EViews Enterprise Edition 11.0破解版是一款专业的计量经济学软件，EViews通过创新，易于使用的面向对象的界面，为学术研究人员，企业，政府机构和学生提供强大的统计，预测和建模工具。为数据处理，统计和计量经济分析，预测和模拟，数据表示和编程提供了广泛的强大功能。 使用旨在为用户提供最完善最简便的计量经济分析，预测和模拟的创新解决方案，软件能够轻松进行设计模型、收集资料、估计模型、检验模型、应用模型（结构分析、经济预测、政策评价）等操作，能够处理以时间序列为主的多种类型数据，进行包括描述统计、回归分析、传统时间序列分析等基本数据分析以及建立条件异方差、向量自回归等复杂的计量经济模型。可以让您快速高效地管理数据，执行计量经济和统计分析，生成预测或模型模拟，并生成高质量的图表以供发布或包含在其他应用程序中。EViews具有现代Windows软件可视化操作的优良性。可以使用鼠标对标准的Windows菜单和对话框进行操作。操作结果出现在窗口中并能采用标准的Windows技术对操作结果进行处理。此外，EViews还拥有强大的命令功能和批处理语言功能。在EViews的命令行中输入、编辑和执行命令。在程序文件中建立和存储命令，以便在后续的研究项目中使用这些程序。EViews 11是EViews的全新版本，具有许多令人兴奋的新功能，从广泛的VAR改进，到与Python的集成，地理地图可视化等等。本次带来最新破解版，有需要的朋友不要错过了！
安装破解教程
1、下载并解压，如图所示，得到EViews11Installer64-bit.exe安装程序和crack破解文件夹
2、双击EViews11Installer64-bit.exe运行安装，如图所示，使用安装包内文本文件中的注册数据安装Eviews
3、安装完成，退出向导，将crack中的Eviews 11 Enterprise_sr_patch.exe复制到安装目录中，管理员身份运行，点击patch按钮
4、启动Eviews并输入通过电话获得的密钥：压缩包内包含有
5、如图所示，注册成功，然后注意要阻止Eviews的互联网访问
功能特色
一、基本数据处理
·数字，字母数字（字符串）和日期系列;价值标签。
·广泛的操作员库和统计，数学，日期和字符串功能。
·强大的语言，用于表达式处理和使用运算符和函数转换现有数据。
·样本和样本对象便于处理数据子集。
·支持复杂的数据结构，包括常规日期数据，不规则日期数据，交叉
具有观察标识符，日期和未标注日期的面板数据的部分数据。
·多页工作。
·EViews原生的基于磁盘的数据库提供强大的查询功能并与EViews工作集成。
·在EViews和各种电子表格，统计数据和数据库格式之间转换数据，包括（但不限于）：Microsoft Access @和Excel？文件（包括.XSLX和XLSM），高斯数据集文件，SAS？传输文件，SPSS本机和可移植文件，Stata iles，Tableau @，原始格式化ASClI文本或二进制文件，HTML或ODBC数据库和查询（仅在企业版中提供ODBC支持）。
·OLE支持将EViews输出（包括表格和图形）链接到其他包，包括Microsoft Excele，Word？和Powerpointe。
OLEDB支持使用支持OLEDB的客户端或自定义程序读取EViews工作文件和数据库。
·支持FREDO（美联储经济数据），世界银行，NOAA，美国人口普查，美国BEA，美国BLS，ECB SDMX，IMF SDMX，UN SDMX和EuroStat数据库。
企业版支持Global Insight DRIPro和DRIBase，Haver Analytics？ DLX，FAME，EcoWin，Bloomberg？，EIA @，CEIC @@，Datastreame，FactSet和Moody's Economy。 com数据库
·EViews Microsoft Excel @ Add-in允许您从Excel中链接或导入来自EViews工作文件和数据库的数据。
·拖放支持读取数据;只需将文件拖放到EViews中即可自动转换并将外部数据和元数据链接到EViews工作文件格式。
·用于从现有系列中的值和日期创建新工作文件页面的强大工具。
·匹配合并，连接，追加，子集，调整大小，排序和重塑（堆栈和取消堆栈）工作文件。
·在不同频率的页面之间复制或链接数据时，易于使用的自动频率转换。
·频率转换和匹配合并支持基础数据更改时的动态更新。
·自动更新公式系列，每当基础数据更改时自动重新计算。
