张晓彤Eviews使用教程简易版.docx

1、张晓彤Eviews使用教程简易版计量经济学软件包 Eviews 使用说明一、启动软件包假定用户有 Windows95/98的操作经验,我们通过一个实际问题的处理过程,使 用户对 EViews 的应用有一些感性认识,达到速成的目的。1、 Eviews 的启动步骤:进入 Windows /双击 Eviews 快捷方式,进入 EViews 窗口;或点击开始 /程序 /Econometric Views/Eviews,进入 EViews 窗口。 2、 EViews 窗口介绍标题栏:窗口的顶部是标题栏,标题栏的右端有三个按钮:最小化、最大 化(或复原和关闭,点击这三个按钮可以控制窗口的大小或关闭窗口。菜

2、单栏:标题栏下是主菜单栏。主菜单栏上共有 7个选项: File, Edit , Objects , View , Procs , Quick , Options , Window , Help 。用鼠标点击可打开下拉 式菜单(或再下一级菜单,如果有的话,点击某个选项电脑就执行对应的操作响 应(File , Edit 的编辑功能与 Word, Excel中的相应功能相似。命令窗口:主菜单栏下是命令窗口,窗口最左端一竖线是提示符,允许用 户在提示符后通过键盘输入 EViews (TSP 风格命令。如果熟悉 MacroTSP (DOS 版的命令可以直接在此键入,如同 DOS 版一样地使用 EView

3、s 。按 F1键(或移动箭 头,键入的历史命令将重新显示出来,供用户选用。主显示窗口:命令窗口之下是 Eviews 的主显示窗口,以后操作产生的窗口 (称为子窗口均在此范围之内,不能移出主窗口之外。状态栏:主窗口之下是状态栏,左端显示信息,中部显示当前路径,右下 端显示当前状态,例如有无工作文件等。(图一 二、创建工作文件工作文件是用户与 EViews 对话期间保存在 RAM 之中的信息,包括对话期间 输入和建立的全部命名对象,所以必须 首先建立或打开一个工作文件用户才能与 Eviews 对话 。工作文件好比你工作时的桌面一样,放臵了许多进行处理的东西 (对象,像结束工作时需要清理桌面一样,允

4、许将工作文件保存到磁盘上。 如 果不对工作文件进行保存,工作文件中的任何东西,关闭机器时将被丢失。 进入 EViews 后的第一件工作应从创建新的或调入原有的工作文件开始。只 有新建或调入原有工作文件, EViews才允许用户输入开始进行数据处理。建立工作文件的方法:点击 File/New/Workfile。选择数据类型和起止日 期,并在出现的对话框中提供必要的信息:适当的时间频率(年、季度、月度、 周、日;确定起止日期或最大处理个数(开始日期是项目中计划的最早的日期; 结束日期是项目计划的最晚日期,非时间序列提供最大观察个数,以后还可以对这 些设臵进行更改。下面我们通过研究我国城镇居民消费与

5、可支配收入的关系来学习 Eviews 的 应用。数据如下:表一 下面的图片说明了具体操作过程。1、打开新建对象类型对话框,选择工作文件 Workfile ,见图二。2 、打开工作文件时间频率和样本区间对话框,输入频率和样本区间,见图三。 (图三(图二3、点击 OK 确认,得新建工作文件窗口,见图四。 工作文件窗口:工作文件窗口是 EViews 的子窗口。它有标题栏、控制按钮 和工具条。标题栏指明窗口的类型 workfile 、工作文件名。标题栏下是工作文件 窗口的工具条,工具条上有一些按钮。 Views 观察按钮 、 Procs 过程按钮、 Save (保存工作文件 、 Sample (设臵观

6、察值的样本区间、 Gener (利用已有的序列 生成新的序列、 Fetch (从磁盘上读取数据、 Store (将数据存储到磁盘、 Delete (删除对象。 此外,可以从工作文件目录中选取并双击对象,用户就可 以展示和分析工作文件内的任何数据。工作文件一开始其中就包含了两个对象,一 个是系数序列 C (保存估计系数用,另一个 残差序列 RESID (实际值与拟合值之 差 。小图标上标识出对象的类型, C 是系数向量,曲线图是时间序列。用户选择 Views 对象后双击鼠标左建或直接使用 EViews 主窗口顶部的菜单选项,可以对工 作文件和其中的对象进行一些处理。4、保存工作成果:将工作成果保

