的笔数 SY-UNAME: 当前使用者登入SAP的USERNAME; SY-DATUM: 当前系统日期; SY-UZEIT: 当前系统时间; SY-TCODE: 当前执行程序的Transaction code SY-INDEX : 当前LOOP循环过的次数 SY-TABIX: 当前处理的是internal table 的第几笔 SY-TMAXL: Internal table的总笔数 SY-SROWS: 屏幕总行数; SY-SCOLS: 屏幕总列数; SY-MANDT: 當前系統編號(CLIENT NUMBER) SY-VLINE: 画竖线 SY-ULINE: 画横线 SY-PAGNO: 当前页号 SY-LINSZ: 当前报表宽度 SY-LINCT: 当前报表长度 SPACE: 空字符串 SY-LSIND: 列表索引页 SY-LISTI: 上一个列表的索引 SY-LILLI: 绝对列表中选定行的行号 SY-CUROW: 屏幕上的行 SY-CUCOL: 光标列 SY-CPAGE: 列表的当前显示页 SY-STARO:真实行号 SY-LISEL: 选择行的内容，长度为255 SY-LINNO: 当前行 系统内部有一个专门存放系统变量的结构SYST,其中最常用的系统变量有: SY-SUBRC: 系统执行某指令后,表示执行成功与否的变量,’0’ 表示成功 SY-UNAME: 当前使用者登入SAP的USERNAME; SY-DATUM: 当前系统日期; SY-UZEIT: 当前系统时间; SY-TCODE: 当前执行程序的Transaction code SY-REPID: ABAP 程式名，目前的主程式 SY-CPROG: ABAP 程式名 SY-SYSID: R/3 系統，R/3 系統名稱
社专本111 2011761114 梁雪彩 P59第二章单变量统计描述分析 六、根据以下统计资料： （汉族，50,000） （苗族，22,000） （布依，20,000） （藏族，1,000） 问：（1）能做成那些统计图？ （2）如果做成条形图，对变量值的排列是否有要求？ 答：（1）能做成条形图和圆饼图 （2）如果做成条形图，对变量的排列没有要求，因为题目中的统计资料是定类变量，长条排列次序可以任意，定类变量无大小、高低次序之分。 七、根据以下资统计料： （老年，1,000） （中年，2,000） （青年，5,000） 问：（1）能否做成直方图？为什么？ （2）如果做成条形图，对变量值的排列是否有要求？ 答：（1）不能，因为上述为定序变量，定距变量才能做成直方图。 （2）如果做成条形图，对变量的排列有要求，因为题目中的统计资料是定序变量，长条按序排列，定序变量有大小、高低次序之分。 十三、以下是某班参加业余活动的情况的调查： C=“书社”P=“摄影组” J=“舞蹈团”O=“体育组” C C C P O P C C C P O O P C O C P C C P O C P C C O C J C O O C P C C O O O O P O C O O O O P O P P （1）试作统计图和统计表 某班参加业余活动情况的条形图
某班参加业余活动情况的圆饼图： 表1.1某班参加业余活动情况的调查表 （2）选择适当的集中值和离散值，并讨论之。 集中值 众值M0=书社则可知参加书社业余活动的人数最多
中位值Md=N+1/2=25.5 中位值Md=摄影组 均值=19+12+1+18/4=12.5 离散值 异众比率r=（N-fm0）/N=50-19/50=0.62 异众率比较高，则认为总数的代表性较差，所提供的信息量较少。 极差：R=观察的最大值-观察的最小值=18 极差大表示资料分散，人们选择的业余活动的人数有比较大的差异。 四分互差Q=Q75-Q25 Q50 的位置=50+1/2=25.5 Q25的位置=50+1/4=12.75 Q75的位置=3（50+1）/4=38.25 Q25=书社Q75=体育组 四分互差Q=Q75-Q25=体育组-书社 可知有50%的人选择体育组和书社这两项活动方差=[（19-12.5）＾2+（12-12.5）＾2+（1-12.5）＾2+(18-12.5) ＾2]/4=51.31 标准差=7.16
计量经济学课程教案
