Eviews 实验操作手册(部分)
Eviews操作手册
Eviews操作入门：输入数据，对数据进行描述统计和画图首先是打开Eviews软件，可以双击桌面上的图标，或者从windows开始菜单中寻找Eviews，打开Eviews后，可以看到下面的窗口如图F1-1。
图F1-1 Eviews窗口关于Eviews的操作可以点击F1-1的Help，进行自学。
打开Eviews后，第一项任务就是建立一个新Workfile或者打开一个已有的Workfile，单击File，然后光标放在New上，最后单击Workfile。
如图F1-2图F1-2图F1-2左上角点击向下的三角可以选则数据类型，如同F1-3。
数据类型分三类截面数据，时间序列数据和面板数据。
图F1-3图F1-2右上角可以选中时间序列数据的频率，见图F1-4。
图F1-4对话框中选择数据的频率：年、半年、季度、月度、周、天（5天一周或7天1周）或日内数据（用integer data）来表示。
对时间序列数据选择一个频率，填写开始日期和结束日期，日期格式：年：1997季度：1997：1月度：1997：01周和日：8：10：1997表示1997年8月10号，美式表达日期法。
8：10：1997表示1997年10月8号，欧式表达日期法。
如何选择欧式和美式日期格式呢？从Eviews窗口点击Options再点击dates and Frequency conversion，得到窗口F1-5。
F1-5的右上角可以选择日期格式。
图F1-5假设建立一个月度数据的workfile，填写完后点OK，一个新Workfile就建好了。
见图F1-6。
保存该workfile，单击Eviews窗口的save命令，选择保存位置即可。
图F1-6新建立的workfile之后，第二件事就是输入数据。
数据输入有多种方法。
1)直接输入数据，见F1-7在Eviews窗口下，单击Quick，再单击Empty group(edit series)，直接输数值即可。
注意在该窗口中命令行有一个Edit+/-，可以点一下Edit+/-就可以变成如图所示的空白格，输完数据后，为了避免不小心改变数据，可以再点一下Edit+/-，这时数据就不能被修改了。
Eviews上机手册
《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。
实验一 EViews软件的基本操作
实验一EViews软件的基本操作【实验目的】了解EViews软件的基本操作对象，掌握软件的基本操作。
【实验内容】一、EViews软件的安装；二、数据的输入、编辑与序列生成；三、图形分析与描述统计分析；四、数据文件的存贮、调用。
实验内容中后三步以表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、安装EViews软件以下所述为Eviews6绿色版的安装过程。
先打开Eviews6绿色版文件夹，找到“Eviews6注册表项”的图标，如图1-1所示图1-1双击“Eviews6注册表项”的图标，出现图1-2的对话框图1-2点击“是”选项，出现图1-3的对话框，点击“确定”图1-3接下来双击图1中“Eviews6”的图标，弹出图1-4的窗口，软件运行。
二、数据的输入、编辑与序列生成 （一）创建工作文件 ⒈ 菜单方式启动EViews 软件之后，进入EViews 主窗口（如图1-4所示）。
图1-4 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（如图1-5所示），选择数据的结构类型（workfiles structure type ）工作区域状态栏图1-5数据的结构类型有三种选项：①规则频率的时间数据选择Dated-regular frequency,对话框右边出现图1-5所示的画面，在Frequency的下拉菜单中出现如图1-6的各种选项，选择相应的频率，再在下方的起始时间框输入相应的时间即可。
图1-6其中， Annual——年度 Monthly——月度Semi-annual——半年 Weekly——周Quarterly——季度 Daily——日②截面数据及不规则频率的时间数据选择Unstructured/Undated,出现图1-7的对话框，只需要在右边Observations的空白框中输入数据的个数即可。
Eviews使用手册1
Eviews使用手册
一、主程序界面：
文件编辑对象视图过程快捷选项窗口控制帮助1.1. 文件：
1.2. 编辑： 1.3. 对象：
1.4. 视图和过程：：
View:None available for this window 没有对象时不能利用该窗口；
1.5. 快捷：
直方图和统计量
相关图
单位根检验
描述性统计量→
协方差矩阵
相关系数矩阵
交叉相关
协整检验
因果性检验
1.6. 选项
