eviews操作手冊(留存版)

　　

【正文】 2；星期：月/日/年；日：月/日/年；非時間序列或不規則數據：樣本個數。十一、顯示方式通過View/Display Comments(Label + )可以在標準顯示方式和詳細顯示方式之間切換。四、對象類型除了序列對象和方程對象外還有許多其他類型的對象，每種對象在對象集合中都有一個特定的圖標表示。十三、凍結對象 另一種復制對象中信息的方法是凍結對象。編輯序列：點擊序列名稱或Show可以顯示序列數據，然后點擊Edit+/按鈕，可切換編輯狀態。2．粘貼輸入 通過主菜單中的Edit/Copy和Edit/Paste功能復制—粘貼數據，注意粘貼數據的時間區間要和表單中的時間區間一致。為了觀察序列或組，在Show命令后輸入序列或組的名字：show logy為了打開輸入對話框，在Read命令后輸入需要導入文件的完整名字（包括文件擴展名）：read c:\date\為了打開輸出對話框，在Write命令后輸入需要導出文件的完整名字（包括文件擴展名）：write a:\us 見命令和程序參考部分，關于EViews 中命令和可利用選項的完整列表。D函數和DLOG函數就可以實現此功能。amp。例如：log(y)=x則按 y=exp(x) 計算。還有一些函數可以得到組中序列的個數及每個序列的名字。數據庫不同于工作文件另一方面在于它能支持功能其強大的查詢功能。167。兩個樣本的檢驗可參考下面的分類的相等檢驗（Equality test by classification）。如果這種自相關的形式可由滯后小于k階的自相關表示，那么偏相關在k期滯后下的值趨于零。每一部分包括一行，只有Remarks and History包括20行，注意如果填入了一行（在20行中），最后一行將被刪除。④ ARIMA估計樣本區間 (ARIMA Estimation Sample)3．貿易日和節假日影響選擇4．外部影響(Outlier Effects)5．診斷（Diagnostics）二、X11方法X11法是美國商務部標準的調整方法(乘法模型、加法模型)，乘法模型適用于序列可被分解為趨勢項與季節項的乘積，加法模型適用于序列可被分解為趨勢項與季節項的和。五、季節循環可以改變每年的季節數（缺省值為每年12個月、4個季度）。組窗口內的view下拉菜單分為四個部分：第一部分包括組中數據的各種顯示形式。三、表的設定：單擊Taboption鈕,顯示table options對話框，對話框的上半部分控制表一般形式。高、低值之間用豎線連接。這一部分的原假設是組內所有的序列具有相同的均值、中位數或方差（詳見第七章）。如果你想對其它外生變量（如季節dummy變量或線性趨勢）進行Granger causalilty檢驗，直接用方程進行檢驗回歸。 命令利用命令也可對組進行操作。有Normal(正態)分布、Uniform(一致)分布、Exponential(指數)分布、Logistic(螺線)分布、Extreme value(極值)分布。局部核回歸擬合通過選取參數β使總體二乘殘差最小。167。amp。Legend鍵，編輯圖的說明。Font允許你從標簽中選擇字體。Add shading to all graphs...為對象中的每個圖繪制線或添加陰影。InsertDelete(InsDel)在指定位置進行插入刪除操作。一些文字處理程序提供了將內容作為非格式化文件粘貼到剪切板中的選項。二、公式法 EViews 中的公式是一個包括回歸變量和系數的數學表達式。EViews 計算的公式為： =1，（2）調整使用作為衡量工具存在的一個問題，即在你增加新的自變量時不會減少。四、方程的殘差缺省方程的殘差存儲于RESID的序列對象中。加權最小二乘估計量為：要使用加權最小二乘法估計方程，首先到主菜單中選Quick/Estimate Equation…,然后選擇LSLeast Squares(NLS and ARMA),然后按Options鈕。在二階段最小二乘估計中有兩個獨立的階段。要察看初始值，雙擊系數向量。與序列相關相聯系的主要問題有：一、一階自回歸模型最簡單且最常用的序列相關模型是一階自回歸AR(1)模型定義如下：參數是一階序列相關系數，實際上，AR(1)模型是將以前觀測值的殘差包含到現觀測值的回歸模型中。5．AR估計輸出含有AR項的模型有兩種殘差：第一種是無條件殘差，通過原始變量以及估計參數算出。二、季節ARMA項對于帶有季節移動的季度數據，Box and Jenkins(1976)建議使用季節自回歸SAR和季節動平均SMA。