·易于使用的频率转换：只需在不同频率的页面之间复制或链接数据。
·用于重新采样和随机数生成的工具，用于仿真。使用三个不同的随机数生成器生成18种不同分布函数的随机数。
·支持云端硬盘访问，允许您直接打开和保存文件到Dropbox，OneDrive，Google Drive和Box帐户。
二、时间序列数据处理
·处理日期和时间序列数据（常规和不定期）的综合支持。
·支持常见的常规频率数据（年度，半年度，季度，月度，双月，双周，十天，每周，每日-每周5天，每周-每周7天）。
·支持高频（日内）数据，允许小时，分钟和秒频率。此外，还有一些不太常见的常规频率，包括多年，双月，双周，十天和每日，每周的任意天数。
·专业的时间序列函致和运算符：滞后，差异，对数差异，移动平均值等。
·频率转换：各种从高到低和从低到高的方法。
·指数平滑：单，双，Hol-Winters和ETS平滑。
·用于美白回归的内置工具。
·Hodrick-Prescott过减。
·带通（频率）滤波；Baxter-King，Christiano-Fitzgerald固定长度和全样本不对称滤波器。·季节性调整：人口普查X-13，STL分解，MoveReg，X-12-ARIMA，Tramo/Seats，移动平均线。
·插值以填充系列中的缺失值：线性，对数线性，Catmul-Rom样条曲线，基数样条出线。
三、统计
1、基本
·基本数据摘要；分组摘要。
·平等测试：检验，方差分析（平衡和不平衡，有或没有异方差变量。），Wilcoxon，Mann-Whitney，Median Chi-square，Kruskal-Wallis，van der Waerden，F-test，Siegel-Tukey，Bartlett，Levene，Brown-Forsythe。
·单向制表，交叉表与关联度量（Phi系数，Cramer's V，权变系数）和独立性检验（Pearson Chi-
Square，似然比GA2）。
·协方差和相关分析包括Pearson，Spearman等级，Kendall的tau-a和tau-b以及部分分析。
·主成分分析包括碎石图，双图和加载图，以及加权成分评分计算。
·因子分析允许计算关联度量（包括协方差和相关性），唯一性估计，因子负荷估计和因子得分，以及使用30多种不同的正交和倾斜方法之一执行估计诊断和因子旋转。
·经验分布函数（EDF）测试正态，指数，极值，Logistic，卡方，Weibull或Gamma分布（Kolmogorov-
Smirnov，Lilliefors，Cramer-von Mises，Anderson-Darling，Watson）。
·直方图，频率多边形，边缘频率多边形，平均移位直方图，CDF-幸存者-分位数，分位数-分位数，核密度，拟合理论分布，箱线图。
·具有参数和非参数回归线（LOWESS，局部多项式），核回归（Nadaraya-Watson，局部线性，局部多项式）或置信椭圆的散点图。
2、时间序列
·自相关，部分自相关，互相关，Q统计。
·格兰杰因果关系检验，包括面板格兰杰因果关系。
·单位根测试：增强Dickey-Fuller，GLS转换Dickey-Fuller，Philips-Perron，KPSS，Eliot-Richardson-
Stock Point Optimal，Ng-Perron，以及具有断点的单位根测试和季节性单位根测试。
。协整检验：Johansen，Engle-Granger，Philips-Ouliaris，Park增加变量，以及Hansen稳定性。
·独立测试：Brock，Dechert，Scheinkman和LeBaron
·方差比率测试：Lo和MacKinlay，Kim野引导，Wright的等级，等级得分和符号测试。Wald和多重比较方差比检验（Richardson和Smith，Chow和Denning）。
·长期方差和协方差计算：使用非参数核（Newey-West 1987，Andrews 1991），参数VARHAC（Den Haan和Levin 1997）和预白化核（Andrews和Monahan 1992）的对称或单侧长期协方差方法。此外，EViews支持Andrews（1991）和Newey-West（1994）用于核估计器的自动带宽选择方法，以及用于VARHAC和预白化估计的基于信息标准的滞后长度选择方法。
3、面板和池
·按组和按期统计和测试。
·单位根测试：Levin-Lin-Chu，Breitung.Im-Pesaran-Shin，Fisher，Hadri.
