计量经济学上机指导
计量上级操作复习要点
模型 3、加权最小二乘法 在 Object—new object –equation 窗口下输入 ycx option 对话框中点 weighted LS,在 weighted 中输入“ 1/X ”或者“1/X^2”或者”1/sqr（x）” 比较三个结果哪一个效果最好，则回归结果可选为修正后的回归结果。 五、自相关的检验与修正 检验方法： 1、图示法 （1）作回归 ls y c x （2）作残差和残差滞后一期的散点图 scat resid resid(-1) （3）按时间顺序绘制残差图：双击 resid 序列，点击 views—graph—dot plot 2、D-W 检验法 ls y c x 后直接根据 dw 的值判断 3、Q 统计量检验 Ls y c x 后点击 view—residual diagnostics—correlogram—Q—statistics，查看 p 值检验，拒绝 原假设则存在自相关。 4、高阶自相关检验 Ls y c x 后点击 view—residual diagnostics—serial correlation LM Test，查看 p 值检验，拒绝原 假设则存在自相关。 修正方法： 1、科克伦-奥克特迭代法 （1） ls y c x ar(1) 直接得到估计结果 （2）DW 检验，不存在自相关上述结果即为最终估计结果 2、广义差分法 （1）求ρ 值 ls resid resid(-1) （2）对原模型进行广义差分，得到广义差分模型：(假设求得ρ =0.4960)
可直接得到回归结果。 三、多重共线性的检验和修正 检验方法： 1、直观判断法：OLS 后，根据相应的 T 检验值，F 检验值，系数前面的符号是否与经济意义 相符来判断。 2、相关系数法：命令为 cor x1 x2 x3 x4。 3、方差扩大因子法： ls x1 c x2 x3 x4 后保存结果为 eq01 scalar vifx1=1/(1-eq01.@r2) 双击 vifx1 序列即可得到方差因子。 注意：用每种方法判断出多重共线性时，要用文字进行说明，不能只放一张截图，要对图的 内容进行说明。 修正方法：逐步回归法 1、一步一步操作： （1）分别作 Y 对 X1 X2 X3 X4 的一元回归 ls y c x1 记下 R2 值 ls y c x2 记下 R2 值 ls y c x3 记下 R2 值 ls y c x4 记下 R2 值 （2）选出 R2 值最大的作为基础，依次加入其他变量回归，比如以 x3 为基础 ls y c x3 x1 判断 R2 值有没有提高，解释变量是否通过显著性检验 ls y c x3 x2 判断 R2 值有没有提高，解释变量是否通过显著性检验 ls y c x3 x4 判断 R2 值有没有提高，解释变量是否通过显著性检验 （3）保留 R2 改进最大，同时不影响解释变量显著性的变量，再依次加入其他变量做回归， 比如留下 X2。 ls y c x3 x2 x1 ls y c x3 x2 x4 依然通过上面的方法判断，最后留下 R2 最好且不影响显著性的变量。 2、利用 Eviews 一步到位： Object—new object—method 选择---step ls (1)在上面的对话框里输入 y c (2)在下面的对话框里输入解释变量（x1,x2,x3,x4) 点击 option 可以选择设置参数：选择 Stepwise
计量经济学上机操作步骤
上机操作步骤：1、样本回归模型：data y x ls y c x2、Goldfeld-Quandt 法：Sort x （假设有60 个样本，去掉中间16个，则样本应是以下）Smpl 1 22Ls y c xRss1=Smpl 39 60Ls y c xRss2=F=rss2/rss1= >F 0.05(22,22) ≈2.05模型存在异方差。
3、White 方法检验模型：（解释变量只有x,就用no cross ,若是有x2 x3 x4等多个解释变量，就用cross ）Smpl 1 60Ls y c x在方程窗口点View/residual/white ………nR 2= ,> 205.0χ（2）=5.99,或P=0.0044 (n 是样本个数，R^2是可决系数) 4、加权最小二乘法（WLS ）法：ls y c xgenr w1=1/resid^2（建议采用此权重变量，也可以使用其他权重变量）ls(w=w1) y c x5、使用互相关分析命令，初步判断滞后期的长度：cross y x6、阿尔蒙法建立分布滞后模型：ls y c pdl(x,s,m) （s 代表滞后期长度，m 一般取2或者3.）7、模型的短期乘数就是x 的系数。
