Eviews中的常用函数及应用.docx
《Eviews中的常用函数及应用.docx》由会员分享，可在线阅读，更多相关《Eviews中的常用函数及应用.docx（22页珍藏版）》请在冰点文库上搜索。
Eviews中的常用函数及应用
Eviews常用命令（对于命令和变量名，不区分大小写）
1．创建时间序列的工作文件
aannual：
createa19522000
ssemi-annual：
creates19521960
qquarterly：
createq1951：
11952：
3
mmonthly：
createm1952：
011954：
11
wweekly:
createw2/15/943/31/94，自动认为第一天为周一，和正常的周不同。
ddaily（5dayweek）:
created3/15/20083/31/2008，和日历上周末一致，自动跳过周末。
7daily（7dayweek）:
create73/03/20083/31/2008。
uundated:
createu133。
创建工作文件时可直接命名文件，即在create后面直接键入“文件名”，
如createmyfilenamea19522000或者
workfilemyfilenamea19522000
系统自动生成两个序列：
存放参数估计值c和残差resid。
2．创建数组（group）
多个序列组合而成，以便对组中的所有变量同时执行某项操作。
数组和各个序列之间是一种链接关系，修改序列的数据、更改序列名、删除序列等操作，都会在数组中产生相应的变化。
1）创建完文件后，使用data建立数据组变量；若有word表格数据或excel数据，直接粘贴；或者用Import从其它已有文件中直接导入数据。
dataxy，…
可以同时建立几个变量序列，变量值按列排列，同时在表单上出现新建的组及序列，且可以随时在组中添加新的序列。
利用组的优点：
一旦某个序列的数据发生变化，会在组中和变量中同时更新；数组窗口可以直接关闭，因为工作文件中已保留了有关变量的数据。
2）通过已有序列建立一个需要的组：
groupmygroupxy
可以在组中直接加入滞后变量groupmygroupyx（0to-1）
3．创建标量：
常数值
scalarval=10showval则在左下角显示该标量的值
4．创建变量序列
seriesx
seriesy
dataxy
seriesz=x+y
seriesfit=Eq1.@coef
（1）+Eq1.@coef
（2）*x
利用两个回归系数构造了拟合值序列
5．生成变量序列
genr变量名=表达式
genrxx=x^2genryy=val*y
genrzz=x*y（对应分量相乘）genrzz=log（x*y）（各分量求对数）
genrlnx=log（x）genrx1=1/x
genrDx=D（x）genrvalue=3（注意与标量的区别）
genrhx=x*（x>=3）（同维新序列，小于3的值变为0，其余数值不变）
1）表达式表示方式：
可以含有>,<,<>,=,<=,>=,and,or。
2）简单函数：
D（X）:
X的一阶差分
D（X，n）:
X的n阶差分
LOG（X）：
自然对数
DLOG（X）：
自然对数增量LOG（X）-LOG（X（-1））
EXP（X）：
指数函数
ABS（X）：
绝对值
SQR（X）：
平方根函数
RND：
生成0、1间的随机数
NRND：
生成标准正态分布随机数。
3）描述统计函数：
eviews中有一类以@打头的特殊函数，用以计算序列的描述统计量，或者用以计算常用的回归估计量。
大多数@函数的返回值是一个常数。
@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的有效观察值个数
@COV（X,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，Y的点积genrval=@cross（x,y）
当X为一个数时，下列统计函数返回一个数值；当X为一个序列时，下列统计函数返回的也是一个序列。
@PCH（X）:
X的增长率（X-X（-1））/X（-1）
@INV（X）:
X的倒数1/X
@LOGIT（X）:
逻辑斯特函数
@FLOOR（X）:
转换为不大于X的最大整数
@CEILING（X）:
转换为不小于X的最小整数
@DNORM（X）:
标准正态分布密度函数
@CNORM（X）:
累计正态分布密度函数
@TDIST（X,n）:
自由度为n，取值大于X的t统计量的概率
@FDST（X,n,m）:
自由度为（n，m）取值大于X的F分布的概率@CHISQ（X,n）:
自由度为n，不小于x的
分布的概率
4）回归统计函数
回归统计函数是从一个指定的回归方程返回一个数。
调用方法：
方程名后接.再接@函数。
如EQ1.@DW，则返回EQ1方程的D-W统计量。
如果在函数前不使用方程名，则返回当前估计方程的统计量。
统计函数见下面：
@R2…
@NCOEF常用。
@SSR回归平方和
@DWDW统计量
@FF统计量的值
@LOGL对数似然函数值
@REGOBS回归方程中观测值的个数
@MEANDEP
@SDDEP
@NCOEF估计系数的总个数
@COVARIANCE（i,j）协方差
@RESIDCOVA（I,j）向量自回归中残差之间的协方差
6．向量
列向量对象vector、行向量对象rowvector、系数向量对象coeff
