Eviews基本操作31版本.docx

1、Eviews基本操作31版本Eviews基本操作（3.1版本）一、创建工作文件一种创建方法为点击file/new/workfile，然后输入frequency，以及开始（start）日期和结束(end) 日期（注：如果是截面数据，要选undated or irregular项，然后在start中输入1，end中输入样本容量）。输入完毕后，点击OK就可以得到工作文件窗口。二、导入excel文件中的数据1）在excel中先建立数据文件 2）然后创建eviews工作文件3）点击file/import/read text-lotus-excel选项，在对话框中选择已建立的excel文件4）打开后，在新

2、的对话框中输入想要分析的变量名称，然后点击OK即可。此时工作文件中出现变量图标。三、直接输入数据1）创建一个工作文件（方法同一） 2）点击quick/empty group，打开一个空白表格3）点击ser01，把第一列全选，在命令栏中输入变量名称后回车，即可改变变量名称，按此方法命名每一变量 4）删除group对话框后，会发现工作文件中多了新变量四、画图有两种方法可以将数据绘成曲线，第一种方法是：1） 首先在工作文件中选中所要分析的变量，点击右键open/as group项，打开数据文件2） 点击view/graph/scatter(或其它图形)后，即可画出图形3） 在选中图表窗口后，在工作文

3、件窗口点击edit/copy，在对话框中点击copy to clipboard，然后可将图表粘贴到word文档中，还可进行编辑第二种方法是：1） 在工作文件窗口中点击quick/graph2） 在弹出的对话框中输入想要分析的变量3） 选择图表的类型及选项即可输出图表4） 可将图表移动到word文档中并进行编辑（方法同上）五、数据的描述性统计量1）在工作文件中选中变量后，点击右键点open group，打开数据文件2）点击view/descriptive stats/common sample，就会出现描述性统计量3）在选中若干行统计量数据后，点击edit/copy，在弹出的对话框中点OK，然后

4、可将其粘贴到word文档中注：Mean样本均值 Median中位数 Maximum最大值 Minimum最小值 Std. Dev.标准差 Skewness偏度 Kurtosis峰度 Jarque-Bera正态性检验 ProbabilityP值Observations样本容量六、一元线性回归模型的估计 1）建立变量的工作文件 2）在主菜单上选择quick/estimate equation，出现对话框 3) 在对话框的equation specification框中，按被解释变量、常数项、解释变量的顺序输入，中间用空格空开 4）在对话框的estimation settings框中，在method

5、栏中选择估计方法，点击OK即可 5）在工具栏中，点击name，在name to identify object框中输入方程的新名字，点击OK后，工作文件中将出现方程的图标注：R-squared 拟合优度 Mean dependent var 被解释变量均值Adjusted R-squared 修正的拟合优度 S.D. dependent var 被解释变量标准差S.E. of regression 回归方程标准差 Akaike info criterion 赤池信息准则Sum squared resid 残差平方和 Schwarz criterion 施瓦兹信息准则Log likelihood

6、 似然函数的对数 F-statistic F统计量Durbin-Watson stat DW统计量 Prob(F-statistic) F统计量的P值 6）在第四步输出估计结果后，在结果窗口中点击view/actual,fitted,residual/相应的残差图，可出现被解释变量的实际值、估计值、残差以及残差图。点击view/representations(描述)，可出现几个不同的估计方程，点击edit/copy可进行编辑。点击view/estimation output，回到估计结果。点击view/covariance matrix，可出现估计量的协方差阵，点击freeze后可对表格进行编

7、辑。七、一元线性回归模型的预测 1）在工作文件主窗口点击procs/change workfile range(改变范围)，弹出对话框，在对话框的end date栏中输入预测值的时间或序号，点击OK 2）在工作文件窗口中双击解释变量文件，在变量窗口中点击edit+/-键，进入编辑模式，在变量窗口底端输入新序号的数值，再点击edit+/-键，关闭编辑模式 3）再次进行估计，点击quick/estimate equation，在对话框中输入方程，注意样本范围应不包括新序号，点击OK得到估计结果 4）点击结果窗口中的forecast键，产生对话框，在对话框中选择样本范围，点击OK可得预测曲线图。同时

8、在工作文件窗口产生新变量，双击后可得预测值八、生成新变量 在变量的工作文件主窗口点击procs/generate/series，在弹出的窗口中输入新变量的函数表达式，点击OK后，在工作文件窗口出现新变量图标，选中新变量后可建立回归模型注：+ 加； - 减； * 乘； / 除 ； 幂； D(X) ：X的一阶差分 LOG(X)：X的自然对数 EXP(X)：指数函数 ABS(X)：绝对值 SQR(X)：平方根 INV(X)：X的倒数 SUM(X)：序列X的和 MEAN(X)：序列X的平均数 VAR(X)：序列X的方差 SUMSQ(X)：序列X的平方和 OBS(X)：序列X有效观测值的个数 COV(X