8、DW 检验法：DW=2，ρ=0，DW=0，一阶高度正相关，DW=4，一阶高度负相关。
dl DW ≤≤0，一阶正相关，44≤≤-DW dl ，一阶负相关。
9、BG 检验法：在方程窗口点击VIEW/RESIDUIAL TEST/ SERIAL CORRELATION LM TEST10、广义差分法：ident residls y c x ar(1)11、虚拟变量模型：（从1985-1998,1996为分界线）smpl 1985 1995genr d1 = 0smpl 1996 1998genr d1 = 1data d1genr xd = x*d1smpl 1985 1998ls y c x d1 xd12、多重共线性：1、简单相关系数检验COR X1 X2 X3 X42、某一解释变量(如X1)的VIFLS X1 C X2 X3 X4 VIF=1/(1-R2)3、某一解释变量(如X1)的TOL：TOL=1/VIF=1-R24、采用逐步回归法建立最终方程13、Glejser检验 (假定h=1时)Ls y c xGenr e1=abs(resid)Ls e1 c xF= ，或P=14、Park检验Ls y c xGenr lne2=log(resid^2)Genr lnx=log(x)Ls lne2 c lnxF= , 或P=15、偏相关系数检验LS Y C XIDENT RESID16：非线性回归模型1、可线性化(重点掌握)如：LNY=a + bLNX则 LS LOG(Y) C LOG(X)以及多项式模型、指数模型、幂函数等。
计量经济学上机操作过程详解
上机操作步骤详解及分析假设检验部分类型一：会利用软件处理σ2已知关于μ的假设检验以及σ2未知关于μ的假设检验【例一】某车间用一台包装机包装葡萄糖。
袋装糖的净重量是一个随机变量，它服从正态分布。
当机器正常运行时，其均值为0.5KG ，标准差为0.015KG 。
某日开工后为检验及其运转是否正常，随机的抽取了它所包装的糖9袋，称得净重为（KG ）：0.497 0.506 0.518 0.524 0.498 0.511 0.520 0.515 0.512问：机器运转是否正常？（假设样本方差不变） 仍然为上题，但如果方差未知的情况下呢？因为是研究型假设故0H :u=0.5 1H ：u<>0.5第一步：将数据移入第二步：关闭后再次把数据打开，按如下路径打开下一个对话框第三步：根据已知的均值和标准差输入下列对话框（注意：是标准差，如果题目告诉的是方差，则还要进一步转化成为标准差）第四步：点击OK后，得到如下结果，并分析该题的方差已知，故看Z-statistic的P值，因为0.0248<a/2=0.025，故拒绝原假设，结论为：在5%的显著性水平下，该机器运转不正常若该题的方差未知，则看t-statistic的P值，结论依然是：在5%的显著性水平下，该机器运转不正常类型二：会利用软件处理来自两个正态总体均值的假设检验：等方差和异方差【例2】用两种方法（A、B）测定冰从-0.72摄氏度变为0摄氏度的比热。
测得下列数据：两个样本独立且来自与方差相等的两个正态总体方法A 79.98 80.04 80.02 80.04 80.03 80.0380.04 79.97 80.05 80.03 80.02 80.00 80.02方法B 80.02 79.94 79.98 79.97 79.97 80.03 79.9579.971、两种方法是否具有显著性差异2、A方法是否比B方法测得的比热要大？解析：该题属于双样本的等方差检验，故在EXCEL背景下操作第一小问：第一步：移入数据，将原本的两行数据，分别调整为一行第二步：EXCEL的调试，“工具”——“加载宏”后选择如下选项：第三步：点击“工具”——“数据分析”——“t检验-双样本等方差检验”第四步：输入相应的数据第五步：分析相应结果解析：第一小问只需判断是否有显著性差异，也就是说只需要判断A U 与B U 是否相等,属于双侧检验，在统一用P(T<=t) 单尾分析的时候，与的是a/2比较0H ：AU-B U =0 1H ：A U -B U <>0如上图结果所示，P(T<=t) 单尾=0.001276<a/2=0.025，所以拒绝原假设，也就是说在5%的显著性水平下，方法A 