本教程将从一个全新的用户视角出发，按照“安装启动 -> 数据管理 -> 基本描述 -> 回归分析 -> 结果解读 -> 预测”的完整流程，手把手地带您完成一个最经典的计量经济学任务：分析影响中国家庭消费支出的因素。

第一部分：准备工作与界面初识

安装与启动

1. 安装：请确保您已成功安装 EViews 6，安装过程通常是“下一步”即可,非常简单。
2. 启动：安装完成后，点击桌面上的 EViews 6 图标启动软件。

EViews 6 界面概览

启动后,您会看到两个主要的窗口：

• 命令窗口：位于主界面的最下方，您可以在这里直接输入 EViews 命令，就像在 DOS 命令行里操作一样，对于初学者，我们更推荐使用菜单操作,但了解命令窗口很有帮助。
• 主菜单栏：包含所有 EViews 的功能，如 File (文件), Edit (编辑), Object (对象), View (视图), Proc (过程), Quick (快速), Options (选项), Window (窗口), Help (帮助)。
• 工作区域：中间的大片空白区域，您在这里创建和管理工作文件中的所有“对象”（Object）。

第二部分：创建工作文件与导入数据

在进行任何分析之前，我们必须先创建一个“工作文件”（Workfile），它就像一个容器，用来存放我们所有的数据、图表和结果。

创建工作文件

1. 点击菜单栏 File -> New -> Workfile...。
2. 在弹出的对话框中，需要进行以下设置：
   • Workfile structure type：选择数据结构类型，对于时间序列数据，选择 Dated - regular frequency；对于截面数据，选择 Unstructured/Undated,本教程我们假设是年度时间序列数据。
   • Date specification：
     • Frequency：选择数据的频率，如 Annual (年度), Quarterly (季度), Monthly (月度) 等。
     • Start date 和 End date：输入数据的起始和结束年份，从 1990 到 2025。
3. 点击 OK，一个名为 Untitled 的工作文件就创建好了,并出现在工作区域。

导入数据

假设我们有一个 Excel 文件，名为 consumption_data.xls，里面有两列数据：年份 和 居民消费支出。

1. 通过菜单导入

   
   （图片来源网络，侵删）
   • 点击主菜单 Proc -> Import -> Read Text-Lotus-Excel...。
   • 在文件选择窗口中，找到并打开您的 consumption_data.xls 文件。
   • 接下来会弹出一个“导入选项”对话框：
     • Data order：选择数据在 Excel 中的排列方式，是按列还是按行，通常是 By observation - series in columns。
     • Upper-left data cell：数据在 Excel 表格中开始的单元格位置，B2 (假设第一行是标题)。
     • Names for series：在这里输入变量的名称，consumption，如果有多个变量,用空格隔开。
   • 点击 OK,数据就被成功导入到工作文件中了。

2. 通过命令导入 (更快捷)

   • 在命令窗口中直接输入以下命令，然后按回车：

     read consumption_data.xls @range(b2) @l consumption

   • read 是导入命令。
   • consumption_data.xls 是文件名。
   • @range(b2) 指定数据从 B2 单元格开始。
   • @l 表示按列读取。
   • consumption 是为导入的数据列指定的变量名。

导入后，您会在工作区域看到一个名为 consumption 的图标,这就是您的数据对象。

第三部分：数据管理与基本描述

查看与编辑数据

• 查看数据：在工作区域双击 consumption 图标，会打开一个表格窗口,显示所有数据。
• 编辑数据：在表格窗口中，您可以直接点击单元格进行修改，修改后，点击窗口右上角的 Name 按钮,可以为这个对象重命名或保存更改。

生成新变量

计量分析通常需要根据原始数据生成新的变量，例如生成人均实际消费或消费增长率。

• 生成对数变量：在命令窗口输入：

  
  （图片来源网络，侵删）

  genr l_consumption = log(consumption)

  这会生成一个名为 l_consumption 的新变量，其值是 consumption 的自然对数，取对数是计量分析中非常常见的操作，可以减小异方差性,使数据更平稳。

• 生成增长率变量：

  genr g_consumption = d(consumption)/consumption(-1)

• d() 是 EViews 中的差分算子，d(x) 等于 x - x(-1)。

• consumption(-1) 表示 consumption 的滞后一期值。

• 这行代码计算的是 (本期值 - 上期值) / 上期值,即本期相对于上期的增长率。

基本描述统计

在打开的数据表格窗口中，点击菜单栏 View -> Descriptive Statistics -> Common Sample。

您会看到一个统计结果窗口,包含以下关键指标：

• Mean：均值
• Median：中位数
• Maximum/Minimum：最大/最小值
• Std. Dev.：标准差
• Skewness：偏度
• Kurtosis：峰度
• Jarque-Bera：用于检验数据是否服从正态分布。