1.7. Window:
1.8. Help :
二、工作文件工具栏
视图过程对象保存标签显示选项取指令储存删除新序列新样本
提取对象
CBOC
ISD
㈢对象：同1.3
三、运算符号和函数表
建立对象
Equation 方程名.ls(w=变量名) Y C X Matrix(m,n) 矩阵名
Transpose(矩阵名) 转置
Inverse(矩阵名) 求逆
Cor(矩阵名) 相关阵
四、序列和序列组工具
㈠序列窗口
⒈数据表序列窗口
视图过程对象打印命名冻结修改显示范围标签显示宽删添改标题改样本新序列
└----------------切换------------------┘
⒉标签视图的序列窗口
⒊对所有其他的活动窗口
㈤序列组工具窗口
视图过程对象打印命名冻结编辑显示切换删添行列切换更名样本。
Eviews操作手册
EViews 操作手册目录第一章序论第二章EViews 简介第三章EViews 基础第四章基本数据处理第五章数据操作第六章EViews 数据库第七章序列第八章组第九章应用于序列和组的统计图第十章图、表和文本对象第十一章基本回归模型第十二章其他回归方法第十三章时间序列回归第十四章方程预测第十五章定义和诊断检验第十六章 ARCH和GARCH估计第十七章离散和受限因变量模型第十八章对数极大似然估计第十九章系统估计第二十章向量自回归和误差修正模型第一章绪论EViews 为我们提供了基于WINDOWS平台的复杂的数据分析、回归及预测工具，通过EViews能够快速从数据中得到统计关系，并根据这些统计关系进行预测。
EViews在系统数据分析和评价、金融分析、宏观经济预测、模拟、销售预测及成本分析等领域中有着广泛的应用。
操作手册共分五部分：第一部分：EViews 基础介绍 EViews 的基本用法。
另外对基本的 Windows 操作系统进行讨论，解释如何使用EViews来管理数据。
第二部分：基本的数据分析描述使用EViews 来完成数据的基本分析及利用 EViews 画图和造表来描述数据。
第三部分：基本的单方程分析讨论标准回归分析：普通最小二乘法、加权最小二乘法、二阶最小二乘法、非线性最小二乘法、时间序列分析、方程检验及预测。
第四部分：扩展的单方程分析介绍自回归条件异方差（ARCH）模型、离散和受限因变量模型、和对数极大似然估计。
第五部分：多方程分析描述利用方程组来估计和预测、向量自回归、误差修正模型、状态空间模型、截面数据/ 时间序列数据、及模型求解。
第二章 EViews 简介§2.1 什么是 EViewsEViews 是在大型计算机的TSP (Time Series Processor)软件包基础上发展起来的新版本，是一组处理时间序列数据的有效工具。
1981年QMS (Quantitative Micro Software) 公司在Micro TSP基础上直接开发成功 EViews 并投入使用。
Eviews操作手册要点
Eviews操作入门：输入数据，对数据进行描述统计和画图首先是打开Eviews软件，可以双击桌面上的图标，或者从windows开始菜单中寻找Eviews，打开Eviews后，可以看到下面的窗口如图F1-1。
图F1-1 Eviews窗口关于Eviews的操作可以点击F1-1的Help，进行自学。
打开Eviews后，第一项任务就是建立一个新Workfile或者打开一个已有的Workfile，单击File，然后光标放在New上，最后单击Workfile。
如图F1-2图F1-2图F1-2左上角点击向下的三角可以选则数据类型，如同F1-3。
数据类型分三类截面数据，时间序列数据和面板数据。
图F1-3图F1-2右上角可以选中时间序列数据的频率，见图F1-4。
图F1-4对话框中选择数据的频率：年、半年、季度、月度、周、天（5天一周或7天1周）或日内数据（用integer data）来表示。
对时间序列数据选择一个频率，填写开始日期和结束日期，日期格式：年：1997季度：1997：1月度：1997：01周和日：8：10：1997表示1997年8月10号，美式表达日期法。
8：10：1997表示1997年10月8号，欧式表达日期法。
如何选择欧式和美式日期格式呢？从Eviews窗口点击Options再点击dates and Frequency conversion，得到窗口F1-5。
F1-5的右上角可以选择日期格式。
图F1-5假设建立一个月度数据的workfile，填写完后点OK，一个新Workfile就建好了。
见图F1-6。
保存该workfile，单击Eviews窗口的save命令，选择保存位置即可。
图F1-6新建立的workfile之后，第二件事就是输入数据。
数据输入有多种方法。
1)直接输入数据，见F1-7在Eviews窗口下，单击Quick，再单击Empty group(edit series)，直接输数值即可。
