8、运行应用，点击help-EViews Registration，选择“通过电话，电子邮件或浏览器获取的密钥（Key obtained by phone, email, or browser）”，然后输入文本中提供的密钥，点击Register now
•新的或更新的对象命令列表（ “更新的对象列表”）
软件功能
1、基本数据处理
数字，字母数字（字符串）和日期系列；值标签。
丰富的运算符库以及统计，数学，日期和字符串函数。
使用运算符和函数进行表达式处理和转换现有数据的强大语言。
样本和样本对象有助于对数据子集进行处理。
支持复杂的数据结构，包括规则日期的数据，不规则日期的数据，带有观察标识符的横截面数据，带日期的和不带日期的面板数据。
多页工作文件。
EViews基于磁盘的本机数据库提供了强大的查询功能，并与EViews工作文件集成。
在EView与各种电子表格，统计和数据库格式之间转换数据，包括（但不限于）：MicrosoftAccess®和Excel®文件（包括.XSLX和.XLSM），Gauss
Dataset文件，SAS®Transport文件，SPSS本机和可移植文件，Stata
文件，Tableau®，原始格式的ASCII文本或二进制文件，HTML或ODBC数据库
和查询（仅在Enterprise Edition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MicrosoftExcel®，Word®和Powerpoint®。
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FRED®（联邦储备经济数据），DBNomics，世界银行，NOAA，美国人口普查，US BEA，US BLS，ECB SDMX，IMF SDMX，UN SDMX和EuroStat数据库。
企业版支持Global Insight DRIPro和DRIBase，HaverAnalytics®DLX®，FAME，EcoWin，Bloomberg®，EIA®，CEIC®®，Datastream®，FactSet和Moody's Economy.com数据库
EViews MicrosoftExcel®加载项允许您从Excel中链接或导入EViews工作文件和数据库中的数据。
拖放支持以读取数据；只需将文件拖放到EViews中即可进行自动转换，并将外部数据和元数据链接为EViews工作文件格式。
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，联接，追加，子集，调整大小，排序和重塑（堆叠和拆栈）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在基础数据发生更改时进行动态更新。
自动更新公式系列，只要基础数据发生更改，公式系列就会自动重新计算。
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。
用于仿真的重采样和随机数生成工具。使用三个不同的随机数生成器为18个不同的分布函数生成随机数。
支持云驱动器访问，使您可以直接将文件打开并保存到Dropbox，OneDrive，Google Drive和Box帐户。
2、时间序列数据处理
对处理日期和时间序列数据（常规和非常规）的集成支持。
支持常见的常规频率数据（年度，半年度，季度，每月，双月，两周，十天，每周，每日-每天-5天，每天-7天）。
支持高频（日内）数据，支持小时，分钟和秒的频率。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”，以及一周中的任意几天。
专门的时间序列函数和运算符：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，Holt-Winters和ETS平滑。
用于美白回归的内置工具。
Hodrick-Prescott过滤。
带通（频率）滤波：Baxter-King，Christiano-Fitzgerald固定长度和全样本非对称滤波器。
季节性调整：人口普查X-13，STL分解，MoveReg，X-12-ARIMA，运输/座位，移动平均值。
插值以填充一系列值中的缺失值：线性，对数线性，Catmull-Rom样条线，基数样条线。
小波：变换，方差分解，离群值检测和阈值化。
3、统计
基本的：
基本数据摘要；按组摘要。
相等性检验：t检验，方差分析（平衡的和不平衡的，有或没有方差）。Wilcoxon，Mann-Whitney，中位数卡方，Kruskal-Wallis，van der Waerden，F检验，Siegel-Tukey，Bartlett ，莱文（Levene），布朗·福赛斯（Brown-Forsythe）。
单向制表；使用关联度量（Phi系数，Cramer的V，或有系数）和独立性测试（Pearson卡方，似然比G ^ 2）进行交叉制表。
协方差和相关性分析包括Pearson，Spearman等级顺序，Kendall的tau-a和tau-b以及部分分析。
主成分分析，包括碎石图，双线图和荷载图，以及加权成分评分计算。
因子分析允许计算关联的度量（包括协方差和相关性），唯一性估计，因子加载估计和因子得分，以及使用30多种不同的正交和倾斜方法之一进行估计诊断和因子旋转。
