EViews 使用教程：从入门到精通

EViews (Econometric Views) 是一款在学术界、金融领域和政府部门广泛使用的计量经济学软件，它以其直观的图形用户界面、强大的数据处理和统计分析功能而闻名，尤其擅长时间序列分析。

本教程将分为以下几个部分：

1. 第一部分：入门基础 - 界面介绍、工作文件创建、数据输入与管理。
2. 第二部分：核心操作 - 生成新序列、基本统计与图形绘制。
3. 第三部分：基础计量分析 - 回归分析、假设检验、模型诊断。
4. 第四部分：进阶应用 - 时间序列分析（平稳性、协整、VAR模型）。
5. 第五部分：实用技巧与资源 - 常用命令、编程、学习资源。

第一部分：入门基础

1 EViews 界面简介

启动 EViews 后，你会看到主窗口，这是你所有操作的起点。

• 标题栏: 显示当前打开的工作文件名。
• 菜单栏: 包含所有 EViews 命令，如 File, Edit, Object, View, Proc, Quick, Options, Window, Help。
• 命令窗口: 位于主窗口下方，你可以在这里直接输入 EViews 命令，是进行高效操作的重要方式。
• 状态栏:** 显示一些提示信息和当前工作文件的状态。

2 创建工作文件

工作文件是你在 EViews 中进行所有操作的基础，它包含了你所有的数据、对象和结果。

1. 点击菜单栏的 File -> New -> Workfile...。
2. 在弹出的对话框中,你需要进行以下设置：
   • Workfile structure type (工作文件结构类型):
     • Dated-regular frequency (日期-规则频率): 最常用，如果你的数据是时间序列（如年度、季度、月度数据），选择此项。
     • Unstructured/Undated (非结构化/未注明日期): 如果你的数据是横截面数据（如不同地区的数据）或面板数据，但没有时间维度，选择此项。
     • Balanced Panel (平衡面板): 如果你有多个个体在多个时间点上的数据，选择此项。
   • Date specification (日期设定):
     • 如果你选择了日期型,需要设定 Start date (开始日期) 和 End date (结束日期)，格式为 YYYY (年), YYYY:Q (季度), YYYY:M (月)。
     • 分析 2000 年到 2025 年的年度数据，开始日期填 2000，结束日期填 2025。
   • Names (命名): 可以给你的工作文件命名。
3. 点击 OK，工作文件就创建好了，你会看到一个名为 Untitled 的工作文件窗口。

这个窗口有两个核心部分：

• Range: 显示了工作文件的范围（时间或观测值编号）。
• Objects: 列出了当前工作文件中包含的所有对象（如序列、方程、表格等）。

3 导入数据

将数据导入 EViews 最常用的方法是直接从 Excel 文件导入。

1. 确保你的 Excel 文件格式规范：第一行是变量名（如 GDP, CPI, UNEMPLOY），第一列是时间或观测值编号。
2. 在 EViews 主窗口中，点击菜单栏的 Proc -> Import -> Read Text-Lotus-Excel...。
3. 在弹出的对话框中,找到并选择你的 Excel 文件，点击 Open。
4. 在下一个对话框中：
   • Data order (数据顺序): 选择是按列排列还是按行排列，Excel 是按列排列的。
   • Upper-left data cell (左上角数据单元格): 如果你的数据是从 Excel 的 B2 单元格开始的，就填 B2。
   • Sample (样本范围): 默认是整个工作文件范围，通常无需修改。
   • Names (名称): 确保这里的变量名与 Excel 中的第一行一致。
5. 点击 OK，数据就会被成功导入到工作文件中，你可以在工作文件的 Objects 窗口看到新生成的序列。

第二部分：核心操作

1 生成新序列

在分析中,经常需要根据现有数据生成新的变量（如取对数、计算增长率等）。

• 菜单操作

  1. 点击菜单栏的 Quick -> Generate Series...。
  2. 在弹出的对话框中,输入公式，要对 GDP 序列取自然对数，在 Enter equation 框中输入：

     log_gdp = log(gdp)

  3. 点击 OK，就会生成一个名为 log_gdp 的新序列。

• 命令窗口操作 在命令窗口中直接输入命令，更快捷。

  
  （图片来源网络，侵删）

  series log_gdp = log(gdp)

  series 是关键字，log_gdp 是新序列名，log(gdp) 是计算公式。

常用函数:

• log(x): 自然对数
• dlog(x): 对数差分，即 log(x) - log(x(-1))，常用于计算增长率。
• d(x): 一阶差分，即 x - x(-1)。
• x(-1): x 的滞后一期值。
• x^2: x 的平方。