9、，Y)：序列X和序列Y的协方差 COR(X，Y)：序列X和序列Y的相关系数CROSS(X，Y)：序列X和序列Y的乘积之和。九、多元回归模型的估计1）建立多变量的工作文件后，点击quick/estimate equation，在对话框中依次输入被解释变量、常数项c、解释变量，中间用空格，然后点击OK2）在估计的结果窗口点击view/representations，出现方程的表达式，复制最后的表达式，将其粘贴到命令窗口，在窗口中输入scalar 新变量（不同于被解释变量）=方程右端（解释变量要输入数值），按回车，可见工作文件多了一个纯量标志，双击便得预测值十、模型的异方差性a) 异方差的检验古典线

10、性回归模型的一个重要假设是总体回归方程的随机扰动项ui同方差，即他们具有相同的方差 2。如果随机扰动项的方差随观察值不同而异，即ui的方差为 i2， 就是异方差。检验异方差的步骤是先在同方差假定下估计回归方程，然后再对得到的的回归方程的残差进行假设检验，判断是否存在异方差。Eviews提供了怀特(White)的一般异方差检验功能。零假设：原回归方程的误差同方差。备择假设：原回归方程的误差异方差操作步骤：在工作文件主窗口选定需要分析的回归方程 打开估计方程及其统计检验结果输出窗口点击工具栏中的View 选Residual Tests White Heteroskedasticity (no cr

11、oss terms)或White Heteroskedasticity (cross terms)，可得到辅助回归方程和怀特检验统计量即F统计量、统计量的值及其对应的p值。由图中的显示结果可以看出：在5显著水平下我们拒绝零假设，接受回归方程的误差项存在异方差的假设。一般地，只要图中给出的p 值小于给定的显著水平，我们就可以在该显著水平下拒绝零假设。White Heteroskedasticity Test:F-statistic3.573259 Probability0.027230Obs*R-squared11.21329 Probability0.047311Test Equation:D

12、ependent Variable: RESID2Method: Least SquaresDate: 10/05/06 Time: 18:14Sample: 1984 2003Included observations: 20VariableCoefficientStd. Errort-StatisticProb. C41643039389250321.0698270.3028RENJUNGDP-101275.166462.62-1.5237900.1498RENJUNGDP214.4263815.521290.9294570.3684RENJUNGDP*CHUKOU-8.1969937.5

13、78420-1.0816230.2977CHUKOU45909.2120723.852.2152840.0438CHUKOU20.5552830.8432980.6584670.5209R-squared0.560664 Mean dependent var16246747Adjusted R-squared0.403759 S.D. dependent var26960715S.E. of regression20818165 Akaike info criterion36.78388Sum squared resid6.07E+15 Schwarz criterion37.08259Log

14、 likelihood-361.8388 F-statistic3.573259Durbin-Watson stat1.746126 Prob(F-statistic)0.027230注意：White Heteroskedasticity (no cross terms)与White Heteroskedasticity (cross terms)选项的区别在于：在no cross terms选项下得到的辅助回归方程中不包含原回归方程左手变量的交叉乘积项作为解释变量；而cross terms选项下得到的辅助回归方程中包含原回归方程左手变量的交叉乘积项作为解释变量。在我们使用的一元回归例子中，这

15、两个选项的作用没有区别。当我们分析多元回归模型的异方差问题时，因为所选辅助回归方程的解释变量不同，这两个选项的作用就不同了。b) 异方差的修正：加权最小二乘法在工作文件主菜单选Quick Estimate Equations，进入输入估计方程对话框输入待估计方程，选择估计方法普通最小二乘法，点击Options 按钮进入方程估计选择对话框，选择Weighted LS/TSLS 在对话框内输入用作加权的序列名称 OK应用，回到估计方程对话框，点击OK得到加权最小二乘法回归方程。权序列的选取：1）用普通最小二乘法估计回归方程，在工作文件窗口出现resid图标2）点击procs/generate/se

16、ries，在窗口中输入resid1=abs(resid)，产生resid1图标，点击procs/generate/series，在窗口中输入resid2=inv(resid1)，产生resid2图标3)在权的对话框内输入resid2十一、模型的序列相关性 a) 一阶序列相关的检验：DW检验b) 方法：见书114页Dependent Variable: CHUXUMethod: Least SquaresDate: 10/05/06 Time: 21:47Sample: 1984 2003Included observations: 20VariableCoefficientStd. Error

17、t-StatisticProb. C-5719.9922198.735-2.6014920.0186RENJUNGDP3.7731301.4626982.5795680.0195CHUKOU2.1167700.4086635.1797430.0001R-squared0.983303 Mean dependent var31893.75Adjusted R-squared0.981339 S.D. dependent var32003.86S.E. of regression4371.935 Akaike info criterion19.74128Sum squared resid3.25E

18、+08 Schwarz criterion19.89064Log likelihood-194.4128 F-statistic500.5740Durbin-Watson stat0.815974 Prob(F-statistic)0.000000Estimation Command:=LS CHUXU C RENJUNGDP CHUKOUEstimation Equation:=CHUXU = C(1) + C(2)*RENJUNGDP + C(3)*CHUKOUSubstituted Coefficients:=CHUXU = -5719.991597 + 3.773129627*RENJ