和方法B 具有显著性差异第二小问：解析：第二小问不同于第一小问，判断的是A 与B 的大小，是研究型假设检验， 将认为研究结果是无效的说法或理论作为原假设H00H ：AU<=B U 1H ：A U >B U因为是单侧检验，故与a 相比，因为P(T<=t) 单尾=0.001276<a=0.05，所以拒绝原假设，结论是在5%的显著性水平下，A 方法测得的比热比B 方法的大【例3】下表给出两位文学家马克吐温的8篇小品文以及斯诺特格拉斯的10篇小品文中由3个字母组成的单字的比例 马克吐温0.225 0.262 0.217 0.240 0.2300.229 0.235 0.217 斯诺特格拉斯0.209 0.205 0.196 0.210 0.202 0.207 0.224 0.223 0.2200.201两组数据均来自正态总体，且方差相等。
计量经济学上机实验手册
计量经济学上机实验手册标准化工作室编码[XX968T-XX89628-XJ668-XT689N]实验三异方差性实验目的：在理解异方差性概念和异方差对OLS回归结果影响的基础上，掌握进行异方差检验和处理的方法。
熟练掌握和运用Eviews软件的图示检验、G-Q检验、怀特（White）检验等异方差检验方法和处理异方差的方法——加权最小二乘法。
实验内容：书P116例4.1.4：中国农村居民人均消费函数中国农村居民民人均消费支出主要由人均纯收入来决定。
农村人均纯收入除从事农业经营的收入外，还包括从事其他产业的经营性收入以及工资性收入、财产收入和转移支付收入等。
为了考察从事农业经营的收入和其他收入对中国农村居民消费支出增长的影响，建立双对数模型：其中，Y表示农村家庭人均消费支出，X1表示从事农业经营的纯收入，X2表示其他来源的纯收入。
表4.1.1列出了中国内地2006年各地区农村居民家庭人均纯收入及消费支出的相关数据。
注：从事农业经营的纯收入由从事第一产业的经营总收入与从事第一产业的经营支出之差计算，其他来源的纯收入由总纯收入减去从事农业经营的纯收入后得到。
资料来源：《中国农村住户调查年鉴（2007）》、《中国统计年鉴（2007）》。
实验步骤：一、创建文件1.建立工作文件CREATE U 1 31 【其中的“U”表示非时序数据】2.录入与编辑数据Data Y X1 X2 【意思是：同时录入Y、X1和X2的数据】3.保存文件单击主菜单栏中File→Save或Save as→输入文件名、路径→保存。
二、数据分析1.散点图①Scat X1 Y从散点图可看出，农民农业经营的纯收入与农民人均消费支出呈现一定程度的正相关。
②Scat X2 Y从散点图可看出，农民其他来源纯收入与农民人均消费支出呈现较高程度的正相关。
2.数据取对数处理Genr LY=LOG(Y)Genr LX1=LOG(X1)Genr LX2=LOG(X2)三、模型OLS参数估计与统计检验LS LY C LX1 LX2得到模型OLS参数估计和统计检验结果：Dependent Variable: LYMethod: Least SquaresSample: 1 31LX1Adjusted R-squared . dependent var. of regression Akaike infocriterionSum squared resid Schwarz criterionLog likelihood F-statistic【注意：在学术文献中一般以这种形式给出回归方程的输出结果，而不是把上面的软件输出结果直接粘贴到文章中】可决系数，调整可决系数，显示模型拟合程度较高;同时,F 检验统计量，在5%的显着性水平下通过方程总体显着性检验。
计量经济学上机报告
计量经济学上机报告计量经济学上机报告一、实验目的练习多元回归模型建模过程；了解回归系数经济学含义；了解三大统计检验过程及进行简单判断；进行非线性估计二、实验内容第三章 3.3 3.5 3.6三、实验结果（注意：回归结果请按报告形式书写，数字保留4位小数）3.3（1）因此，家庭书刊消费对家庭月平均收入和户主受教育年数的多元线性回归函数为： Y=-50.0164+0.0865X+52.3703Tt=(-0.0112) (2.9442) (10.0670)9512.02=R 9448.02=R 2974.146=F经济意义：在其他变量不变的情况下，家庭月收入每增加一元，家庭书刊消费增加0.0865元；同样，户主受教育年数每增加一年，家庭书刊消费增加53.3703元。
