eviews入门

Eviews 入门

Eviews的优势是入门很容易，处理时间序列数据十分方便，快捷，灵活，既

可以菜单式操作也可以写命令或程序。

一、 正确安装Eviews(过程略)

二、 运行Eviews，会出现如下的界面：

三、 建一个工作文件。

建立工作文件的步骤：file/new/Workfile,然后会出来如下对话框

在Workfile structure type（工作文件结构类型）的下拉菜单里有如下几个选择： （1） Unstructed/Undated （非结构工作文件）

（2） Dated-regular frequency（具有固定频率的时间序列工作文件） （3） Balance Panel（平衡面板工作文件）

在这里我们先只介绍（2）Dated-regular frequency，因为其余两个是以后才会用到的。那么我们在下拉菜单里选Dated-regular frequency（具有固定频率的时间序列工作文件）。当你做了此项选择时，eviews会要求你选择数据的频率。你可以看一下frequeny对应的下拉菜单。

下拉菜单里的选择有Annual(年度)、semi-annual（半年度）、Quarterly（季度）、monthly（月度）、weekly（周）、daily-5 day week（日，每周五天）、daily-7 day week（日，每周7天）、integer date。我们可以根据需要选择，其中最常用的频率是年度，我们通常获得数据是年度数据。因此在这里我们选Annual。选了Annual之后，下面就会对应着起始年份和终止年份，你需要根据数据的情况来填写起始年份和终止年份。比如说我们在起始年份那里填上1987，在终止年份那里填上2008。看下面的names(optional),这里是让你给工作文件和工作文件中的工作页起个名字。你现在可以不填，在操作的过程中你可

以随时保存并给工作文件和工作文件页起名。为了向大家演示这个过程，我们在wf后面填上workfile1,在page后面填上page1。填完后我们点击OK键。就会出现如下的界面：

命令窗口 工作区 状态栏 ；

我们看一下新打开的工作文件窗口，看一下他的布局。首先看标题栏，蓝色的就是标题栏，标题栏上写着workfile,然后是工作文件的名字，然后是工作文件的保存路径。往下是主菜单，再往下空白部分是命令窗口。下面的面积最大的灰色部分是工作区。大家看eviews窗口的最下方一行,最下方一行是状态栏。状态栏分为几个部分。左边的部分有时提供EVIEWS发送的状态信息。然后往右看，接着是eviews查找数据和程序的预设目

录。最后是预设目录下的某一个工作文件 （也就是说某个工作文件只能在预设的目录下，才能将其设为预设工作文件），双击预设目录和预设工作文件部分是可以修改的。通常大家很少关注这些，只有用的比较多的才会注意。当前打开的的工作文件不是非要在预设目录下才能打开，存在于预设目录下的工作文件，可以通过双击状态栏的预设工作文件打开。而非预设目录下的工作文件则可以通过单击eviews窗口菜单栏file/open/eviews workfile的方式打开。当然预设目录下的工作文件也可以通过这种方式打开。我们之所以在这里对建立工作文件说这么多，主要是为了让大家养成好的习惯，并对eviews功能有全面了解。

在简要说明完eviews窗口后，我们看一下工作文件窗口。 菜单和工具条 信息栏 标题栏

工作文件窗口是eviews中最主要的窗口。在工作文件窗口中可见建立对象并对对象进行各种操作。而我们的计量任务就是针对对象进行数据操作并分析所的结果。

工作文件标题栏里的内容就是工作文件的名字和工作文件的存储路径。你过你还没对工作文件命名则这里不会有存储路径而是只有untitled.表示你还没对此工作文件进行初次保存。

这里的工具条分别有什么作用我们先不介绍，当我们对对象进行操作时再介绍。

工作文件窗口最上方是标题栏，往下是菜单和工具条，然后是两条信息栏。下面面积最大的地方展示的就是你最关

心的各个eviews对象。

Eviews6.0中共有17中对象，而他们各自都有各自的功能。在这17种对象中我们最常用的是序列和方程对象。每一种对象都用不同的图标来表示。这里我们先以最常用的对象为例来介绍。首先介绍序列对象，一个序列对象相当于一个变量。

我们建立一个序列(series)对象。在工作文件窗口菜单工具栏点object/new object会出现如下对话框。对话框中提供了各种对象类型，当然包括我们要创建的序列（series）对象.我们选择series类型，然后给我们创建的对象命名，在name for object下面填上对象的名字，比如说我们可以命名为y，然后点击OK键。然后我们可以看到在工作文件的窗口中多了一个对象y，y前面的图标告诉我们这个对象是一个序列对象。我们双击其图标将y序列打开。可以看到：

