eviews_操作手冊(word版)(編輯修改稿)

　

【文章內容簡介】 Fuller和PhillipsPerren單位根檢驗，可檢驗序列是否平穩。選擇檢驗類型，決定單位根檢驗是否用原始數據、一階差分、二階差分，是否包括截距或趨勢以及檢驗回歸的滯后階數。更多的留在13章討論。167。（label） Update，你可以編輯序列標簽中的任何項。Last Update顯示序列上一次修改的時間。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。167。1．由方程創建Generate by Equation允許你使用已有序列的表達式來建立新的序列，序列表達式的書寫規則見第5章。2．重置樣本Resampling從觀測值中提取，建立一個新序列。167。(Seasonal Adjustment)在序列窗口的工具欄中單擊Procs/Seasonal Adjustment，有4種季節調整方法， X12方法、X11方法、Tramo/Seats方法和移動平均方法。一、Census X12方法 調用X12季節調整過程 Census X12，X12方法有5種選擇框1．季節調整選擇（Seasonal Ajustment Option）① X11方法（X11 Method）這一部分指定季節調整分解的形式：乘法；加法；偽加法（此形式必須伴隨ARIMA說明）； ②季節濾波(Seasonal Filter)當估計季節因子時，允許選擇季節移動平均濾波（可能是月別移動平均項數），缺省是X12自動確定。近似地可選擇(X11 default)缺省選擇。③ 趨勢濾波（Trend Filter (Henderson)）指定亨德松移動平均的項數，可以輸入大于1和小于等于101的奇數，缺省是由X12自動選擇。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。2．ARIMA選擇（ARIMA Option）X12允許你在季節調整前對被調整序列建立一個合適的ARMA模型?？梢栽谶M行季節調整和得到用于季節調整的向前/向后預測值之前，先去掉確定性的影響（例如節假日和貿易日影響）。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。a、Specify inline選擇要求提供ARIMA模型階數的說明（p，d，q）(P，D，Q)，缺省的指定是“(0 1 1)(0 1 1)”是指季節的IMA模型：L是滯后算子，這里季節差分是指季度數據時s=4；月度數據時s =12。b、Select from file X12將從一個外部文件提供的說明集合中選擇ARIMA模型。③回歸因子選擇（Regressors）允許你在ARIMA模型中指定一些外生回歸因子，利用多選鈕可選擇常數項，或季節虛擬變量，事先定義的回歸因子可以捕捉貿易日和節假日的影響。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。乘法模型只適用于序列值都為正的情形。關于調整后的序列的名字。Eviews在原序列名后加SA，可以改變序列名，將被存儲在工作文件中。應當注意，季節調整的觀測值的個數是有限制的。X11只作用于含季節數據的序列，需要至少4整年的數據，最多能調整20年的月度數據及30年的季度數據。三、移動平均方法四、tramo/Seats167。指數平滑是可調整預測的簡單方法。當你只有少數觀測值時這種方法是有效的。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。二、平滑參數可以讓Eviews估計它們的值。在填充區內輸入字母e，Eviews估計使誤差平方和最小的參數值。在填充區內輸入參數值，所有參數值在01之間。三、平滑后的序列名Eviews在原序列后加SM指定平滑后的序列名，也可以改變。四、估計樣本必須指定預測的樣本區間。缺省值是當前工作文件的樣本區間。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）。167。 HodrickPrescott濾波設經濟時間序列為Y=，趨勢要素為T=，n為樣本長度。一般地，時間序列中的不可觀測部分趨勢常被定義為下面最小化問題的解： (1)其中，正實數λ表示在分解中長期趨勢和周期波動占的權數，是延遲算子多項式 (2)將（2）代入（1）式，則HP濾波的問題就是使下面損失函數最小，即最小化問題用來調整趨勢的變化，并隨著λ的增大而增大。這里存在一個權衡問題，要在趨勢要素對實際序列的跟蹤程度和趨勢光滑度之間作一個選擇。＝0時，滿足最小化問題的趨勢等于序列；λ增加時，估計趨勢中的變化總數相對于序列中的變化減少，即λ越大，估計趨勢越光滑；λ趨于無窮大時，估計趨勢將接近線性函數。選擇Procs/Hodrick Prescott Filter，首先對平滑后的趨勢序列給一個名字，Eviews將默認一個名字，但你也可填入一個新的名字。然后給定平滑參數λ的值，一般經驗地，λ的缺省值如下：不允許填入非整數的數據。點擊OK后，Eviews與原序列一起顯示處理后的序列。167。命令的語法結構：序列名稱、圓點、視圖或過程名，再加上括號里的可選項。比如，如果要察看序列名為lwage的直方圖和描述統計量，；如果要檢驗序列HRS的均值是否等于3，(mean=3)；如果要得到序列GDP滯后20階的相關圖，(20)。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。第八章 組這一章描述了組對象的視圖與過程。對一個組我們可以計算各種統計量，描述不同序列之間的關系，并以各種方式顯示出來，例如表格、數據表、圖等。