第7章 分布滞后模型与自回归模型 7.1 滞后效应与滞后变量模型 在经济运行过程中，广泛存在时间滞后效应。某些经济变量不仅受到同期各种因素的影响，而且也受到过去某些时期的各种因素甚至自身的过去值的影响。 通常把这种过去时期的，具有滞后作用的变量叫做滞后变量（Lagged Variable ），含有滞后变量的模型称为滞后变量模型。 滞后变量模型考虑了时间因素的作用，使静态分析的问题有可能成为动态分析。含有滞后解释变量的模型，又称动态模型（Dynamical Model ）。 一、滞后效应与与产生滞后效应的原因 因变量受到自身或另一解释变量的前几期值影响的现象称为滞后效应。 表示前几期值的变量称为滞后变量。 如：消费函数 通常认为，本期的消费除了受本期的收入影响之外，还受前1期，或前2期收入的影响： C t =β0+β1Y t +β2Y t-1+β3Y t-2+μt Y t-1，Y t-2为滞后变量。 产生滞后效应的原因 1、心理因素：人们的心理定势，行为方式滞后于经济形势的变化，如中彩票的人不可能很快改变其生活方式。 2、技术原因：如当年的产出在某种程度上依赖于过去若干期内投资形成的固定资产。 3、制度原因：如定期存款到期才能提取，造成了它对社会购买力的影响具有滞后性。 二、滞后变量模型 以滞后变量作为解释变量，就得到滞后变量模型。它的一般形式为： q ，s ：滞后时间间隔 自回归分布滞后模型（autoregressive distributed lag model, ADL ）：既含有Y 对自身滞后变量的回归，还包括着X 分布在不同时期的滞后变量 有限自回归分布滞后模型：滞后期长度有限 无限自回归分布滞后模型：滞后期无限， （1）分布滞后模型（distributed-lag model ） 分布滞后模型：模型中没有滞后被解释变量，仅有解释变量X 的当期值及其若干期的滞后值： β0：短期(short-run)或即期乘数(impact multiplier)，表示本期X 变化一单位对Y 平均值的影响程度。 βi (i=1,2…,s)：动态乘数或延迟系数，表示各滞后期X 的变动对Y 平均值影响的大小。 称为长期（long-run ）或均衡乘数（total distributed-lag multiplier ），表示X 变动一 个单位，由于滞后效应而形成的对Y 平均值总影响的大小。 如果各期的X 值保持不变，则X 与Y 间的长期或均衡关系即为： X Y E s i i )()(0 ∑=+=βα∑=s i i 0β t i t i s i t X Y μβα++=-=∑0 t s t s t t q t q t t t X X X Y Y Y Y μαααββββ+++++++++=-----ΛΛ11022110
SPSS分析：嵌套式两因素方差分析（单变量） 1、数据输入格式 ⑴定义变量： 国家品种最大光能转换效率 注意：对圈红色的部分进行设定 ⑵输入数据：在Excel中编制下列格式数据，复制粘贴到SPSS中 美国M56 0.842 美国M56 0.829 美国M56 0.83 美国M56 0.834 美国M49 0.849 美国M49 0.844 美国M49 0.851 美国M49 0.839 美国M5 0.822 美国M5 0.82 美国M5 0.822 美国M5 0.817 美国M34 0.849 美国M34 0.852 美国M34 0.853 美国M34 0.844 美国M64 0.865 美国M64 0.855 美国M64 0.862 美国M64 0.852 美国M73 0.853 美国M73 0.856 美国M73 0.851 中国红运0.849 中国红运0.849 中国红运0.853 中国香妃0.859 中国香妃0.856 中国香妃0.859 中国香妃0.86 中国新铁0.845 中国新铁0.844 中国新铁0.84 中国新铁0.859 中国新重瓣 红 0.837
中国新重瓣 红 0.848 中国新重瓣 红 0.854 中国新重瓣 红 0.855 中国新重瓣 红 0.856 中国新重瓣 红 0.854 中国交5 0.839 中国交5 0.834 中国交5 0.832 中国交5 0.834 中国泽州1 号 0.845 中国泽州1 号 0.832 中国泽州1 号 0.835 中国泽州1 号 0.851 2、命令顺序： 按下面图示选择后按“继续”键，进行其它设定 选择继续后，按“确定”键即可弹出结果页面，导出为word文档即可。UNIANOVA 最大光能转换效率 BY 国家品种 /METHOD=SSTYPE(1) /INTERCEPT=EXCLUDE /POSTHOC=国家品种(SNK DUNCAN LSD) /CRITERIA=ALPHA(0.05) /DESIGN=国家品种.