此时序列y的取值全部都为NA,这是因为我们并没有向其中输入任何数值的原因，那么我们怎么样像其中加入数值呢？最简单的办法就是复制粘贴，可以从excel或其他数据文件中粘入数据，但是直接复制粘贴是不行的，首先要点击菜单工具栏中的edit,使序列对象窗口处于可编辑状态，然后就可以执行复制粘贴操作了。我们先从excel中粘入一些数据。然后用同样的方式可以建立多个序列对象。建立完多个序列对象我们就可以估计回归方程了。

我们再讲一种从excel中直接导入数据的方法：如果想把某个excel中的数据导入进来，必须先要关闭那个excel文件。 比如说我们要导入的excel文件如下图所示：

在eviews窗口中，点击菜单工具栏file/import/read text-lotus-excel会出来如下对话框。

你在文件类型里选择excel,然后指明你要导入的数据文件的路径，完成这些以后，击打开按钮，就会出来如下界面：

如果你的变量是按列排列的，也就是说在excel中一个变量就是一列，那我们就在data order 中选择By

observarion-series in column.这也是通常我们大家所用的，对于按行排列的变量比较少见。然后看upper-left data cell.这里所要指定的是的是你要导入的第一个变量的第一个数据所在的excel 的单元格 ，应该是填入B2.如果你的excel有多张表单，你就需要指明要导入的是那一个表单中的数据，如果你不填此项就意味着你选的是第一张表单。再看一下，

Names for series or number if named in file，这里需要填的是变量的名字，如果变量的名字就包括在excel文档中，则在这里只需要填入你所要导入的变量的个数，鉴于excel例子中有变量名，我们这里只需要填上变量的个数，这里应该写上三，因为文档中有三个变量。写完后点ok键，你就可以可以看到相应的变量都以序列的形式导入到eviews工作文件中了。共导入了3个变量。导入了我们所需要的变量就可以做回归分析了，我们先介绍一元回归。

Eviews中的数学运算符号。

符号 + - * / ^ > < >= <= = < > and or 操作 加 减 乘 除 乘方 大于 小于 不小于 不大于 等于 不等于 并且 或者 x+y x-y x*y x/y x^y x>y x=y x=y x< >y x and y x or y 描述 X的元素加y的元素。 X的元素减y的元素。 X的元素乘以y的元素。 X的元素除以y的元素。 X元素的y次幂。 如果x元素大于y的元素，那么取值为1；否则取值为0。 如果x元素小于y的元素，那么取值为1；否则取值为0。 如果x元素大于或等于y的元素，那么取值为1；否则取值为0。 如果x元素小于或等于y的元素，那么取值为1；否则取值为0。 如果x元素等于y的元素，那么取值为1；否则取值为0。 如果x元素不等于y的元素，那么取值为1；否则取值为0。 如果x和y均不等于0，那么取值为1；否则取值为0。 如果x和y有一个不等于0，那么取值为1；否则取值为0。

Eviews中的数学运算函数

符号 @abs(x)或abs(x) @ceiling @exp(x)或exp(x) @fact(x) @factlog(x) @floor(x) @inv(x) @log(x)或log(x) @nan(x,y) @recode(s,x,y) @round(x) 函数 绝对值 不小于x的最小整数 指数函数 阶乘，只对正整数运算 阶乘的自然对数 不大于x的最大整数 倒数 自然对数；如果为负数，那么结果为NA 如果x不等于NA取值为x;否则取值为y 如果s为真，那么取值为x;否则取值为y 最近邻的整数；如果x恰好为整数/2,那么@round(x)=@ceiling(x) 平方根，如果x为负数，那么结果为NA 描述/例子 @abs(-7)=7 @ceiling(4.3)=5 @exp(1)=2.7183 @fac(3)=6 @factlog(0)=0 @floor(4.3)=4 @inv(2)=0.5 @log(1)=0 @round(-4.6)=-5 @round(4.5)=5 @sqrt(9)=3 @sqrt(-2)=NA @sqrt(x) Eviews中的时间序列函数（这些函数是专门针对时间序列的） 符号 d(x) d(x,n) d(x,n,s) 函数 一阶差分 n次一阶差分 n次一阶差分和s阶一次季节差分 dlog(x) 自然对数变量的一阶差分 dlog(x,n) 自然对数变量的n阶一次差分 (1-L)nLog(x) (1-L)Log(x)= Log(x)- Log(x(-1)) 描述 （1-L）x=x-x(-1) （1-L）nx (1-L)n(1-LS)x

dlog(x,n,s) @movav(x,n) @movsum(x,n) @pch(x) @pcha(x) 自然对数的n次一阶差分和s阶一次季节差分 (1-L)n(1-LS)Log(x) @movav(x,3)=(x+x(-1) +x(-2))/3 @movsum(x,3)=x+x(-1) +x(-2) @pch(x)=(x-x(-1))/x(-1) @pcha(x)=(1+@pch(x))n-1 对于季度数据，n=4;月度数据，n=12 @pacha(x)=(x-x(-n))/x(-n) 第n季度为1否则为0 第date期为0 比如我们生成一个新的序列序列取名为y 我们在命令窗口键入 Series y=@trend(2005) 则新生成的变量y在2005年取值为0，在2006年取值为1，向前依次类推，在2004年取值为-1,向后依次类推 n期移动平均 n期移动加总 增长率 按每期增长率计算的年度增长率 @pchy(x) @seas(n) @trend(date) 同期增长率 季节虚拟变量 时间趋势变量

