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。
（图一）
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EViews 。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。
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可支配收入的关系来学习Eviews 的应用。数据如下：
表一
1998年我国城镇居民人均可支配收入与人均消费性支出 单
位：元
版社）
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。
（图二）
（图三）
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。
（图四）
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。
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+/-改变数据按行或列的显示形式, ）然后输入数据，方式同上。
（图五）
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
按下数组窗口（也可以成为数组或数据编辑窗口）（图六）
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：
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；Graph 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；
图七
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
图八
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 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
（View ）”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 (inc)
２、作普通最小二乘法估计：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，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
图九
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 forecast ）；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，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1980~1998年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 图十
图十一
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
2项u i 同方差，即他们具有相同的方差σ 。如果随机扰动项的
方差随观察值不同而异，即ui 的方差为σ 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 \ White
Heteroskedasticity (no 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、χ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。 2
图十二
注意：
White Heteroskedasticity (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．White 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 (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Heteroskedasticity Consistent Covariance \
White \ OK应用（见图十三），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
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
单位：人民币 元
11 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3月，p423-424，适用于普通最小二乘法的协方差矩阵的估计
（数据来源：中国统计年鉴1998光盘，文件 j11c，
j12c ）
图十三
图十四
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）。
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
图十五
图十六
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。
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 (2)
IM 为每年进口额， 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
我国进口支出与国内生产总值和消费者价格指数
和i01，）
u t = ρ u t-1＋νt -1≤ρ≤1 (3)
2其中ν～N(0,σ), Cov(νi, νt ) = 0, i≠j 。记作u i 服从AR(1)。
假定ρ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ρ得到:
ρIM t-1=ρB 0＋ρB 1GNP t-1＋ρu t-1 (5)
将方程 (2)与方程 (4)相减并利用方程(3)，得到：
IM t - ρIM t-1=B0(1－ρ) ＋B 1(GNPt －ρGNP t-1) ＋νt (6)
图十七
Eviews 利用Marquardt 非线性最小二乘法，同时估计（6）式中的B 0、B 1和ρ。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。。
图十八中AR(1)的系数就是ρ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
图十八
1。
如果模型（2）的误差项存在高阶自相关，形如
u t = ρ1 u t-1＋ρ2 u t-2＋ρ3 u t-3＋νt -1≤ρi ≤1 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
u t = ρ1 u t-1+ ρ3 u t-3＋νt -1≤ρi ≤1 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（2）的误差项存在形如下式的自相关
u t = ρ4 u t-4＋νt -1≤ρ4≤1 (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 统
表 四
某地区1947年一季度至1957年4季度国内生产总值和投资总额数据 单位：亿美元
2
根据表四数据建立回归方程如下：
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 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%，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。
2
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
图二十四
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。
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。
（图一）
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EViews 。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。
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可支配收入的关系来学习Eviews 的应用。数据如下：
表一
1998年我国城镇居民人均可支配收入与人均消费性支出 单
位：元
版社）
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。
（图二）
（图三）
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。
（图四）
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。
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+/-改变数据按行或列的显示形式, ）然后输入数据，方式同上。
（图五）
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
按下数组窗口（也可以成为数组或数据编辑窗口）（图六）
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：
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；Graph 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；
图七
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
图八
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 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
（View ）”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 (inc)
２、作普通最小二乘法估计：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，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
图九
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 forecast ）；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，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1980~1998年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 图十
图十一
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
2项u i 同方差，即他们具有相同的方差σ 。如果随机扰动项的
方差随观察值不同而异，即ui 的方差为σ 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 \ White
Heteroskedasticity (no 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、χ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。 2
图十二
注意：
White Heteroskedasticity (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．White 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 (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Heteroskedasticity Consistent Covariance \
White \ OK应用（见图十三），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
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
单位：人民币 元
11 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3月，p423-424，适用于普通最小二乘法的协方差矩阵的估计
（数据来源：中国统计年鉴1998光盘，文件 j11c，
j12c ）
图十三
图十四
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）。
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
图十五
图十六
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。
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 (2)
IM 为每年进口额， 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
我国进口支出与国内生产总值和消费者价格指数
和i01，）
u t = ρ u t-1＋νt -1≤ρ≤1 (3)
2其中ν～N(0,σ), Cov(νi, νt ) = 0, i≠j 。记作u i 服从AR(1)。
假定ρ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ρ得到:
ρIM t-1=ρB 0＋ρB 1GNP t-1＋ρu t-1 (5)
将方程 (2)与方程 (4)相减并利用方程(3)，得到：
IM t - ρIM t-1=B0(1－ρ) ＋B 1(GNPt －ρGNP t-1) ＋νt (6)
图十七
Eviews 利用Marquardt 非线性最小二乘法，同时估计（6）式中的B 0、B 1和ρ。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。。
图十八中AR(1)的系数就是ρ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
图十八
1。
如果模型（2）的误差项存在高阶自相关，形如
u t = ρ1 u t-1＋ρ2 u t-2＋ρ3 u t-3＋νt -1≤ρi ≤1 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
u t = ρ1 u t-1+ ρ3 u t-3＋νt -1≤ρi ≤1 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（2）的误差项存在形如下式的自相关
u t = ρ4 u t-4＋νt -1≤ρ4≤1 (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 统
表 四
某地区1947年一季度至1957年4季度国内生产总值和投资总额数据 单位：亿美元
2
根据表四数据建立回归方程如下：
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 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%，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。
2
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
图二十四
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。