对正态分布，指数分布，极值分布，逻辑分布，卡方分布，威布尔分布或Gamma分布（Kolmogorov-Smirnov，Lilliefors，Cramer-von Mises，Anderson-Darling，Watson）进行经验分布函数（EDF）测试。
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，拟合的理论分布，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。
时间序列：
自相关，部分自相关，互相关，Q统计。
Granger因果关系测试，包括面板Granger因果关系。
单位根测试：增强的Dickey-Fuller，GLS转换的Dickey-Fuller，Phillips-Perron，KPSS，Eliot-Richardson-Stock Point Optimal，Ng-Perron，以及带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，Phillips-Ouliaris，Park添加的变量和Hansen稳定性。
独立测试：布罗克（Brock），德切尔特（Dechert），舍克曼（Scheinkman）和勒巴伦（LeBaron）
方差比测试：Lo和MacKinlay，Kim狂自举，Wright的排名，排名得分和符号测试。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）和预白核（Andrews和Monahan 1992）使用对称或单边长期协方差方法。此外，EViews支持用于内核估计器的Andrews（1991）和Newey-West（1994）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。
面板和泳池：
按组和按期统计和测试。
单位根测试：Levin-Lin-Chu，Breitung，Im-Pesaran-Shin，Fisher，Hadri，PANIC，CIPS。
协整检验：Pedroni，Kao，Maddala和Wu。
系列协方差和主成分内的面板。
Dumitrescu-Hurlin（2012）面板因果关系测试。
横断面依赖性测试。
4、估算值
回归：
线性和非线性普通最小二乘法（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。
白色和其他异方差一致，并且Newey-West鲁棒标准误差。可以使用非参数内核，参数VARHAC和预加白的内核方法来计算HAC标准误差，并允许将Andrews和Newey-West自动带宽选择方法用于内核估计器，以及基于信息准则的滞后长度选择方法用于VARHAC和预白化估计。
聚类标准错误。
线性分位数回归和最小绝对偏差（LAD），包括Huber's Sandwich和自举协方差计算。
阈值回归（包括TAR和SETAR）以及平滑阈值回归（包括STAR）。
ARDL估计，包括边界检验方法以进行协整。
弹性网，岭回归和LASSO估计。
功能系数估计。
变量选择与机器学习：
使用七个不同的选择过程逐步回归。
LASSO变量选择。
弹性网，岭回归和LASSO估计。
自动搜索/获取变量选择。
自动ARIMA规范
ARMA和ARMAX：
具有自回归移动平均值，季节性自回归和季节性移动平均值误差的线性模型。
具有AR和SAR规格的非线性模型。
使用Box和Jenkins，有条件最小二乘，ML或GLS的后推法进行估计。
部分集成的ARFIMA模型。
工具变量和GMM：
线性和非线性两阶段最小二乘/仪器变量（2SLS / IV）和广义矩量（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（White，HAC，用户提供），可控制加权矩阵迭代。
GMM估计选项包括持续更新估计（CUE），以及许多新的标准误差选项，包括Windmeijer标准误差。
IV / GMM特定的诊断程序包括仪器正交测试，回归内生性测试，弱仪器测试和GMM特定断点测试。
ARCH / GARCH：
GARCH（p，q），EGARCH，TARCH，组件GARCH，功率ARCH，集成GARCH。
线性或非线性均值方程可以包括ARCH和ARMA项。均值和方差方程均允许外生变量。
正态分布，学生t分布和广义误差分布。
Bollerslev-Wooldridge鲁棒的标准误差。
条件方差，均值和永久成分的样本内和样本外预测。
分数积分的FIGARCH和FIEGARCH估计量。
新闻影响曲线。
稳定性测试和符号偏向测试。
有限因变量模型：
二进制Logit，Probit和Gompit（极值）。
已订购的Logit，Probit和Gompit（极值）。
具有正常，逻辑和极值错误（Tobit等）的删减模型。
用Poisson，负二项式和准最大似然（QML）规格对模型进行计数。
Heckman选择模型。
Huber / White鲁棒标准错误。
计数模型支持广义线性模型或QML标准误差。
Hosmer-Lemeshow和Andrews拟合优度测试的二进制模型。
轻松将结果（包括广义残差和梯度）保存到新的EViews对象中，以进行进一步分析。
通用GLM估计引擎可用于估计其中一些模型，并可以选择包含鲁棒协方差。
面板数据/合并时间序列，跨部门数据：