可以使用多項式分布滯后（PDLS）來減少要估計的參數個數，以此來平滑滯后系數。，差分平穩序列稱為單整，記為I(d)，d為單整階數。在檢驗回歸中包括常數，常數和線性趨勢，或二者都不包含。因為發散序列沒有經濟學含義，所以備選假設為單邊假設。如果一個序列的均值和自協方差不依賴于時間，就說它是平穩的。 167。 ARIMA理論ARIMA（自回歸單整動平均）模型是AR模型的一般化，EViews使用三種工具來為干擾項的序列相關建模：自回歸AR、單整I、動平均MA。如果想估計一個有15階自回歸的模型 應輸入：cs c gdp ar(1) ar(2) ar(3) ar(4) ar(5) 3．存在序列相關的非線性模型EViews可以估計帶有AR誤差項的非線性回歸模型。第十三章 時間序列回歸本章討論含有ARMA項的單方程回歸方法，這種方法對于分析時間序列數據（檢驗序列相關性，估計ARMA模型，使用分布多重滯后，非平穩時間序列的單位根檢驗）是很重要的。選擇參數初始值沒有通用的法則。NeweyWest估計量為： 其中要使用NeweyWest方法，在估計對話框中按Options鈕。這里的大多數方法在第十八章的方程系統中也適用。 三、缺省方程 我們可以包方程的結果儲存起來以便在以后的大量計算中使用。（3）t統計量 t統計量是由系數估計值和標準差之間的比率來計算，它是用來檢驗系數為零的假設的。 在 EViews中對方程進行說明一、列表法 即列出你在方程中要使用的變量列表（因變量，表達式和自變量）。可以將一個表剪切粘貼到電子表格或文字處理軟件中。首先，擊活這個圖的對象窗口，然后點擊 EViews主菜單上Edit/Copy，就會出現Copy Graph as Metafile對話框。對多個圖進行操作的方法有兩種。添加和編輯文本 添加新的文本，只需點擊工具欄中的AddText鍵或選擇Procs/Add text….修改一個已有文本，只需雙擊該文本。改變圖的大小、軸、尺度和說明 General鍵控制圖的基本的顯示屬性。改變圖的類型 Type允許你改變圖的類型。第十章 圖、表和文本對象EViews 的對象（序列、組、方程等）可以用圖、表、文件等形式表現出來。1．Method操作你可以選擇在樣本中的每一個數據點作局部回歸或在數據點的子集中作局部回歸。167。指定VAR表達式及估計見第19章。當你選擇了Granger Casuality，在對話框輸入滯后階數。顯示組內序列的簡單統計量。XY線（XY Line）：顯示組中序列的XY線圖。 數據表一、數據表（Dated Data Table）：數據表用來建立表以顯示數據、預測值和模擬結果。如果要用HP濾波光滑序列GDP，參數為1600，并且光滑后的序列保存為GDP_HP,(1600) gdp_hp。在填充區內輸入參數值，所有參數值在01之間。①數據轉換（Data Transformation）② ARIMA說明(ARIMA Spec)允許你在2種不同的方法中選擇你的ARIMA模型。更多的留在13章討論。如果在小的滯后階數下趨于零，表明序列服從低階動平均過程。如果該值很小，則拒絕原假設。 摘要EViews 的數據庫有些類似于一個工作文件，它就是EViews中的對象集合。③處理組中的列強調的是組中存放的是構成這個組的序列的名字或是自動序列，而不包含序列中的數據。如果等號右端是一個常量表達式，例如：Y=3 則把樣本空間中的所有觀測值用常量代換。、amp。滯后的數字用負號表示，先行的用正數表示。從低頻率數據向高頻率數據的轉換，有6種插值方法：常數——與平均值相匹配；常數——與和相匹配；二次函數——與平均值相匹配；二次函數——與和相匹配；線性函數——與最后的值相匹配；三次函數——與最后的值相匹配。命令方式改變當前樣本區間如Smpl 1980:1 2000:4 IF RCamp。例如：Save test2為保存工作文件test2的命令。十、對象命名對象窗口工具條中的Name可以給對象命名，其中Display Name是對象在圖形或表格中顯示的名字。很多過程還創建新的對象。對象類型和對象名稱可作為限制條件。對象都放置在對象集合中，其中工作文件（workfile）是最重要的對象集合。但是在第一次使用前， EViews 4要求你在網上注冊。EViews在系統數據分析和評價、金融分析、宏觀經濟預測、模擬、銷售預測及成本分析等領域中有著廣泛的應用。167。167。通過單擊菜單Procs/Sortseries，可以把工作文件中的所有序列以序列中的數據值大小排序。