或者，我们可以通过选择View / Graph ...，从左侧列表中选择Distribution，从右侧下拉列表中选择Kernel Density，然后单击OK接受默认选项，显示平滑版本的直方图：
假设你想检查多个系列或系列表达式。为此，您需要构建一个包含感兴趣的系列的组对象。
此前，您使用了EViews创建的组对象，其中包含从Excel文件中读取的所有系列。在这里，我们将构造一个包含涉及这些系列子集的表达式的组对象。我们希望创建一个包含系列M1和GDP的对数，RS的水平，以及系列PR的对数的第一个差异的组对象。只需从主EViews菜单中选择Quick / Show ...，然后输入表达式和系列名称列表：
log（m1）log（gdp）rs dlog（pr）
点击确定接受输入。 EViews将打开一个包含系列和感兴趣表达式的电子表格视图的组窗口。
与系列对象一样，您将使用该组的“查看”和“处理”菜单来检查该组系列的各种特征。只需单击工具栏上的按钮即可访问这些菜单条目，或者从主菜单中选择“查看”或“处理”以调出相关条目。请注意，组对象的条目与串联对象的条目不同，因为您可能使用多个系列执行的操作类型与使用单个系列时可用的操作类型不同。
例如，您可以从组对象工具栏中选择View / Graph ...，然后从对话框左侧的列表中选择Line＆Symbol，以显示包含组中每个序列的线图的单个图形：
或者，您可以选择View / Graph ...并从对话框右侧的Multiple series下拉列表中选择多个图表，以显示相同的信息，但每个系列表达式都绘制在单独的图表中：
同样，您可以选择查看/描述统计/单个样本来显示为该组中的每个系列计算的描述性统计信息表：
请注意，用于计算DLOG（PR）的描述性统计信息的观测值的数量比用于计算其他表达式的统计信息的数量少一个。通过选择使用“单个样本”来计算我们的统计数据，我们通知EViews我们希望在每次计算中使用系列特定样本，以便DLOG（PR）中观察到的差异损失不应影响计算中使用的样本为其余的表达。
我们可以选择使用“通用样本”，以便仅在数据适用于组中所有系列的数据时才使用观测值。单击查看/协方差分析...并仅选择相关复选框以显示179个常见观测的四个系列的相关矩阵：
我们再次建议您可能希望浏览该组的View和Proc菜单的内容，以查看用于检查和处理系列集的各种工具。您可以始终通过选择View / View来返回到该组的电子表格视图。电子表格。
估计回归模型
我们现在使用1952Q1-1992Q4期间的数据估计M1的回归模型，并使用这个估计的回归来构建1993Q1-2003Q4期间的预测。型号规格如下：
（2.1）
其中log（M1）是货币供给的对数，log（GDP）是收入的对数，RS是短期利率，是价格水平（近似通货膨胀率）的对数第一差。
为了估计模型，我们将创建一个方程对象。从主菜单中选择Quick并选择Estimate Equation ...打开估计对话框。输入以下公式说明：
这里我们列出了因变量的表达式，后面跟着每个回归因子的表达式，用空格分隔。内置的系列名称C代表回归中的常量。
该对话框初始化为使用1952Q1 1996Q4样本的LS - 最小二乘法估计方程。您应该将样本编辑框中的文本更改为“1952Q1 1992Q4”或等效的“1952 1992”以估计观测子样本的方程。
单击确定以使用最小二乘估计方程并显示回归结果：
请注意，该方程是从1952Q2到1992Q4估计的，因为从估计样本的开始处开始删除一个观察值以考虑DLOG差异项。估计的系数具有统计显着性，其中t统计值远远超过2.总体回归拟合（由该值测量）表示非常紧密的拟合。您可以在公式工具栏中选择查看/实际，拟合，残差/实际，拟合，残差图以显示因变量的实际值和拟合值以及残差：
规范和假设检验
我们可以使用估计的方程对模型的系数进行假设检验。例如，为了检验价格项系数等于2的假设，我们将执行Wald检验。首先，通过从公式工具栏中选择View / Representations来确定感兴趣的系数：
请注意，按照变量出现在规范中的顺序分配系数，以便PR项的系数标记为C（4）。要测试对C（4）的限制，您应该选择View / Coefficient Diagnostics / Wald Test-Coefficient Restrictions ...，并输入限制“c（4）= 2”。 EViews将报告Wald测试的结果：