Eviews中的描述统计函数

Eviews中的三角函数

符号 @sin(x) @cos(x) @tan(x) @asin(x) @acos(x) 函数 正弦 余弦 正切 反正弦 反余弦 例子 @sin()=0 @cos()=-1 @tan()=1 @asin(-1)= @acos(-1)= @atan(x) 反正切

Eviews中的统计分布函数

@atan(-1)= Eviews中包括很多功能强大的统计函数，包括累积分布函数、概率密度函数、分位数函

数及生成服从各种分布的随机数。

函数种类 累积分布函数 概率密度函数 分位数函数 生成随机数

分布形式 Beta分布 二项式分布 卡方分布 指数分布 极值分布Ⅰ F分布 Gamma分布 广义误差分@cged(x,r) @dged(x,r) @qged(p,r) @rged(r) 累积分布函数 @cbeta(x,a,b) @cbinom(x,n,p) @cchisq(x,v) @cexp(x,m) @cexteme(x) @cfdist(x,v1,v2) @cgamma(x,b,r) 概率密度函数 @dbeta(x,a,b) @dbinom(x,n,p) @dchisq(x,v) @dexp(x,m) @dexteme(x) @dfdist(x,v1,v2) @dgamma(x,b,r) p分位数函数 @qbeta(p,a,b) @qbinom(s,n,p) @qchisq(p,v) @qexp(p,m) @qexteme(p) @qfdist(p,v1,v2) @qgamma(p,b,r) 生成随机数 @rbeta(a,b) @rbinom(n,p) @rchisq(v) @rexp(m) @rexteme @rfdist(v1,v2) @rgamma(b,r) 命令标识 @c @d @q @r 布 拉普拉斯分布 逻辑分布 @clogistic(x) @dlogistic(x) @qlogistic(p) @rlogistic @claplace(x) @dlaplace(x) @qlaplace(p) @rlaplace 对数正态分@clognorm(x,m,s) @dlognorm(x,m,s) @qlognorm(p,m,s) @rlognorm(m,s) 布 负二项分布 @cnegbin(x,n,p) 标准正态分布 泊松分布 帕累托分布 T分布 均匀分布 威布尔分布 @cpoisson(x,m) @cpareto(x,a,k) @ctdist(x,v) @cunif(x,a,b) @cweib(x,m,a) @dpoisson(x,m) @dpareto(x,a,k) @dtdist(x,v) @dunif(x,a,b) @dweib(x,m,a)

回归统计量的@函数及其含义

对于相应的回归方程，可以很方便的利用下面的函数得到相应的统计量。

函数形式 @coefcov(i,j) 功能 系数协方差矩阵第i、j个元素的值 @dw @f D.W.统计量 F统计量 @qpoisson(p,m) @qpareto(a,k) @qtdist(p,v) @qunif(p,a,b) @qweib(p,m,a) @rpoisson(m) @rpareto(a,k) @rtdist(v) @runif(a,b) @rweib(m,a) @cnorm(x) @dnegbin(x,n,p) @dnorm(x) @qnegbin(s,n,p) @qnorm(p) @rnegbin(n,p) @rnorm @hq @jstat(对GMM) @logl @meandep @ncoef @r2 @rbar2 @regobs Hannan-Quinn信息准则 J-统计量——GMM目标函数值 对数似然函数值 被解释变量的均值 被估参数个数 R2统计量 调整的R2统计量 回归中用到的观测值个数，即样本容量 @schwarz @sddep @se @ssr @stderrs(i) @stsats(i) SC信息准则 被解释变量的标准差 回归系数的标准误差 残差平方和 第i个系数的标准差 第i个系数的t统计量

由于eviews比较支持英文，所以我们再给变量命名的时候要用英文，但是这样就不太利于我们最变量的理解了，尤其是变量比较多的时候，很容易把变量的意义弄混，这时我们就可以借助文本对象，把每个变量的中文含义写进文本对象中，这样我们在不清楚那个变量是什么含义时就可以查看文本对象中的内容。文本对象就和我们平时的用法一样，可以在里面写文字。

