金融計量方法文件eviews使用指南

第一章EViews基本操 新建一個工作文件（Creatinga 保存工作文件（Saving 工作文件（Loading 從鍵盤輸入數(shù)據(jù)（EnteringDataFromthe 外部數(shù)據(jù)文件導(dǎo)入（Spreadsheet 第二章基本數(shù)據(jù)分 第三章基本的單方程分 方程對象中的統(tǒng)計值（Regression 參數(shù)估計值的標(biāo)準(zhǔn)誤(Std. （3）t統(tǒng)計量(t- 相伴概率 概要性統(tǒng)計值（Summary （6）F統(tǒng)計量(F-Statistics)和相伴概率 回歸標(biāo)準(zhǔn)誤(StandardErroroftheRegression,S.E.of 似然值（Log 信息準(zhǔn)則（Information 第四章EViews編程初 基本的數(shù) 數(shù)算 函 隨機數(shù) 第五章包含虛擬變量的回歸模 函數(shù) 第六章異方差 采用正確的OLS參數(shù)協(xié)方差矩陣估計 第七章時間序列分 HAC方 GLS方 平穩(wěn)序列的BJ建 ARMA模型估 第八章混合數(shù)據(jù)模型初 混合數(shù)據(jù)對象（ThePool 第一章EViewsEViews提供復(fù)雜的數(shù)據(jù)分析、回歸分析和預(yù)測工具，可以應(yīng)用于如下領(lǐng)域：科學(xué)數(shù)據(jù)分析和評估，金融數(shù)據(jù)分析，宏觀經(jīng)濟預(yù)測，仿真，銷售預(yù)測和成本分析。EViews最開始1981年MicroTSP。EViews軟件利用了現(xiàn)代Windows軟件的可視化特點。你可以使用鼠標(biāo)，通過標(biāo)準(zhǔn)的Windows菜單和框完成相關(guān)操作。同時，也可以利用EViews強大令行和批處理語1EViews命圖 這些狀態(tài)信息。中間部分是（默認(rèn)）文件EViews默認(rèn)尋找所需數(shù)據(jù)和程序的文件。接下來是默認(rèn)數(shù)據(jù)庫和當(dāng)前激活的工作文件。EViews的大部分操作都是在工作文件的基礎(chǔ)上完成的，因此工作文件構(gòu)成了EViewspage 3種主要的方法可以建立一個工作文件。第三種方法比較復(fù)雜。我們首先介紹第法 4在圖4新建一個工作文件所示的框中，用戶需要根據(jù)實際數(shù)據(jù)的特點，指定工作文件的結(jié)構(gòu)類型（workfilestructuretype，以及日期范圍（如果結(jié)構(gòu)類型為日期型，即開始日期（startdate）和結(jié)束日期（enddate。Dated-regularfrequency（regular意味著數(shù)據(jù)集中每兩個樣本之間的時間間隔Eiews（frequencydate數(shù)1993:1,65:2如：1992:1,65:4,2002:3。如：1956:1,1990:11。[Daily7dayweeks]，即日度數(shù)據(jù)（weekday兩天，月:天:Annual19522006（5設(shè)定工作文件的數(shù)據(jù)頻率和樣本范圍。設(shè)置完畢后點擊ok按鈕即可。5（PageBalancedBalancedPanel是相對簡單的一種面板數(shù)據(jù)類型（UnbalancedPanel將在后續(xù)章節(jié)中加以介紹。之所以說它相對簡單是因為它的每個觀測時間序列數(shù)據(jù)的始點為1970年第一季度于2020年第4季度，有200個觀測，因此總共有的數(shù)據(jù)觀測個數(shù)，系統(tǒng)將自動從1開始依次為每個樣本觀測值分配整數(shù)型的標(biāo)識代碼。方法一：直接打開外部數(shù)據(jù)文件，例如EXCEL文件，數(shù)據(jù)，并在EViews窗口中在圖6工作文件窗口顯示的工作文件窗口中，標(biāo)題欄（TitleBar）顯示當(dāng)前工作文件名字和所在磁盤文件。在標(biāo)題欄下方的是按鈕欄（ButtonBar），這些按鈕為針對工作文按鈕欄下方顯示兩行狀態(tài)信息：“Range:1952Q11996Q4–180obs”和“Sample:1952Q1點擊選擇不同圍，雙擊“Range”字樣，就會打開一個標(biāo)題為“Workfilestructure”框（如圖7改變工作文件的數(shù)據(jù)范圍所示。