views是什么意思 关于Eviews，你必须知道的20个精彩问答

提到Eviews

许多学生说他们头疼

我不想面对。...

今天就和大家分享一篇文章

展示精彩的问题，回答20个问题

帮助大家快速入门

使用此软件升级

完成终极分析任务！

干货满了，记得收

问题一:计量经济学分析什么？包含哪些内容？

计量经济学有两个主要用途或目的:

理论测试。这是计量经济学最重要最可靠的方面。这也是计量经济学本身的一个主要内容。

预测应用。从理论研究和方法的最终目标来看，预测(包括政策评估)当然是计量经济学的最终任务，必须注意学习和理解，但要非常注意其预测的可靠性或有效性。

研究对象:计量经济学的两大研究对象:横截面数据和时间序列数据。前者旨在总结不同经济行为者是否具有相似的行为相关性，并与模型参数的估计结果显示相关性；后者侧重于分析同一经济行为者在不同时间的数据，以展示研究对象的动态行为。

新兴的计量经济学研究开始切入既有横截面又有时间序列的数据，换句话说，每个横截面同时有时间序列观测值，这就是面板数据(或面板数据分析)。跟踪数据来研究不同经济体的动态行为差异，可以获得比简单的横截面或时间序列分析更丰富的实证结论。

涉及的相关学科:计量经济学是经济理论与数理统计相结合，用实际经济数据进行定量分析的学科。计量经济学以经典回归分析为出发点。按数据形式可分为横截面数据回归分析、时间序列分析、面板数据分析等。根据模型假设，可以分为参数计量经济学、非参数计量经济学、半参数计量经济学等。常用软件:EViews、Gretl、MATLAB、Stata、r、SAS、SPSS等。

问题2:2:Eviews是干什么用的？

Eviews是一个精确的计量经济学软件。从分析的角度来说，计量经济学更注重建立模型，即利用数据来验证模型。Eviews在建模和求解方面具有独特的优势。如果只做一些应用的计量经济模型和实证分析，用eviews就好了，简单易操作。它充满了菜单和对话框。建议侧重经济研究的同学学习Eviews。

问题3:均衡面板和非均衡面板的区别？

“平衡”的意思是，如果数据是按节成员堆积的，那么每个节成员应该包括完全相同的期间；如果数据是按日期堆积的，每个日期应包含相同数量的截面成员观察值，并以相同的顺序排列。特别是基础数据不一定平衡，只要在输入文件中注明即可。如果观察值中有缺失数据，则必须确保文件中有这些缺失值的位置。”——高铁梅

根据这段话可以理解，缺失面板数据不一定是不平衡数据。平衡数据其实只是一种相对规则的变换结构，可以更方便地表示为堆叠数据。

问题4:标准差和标准差有什么区别？

概念不同；标准差描述观察值(单个值)之间的变化程度；标准误差是描述样本均值的抽样误差；

用途不同；标准差和均值相结合来估计参考范围、计算变异系数、计算标准误差等。标准误差用于估计参数的置信区间，进行假设检验等。

它们与样本含量的关系是不同的:当样本含量n足够大时，标准差趋于稳定；但标准误差随着n的增加而减小，甚至趋于零。联系:标准差和标准差都是变异的指标。当样品含量不变时，标准误差与标准偏差成正比。

问题5:变异系数有什么用？

标准差与平均值之比称为变异系数，记录为C.V..变异系数可以消除不同单位和/或平均值对两个或多个数据变异程度比较的影响。

函数:反映单位均值的离散程度，常用于比较两个总体均值的离散程度。如果两个总体的均值相等，则比较标准差系数相当于比较标准差。

问题6:几个相关系数的含义是什么？

简单相关系数:也叫相关系数或线性相关系数。一般用字母R表示，用来衡量量化变量之间的线性相关性。

复相关系数:也叫多重相关系数。复相关是指因变量与多个自变量之间的相关。比如某一商品的需求与其价格水平和员工收入水平之间存在多重相关性。

偏相关系数:也叫偏相关系数。偏相关系数反映的是一个变量与另一个变量在修正其他变量后的相关性。修正的意义可以理解为假设所有其他变量取平均值。偏相关系数的假设检验相当于偏回归系数的T检验。复相关系数的假设检验相当于回归方程的方差分析。

可确定的系数是相关系数的平方。含义:可确定系数越大，自变量对因变量的解释程度越高，因自变量引起的变化占总变化的百分比越高。密集的观测点在回归线附近。

问题7:7:PCA VS PLS有什么区别？

分量回归是数据的正交旋转变换，变换后的变量都是正交的。(有时候为了去除维度的影响，会先做集中化。).偏最小二乘回归相当于主成分分析和典型相关分析的思想，分别从自变量和因变量中提取成分t和u(偏最小二乘因子)，以保证t和u能够尽可能多地提取其变量组的变异信息，同时保证它们之间的最大相关性。偏最小二乘回归相对于主成分回归的优势在于偏最小二乘回归能更好的解决样本数小于变量数的问题，而且除了自变量矩阵，还考虑了响应矩阵。