注意在该窗口中命令行有一个Edit+/-，可以点一下Edit+/-就可以变成如图所示的空白格，输完数据后，为了避免不小心改变数据，可以再点一下Edit+/-，这时数据就不能被修改了。
eviews实验指导书
计量经济学实验指导书目录实验一Eviews的基本操作与一元线性回归模型的最小二乘估计 (1)实验目的： (1)实验内容： (1)实验二：Eviews的常用函数与多元线性回归分析 (6)实验目的 (6)实验内容 (6)实验三异方差的检验与修正 (8)实验目的 (8)实验内容 (8)实验四序列相关的检验与修正 (13)实验目的 (13)实验内容 (13)实验五多重共线性的检验和修正 (18)实验目的 (18)实验内容 (18)实验六柯布-道格拉斯生产函数的求解 (22)实验目的 (22)实验内容 (22)实验一Eviews的基本操作与一元线性回归模型的最小二乘估计实验目的：1、熟悉Eviews的窗口与界面2、掌握Eviews的命令与菜单的操作3、掌握用Eviews估计与检验一元线性回归模型实验内容：1、启动Eviews双击Eviews图标，出现Eviews窗口，它由以下部分组成：标题栏“Eviews”、主菜单“File，Edit，…，Help”、命令窗口（空白处）和工作区域。
命令窗口工作区域图1-12、产生文件Eviews的操作在工作文件中进行，故首先要有工作文件，然后进行数据输入、分析等等操作。
（1）读已存在文件：File→Open→Workfile。
（2）新建文件：File→New→Workfile，出现对话框“工作文件范围”，选取或填上数据类型、起止时间。
OK后，得到一个无名字的工作文件，其中有：时间范围、当前工作文件样本范围、filter 、默认方程、系数向量C、序列RESID。
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（如图所示），由用户选择数据的时间频率（frequency）、起始期和终止期。
图1-2工作文件对话框其中， 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。
应用时间序列分析EVIEWS 实验手册(1)讲解
河南财经政法大学应用时间序列分析实验手册应用时间序列分析实验手册目录目录 (2)第一章Eviews的基本操作 (3)第二章时间序列的预处理 (6)一、平稳性检验 (6)二、纯随机性检验 (13)第三章平稳时间序列建模实验教程 (14)一、模型识别 (14)二、模型参数估计 (18)三、模型的显著性检验 (21)四、模型优化 (23)第四章非平稳时间序列的确定性分析 (24)一、趋势分析 (24)二、季节效应分析 (39)三、综合分析 (44)第五章非平稳序列的随机分析 (50)一、差分法提取确定性信息 (50)二、ARIMA模型 (63)三、季节模型 (68)第一章Eviews的基本操作The Workfile（工作簿）Workfile 就像你的一个桌面，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1）。
图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。
也就是说，如果workfile的频率是年度数据，则其中的objects也是年度数据，而且objects数据范围小于等于workfile的范围。
例如我们选择年度数据（Annual），在起始日（Start date）、终止日（End date）分别键入1970、1998，然后点击OK，一个新的workfile就建立了（图2）。
图2在workfile 窗口顶部，有一些主要的工具按钮，使用这些按钮可以存储workfile、改变样本范围、存取object、生成新的变量等操作，稍后我们会详细介绍这些按钮的功能。
在新建的workfile中已经存在两个objects，即c和residual。
- 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)。
Eviews实验操作记录（慢慢整理）相关系数检验：W AGE ED SEXW 1.000000 0.210152 0.495856 -0.260906AGE 0.210152 1.000000 -0.038637 0.144689ED 0.495856 -0.038637 1.000000 -0.084487SEX -0.260906 0.144689 -0.084487 1.000000①可以在命令窗口键入命令：cor x y z……，就会输出相关系数矩阵。
②假设你的样本数据序列：x1 x2从主菜单选择Quick/Group Statistics/Correlations之后会弹出个对话框，在对话框选择你的目标序列x1 x2说明：序列相关好像只有正相关、负相关、完全相关、完全不相关、强相关、弱相关等概念。