·协整检验：Pedroni，Kao，Maddala和Wu。
·系列协方差和主要组成部分内的小组。
·Dumitrescu-Hurlin（2012）小组因果关系检验。
·植截面依赖性测试。
三、估计
1、回归
·线性和非线性普通最小二乘（多元回归）。
·在任意数量的自变量上使用PDL进行线性回归。
·稳健的回归。
·非线性估计的解析导数。
·加权最小二乘法。
·白色和其他异方差性一致，以及纽威西强大的标准误差。HAC标准误差可以使用非参数核，参数VARHAC，和内核预白化的方法来计算，并且允许用于核估计Andrews和纽维西自动带宽选择方法，和信息的标准基于滞后长度选择方法VARHAC和预白化估计。
·群集标准错误。
·线性分位数回归和最小绝对偏差（LAD），包括Huber的三明治和自举协方差计算。
·逐步回归有七种不同的选择程序。
·阑值回归包括TAR和SETAR，以及包括STAR的平滑靓值回归。
·ARDL估计，包括Bounds Test协整方法。
·弹性网，脊回归和LASSO估计。
·功能系数估计。
2、ARMA和ARMAX
·具有自回归移动平均线，季节性自回归和季节性移动平均误差的线性模型。
·具有AR和SAR规范的非线性模型。
·使用Box和Jenkins的回溯方法，条件最小二乘法，ML或GLS进行估计。
·分数整合的ARFIMA模型。
3、工具变量和GMM
·线性和非线性两阶段最小二乘/工具变量（2SLS/IV）和广义矩量法（GMM）估计。
·具有AR和SAR误差的线性和非线性2SLS/IV估计。
·有限信息最大似然（LIML）和K级估计。
·广泛的GMM加权矩阵规范（白色，HAC，用户提供），可控制权重矩阵迭代。
·GMM估算选项包括持续更新估算（CUE）和一系列新的标准错误选项，包括Windmeijer标准错误。
·IV/GMM特定诊断包括仪器正交性测试，回归内源性测试，弱仪器测试和GMM特定断点测试。
4、ARCH/GARCH
·GARCH（P，q），EGARCH，TARCH，组件GARCH，Power ARCH，集成GARCH。
·线性或非线性均值方程可以包括ARCH和ARMA项；均值和方差方程都允许外生变量。
·正常，学生和广义错误分布。
·Bollerslev-Wooldridge强大的标准错误。
·样本预测中的条件方差和均值以及永久成分。
5、有限因变量模型
·二进制Logit，Probit和Gompit（极值）。·有序Logit，Probit和Gompit（极值）。
·具有正常，逻辑和极值错误的截尾和载断模型（Tobt等）。
·使用泊松，负二项和准最大似然（QML）规范计算模型。
·Heckman Selection模型。·Huber/White强大的标准错误。
·计数模型支持广义线性模型或QML标准误差。
·Hosmer-Lemeshow和安德鲁斯适合二元模型的优度测试。
·轻松将结果（包括广义残差和梯度）保存到新的EViews对象中，以便进一步分析。·通用GLM估计引擎可以用于估计这些模型中的几个，并且可以选择包括稳健的协方差。
6、面板数据/汇集时间序列，横截面数据
·具有加性横截面和周期固定或随机效应的线性和非线性估计。
·随机效应模型中组件方差的二次无偏估计（QUE）的选择：Swamy-Arora，Wallace-Hussain.
Wansbeek-Kapteyn.
