Eviews操作入门输入大数据对大数据进行描述统计和画图.docx
《Eviews操作入门输入大数据对大数据进行描述统计和画图.docx》由会员分享，可在线阅读，更多相关《Eviews操作入门输入大数据对大数据进行描述统计和画图.docx（26页珍藏版）》请在冰点文库上搜索。
Eviews操作入门输入大数据对大数据进行描述统计和画图
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F1-1Eviews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integerdata）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datesandFrequencyconversion，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Emptygroup（editseries），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。
F1-7
2）从文本文件和数据表输入数据，见图F1-8
在Workfile窗口下，单击Procs/import/readtex-lotus-excel
F1-8文本文件和数据表输入数据
选择需要输入数据的文件。
我们选择的数据在移动存储上，如果数据是文本文件格式，点击打开命令，会得到窗口F1-9；如果是数据表文件会得到窗口F1-10。
图F1-9
F1-9下方的最大的白框中是对数据的预览，可以看到有3列数字，数据按列排列。
第一行是变量名，从第二行开始是数据。
我们要作的工作是在左上方填入变量名，名称可以与数据源中的名称不同，变量名用空格隔开。
然后是左变中间的白框，填入数据前的说明文字占的行数，默认是1，如本例，如果还有一些其他说明例如数据来自统计局等，可能会有2行说明文字，这时把1修改成2。
总之要数据前面的文字部分所占的行数填写在此。
第一列数据是年份，第二列数据是月份，第三列数据是股票价格，希望读入价格，在右上方colums填入2，如图F1-9，会跳过前面两列数据，只读入第三列数据。
按OK数据已经输入该工作文件。
如果数据保存在EXCEL表中，得到图F1-10.需要给出第一个数据在EXCEL表中的位置，通常在B2的位置。
然后在左边中间的白框填写变量名，这里填写的变量名是在Eveiws中的名称，可以与数据表的变量名不同。
不同变量用空格隔开，输几个变量名，会输入几列相邻排列的数据。
在程序中进行操作后，从模型可以计算出一些数据，或者对原有数据进行了变换，可以从Eviews中输出这些数据。
首先选中希望输出的变量名，点击workfile窗口中的proc，选择export从中选择输出数据格式，常用的是最后一个选项保存为文本格式或者EXCEL表格式。
见F1-11。
如果保存成文本格式，只要直接保存即可。
如果保存成EXCEL格式，会弹出窗口F1-12，给出数据在EXCEL表中的排列。
可以修改变量排列的顺序和第一个数据保存的位置，然后保存即可。
图F1-10
F1-11
图F1-12
输入数据后，对数据进行描述性分析。
建立了workfile，并且输入了数据。
可以进行你想作的工作了。
本章主要是对数据进行描述统计，了解数据的统计特征，以方便后面的建模。
下面我们结合描述统计介绍对Eviews的基本操作。
描述统计的全部的工作就是点击workfile窗口的不同命令。
图F1-13是输入SP500闭盘价的窗口。
图F1-13
F1-13中c是Eviews中自动给出的一个量，用来保存模型估计出的未知参数，resid是用来保存模型的残差序列。
P是我们数据的数据。
改变样本区间
有时我们会分阶段对数据进行分析，例如希望比较2000年前的数据与2000年后的数据的不同，所以不总是对工作窗口中的所有数据进行分析，这时可以改变样本长度。
单击Sample，输入希望的区间，按OK。
改变变量名称
单击需要改变名称的变量选中该变量，变量名变色说明已经选中，把光标放在该变量上右击，选中rename输入希望的名字即可。
改变workfile的区间
有时会发现因为偶然的错误或需要预测，workfile的长度不够用。
例如我们想对2004：
09到2004：
12进行预测，可是一开始设计的区间是到2004：
08，因此必须扩展区间。
点击Eviews窗口的procs，选择structure/resizecurrentpage，见图F1-14
F1-14
F1-15
对变量进行变换
输入的原始数据经常需要变换形式，例如我们例题中的数据是月度SP500指数，在分析中我们可能希望对收益率进行研究，所以要得到指数收益率数据。
点击genr命令，得到窗口F1-15。
在窗口中输入公式，下面是经常用到的一些运算
加减乘除+-*/
差分d（）求自然对数后差分dlog（）自然对数log（）指数exp（）平方sqr（）
滞后运算：
price（-1）表示变量名是price的一阶滞后
例如用price表示价格指数，
差分d（price）=price-price（-1）
连续收益率
r=dlog（price）
虚拟变量如果收入超过10000，则赋值为1，
high_inc=income>10000
对计算得到的收益率变量进行描述统计
进行描述性分析：
双击变量，打开一个新窗口；单击View见F1-16：
1）Spreadsheet数据以列表形式出现；Line直线图；Bar柱图
2）DescriptiveStatistics/HistogramandStats做直方图和计算各样本统计量
3）DistributionGraphs/Quantile-Quantile画Q-Q图
F1-16
F1-17
图F1-17是划折线图的选项，背景是画出的折线图。
DescriptiveStatistics/HistogramandStats做直方图和计算各样本统计量结果如图F1-18。
JB检验在图F1-18右下角处，该组数据服从正态分布。
F1-18
EVIEW操作指南:
建立ARMA模型
使用美国三个月期国债利率，时间1954年1月到2007年10月，周数据。
利率用百分数表示。
周数据输入只要输入1954/1/12007/10/4来表示1954年一月第一周到2007年10月第4周，Eviews会自动匹配相应时间，债券利率命名为tbillrate，数据输入后见图F4-1。
F4-1：
建立ARMA模型图1.
