Eviews60操作关键方法记录本

1、1 .用Eviews 6.0生产一个0均值的序列或对数数列1.1 .用途及原理原序列非常的不稳定，不稳定序列可以取均值或者对数数列，让其趋于稳定，才能做预测或者拟合.对于平稳随机过程，我们已经建 立了一整套的处理方法。由于平稳序列的均值、方差、协方差等数字 特征并不伴随着时间的推移而变化， 且其数字特征具有遍历性，因此 可以基于时间序列在过去时点上的信息，建立拟合模型，用于预测时间序列在未来时点上的特征或者可能出现的情景。但在经济实践中，诸如国内生产总值之类的实际经济统计时间序 列经常呈现出系统性地上涨或下降的趋势。有些时间序列还具有周期 性波动的特征，例如社会零售总额的月度时间序列数据等。

2、诸如此类 的时间序列样本数据不可能生成于平稳随机过程，从而可看成来自于非平稳随机过程的样本数据。然而，非平稳时间序列的数字特征会伴随着时间的推移而变化，亦即其在不同时点上的统计规律性互不相同，且不具有遍历性，因此不能基于序列既往的信息来推测其在未来的可能情景。于是我们必须建立一套处理非平稳随机过程的专门方法。其中，设法将其平稳化是处理非平稳随机过程的基本思路。1.2 操作方法实验操作数据基于甘蔗产量ExcelGZCL取对数数列变量窗口下操作如下：I.VMVW|IjFmrttJ 川13仝 儿修 | 3加上 Kdif - EarthCiZCI.ggd”IR.fiv¥卜aI-ast uji

3、pdiatad: 1A - Ye-ar mFI上jf CZB,守-n-II,月工一 3尸00。器早已飞之E口4 口1S51SO.2aoooLQU 3+J I1 DO3星MI 530 QHQ' |1i053.76670 001954B1 .340 0 0|Te”CNQ。1日占曰 |U1.0 nod 虫”a |1 17 as GO1 qsqi口口.口口 心口口1 号白Q100 oooo11HSI37",3010-£>0!I19S21I8.SOOOO靛值 复*. Na。I1声11 *I- 卜相对于原数列取0均值序列操作如下:I fjdt Dtojert Fiw Qu

4、ick Opi|3ig*¥ HhndoMi Help口 , ='r-止”1卜0 I allk-r 曲 JH 4y3 X .也 /'G $-r Gi- JM呻甘13 «<xm二，量5门户" 的鼻电地 陪城1rdn三j亘国I$prfa<K*e1Gr«p4i_EM*灼EUhwi Rfuri: T45tmin(>ep"Zi：re5t.Lobdy, TrfbfteSi隶i / ffasaiKtflvnuJnpl*口 rwu T-u ju*y r短t/姊工lasFi：金由onEoipi rul> E>iitHb

5、iE.«3n Teslx.-I UrHfcrl j njiRp/Mm% 1 I i 1 I 1 I-H iMieD1种削如IH KlIRijigim物th = d 小E时：i口 曲 W - KB ( JW 21*1 J l第一步，找出原数列的 Mean （均值），操作如上。结果如下。Mean:均值Median:中值（中位数）Max Min:最大值，最小值Std.Dev:样本标准差Skewness:偏度（直观看来就是密度函数曲线尾部的相对长度，即曲线峰波往哪边偏，偏的是多少，BS）Kurtosis:峰度（峰度是用来反映频数分布曲线顶端尖峭或扁平程度的指）第二步，利用Mea滋值彳出O均值

6、序列。操作如下:监 w*ZZE_Z.9Fite Edh Ota 鼬m L Ppi 我&roit4f4lifLErap. EwpGnup 引nSfflflSWrtSFrfilii日04E%仅1支%Eslr-de 壬 1HlM .Estirsrc M.产甘里，?.!. UI聃皿 算¥：如 it-sW的训 犯g 的累椅 I雪充匐 J（'W |值加 .?9W UM 而ED出现以下窗口:输入命令：X=GZCL-Mea崎入MeanR表的具体数值）确定后，既可得到相对于原序列的,0均值J予列 口附加加之网?11 地-乾怔的闻.，=> 匠S3 | 口56抬3（悔rUbF产i：第