此后彈出的框可以修改工作文件的開始日期和結(jié)束日期。如果點擊選擇不同67框（如圖 改變當(dāng)前樣本范圍所示。注意修改當(dāng)前樣本范圍出工作文件的數(shù)據(jù)8在這兩行狀態(tài)信息行的右邊是一個顯示過濾器（DisyFilter，可根據(jù)需要設(shè)置篩選View→DisyFilter…，或者在狀態(tài)信息行中雙擊“DisyFilter*”字樣，可以打開對象過濾器（ObjectFilter）框。該框中上半部分是一個編輯框，用于輸入根據(jù)對象名稱進選掉一部分對象后，原來的“DisyFilter*”字樣會變更為“DisyFilter-*”字樣，提醒我們在工作文件窗口中間部分是顯示對象的工作文件（WorkfileDirectory，在普通模著不同的對象類型（在后續(xù)章節(jié)詳細(xì)介紹不同的對象類型。點擊工作文件窗口中的菜單View→NameDisy，可以選擇窗口中的對象名稱是以小letters擊View→Detail+/-，或者單擊按鈕欄中的Detail+/-，可以顯示有關(guān)對象的附加信息，View），點擊工作文件窗口主菜單View→Statistics如果需要切換回原來的顯示視圖（DirectoryDisyView，點擊View→WorkfileDirectory即可。如果第一次在工作文件點擊Save按鈕，可以選擇保存路徑，保存工作文件?；蛘唿c擊EViews主窗口中的菜單：File→SaveasFile→Save保存文件。文件不再出現(xiàn)該框。如果需要恢復(fù)，可以在EViews的主菜單中點擊Options→General可以利用EViews主窗口中的菜單：File→Open→Workfile一個先前已保存的工作序列對象窗口（如圖10在序列對象窗口中輸入數(shù)據(jù)。據(jù)。也可以直接數(shù)據(jù)進行粘貼操作，而勿需逐一進行輸入。910子數(shù)據(jù)表格式（也是最常用的數(shù)據(jù)文件格式。以Excel文件為例，步驟如下：File→Open→ForeignDataasWorkfile，可以直接將外部數(shù)據(jù)導(dǎo)入一個新建的工作file(*.xls)，此時彈出的窗口如下圖。11Excel上圖窗口中提供的選項主要是針對數(shù)據(jù)文件的形式。一般來說，EViews提供的默12EViewsoriented的。數(shù)據(jù)分析過的信息在對象中。EViews所有的工作都涉及到不同類型對象的使用和操作。對象則存放在對象容器（objectcontainer）中，而工作文件則是最重要的對在每一個新建的的工作文件中，系統(tǒng)都會自動生產(chǎn)一個系數(shù)向量對象（coefficientvector章節(jié)介紹。這里需要注意的是，EViews具有面向?qū)ο蟮娘L(fēng)格，即許多數(shù)據(jù)處理都是以對象本，方程對象（equationobject）針對一組變量的關(guān)系測算。Pocedures，(以序列對象為例。序列對象通常用于存放我們需要處理的數(shù)據(jù)。EViews中的序列對象示數(shù)據(jù)序列內(nèi)容（如圖13以數(shù)據(jù)表格形式展示數(shù)據(jù)序列。13一個M1對數(shù)值（而不是M1）的序列窗口。在打開已有對象后，在對象窗口菜單中點擊Name菜單，即可對對象進行重命名。Object→Copyobject…Object→CopySelected…，或者將鼠標(biāo)移至選定的對象上，右鍵單擊鼠標(biāo)，選擇Objectcopy…的對象，從工作文件窗口菜單中點擊Edit→Copy。接下來擊活目標(biāo)工作文件，點擊Edit→Paste，或者點擊鼠標(biāo)右鍵，選擇Paste。第二章seriesseries_name=雙擊打開序列對象（demo.wf1GDP序列，如果序列對象窗口顯示的不是如下圖，“DisyFormat…”，可彈出如下框單擊菜單“View→Graph…”，顯示以下“GraphOptions”框。該框可以設(shè)定不同Line&Symbol，點擊“確定”后，即可將數(shù)據(jù)序列用連線圖表現(xiàn)出來，顯示選擇View→DescriptiveStatistics&Tests→HistogramandStats，顯示序列的描述性統(tǒng)計值（如圖14數(shù)據(jù)序列的描述性統(tǒng)計值1411Mean，序列的樣本均值y