vectorvect：
定义了一个一维且取值为0的列向量
vector（n）vect：
定义一个n维且取值为0的列向量
vect.fill1,3,5,7,9：
定义了分量的值
vector（n）vect=100：
定义一个n维且取值为100的列向量
行向量对象rowvector、系数向量对象coeff类似
7．矩阵
8．常用命令：
1）Covxy：
协方差矩阵。
Corxy：
相关矩阵。
2）plotxy：
出现趋势分析图，观察两个变量的变化趋势或是否存在异常值。
双击图形可改变显示格式。
3）scatxy：
观察变量间相关程度、相关类型（线性、非线性）。
仅显示两个变量。
如果有多个变量，可以选取每个自变量和因变量两两观察，虽然得到切面图，但对函数形式选择有参考价值。
4）排序：
在workfile窗口，执行主菜单上的procs/sortseries，可选择升序或降序：
Sortx：
则y随之移动，即不破坏对应关系。
sort（d）x：
按降序排序，注意所有的其它变量值都会随之相应移动。
5）取样smpl111smpl19902000
smpl@all：
重新定义数据范围，如果修改过，现在改回。
6）追加记录，扩展样本：
Expand20012007
6）“'”后面的东西不执行，仅仅解释程序语句。
7）Jarque-Bera统计量:
，用于检验变量是否服从正态分布。
在变量服从正态分布的原假设下，JB统计量服从自由度为2的卡方分布。
如果JB统计量大于卡方分布的临界值，或对应概率值较小，则拒绝该变量服从正态分布的假设（whereSistheskewness,Kisthekurtosis,andkrepresentsthenumberofestimatedcoefficientsusedtocreatetheseries）
9.回归结果与变量表示：
X
800
1100
1400
1700
2000
2300
2600
2900
3200
3500
Y
594
638
1122
1155
1408
1595
1969
2078
2585
2530
VariableCoefficientStd.Errort-StatisticProb.
变量系数估计值系数标准差:
小好T检验值:
大好概率（越小越好）
C-103.17171717298.4059798473-1.048429346790.325079456046
@coefs
（1）或c
（1）@stderrs
（1）@tstats
（1）
X0.777010101010.042485098247618.28900327558.2174494e-08
R-squared0.97664149287Meandependentvar1567.4
（拟合优度
）
=1-（RSS/TSS）:
大好（因变量均值）
＝
@R2@mean（y）
AdjustedR-squared0.973721679478S.D.dependentvar714.1444
（调优）1-
:
大好（Y标准差）
9
@RBAR2@sqr（@var（y）*n/（n-1）），var（y）
@sddep（被解释变量的标准差）
S.E.ofregression115.767020478Akaikeinfocriterion12.517893
115.7670^2=13402赤池信息准则
（回归标准差）
=@se
Sumsquaredresid107216.024242Schwarzcriterion12.5784099883
（残差平方和）
施瓦兹信息准则
:
小好
@sumsq（resid）
Loglikelihood-60.5894648487F-statistic334.487640812
（对数似然估计值）（总体F检验值）:
大好
＝2859.544＝@F
Durbin-Watsonstat3.12031968783Prob（F-statistic）0.0000
（D-W检验值）（F检验概率）:
小好
=@DW
@REGOBS：
返回观察值的个数7。
@ncoef：
估计系数总个数2。
注意：
系数项可这样计算：
genrb1=@cross（x-@mean（x）,y-@mean（y））/@sumsq（x-@mean（x））
@cross计算交叉乘积和，@mean计算均值，@sumsq计算平方和。
genrb0=@mean（y）-b1*@mean（x）。
10.置信区间估计：
变量的显著性检验：
=c
（2）/@stderrs
（2）=@tstats
（2）
参数
的置信区间的计算：
＝0.01，
＝3.355，
下限：
=c
（2）-3.355*@stderrs
（2）
上限：
=c
（2）+3.355*@stderrs
（2）
总体个别均值
的预测值的置信区间的计算（总体条件均值类似）：
1）lsycx，使内存中存在方程
-103.171717172+0.77701010101
2）假设
＝1000，
下限：
=c
（1）+c
（2）*1000-
2.306*@se*@sqr（1+1/@OBS（X）+（1000-@mean（x））^2/@sumsq（x-@mean（x）））＝372.03
上限：
=c
（1）+c
（2）*1000+
2.306*@se*@sqr（1+1/@OBS（X）+（1000-@mean（x））^2/@sumsq（x-@mean（x）））＝975.65
故总体个别均值