7、卜她3|二Urti研岭J型岫bc 型|邈煞：；：?1nMm疝e诳n融油曲；蜗|酷 中团.tian;/ 泗'仪月型 血 纪回*, 沁力R郁强侬92113 - 5m口3的Filter' 一XSn瞄.你9230二第疵t 国呼嚣"2四W1135山=-0 residMocifsJ 1349 2D1小川 1眠 146西 | 一但g-193177ft酸-1891706幽-181 融1952-1343.9®-1955.1964-199.316幅T 俎（QS懒187101619f71陶.摩脸-1794.2H1¥9-1M! W1期-1812.146*411师则匕晒P期

8、/陶-1394.7561913.346n-1 蚂 29E2HJQ 随L_ _ ni_11帼*卜|_在对时间序列进行拟合的时候，如果用二次或者n次函数或其他函数方式进行拟合。需要注意，真实观测值是A-B 的范围(1979-2013),样本为35个，B+1, B+2为需要预测的年份，样本最多变成37个。那么,在建立t的时候，就要给出B+1, B+2的数值，也就是要填进去36, 37数字。如何给时间序列做p-Q检验在做完ARIMAS型后，得出了 MAP医口 TIC,差一个p-Q检验,也就是白噪声检验。做法如下:在方程输出窗口中，操作如下口水 2 %包旧IS" 4 Mm M DB - dk

9、Wf -电帆.口I1W7在方程结果输出中，选择如上操作进行倒数第二个的LM检验.输入参数P 的值得，然后看一个大的Q的R平方调整的值和概率。P>0.5才算通过, 不然都不算。LM防法拟合以下程序必须在EVIEWS的program窗口下才能运行。否则会出现错误series id=trend(1978)matrix(35,1) dataout=0 '35为样本量；1为样本个数定义变量for !num=1 to 1!count=!num!a=1979!b=!a+20 '20+1 为步长!t=0vector(35) trend=0coef(35) count=0while !b&

10、lt;2013smpl !a !bequation eq.ls dc(!num) c id 'dc代表福建水稻趋势单产eq.makeresid resseries ess=dc(!num)-resfor !k=1 to 21!n=!t+!kif ess(!k)<>0 thentrend(!n)=trend(!n)+ess(!n)count(!n)=count(!n)+1endifnext!a=!a+1 !b=!b+1!t=!t+1wendfor !p=1 to 35scalar num=count(!p)if num=0 thennum=1endifdataout(!p,!

11、count)=trend(!p)/numnextnextsmpl all用Logistic 曲线进行农作产量拟合输入公式：y a 一(1 b*e-kt)其中，a、b、k分另I是 C1、C2、C3。a代表的是农作物产量的峰值，也就是 农作物产量的最大值，如何用EVIEWSfc产一个白噪声序列wfcreate u 1000 ' generate a work file including 1000 observations series x ' WN seriesx=rnorm ' iid realizations from Normal distributionserie

12、s y=0smpl first+1 lasty=y(-1)+x 'random walkEVIEWS6.0运行过程中常出现的错误提示符号unmatched parentheses 这个是告诉你，括号两个肯定不对，要么前后不一样，要么数量不一 样。Error MessageIns-uffitiant variation in data异方差的诊断和处理基于 EVIEWS8.0plus实现利用数据：the lecture two,:交叉项 WL故验数据Ls y c x1 x21 .发现x1参数检验不过，R2一般，首先怀疑存在 WLS=1 Equation： UNmLED Workfile：

13、_ B X| View Proc Object Print | Nime Freeze Estimate Forecast SUts ResidsDependent Variable-YIM etho d: Least SquaresDate: 05；18/15 Time: 1431Sample: 1 31Included observations1 31Variable Co&ffident Std. Error bStatistic Proa.CX1X26 2660560 0751070.2367271 0415916015S&20.0542691383S750.02579