输入数据后，首先观察数据的折线图和样本自相关函数图和偏自相关函数图。
分别见图F4-2和图F4-3。
从图F4-2和图F4-3，数据不频繁穿过某一水平线，样本自相关函数图收敛速度非常慢，都意味着TBILLRATE是非平稳的，因此把数据进行一次差分，然后再观察折线图和样本自相关函数图和偏自相关函数图。
图F4-2：
TBILLRATE折线图
图F4-3：
TBILLRATE样本自相关函数和偏自相关函数图
图F4-4：
差分后数据的折线图
图F4-5：
r的样本自相关函数和偏自相关函数图
画样本自相关函数图的命令是双击时间序列数据r的名字，点view-correlogram见图F4-6,可以得到样本自相关函数和偏自相关函数的图形和数值，见图F4-5。
F4-6：
画样本自相关函数的命令
从图F4-4可以看出数据围绕一条水平线波动，已经平稳化。
并且具有一簇一簇的特征，这种特征叫波动率聚类性，下一章对这种特性建立模型。
本章先忽略这一特点。
下面可以对r建立ARMA模型了。
点击workfile窗口的object命令，选择equation，输入equation的名称armatemp，得到窗口F4-6。
F4-7：
建立ARMA模型的窗口
下面是输入模型的几个例子。
例如建立一个AR
（1）模型可以如下输入：
rcr（-1）
等价于模型：
或者输入：
rcar
（1）
等价于模型：
两种输入方法估计结果的区别是后者的c是r的均值，而前者的c是回归模型的截距项，斜率估计值相同。
建立ARMA（1,1）模型可以如下输入
rcr（-1）ma
（1）
等价于模型：
rcar
（1）ma
（1）
等价于模型：
如果滞后长度比较长，例如AR（6）模型可以如下输入
rcr（-1to-6）
等价于模型：
如果滑动平均部分包括很多滞后项，只能分别写出，例如一个MA（4）模型：
rcma
（1）ma
（2）ma（3）ma（4）
建立乘法季节模型可以如下输入：
yar
（1）ar
（2）sar（4）
等价于下面的模型
yma
（1）ma
（2）sma（4）
等价于下面的模型
输入模型的表达式后，可以在sample部分修改估计样本的区间。
使用2000年12月29号的数据到2007年9月28号的周数据建立模型。
根据样本自相关函数建立模型ARMA（5,1），见图F4-7，估计结果见图F4-8：
F4-8：
ARMA（5,1）估计结果
其中Akaikeinfocriterion是AIC准则，Schwarzcriterion是BIC准则。
去掉不显著的解释变量，最终模型见图F4-9。
模型估计结束后，可以点击equation窗口的view-actual,fitted,residual得到真实值，拟和值和残差图形；点击procs然后选择makeresidualseries可以保存残差。
点击view选择residualtests再选择Qtest可以检验残差是否是白噪声过程。
见图F4-10。
图F4-9：
最终ARMA（5,1）模型。
图F4-10：
Q检验命令
图F4-11：
Q检验结果
F4-11是Q检验结果，Q检验的p值都大于5％，在5％显著水平上，说明这时残差是白噪声过程。
预测2007年9月29号到2007年10月11日的周数据进行样本外预测，选择staticforecast，预测值保存在rf中。
见图F4-12。
预测图形见图F4-13.
图F4-12：
预测的设置
图F4-13
因为原始数据是债券利率是非平稳的，因此对差分后的数据建立模型，如果希望直接对债券利率进行预测，可以如F4-14输入模型公式。
在这种输入方式下，模型估计后进行预测的窗口见图F4-15。
在F4-15中，预测有两个选项一个是TBILLRATE，一个是D（TBILLRATE）。
选择TBILLRATE可以直接对债券利率预测。
图F4-14：
用原始数据输入模型
使用AIC准则建立AR（P）模型定阶的程序：
'subroutineend是子程序，laglength是子程序名称，该子程序调用时需要给出两个量，一个是常数最大滞后长度，一个是对哪个时间序列建立模型。
subroutinelaglength（scalarmaxlag,seriesr）
'thefollowingfornextloopwillcomputetheAICandBIC
for!
i=1tomaxlag
equationeq{!
i}.lsrcr（-1to-!
i）
scalaraicl!
i=eq{!
i}.@aic
scalarbicl!
i=eq{!
i}.@schwarz
next
'tablewillmakeatabletoincludetheresults
'firsttherowthethecolumthetable'snameislaglength
table（maxlag+1,3）laglength
'表格的宽度第1列2个字符，第2列，2列9个字符
Setcolwidth（laglength,1,2）
Setcolwidth（laglength,2,9）
Setcolwidth（laglength,3,9）
'表格内填的数字，第1行2列写入AIC，1行3列写入BIC
Setcell（laglength,1,2,"AIC"）
Setcell（laglength,1,3,"BIC"）
'第2行到最后一行写入1到最大滞后长度
for!
i=1tomaxlag
Setcell（laglength,!
i+1,1,@str（!
i））
next
'分别把相应AIC填入相应位置
for!
i=1tomaxlag
Setcell（laglength,1+!
i,2,aicl!
i）
Setcell（laglength,1+!
i,3,bicl!
i）
next
'去掉不需要的结果
for!
i=1tomaxlag
deleteaicl!
ibicl!
ieq!
i
next
endsub
'调用子程序，假设滞后长度8，对r进行分析
calllaglength（8,r）
升级会员 