作用：显示出各解释变量在其他解释变量不变的情况下，对被解释变量的影响情况。
（2）(3)残差E1对残差E2的无截距项的回归由上图可得模型的估计结果为：E1 = -6.3351 + 0.0864*E2估计参数：0865.02=α(4)2β是表示家庭月平均收入X 对家庭书刊消费Y 的影响参数，2α则是残差1E 与2E 的无截距项的回归参数。
1E 是由Y 对户主受教育年数T 的一元回归得到，2E 是由X 对T 的一元回归得到。
两者性质一样，结果一样。
即22αβ=。
3.5（1）由题知：回归模型估计结果的样本容量n=20，ESS 的平方和SS=377067.19，ESS 与RSS 的自由度分别为2和17。
（2）此模型的可决系数4447.019.84796219.3770672≈==TSS ESS R 修正的可决系数()()4139.022********.01111122≈----=----=k n n R R （3）对于原假设：021==ββ，给定显著性水平05.0=α，在F 表中查出临界值: ()59.317,205.0=F构建F 统计量：()59.317,28063.6122000.470895219.377067105.0=>≈--=--=F k n RSS k ESS F 所以拒绝原假设：021==ββ，说明回归方程是显著的即列入模型的解释变量“价格X2”和“消费者收入X3”联合起来对解释变量“某商品的需求量Y ”有显著影响。
计量经济学上机实验指导书
得到估计结果之后，就可以根据输出统计 量中表现出的特性，对模型进行检验和合 适的修正。 得到满意结果后，可以使用模型进行预测。
第二节：一元线性回归模型的预 测
要对一元线性模型进行预测，需要在已知解释 变量值的条件下进行。要得到解释变量值的方 法有很多，练习时大多是已知的。在实际分析 问题时，方法之一是对时间T进行回归，再趋势 外推得到解释变量的值，即利用时间序列外推 预测。下面仍以前面的例子输入时间变量T，从 1981到2001年分别赋值1到21，建立时间序 列模型(略去随机项) GDP=a+Bt
* * 0
* t
ut
第五讲 多重共线性
1.多重共线性的检测－－简单相关系数法 命令：cor x1 x2 x3 x4 解释变量两两之间都
有非常高的线性相关， 可以判断模型中存在 多重共线性
2.多重共线性的修正－－逐步回归法 用Y分别对X1,X2,X3,X4作回归，得 Y对X1作回归：
Y对X2作回归：
点击ok， 完成最后 一步
最后结果和命令方式完全相同
第四讲 自相关
自相关的检验与修正一般包括如下步骤： 1.对原模型做回归得到残差。 2.描绘残差项与其滞后项的散点图，看是否 存在自相关。 3.利用回归结果中得Durbin-Watson统计量 判断模型是否存在自相关。 4.利用Durbin两步法对自相关做修正。 （数据来自课本87表5-1）
Weekly数据格式的解释
起始和终止日期都是一个日期。 它们必须是不同星期中的同一天，否则会 报错。 一个星期中的任何一天都可以作为一周的 起始日期。
第二讲 一元线性回归模 型
第一节：一元线性回归模型的估计
示例一： 一元线性模型的ＯＬＳ估计
《计量经济学》实验指导书
XX实验指导书《计量经济学》编写人：XX实验一 EViews软件的基本操作【实验目的】通过上机试验，了解EViews软件特点、工作窗口的组成、充分掌握EViews软件的基本操作、熟悉数据处理、统计分析（图形分析）【实验内容】EViews是专门用于从事数据分析、回归分析和预测的工具，使用EViews可以迅速从数据中找出统计关系，并用得到的关系去预测数据的未来值。
最小二乘估计是估计变量间线形关系中相互作用与影响的有效方法，在数据分析中有很重要的作用。
本次试验内容包括：进行EViews的一些基本操作来熟悉这个软件。
实验内容以表1-1所列出的税收收入和国内生产总值的统计资料为例进行操作。
表1-1 我国税收与GDP统计资料单位：亿元资料来源：《中国统计年鉴1999》【实验步骤】一、数据的输入、编辑与序列生成㈠创建工作文件⒈菜单方式启动EViews软件之后，进入EViews主窗口。
在主菜单上依次点击File/New/Workfile，即选择新建对象的类型为工作文件，将弹出一个对话框，由用户选择数据的时间频率（frequency）、起始期和终止期。