14、592536530.00000.17730.0000R-squared0.779878Mean dependent var10 92361Adjusted R-squared0764155S.D. dependent var0,355750S.E. of regression0.172766Akaike info crilenon-0.531995Sum squared resid0 835744Schwan crite non-0.443222Log likelihood12.020 91Hainan-Quinn criter.-0,536753F-statistic49.60117Durt

15、in-Watson stat1 730961Pro b(F-stati stic)0 0000002 .对残差进行White检验.在方程结果输出结果点击。因为模型中有XI、X2,所以，那个“包含交叉项的要打钩”3 .输出结果解释：F统计量P=0,说明存在异方差，只有当 P>0.05的时候，才能说它没有异方差。H«teroskedasticlty T est： Wriitestatistic9 833740Prob. F(5.25)0.0000Ot)s*Rr squared20 55065PrctJ. Ctii-3quare(5)0.0010Scaled explained SS

16、19.B1045Pfod Chi-Sqiiare(5)0.0014Test Equation;Dependentvariable F?ESIDA2Method: Lea£t SquaresDate: 05/18/15 Tim«: 14:38Sample. 1 31Included observations： 31variableCoefficientStd Error (StatisticProb.C10 243205V20.0372790.0145272.5661550.0167X1*X20 0049330.0103160.46S5

17、070.6425X1-1.1645350 65221-20861530 0473X2A20.0052750.0033391.5795940.1267X20 2286530.227010-1 0072380.3235R-squared0 662931Mean depend ent va.r口026959Adjusted F?-squared0.595517S.D. dependent varC 042129 E of regression0.026794Akaike info errterion-4 223312Sum squared resid0.017943Schwarz criterion

18、-3.951760Log likelihood71,55434Harman-Quinn criter.413M39F-statisticS 833740Durbiik-Watson stat1 462377Pro!b(F-stafisfleJO.COC0274 .如何处理异方差。首先，现实中，一般直接用稳健标准误去做，如果样本容量够大的话。EVIES8.0plus似乎和版本6不一样，所以这里用6进行操作。在第一个框 框那个LS&TSLSF面打钩，然后选择的是 WMte方法。其他的全部都不要动。输出结果：普通LS回归:variableCoefficientStd Errort-Stati

19、sticProb,C&2660681.0415916 0158620.0000X10.0751070.0542691.3839750.1773X20.2367270.&257085.2539530.0 ocoR-squared0.779873Mean dependenivar10,92861Adjusted0.T&4155SD dependentvar0355750S.E. Mregression0.172766Arai fee info enter ion-0.581995Sum squared resid0.835744Schwarz criterionLog li

20、-cell hood12.02091Hannan-Quinn cril&r.-0.536759F-statistic49,60117Durbin-Watson stat1.780981Prob (F-siati Stic)O.QOOOCO稳健标准误回归: Equation: UWTTTLED Workfile:|-u 回Forecast |5tata ftesidsMcw；Procobjecj PrintNani|fiTc2e回师口teDependent i/ariable: YMettiod Lea st SquaresDate: 05/10/15 Tma: 14:51Sample:

21、 1 31Irduded cBservations: 317Vhite HeterosKeda sticih-Can sistent Standard Errors & C ova nanceVariableCoefficientStl Errort-StatisticFrob.C6.266OS01.2575484 962766D 0000X10.0751070.08003709293990 36S1X20.2337270.02S6S63.3221470 0030R-squared0 779878Mean de pendent var10,92861Adjusted R-squared

22、0.764155S D dependent var0.355750S E. of regression0.172766Akaike Into criterion-0.581995Sum fquareci resid0.835744Schwarz criterion-0.443222Log lifcelihQod1302091Hannan-Quinn criter4536 7 58F-statistic49,60117Durbir-Watson stat11 7BD981Prob(Fstatistic)0000000由于样本太小，所以t检验还是通不过，如果是大样本是可以通过的，而且，稳健 标准误