第四部分：核心操作——回归分析

这是计量经济学分析的核心，我们假设想研究居民可支配收入对居民消费支出的影响。

准备数据

假设您已经将“居民可支配收入”数据导入并命名为 income。

执行回归分析

最常用的方法是最小二乘法。

• 菜单操作

  1. 点击主菜单 Quick -> Estimate Equation...。
  2. 在弹出的方程设定窗口中，输入回归方程，EViews 使用标准的数学表达式：

     c income

     • c 是 EViews 中的常数项,必须包含在方程中。
     • income 是自变量。
     • 被解释变量 consumption 会自动出现在等号左边（您也可以写成 consumption c income，更明确）。
  3. 点击 OK。

• 命令操作 (更常用)

  • 在命令窗口中输入：

    ls consumption c income

  • ls 是 Least Squares (最小二乘法) 的命令。
  • consumption c income 是方程的设定。

执行后，会弹出一个方程结果窗口,这是您最重要的分析输出。

第五部分：回归结果解读

方程结果窗口会显示如下信息：

方程基本信息

• Dependent Variable: 被解释变量 (consumption)。
• Method: 估计方法 (Least Squares)。
• Date/Time: 估计时间。
• Sample: 使用的样本范围。
• Included observations: 使用的观测值数量。

回归系数表 (最核心部分)

• Coefficient (系数)：
  • C 的系数 (a) 是截距项,表示当收入为0时的理论消费水平。
  • INCOME 的系数 (e) 是斜率项，也是我们最关心的，它表示收入每增加1个单位，消费平均会增加 e 个单位，这被称为边际消费倾向。
• t-Statistic (t统计量)：用于检验每个系数是否显著不为零。
  • 计算公式：t = 系数 / 标准误差。
  • 绝对值越大,说明该变量对被解释变量的影响越显著。
• Prob. (p值)：t检验的伴随概率。
  • 判断标准：通常以 05 作为显著性水平。
  • Prob. < 0.05 (0.0001)，我们就认为该系数在5%的水平上统计显著，这意味着我们有95%的信心认为,收入确实对消费有影响。
  • Prob. > 0.05，则该系数不显著，不能拒绝其“真实值为0”的原假设。

模型整体拟合优度

• R-squared (R²)：决定系数。
  • 取值范围在 [0, 1] 之间。
  • 它表示模型中的自变量 (income) 能够解释被解释变量 (consumption) 变动的百分比。
  • R² 越接近1，说明模型的拟合度越好，R²=0.95 意味着收入的变动可以解释消费95%的变动。
• Adjusted R-squared (调整后的 R²)：

  在 R² 的基础上，考虑了自变量的数量，当模型中加入更多自变量时，R² 总是会增加，但调整后的 R² 会“惩罚”那些没有解释能力的变量，在比较不同模型时，应优先看调整后的 R²。

模型诊断

• F-statistic (F统计量)：用于检验模型整体的显著性，即所有自变量的系数是否同时为0。
  • 对应的 Prob. (F-statistic) 如果小于0.05,则说明模型整体是显著的。
• Durbin-Watson stat (DW统计量)：用于检验残差序列是否存在自相关。
  • 对于时间序列数据,这是一个非常重要的检验。
  • 值接近2，说明不存在自相关；如果显著偏离2（例如接近0或4）,则可能存在自相关问题。

第六部分：预测

如果模型效果良好,我们就可以用它来进行预测。

1. 确保样本范围正确：在方程结果窗口，点击 Forecast 按钮。
2. 预测选项：
   • Forecast name：为预测结果指定一个新名称，consumption_f。
   • Forecast sample：设置您想预测的样本范围，您的数据到2025年，您可以设置 2025 2025 来预测未来5年的消费。
   • Method：通常选择 Dynamic (动态预测)。
3. 点击 OK。

EViews 会生成一个新的序列 consumption_f，并绘制一张包含实际值、拟合值 和预测值 的图表,直观地展示模型的预测效果。

总结与进阶

本教程为您展示了 EViews 6 从数据导入到回归分析再到预测的完整流程，这只是一个起点，EViews 的功能远不止于此：

• 时间序列模型：如 ARIMA, VAR (向量自回归), VECM (向量误差修正模型)。
• 面板数据模型：处理包含多个个体和多个时间点的数据。
• 联立方程模型：解决内生性问题。
• 图形绘制：可以绘制出非常专业和美观的统计图表。

学习建议：

1. 动手操作：找一组真实的经济数据（如 GDP, 通胀率, 利率等）,重复以上流程。
2. 多看帮助：EViews 自带的帮助文档 (Help 菜单) 非常详尽,是最好的老师。
3. 理解理论：软件只是工具，计量经济学的核心在于背后的经济理论和统计思想,确保您理解每一个操作和结果的经济学含义。

希望这个详细的教程能帮助您顺利入门 EViews 6！