VAR模型Eviews基本操作指引
eviews-操作基本命令
Eviews-操作基本命令Eviews是一种用于经济数据建模和分析的软件，可以进行数据处理、拟合模型、进行统计分析等等。
为了更好地使用Eviews进行分析，我们需要了解一些Eviews的基本命令。
以下是一些常用的Eviews操作命令。
数据清理批量修改变量名称使用rename命令可以批量修改变量的名称。
假设我们有一组包含了许多经济指标的数据，我们可以使用以下命令将某一个变量的名称由y1更改为GDP：rename(y1, GDP)创建新变量使用以下语法可以创建新变量：series newvar_name = expr其中newvar_name是新变量的名称，expr是计算新变量值的表达式。
例如，我们可以使用以下语句创建一个名为inflation的新变量，其值等于CPI变量的年度增长率：series inflation = log(CPI) - log(CPI(-1))数据筛选内置命令if用于筛选数据。
例如，假设我们有一个名为gdp的变量，我们可以使用以下语法选择其中gdp大于5000的数据：sample if gdp > 5000行列操作如果我们有一个多元素的数据，例如，一张包含多个行和列的表格，我们可以使用以下命令对其进行操作。
按行排序使用以下命令可以将数据按行排序：series gdpsum = sum(gdp)sort(gdpsum)这里我们使用了内置函数sum编写了一个名称为gdpsum的新变量，并使用sort对新变量进行排序操作。
按列计算统计量可以使用group命令按照某一列进行分组，并计算统计量。
例如，我们可以分成两个组，分别对指标A和B进行求和：group id A Bseries asum = @sum(A)series bsum = @sum(B)数据拟合和评估线性回归我们可以使用ls（least square）命令进行线性回归分析，例如：ls example_data.wf1 y x1 x2其中example_data.wf1是数据文件的路径，y是因变量，x1和x2是自变量。
Eviews中VAR模型的操作、脉冲响应分析和方差分解的实现
数据准备
在Eviews中导入需要分析的时间 序列数据，并进行必要的预处理 ，如缺失值处理、平稳性检验等 。
模型设定
根据研究目的和数据特征，选择 合适的VAR模型阶数（滞后阶数 ），并设定模型的约束条件（如 外生变量、季节性等）。
参数估计
运用最小二乘法（OLS）或极大 似然法（ML）等估计方法对VAR 模型进行参数估计，得到模型的 系数矩阵和截距项。
3. 在弹出的对话框中，设置 冲击的滞后期数（即观察冲 击影响的期数），并选择要 分析的变量。
4. 点击“OK”按钮， Eviews将生成脉冲响应结果 。
脉冲响应结果的解读
脉冲响应图
通常以图形形式展示脉冲响应结果，横轴表示滞后期数，纵轴表示内生变量对冲击的响应程度。通过脉冲响应图可以 直观地观察变量之间的动态影响关系。
Eviews中VAR模型的实现步骤
模型诊断
对估计得到的VAR模型进行诊断检验，包括残差自相关检验、异方差性检验等，以确保模 型的合理性。
脉冲响应分析
在Eviews中利用脉冲响应函数（Impulse Response Function，IRF）分析VAR模型中各 变量对冲击的反应程度和持续时间。通过设置冲击大小和滞后期数，可以得到不同变量之 间的动态影响关系图。
在Eviews中选择 "Quick"->"Estimate Equation"，在弹出的 对话框中选择VAR模型 ，并设定滞后阶数。
变量选择
根据研究目的选择合适 的变量，并将其添加到 模型中。
模型估计
点击"OK"按钮，Eviews 将自动进行VAR模型的 估计，并显示估计结果 。
脉冲响应分析与方差分解
VAR模型、Johansen协整检验在eviews中的具体操作步骤及结果解释
19
利用Genr命令可算得用于检验原假设是否 成立的伴随概率 P：
p=1-@cchisq(42.4250,18) =0.000964
故 P=0.000964< =0.05，应拒绝原假设
，建立VAR(3)模型。
20
三、约翰森（Jonhamson）协整检验
Jonhamson（1995）协整检验是基于VAR模 型的一种检验方法，但也可直接用于多变量间的协 整检验。
1.Johanson协整似然比（LR）检验 H0：有 0个协整关系; H1：有M个协整关系。 检验迹统计量：
N
LRM n
log(1 i )
i M 1
图11-1和图11-2，由图11-2可以看出，三个对数序列的
变化趋势基本一致，可能存在协整关系。
13
160000
120000
80000
40000
0 55 60 65 70 75 80 85 90 95 00
GDP
CT
IT
图11-1 GDPt、 Ct和 It
的时序图
12
11
10
9
8
7
6
5 55 60 65 70 75 80 85 90 95 00
LR 2(Lnl(1) Lnl(3)) 2(108.7551 129.9676) 42.4250