23、改变是std.Erroe.标准误，而不是参数系数，所以，这是很好的结果。第二种处理方法：WLS加权最小二乘法。核心内容是，要通过不断试算，找出 W 其中，计算W的方法采用伍德里奇的方法，可以杜绝负数存在的可能。 W的计算公式 为：W=1/sqrt（exp（最好的试算）这里最好的试算，指的是，全部试算参数的t检验T通过，F统计量越大越好。试算过程链接如下： 计量经济学（张玉荣） third lecture4.1 异方差和序列 相关.ppt现多重共线性在多元回归中常常碰到，就是 X2和X3互相影响，反而模糊了对 Y 的影响。所以多重共线性问题不大，判断多重共线性很简单，就三步。数据来 源：the

24、third lecture :中国粮食生产数据VariableCoefficientStd. Errort-StatisticProb.C-26695.087507.527-3.5557750.0021X15.9945110.6097139.8316850.0000X20.5367010.0578589.2762450.0000X3-0.1358730.029720-4.5717320.0002X4-0.0908220.042053-2.1596960.0438X5-0.0073900.070511-0.1048140.9176R-squared0.980829Mean dependent v

25、ar44945.64Adjusted R-squared0.975783S.D. dependent var4150.729S.E. of regression645.9230Akaike info criterion15.98480Sum squared resid7927113.Schwarz criterion16.27733Log likelihood-193.8100Hannan-Quinn criter.16.06594F-statistic194.4114Durbin-Watson stat1.715679Prob(F-statistic)0.000000判断：第一，Ad卜R2很

26、大，说明各个X对Y的解释到位，而且这不是时间序列， 应该不会是伪回归。第二，X4, X5参数都没通过检验。第三，X4、X5符号方向 和现实意义完全相反，X4、X5代表的是受灾面积和农业机械化程度， Y代表粮食产量，X5和Y之间是负影响，这是不可能的。考虑可能存在多重共线性，同 时，做White检验。为了找到谁和谁高度相关，这里用 group-correlation.然后在对话框里输入要检测的自变量/lewProcObjectPrintNameFreese SampleSheetStatsG Group: UNTITLED '四口rkfi随中国棉食生产团我;UntitlwL得到自相关结果

27、如下:X1X2X3X4X5XI1000。-0-6165660.4。6440.952746O314S05X2-0.6165601.000000-0 238039-0741538-0 060970X30.400&44-0 2380391.0000000.3100S60.409704X40 952745-0.74153303100961.Q0Q0C00.128834X50 314385-0.0509700.409 加012BS341.QOOOQOSpecCorrelation这个图看横着的和竖着的两个变量的对应的值。 参数越大，说明相关程度越高， 很明显这里X4和X1相关系数为0.95274

28、6 ,高度相关。X5和X4一般相关。考 虑采用step-ls逐步回归来剔除某些变量。处理方法：step-ls选定后会出现和LS不同的对话框，其中上面的部分只包含 Y、C的，就是必须 包括的变量，而下面的部分就是我们的全部自变量，注意是要全部。Spedfica HonOp * i tnEou 就 ori spetifica gn 武酎以工，口end鹿mt uariible followed by Lilt of alwtys included.ycLit of Nwrch r«gr«EorEa1 x2 k3 k4 k5Estimator setting51.i.fr_Meth

29、od” STEFI - Stepwise Least S(guardstEampls.1 1既j mqqt接下来要设置P值达到多少要被剔除出模型。首先，选择 stepwise , 在 selection method里面，然后有一个 p-value , 这里 系统默认是0.5 ,要根据我们自己需要改成 0.05或者0.01或者0.1 ,意思是,t统计量的P超过这个伯:，就被剔除出模型。1000,1000, 2000的意思是迭代的 次数，可以多设置一些。stopping criterion, p-alue forxvards/baclowaids :.OSj'O.osVan ableCo

30、efficient Std. Error t-Stanstc Prob/27110.395217 0e5-4,3606410 00035.9545330.4637C912.839430QQ如0 538&190 05291&10.006730 0000-0 136S930.028570-47730860 0001-0.0882100.033023-2.S711340.0147R-squared0.980317Mean depen dent var44945.154Adjusted R'scuared0976981S.D. dependent ；ar415X729S.E.

