EViews 计量经济学完整教程

第一部分：EViews 简介

什么是 EViews？ EViews (Econometric Views) 是一款功能强大的计量经济学软件，广泛应用于学术研究、金融分析、政策评估等领域，它以其直观的图形用户界面、强大的数据处理能力和丰富的计量模型而闻名，即使是复杂的计量分析，在 EViews 中也能通过简单的菜单操作和命令行实现。

为什么选择 EViews？

• 用户友好： 菜单驱动模式，无需编程基础即可上手。
• 功能全面： 涵盖了从基础数据管理到前沿计量模型（如 VAR、VECM、GARCH、面板数据模型等）的几乎所有功能。
• 结果直观： 输出结果以表格和图形形式清晰展示，易于解读和报告。
• 文档和社区支持： 拥有官方手册和活跃的用户社区，遇到问题容易找到解决方案。

EViews 界面概览 启动 EViews 后，你会看到几个核心窗口：

• 主窗口: 菜单栏和工具栏，是所有操作的起点。
• 命令窗口: 可以直接输入 EViews 命令来执行操作，比点击菜单更快。
• 工作文件窗口: 显示当前工作文件中的所有对象（如序列、组、方程等），是项目的核心。
• 对象窗口: 显示某个特定对象（如一个方程的回归结果、一个序列的图表）的窗口。

第二部分：基础操作与数据处理

案例背景： 我们假设要研究“影响中国居民消费的因素”，初步选择可支配收入和消费者价格指数作为解释变量。

步骤 1：创建工作文件 工作文件是 EViews 存储数据和分析结果的基本容器。

1. 点击 File -> New -> Workfile。
2. Workfile structure type: 选择 Dated - regular frequency。
3. Date specification:
   • Frequency: 选择 Annual (年度数据) 或 Quarterly (季度数据)。
   • Start date / End date: 输入你的数据起止年份，1990 2025。
4. 点击 OK，此时会出现一个名为 Untitled 的工作文件窗口。

步骤 2：输入数据 有三种主要方式输入数据：

• 手动输入：
  1. 在工作文件窗口点击 Object -> New Object。
  2. 选择 Series，命名为 Y (代表消费支出)。
  3. 在打开的序列窗口中,直接在单元格中输入数据。
  4. 重复此过程,创建 X (代表可支配收入) 和 P (代表CPI) 序列。
• 粘贴输入 (推荐)：
  1. 在 Excel 或其他软件中复制你的数据（确保第一列是年份，后续列是变量数据）。
  2. 在 EViews 中，点击 Object -> New Object，选择 Series，命名为 Y。
  3. 在打开的序列窗口中,右键点击，选择 Paste，数据会自动粘贴。
• 从文件导入：
  1. 点击 File -> Import -> Read Text-Lotus-Excel...。
  2. 选择你的 Excel 文件。
  3. 在弹出的对话框中,设置数据范围（A2:C34）和变量名（Y X P）。
  4. 点击 OK。

步骤 3：数据生成与变换 计量分析常常需要生成新的变量，如对数形式、增长率等。

• 取对数： 对数形式可以减小异方差，使经济关系更线性。
  • 在命令窗口输入：genr ly = log(y) (生成 Y 的对数序列，命名为 ly)
  • 同理：genr lx = log(x)
• 计算增长率：
  • genr gdp_growth = (gdp - gdp(-1))/gdp(-1) * 100 (计算 GDP 的同比增长率)
  • d(x) 是 x - x(-1) 的简写，计算一阶差分（近似增长率）。
• 生成虚拟变量：
  • 生成一个 DUMMY 变量，在 2000 年及以后为 1，之前为 0。
  • 在命令窗口输入：genr dummy = @year >= 2000

步骤 4：数据描述性统计 查看数据的基本特征。

1. 在工作文件窗口,按住 Ctrl 键同时选中 Y, X, P 序列。
2. 右键点击,选择 Open -> as Group。
3. 在打开的组窗口中,点击 View -> Descriptive Statistics & Tests -> Common Sample。
4. 你会看到均值、标准差、最大/小值、偏度、峰度等统计量。

第三部分：核心计量模型分析

步骤 1：线性回归分析 (OLS) 这是计量经济学的基础，我们建立模型：Y = C(1) + C(2)*X + C(3)*P + ε

1. 菜单操作
   • 在工作文件窗口,点击 Quick -> Estimate Equation。
   • 在弹出的方程设定框中,输入回归方程： y c x p
     • y 是被解释变量。
     • c 是 EViews 自动生成的常数项。
     • x p 是解释变量。
   • 点击 OK。
2. 命令行操作
   • 在命令窗口直接输入：ls y c x p
   • ls 是 "Least Squares" (最小二乘法) 的命令。

步骤 2：解读回归结果 输出结果窗口包含了所有关键信息：

• Dependent Variable: 被解释变量。
• Method: 估计方法 (LS/Least Squares)。
• Sample: 使用的样本范围。
• Included observations: 使用的观测值数量。
• Coefficients (系数): 这是核心！C(1) 是截距项，C(2) 是 X 的系数，C(3) 是 P 的系数。
  • C(2)=0.85 意味着，在 P 不变的情况下，X 每增加 1 单位，Y 平均增加 0.85 单位。
• t-Statistic (t统计量): 检验系数是否显著不为零。|t| > 1.96 (在 5% 的显著性水平下) 通常认为系数是统计显著的。
• Prob. (p值): p值小于 0.05 (或 0.01, 0.1) 时，我们拒绝原假设（系数为0），认为该变量是显著的。
• R-squared (拟合优度 R²): 模型对数据的整体拟合程度，越接近 1 越好。
• Adjusted R-squared (调整后 R²): 在 R² 的基础上考虑了解释变量个数，更适合比较不同模型。