·具有横截面和周期固定或随机效应的2SLS/IV估计。
·使用变换规范上的非线性最小二乘法估计AR误差
·广义最小二乘法，广义2SLS/IV估计，GMM估计允许横截面或周期异方差和相关规范。
·使用与周期待定的预定仪器（Arellano-Bond）的第一差异或正交偏差的线性动态面板数据估计。
·面板序列相关性测试（Arellano-Bond）。
·强大的标准误差计算包括七种类型的稳健白色和面板校正标准误差（PCSE）。
·测试系数限制，省略和冗余变量，相关随机效应的Hausman检验。
·小组单位根测试：Levin-Lin-Chu，Breitung，Im-Pesaran-Shin，使用ADF和PP测试的Fisher型测试（Maddala-Wu，Choi），Hadri。
·面板协整估计：完全修改的OLS（FMOLS，Pedroni2000）或动态普通最小二乘法（DOLS，Kao和Chaing 2000，Mark和Sul2003）。
·合并平均组（PMG）估计。
7、广义线性模型
·正常，泊松，二项式，负二项式，伽马，逆高斯，指数Mena，系均值，二项式平方族。
·身份，日志，日志补充，logit，probit，log-log，免费对数日志，逆，功率，功率比值比，Box-Cox，Box-Cox比值比链接功能。
·先前的方差和频率加权。
·固定，Pearson Chi-Sq，偏差和用户指定的色散规格。支持QML估算和测试。
·Quadratic Hill Climbing.Newton-Raphson，IRLS-Fisher Scoring和BHHH估计算法。
·使用预期或观察到的Hessian或梯度的外积计算的普通系数协方差。使用GLM，HAC或Huber/White方法进行稳健的协方差估计。
8、单方程协整回归
·支持三种完全有效的估算方法，全修改OLS（Phillips和Hansen 1992），Canonical协整回归（Park
1992）和Dynamic OLS（Saikkonen 1992，Stock and Watson 1993）
·Engle和Granger（1987）和Phillips和Ouliaris（1990）基于残差的测试，Hansen（1992b）的不稳定性测试和Park（1992）增加了变量测试。
·灵敏的趋势规范和方程中的确定性回归量和协整回归量规范。
·全面估计FMOLS和CCR的长期方差。
·DOLS滞后和导联的自动或固定满后选择以及长期方差白化回归。
·重新调整的OLS和DOLS的强大标准误差计算。
9、用户指定的最大似然
·使用标准EViews系列表达式来描述对数似然贡献。
·多项式和条件logit，Box-Cox转换模型，非平衡切换模型，具有异方差错误的概率模型，嵌套logit，Heckman样本选择和Weibull危险模型的示例。
四、方程组
1、基本
线性和非线性估计。
·最小二乘法，2SLS，方程加权估计，看似无关的回归和三阶段最小二乘法。
·具有白色和HAC加权矩阵的GMM。
·在变换规范上使用非线性最小二乘的AR估计。
·全信息最大似然（FIML）。
2、VAR/VEC
·通过实施短期或长期限制或两者来估算VAR中的结构分解。
·贝叶斯VAR，具有贝叶斯预测和脉冲响应采样。
·混合频率VAR。
·马尔可夫开关VAR。
·冲响应以各种表格和图形格式运行，分析计算标准误差或通过蒙特卡罗方法计算。
·由Cholesky分解，单位或单标准偏差残差（忽略相关），广义脉冲，结构分解或用户指定的矢量/矩阵形式计算的脉冲响应冲击。
·标准VAR模型的历史分解。
·对VEC模型中的协整关系和/或调整系数施加并测试线性限制。
·从估计的VEC模型中查看或生成协整关系。
·广泛的诊断包括：格兰杰因果关系检验，联合滞后排除检验，满后长度标准评估，相关图，自相关，正态性和异方差检验，协整检验，其他多变量诊断。
3、多变量ARCH
·条件常数相关（p.q），对角线VECH（p，q），对角线BEKK（p.q），具有不对称项。
·对角VECH系数矩阵的广泛参数化选择。
·外生变量允许在均值和方差方程中；均方程中允许使用非线性和AR项。
·Bollerslev-Wooldridge强大的标准错误。
·正常或学生的多变量错误分布
·可选择分析或（快速或慢速）数字导数。（分析衍生品不适用于某些复杂模型。）
·从估计的ARCH模型生成各种表格和图形格式的协方差，方差或相关性。
4、国家空间
·用于估计用户指定的单和多方程结构模型的卡尔曼滤波算法。