2 基本统计与图形绘制

基本统计

1. 在工作文件窗口中,选中一个或多个序列（按住 Ctrl 键可多选）。
2. 双击鼠标,或者在选中的序列上右键选择 Open -> as Group。
3. 会弹出一个 Group 窗口，显示这些数据。
4. 在这个窗口的菜单栏中,点击 View -> Descriptive Statistics & Tests -> Common Sample...。
5. 你会看到均值、标准差、最大/最小值、偏度、峰度等描述性统计量。

绘制图形

1. 同样,先打开一个 Group 窗口（包含你想绘制的序列）。
2. 点击菜单栏的 View -> Graph...。
3. 在弹出的对话框中,选择图形类型：
   • Line & Symbol (线图): 最适合展示时间序列的趋势。
   • Scatter (散点图): 适合观察两个变量之间的关系。
   • Bar Graph (柱状图): 适合展示分类数据或比较。
4. 点击 OK，即可生成图形，你还可以在图形生成后，双击图形进行详细的样式编辑（如标题、坐标轴标签、颜色等）。

第三部分：基础计量分析

1 线性回归分析

这是计量经济学最核心的操作,我们以最简单的二元线性回归为例：Y = C(1) + C(2)*X + u

• 菜单操作

  1. 点击菜单栏的 Quick -> Estimate Equation...。
  2. 在弹出的对话框中,输入回归方程。

     y c x

     • y 是被解释变量。
     • c 是 EViews 中代表常数项（截距）的关键字。
     • x 是解释变量。
  3. Method (方法): 默认是 LS - Least Squares (NLS and ARMA)，即普通最小二乘法，这是我们最常用的。
  4. Sample (样本范围): 可以设定回归使用的样本区间，如 2000 2010。
  5. 点击 OK，EViews 会输出回归结果窗口。

• 命令窗口操作 在命令窗口中输入：

  eq01.ls y c x

  eq01 是我们给这个方程对象起的名字，.ls 表示使用最小二乘法进行估计。

2 回归结果解读

回归结果窗口包含了丰富的信息,你需要重点关注以下几点：

1. Dependent Variable (被解释变量) 和 Method (估计方法)。
2. Sample (样本范围) 和 Included observations (观测值数量)。
3. Coefficients (系数):
   • C(1) 是常数项的估计值。
   • X 的系数 C(2) 表示，在 X 增加一个单位时，Y 平均变化多少。
4. Std. Error (标准误): 衡量系数估计的精确度，值越小越精确。
5. t-Statistic (t统计量): t = 系数 / 标准误，用于检验系数是否显著不为零。
6. Prob. (p值): t检验的p值。这是判断系数是否显著的核心！
   • p值 < 0.05 (或 0.01, 0.1)，我们通常认为该系数在 5% (或 1%, 10%) 的显著性水平下是统计显著的。
7. R-squared (R²): 判定系数，取值在 0 到 1 之间，表示模型解释了 Y 变化的百分比，越高越好。
8. Durbin-Watson stat (DW统计量): 用于检验残差中是否存在一阶自相关，值接近 2 说明无自相关，远离 2 则可能存在。

3 模型诊断

在得到回归结果后,需要进行一系列诊断检验。

• 查看残差图： 在方程结果窗口中，点击 View -> Actual,Fitted,Residual -> Actual,Fitted,Residual Graph，观察残差图，如果残差随机分布在 0 轴上下，没有明显模式，说明模型设定可能合理，如果存在明显的模式（如曲线），可能遗漏了变量。

• 异方差检验 (Heteroskedasticity Test): 在方程结果窗口中，点击 View -> Residual Diagnostics -> Heteroskedasticity Tests...。

  • Breusch-Pagan-Godfrey (BPG) 检验 是最常用的，如果检验的 Prob. 值 很小（如 < 0.05），则拒绝“不存在异方差”的原假设，说明存在异方差问题，此时需要使用稳健标准误（在估计方程时勾选 Heteroskedasticity consistent covariance 选项）。

• 序列相关检验 (Serial Correlation Test): 在方程结果窗口中，点击 View -> Residual Diagnostics -> Serial Correlation LM Test...。