的预测值的置信区间为：
（372.03，975.65）。
11．预测问题：
生成一个以原因变量y名+f的y的预测值yf，实际上，yf＝
；同时还得到一张预测图形：
图中实线是因变量y的预测值，上下两条虚线给出的是近似95％的置信区间。
1）绝对指标RMSE均方根误差
，其大小取决于因变量的绝对数值和预测值；
2）绝对指标MAE平均绝对误差
，其大小取决于因变量的绝对数值和预测值；
3）常用的相对指标MAPE平均绝对百分误差
；
若MAPE的值小于10，则认为预测精度较高；
4）希尔不等系数：
，希尔不等系数总是介于0-1之间，数值越小，表明拟合值和真实值间的差异越小，预测精度越高；5）均方误差MPE可分解为
其中
是预测值
的均值，
是实际序列的均值，
分别是预测值和实际值的标准差，r是它们的相关系数，于是可定义偏差率、方差率和协变率三个相互联系的指标，其取值范围都在0-1之间，并且这三项指标之和等于1，计算公式是：
偏差率
（OLS中
，故BP＝0）、
方差率
、
协变率
。
BP反映了预测值均值和实际值均值间的差异，VP反映它们标准差的差异，CP则衡量了剩余的误差。
当预测比较理想时，均方误差大多数集中在协变率CP上，其余两项较小。
若有多种曲线形式可供选择，则应选择其中均方误差最小者为宜。
Functionsthatreturnscalarvalues:
@r2R-squaredstatistic
@rbar2adjustedR-squaredstatistic
@sestandarderroroftheregression
@ssrsumofsquaredresiduals
@dwDurbin-Watsonstatistic
@fF-statistic
@loglvalueofthelog-likelihoodfunction
@aicAkaikeinformationcriterion
@scSchwarzinformationcriterion
@jstatscalarcontainingtheJ-statistic（forGMM）
@regobsnumberofobservationsinregression
@meandepmeanofthedependentvariable
@sddepstandarddeviationofthedependentvariable
@ncoeftotalnumberofestimatedcoefficients
@coefs（i）coefficienti,whereiisgivenbytheorderinwhichthecoefficientsappearintherepresentationsview
@stderrs（i）standarderrorforcoefficienti
@tstats（i）t-statisticvalueforcoefficienti
@cov（i,j）covarianceofcoefficientsiandj
Functionsthatreturnvectorormatrixobjects:
@coefsvectorofcoefficientvalues
@stderrsvectorofstandarderrorsforthecoefficients
@tstatsvectorofratiosofcoefficientstostandarderrors
@covmatrixcontainingthecoefficientcovariancematrix
Forexample:
seriesy=eq1.@dw
vectortstats=eq1.@tstats
matrixmycov=eq1.@cov
scalarpvalue=1-@cnorm（@abs（eq1.@tstats（4）））
scalarvar1=eq1.@covariance（1,1）
Eviews中的常用函数及应用（Eviews材料二）
1．一般函数
@abs（x）@log（x）@exp（x）@inv（x）@sqrt（x）=sqr（x）
分别表示|x|lnxex1/x
@pch（x）=（x-x（-1））/x（-1）@seas（n）（seasonaldummy）@obs（X）（观察值个数N）@mean（X）@max（X）@min（X）@sum（X）@var（X）（分母n）@cor（X,Y）@cov（X,Y）@stdev（x）（分母n-1）@sumsq（x）（平方和）@sin（x）@cos（x）@tan（x）
d（x）=x-x（-1）dlog（x）=log（x）-log（x（-1））
@c开头指CDF=Prop（X≤x）；@q开头指逆CDF=q*：
Prop（X≤q*）=p；@r开头指随机数生成器
@cchisq（x,v）@qchdist（p,v）@rchisq（v）
@cfdist（x,v1,v2）@qfdist（p,v1,v2）@rfdist（v1,v2）
@ctdist（x,v）@qtdist（p,v）@rtdist（v）
@cnorm（x）@qnorm（p）@rnorm
如@cfdist（60.71,12,1）=0.90，@qtdist（0.05,1）=-6.314；又如自由度为12的t统计量的5%显著水平（双尾）的临界值@qtdist（0.975,12）=2.179