·状态方程中的外生变量和完全参数化的方差规范。·生成一步提前，过滤或平滑的信号，状态和错误。
·示例包括时变参数，多变量ARMA和拟似然随机波动率模型。
五、测试和评估
·实际的，拟合的残差图。
·Wald测试线性和非线性系数限制；置信椭圆显示估计参数的任何两个函数的联合置信区域。
·其他系数诊断：标准化系数和系数弹性，置信区间，方差膨胀因子，系数方差分解。
·省略和冗余变量LR测试，残差和平方残差相关图和Q-统计量，残差序列相关和ARCHLM测试。
·White.Breusch-Pagan，Godfrey，Harvey和Glejser异方差测试。
·稳定性诊断：Chow断点和预测测试，Quandt-Andrews未知断点测试，Bai-Peron断点测试，Ramsey RESET测试，OLS递归估计，影响统计，杠杆图。
·ARMA方程诊断：AR和/或MA特征多项式的反根的图或表，将理论（估计的）自相关模式与结构残差的实际相关模式进行比较，显示创新冲击的ARMA脉冲响应和ARMA频谱。
·将结果（系数，系数协方差矩阵，残差，梯度等）轻松保存到EViews对象中，以便进一步分析。
另见其他专业测试程序的估算和方程组。
预测和模拟
·通过计算预测的标准误差，从估计的方程对象进行样本内或样本外的静态或动态预测。·预测图和样本内预测评估：RMSE，MAE，MAPE，Thei不六、等式系数和比例
·用于多方程预测和多变量模拟的最先进的模型构建工具。
·可以在文本中输入模型方程或作为用于重新估计的自动更新的链接。
·显示方程的依赖结构或内生和外生变量。
·Gauss-Seidel，Broyden和Newton模型求解器用于非随机和随机模拟。非随机前向解决方案解决模型一致期望。Stochasitc仿真可以使用自举残差。·解决控制问题，以便内生变量实现用户指定的目标。
·复杂的方程归一化，添加因子和覆盖支持。
·管理和比较涉及各种假设的多个解决方案场景。
·内置模型视图和过程以图形或表格形式显示模拟结果。
七、图表，表格和地图
·线，点图，区域，条形图，峰值，季节性，饼图，xy线，散点图，bubbleplots，boxplots，误差条，高低开-关和区域带。
·功能强大，易于使用的分类和摘要图表。
·自动更新作为基础数据更新的图表。
·将光标悬停在图表中的某个点上时，会显示观察信息和值。
·直方图，平均移位历史图，频率多边形，边缘频率多边形，箱线图，核密度，拟合理论分布，箱线图，CDF，幸存者，分位数，分位数-分位数。
具有任何组合参数和非参数核（Nadaraya-Watson，局部线性，局部多项式）和最近邻（LOWESS）回归线或置信椭圆的散点图。
·交互式点击或基于命令的自定义。
·通过改进的图形模板功能，对图形背景，框架，图例，轴，缩放，线条，符号，文本，阴影，渐变进行广泛的自定义。
·通过控制单元格字体，大小和颜色，单元格背景颜色和边框，合并和注释来进行表自定义。
·将图形复制并粘贴到其他Windows应用程序中，或将图形保存为Windows常规或增强型图元文件，封装的PostScript文件，位图，GIF，PNG或JPG。
·将表复制并粘贴到另一个应用程序或保存到RTF，HTML，LaTeX，PDF或文本文件。
·在假脱机对象中一起管理图形和表格，使您可以在一个对象中显示多个结果和分析。
·打开地理地图ShapeFiles并将区域绑定到EViews工作文件中的数据，从而允许按数据对这些区域进行着色和标记。
八、命令和编程
·面向对象的命令语言提供对菜单项的访问。
·在程序文件中批量执行命令。
·循环和条件分支，子程序和宏处理。
·字符串处理的字符串和字符串向量对象。广泛的字符串和字符串列表函数库。
·广泛的矩阵支持：矩阵操作，乘法，反演，Kronecker积，特征值解和奇异值分解。
九、外部接口和加载项
·EViews COM自动化服务器支持，以便外部程序或脚本可以启动或控制EViews，传输数据和执行EViews命令。
·EViews提供与MATLABe，R和Python的集成，因此EView可用于启动或控制这些应用程序，传输数据或执行命令。
·EViewsMicrosoftExcel@插件提供了一个简单的界面，用于从MicrosoftExcel@（2000及更高版本）中获取和链接到存储在EViews工作文件和数据库中的系列和矩阵对象。
·EViews加载项基础结构使用标准EViews命令，菜单和对象接口提供对用户定义程序的无缝访问。