yiNN3MaxandMin分別指序列的最大值和最小值1Ni1NiN(y2i5、 1 yyS ( )，其中N 1 yyK ( N 于這個參照分布而言是尖的（尖頂峰度3，這個分布對于參照分布而言是JB統(tǒng)計量用于檢驗序列是否服從正態(tài)分布的檢驗統(tǒng)計值（檢驗對應(yīng)的原假設(shè)為序于一個正態(tài)分布總體，否則沒有理由原假設(shè)。統(tǒng)計推斷所需要的統(tǒng)計量即JB統(tǒng)計量，它按以下計算：NS2K32JB 6 JB~22JBProbability（通常稱為相伴概率出了概率值Prob2JB，此例中即為Prob224.683000.000004，因此，EViews提供了按子樣本計算描述性統(tǒng)計值的工具。選擇“View→DescriptiveStatistics&Tests→StatsbyClassification”，出現(xiàn)以下框。序列對象窗口中，還可以進行簡單的假設(shè)檢驗。選擇“View→DescriptiveStatistics&Tests→SimpleHypothesisTests”，顯示以下“SeriesDistributionTests”框。H0:mH1:N算t統(tǒng)計量，這是我們在統(tǒng)計學(xué)課所熟知的統(tǒng)計量。Nt

~tNNNz

~N其中是我們指定的標(biāo)準(zhǔn)差。z 2N1s2~2N1demo.wf1中的gdpEViews中具強大的數(shù)算功能，可以處理很多數(shù)學(xué)表達式。通過數(shù)學(xué)表達式的運算在EViews工作文件中，點擊菜單條上的Genr按鈕，彈出如下框，在編輯框中按 圖圖15 在彈出的框中輸入你需要計算的，例如，計算國內(nèi)生產(chǎn)總值(gdp)的對數(shù)值，生成一個名為log_gdp的序列對象。deleteobjects→Deleteseletedgroupgroup_name1gdpm1prgroupgroup_name2log(gdp)d(m1)prgroup_name2gdp的對數(shù)值、m1的一階差分、pr、rs四個序列View→DescriptiveStats&Tests，如下圖所示，可以選擇兩種方式計算序列對1617scalar幫助中 →User’sGuide→OperatorandFunctionReference→DescriptivescalarObjects→NewObjects→Matrix-Vector-Coef，輸入系數(shù)向選擇CoefficientVector。如圖18生成系數(shù)向量對象所示：18resultsgenr命令素的數(shù)值賦值為gdp序列的樣本均值。也可以利用修改系數(shù)向量對象量中元素的數(shù)值。例如，在命令欄中輸入注意，在生成系數(shù)向量的圖18生成系數(shù)向量對象中，涉及四個不同對象類型選項，2slope，并且把它作為二元線性回歸模型的參數(shù)進行估計，將估計得到的斜率項系數(shù)保存在slope中。coef(2)ls第三章菜單操作方式是在工作文件窗口中點擊Objects→NewObject→Equation，或者是在EViews主菜單中點擊Quick→EstimateEquation…，都會顯示以下窗口，標(biāo)題為“Equation19形式。有兩種方法可以指定回歸方程，一種是列表方式（bylist，另一種是方式（byexpressionycx1 菜單中選擇“Open→Equation…”，或者任一選中的變量，在彈出的菜單中選擇輸入該編輯框中的字符可以是一個數(shù)學(xué)，可以是因變量，隨后依次為“=”字符，在標(biāo)題為“EquationEstimation”窗口中，標(biāo)有“Method”的下拉式菜單中選擇對模型進行估計的方法，系統(tǒng)默認(rèn)的估計方法為“LS-LeastSquaresNLSandARMA)”，即普通最小二20OLS在上圖顯示的估計結(jié)果中，第一行信息“DependentVariable:SALARY”說明在這一估計結(jié)果中，模型被解釋變量名為“SALARY第二行信息“Method:LeastSquares”說明估計采用的方法是最小二乘方法，第三行信息“Date:03/25/10Time:16:01”給出估計結(jié)209第五行信息“Includedobservations:209”說明估計使用的樣本點個數(shù)（樣本容量）20901對方程的估計結(jié)果將會產(chǎn)生許多統(tǒng)計值，包括參數(shù)估計值、參數(shù)估計值的標(biāo)準(zhǔn)誤、t統(tǒng)0101Std.C保存為eq01的方程對象，如果想第1個參數(shù)估計值c(1)，對應(yīng)的EViews命令為和賦給名字為sum的標(biāo)量Scalar1 1seriesseriesyhat=eq01.回歸函數(shù)值，例如我們在剛生成并估計好eq01方程對象后，可以直接如下，series（3）t(t-（后續(xù)上機課講解（后續(xù)上機課講解1減去殘差平方和比總體平方擬合優(yōu)度