31、of regres-sicn6297498AKalke ink crilencn15.90533Sum squared resid7931696.Schwarz criterion1S.14915Log likelihood-193 8172Hannan-0 uinn criter.15.97299F-statistic255.6537Durbin-Watson stat1.705044ProbfF-stati stic)O.OOOO'OOSelection SummaryAdded X1Added X2Added X3Added X4"FJote. p-values and

32、 subsequent tests do not acoo jnt for stepwise selctiii.最后的结果就是，X5被剔除了。注意，被剔除不是X4,虽然在模型correlation 中X4和X1高度相关，但可能是由于X5存在导致的。现序列自相关意思是，去年的自己弄死今年的自己。某个序列在时间抽上不断互相 影响，一般来说，时间序列都有惯性，放到 ARIMA协整里没什么事情，一旦 进行多元回归就是致命性的。另外，模型错误，样本量缺失而使用的“木遁平 均杆插之术”，遗落关键变量也会导致这个原因。数据来源：中国海关数据Dependent Variable: YMethod: Least

33、 SquaresDate: 05/18/15 Time: 17:16Sample: 1978 2001Included observations: 24VariableCoefficientStd. Errort-StatisticProb.C-5430.8422440.157-2.2256120.0366X146.510772.31474120.093300.0000R-squared0.948325Mean dependent var33050.81Adjusted R-squared0.945976S.D. dependent var31871.80S.E. of regression7

34、407.950Akaike info criterion20.73815Sum squared resid1.21E+09Schwarz criterion20.83632Log likelihood-246.8578Hannan-Quinn criter.20.76420F-statistic403.7405 |Durbin-Watson stat0.592053Prob(F-statistic)0.000000多重共线性的初步判断是D-W佥验和残差图.D-W检验一般认为在2左右算是正 常的，小于1.5都算危险.因此，上图可认为存在自相关.做残差图.E残差图可以看到e和e(-1)呈现线性关系

35、，高度相关。可以认为自相关存在。自相关的标 准做法是对方程输出结果做LM检验。h-ycFl立ll*b l*4rWC3演钟-力Xz fr«IMuli-.1- 9ww Mzt«- a-3-a :PHA - *，声区写4独生 «* 蒋-15后才停何福步做LM检验，检验分为1阶和2阶。选if? 1阶，就可以看出模型是否存在异方差, 选才¥2阶段，可以看出是否存在2阶自相关。=Equation: UNlTTLEn WodcfiL:中国海初阴)相关:UnhtlaA_ B XViewProcObjectPrintNaneFreeztEstimateForecastSt

36、atsRe si d sB re us cn-Godfrey Seiai Correlation LI.1 Test:F-statiStiG20 53061 Prot) F(1 21)Q 0002Obs*R-squared11.65+37 Frob. Chi帛qu日降0.0005?Test Equation:epend&rit Variatlls: RESIDMethod; Least SquaresDate: 05/18/15 Tima: 17:28Sample: 1978 201I n cl ude dobse nations: 24Pres am pls missing valu

37、e lagged residuals selto zero.VariableCoefTicientStd. Errort-StatisticProbC1212.1661796.0440.5749100.5Q71X1-1.9307341.737731-1.1110630.2791RESIDj-11077443g0.1709174 5210720.0002R-squared0 4043491.1 ean dependentvar-5QDE72Adjusted R-squared0 446192S.D. dependent var7245.118S E of regression5391.694Ak

38、aike info criterion20 13959Sum squared rgsld6.1OE+0SScnwarz criterion20.28083Log liikelihood-238 6749Hannan-Quinn crit&r.20.17064F-statistic1026530Durbin-Watson sta!1,177252口 fg zrr.u+qfi uii 产、n 口 门 rrr77以这个图，F统计量的P值小于0.05,说明模型存在自相关E寸immte Fareta5t Stats Re51d%View Proc Object Print N3rne Fr