其中，Lnl(1)和Lnl(3)分别为P=1和P=3时VAR(P) 模型的对数似然函数值。在零假设下，该统计量 服从渐进的 2 ( f ) 分布，其自由度f为从VAR(3) 到VAR(1)对模型参数施加的零约束个数。对本 例：
这种方程组模型主要用于分析联合内生变量 间的动态关系。联合是指研究N个变量 y1t y2t yNt 间的相互影响关系，动态是指p期滞后。故称VAR 模型是分析联合内生变量间的动态关系的动态模 型，而不带有任何约束条件，故又称为无约束 VAR模型。建VAR模型的目的：
VAR模型Eviews基本操作指引
Eviews基本操作指引：1、ADF检验双击序列——打开序列数据窗口——View——Unit Root Test ——单位根检验对话框（1 st difference ，即检验△X ； intercept：包含截距项； trend：包含趋势项）临界值判断：如果ADF检验值小于某一显著性水平下的临界值，则序列在此显著性水平下平稳。
2、根据SIC和AC值确定VAR的滞后期单位根检验操作的输出结果中3、建立VAR模型在workfile里——Quick——Estimate VAR…——对话窗缺省的是非约束VAR，另一选择是向量误差修正模型。
给出内生变量的滞后期间。
给出用于运算的样本范围。
Endogenous要求给出VAR模型中所包括的内生变量。
Exogenous要求给出外生变量（一般包含常数项）。
结果显示中，回归系数下第一个括号中的为标准差，第二个括号中的为t值。
4、脉冲响应分析（Response of * to * Innovations）/ 方差分解（Variance Decornposition）在进行脉冲响应函数诊断之前，需要先检验VAR模型的平稳性，用AR根图(Inverse Roots of AR Characteristic polunomial)进行检验。
AR根图中，如果点都落在单位圆里，才可以做脉冲分析～如果模型不平稳，则要重新修改变量，去掉不显著变量。
VAR模型估计结果窗口中——View——impulse response——table5、协整关系检验前提条件：序列同阶单整打开序列组数据窗口——View——Cointegration Test…——6、误差修正模型Quick——Estimate VAR…——对话窗——选择VEC——相比较VAR的设置中要多填入误差修正项个数（Number of CE’s），且此时的外生变量设置中不需要再另外设置常数项。
——OK7、格兰杰因果检验前提条件：序列间存在协整关系Eviews可以直接给出两个变量间的双向格兰杰因果检验结果。
VAR模型的Eviews方法
用EViews估计联立方程模型1.EViews提供的系统估计方法（1）跨方程加权法(Cross-equation weighting)（2）似不相关回归法(Seemingly Unrelated Regression．SUR ) （3）两阶段最小二乘法（4）三阶段最小二乘法（5）广义矩法(GMM) （一共有8种方法）2.系统方程的建立与估计（1）建立系统方程工作文件或打开一个已存在的工作文件．2. 系统模型的建立点击Objects-New-System，在打开的对话框中给系统方程命名．点击OK出现如图所视的对话框，然后可以将系统方程直接键入窗口．系统方程中的方程应当是行为方程式（需要估计参数的方程）．例如包含两个方程的系统方程，可以在对话框中输入如下的方程3. 估计方程点击系统窗口工具栏中Estimate功能键，出现如下对话框如果选择两阶段最小二乘法，应在方程对话框中在键入工具变量y=c(1)+c(2)*x+c(3)*y(-1)+c(4)*zx=c(5)+c(6)*y+c(7)*z(-1)INST Y Y(-1) X Z对话框提供了8种估计方法，选择两阶段最小二乘法，点击OK．得到如下的输出结果System: UNTITLEDEstimation Method: Two-Stage Least Squares Date: 11/23/05 Time: 19:47 Sample: 2 248Included observations: 247Total system (balanced) observations 494 C(1) -860.3344 293.0996 -2.935297 0.0035 C(2) 0.155681 0.034374 4.529044 0.0000 C(3) 0.832925 0.020329 40.97300 0.0000 C(4) 1941557. 690610.1 2.811365 0.0051 C(5) 7569.148 219.1231 34.54290 0.0000 C(6) 0.532777 0.057813 9.215462 0.0000 Equation: Y=C(1)+C(2)*X+C(3)*Y(-1)+C(4)*Z Observations: 247 R-squared0.990558 Mean dependent var 1942.944 Adjusted R-squared 0.990441 S.D. dependent var 226.2892 S.E. of regression 22.12439 Sum squared resid 118945.8 Equation: X=C(5)+C(6)*Y+C(7)*Z(-1)Observations: 247 R-squared0.981143 Mean dependent var 5197.016 Adjusted R-squared 0.980989 S.D. dependent var 523.0837 S.E. of regression 72.12362 Sum squared resid 1269243. 根据输出结果中的数据对模型进行检验 联立模型系统的练习1 简述联立模型的识别条件；估计方法及方法所适用的条件。