SSEi表示殘差平方和，按以下u?2，其中殘差項為u?iyi?i?i為估計得到的樣本回歸函數(shù)值。相應(yīng)的EViews命令如下：i1n表示被解釋變量的樣本均值，即y yi。相應(yīng)的EViews命令如下n方程對象名(y2in(y2in 。相應(yīng)的Eviews命令方程對象名（后續(xù)上機課講解隨機誤差項的（條件）方差2，即Varu|XVaru2

i，ink

方程對象名（后續(xù)上機課講解（后續(xù)上機課講解（后續(xù)上機課講解除了輸出結(jié)果表中出現(xiàn)的統(tǒng)計值外，EViews還為我們處理的與方程對象相關(guān)的統(tǒng)序列，可以點擊方程對象窗口中的“View→Actual,Fitted,Residual”，在隨后出現(xiàn)的下拉式resid的序列對象進行操作。但是這樣做的缺點resid保存的是最近一次估計得到的方程的殘差序列，它會因為估計不同的resid進行操作容易出錯。因而要想對某一特定的方序列對象中，可以按如下格式書寫：方程對象名.makeresid新的序列對象名。例如，將上述eq01eq01_resEViews命令如Eq01.makeresid命令行方式直接這些統(tǒng)計量。以下歸納了這些統(tǒng)計量的函數(shù)表達式。F第i個個參數(shù)估計值的tEViewsEviews中數(shù)算的順序是：從左到右，按優(yōu)先級從高到低計算。求冪乘、除例如：Genry=3Genry= Genry= @mean 在Eviews令行窗口中輸入genrz=@mean(gdp)，單擊回車即可執(zhí)行果，在工作文件中生成一個10維的系數(shù)向量對象，命名為normprob。的隨量小于給定值的概率值。相應(yīng)的Eviews函數(shù)為：@cnorm(x)。 orm orm函數(shù)為@qnorm(p)，可以求滿足probzx給定概率值x。例如：Eviews中正態(tài)分布的概率密度函數(shù)為@dnorm(x)Eviews中生成滿足正態(tài)分布的樣本數(shù)據(jù)的函數(shù)為@rnormnrndEviews可以計算其它分布類型的累積分布函數(shù)、概率密度函數(shù)、分位數(shù)函數(shù)和隨機數(shù)series用了控制變量作為替代變量，運行的結(jié)果即命名為y1，并利用隨機數(shù)函數(shù)nrnd，即IF語句是條件執(zhí)行語句，也是許多計算軟件中常見的控制語句之一。IFif關(guān)鍵thenendifendif之前elsethenelseelseednif之間的語句。如果不包括else語句，在表達式為情況下，EViews將略過所有語句。最后以endif結(jié)束。if一個典型的for語句示例如下，for!i=1to500step1seriesy!i=nrnd象，并產(chǎn)生標(biāo)準(zhǔn)正態(tài)分布隨機數(shù)對序列中的元素賦值。這樣，當(dāng)循環(huán)結(jié)束時，會產(chǎn)生500EViews提供的自動分類函數(shù)（AutomaticCategoricalDummyariables，@expand，可以幫助我們根據(jù)抽樣對象的不同分類屬性將對象劃分成不同的群體。以wage1.xls（曾于第一次上機提供）為例，抽樣對象的屬性用虛擬變量female度量（取值為1對應(yīng)女性，已婚、已婚女性，這四類不同群體取決于以上兩個虛擬變量不同取值的組合。以下EViews命令生成一個組對象，其中包括四個序列對象，分別對應(yīng)這四類群體。groupg1@expand(female,暫且記為unmarr_male