@chisq（x,v）@fdist（x,v1,v2）@tdist（x,v）（统计量样本值在有关分布图中拒绝域的概率），如@tdist（3.45,12）=Prop（|t（12）|>3.45）=0.0048，当显著性水平为1%，则可拒绝原假设），其中3.45是此t统计量样本值的绝对值。
2．关于回归结果的一些函数：
函数
说明
@r2
判定系数
@rbar2
调整后的判定系数
@se
回归标准误差
@ssr
残差平方和
@dw
DW统计量值
@f
F统计量值
@logl
对数似然函数值
@aic
AIC值
@sc
SC值
@regobs
样本容量
@meandep
因变量平均数
@sddep
因变量标准差
@ncoef
估计系数个数
@coefs（i）
第i个系数估计值，i根据系数在[Representations]视图中的顺序而定，下同。
@stderrs（i）
第i个系数估计的标准误差
@tstats（i）
第i个系数的t统计量值
@cov（i,j）
第i个与第j个系数的方差—协方差矩阵
@coefs
系数值向量
@stderrs
系数标准误差向量
@tstats
t统计量值向量
@cov
系数的方差—协方差矩阵
3．函数在Eviews中的应用
可以使用上述函数生成序列，使用命令“Genr序列名=某数学关系式”，如输入以下命令可产生新的序列y1：
“genry1=@pch（y）+@abs（x）”，表示y1=（y-y（-1））/y（-1）+|x|。
也可以作进一步的运算。
如在回归分析后，要计算第2个回归系数的95%置信区间（设t统计量的自由度为18），可在命令窗口输入“=@coefs
（2）-@qtdist（0.975,18）*@stderrs
（2）”，回车后，从信息栏查得的置信区间的左端点值；将刚才输入的式子复制一份，并将其中的负号改为正号，回车后，在信息栏查得的是置信区间右端点值。
又如，计算自由度为18的t统计量单尾检验在5%显著性水平下的临界值，可输入“=@qtdist（0.95,18）”，回车后在信息栏输出的数值就是此临界值。
再如，回归系数的p值可由以下方法得到验证。
以第2个系数为例，假设t统计量的自由度为18，检验是双侧的。
若其t值大于0，则输入“=（1-@ctdist（第2个t值,18））*2”；若其t值小于0，则输入“=（@ctdist（第2个t值,18））*2”，得到第2个回归系数估计的p值（为什么？
）。
对两种情况都输入“=@tdist（第2个t值,18）”也可。
Eviews编程基础
程序是什么？
命令的集合
程序的优势？
按自己的想法来，加以修改，做重复工作
Eviews软件支持批处理模式,用户须将待执行的命令按照一定的格式组成一个程序,提
交计算机处理.如果用户有计算机编程的经验，将会发现Eviews的特性与大多数语言的特性相似。
Eviews程序语言的最主要的新特征是它是宏观的替换语言，用户可以通过把包含有
分量名字的变量名连接起来产生对象名。
编程的要求：
熟悉基本命令，
命令基础
建立工作文件的命令
对象命令
数据命令
绘图命令
统计命令
回归命令
Eviews编程的特点在于允许用户将一系列的命令建立在一个程序中，并保存为一个程序，因此以后可以多次反复自动地执行这些程序；或者通过编程既为用户完成了某一研究项目，也为该研究项目生成了一份完整的研究纪录。
例如，可以编写一个程序去分析一个工业企业的数据，然后再使用这个程序去分析其他一些类似的工业企业的数据。
用户还可以建立一个这样的程序，让它包含这样的一些命令：
从建立工作文件和读取原始数据开始，到计算研究的最后结果，和形成表述研究结果的图形和表格。
这样的程序就将整个项目的研究过程记录了下来。
如果用户对计算机编程已有一些经验，那么对Eviews编程语言的绝大部分不会感到陌生的，熟悉了其他程序设计语言也就熟悉了EViews编程语言。
Eviews编程语言主要的新颖的特点，表现在允许用户通过将变量名与其他对象名结合起来生成一个新的对象名。
一、建立程序（CreatingaProgram）
程序不是工作文件中的对象。
程序只是包含一些Eviews命令的集合。
点击File/New/Program，建立一个新的程序。
点击File/New/Program之后，打开一个标准的文本编辑窗口，允许用户在该窗口中键入程序行。
用户还可通过命令行（命令窗口）通过键入关键字program，之后接一个程序名选项，打开一个名为的程序窗口。
注意，程序名应当遵循标准的Eviews的命名规则。
例如：
programfirstprg
二、保存程序（SavingaProgram）
在建立和编辑程序文件以后，用户或许要求将程序保存起来。
在程序窗口工具条上按Save或SaveAs按钮保存将程序保存为程序文件。
保存的程序文件将在程序名之后自动地加上.PRG的扩展名。
三、打开程序（OpeningaProgram）
为了加载（load）一个早先保存在磁盘上的程序到内存中，需点击File/Open/Program……定位到适当的目录，改变文件类型选项框中的类型为PRG程序文件，再点击欲打开的文件名，最后点击OK确定按钮。
此外，也可以通过命令行去打开一个程序。
在命令行中键入open，后接完整的程序文件名（包括扩展名：
.PRG）。
根据Eviews的缺省设置，Eviews将在缺省的目录中去寻找程序。
如果必要还应包括程序文件的完整路径。
例如：
openmysp500.prg
在缺省路径中打开MYSP500.PRG程序。
openc:
\mywork\eviews\myhou
升级会员 