其中， Annual——年度 Monthly——月度Semi-annual——半年 Weekly——周Quarterly——季度 Daily——日Undated or irregular——非时序数据选择时间频率为Annual（年度），再分别点击起始期栏（Start date）和终止期栏（End date），输入相应的日前1985和1998。
然后点击OK按钮，将在EViews软件的主显示窗口显示相应的工作文件窗口。
工作文件窗口是EViews的子窗口，工作文件一开始其中就包含了两个对象，一个是系数向量C （保存估计系数用），另一个是残差序列RESID（实际值与拟合值之差）。
⒉命令方式在EViews软件的命令窗口中直接键入CREATE命令，也可以建立工作文件。
命令格式为：CREATE 时间频率类型起始期终止期则以上菜单方式过程可写为：CREATE A 1985 1998㈡输入Y、X的数据⒈DATA命令方式在EViews软件的命令窗口键入DATA命令，命令格式为：DATA <序列名1> <序列名2>…<序列名n>本例中可在命令窗口键入如下命令：DATA Y X将显示一个数组窗口，此时可以按全屏幕编辑方式输入每个变量的统计资料。
计量经济学上机报告
计量经济学上机报告一、模型设定1.被解释变量：Y●经济含义：医药行业工业总产值。
●指标：选用总量指标，即按当年价格计算的全国各个省市医药行业的工业总产值。
数据来源：《中国工业经济统计年鉴2001》。
●单位：亿元。
2.影响因素根据CD产生函数，影响医药行业工业总产值的主要因素包括从业人员和资产。
在该模型中，从业人员选用总量指标；而资产则选用固定资产，因为对于医药行业而言，固定投入是总资产中最为重要的部分。
因此，模型最终选用如下解释变量●X2：从业人员●X3：固定资产●需要注意的是，固定资产有不同的指标，固定资产原价指按最初购买资产时的价格计算的固定资产值；而固定资产净值则是消除折旧之后的固定资产值。
具体选用的是固定资产净值作为解释变量。
3.数学形式Y=A Xα2Xβ3еεLnY=lnA+αlnX2+βlnX3+ε以下分析结果是将各个解释变量取对数之后的结果。
二、统计分析结果三、经济分析样本回归超平面：lnY=1.394+0.329ln X2+0.706lnX3lnA=1.394，所以A＝4.031。
α=-0.329：即劳动力对工业总产值的弹性为0.329。
β＝0.706：即固定资产净值对工业总产值的弹性为0.706。
所有的参数均通过T检验，而且α+β≈1。
因此，可以认为α和β是显著的，并且两者的关系也基本满足CD生产函数。
附录1.原始数据注：工业总产值按现行价格计算，单位：亿元。
从业人员：指全部从业人员年平均人数，单位：万人。
固定资产原值和净值，单位：亿元。
资料来源：根据《中国工业经济统计年鉴2001》整理2.散点图3.拟合图4.残差图。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
《计量经济学》上机指导手册统计学院数量经济教研室2004年3月《计量经济学》作为经济学专业的核心课程之一，在我校已开设多年。
多年的教学实践活动中，我们深感计量经济学软件在帮助同学们更好地学习、理解《计量经济学》基本思想、加强具体操作等方面有着重要的作用，我们也在过去的教学活动中采用了多种版本的计量经济学软件，包括TSP、Eviews、SPSS、SAS等。
从1998年以来，在我们的《计量经济学》教学活动中，Eviews逐渐成为了计量经济学本科教学的基本使用软件。
实践证明，Eviews在辅助教学、科研等方面具有自身的特色和优良的性能。
为此，统计学院数量经济教研室组织人员编写了这本上机指导手册，目的在于加强对西南财经大学重点课程《计量经济学》的建设，完善《计量经济学》的课程体系，为同学们提供更好的教学服务产品。
本手册的基本框架是由两部分组成：一部分为Eviews的基本操作，主要介绍Eviews的基本功能和基本操作；另一部分则是配合我们所编写的《计量经济学》教材，按照教材的体系和教学大纲的要求，对若干《计量经济学》知识的重点、难点和基本点、对一些具体的案例、练习等进行了具体的上机示范说明，以达到帮助同学们更好的学习、理解《计量经济学》之目的。
本手册主要由周惠彬副教授、谢小燕副教授、郭建军讲师、黎实教授编写。
由于我们才疏学浅，领悟Eviews的精髓不深，手册中肯定存在不足与错误，所有这些不足与谬误完全由我们负责。
因此，恳请各位同学、各位老师批评指正，对这本手册（初稿）进行品头论足，帮助我们进一步修订、完善上机指导手册。