eviews操作实例-向量自回归模型VAR和VEC
-5.4324 -5.7557
5% 临界值
-2.9202 -2.9202 -2.9202
模型形式 （C t p）
(c 0 3) (c 0 0) (c 0 0)
DW值
1.6551 1.9493 1.8996
结论
LGDPt ～I(1) LCt ～I( 1)
LIt～I(1)
注 C为位移项， t为趋势，p为滞后阶数。
yNt
的最大p阶滞后变量为解释变量的方程组模型，方程组模 型中共有N个方程。显然，VAR模型是由单变量AR模型推广到 多变量组成的“向量”自回归模型。
对于两个变量（N=2），Yt ( yt xt )T 时，VAR(2)模型为
2
Yt iYti Ut 1Yt1 2Yt2 Ut i 1
6
用矩阵表示：
xt
121 yt1
122xt1
221yt2
222xt2
u2t
显然，方程组左侧是两个第t期内生变量；右侧分 别是两个1阶和两个2阶滞后应变量做为解释变量，且 各方程最大滞后阶数相同,都是2。这些滞后变量与随 机误差项不相关（假设要求）。
7
由于仅有内生变量的滞后变量出现在等式的 右侧，故不存在同期相关问题，用“LS”法估计 参数，估计量具有一致和有效性。而随机扰动列 向量的自相关问题可由增加作为解释应变量的滞 后阶数来解决。
3
政策分析。但实际中，这种模型的效果并不令人满 意。
联立方程组模型的主要问题：
（1）这种模型是在经济理论指导下建立起来的结构模型 。遗憾的是经济理论并不未明确的给出变量之间的动态关 系。
（2）内生、外生变量的划分问题较为复杂； （3）模型的识别问题，当模型不可识别时,为达到可识别 的目的，常要将不同的工具变量加到各方程中，通常这种 工具变量的解释能力很弱； （4）若变量是非平稳的（通常如此），则会违反假设， 带来更严重的伪回归问题。
VAR模型的Eviews方法
VAR模型的Eviews⽅法⽤EViews估计联⽴⽅程模型1.EViews提供的系统估计⽅法（1）跨⽅程加权法(Cross-equation weighting)（2）似不相关回归法(Seemingly Unrelated Regression．SUR ) （3）两阶段最⼩⼆乘法（4）三阶段最⼩⼆乘法（5）⼴义矩法(GMM) （⼀共有8种⽅法）2.系统⽅程的建⽴与估计（1）建⽴系统⽅程⼯作⽂件或打开⼀个已存在的⼯作⽂件．2. 系统模型的建⽴点击Objects-New-System，在打开的对话框中给系统⽅程命名．点击OK出现如图所视的对话框，然后可以将系统⽅程直接键⼊窗⼝．系统⽅程中的⽅程应当是⾏为⽅程式（需要估计参数的⽅程）．例如包含两个⽅程的系统⽅程，可以在对话框中输⼊如下的⽅程3. 估计⽅程点击系统窗⼝⼯具栏中Estimate功能键，出现如下对话框如果选择两阶段最⼩⼆乘法，应在⽅程对话框中在键⼊⼯具变量y=c(1)+c(2)*x+c(3)*y(-1)+c(4)*zx=c(5)+c(6)*y+c(7)*z(-1)INST Y Y(-1) X Z对话框提供了8种估计⽅法，选择两阶段最⼩⼆乘法，点击OK．得到如下的输出结果System: UNTITLEDEstimation Method: Two-Stage Least Squares Date: 11/23/05 Time: 19:47 Sample: 2 248Included observations: 247Total system (balanced) observations 494 Instruments: Y Y(-1) X Z CCoefficient Std. Error t-Statistic Prob. C(1) -860.3344 293.0996 -2.935297 0.0035 C(2) 0.155681 0.034374 4.529044 0.0000 C(3) 0.832925 0.020329 40.97300 0.0000 C(4) 1941557. 