为什么连变量怎么用都要教？： 也许你会对此感到困惑：我已经在教程7-2中教过变量怎么用了，为毛现在还要来提这件事情？很简单，那就是会用变量和用得好完全是两码事。很多新手会为触发感到很头痛，觉得难以理解，不仅仅是因为学习上的困难，还有一部分原因是因为他们并没有养成良好的习惯，使得自己的变量和触发器坑了自己。比如说给变量起名字的时候没有规律，导致后期变量的数量变多时自己都记不清自己哪个变量是做什么用的。这就增加了你理解触发的成本，在看一个触发之前你先要想这个名字的含义，才能明白这个变量是做什么用的，进而明白这个触发的功能。假如说你在起变量名字的时候就有一个规律，能让人一看到变量的名字就能得知它是干什么用的话，就会让你轻松很多。 我说这些话不是没有依据的瞎扯，而是我的亲身体验，变量的混乱能让你无法理解自己之前做过的触发器，让你烦躁，打击你的士气，导致你的弃坑（这也是亲身经历）。所以说千万不要忽视这一点。下面就是我个人总结出来的一些经验，并且在编程的发展过程中，也有很多人总结过类似的经验（百度“匈牙利命名法”之类的）。 变量的命名： 为什么我要注意变量的命名？只要我自己能看懂不就行了吗？变量的名字就算起得跟花一样，实际上除了会让地图的大小发生几b的变化以外还会产生什么影响吗？ 是的，从理论上来说变量的名字随便你怎么起。但是从实用的角度上来讲，人是会遗忘的，不要说这么一大堆变量的名字所代表的含义了，你有些时候连自己的银行密码，开自己家的门用哪把钥匙都会忘记（才不是我自己都会忘记这些小事呢），你怎么能保证你能记得几十个甚至上百个不同的名字所代表的含义？ 通常人都会意识到这个问题，并且试图让变量的名字看起来更有规律一些，让你一眼看过去就能明白它的作用。常见的方法就是用一段汉语拼音来描述一个变量的作用，比如说“Shengqishideshenshengzhiguangdejishuqi”（圣骑士的神圣之光的计数器）——这TM谁也不会起这么脑残的变量名，首先变量名根本就不会允许这么长的名字，其次就算允许了，虽然说这个名字确实能让人读完了之后就能明白它是做什么的，但是首先这个名字就绝对没有人想要读下去。所以，通常我们都会认同这样的一条规律： 1.变量的名字应该同时具备简短和包含信息量大的特点。 这样想的话很简单，我只要把“Shengqishideshenshengzhiguangdejishuqi”给变成“SQSDSSZGDJSQ”不就行了？SQS = 圣骑士，D = 的，SSZG = 神圣之光，JSQ = 计时器，又精简，包含的信息量又大，但是很可惜，依然不会有人想要去读这么一个技能的名字。就好像你跟别人说“GGNE”别人不会立刻反应过来是“冈格尼尔”一样（这是一个梗，知道的人不多），谁TM会一看到“SQS”就反应过来是圣骑士啊？这样的话看到这个名字还得先猜半天这几个字母究竟是哪几个拼音的缩写。而且这个变量名字中SQS和SSZG和JSQ 之间的间隔符号都是D，看上去就跟D也是这几个名字的一部分一样，读起来简直就和解读摩斯密码一样困难。所以说这里我们会碰到两个问题：一是在追求精简而压缩名字的同时，不可避免的会让名字包含的信息难以解读（解压缩的过程太费脑力）；二是名字中包含的信息，要想一个办法把它们区分开来，不然谁知道是SQSD是一段信息还是SQS是一段信息？所以我们也都还会认同这样的一条规律： 2.变量的名字解读起来所耗费的精力越少越好 那么就如同上面所说的，要让一个变量符合第二条规律，所面临的问题大致可以分为两个方面：怎么样让名字压缩但是解压的时候又很轻松，以及怎么样能让变量名字中包含的不同信息区分开来。首先针对第一个问题，你就不得不承认在用字母起名的时候，英文名要比中文名有显著的优势。中文的同声字太多了，但是英文单词很少有读音相同的，并且对于一个拼
单变量描述统计公司内部档案编码：[OPPTR-OPPT28-OPPTL98-OPPNN08]
第十章单变量的描述统计 调查所得的原始资料经过审核、整理与汇总后，还需要进行系统的统计分析，才能揭示出调查资料所包含的众多信息，才能得出调查的结论。根据变量数量的差别统计分析划分为单变量分析、双变量分析和多变量分析。在这一讲中我们先介绍单变量的统计分析。 单变量统计分析可以分为两个大的方面，即描述统计和推论统计。描述统计是用最简单的概括形式反映出大量数据资料所容纳的基本信息。推论统计是用样本调查中所得到的数据资料来推断总体的情况。这一讲我们讲解单变量的描述统计方法。 一、变量的分布 (Distributions) 变量的分布分为两类，一类是频数分布，一类是频率分布。频数分布就是变量的每一取值出现的次数；频率分布是用变量每一取值的频数除以总个案数，它是一个相对指标，可以用来比较不同样本。频数分布与频率分布一般以统计表与统计图的形式表达。 1、统计表 （1）统计表就是以表格的形式来表示变量的分布。如下表所示： 表9-1甲校学生的父亲职业