具有附加横截面和周期固定或随机效应的线性和非线性估计。
随机效应模型中分量方差的二次无偏估计量（QUEs）的选择：Swamy-Arora，Wallace-Hussain，Wansbeek-Kapteyn。
具有截面和周期固定或随机效应的2SLS / IV估计。
在变换后的规格上使用非线性最小二乘法估计AR错误
广义最小二乘，广义2SLS / IV估计，GMM估计允许横截面或周期为异方差及相关规格。
使用特定于周期的预定仪器（Arellano-Bond）使用第一差分或正交偏差进行线性动态面板数据估计。
面板序列相关性测试（Arellano-Bond）。
稳健的标准误差计算包括七种稳健的怀特和经过面板校正的标准误差（PCSE）。
系数限制，遗漏变量和冗余变量的测试，相关随机效应的Hausman测试。
小组单位根测试：Levin-Lin-Chu，Breitung，Im-Pesaran-Shin，使用ADF和PP测试的Fisher式测试（Maddala-Wu，Choi），Hadri。
面板协整估计：完全修改的OLS（FMOLS，Pedroni 2000）或动态普通最小二乘法（DOLS，Kao和Chaing 2000，Mark and Sul 2003）。
合并均值组（PMG）估计。
广义线性模型：
正常，泊松，二项式，负二项式，伽马，反高斯，指数法力，幂均值，二项式平方族。
身份，对数，对数互补，对数，概率，对数，互补对数，逆，幂，幂几率，Box-Cox，Box-Cox几率链接功能。
先验方差和频率加权。
固定，皮尔逊Chi-Sq，偏差和用户指定的色散规范。支持QML估计和测试。
二次爬坡，牛顿-拉夫逊，IRLS-费舍尔计分和BHHH估算算法。
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。
单方程协整回归：
支持三种完全有效的估计方法：完全修改的OLS（菲利普斯和汉森，1992年），规范协整回归（Park，1992年）和动态OLS（Saikkonen，1992年，Stock和Watson，1993年）
Engle和Granger（1987）以及Phillips和Ouliaris（1990）基于残差的检验，Hansen（1992b）的不稳定性检验和Park（1992）的附加变量检验。
方程和协整回归指标中趋势和确定回归指标的灵活规格。
对FMOLS和CCR的长期方差进行全特征估计。
针对DOLS滞后和超前以及长期方差白化回归的自动或固定滞后选择。
重新定标的OLS和可靠的DOLS标准误差计算。
用户指定的最大可能性：
使用标准的EViews系列表达式来描述对数似然贡献。
多项式和条件对数，Box-Cox转换模型，不平衡切换模型，具有异方差的概率模型，嵌套对数，Heckman样本选择和Weibull风险模型的示例。
5、方程组
基本的：
线性和非线性估计。
最小二乘，2SLS，方程加权估计，看似无关的回归和三阶最小二乘。
具有White和HAC加权矩阵的GMM。
在转换后的规格上使用非线性最小二乘法进行AR估计。
完整信息最大似然（FIML）。
VAR / VEC：
通过施加短期或长期限制，或两者兼而有之，估算VAR中的结构分解。
贝叶斯VAR，具有预测和冲激响应的贝叶斯采样。
混合频率VAR。
Markov Switching VAR。
各种表格和图形格式的脉冲响应函数，具有通过分析或通过蒙特卡洛方法计算的标准误差。
由Cholesky分解，一元或一标准偏差残差（忽略相关性），广义脉冲，结构分解或用户指定的矢量/矩阵形式计算出的冲激响应冲击。
标准VAR模型的历史分解。
在VEC模型中对协整关系和/或调整系数施加并测试线性限制。
根据估计的VEC模型查看或生成协整关系。
广泛的诊断包括：Granger因果关系检验，联合滞后排除检验，滞后长度标准评估，相关图，自相关，正态和异方差检验，协整检验，其他多元诊断。
多元ARCH：
条件常数相关（p，q），对角VECH（p，q），对角BEKK（p，q），具有不对称项。
对角VECH系数矩阵的广泛参数化选择。
均值和方差方程中允许的外生变量；均值方程中允许使用非线性和AR项。
Bollerslev-Wooldridge鲁棒的标准误差。
正态或学生t多元误差分布
解析或（快速或缓慢）数值导数的选择。（对于某些复杂模型，Analytics衍生物不可用。）
从估计的ARCH模型以各种表格和图形格式生成协方差，方差或相关性。
状态空间：
卡尔曼滤波算法，用于估算用户指定的单方程和多方程结构模型。
状态方程和完全参数化的方差规范中的外生变量。
提前生成一步，对信号，状态和错误进行滤波或平滑处理。
示例包括时变参数，多元ARMA和准似然随机波动率模型。
6、测试与评估
实际的，拟合的残差图。
Wald检验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。
遗漏变量和冗余变量LR测试，残差和平方残差相关图和Q统计量，残差序列相关性和ARCH LM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，Quantdt-Andrews未知断点测试，Bai-Perron断点测试，Ramsey RESET测试，OLS递归估计，影响统计量，杠杆图。
ARMA方程诊断：AR和/或MA特征多项式的反根的图形或表格，将理论（估计）自相关模式与结构残差的实际相关模式进行比较，显示ARMA对创新冲击和响应的冲激响应。 ARMA频谱。