西南财经大学统计学院《数量经济教研室》2002年10月经过几年来的教学实践，我们在摸索《计量经济学》课程实践性教学的过程中，逐步地积累了一些经验，也感到对《计量经济学》上机手册有必要进行修订与补充完善。
基于多方面的考虑，在借鉴兄弟院校相应的教材基础上，结合我们自己的教学经验与体会，数量经济教研室组织相关教师对《计量经济学》上机手册进行了修订，并补充完善了一些章节的内容，期望对《计量经济学》的实践性教学环节的改革，对同学们学好《计量经济学》课程、领会其基本思想、基本方法，能够有所帮助。
修订后的《计量经济学》上机手册主要增加了第七、八、九章的内容，并对其余的章节进行了调整修改。
整个修订工作主要由郭建军讲师完成，黎实教授最后进行了总纂。
尽管我们从主观上力求完善，但在这本修订后的上机手册中也不可避免会存在这样或那样一些不足与错误。
因此，再次恳请各位同学、各位老师对这本手册批评指正，以帮助我们更好地充实完善上机指导手册。
西南财经大学统计学院《数量经济教研室》2004年3月目录第一部分 Eviews基本操作_____________________________________________________1第一章预备知识____________________________________________________________1第二章 Eviews的基本操作____________________________________________________6第二部分上机实习操作_______________________________________________________17第三章简单线性回归模型与多元线性回归模型________________________________17第四章多重共线性________________________________________________________23第五章异方差性__________________________________________________________32第六章自相关性__________________________________________________________35第七章分布滞后模型与自回归模型_________________________________________38第八章虚拟变量_________________________________________________________42第九章联立方程模型______________________________________________________44第一部分Eviews基本操作第一章预备知识一、什么是EviewsEviews (Econometric Views)软件是QMS（Quantitative Micro Software）公司开发的、基于Windows平台下的应用软件，其前身是DOS操作系统下的TSP软件。
Eviews软件是由经济学家开发，主要应用在经济学领域，可用于回归分析与预测(regression and forecasting)、时间序列(Time series)以及横截面数据(cross-sectional data )分析。
与其他统计软件（如EXCEL、SAS、SPSS）相比，Eviews功能优势是回归分析与预测，其功能框架见表1.1。
从多方面的因素考虑，本手册不对最新版本的Eviews软件进行介绍，而只是以目前人们使用较为广泛的Eviews3.1版本为蓝本介绍该软件的使用。
Eviews3.1版本是QMS公司1998年7月推出的。
二、Eviews安装Eviews文件大小约11MB，可在网上下载。
下载完毕后，点击SETUP安装，安装过程与其他软件安装类似。
安装完毕后，将快捷键发送的桌面，电脑桌面显示有Eviews3.1图标，整个安装过程就结束了。
双击Eviews按钮即可启动该软件。
（图1.2.1）图1.2.1三、Eviews工作特点初学者需牢记以下两点。
（一）、Eviews软件的具体操作是在Workfile中进行。
如果想用Eviews进行某项具体的操作，必须先新建一个Workfile或打开一个已经存在硬盘（或软盘）上的Workfile，然后才能够定义变量、输入数据、建造模型等操作；（二）、Eviews处理的对象及运行结果都称之为objects，如序列（series）、方程(equations)、表1.1 Eviews功能框架模型（models）、系数（coefficients）等objects。