步骤 3：模型诊断 一个好的模型需要满足一系列假设，EViews 提供了便捷的检验工具。

1. 在回归结果窗口,点击 View -> Residual Diagnostics。
2. 残图检验:
   • Residual Graphs -> Actual, Fitted, Residual: 查看残差是否围绕 0 随机波动，如果呈现明显模式（如曲线），可能存在模型设定错误。
   • Residual Graphs -> Residual vs. Fitted: 检查是否存在异方差，如果残差点呈“喇叭形”或“扇形”，则可能存在异方差。
3. 异方差检验 (White Test):
   • Heteroskedasticity Tests -> White (no cross terms)。
   • 查看 F-statistic 和 Obs*R-squared 对应的 p 值，p 值 < 0.05，则拒绝“不存在异方差”的原假设，表明存在异方差问题。
   • 修正方法： 在 Estimate Equation 时，点击 Options，勾选 Heteroskedasticity consistent covariance，选择 White，这样得到的系数标准误就是稳健的。
4. 序列相关检验 (Breusch-Godfrey Test):
   • Serial Correlation LM Test。
   • 在 Lags to include 中输入滞后阶数（如 1 或 2）。
   • 查看 F-statistic 和 Obs*R-squared 的 p 值，p 值 < 0.05，则存在序列相关。
   • 修正方法： 在 Estimate Equation 时，点击 Options，在 ARMA 部分设置自回归项 (如 AR(1))。

第四部分：进阶专题

时间序列分析：单位根检验与协整 在分析时间序列数据前，必须检验其平稳性。

• 单位根检验:
  1. 打开一个序列（如 Y）。
  2. 点击 View -> Unit Root Test。
  3. 选择检验类型（如 Augmented Dickey-Fuller）、检验形式（含截距项、含趋势项等）。
  4. 查看 t-Statistic 和其对应的 MacKinnon 临界值。t-Statistic 的绝对值小于临界值的绝对值，则不能拒绝“存在单位根”的原假设，序列是非平稳的。
• 协整检验:
  • 如果多个非平稳序列是同阶单整的,它们之间可能存在长期稳定关系（协整）。
  • Johansen 协整检验:
    1. 创建一个包含所有可能相关序列的组 (Group)。
    2. 点击 View -> Cointegration Test -> Johansen Test。
    3. 选择模型形式（如含截距项、含趋势项）。
    4. 结果会告诉你存在几个协整关系,如果至少存在一个，就可以建立误差修正模型。

向量自回归模型 VAR 模型用于分析多个相互关联的变量之间的动态关系。

1. 点击 Quick -> Estimate VAR...。
2. 在 Endogenous Variables (内生变量) 框中输入所有变量，如 y x p。
3. 在 Lag Intervals for Endogenous 框中设置滞后阶数，如 1 4 (表示从 1 阶到 4 阶)。
4. 点击 OK。
5. 分析结果:
   • 点击 View -> Lag Structure -> Lag Exclusion Tests 检验整体显著性。
   • 点击 View -> Impulse Response 分析一个变量的“冲击”对其他变量的动态影响。
   • 点击 View -> Variance Decomposition 分析每个变量的“贡献度”。

面板数据模型 当你的数据同时包含横截面（如不同省份）和时间序列（如年份）时，需要使用面板数据模型。

1. 创建面板工作文件: File -> New -> Workfile -> Balanced Panel。
2. 设定面板结构: 定义横截面标识符 (Cross-section ID) 和时间标识符 (Date ID)。
3. 估计模型:
   • 点击 Quick -> Estimate Equation。
   • 在方程框中输入变量,如 y c x。
   • 在 Estimation settings 的 Method 中选择 Pooled Least Squares (混合模型), Fixed Effects (固定效应), 或 Random Effects (随机效应)。
   • 点击 OK。
   • 选择模型: 在结果窗口，可以通过 View -> Fixed/Random Effects Testing -> Correlated Random Effects - Hausman Test 来在固定效应和随机效应之间做出选择。

第五部分：结果输出与报告

1. 复制表格:
   • 在方程结果窗口,点击 Name 给结果命名，方便后续调用。
   • 右键点击结果窗口的标题栏,选择 Copy，可以直接将结果表格复制到 Word 或 Excel 中。
2. 复制图形:
   • 在图形窗口,点击 Name 命名。
   • 右键点击图形,选择 Copy，即可复制到文档中。
3. 生成工作文件:
   • 完成所有分析后,点击 File -> Save 或 Save As，将整个工作文件保存为 .wf1 格式，下次可以直接打开它，继续你的分析，所有数据和结果都在。

学习资源推荐

• 官方手册: EViews 安装目录下有 EViews 10 User’s Guide.pdf (或其他版本)，是最权威、最全面的参考资料。
• 在线课程:
  • Coursera / edX: 搜索 "Econometrics" 或 "Data Science for Economists"，很多课程会使用 EViews 或类似的软件。
  • Bilibili / YouTube: 搜索 “EViews教程”，有大量中文和英文的视频教程，非常直观。
• 经典教材:
  • 《计量经济学导论：现代观点》 by Jeffrey M. Wooldridge (理论与实践结合得非常好，有配套的 EViews/Stata/R 示例)。
  • 《应用计量经济学》 by A.H. Studenmund (非常注重实际应用和软件操作)。

希望这份教程能帮助你顺利开启 EViews 的学习之旅！计量经济学是“做”出来的，多动手操作，多分析真实数据，才能真正掌握，祝你学习愉快！