19、UNGDP + 2.116770043*CHUKOUDependent Variable: CHUXUMethod: Least SquaresDate: 10/05/06 Time: 21:51Sample(adjusted): 1985 2003Included observations: 19 after adjusting endpointsConvergence achieved after 14 iterationsVariableCoefficientStd. Errort-StatisticProb. C-12709.8512737.66-0.9978170.3342RENJU

20、NGDP8.2022623.5777642.2925660.0367CHUKOU1.0127040.5960761.6989510.1100AR(1)0.8021180.2376893.3746540.0042R-squared0.991992 Mean dependent var33508.44Adjusted R-squared0.990391 S.D. dependent var32032.93S.E. of regression3140.060 Akaike info criterion19.12654Sum squared resid1.48E+08 Schwarz criterio

21、n19.32536Log likelihood-177.7021 F-statistic619.4082Durbin-Watson stat1.360176 Prob(F-statistic)0.000000Inverted AR Roots .80Estimation Command:=LS CHUXU C RENJUNGDP CHUKOU AR(1)Estimation Equation:=CHUXU = C(1) + C(2)*RENJUNGDP + C(3)*CHUKOU + AR(1)=C(4)Substituted Coefficients:=CHUXU = -12709.8512

22、8 + 8.202262003*RENJUNGDP + 1.012704271*CHUKOU + AR(1)=0.8021180294Dependent Variable: CHUXUMethod: Least SquaresDate: 10/05/06 Time: 21:56Sample(adjusted): 1986 2003Included observations: 18 after adjusting endpointsConvergence achieved after 29 iterationsVariableCoefficientStd. Errort-StatisticPro

23、b. C-11015.059090.391-1.2117240.2472RENJUNGDP10.378242.5435744.0801800.0013CHUKOU0.2388290.4109450.5811700.5711AR(1)1.5616040.2817765.5420030.0001AR(2)-0.7274990.299916-2.4256770.0306R-squared0.993775 Mean dependent var35279.87Adjusted R-squared0.991859 S.D. dependent var31989.67S.E. of regression28

24、86.323 Akaike info criterion19.00349Sum squared resid1.08E+08 Schwarz criterion19.25081Log likelihood-166.0314 F-statistic518.8080Durbin-Watson stat1.700315 Prob(F-statistic)0.000000Inverted AR Roots .78+.34i .78 -.34iEstimation Command:=LS CHUXU C RENJUNGDP CHUKOU AR(1) AR(2)Estimation Equation:=CH

25、UXU = C(1) + C(2)*RENJUNGDP + C(3)*CHUKOU + AR(1)=C(4),AR(2)=C(5)Substituted Coefficients:=CHUXU = -11015.04513 + 10.37824109*RENJUNGDP + 0.2388287737*CHUKOU + AR(1)=1.561603603,AR(2)=-0.7274994041Dependent Variable: CHUXUMethod: Least SquaresDate: 10/05/06 Time: 21:58Sample(adjusted): 1987 2003Incl

26、uded observations: 17 after adjusting endpointsConvergence achieved after 22 iterationsVariableCoefficientStd. Errort-StatisticProb. C-15149.1812274.44-1.2342060.2428RENJUNGDP11.138952.8618593.8922080.0025CHUKOU0.1881070.4087240.4602290.6543AR(1)1.6371510.3191975.1289610.0003AR(2)-1.0375730.517766-2

27、.0039440.0703AR(3)0.2323820.3321340.6996610.4987R-squared0.993720 Mean dependent var37223.54Adjusted R-squared0.990865 S.D. dependent var31859.80S.E. of regression3045.098 Akaike info criterion19.15102Sum squared resid1.02E+08 Schwarz criterion19.44509Log likelihood-156.7837 F-statistic348.0946Durbi

28、n-Watson stat1.882199 Prob(F-statistic)0.000000Inverted AR Roots .58+.38i .58 -.38i .49Estimation Command:=LS CHUXU C RENJUNGDP CHUKOU AR(1) AR(2) AR(3)Estimation Equation:=CHUXU = C(1) + C(2)*RENJUNGDP + C(3)*CHUKOU + AR(1)=C(4),AR(2)=C(5),AR(3)=C(6)Substituted Coefficients:=CHUXU = -15149.18287 +

29、11.13895089*RENJUNGDP + 0.1881066332*CHUKOU + AR(1)=1.637151092,AR(2)=-1.037573047,AR(3)=0.2323816533十二、工具变量法 1）建立工作文件，判定随机解释变量，选择工具变量2）点击quick/estimate equation，在对话框中输入方程变量，选择TSLS，在下方对话框中输入工具变量名称，点击OK十三、联立方程模型 以例6.4.1(202页)为例，首先建立工作文件1、 用狭义的工具变量法估计消费方程在工作文件主窗口点击quick/estimate equation，选择估计方法TSLS，在equation specificati