我们可以通过建立一个组对象来导入数据。这样我们可以设置变量的排放顺序，而不是使用eviews中默认的按照字母顺序排序。

在已知随机变量的分布形式时，如何估计其密度函数中的参数？

比如说有一个序列，已知此序列服从极值分布，那么如何求极值分布中的参数。步骤如下： 打开序列x,然后discriptive statistics&tests---empirical distribution tests

对于参数的初始值你可以自己确定，如果你不知道，也可以让eviews帮你计算，这样你保持参数框空白就行。 点击ok键，结果如下：

从估计结果中，我们看出eviews对两个参数给出了估计结果：m=-0.866844，s=2.228739

Empirical Distribution Tests

EViews provides built-in Kolmogorov-Smirnov, Lilliefors, Cramer-von Mises, Anderson-Darling, and Watson empirical distribution

Eviews提供了built-in Kolmogorov-Smirnov, Lilliefors, Cramer-von Mises, Anderson-Darling, and Watson 五种经验分布检验。这些检验建立在经验分布和理论分布函数比较的基础上。如果你想更深入的了解经验分布的检验，可以看D'Agostino and Stephens (1986)。你可以检验某个分布是不是正态分布的，或者是不是来自其他分布比如说指数分布，极值分布，logistic分布，卡方分布，weibull分布，伽马（gamma）分布。你可以提供这些分布的参数，如果你不提供，也可以让eviews为你估计这些参数。

tests. These tests are based on the comparison between the empirical distribution and the specified theoretical distribution function. For a general description of empirical distribution function testing, see D'Agostino and Stephens (1986).

You can test whether your series is normally distributed, or whether it comes from, among others, an exponential, extreme value, logistic, chi-square, Weibull, or gamma distribution. You may provide parameters for the distribution, or EViews will estimate the parameters for you.

To carry out the test, simply double click on the series and select View/Descriptive Statistics & Tests/Empirical Distribution Tests... from the series window.

There are two tabs in the dialog. The Test Specification tab allows you to specify the parametric distribution against which you want to test the empirical distribution of the series. Simply select the distribution of interest from the drop-down menu. The small display window will change to show you the parameterization of the specified distribution.

You can specify the values of any known parameters in the edit field or fields. If you leave any field blank, EViews will estimate the corresponding parameter using the data contained in the series.

估计选项选项卡提供所需要的迭代估计的相应设置。一般情况下你不需要改变这里的默认设置，除非显示估计失败。这个选项卡里的大部分选项都应该是不言而喻的。如果你选择User-specified starting values，eviews将会把系数向量c里的值作为初始值。 The Estimation Options tab provides control over any iterative estimation that is required. You should not need to use this tab unless the output indicates failure in the estimation process. Most of the options in this tab should be self-explanatory. If you select User-specified starting values, EViews will take the starting values from the C coefficient vector.

It is worth noting that some distributions have positive probability on a restricted domain. If the series data take values outside this domain, EViews will report an out-of-range error. Similarly, some of the distributions have restrictions on domain of the parameter values. If you specify a parameter value that does not satisfy this restriction, EViews will report an error message.值得注意的是，一些分布，对于一个限制域有正的概率。 如果序列中有某些取值没有包括在这个域中，eviews就会报告out-of-range error。类似的，一些分布对参数值的域有限制。

如果你所设定的参数值不满足这个限制，eviews就会给出一个错误信息。 输出结果包括两部分，第一部分是检验统计量和相应的概率。

The output from this view consists of two parts. The first part displays the test statistics and associated probability values.

这里是一个检验序列是否服从正态分布的检验结果，其中均值和方差都是根据序列样本数据计算的。

Here, we show the output from a test for normality where both the mean and the variance are estimated from the series data. The first column, \sample correction or adjusted for parameter uncertainty (in case the parameters are estimated). The third column reports p-value for the adjusted statistics.

All of the reported EViews p-values will account for the fact that parameters in the distribution have been estimated. In cases where estimation of parameters is involved, the distributions of the goodness-of-fit statistics are non-standard and distribution dependent, so that EViews may report a subset of tests and/or only a range of p-value. In this case, for example, EViews reports the Lilliefors test statistic instead of the Kolmogorov statistic since the parameters of the normal have been estimated. Details on the computation of the test statistics and the associated p-values may be found in Anderson and Darling (1952, 1954), Lewis (1961), Durbin (1970), Dallal and Wilkinson (1986), Davis and Stephens (1989), Cs?rg? and Faraway (1996) and Stephens (1986).

The second part of the output table displays the parameter values used to compute the theoretical distribution function. Any parameters that are specified to estimate are estimated by maximum likelihood (for the normal distribution, the estimate of the standard deviation is degree of freedom corrected if the mean is not specified a priori). For parameters that do not have a closed form analytic solution, the likelihood function is maximized using analytic first and second derivatives. These estimated parameters are reported with a standard error and p-value based on the asymptotic normal distribution.

本文来源：https://www.bwwdw.com/article/yjzo.html