eviews-操作基本命令

1、24 页例 2.1.1 的详细 eviews 操作 -1Eviews 常用命令 （对于命令和变量名，不区分大小写）1创建时间序列 的工作文件aannual ：createa 1952 2000ssemi-annual：creates1952 1960qquarterly ：createq1951 ：11952 ： 3mmonthly ：createm1952 ：01 1954 ：11wweekly:createw2/15/94 3/31/94 ，自动认为第一天为周一，和正常的周不同。d daily （5 day week）:create d 3/15/2008 3/31/2008 ，和日历上周

2、末一致，自动跳过周末。7 daily （7 day week）: create 7 3/03/2008 3/31/2008 。u undated: create u 1 33 。创建工作文件时可直接命名文件，即在 create 后面直接键入“文件名 ”，如create myfilename a 1952 2000 或者workfile myfilename a 1952 2000系统自动生成两个序列：存放参数估计值 c 和残差 resid 。2 创建数组（ group ）多个序列组合而成，以便对组中的所有变量同时执行某项操作。数组和 各个序列之间是一种链接关系，修改序列的数据、更改序列名、删除

3、序列 等操作，都会在数组中产生相应的变化。1）创建完文件后，使用 data 建立数据组变量；若有 word 表格数据 或 excel24 页例 2.1.1 的详细 eviews 操作-2数据，直接粘贴；或者用 Import 从其它已有文件中直接 导入数据。data x y， 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：group mygroup x y可以在组中直接加

4、入滞后变量group mygroup y x(0 to -1)3 .创建标量：常数值scalar val = 10show val4 .创建变量序列seriesxseriesydatax yseriesz = x + yseries fit = 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 =:xA2genr yy =:val * ygenr zz =:x*y (对应分量相乘)genrzz = =log(x*y)(各分量求对数)genr Inx :=log(x)genrx1=1/xgenr Dx

5、 = D(x)genr value = 3(注意与标量的区别)genr hx = 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 ,v,v,=,v=,=,a nd,or。24 页例 2.1.1 的详细 eviews 操作-32) 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

6、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 的方差八(XX)2/nSUMSQ(X):序列 X 的平方和OBS(X):序列 X 的有效观察值个数COV(X，丫，丫) )：序列 X 和序列 Y 的协方差COR(X,Y):序列 X 和序列丫丫的相关系数CROSS(X，丫，丫) ):序列 X，Y 的点积 genr val=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，24 页例 2.1.1 的详细 evie

7、ws 操作-4F 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)24 页例 2.1.1 的详细 eviews 操作-5INV(X): X 的倒数 1/XLOGIT(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

8、小于 x 的厂分布的概率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。女口 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。24 页例 2.1.1 的详细 eviews 操作-6R2判定系数调整后的判定系数回归标准误回归平方利D-W统计量F统刃B极大似然怙计函数的对数值 回归方程中观察值的个数 被解释变量的均值被解释变量的标准差估计系数的总个数roVARIANCE(iJ)回归系数i和回归系数j之间的协方差RESJEX：OVA(i,j)向璟自回归(

9、或系统中第i个方程残差 与第j个方程残差之间的协方差苗此函 数必须以已命名的对彖名为前导。例女:VAK1.(RESIDCI)VA(2,2)(5)其他功能的持殊函数下列函数十I算将产生一个序列:MOVAV(X?n)序列X平滑期为n的移动平均数，其中为正整数MOVSUM(XTn)序列冥平滑期为ri的移动和，其中n为 正整数TRKND(t)生成个在时期I取值为0、以启逐期加1的时何趋势变虽SEAS(m)生成一个在季度(或月度)小时取值为1、其他时期取值为0的虚拟变量6.向量列向量对象 vector、行向量对象 rowvector、系数向量对象vector vect 定义了一个一维且取值为 0 的列向

10、量vector(n) vect:定义一个 n 维且取值为 0 的列向量vect .fill 1, 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matrix mat:定义一个行和列均为 1 取值为 0 的矩阵RBAR2SESSRDWF LOGLREGOBSMEANDEPSDDEFNCOEFcoeff24 页例 2.1.1 的详细 eviews 操作-7matrix (m,n) mat:定义一个行和列分别为 m, n 取值为 0 的矩阵matr.Fill

11、1 2 3 4 5 9 8 7 6 5,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) Cov x y: cov(x, y)八(xi-x)(y y)/ n 协方差矩阵。Cor x y:cor(x,y)八 化-X)(yi-y)/(Xi-x)2f(y y)2相关 矩阵。2) plot x y: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)scat x y：观察变量间相关程度、相关类型(线性、

12、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/sort series，可选择 升序或降序：Sort x: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 smpl 111 smpl 19902000smpl 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： Expa nd 2001 20076)“ ”后面的东西不执行，仅仅解释程序语句。24 页例 2.1.1

13、 的详细 eviews 操作-8N k - 22Jn7） Jarque-Bera 统计量：J 6 -S一3），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（where S is the skew ness, K is the kurtosis,and k representsthe number of estimated coefficientsused to create the series ）9.回归结果与变量表示:（拟合优度R2）ESS/TS