·从EViews网站下载并安装预定义的加载项。
新功能介绍
1、EViews接口
·交互式命令资源管理器，用于查看对象及其文档的所有适用命令。
·名称和命令自动完成。
·基于价值的电子表格和Geomap着色。
2、数据处理
·与Python集成。
·重复分析。
·分裂观测高频到低频转换方法。
·与以下数据源的接口
·经济分析局（BEA）。
·美国人口普查。
·国家海洋和大气管理局。
3、图表，表格和线轴
·地理地图。
·粉丝图表。
4、计量经济学与统计学
估计：
·改进的贝叶斯VAR。
·混合频率VAR。
·切换VAR（马尔可夫和简单）。·弹性网和LASSO机器学习。
·功能系数和局部回归。
·其他集群强大的标准错误。
测试和诊断：
·季节性单位根测试。
使用帮助
1、演示
在本节中，我们将演示EViews的一些基本功能。该演示旨在简要介绍EViews; 不是对该计划的全面描述。该程序的完整描述始于 “对象基础”。
此演示将指导您完成以下步骤：
• 从Excel电子表格将数据导入EViews
• 检查数据并执行简单的统计分析
• 使用回归分析来建模和预测统计关系
• 执行规范和假设检验
• 绘制结果
2、将数据导入EViews
大多数项目的第一步是将数据读入EViews工作文件。EViews提供了用于从各种常见数据格式中读取的复杂工具，使其非常容易上手。
在我们描述读取外部数据文件的过程之前，请注意此演示的数据已包含在EViews安装目录中的Excel电子表格和EViews工作文件格式中（“。\ Example Files \ EV8 Manual Data \ Chapter 2 - A示范”）。
如果您想跳过打开外部文件的讨论，直接进入演示的分析部分，您可以通过选择File / Open / EViews Workfile ...并打开“Demo.WF1”或导航到示例来加载EViews工作文件。目录并将“Demo.WF1”拖放到打开的EViews应用程序窗口或图标上。
从Excel文件“Demo.XLS”读取数据的最简单方法是将文件拖放到打开的EViews应用程序窗口中。您也可以将文件拖放到EViews图标上。在后一种情况下，Windows将首先启动EViews应用程序，然后打开演示Excel工作文件。
或者，您可以使用文件/打开/外部数据作为工作文件...对话框，选择文件类型 Excel并选择所需的文件。
当EViews打开“Demo.XLS”时，它确定该文件是Excel文件格式，分析内容，并打开Excel Read向导。
向导的第一页包括电子表格中的数据预览。在大多数情况下，您无需担心此页面上的任何选项。在更复杂的情况下，您可以使用此页面上的选项提供要读取的自定义单元格范围，或选择工作簿中的其他工作表。
向导的第二页包含用于读取Excel数据的各种选项。鉴于EViews对工作簿内容的分析，这些选项设置在最可能的选项上。在大多数情况下，您只需单击“ 完成”即可接受默认设置。在预览窗口未正确显示所需数据的其他情况下，您可以单击“ 下一步”并调整向导第二页上显示的选项。在我们的示例中，数据看起来是正确的，因此我们只需单击“ 完成”即可接受默认设置。
接受设置后，EViews会自动创建一个大小适合保存数据的工作文件，并将该系列导入工作文件。工作文件的范围从1952年第1季度到1996年第4季度，包含您从Excel文件中读取的五个系列（GDP，M1，OBS，PR和RS）。还有两个对象，系数向量C和系列RESID，可在所有EViews工作文件中找到。
选择所有系列，单击鼠标右键，然后选择“ 打开/作为组”。EViews将在电子表格视图中打开所选系列。
您可以使用窗口右侧的滚动条和滚动箭头来查看和验证数据的提醒。
您可能希望单击组工具栏中的“ 名称”按钮，为UNTITLED组提供名称。输入名称ORIGINAL，然后单击“ 确定”接受该名称。
一旦您对数据正确感到满意，就应该通过单击工作文件窗口中的“ 保存”按钮来保存工作文件。将打开一个保存的对话框，提示您输入工作文件名称和位置。您应该输入“Demo2.WF1”，然后单击“ 确定”。可能会显示第二个对话框，提示您设置存储选项。单击“ 确定”接受默认值。EViews将工作文件保存在指定目录中，名称为“Demo2.WF1”。稍后可以通过从主菜单中选择文件/打开/工作文件....来打开保存的工作文件。
3、检查数据