39、71;e£tBrejscTi-Godfrey Serial Correlation LMlest:statistic1986124Prob. F(2.20)QQQQQObs*Rsquared1596292Prob Chi-Square(2)0 0003Test Equation:Dependenl Variable： RESIDMeth cd- Least SquaresDate: 05710715 Time: 1728Sample: 197B 2001Induded observations: 24Presample missing <alue lagged residual

40、s set to zero.RTqua 他 dAdjusted R-squacedS E of regression Sum Equareci resid Log liKelihood 匚 一£tn+i v*0.6651180 6148954496.1474 04E + 08 -2337301-n/in口口M&an dependent var S D dependent vsr Akai<e info criterion Schwarz crite ri on Hannan-Quinn crite r. Pi 11 rlniiin_fiN.fo+! n m c#q t,

41、OOE-12 7245.11B 19 81084 20.00718 19 65293这是选择阶数为2的检验结果，可以看出residl和resid2者B存在p<0.05的情 况，说明模型存在1、2阶自相关。因此，需要用到ar (2)。处理方法：引入时间序列to然后用GLM!行回归估计。Series t=trend(starting year-1)引入时间序列Ls y c x1 t ar ar(2)其中，t是取t2、t3、t4.要试算，找出D-W值最接近于2的。结果如下，可以看到在t*t*t的情况下，指标最好。VariableCo所ci entStd. Errort-StatisflcPro

42、bC-707 99731613.897-0.4385260.&656X10.9549811.7077890.5591910.5822RESID (-1)1.1393750,1026826.2369350.0000RESID'-2;-07159590.224139-3.1935460.M46t= Equation: UNTITLED WorkFil* 中国渔夫序手U相关3 UnrhtlmA_ B Xvi<w| Procjobjcct j print jNarncj Freeze Estimate Fare cast J Stats Resid s"Dependen

43、t Variable: ¥MQtnodi： 1_。刍总t Squarm多Dato： 0&/18/15 Timo： 17：41simpio(adust«a> idsozodiincluded 口口筮QrvaiiQns. 22 sit白r wdju号trngni与Converge nee acnivd art&r 6 Itr3tlonsMhiQBI 性UgfflcdemlSldl Etrort-StatlsHeProto.G XT TA3 AHU) AR2)3BC6 519 6 010 275 6.639177 1.90U JtU 1 270S491041

44、 2621 764s口Q 0.421708 U.U9" 01341683 655S79 4 54419 6 20 4023 0931045n oopo 0 00030 0000 ti.UUCO0 Ut>ODR susrodAdjusted R squared S.E. or regr«3£bcin Sum squmrsd resid L ug Ilk«Hhuad F-sMtistic PrnhCF-stiilisLlic)C.9D91I04 0.998853 1 064.440 19261549 *1B1 7250473Q B23 a ooaoci

45、aMean copondGnt var SD- depondent var Akaike info criterion SchwdaA crililon Hrinan-Cluilrliii ollr Durbin-Wat s 0*11 slat3570 7.14 31997.S0 1&.97500 17 222S 7 17 03341 2 258358Inverted AR Roots956li9561iEstmafed AR pro CeSS is fi&n Slab Ort airy到这里并不算完，这是，要取 AR (1)、AR (2)的参数。写入公示：e=c+c(1)*(

46、X t+1.9Xt-i )*(X t-1 -1.2788Xt-2)+c(2)*(t3+1.9t -i3)(-1.27t -23+1.27t)+c(3)e t-1 +U方程估计结果如图：国 Equation; UMETTLED Workfile：-EX：view Proc Object | Print Name Fr eez th Esti rn at e Fo recast Stats I ResidsIDepende nt Variable: EMethod: L&astSqjares=Date: 05/1S/15 Time: 17:58Sample (adjusted): 1981 2001Included oftseivatione: 21 afteradiuatmentsVariableCoeffidentStd Errort-StatisliGProbC-29.93451320.0551-0.093B290 9266(XH-1.g*X1(