690610.1 2.811365 0.0051 C(5) 7569.148 219.1231 34.54290 0.0000 C(6) 0.532777 0.057813 9.215462 0.0000 C(7)-17478498565949.9 -30.88347 0.0000 Equation: Y=C(1)+C(2)*X +C(3)*Y(-1)+C(4)*Z Observations: 247 R-squared0.990558 Mean dependent var 1942.944 Adjusted R-squared 0.990441 S.D. dependent var 226.2892 S.E. of regression 22.12439 Sum squared resid 118945.8 Durbin-Watson stat1.525904Equation: X =C(5)+C(6)*Y+C(7)*Z(-1) Observations: 247 R-squared0.981143 Mean dependent var 5197.016 Adjusted R-squared 0.980989 S.D. dependent var 523.0837 S.E. of regression 72.12362 Sum squared resid 1269243. Durbin-Watson stat1.174580根据输出结果中的数据对模型进⾏检验联⽴模型系统的练习1 简述联⽴模型的识别条件；估计⽅法及⽅法所适⽤的条件。
demo——VAR模型在Eviews软件中地操作演示
回到工作界面
点击gdp，打开GDP序列
点击右上角Edit，再将自己收集到的数据直接copy到Na位置，再点击一次edit,关闭退出。
重复前面建立GDP的步骤，分别建立自己想建的其它变量序列，如CPI、M2等。
接下来对所有变量，如GDP、CPI、M2等的数据进行季节性调整，按下图一步步进行。
首先选定三个变量后，右健open——VAR
选择默认
确定
点击impulse
Impulse框中只留ccM2，代表货币政策冲击
点确定
得到图形
接下来图形保存，对图形右健即可
浏览路径
图形保存在桌面上
用画图软件将图形拷贝出来到word中。
操作演示至此结束，祝大家好运！
打开某变量GDP的数据。
点Proc——seasonal adjustment——选x1e
点击ok
得到经季节性调整的变量gdpsa.
对季节性调整变量取对数。
点object——generate series.
在对话框输入lngdp=log(gdpsa)，注意，输入的是gdpsa变量序列，不是gdp序列哦。
得到lngdp序列。
对所有变量进行hp滤波处理。打开lngdp序列。点proc——hodrick_prescott_filter
把第一栏值删除，在cycle series输入gdp_hp，这表示gdp波动序列。
打开gdp_hp序列，画图
点view——graph
点确定
得到图形
在获得GDP、CPI、M2等变量的波动序列后，接下来建立VAR模型。
VAR模型在Eviews软件中的操作演示：请按步骤一步步往下，先熟悉软件。
- 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基本操作指引：
1、ADF检验
双击序列——打开序列数据窗口——View——Unit Root Test ——单位根检验对话框
（1 st difference ，即检验△X ； intercept：包含截距项； trend：包含趋势项）
临界值判断：如果ADF检验值小于某一显着性水平下的临界值，则序列在此显着性水平下平稳。
2、根据SIC和AC值确定VAR的滞后期
单位根检验操作的输出结果中
3、建立VAR模型
在workfile里——Quick——Estimate VAR…——对话窗
缺省的是非约束VAR，另一选择是向量误差修正模型。
给出内生变量的滞后期间。
给出用于运算的样本范围。
Endogenous要求给出VAR模型中所包括的内生变量。
Exogenous要求给出外生变量（一般包含常数项）。
结果显示中，回归系数下第一个括号中的为标准差，第二个括号中的为t值。
4、脉冲响应分析（Response of * to * Innovations）/ 方差分解（Variance Decornposition）在进行脉冲响应函数诊断之前，需要先检验VAR模型的平稳性，用AR根图(Inverse Roots of AR Characteristic polunomial)进行检验。
AR根图中，如果点都落在单位圆里，才可以做脉冲分析～
如果模型不平稳，则要重新修改变量，去掉不显着变量。
VAR模型估计结果窗口中——View——impulse response——table
5、协整关系检验
前提条件：序列同阶单整
打开序列组数据窗口——View——Cointegration Test…——
6、误差修正模型
Quick——Estimate VAR…——对话窗——选择VEC——相比较VAR的设置中要多填入误差修正项个数（Number of CE’s），且此时的外生变量设置中不需要再另外设置常数项。
——OK
7、格兰杰因果检验
前提条件：序列间存在协整关系
Eviews可以直接给出两个变量间的双向格兰杰因果检验结果。
打开数据组窗口——View——Granger Causality…——选择最大滞后长度——OK
8、建立协整回归方程
建立回归模型后，如果模型存在自相关，则建立广义差分模型。