marr_male

unmarr_female

marr_female

，即可得到式lwagec@expand(female,married,@dropfirst)educexperexpersqtenureseriesseriesfeb=@seas(2)seriesmar=@seas(3)seriesapr=@seas(4)seriesmay=@seas(5)seriesjun=@seas(6)seriesjul=@seas(7)seriesaug=@seas(8)seriessep=@seas(9)seriesoct=@seas(10)series否則為0，其它序列對象依此類推。文件最后一頁為例，在生成方程對象窗口“equationestimation”中，除了指定因變量和自SquaresNLSandARMA)”改為“BINARYBinaryChoiceLogit,Probit,ExtremeValue)”，ViewResidualDiagnosticsHeteroskedasticityTest…，出現(xiàn)CLM假定情況下，OLSVarb|XEbb XX1X2IX2如果經(jīng)典假定放寬，允許隨機誤差項中存在異方差或自相關(guān)性，那么上述OLS差矩陣稱為懷特異方差一致性協(xié)方差估計（Hetero-skedasticityConsistentCovarianceEstimator），后一種情形稱為異方差自相關(guān)一致協(xié)方差估計（Hetero-skedasticityandAutocorrelationConsistentCovarianceEstimator，簡稱HAC）Newey-West估計。在指定方程形式的框中，點擊Options，出現(xiàn)以下框。在左上角部分，有一標(biāo)下OLS參數(shù)估計量的方差 w OLSyt??x?xu?，得到殘差序列u? 1 k 在EViews中可以通過相應(yīng)的菜單命令以更快捷的方式完成，方法是在估計yt??x?xu?的方程對象窗口中點擊View→ResidualDiagnostics 1 k ,Breusch-GodfreySerialCorrelationLM Prob. HAC在時對協(xié)方差矩陣的修正，稱為異方差自相關(guān)一致協(xié)方差估計（Hetero-skedasticityand在左上角部分，有一標(biāo)題為“Coefficientcovariancematrix”的下拉式菜單，有三個選項，分White((即應(yīng)用Newey-West方法進行修正。Method:LeastSquaresDate:06/03/10 Sample:1131Includedobservations:HACstandarderrors&covariance(Bartlettkernel,Newey-Westfixedbandwidth=5.0000)Std.CMeandependentS.D.dependentS.E.ofAkaikeinfoSumsquaredSchwarzLogGLSlchnimpclchempilgaslrtwexbefile6affile6afdec6ar(1)ar(2)ytyt1H01H1:1H0:10為了考慮yt中可能存在的序列相關(guān)，引入ytpyt(1)yt1iytipyt(1)yt1iytipytt(1)yt1 iytiADFHADFH:p平穩(wěn)差模型p=1,ADFH:bADFH:p差模型p=1,ADFH:aADFH:p平穩(wěn)模型不差不不不絕不絕以講義中78頁1959年-1995年實際GDP的單位根檢驗為例，檢驗其對數(shù)值序列在框中左上角部分“TestType”中選擇“AugmentedDickey-Fuller”即增強型DF檢統(tǒng)計量向左超出臨界值，至少在1%的顯著性水平上向左超出臨界值。因此實GDPI(1)性檢驗方法檢驗是否為平穩(wěn)序列，然后依據(jù)自相關(guān)圖和偏自相關(guān)圖來判斷的。AR、MA和ARMA模型具有不同的自相關(guān)和偏自相關(guān)模式，通過計算時間序列數(shù)據(jù)的自相關(guān)和偏自相Auto-CorrelationFunction,PACF）以及由此而得的相關(guān)圖（Correlograms）ytut1ut12ut2qutrkE(ytkyt2(12