7、存到磁盘,点击工具条中 save输入文件 名、路径 保存,或点击菜单栏中 File Save或 Save as 输入文件名、路径 保 存。5、打开工作文件:我们可以打开一个已有的工作文件继续以前的工作,点 击主菜单中的 File Open Workfile 选定文件 打开。三、输入和编辑数据建立或调入工作文件以后,可以输入和编辑数据。 输入数据有两种 基本 方 法 :data 命令 方式和 鼠标图形界面 方式1、 data 命令方式 :命令格式为:data .,序列名之间用空格隔开,输入全部序列后回车就进入数据编辑窗口 ,如图 五所示。用户可以按照 Excel 的数据输入习惯输入数据。数据输入

8、完毕,可以关闭 数据输入窗口,点击工作文件窗口工具条的 Save 或点击菜单栏的 File Save将 数据存入磁盘。(图四2、 鼠标图形界面方式数组方式 :点击 Quick Empty Group (Edit Series , 进入数据窗口编辑窗口,点击 obs 行没有数据的第一列(如图五中太 阳标志处,然后输入序列名,并可以如此输入多个序列。输入数据名后,可以输 入数据,方式同上。3、 鼠标图形界面方式序列方式 :点击 Objects New object 选 Series 输入序列名称 Ok,进入数据编辑窗口,点击 Edit+/-打开数据编辑状 态,(用户可以根据习惯点击 Smpl+/-

9、改变数据按行或列的显示形式 , 然后输入 数据,方式同上。4 、编辑工作文件中已有的序列:可以按照操作 Windows 的习惯在工作文件主显示窗口选定一个或多个序列,点击鼠标右健打开一个或多个序列,进入数据编 辑状态,可以修改数据。四 、由组的观察查看组内序列的数据特征(图五 按下数组窗口(也可以成为数组或数据编辑窗口工具条上 Views 按钮 , 可以 得到组内数据的特征 ,见图六。具体介绍如下: (图六Group Members 可用于 增加组中的序列 ; SpreadSheet 以 电子数据表 的形式 显示数据; Dated Data Table 将 使时序数据以表的形式显示 ; Gra

10、ph 以 各种图形 的形式显示 数据的; Multi Graph 以 多图的形式显示 组中数据; Descriptive Stats 给出组中 数据的描述统计量 , 如均值、方差、偏度、峰度、 J-B 统计量(用 于正态性检验等 ; Tests of equality 给出 检验 组中 序列 是否具有 同方差 、 同 均值 或 相同中位数 的 假设检验结果 ; N-way/One-way Tabulation 给出数组中序 列观测值在某一区间的频数、频率和某一序列是否与组中其他序列独立的假设检验 结果; Correlations 给出数组中序列的相关系数矩阵; Covariances 给出数组

11、中 序列的斜方差矩阵; Correlogram (1给出组内第 1序列的水平序列及其差分序列 的自相关函数和偏自相关函数; Cross Correlation (2给出组内第 1和第 2序列 的 超 前 几 期 和 滞 后 几 期 值 之 间 的 互 相 关 函 数 ; Cointegration Test 执 行 图八图七Johansen cointegration协整(或称为共积检验; Granger Causality检验组 内各个配对间的 Granger 因果关系; Lable 给出数组的名称及修改时间等信息。 五、 回归分析 -估计消费函数1、在经济理论指导下,利用软件包的“观察(V

12、iew ”功能对数据进行 “火力侦察”,观察消费性支出与可支配收入的 散点图 (见图七 。依据凯恩斯理 论,设定理论模型:consum= a + b (inc2、 作普通最小二乘法估计 :在 主菜单 选 QuickEstimate Equations,进 入输入估计方程对话框 , 输入待估计方程 , 选择估计方法 普通最小二乘法,如 图八所示。点击 OK 进行估计,得到估计方程及其统计检验结果,如图九所示。 3、利用图九中给出的统计检验结果对模型的可靠性进行统计学检验,由统 计结果可以看出该模型拟合优良,误差项不存在一阶正自相关。4、利用图九中 估计方程显示窗口 中工具条 View ,可以 显