数值中的小数的取舍： 通俗的做法是“四舍五入”。“四舍”没有问题，但无原则的“五入”就会产生一定的误差。例如数值、、、和的总合是。如果对原数的最后一位小数作简单的四舍五入，原数就变成、、、，其总合是，把原来的总合变大了。近代统计学有一项新原则，就是“前单五入”，即“五”前面是单数就进位，若是双数就舍掉（0也算双数）。 （2）对于定序及以上层次的变量我们更多的是使用累加频数和累加频率。如下所示： 表9-2甲校学生之父亲教育水平 2、统计图 统计图是以图形表示变量的分布情况。与统计表相比，统计图更直观、生动、醒目，但不够精确。统计图有圆瓣图、条形图、直方图和折线图。 （1）圆瓣图：多用于描述定类变量的分布，主要目的为显示各部分在整体中所占的比重，以及各部分之间的比较。如表9-1的资料可用下图（图1）所示：
1 第七章 滞后变量模型 一.单项选择题 1.下列属于有限分布滞后模型的是( )。 A.u y b y b x b y t t t t t a +++++=--Λ22110 B.u y b y b y b x b y t k t k t t t t a ++++++=---Λ22110 C.u x b x b y t t t t a ++++=-Λ110 D. u x b x b x b y t k t k t t t a +++++=--Λ110 2.消费函数模型t C ? =400+0.5I t +0.3I t-1+0.1I t-2，其中I 为收入，则当期收入I t 对未来消费 C t+2的影响是：I 增加一单位，C t+2增加( )。 3.在分布滞后模型 u x b x b x b y t k t k t t t +++++=--Λ110α中，延期过渡性乘数( )。 A.b 0 B.b i (i=1,2,…,k) C.∑=k i i b 1 D.∑=k i i b 0 4.在分布滞后模型的估计中，使用时间序列资料可能存在的序列相关问题就表现为( )。 A.异方差问题 B.自相关问题 C.多重共线性问题 D.随机解释变量问题 5.有限多项式分布滞后模型中，通过将原分布滞后模型中的参数表示为滞后期i 的有限多项式，从而克服了原分布滞后模型估计中的（ ）。 A. 异方差问题 B.序列相关问题 C. 多重共线性问题 D.由于包含无穷多个参数从而不可能被估计的问题 6.在分布滞后模型Y t =α+β0X t +β1X t-1+β2X t-2+…+u t 中,短期影响乘数为( ). A ．αβ-11 B.1β C.αβ-11 D.0β 6.对于有限分布滞后模型 t s t s t t t t u X X X X Y ++++++=---ββββαΛ22110 在一定条件下，参数 i β可近似用一个关于i 的多项式表示（i=0，1，2……k ），其中多项 式的阶数m 必须满足（ ） A ．k m < B.k m = C.k m > D.k m ≥ 7.自适应预期模型基于如下的理论假设：影响被解释变量t Y 的因素不是t X ，而是关于t X
单变量模型实证分析 08级统计二班郭佳【摘要】本文主要对1994-2009年我国居民食品支出变动趋势以及本年的食品消费支出受什么影响的实证分析。首先，建立我国居民食品支出模型，然后收集相关的数据，并进行整理，接下来利用EVIEWS 软件对模型进行参数估计和检验，最后进行分析并得出相关的结论。 一、前言 我国自改革开放以来，经济呈现快速增长的趋势，连续多年发展速度在10%以上。随着经济的快速发展，居民的食品消费支出也在水涨船高。为了弄清楚居民食品消费支出变动的影响，是本次研究所要解决的主要问题。 原始数据如下： 年份食品支出（Y） 1994 1422.49 1995 1766.02 1996 1904.71 1997 1942.59 1998 1926.89 1999 1932.10 2000 1958.31 2001 2014.02 2002 2245.76
2003 2416.92 2004 2709.60 2005 2914.39 2006 3111.92 2007 3628.03 2008 4259.81 2009 4478.51 二、通过EVIEWS软件分析得到较好的模型，具体的软件分析如下：先可以通过图形看看数据的整体趋势： 从图形可以看出我国居民食品支出总体上是呈上升趋势的，只是从1996年到2003年之间增长有所缓慢。而2006年到2008年之间则增