14、S=1-（RSS/TSS）:大好（因变量均值）YX800110014001700200023002600290032003500Y5946381122115514081595196920782585253098.4059798473-1.048429346790.325079456046?0S?0Xi2nXj2t= ?)/coefs(1)或 c(1)X0.77701010101tstats(1)18.28900327558.2174494e-08R-squared 0.97664149287Mea n depe ndentvar1567.4=s(? y)2/迟(% -y)2R2mean(y)A

15、djusted R-squared0.973721679478S.D.dependent var714.1444(调优)1-(RSS/(t -k 1)/(TSS/(n -1):大好(Y标准差)(Y-丫)2/(n-1)9VariableCoefficie nt变量系数估计值C-103.171717172Std. Errort-StatisticProb.系数标准差：小好 T 检验值：大好概率（越小越好）stderrs(1)0.042485098247624 页例 2.1.1 的详细 eviews 操作-9RBAR2S.E. of regressio n115.767020478 e /(n -2

16、)=115.76702=13402sqr(var(y)*n/(n-1), var(y)=送(Y Y)?/nsddep (被解释变量的标准差)Akaike info criterio n12.517893fz e2 2(k+1)赤池信息准则AIC=ln - + -In丿n（回归标准差）24 页例 2.1.1 的详细 eviews 操作-10REGOBS :返回观察值的个数 7ncoef :估计系数总个数 2注意：系数项可这样计算:genr b1=cross (x-mea n( x),y-mea n(y) )/sumsq(x-mea n(x)cross 计算交叉乘积和， mean 计算均值，sum

17、sq 计算平方和。genr b0=mea n(y )-b1*mea n(x)10. 置信区间估计:变量的显著性检验:|?| _ 0.77701010101S?0.0424850982476=c(2)/stderrs(2)=tstats(2)n-2= 2.306Sumsquare107216.024242Schwarz criterion12.57840998832（残差平方和）RSS=Ve施瓦兹信息准则SC二Ink 1ln n:小好nsumsq(resid)Log likelihood(对数似然估计值)-60.5894648487Durbi n- Watson stat(D-W 检验值)n为(

18、e-$_1)2i =2d二-n-寸2eiT3.12031968783(F-statistic(总体 F 检验值)ESS/1F =RSS/ (n 2)Prob(F-statistic)F 检验概率)：小好334.487640812:大好=2859.544= F0.0000=DW=18.292e /(n - 2)=se24 页例 2.1.1 的详细 eviews 操作-11参数气的置信区间的计算:24 页例 2.1.1 的详细 eviews 操作-12a=0.01,t&2,n _2= 3.355 , ? 切2小_2$?下限：二二 c(2)-3.355*stderrs(2)上限：二二 c(2

19、)+3.355*stderrs(2) 总体个别均值Y0的预测值的置信区间的计算（总体条件均值 类似）:1）ls y c x，使内存中存在方程Y?二-103.171717172 +0.77701010101Xi下限：二二 c(1)+c (2) *1000-2.306*se*sqr(1+1/ OBS(X) +(1000-mean(x)八八 2/sumsq(x-mea n( x) = 372.03上限：二二 c(1)+c(2)*1000+2.306*se*sqr(1+1/ OBS(X) +(1000-mean(x)八八 2/sumsq(x-mea n( x) = 975.65故总体个别均值丫0的预测

20、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RMSE= ,7 （丫?-丫r ,其大小取决于因变量的Yn 打i i绝对数值和预测值；2)假设?0 - t：./2,n _2；?na Xi2i=124 页例 2.1.1 的详细 eviews 操作-13n绝对指标 MA 平均绝对误差MAE=丄瓦|Y?-Y|,其大小取决于因变量的绝n打i i对数值和预测值;常用的相对指标

21、 MAP 平均绝对百分误差MAPE二丄巴100|；n打Y若 MAPE 的值小于 10，则认为预测精度较高;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;_ 1n _5）均方误差 MP 可分解为、（Y?-Y）2二 M-Y）2 （r-二丫）2 2（1-r）pYn1其中?是预测值y的均值，y是实际序列的均值，匚？,；y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BP (OLS 了二 y，故 BP= 0)、n1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

22、率 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。Functions that return scalar values:r2 R-squared statistic2)3)4)希尔不等系数：Theil IC 二胆&-Y)2 n1 n-Z Y?2 +n1，希尔不等系数总是介1、n1于 1,计算公式是：偏差率（石 C 一 CT ）2方差率 VP屮一）一丄瓦（Y?-Y）2n1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,协变率CP二2(J2丫=1_BP_VP丄瓦(Y?-Y)2BP 反映了CP 则衡量CPh，24 页例 2.1.1 的详细 evie

23、ws 操作 -14rbar2 adjusted R-squared statisticse standard error of the regressionssr sum of squared residualsdw Durbin-Watson statisticf F-statisticlogl value of the log-likelihood functionaic Akaike information criterionsc Schwarz information criterionjstat scalar containing the J-statistic (for GMM)regobs number of observations in regressionmeandep mean of the dependent