13、示估计方程 、 估计 方程的统计结果 、 以图或表的形式显示数据的实际值 、 预测值和残差 。六、单方程预测 预测是我们建立经济计量模型的目的之一 , 其操作如下:进入方程估计输出 窗口(可以选定一个已有的方程建打开或估计一个新方程如图九,点击其工具栏 中的 Forecast 打开对话框(图十,输入序列名 (Forecast name , 这名称通 常与方程中被解释变量的名字不同, 这样就不会混淆实际值和预测值;作为可选 项,可给预测标准差随意命名 S.E(optional,命名后,指定的序列将存储于工 作文件中;用户可以根据需要选择预测区间 (sample range for forecas

14、t ; Dynamic 选项是利用滞后左手变量以前的预测只来计算当前样本区间的预测值, Static 选项是利用滞后左手变量的实际值来计算预测值(该选项只有在实际数值 可以得到时使用,当方程中不含有滞后被解释变量或 ARMA 项时,这两种方法在 第二步和以后各步都给出相同结果,当方程中含有滞后被解释变量或 ARMA 项时, 图九这两种方法在第二步以后给出不同结果;用 Output 可选择用图形或数值来看预测 值,或两者都用以及预测评价指标(平均绝对误差等。将对话框的内容输入完 毕,点击 OK 得到用户命名的预测值序列。注意:在进行外推预测之前应给解释变量赋值 。例如我们根据 19801998年

15、数据得到中国人均生活费支出与人均可支配收入关系的回归方程,希望预测 1999、 2000、 2001年的人均生活费支出。为此,我们首先需要给出 1999、 2000、 2001年人均收入可支配的数据,如果 1999、 2000、 2001我们从历史数据中得不到 1999、 2000、 2001年人均收入可支配的数据,就应利用其他方法估计出这些数 据,把 1999、 2000、 2001年人均收入可支配的数据(可能是估计值输入解释变 量中就可以预测出这三年的人均生活费支出。七、异方差检验 古典线性回归模型的一个重要假设是总体回归方程的随机扰动项 u i 同方差,即 他们具有相同的方差 2。如果随

16、机扰动项的方差随观察值不同而异, 即 ui 的方差 为 i2, 就是异方差。 检验异方差 的步骤是 先在同方差假定下估计回归方程, 然 后 再对 得到的的 回归方程的残差 进行 假设检验 , 判断是否存在异方差。 Eviews 提 供了 怀特 (White的一般异方差检验 功能。零假设:原回归方程的误差同方差。备择假设:原回归方程的误差异方差我们仍利用表一数据进行分析。操作步骤:在工作文件主显示窗口选定需要分析的回归方程 打开估计方程 及其统计检验结果输出窗口 (见图九 点击工具栏中的 View 选 Residual Tests 图十一图十White Heteroskedasticity (n

17、o cross terms 或 White Heteroskedasticity (cross terms(图十一,可 得到辅助回归方程 和 怀特检验统计量 -即 F 统计量 、 2 统计量 的值 及其对应的 p 值 。由图十二中的显示结果可以看出:在1%显著水平下我们拒绝零假设,接受回归方程的误差项存在异方差的备择假设。值得重 申的是:虽然图九中的 信息告诉我们回归方程拟和优良 , 但 我们 还应该 对其 进行 经济计量学检验 ,以 确定 其 是否满足古典假设 。一般地, 只要 图十二中 给出 的 p 值小于给定的显著水平 ,我们就 可以在该显 著水平下拒绝零假设。 注 意 :WhiteHe

18、teroskedasticity (no cross terms 与 White Heteroskedasticity (cross terms选项的区别 在于:在 no cross terms选项下 得到的辅助回归方程中不包含原回归方程左手变量的交叉乘积项作为解释变量;而 cross terms选项下得到的辅助回归方程中包含原回归方程左手变量的交叉乘积项 作为解释变量。在我们 使用的一元回归例子中 ,这两个选项的作用没有区别。当 我们 分析多元回归模型的异方差 问题时,因为所选辅助回归方程的解释变量不 同,这 两个选项的作用就不同 了。八、 White 异方差校正功能和加权最小二乘法1. W