167。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。第二部分包括各種基本統計量。第三部分為時間序列的特殊的統計量。第四部分為標簽項，提供組對象的相關信息。167。這部分顯示組中的序列，在組窗口內進行編輯就可以改變組。按Update Group鍵保存改動。167。以表格形式顯示組中的每一序列。通過單擊Transpose鍵，可以使表格的行列互換。單擊Transform鍵，選擇下拉菜單中一項，可以用序列的不同形式（如水平或百分比）顯示表格。167。 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?？梢圆煌男问斤@示組中的數據。你可以用其作一般的變換及頻率轉換，可以在同一表中以不同頻率顯示數據。二、建立一個數據表：要建立一個數據表，首先建立一個包含序列的組，選View/ Dated Data Table。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。左邊的選項允許你在兩種顯示模式中轉換：第一種顯示模式每行顯示n年的數據。第二種模式允許你指定從工作文件樣本區間的末尾取出的觀測值的數目，這些觀察值以年頻率之外的一種頻率顯示。對話框右上部First Column描述組的第一列的顯示頻率，Second Column控制組的第二列的顯示。167。以圖形的形式顯示組中的序列?？梢酝ㄟ^freeze創造圖形對象。第10章解釋了如何編輯及修改圖形對象。一、Graph將所有序列顯示在一個圖內。要單獨顯示各個序列，參照第205頁 “Multiple graphs”。 曲線圖和直方圖：此項用曲線圖或直方圖表示組中的序列。散點圖：序列的散點圖有五個選項：simple scatter ， scatter with regression ，scatter with nearest neighbor fit ，scatter with kernel fit，XY Pairs。XY線（XY Line）：顯示組中序列的XY線圖。X軸方向顯示第一個序列，Y軸方向顯示其余的序列。
差距條狀圖（Error Bar）：此項以豎線顯示組中前兩個或三個序列的差距。第一個序列作為“高”值，第二個作為“低”值。高、低值之間用豎線連接。第三個序列用一個小圓圈表示。高低點圖（Highlow（OpenClose））第一個序列是高值，第二個序列是低值，高值低值之間由一條豎線連接。如果高點值低于低點值，就以線段上的空白來表示。如果使用三個序列，第三個序列作為高低收盤圖的close值，以豎線右邊的橫線表示。如果使用四個序列，第三個序列代表開盤價，以左邊的橫線表示。第四個序列代表收盤價，以右邊的橫線表示。圓餅圖：以圓餅圖的形式顯示觀測值。以餅中的扇形表示每一序列在組中所占的百分比。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。主要有：曲線圖和直方圖，散點圖，XY線，分布圖。
167。顯示組內序列的簡單統計量。Common Sample用于在組中序列無缺失值的情形下計算統計量（去掉包含缺失項所在時期的樣本）。Individual Samples用每一個序列有值的觀測值進行統計量計算（去掉缺失項）。167。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）。只有在組中數據都不存在缺失項時才能選mon sample項。167。、協方差及相關圖相關和協方差：顯示了組中序列的相關及協方差距陣。Common Sample會去掉序列丟失項所在時期的觀察值，Pairwise Sample僅去掉丟失的值。167。顯示組中頭兩個序列的交叉相關。交叉相關不必圍繞滯后期對稱。交叉相關圖中的虛線是二倍的標準差，近似計算。167。 Granger因果檢驗主要看現在的y能夠在多大程度上被過去的y解釋，然后再加入x的滯后值是否使解釋程度提高。如果x在y的預測中有幫助，那就是說y是由x Grangercaused。當你選擇了Granger Casuality，在對話框輸入滯后階數。一般的要使用大一些的滯后階數，你應該指定滯后期長度i。Eviews采用二元回歸形式對所有組內可能的對（x,y），F統計量為具有聯合假設的Wald統計量，聯合假設為。對每個方程，原假設為在第一個回歸中x不Grangercause y，第二個回歸中y不Grangercause x。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。167。 標簽顯示對組的描述。你可以編輯標簽中的任何項，除了Last Update。Name是組在工作文件中顯示的名字。你可以通過編輯這一項給組重命名。如果你在Display Name區中填入字符，Eviews將用這個名字在組中顯示某些圖和表。167。 組過程組中可以得到三個過程：Make Equation：打開一個確定方程的對話框，組中的第一個序列作為因變量，其余的序列作為自變量，包含常數項C。你可以隨意改變方程的表達式。Make Vector Autoregression 打開一個無限制的vector autoregression對話框。組中所有的序列在VAR中都為內生變量。指定VAR表達式及估計見第19章。Resample可以改變組中所有序列的樣本區間。有關詳細內容見173頁的“Resample”。167。 命令利用命令也可對組進行操作。一般規則是：組名后加點、視圖或過程的命令名，括號中是指定選項。比如（grp1）的散點圖；(med)可以檢驗組(gp_wage)中各序列的均值是否相等；(12)可以得到兩個序列到12階的交叉相關系數。第九章 應用于序列和組的統計圖在本章，列出了幾種散點圖且允許我們可以用有參數或無參數過程來做擬合曲線圖。167。 序列的圖菜單列出了三種描述序列經驗分布特征的圖。167。 CDF—Surivor—Quantile圖這個圖描繪出帶有加或減兩個標準誤差帶的經驗累積分布函數，殘存函數和分位數函數。選擇View/Distribution Graphs/CDF—Surivor—Quantile CDF是來自于序列中觀測值r的概率 Surivor(殘存)操作用來描繪序列的經驗殘存函數Quantile(分位數）操作用來描繪序列的經驗分位數。對的分位數 滿足：且 All選項包括CDF，Survivor和Quantile函數。Saved matrix name可以允許你把結果保存在一個矩陣內。Iclude standard errors(包括標準誤差) 操作標繪接近95%的置信區間的經驗分布函數。167。 Quantile—Quantile圖Quantile—Quantile(圖)對于比較兩個分布是一種簡單但重要的工具。如果這兩個分布是相同的，則圖將在一條直線上。如果圖不在一條直線上，則這兩個分布是不同的。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。167。 Kernel Density（核密度）這個視圖標繪出序列分布的核密度估計。核密度估計用“沖擊”代替了直方圖中的“框”所以它是平滑的。平滑是通過給遠離被估計的點的觀測值以小的權重來達到的。一個序列X在點x的核密度估計式：這里，N是觀測值的數目，h是帶寬（或平滑參數），K是合并為一體的核函數。選擇View/Astribution Graphs/Kernel Density…… 167。通過view/Graph/Scat