问题8:面板数据和输入怎么做？

首先要明确做均衡面板数据分析还是非均衡面板数据分析，先介绍前者:

准备平衡面板数据集(如xls.txt文件)

文件/新建/工作文件创建工作文件

选择无结构/无日期以填写时间序列数据(观察值)的数量

选择对象/新对象/池，输入横截面个人的标识

导入数据集

导入数据后，您可以根据需要进行各种面板数据分析

首先，数据在excel表中按企业排序，第一列是企业ID fcode，第二列是时间

11990

11991

11992

21990

21991

……

然后通过对象/新对象/序列在eviews中建立fcode和year序列，导入排序后的数据。在下一步中，双击菜单栏底部的范围，在对话框左侧选择工作文件结构类型为日期面板，在ID系列之后输入fcode，在日期系列之后输入年份，在右侧对话框中保持上部不变，去掉下部的所有钩子，然后单击确定。这将自动生成dateid序列并建立面板数据。其他变量的数据可以按照一般方法输入。

问题9:有什么简单的描述性统计运算方法吗？

点击某个序列，如‘x’，双击弹出。在数据界面-视图-图形中，可以执行绘制操作，如折线图或散点图。图片完成后如何保存？右键-保存图到磁盘…选择保存路径，当然QQ截图是万能的。(调整图形的右键选项还有很多。无论是调整水平轴还是添加文本，都需要先冻结绘图窗口，然后才能操作。

肯定有同学想问，画多个变量怎么样？

你不必双击序列，只需在软件顶部的菜单中选择快速图表，输入需要绘制的变量，然后像单个序列一样操作...

那么你是如何得到均值这样的统计数据的呢？也可以点击你需要知道的序列-查看-删除统计数据&测试，你可以得到均值、标准差、峰度等信息。

问题10:为什么取对数，怎么取对数？

通常在一些数据处理中，往往对原始数据取对数，然后进行进一步处理。其原因是对数函数在其域内是单调递增函数，取对数后数据的相对关系不会改变。取对数的功能主要包括:

减少数据绝对值，方便计算。比如每个数据项的值非常大，很多这样的值的计算可能会超出常用数据类型的取值范围。这时候取对数会降低数值。比如在TF-IDF计算中，大规模语料库中很多词的出现频率非常大。

取对数后，乘法计算可以转化为加法计算。

在某些情况下，整个数据范围内不同区间的差异会产生不同的影响。也就是说，小值的部分比大值的部分对差异更敏感。

取对数不会改变数据的性质和相关性，但会压缩变量的规模，使数据更加稳定，削弱模型的共线性和异方差性。

在经济学中，自然对数常用于回归。此时回归方程为lnY=a lnX+b，两边同时微分X，1/Y * (DY/DX) = A * 1/X，B = (DY/DX) * (X/Y) = (DY * X)/(DX * Y) =

问题11:如何做相关性分析？

在Eviews中，协方差、相关和互相关分别用于计算两个序列的协方差、相关系数和互相关系数(如果版本中没有相关选项，可以先选择协方差分析，然后点击相关)。需要注意的是，Eviews计算协方差和方差时，样本数是N，不是N-1。

问题12:多元回归分析怎么做？

可以通过快速估算方程到达方程估算界面，在空中输入方程包含的变量，输入为因变量y，自变量x，常项c(通常加常项)。在方法中选择LS(最小二乘法)，一般点击确定(也可以在OPTIONS中选择一些细节)。如果要进行样本外预测，首先要展开样本:在工作表的PROC/stu structure下展开DATA range，然后在方程窗口中点击Forecast。

问题13:渐进回归和分位数回归呢？

逐步回归:选择方法:快速估算方程中的第一步

分位数回归:估计方程时，在估计方法下拉菜单中选择QREG(LAD)而不是LS估计。

问题14:模型应该做什么测试？

考虑经济意义(符号是否正确，系数是否合理)，模型前期要根据其特点进行相关性检验、稳定性检验、协整检验、因果关系检验。模型建立后，要对方程的显著性和共线性进行拟合度和系数显著性检验。如果存在共线性，则需要通过删除变量或逐步回归或主成分分析进行修正，并对残差进行自相关和异方差检验。

问题15:平稳性检验是什么？

说到稳定性，其实有两种稳定性——广义稳定性和严格稳定性。

相对于宽平稳性，严格平稳性的条件越来越严格，我们经常使用的时间序列大多是宽平稳性~ ~

什么是严格平稳性？它是一个随机过程，在固定时间和位置的概率分布与所有时间和位置的概率分布相同。这样，数学期望和方差的参数不随时间和位置而变化。(如白噪声)

什么是宽平稳性？宽平稳性是由序列的特征统计量定义的平稳性。认为序列的统计性质主要由其低阶矩决定，所以只要序列的低阶矩是稳定的(二阶)，就可以保证序列的主要性质是近似稳定的。

两者之间的关系:

一般关系:严格的平稳条件比广泛的平稳条件更严峻。一般情况下，严格平稳条件(低阶矩存在)可以推导出宽平稳条件，而宽平稳序列不能推导出严格平稳条件。

特例:没有低阶矩的严格平稳序列不满足宽平稳条件，例如，服从柯西分布的严格平稳序列不是宽平稳序列。当序列服从多元正态分布时，宽平稳性可以推导出严格平稳性。

问题16:如何检验平稳性？

检验序列平稳性的标准方法是单位根检验。单位根检验方法有六种:ADF检验、DFGLS检验、PP检验、KPSS检验、ERS检验和NP检验。本节将介绍测向测试和自动测向测试。ADF试验和PP试验出现较早，在实际应用中更为常见。然而，由于这两种方法需要假设被测序列可能包含常数项和趋势变量项，因此不便于应用。其他几种方法克服了前两种方法带来的不便。在消除原序列趋势的基础上，方便构造统计量来检验序列是否有单位根。

ADF试验是在迪基-富勒试验(DF试验)的基础上发展起来的。因为测向测试只有在序列为AR(1)时才有效。如果序列具有高阶滞后相关，则与扰动项独立且同分布的假设相反。在这种情况下，我们可以使用扩充的Dickey-Fuller检验来检验与高阶序列相关的序列的单位根。

检验步骤(一般ADF检验分为3个步骤):

测试原始时间序列，第二项为level，第三项为None。如果测试失败，则原始时间序列不稳定。

原始时间序列经过一阶差分检验，即第二项为第一阶差分，第三项为截距。如果仍然没有通过测试，则需要进行第二次差分变换；

二次差分序列的检验，即选择第二个差分作为第二项，选择趋势和截距作为第四项。一般时间序列会被这个时间序列稳定下来！

提示:

在ADF检查中，必须注意以下两个实际问题:

回归需要定义一个合理的滞后阶，而AIC准则通常用于确定给定时间序列模型的滞后阶。在实际应用中，需要考虑其他因素，如系统的稳定性和模型的拟合优度。

你可以选择常数和线性时间趋势，这种形式很重要，因为原始假设下检验显著性水平的T统计量的渐近分布取决于这些术语的定义。

问题17:什么是协整分析？

通过协整检验，表明变量之间存在长期稳定的均衡关系，方程的回归残差是稳定的。所以可以在此基础上直接对原方程进行回归，此时的回归结果更加准确。

问题18:协整的条件是什么？在Eviews里做什么？

协整的要求或前提是同阶单整数，但也有如下的宽限期声明:如果变量个数大于2，即解释变量个数大于1，则被解释变量的单整数阶不能高于任何解释变量的单整数阶。另外，当解释变量的阶数高于解释变量的阶数时，至少有两个解释变量必须高于解释变量的阶数。如果只有两个解释变量，那么两个变量的酉阶应该相同。

也就是说，如果将两个或两个以上不同单整数阶的非平稳序列协整在一起，必然存在一些低阶单整数的序列，即与高阶序列相比波动非常弱(可能是不同的波动)的序列，对协整结果的影响很小，所以排除包的重要性不大。而最高阶序列由于波动较大，对回归残差的平稳性影响较大。所以，如果协整包含一些高阶单整数序列(但如果所有变量都是同阶的，也叫同阶单整数，那就是另一回事了)，就一定不能包含在协整检验中。

问题19:VAR模型只能针对平稳序列建立吗？

VAR模型只有稳定才能建立，但有特殊情况，即涉及增长率等一些变量。由于各种原因，如数据太少，或其他原因，ADF测试失败，但也可视为稳定，视情况而定。

变量差后建立的模型的经济意义只能是差后。比如GDP只能说是GDP增长或者增长率与其他变量的关系。

如果一定要建立原始变量(GDP)的VAR模型，那么就要建立带误差修正的向量自回归模型，这就需要协整。

问题20:如何做VAR？

第一步:不管序列如何，都可以建立一个初步的VAR模型(在建立过程中，数据可以是预平稳的，部分平稳的，非协整的，同阶非平稳的，也可以是不同阶非平稳的，滞后阶可以任意指定。所有序列通常被认为是内源载体)，

第二步:初始风险值建立后

延迟顺序测试，确定最终模型的延迟顺序

确定滞后顺序后，进行因果检验，以确定哪些序列是外生变量

此时重构VAR模型(此时确定滞后阶，确定内生变量和外生变量)，然后进行AR根图分析。

如果单位根小于1，VAR在完成时可以用脉冲和方差分解

如果单位根大于1，考虑降低原序列的阶数(一阶单整数序列处理方法:差或对数，二阶单整数序列:理论上差和对数可以同时进行，但由于序列失去了经济意义，应该放弃这种处理，可以考虑序列的趋势分解。如果分解还是达不到要求，可以罢工，不建任何模型，休息或者砸电脑)。处理后，新序列(。

第三，在建立最终的风险价值之后，可以考虑SVAR模型。如果变量不仅具有滞后效应，而且具有同步影响关系，则不适合建立VAR模型，在这种情况下需要进行结构分析。