19、hite 异方差校正功能:我们使用表二的数据,在主菜单选 Quick Estimate Equations,进入输入估计方程对话框 , 输入待估计方程 (cumin ,选择估计方法普通最小二乘法,点击 Options 按钮进入方程估计选择对 话框,选择 Heteroskedasticity Consistent Covariance White OK应用 (见图十三 1,回到估计方程对话框,点击 OK 得到校正后的回归方程(见图十 四。同学们可以比较图十四中的方程与普通最小二乘法得到的方程。表二1对这一方法的进一步了解可参考经济计量分析 美 威廉 H 格林 著,中国社会科学出版社, 1998年

20、 3月, p423-424,适用于普通最小二乘法的协方差矩阵的估计图十二中国 1998年各地区城镇居民平均每人全年家庭可支配收入及交通和通讯支出 2、加权最小二乘法:我们使用表二的数据,在主菜单选 Quick Estimate Equations ,进入输入估计方程对话框 , 输入待估计方程 (cum in ,选择估计 方法普通最小二乘法,点击 Options 按钮进入方程估计选择对话框,选择 Weighted LS/TSLS 在对话框内输入用作加权的序列名称 in 的平方根得倒数 OK应用(见图十五,回到估计方程对话框,点击 OK 得到加权最小二乘法回归 方程(见图十六并与图十四中的方程比较

21、。Eviews 中进行加权最小二乘估计的过程为:选定一个与残差标准差的倒数成 比例的序列作为权数,然后将权数序列除以该序列的均值进行标准化处理,将经过 标准化处理的序列作为权数进行加权作最小二乘估计,这种做法不影响回归结果。但应该注意, Eviews 的这种标准化处理过程对频率数据不适 用。图十三图十四 九、一阶(高阶序列相关校正当线性回归模型中的随机扰动项是序列相关时, OLS 估计量尽管是无偏的,但 却不是有效的。当随机扰动项有一阶序列相关时,使用 AR(1可以获得有效估计 量。其原理如下:表三中的数据,设进口需求函数随机方程为IM t = B0+ B1 GNPt + u t (2IM 为

22、每年进口额, GNP每年收入的替代变量。假设误差项存在一阶自相关,则 u t 可以写成:表三图十五图十六 u t = u t-1+t -11 (3其中 N(0,2, Cov(i, t = 0, ij 。记作 u i 服从 AR(1。 假定 已知,我们将方程 (3中的变量滞后一期,写为:IM t-1= B0+ B1 GNPt-1+ u t-1 (4方程 (4两边同时乘以 得到 :IM t-1=B 0+B 1GNP t-1+u t-1 (5将方程 (2与方程 (4相减并利用方程 (3,得到:IM t - IM t-1=B0(1- +B 1(GNPt -GNP t-1 +t (6 Eviews 利用

23、 Marquardt 非线性最小二乘法,同时估计(6式中的 B 0、 B 1和 。用 AR(1项进行估计时,必须保证估计过程使用滞后观测值存在。例如,左右 端变量的起始观测时间为 1985年,则回归时的样本区间最早能从 1986年开始。若 用户忽略了这一点,会暂时调整样本区间,这一点可以从估计方程的结果显示中看 到。操作如下:在主菜单选 Quick Estimate Equations,进入输入估计方程对话 框 , 输入待估计方程 IM C GNP AR(1,选择估计方法普通最小二乘法,如图十 七所示估计方程对话框图中竖线为光标。估计结果如图十八所示。图十七图十八 图十八中 AR(1的系数就是

24、r的估计值。Inverted AR Roots 是残差自相关模 型(3的滞后算子多项式的根，这个根有时是虚数，但静态自回归模型的滞后算子 多项式的根的模应该小于 1。 如果模型（2）的误差项存在高阶自相关，形如 ut = r1 ut-1r2 ut-2r3 ut-3nt -1ri1 i=1,2,3 (7 我们应在图十七的估计方程对话框中输入 IM C GNP AR(1 AR(2 AR(3。如果模 型（2）的误差项存在形如下式的自相关 ut = r1 ut-1+ r3 ut-3nt -1ri1 i=1 ,3 (8 我们应在图十七的估计方程对话框中输入 IM C GNP AR(1 AR(3。如果模型