长较快。 接下来对数据进行白噪声检验，白噪声检验是用来检验数据是否是独立同分布的。以及判断应该建立怎样的模型。 在以上EVIEWS输出表中，主要应该看的指标有三个，分别是Autocorrelation（自相关），Partial Correlation（偏自相关），Prob（P —值）。其中自相关和偏自相关是用来判断应该建立怎样的模型，而P—值则是用来判断数据是否符合白噪声检验。自相关的运用原理主要是看前几根线超过两边的虚线和是否有拖尾的现象;偏自相关也是看前几根线超过两边的虚线和是否有拖尾的现象；而P—值得数值是
Message 变量的使用方法 可以在Message File中设置： %Time - 目前的时间 %Date - 目前的日期 %UNow - 目前的联机人数 %UAll - 从激活到目前为止的联机人次 %U24h - 在过去 24 小时内的联机人次 %MaxUsers - 总连接人数上限 %MaxAnonymous - 匿名帐号人数上限 (Anonymous FTP) %Name - 帐号名称 %IP - 对方主机名称/地址 (Hostname/IP) %DIR - 目前的目录 %Disk - 目前的磁盘驱动器名 ( C: D: E: .....) %DFree - 磁盘剩余空间 %Fup - 上传文件个数 %Fdown - 下传文件个数 %Ftot - 总传档数 %Bup - 上传位数 %Bdown - 下传位数 %Btot - 总传输位数 %Tconm - 联机时间数 (以分为单位) %Tcons - 联机时间数 (以秒为单位, 与 %tconm 配合使用) 例如： ◎ 来自 %IP 的会员您好。 ◎ 浮云阁开通以来已接通 %UAll 位使用者。 ◎ 过去 24 小时总共有 %U24h 次连接。 ◎ 目前有 %UNow 位使用者在线，最多容许 %MaxAnonymous 位使用者同时在线。效果是... 220-Serv-U FTP-Server v2.5i for WinSock ready... 220-◎ 来自 xxx.xxx.xxx.xxx的的会员您好。 220-◎ 浮云阁开通以来已接通 %UAll 位使用者。 220-◎ 过去 24 小时总共有 xxx次连接。 220-◎ 目前有 xxx位使用者在线，最多容许 xxx位使用者同时在线。 *softmouse又插句嘴，以下是serv-u帮助文件中的原文：
dayofweek sun dayofweek mon dayofweek tue dayofweek wed dayofweek thu dayofweek fri dayofweek sat 变量解析 一.标识 [001]-[499](各引擎不同标识的上限值不能。正常的是499个)，这不是变量，这是标识标识的初始值是关闭的，它不会因为人物下线或服务器重启而重置 相关命令格式: Check [001] 0 的意思是检测你的标识[001]是否关闭 SET [001] 1 的意思是设置你的标识[001]为开的状态 1.关于reset命令的详解： reset [XXX] 7 意思是将从XXX开始的7个变量回复到原始值0 比如：reset [100] 7 就是把100 101 102 103 104 105 106 107这7个变量赋值为0。它等同与：set [100] 0 set [101] 0 set [102] 0 set [103] 0 set [104] 0 set [105] 0 set [106] 0 二.变量 P0-P99 (私人变量，数字型) 关闭对话框重置为0。 D0-D99 (私人变量，数字型) 不可保存。 M0-M99 (私人变量，数字型) 不可保存。 N0-N99 (私人变量，数字型) 不可保存。 S0-S99 (私人变量，字符型) 不可保存。 I0-I99 (全局变量，数字型) 不可保存，服务器重启自动重置为0。 G0-G99 (全局变量，数字型) 可保存。 A0-A99 (全局变量，字符型) 可保存。 变量与数字之间的常用格式:
small G88 5 ;检测变量G88，是否小于5 large G88 5 ;检测变量G88，是否大于5 equal G88 5 ;检测变量G88，是否等于5 mov G88 5 ;设置G88=5 INC G88 5 ;设置变量G88=G88+5 DEC G88 5 ;设置变量G88=G88-5 MUL G88 5 ;设置变量G88=G88*5 DIV G88 5 ;设置变量G88=G88/5 PERCENT G88 5 ;设置变量G88=G88/5*100% 变量与变量之间的常用格式: small M88 <$STR(G88)> ;检测私人变量M88，是否小于全局变量G88 large M88 <$STR(G88)> ;检测私人变量M88，是否大于全局变量G88 EQUAL M88 <$STR(G88)> ;检测私人变量M88，是否等于全局变量G88 mov G88 <$STR(M88)> ;设置全局变量G88=M88 inc G88 <$STR(M88)> ;设置全局变量G88=G88+M88 DEC G88 <$STR(M88)> ;设置全局变量G88=G88-M88 MUL M88 $STR(M89) ;设置私人变量M88=M88*M89 DIV M88 $STR(M89) ;设置私人变量M88=M88/M89 PERCENT M88 $STR(M89) ;设置私人变量M88=M88/M89*100% Small、Large、Equal、mov、INC、DEC、MUL、DIV、PERCENT 支持第3参数，例： #IF LARGE N1 <$STR(P0)> <$STR(M5)> //检测表达式为： N1 > ( $STR(P0) * $STR(M5) ) ，即检测N1是否大于( $STR(P0) 乘以 $STR(M5) ) 用法类似：GameGold - <$STR(P0)> <$STR(M5)> 其他变量命令： 1.关于SUM命令的详解： 首先有MOV (变量X) 0 ;(变量X)清0 sum (变量A) (变量B) ;X=A+B sum (变量C) ;X=X+C 2.关于movr命令的详解： movr (变量) (数值) ;随机把指定数值以下的数(正数)给变量 3.DEC特殊用法 支持A，S变量的DEC操作，格式：DEC A0 X Y 其中X，Y表示位置，操作的结果：删除A0字符串中从X开始到Y结束之间的字符 以下操作去掉“ABCDEFGHIJK” MOV S0 屠龙ABCDEFGHIJK刀
单因素方差分析 定义： 单因素方差分析测试某一个控制变量的不同水平是否给观察变量造成了显著差异和变动。例如，培训是否给学生成绩造成了显著影响；不同地区的考生成绩是否有显著的差异等。 前提： 1总体正态分布。当有证据表明总体分布不是正态分布时，可以将数据做正态转化。 2变异的相互独立性。 3各实验处理内的方差要一致。进行方差分析时，各实验组内部的方差批次无显著差异，这是最重要的一个假定，为满足这个假定，在做方差分析前要对各组内方差作齐性检验。一、单因素方差分析 1选择分析方法 本题要判断控制变量“组别”是否对观察变量“成绩”有显著性影响，而控制变量只有一个，即“组别”，所以本题采用单因素分析法，但需要进行正态检验和方差齐性检验。 2 在控制变量为“组别”，
3正态检验（P>0.05，服从正态分布） 正态检验操作过程: “分析”→“描述统计”→“探索”，出现“探索”窗口，将因变量“成绩”放入“因变量列表”，将自变量“组别”放入“因子列表”，将“人名”放入“标注个案”； 点击“绘制”，出现“探索：图”窗口，选中“直方图”和“带检验的正态图”，点击“继续”；点击“探索”窗口的“确定”，输出结果。 因变量是用户所研究的目标变量。因子变量是影响因变量的因素，例如分组变量。标注个案是区分每个观测量的变量。 带检验的正态图（Normality plots with test，复选框）：选择此项，将进行正态性检验，并生成正态Q-Q概率图和无趋势正态Q-Q概率图。 正态检验结果分析: p值都大于0.05，因而我们不能拒绝零假设，也就是说没有证据表明各组的数据不服从正态分布（检验中的零假设是数据服从正态分布）。即p值≥0.05，数据服从正态分布。 4单因素方差分析操作过程 “分析”→“比较均值”→“单因素ANOVA”，出现“单因素方差分析”窗口，将因变量“成绩”放入“因变量列表”，将自变量“组别”放入“因子”列表；点击“选项”选择“方差同质性检验”和“描述性”，点击“继续”，回到主对话框；点击“两两比较”选择“LSD”和“S-N-K” 、“Dunnett’s C”，点击“继续”，回到主对话框；点击“对比”，选择“多项式” ，点击“继续”，回到主对话框；点击“单因素方差分析”窗口的“确定”，输出结果。