相关系数为1是完全正相关，－1是完全负相关，0是完全不相关。
个人感觉0.5左右的相关关系（趋势）就比较弱了。
eviews提供的相关计算是指序列之间的线性相关关系。
如果序列之间不存在线性相关，也有可能存在其他类型的相关关系，如对数相关、指数相关等等。
通常显著性是和建设检验关联的。
统计假设检验也称为显著性检验，即指样本统计量和假设的总体参数之间的显著性差异。
显著性是对差异的程度而言的，程度不同说明引起变动的原因也有不同：一类是条件差异，一类是随机差异。
显著性差异就是实际样本统计量的取值和假设的总体参数的差异超过了通常的偶然因素的作用范围，说明还有系统性的因素发生作用，因而就可以否定某种条件不起作用的假设。
假设检验时提出的假设称为原假设或无效假设，就是假定样本统计量与总体参数的差异都是由随机因素引起，不存在条件变动因素。
假设检验运用了小概率原理，事先确定的作为判断的界限，即允许的小概率的标准，称为显著性水平。
如果根据命题的原假设所计算出来的概率小于这个标准，就拒绝原假设；大于这个标准则接受原假设。
这样显著性水平把概率分布分为两个区间：拒绝区间，接受区间。
显著性水平不是一个固定不变的数字，其越大，则原假设被拒绝的可能性愈大，原假设为真而被否定的风险也愈大。
显著性水平应根据所研究的的性质和我们对结论准确性所持的要求而定Eviews残差图的做法①拟合后在eviews点击proc 点击make residual series，出现resid的值，再做图。
View，graph，点击确定。
②模型估计完成后点击resid-12-8-40481216RESID01用eviews 进行残差正态性检验在回归估计模型左上角的view-residual tests-histogram normal test,得到残差的分布直方图，左侧是残差的描述统计量，还有jarque-bera 统计量，即得到残差的正太性检验。
123456这个最终的结果要看JB 统计量，原假设是模型服从正态分布 在1%显著性水平下，P 大于0.01，不能拒绝原假设 在5%显著性水平下，P 小于0.05，拒绝原假设对残差序列进行LM 检验在回归估计模型左上角的view-residual tests- Serial Correlation LM Test ,得到残差的LM 检验结果Breusch-Godfrey Serial Correlation LM Test:F-statistic12.44271 Prob. F(2,25) 0.0002 Obs*R-squared14.46669 Prob. Chi-Square(2)0.0007Test Equation:Dependent Variable: RESIDMethod: Least SquaresDate: 12/26/15 Time: 00:11Sample: 1978 2006Included observations: 29Presample missing value lagged residuals set to zero.Variable Coefficient Std. Error t-Statistic Prob.C -0.006564 0.053556 -0.122571 0.9034LOG(YDP) 0.000756 0.006143 0.123123 0.9030RESID(-1) 0.729874 0.200130 3.647008 0.0012RESID(-2) -0.033677 0.200812 -0.167706 0.8682R-squared 0.498851 Mean dependent var 5.18E-16 Adjusted R-squared 0.438714 S.D. dependent var 0.029645S.E. of regression 0.022210 Akaike info criterion -4.649131Sum squared resid 0.012332 Schwarz criterion -4.460539Log likelihood 71.41240 Hannan-Quinn criter. -4.590066F-statistic 8.295138 Durbin-Watson stat 1.990525Prob(F-statistic) 0.000534检验结果P值小于5%，拒绝原假设，即回归方程的残差序列存在序列相关性。
③残差序列的Q统计量和序列相关图残差序列的Q统计量和序列相关图表明，残差序列是一个随机扰动项。
检验异方差：经典线性回归模型的一个重要假定是：总体回归函数中的随机误差项满足同方差。
如果不满足，最小二乘估计虽然是无偏、一致的，但不是有效的，这时采用t检验和f检验则有可能导致错误的结论。