可以以不同形式浏览（views）objects，比如表格（spreadsheet）、图（graph）、描述统计（descriptive statistics）等，但这些浏览（views）不是独立的objects，他们随原变量序列（views）的改变而改变。
如果想将某个浏览（views）转换成一个独立的objects，可使用freeze按钮将该views“冻结”，从而形成一个独立的objects，然后可对其进行编辑或存储。
四、一个示例在这里，我们通过一个简单的回归分析例子来显示一个Eviews过程，不对Eviews的详细功能展开讨论，目的是使读者先对Eviews有个概括了解。
该例子是四川省人均可支配收入与人均年消费支出的数量关系分析。
STEP1：双击桌面上Eviews快捷图标，打开Eviews（参见在图1.2.1）。
STEP2：点击Eviews主画面顶部按钮file/new/Workfile (如图1.4.1)，弹出workfile range 对话框（图1.4.2）。
在workfile frequency中选择Annual，在start date 和end date 中分别输入1978和1998，点击OK，出现图1.4.3画面，Workfile定义完毕。
图1.4.2图1.4.1图1.4.3STEP3：点击Eviews 主画面顶部按钮objects/new objects ，弹出new objects 对话框（图1.4.4），在Type of Object 中选择group ，并给new objects 一个名字g1，然后点击OK ，弹出对话框中即可输入变量及变量值。
一个表格Group 对话框（图1.4.5），在该图1.4.4 图1.4.5STEP4：点击Y （人均年图1.4.5表格中第一列顶部的灰色条，该列全部变蓝，输入变量名消费支出），然后在该列中即可输入变量Y 的各年观测值；同理可定义第二列为变量X （人均可支配收入），并输入各年人均可支配收入的数值。
这样X 、Y 两个变量被定义，结果如图1.4.6。
图1.4.6 图1.4.7STEP5菜单，出现图：点击图1.4.6Group 对话框中的View/Graph 按钮，出现一个下拉画面。
选择line ，即可看见序列X 、Y 的线性图（图1.4.8）。
1.4.7图1.4.8 图1.4.9点击图1.4.9STEP6：点击图1.4.8窗口中Freeze 按钮，得到图1.4.8的copy （图1.4.9），顶部的name，给其一个名字Graph01，这样就将图1.4.9保存在workfile中。
图1.4.9与图1.4.8不同在于，图1.4.9是一个Graph类型的object，该线性图不随Y、X数据变化而变化，是独立的，可以对其进行编辑；而图1.4.8是Group类型的object，仅仅是Y、X数据的一种图形浏览形式，他随着Y、X数据变化而变化。
STEP7：点击Eviews主画面上的quick/estimate equation，弹出Equation specification 对话框（图1.4.10），在Equation specification 下的空框中输入Y C X，点击OK，得到Y对X回归模型估计结果（图1.4.11），该模型说明人均可支配收入X对人均消费支出Y具有较强的解释能力。
图1.4.10 图1.4.12图1.4.11STEP8：我们从图形的角度来看一下模型的拟合情况。
点击equation对话框中顶部按钮View/Actual Fitted Residual/Actual Fitted Residua Graph ，equation对话框变成如图1.4.12形式,图形显示模型的拟合效果很好。
第二章 Eviews的基本操作一、The Workfile（工作簿）Workfile就象你的一个桌面，上面放有许多Objects，在使用Eviews时首先应该打开该桌面，如果想永久保留Workfile及其中的内容，关机时必须将该Workfile存到硬盘或软盘上，否则会丢失。
（一）、创建一个新的Workfile打开Eviews后，点击file/new/workfile，弹出一个workfile range对话框（图2.1.1）。
该对话框是定义workfile的频率，该频率规定了workfile中包含的所有objects频率。