轻松将结果（系数，系数协方差矩阵，残差，梯度等）保存到EViews对象以进行进一步分析。
7、预测与模拟
通过估计的标准误差的计算，从估计的方程对象中进行样本内或样本外静态或动态预测。
预测图和样本内预测评估：RMSE，MAE，MAPE，Theil不等式系数和比例
最新的模型构建工具，可用于多方程预测和多变量仿真。
模型方程式可以文本形式输入，也可以作为链接输入，以便在重新估算时自动更新。
显示方程的依存关系结构或内生和外生变量。
Gauss-Seidel，Broyden和Newton模型求解器，用于非随机和随机仿真。非随机正向解决方案可解决模型一致的期望。Stochasitc模拟可以使用自举残差。
解决控制问题，以使内生变量实现用户指定的目标。
复杂的方程式归一化，增加因子和覆盖支持。
管理和比较涉及各种假设集的多个解决方案场景。
内置的模型视图和过程以图形或表格形式显示仿真结果。
8、图形，表格和地图
线，点图，面积，条形图，尖峰图，季节性图，饼图，xy线，散点图，气泡图，箱形图，误差线，高-低开-关和区域带。
功能强大，易于使用的分类图和摘要图。
自动更新随着基础数据变化而更新的图形。
将光标悬停在图形中的某个点上时，将显示观测信息和值。
直方图，平均移位的直方图，频率单调，边缘频率多边形，箱形图，核密度，拟合的理论分布，箱形图，CDF，幸存者，分位数，分位数。
具有参数和非参数内核（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组合散点图。
交互式点击或基于命令的自定义。
具有改进的图形模板功能的图形背景，框架，图例，轴，缩放比例，线条，符号，文本，阴影，褪色的广泛定制。
通过控制单元格字体的外观，大小和颜色，单元格背景颜色和边框，合并和注释来控制表的自定义。
将图形复制并粘贴到其他Windows应用程序中，或将图形另存为Windows常规或增强型图元文件，封装的PostScript文件，位图，GIF，PNG或JPG。
将表格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，并将区域与EViews工作文件中的数据相关联，从而可以通过数据对这些区域进行着色和标记。
在EView中以及通过导出为.GIF和.MP4媒体文件来生成图形和地图的动画。
9、命令与编程
面向对象的命令语言提供对菜单项的访问。
批量执行程序文件中的命令。
循环和条件分支，子例程和宏处理。
字符串和字符串矢量对象，用于字符串处理。广泛的字符串和字符串列表函数库。
广泛的矩阵支持：矩阵处理，乘法，求逆，Kronecker乘积，特征值解和奇异值分解。
10、外部接口和外接程序
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提供了与MATLAB®，R和Python的集成，因此EViews可用于启动或控制这些应用程序，传输数据或执行命令。
EViews MicrosoftExcel®加载项提供了一个简单的界面，用于从MicrosoftExcel®（2000及更高版本）内部获取和链接到存储在EViews工作文件和数据库中的序列和矩阵对象。
EViews加载项基础结构可使用标准的EViews命令，菜单和对象界面无缝访问用户定义的程序。
从EViews网站下载并安装预定义的加载项。
使用帮助
一、系列
EViews系列包含一组关于数字变量的观察值。与系列中的每个观测值相关的是日期或观测值标签。对于定期更新日期的工作文件中的序列，假定观察结果将随时间而定期观察。对于未注明日期的数据，不假定观测值遵循任何特定频率。
请注意，系列对象只能用于保存数字数据。如果您希望使用字母数字数据，则应使用字母系列。有关讨论，请参见 “ Alpha系列”。
1、创建系列
创建数字序列的一种方法是从菜单中选择“对象/新对象”，然后选择“序列”。您此时可以为该系列提供名称，也可以使新系列无标题。点击确定。
EViews将打开新系列对象的电子表格视图。系列中的所有观测值都将分配缺失值代码“NA”。然后，您可以编辑或使用表达式为系列分配值。
您也可以使用“新建对象”对话框来创建Alpha系列。在“Alpha系列”中更详细地讨论了Alpha系列。
创建序列的第二种方法是使用数学表达式生成序列。在主EViews菜单中单击“快速/生成序列…”，然后输入定义序列的表达式。我们将在下一章深入讨论这种方法。
最后，您可以通过在命令窗口中输入序列或字母命令来创建数字或字母序列。输入以下形式的表达式：
系列series_name=series_expr
创建一个名称为series_name的系列，并将表达式分配给每个观测。交替：
alpha alpha_name=alpha_expr
创建一个alpha系列对象，并将alpha_expr分配给每个观察值。
您可以省略命令的右侧分配部分；在这种情况下，系列或字母将被初始化为缺少的值（分别为NA和空白字符串）。
2、更改电子表格显示
EViews为您提供了自定义系列电子表格显示的广泛功能。
3、列宽
要调整列的宽度，只需将鼠标移到列分隔符上，直到图标更改，然后将列拖动到所需的宽度即可。新的宽度将在您下次打开系列时被记住，并将在系列电子表格中显示该系列时使用。
4、显示类型
系列显示类型（在系列工具栏的下拉菜单中列出）确定系列电子表格窗口如何显示数据。