异方差产生可能的原因有：模型中缺少某些变量、测量误差、模型设置不正确、异常值出现。
异方差的形式有几种：残差随着变量增大而增大；残差随着变量增大而减少；与变量的变化呈复杂形式。
1. 异方差的检验（1）相关图分析方差为随机变量的离散程度，通过观察y和x的相关图，可以观察的离散程度和解释变量之间的相关关系。
若随x的增加，y的离散程度呈逐渐增加或减少的趋势则表明模型存在着递增或者递减的异方差性。
黄色字体为自己填写部分。
——————————————模板————————————Ls 被解释变量 C 解释变量Scat resid 解释变量1——————————————模板————————————Ls语句首先建立回归方程。
Scat语句是制作残差与解释变量的相关图。
（2）戈德菲尔德—匡特检验（G-Q检验）此检验的原理是：将样本按解释变量排序后分成两部分，再利用样本1和样本2分别建立回归模型，并求出各自的残差平方和RSS1和RSS2，如果误差项的离散程度相同，则RSS1与RSS2的值应该大致相同，若两者之间存在显著差异，则表明存在异方差性。
为了“夸大”残差的差异性，一般取两端部分样本比较，去掉中间C个数据（通常取C=n/4），再利用F统计量判断差异的显著性。
——————————————模板————————————Sort 解释变量Smpl 1 n1Ls 被解释变量 C 解释变量Smpl n2 nLs 被解释变量 C 解释变量——————————————模板————————————Sort语句首先将样本按照解释变量排序。
第一个Smpl语句取第一部分样本，1—n1，一般取n1=n*3/8，n为样本个数。
第一个Ls语句建立回归方程，得到残差平方和RSS1第二个smpl语句取第二部分样本，从n1+1到n2-1，是去掉的样本部分，大约有n/4个数据，因此一般通常取n2=n*5/8+1。
第二个ls语句建立回归方程，得到残差平方和RSS2。
得到F=RSS2/RSS1，查表得到F(n/2-c/2-k-1)。
若F> F(n/2-c/2-k-1)，说明显著，存在异方差。
注：n是样本个数，c是去掉的样本个数，一般为n/4，k为解释变量个数（3）怀特检验建立方程后，在菜单中点击view/residual test/white heteroskedasticity（4）帕克检验帕克检验是通过残差序列对解释变量的辅助回归模型，判断随机误差项的方差与解释变量之间是否存在着较强的相关关系。
这种方法的好处是，不仅能检验异方差性，而且可以探测异方差的具体形式。
帕克检验的基本形式为：或——————————————模板————————————Ls 被解释变量 C 解释变量Genr lne2=log(resid^2)Genr ln解释变量=log(解释变量)Ls lne2 c ln解释变量——————————————模板————————————第一个Genr语句是产生新变量lne2= log(resid^2)第二个Genr语句是产生新变量ln解释变量=log(解释变量)最后一个ls语句是建立辅助回归模型，看是否显著，如果显著，则不但能说明存在异方差性，而且还能知道异方差的形式。
2．异方差的校正—加权最小二乘法——————————————模板————————————Ls (w=权数变量) 被解释变量 c 解释变量——————————————模板————————————比如，如果方程ls y c x1 x2中，发现残差的平方与x2之间存在递增的异方差，则可以用x2作为解析权重进行加权最小二乘估计：Ls (w=1/x2) y c x1 x2/thread-3178339-1-1.html对异方差性的BP检验的结果如下：（小于等于0.05就是存在异方差）Heteroskedasticity Test: Breusch-Pagan-GodfreyF-statistic 2.760100 Prob. F(2,24) 0.0834Obs*R-squared 5.048929 Prob. Chi-Square(2) 0.0801Scaled explained SS 6.162312 Prob. Chi-Square(2) 0.0459F统计量的P值大于5%但小于10%，故在10%的显著性水平下，可以拒绝无异方差性的原假设，BP检验识别模型存在异方差性。
对异方差性的White检验的结果如下：含交叉项：Heteroskedasticity Test: WhiteF-statistic 2.046328 Prob. F(5,21) 0.1133Obs*R-squared 8.845333 Prob. Chi-Square(5) 0.1154Scaled explained SS 10.79589 Prob. Chi-Square(5) 0.0556F统计量的P值大于10%，故在10%的显著性水平下，不可以拒绝无异方差性的原假设。