  • Breusch-Godfrey (BG) 检验 是常用方法，如果检验的 Prob. 值 很小，则拒绝“不存在序列相关”的原假设，说明存在序列相关。

第四部分：进阶应用

1 单位根检验

在进行时间序列回归前,必须检验变量的平稳性，否则可能产生“伪回归”。

1. 打开需要进行单位根检验的序列（双击序列名）。
2. 点击菜单栏的 View -> Unit Root Test...。
3. 在对话框中进行设置：
   • Test type (检验类型): 常用 Augmented Dickey-Fuller (ADF)。
   • Test for unit root in (检验水平): 通常选择 Level (水平值)，如果水平值不平稳，再选 1st difference (一阶差分)，以此类推。
   • Include in test equation (包含项):
     • Intercept (包含截距): 大多数情况选择此项。
     • Trend and intercept (包含趋势和截距): 如果数据有明显的时间趋势，选择此项。
     • None (都不包含): 如果数据围绕 0 波动，选择此项。
   • Lag length (滞后长度): 选择 Automatic selection (自动选择)，并选择一个准则（如 AIC 或 SIC）。
4. 点击 OK，查看结果。核心看 t-Statistic 的绝对值是否大于临界值 (Critical Value)，或者看 Prob. 值 是否小于 0.05，如果小于，则拒绝“存在单位根”的原假设，说明序列是平稳的。

2 协整检验

如果两个或多个非平稳序列是同阶单整的,它们之间可能存在长期的稳定关系，即协整关系，Engle-Granger 两步法是常用的方法。

第一步：建立回归方程 假设 Y 和 X 都是一阶单整 I(1)。

eq_coint.ls y c x

得到残差 resid。

第二步：对残差进行单位根检验

1. 生成残差序列：series resid01 = resid
2. 对 resid01 进行 ADF 检验（注意：此时检验选项中不要包含截距和趋势项）。
3. 如果残差序列是平稳的（I(0)），则 Y 和 X 之间存在协整关系。

3 向量自回归模型

VAR 模型用于分析多个相互影响的变量之间的动态关系。

1. 点击菜单栏的 Quick -> Estimate VAR...。
2. 在对话框中：
   • VAR Type: 选择 Unrestricted VAR (无约束 VAR)。
   • Endogenous Variables (内生变量): 输入所有你想分析的变量，用空格隔开，如 gdp cpi m2。
   • Lag Intervals for Endogenous (内生变量滞后阶数): 输入滞后区间，如 1 2 表示包含滞后 1 期和 2 期。
   • Sample (样本范围): 确保样本足够大。
3. 点击 OK，得到 VAR 模型结果。

VAR 模型的后续分析： 在 VAR 结果窗口中，你可以进行：

• View -> Lag Structure: 进行滞后阶数检验（如 LR, FPE, AIC, SC），选择最优滞后阶数。
• View -> Impulse Response: 分析一个变量的“冲击”（新息）对其他变量未来各期的影响。
• View -> Variance Decomposition: 分析每个变量的冲击对自身和其他变量预测方差的贡献度。

第五部分：实用技巧与资源

1 常用命令

熟练使用命令可以大大提高效率,以下是一些常用命令：

2 编程入门

对于重复性任务或复杂分析,EViews 的编程功能非常强大。

1. 在 EViews 主窗口，点击 File -> New -> Program...。
2. 在程序窗口中输入命令,

   ' 这是一个简单的程序示例
   wfcreate a 2000 2025
   series y = nrnd
   series x = 1 + 0.5*y + nrnd
   equation my_eq.ls y c x
   my_eq.output

3. 点击 Run 按钮，程序就会自动执行。

3 学习资源

• 官方资源:
  • EViews 官方网站: https://www.eviews.com/ (提供产品介绍、更新和联系信息)
  • EViews 帮助文档: 安装 EViews 后，在菜单栏点击 Help -> EViews Command Reference 和 EViews User's Guide，这是最权威、最全面的学习资料，强烈推荐通读。
• 在线教程与社区:
  • EViews 官方论坛: https://forums.eviews.com/ (可以提问，官方和用户会回答)
  • YouTube: 搜索 "EViews tutorial"，有大量视频教程。
  • 学术资源: Google Scholar 搜索 "EViews" + 你想学习的模型（如 "EViews VAR tutorial"），可以找到很多结合实例的讲解文章。

学习 EViews 的最佳路径是：从熟悉界面和数据管理开始 -> 掌握基本统计和绘图 -> 理解并实践线性回归 -> 学习诊断检验 -> 最后深入时间序列等高级模型，多动手操作，尝试用你的数据去重复这个过程，遇到问题多查阅帮助文档和官方论坛，你会很快上手并发现它的强大之处，祝你学习顺利！