低概率值表明C（4）= 2的零假设被强烈拒绝。
但是，我们应该谨慎接受这一结果，而无需进一步分析。上面报道的Durbin-Watson统计量的低值表明估计方程的残差存在序列相关性。如果未加校正，则残差序列相关性将导致标准误差的估计错误，以及方程系数的无效统计推断。
杜宾沃森的统计可能难以解释。要对残差中的序列相关性执行更一般的Breusch-Godfrey检验，请从公式工具栏中选择“视图/残差诊断/序列相关性LM检验...”，并指定序列相关性的检验顺序。输入“1”将产生针对一阶序列相关性的测试：
输出的顶部显示测试统计数据和相关的概率值。在统计数据下报告用于执行测试的测试回归。
标记为“Obs * R-squared”的统计量是无序列相关无效假设的LM检验统计量。 （有效）零概率值强烈表明存在残差序列相关性
修改公式
测试结果表明我们需要修改我们的原始规格以考虑序列相关性。
一种方法是包含自变量的滞后。要将变量添加到现有公式中，请单击公式工具栏中的“估计”按钮，然后编辑规范以包含每个原始解释变量的滞后：
log（m1）c log（gdp）rs dlog（pr）log（m1（-1））log（gdp（-1））rs（-1）dlog（pr（-1））
请注意，延迟是通过在系列名称后面包括一个负数（用括号括起来）来指定的。点击确定来估算新规格并显示结果：
请注意，EViews已自动调整估计样本以适应额外的滞后变量。我们将这个等式保存在工作文件中供以后使用。按下工具栏中的名称按钮并命名方程式EQLAGS。
EQLAGS公式对象将被放置在工作文件中。
计算序列相关性的一种常见方法是在方程中包含自回归（AR）和/或移动平均（MA）项。要使用AR（1）错误规范估算模型，您应该通过在EQLAGS窗口中单击对象/复制对象...来复制EQLAGS方程。 EViews将创建一个新的无标题公式，其中包含上一个公式中的所有信息。按下复印工具栏上的估计并修改规格以读取
log（m1）c log（gdp）rs dlog（pr）ar（1）
本规范删除了滞后条款，用AR（1）规范取代它们：
（2.2）
点击确定接受新的规范。 EViews将估计该方程，并将报告估计结果，包括误差项的估计的一阶自回归系数：
AR（1）模型的拟合与滞后模型大致相当，但对于Akaike和Schwarz信息标准，它的稍高的值表明先前的滞后模型可能是优选的。因此，我们将在EQLAGS中使用滞后模型进行余下的演示。
预测公式
我们一直在处理一部分数据，以便我们可以将基于此模型的预测与1993Q1-1996Q4后估计样本的实际数据进行比较。
单击EQLAGS公式工具栏中的预测按钮以打开预测对话框：
我们将预测样本设置为1993Q1-1996Q4，并提供预测和预测标准误差的名称，因此两者都将作为系列文件保存在工作文件中。预测值将保存在M1_F中，预测标准错误将保存在M1_SE中。
还要注意，我们选择预测M1的日志，而不是水平，并且我们要求图形和预测评估输出。动态选项仅使用1993年1月初提供的信息构建样本期的预测。点击确定后，EView将同时显示预测图和统计数据，以评估实际数据的拟合质量：
或者，我们也可以选择检查M1的预测水平。单击EQLAGS工具栏中的预测按钮以打开预测对话框，并在系列预测选项下选择M1。输入一个新名称来保存预测和标准错误，例如M1LEVEL_F和M1LEVEL_SE，然后单击确定。
EViews将显示M1水平的预测图，以及此预测的非对称置信区间：
预测过程产生的系列是普通的EViews系列，您可以用通常的方式使用。例如，我们可以使用Log（M1）的预测系列和预测的标准误差将实际值与预测值（预测值的95％置信区间）进行比较。
我们将首先创建一个包含这些值的新组对象。从主菜单中选择Quick / Show ...，然后输入表达式：
m1_f + 2 * m1_se m1_f-2 * m1_se log（m1）
创建一个包含LOG（M1）预测置信区间和LOG（M1）实际值的组：
本文地址：http://www.sd124.com/article/2018/0508/222549.html
《EViews怎么汉化学习？IHS EViews10.0下载安装学习图文教程 无需serial number(2)》由闪电下载吧整理并发布，欢迎转载！