22 當(dāng)k u2(k1k1qkq 當(dāng)1k0 當(dāng)k0注意Eu0，Varu2，Eu 0，k1,,p，因此有Ey tt ytut1ut12ut2qutqytkutk1utk12utk2qutkutk1ut1k2ut2kqutqkrkE(ytkyttt

t

t

t

tq當(dāng)k0

Eu

2t2

t

qutqt當(dāng)1kqrku2(k1k1qkqtkqt

tqk

和u

t

t

t

ttrk0（tt

tqk

uttt

t

t

t

中u項都是t或t以前的點，因此不存在同類項kk11(

當(dāng)k 1k qk 當(dāng)1k (12

2q2當(dāng)k數(shù)）k0ytytk不相關(guān)。yt1yt12yt2pytprkE(ytkytE(1ytk12ytk2pytkp)1rk12rk2prkrkEytkytrkEytkytEysyskEyskysstkrk

k

kk01121p2112p

p1p12p2p1kkp。同時也可以求u2Varu EutEy 1t

t

ttEytijytiytjEyt1yt12yt2pytpE1yt12yt2pytpyt

r Eytijt

t

j i

jp

ijrji2i 當(dāng)p=0時，ARMAp,q 當(dāng)q=0時，ARMAp, yt1yt12yt2pytput1ut12ut2qut rkE(ytk Ey 1tk 2tk ptk t 1tk 2tk qtkryu(k)E(ytutk 當(dāng)k uk當(dāng)kk0EytutkE(utkyt)E(usysk)~k0kk~ryu(k)

kEykt

yu yu ku 11ryu

2ryu(

pr( k1 ~p2) 21ryu( 2ryu(

pryu( k1~~ r

p1)r

p2)r(~pP)~2 1 2 p k1k不斷遞歸下去，最后只剩下由、和2決定的表達式，記為2 1rk12rk2prkkrk

k

k

AR(k)yt1yt12yt2k1ytk1kytkut后者比前者增加了一個滯后變量ytk。kkjkj個回歸系數(shù)ytk1,1yt1k1,2yt2k1,k1ytk1ytk,1yt1k,2yt2k,k1ytk1k,kytk 在p以 當(dāng)1jpkppkj 當(dāng)j打開序列對象窗口，點擊View→Correlogram，即可計算各階樣本自相關(guān)CorrelationACLGNP的單位根檢驗結(jié)果表明該序列為I(2)，則d2。ViewResidualDiagnosticsCorrelogramQ-statistics

n(n k1n

（白噪聲序列型可以預(yù)測1993年第4季度的數(shù)據(jù)。打開方程對象窗口，點擊Forecast，彈出以下框靜態(tài)方法預(yù)測，即在模型右邊出現(xiàn)自變量的值為實際觀測值。預(yù)列命名為lgnpf，打開lgnp19934季度不同外（一個實際觀測值，一個是預(yù)測值RootMeanSquaredError、MeanAbsoluteErrorMeanAbs.PercentError是衡量預(yù)測誤差的三個常用的指標(biāo)。數(shù)據(jù)越Actual:LGNPIncludedobservations:1 ?2混合數(shù)據(jù)對象（Pool對象）混合了時間序列數(shù)據(jù)和橫截面數(shù)據(jù)，具有類似組對象和方EViews中創(chuàng)建一個混合數(shù)據(jù)對象最直接的方法是在工作文件窗口中點擊Object→NewObject…→Pool，在彈出的編輯框中輸入截面標(biāo)識（CrossSectionIdentifiers，每個標(biāo)識可用空格、Tab鍵和換行字符分隔開來。需要注意的是，混合數(shù)據(jù)對象只是描述了在框中輸入：“gdppc?cpc?yeard1979d1980d1981d1982d1983d1984d1985d1986d1987d1988d1989d1990d1991d1992d1993d1994d1995d1996d1997d1998d1999d2000d2001d2002d2003d2004d2005d2006d2007d2008d2009d2010”+/-打開混合數(shù)據(jù)對象窗口，點擊“Edit+/-DependentVariable:CPC?Date:11/27/11 Time:17:22Sample(adjusted):1978Includedobservations:33afteradjustmentsCross-sectionsincluded:31Totalpool(unbalanced)observa