Eviews中的常用函数及应用

Eviews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：createa19522000ssemi-annual：creates19521960qquarterly：createq1951：11952：3mmonthly：createm1952：011954：11wweekly:createw2/15/943/31/94，自动认为第一天为周一，和正常的周不同。ddaily(5dayweek):created3/15/20083/31/2008，和日历上周末一致，自动跳过周末。7daily(7dayweek):create73/03/20083/31/2008。uundated:createu133。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createmyfilenamea19522000或者workfilemyfilenamea19522000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excel数据，直接粘贴；或者用Import从其它已有文件中直接导入数据。dataxy，…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：groupmygroupxy可以在组中直接加入滞后变量groupmygroupyx(0to-1)3．创建标量：常数值scalarval=10showval则在左下角显示该标量的值4．创建变量序列seriesxseriesydataxyseriesz=x+yseriesfit=Eq1.@coef(1)+Eq1.@coef(2)*x利用两个回归系数构造了拟合值序列5．生成变量序列genr变量名=表达式genrxx=x^2genryy=val*ygenrzz=x*y(对应分量相乘)genrzz=log(x*y)(各分量求对数)genrlnx=log(x)genrx1=1/xgenrDx=D(x)genrvalue=3(注意与标量的区别)genrhx=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,,,=,=,=,and,or。2）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2()/iXXn@SUMSQ(X):序列X的平方和@OBS(X):序列X的有效观察值个数@COV(X,Y):序列X和序列Y的协方差@COR(X,Y):序列X和序列Y的相关系数@CROSS(X,Y):序列X，Y的点积genrval=@cross(x,y)当X为一个数时，下列统计函数返回一个数值；当X为一个序列时，下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)@INV(X):X的倒数1/X@LOGIT(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，不小于x的分布的概率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。如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。@SSR回归平方和@DWDW统计量@FF统计量的值@LOGL对数似然函数值@REGOBS回归方程中观测值的个数@MEANDEP@SDDEP@NCOEF估计系数的总个数@COVARIANCE(i,j)协方差@RESIDCOVA(I,j)向量自回归中残差之间的协方差6．向量列向量对象vector、行向量对象rowvector、系数向量对象coeffvectorvect：定义了一个一维且取值为0的列向量vector(n)vect：定义一个n维且取值为0的列向量vect.fill1,3,5,7,9：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8．常用命令：1）Covxy：cov(,)()()/iixyxxyyn协方差矩阵。Corxy：22co(,)()()()()iiiirxyxxyyxxyy相关矩阵。2）plotxy：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）scatxy：观察变量间相关程度、相关类型（线性、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/sortseries，可选择升序或降序：Sortx：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smpl111smpl19902000smpl@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：Expand200120076）“'”后面的东西不执行，仅仅解释程序语句。7）Jarque-Bera统计量:22(3)46NkJBSK，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（whereSistheskewness,Kisthekurtosis,andkrepresentsthenumberofestimatedcoefficientsusedtocreatetheseries）9.回归结果与变量表示：X800110014001700200023002600290032003500Y59463811221155140815951969207825852530VariableCoefficientStd.Errort-StatisticProb.变量系数估计值系数标准差:小好T检验值:大好概率（越小越好）C-103.17171717298.4059798473-1.048429346790.3250794560460ˆ022ˆ2ˆiiXSnx0ˆ00ˆ/tS@coefs(1)或c(1)@stderrs(1)@tstats(1)X0.777010101010.042485098247618.28900327558.2174494e-081ˆ12ˆ2ˆiSx1ˆ11ˆ/tSR-squared0.97664149287Meandependentvar1567.4（拟合优度2R）/ESSTSS=1-(RSS/TSS):大好（因变量均值）Y＝22ˆ()/()iiyyyy@R2@mean(y)AdjustedR-squared0.973721679478S.D.dependentvar714.1444（调优）1-(/(1))/(/(1))RSStkTSSn:大好（Y标准差）2()/(1)iYYn9@RBAR2@sqr(@var(y)*n/(n-1))，var(y)2()/iYYn@sddep（被解释变量的标准差）S.E.ofregression115.767020478Akaikeinfocriterion12.5178932/(2)ien115.7670^2=13402赤池信息准则22(1)lniekAICnn（回归标准差）2/(2)ien=@seSumsquaredresid107216.024242Schwarzcriterion12.5784099883（残差平方和）2iRSSe施瓦兹信息准则21lnlniekSCnnn:小好@sumsq(resid)Loglikelihood-60.5894648487F-statistic334.487640812（对数似然估计值）（总体F检验值）:大好/1/(2)ESSFRSSn＝2859.544＝@FDurbin-Watsonstat3.12031968783Prob(F-statistic)0.0000（D-W检验值）（F检验概率）:小好21221()niiiniieede=@DW@REGOBS：返回观察值的个数7。@ncoef：估计系数总个数2。注意：系数项可这样计算：genrb1=@cross(x-@mean(x),y-@mean(y))/@sumsq(x-@mean(x))@cross计算交叉乘积和，@mean计算均值，@sumsq计算平方和。genrb0=@mean(y)-b1*@mean(x)。10.置信区间估计：变量的显著性检验：111ˆˆ||0.77701010101||18.290.0424850982476tS=c(2)/@stderrs(2)=@tstats(2)0.05/2,22.306nt参数1ˆ的置信区间的计算：＝0.01，/2,2nt＝3.355，1ˆ1/2,2ˆntS下限：=c(2)-3.355*@stderrs(2)上限：=c(2)+3.355*@stderrs(2)总体个别均值0Y的预测值的置信区间的计算(总体条件均值类似)：1）lsycx，使内存中存在方程ˆiY-103.171717172+0.77701010101iX2）假设0x＝1000，200/2,2211ˆˆ1nniixytnx下限：=c(1)+c(2)*1000-2.306*@se*@sqr(1+1/@OBS(X)+(1000-@mean(x))^2/@sumsq(x-@mean(x)))＝372.03上限：=c(1)+c(2)*1000+2.306*@se*@sqr(1+1/@OBS(X)+(1000-@mean(x))^2/@sumsq(x-@mean(x)))＝975.65故总体个别均值0Y的预测值的置信区间为：（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＝ˆiy；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211ˆ()niiRMSEYYn，其大小取决于因变量的绝对数值和预测值；2)绝对指标MAE平均绝对误差11ˆ||niiMAEYYn，其大小取决于因变量的绝对数值和预测值；3)常用的相对指标MAPE平均绝对百分误差1ˆ1|100|niiiY