eviews操作基本命令Word下载.docx

eviews操作基本命令Word下载.docx

《eviews操作基本命令Word下载.docx》由会员分享，可在线阅读，更多相关《eviews操作基本命令Word下载.docx（22页珍藏版）》请在冰豆网上搜索。

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．创建变量序列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时一个序列时，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。

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

matrixmat：

定义一个行和列均为1取值为0的矩阵

matrix（m,n）mat：

定义一个行和列分别为m，n取值为0的矩阵

matr.Fill1234598765，┅默认按列输入数据

matrix（m,n）mat=5：

定义一个行和列分别为m，n取值为5的矩阵

matrix（m,n）mat=5*matr：

定义和matr同维但取值为5倍的矩阵

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-103.17171717298.4059798473-1.0.325079456046

@coefs

（1）或c

（1）@stderrs

（1）@tstats

（1）

X0.777010101010.7618.28900327558.2174494e-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）:

=@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，

=c

（1）+c

（2）*1000-

2.306*@se*@sqr（1+1/@OBS（X）+（1000-@mean（x））^2/@sumsq（x-@mean（x）））＝372.03

=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

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）