25、（2） 的误差项存在形如下式的自相关 ut = r4 ut-4nt -1r41 (9 我们应在图十七的估计方程对话框中输入 IM C GNP AR(4。这样就可以校正误差 序列高阶自相关。 十、邹氏转折点检验 邹氏转折点检验的目的是检验在整个样本的各子样本中模型的系数是否相等。 如果模型在不同的子样本中的系数不同，则说明该模型中存在着转折点。转折点出 现的原因可能由于社会制度、经济政策的变化、社会动荡等，如固定汇率变为浮动 汇率、中国的改革开放、战争等。我们可以用邹氏转折点检验来验证某点是否是转 折点。这个检验使用的 F 是统计量和 LR c 2 统计量。 表 四 某地区 1947 年一季度至

26、 1957 年 4 季度国内生产总值和投资总额数据 单位：亿美 元 obs 1947-1 1947-2 1947-3 GDP 1239.5 1247.2 1255 INV obs 43 1951-1 42.3 1951-2 43 1951-3 GDP 1504.1 1548.3 1585.4 INV obs 60.4 1955-1 65.4 1955-2 61.7 1955-3 GDP 1742.5 1758.6 1778.2 INV 64.7 67.9 70.8 1947-4 1948-1 1948-2 1948-3 1948-4 1949-1 1949-2 1949-3 1949-4 19

27、50-1 1950-2 1950-3 1950-4 1269.5 1284 1295.7 1303.8 1316.4 1305.3 1302 1312.6 1301.9 1350.9 1393.5 1445.2 1484.5 49 1951-4 49.8 1952-1 51 1952-2 51.4 1952-3 49.8 1952-4 43.1 1953-1 35.6 1953-2 37.8 1953-3 34 1953-4 43.4 1954-1 48.6 1954-2 53.5 1954-3 63.9 1954-4 1596 1607.7 1612.1 1621.9 1657.8 1687

28、.3 1695.3 1687.9 1671.2 1660.8 1658.4 1677.7 1698.3 57.3 1955-4 58.9 1956-1 51.1 1956-2 52.8 1956-3 55.8 1956-4 56.5 1957-1 56.2 1957-2 56.1 1957-3 51.3 1957-4 51.1 51.6 54.7 58.8 1793.9 1787 1798.5 1802.2 1826.6 1836.4 1834.8 1851.2 1830.5 74.2 74.2 73.9 75.7 76.1 77.5 76.8 78.5 68.8 根据表四数据建立回归方程如下

29、： GDP = 14.5169INV + 735.545 现在需要验证 1952 年 4 季度是不是转折点，即 1952 年 4 季度之前与之后投 资对国内生产总值的贡献是否一致。操作如下：在方程估计输出窗口点击 View/Stability test /Chow breakpoint test，如图十九；进入转折点输入窗口 如图二十，输入转折点日期；得到检验统计结果如图二十一。从统计结果可以看出 F 检验和 LR c 2 检验都拒绝零假设：1952 年 4 季度是转折点，接受 1952 年 4 季度 不是转折点的备则假设。一般地，只要图二十一中的显示的概率小于给定的显著 平，如 5%或 1%

30、，就可以在该显著水平拒绝原假设。 如果我们需要检验多个转折点，则可以同时输入多个转折点的时间。假如我 们需要判断 1952 年 4 季度和 1954 年 4 季度是不是转折点，这时的零假设是：1952 年 4 季度和 1954 年 4 季度都是转折点。可以验证我们拒绝零假设。如图二十二和 图二十三。 图十九 图二十 图二十一 图二十二 图二十三 十一、两阶段最小二乘法 在解联立方程组时，我们经常会用到两阶段最小二乘法，操作方法如下： 在主菜单选 Quick Estimate Equations，选择估计方法两阶段最小二乘法 (TSLS，在估计方程对话框内, 输入待估计方程, 在工具变量窗口输入工具变量。 如图二十四所示。点击 OK 进行估计，就可得到估计方程及其统计检验结果。 图二十四