现在您已将数据放在EViews工作文件中，您可以使用基本的EViews工具以各种方式检查系列和组中的数据。
首先，我们检查个别系列的特征。要查看M1系列的内容，只需双击工作文件窗口中的M1图标，或在主菜单中选择快速/显示...，输入m1，然后单击确定。
EViews将打开M1系列对象，并将显示该系列的默认电子表格视图。请注意系列窗口工具栏左上角的系列内容（“系列：M1”）的说明，表示您正在使用M1系列。
您将使用View和Proc菜单中的条目来检查系列的各种特征。只需单击工具栏上的按钮即可访问这些菜单条目，或者等效地从主菜单中选择View或Proc。
例如，要计算M1的基本描述性统计表，只需单击“ 查看”按钮，然后选择“ 描述性统计和测试/统计表”。EViews将计算M1的描述性统计数据，并更改系列视图以显示结果表。
同样，要检查系列的折线图，只需选择“ 视图/图形...”以显示“ 图形选项”对话框，然后从左侧的图形类型列表中选择“ 线和符号”。EViews将更改M1系列窗口以显示M1系列中数据的折线图。
请注意窗口底部是否存在滑块，您可以拖动它以显示观察的子样本。
此时，您可能希望浏览M1系列窗口中View和Proc菜单的内容，以查看用于检查和处理系列数据的各种工具。您可以通过从工具栏或主菜单中选择“ 查看/电子表格”来返回系列的电子表格视图。
由于我们的最终目标是使用以自然对数表示的数据执行回归分析，因此我们可能希望使用M1的日志。幸运的是，EViews允许您使用涉及系列的表达式，就像使用系列本身一样容易。要打开包含此表达式的系列，请从主菜单中选择“ 快速/显示... ”，输入表达式的文本，log（m1），然后单击“ 确定”。EViews将打开一个包含LOG（M1）的系列窗口。请注意，该系列的标题栏显示我们正在使用所需的表达式。
你可以使用这个自动系列，就像你使用上面的M1一样。例如，单击系列工具栏中的“ 视图 ”并选择“ 描述性统计和测试/直方图和统计”，将显示包含直方图和LOG（M1）的描述性统计信息的视图：
或者，我们可以通过选择View / Graph ...来显示平滑图的平滑版本，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：
假设您希望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系列的组对象。
之前，您使用过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。我们希望创建一个组对象，其中包含M1和GDP系列的对数，RS的级别以及PR系列的对数的第一个差异。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）
单击“ 确定”接受输入。EViews将打开一个组窗口，其中包含系列和感兴趣的表达式的电子表格视图。
与系列对象一样，您将使用组的View和Proc菜单来检查系列组的各种特征。只需单击工具栏上的按钮即可访问这些菜单条目，或从主菜单中选择View或Proc以调出相关条目。请注意，组对象的条目将不同于系列对象的条目，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“ 视图/图形... ”，然后从对话框左侧的列表中选择“ 线和符号”，以显示包含组中每个系列的线图的单个图形。 ：
或者，您可以选择“ 视图/图形...”，然后从对话框右侧的“多个系列”下拉列表中选择“ 多个图形”以显示相同的信息，但每个系列表达式都绘制在单个图形中：
同样，您可以选择查看/描述统计/单个样本以显示为组中的每个系列计算的描述性统计表：
请注意，用于计算DLOG（PR）的描述性统计数据的观察数量比用于计算其他表达式的统计数据的数量少一个。通过选择使用“单个样本”计算我们的统计数据，我们告知EViews我们希望在每次计算中使用系列特定样本，以便DLOG（PR）中观察到的差异丢失不应影响计算中使用的样本对于其余的表达式。
我们可以选择使用“通用样本”，以便仅在数据可用于组中的所有系列时才使用观察。单击View / Covariance Analysis ...并选择Correlation复选框以显示179个常见观察的四个系列的相关矩阵：
再一次，我们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通过选择View /来返回到该组的电子表格视图。电子表格。