利用序列的視圖還可以進行簡單的假設檢驗和統計分析。假如在對話框中輸入單個對象的名字就會打開該對象窗口；如果輸入多個對象的名字，EViews會打開一個窗口顯示結果在必要的時候還會創建一個新的對象。 命令可以用命令方式建立工作文件。167。 頻率轉換工作文件中的數據都是一個頻率的，但是從一個工作文件窗口向另一個不同數據頻率的工作文件窗口拷貝數據，或者從數據庫提取數據，就有一個頻率轉換的問題。六、邏輯表達式、樣本描述的一部分或在程序中作為if判斷的一部分。gt。基本的分配表達式你可以寫一個序列的名字后加一個=，然后再寫一個表達式。創建自動序列可以單擊“show”按鈕或選擇主菜單上的“quick/show…”EViews 會以表格打開一個序列窗口。如果想知道數量對象的值，可以使用show命令。167。JarqueBera 檢驗序列是否服從正態分布。一、自相關（AC）序列y滯后k階的自相關由下式估計是樣本y的均值，這是相距k期值的相關系數。167。④存調整后的分量序列名（Component Series to save）X12將加上相應的后綴存在工作文件中。選擇Procs/Exponential Smoothing ，提供以下信息：一、 平滑方法 在5種方法中選擇一種方法。167。通過單擊Transpose鍵，可以使表格的行列互換。要單獨顯示各個序列，參照第205頁 “Multiple graphs”。二、復合圖（Multiple graphs）圖（Graph）用一張圖顯示所有序列，復合圖（Multiple Graphs）為每個序列顯示一張圖。167。你可以隨意改變方程的表達式。對的分位數 滿足：且 All選項包括CDF，Survivor和Quantile函數。二、Scatter with Regression(回歸散點圖) 就是在組中對第一個序列及第二個序列進行總體變換來進行二元回歸，選擇Regression Robustness lterations(穩健疊代)最小二乘法對一些無關觀測值的存在非常敏感，穩健疊代操作就是產生一種對殘差平方的加權形式，使無關的觀測值在估計參數時被加最小的權數。(yl,d=3)對Y軸上的序列經對數變換，且次數取3來擬合X軸上的序列。另一個組合圖的方法是選擇Quick/Show...然后鍵入這些圖的名字。Stack lines amp。Bars amp。輸入這個圖對象的名字。雙擊Add Printer,點擊Next, Local，選擇PostScript打印機，然后選擇FILE：命令Windows打印文件，告訴Windows你是否想用缺省打印機。Title在表頂部的中間加標題。167。這些選項允許你進行以下操作：對估計方程加權，計算異方差性等，控制估計算法的各種特征。 167。多重共線性 如果自變量具有高度共線性， EViews在計算回歸估計時會遇到困難。接著，單擊異方差一致協方差(Heteroskedasticity Consistent Covariance),選擇White 鈕，接受選項估計方程。只要選擇Object/New Object/Equation, 然后輸入方程并單擊OK。要用GMM法估計方程，或者用Object/New Object/Equation創建新方程，或者在已有的方程基礎上選Estimate鈕。有時，在回歸方程中添加不應被排除的變量會消除序列相關。這種方法的優點在于：易被理解，應用廣泛，易被擴展為非線性定義的模型。這意味著殘差中應不存在序列相關。定義一個PDLs有三個元素：滯后長度k，多項式階數（多項式最高次冪數）p和附加的約束。如果的絕對值大于1，序列發散。PP檢驗參數的t統計量來修正AR(1)的序列相關。 167。常數僅用來避免共線性引起的數值問題，不影響的估計。非線性估計方法對所有系數估計都要求初值。第二種殘差是估計的一期向前預測誤差。在使用估計方程進行統計推斷（如假設檢驗和預測）之前，一般應檢驗殘差（序列相關的證據），Eviews提供了幾種方法來檢驗當前序列相關。只需輸入關鍵詞PARAM，然后是每個系數和想要的初值：param c(1) 153 c(2) .68 c(3) .15 167。第二個階段是對原始方程的回歸，所有變量用第一個階段回歸得到的擬合值來代替。（HAC）當異方差性形式未知時，使用加權最小二乘法不能得到參數的有效估計。 六、存儲和獲取一個方程方程可以和其他對象一起以數據或數據庫文件形式存放在磁盤中。計算方法如下： ，（4）殘差平方和 殘差平方和可以用于很多統計計算中：