EViews 13破解版是创新的计量经济学软件！一体化的统计、预测、建模功能和领先的技术，是需要计量经济学软件的专业人士的绝佳选择，它提供直观易用的界面，结合强大的分析工具和先进的数据管理功能，可演示质量输出，加上传统命令行和编程界面相结合，在Windows的计算机上提供复杂的数据分析、回归和预测工具。使用EViews，您可以从数据中快速建立统计关系，然后使用该关系预测数据的未来值。EViews 13 通过创新、易于使用的界面，为学术研究人员、公司、政府机构和学生提供强大的统计、预测和建模工具。EViews 将现代软件技术与尖端功能相结合。结果是一个最先进的程序，在一个灵活的、面向对象的界面中提供前所未有的功能。破解版下载，有需要的朋友不要错过了！
增强的脉冲响应显示
功能特色
1、基本数据处理
数字、字母数字（字符串）和日期序列;值标签。
广泛的运算符库以及统计、数学、日期和字符串函数。
强大的语言，用于使用运算符和函数处理和转换现有数据。
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，包括常规日期数据、不规则日期数据、带观测标识符的横截面数据、日期和未日期面板数据。
多页工作文件。
基于磁盘的本机数据库提供强大的查询功能以及与 EViews 工作文件的集成。
在 EViews 和各种电子表格、统计和数据库格式之间转换数据，包括（但不限于）：Microsoft Access® 和 Excel® 文件（包括 .XSLX 和 .XLSM）、Gauss
数据集文件、R 数据文件、SAS 传输文件、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（ODBC 支持仅在企业版中提供）。
OLE 支持将 EViews 输出（包括表格和图形）链接到其他包，包括 Microsoft Excel®、Word® 和 Powerpoint®。
OLEDB 支持使用 OLEDB 感知客户端或自定义程序读取 EViews 工作文件和数据库。
支持FRED®（美联储经济数据），DBNomics，世界银行，世界卫生组织，经合组织，联合国SDMX，IMF SDMX，NOAA，美国人口普查，美国BEA，美国BLS，欧洲央行SDMX，EuroStat数据库等等！
企业版支持Haver Analytics® DLX®，FAME，EcoWin，Bloomberg®，EIA®，CEIC，®® Datastream®，Trading Economics®和Moody's Economy.com 数据库
EViews Microsoft Excel® 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。
拖放支持读取数据;只需将文件放入 EViews 即可自动转换外来数据和元数据并将其链接为 EViews 工作文件格式。
用于从现有系列中的值和日期创建新的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、排序和调整（堆叠和取消堆叠）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底层数据发生变化时动态更新。
自动更新公式系列，每当基础数据更改时都会自动重新计算。
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。
用于重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为 18 个不同的分布函数生成随机数。
支持云驱动器访问，允许您打开文件并将其直接保存到Dropbox，OneDrive，Google Drive和Box帐户。
2、时序数据处理
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、双周、每两周、十天、每周、每天 - 5 天周、每天 - 7 天周）。
支持高频（日内）数据，允许小时、分钟和秒频率。此外，还有许多不太常见的常规频率，包括多年、双月、两周、十天和每天，一周中的任意天数范围。
专门的时间序列函数和运算符：滞后、差分、对数差分、移动平均线等。
变频：各种高到低和从低到高的方法。
指数平滑：单、双、霍尔特-温特斯和 ETS 平滑。
用于美白回归的内置工具。
霍德里克-普雷斯科特过滤。
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，移动注册，X-12-ARIMA，Tramo/座位，每日调整，移动平均。
插值以填充序列中的缺失值：线性、对数线性、Catmull-rom样条、基数样条。
小波：变换、方差分解、异常值检测和阈值。
3、统计学
基本：
基本数据摘要;按组摘要。
相等检验：t检验，方差分析（平衡和不平衡，有或没有异方差），威尔科克森，曼-惠特尼，中位数卡方，克鲁斯卡尔-瓦利斯，范德韦尔登，F检验，西格尔-图基，巴特利特，莱文，布朗-福赛斯。
单向制表;与关联度量（Phi 系数、克拉默 V、列联系数）和独立性检验（皮尔逊卡方，似然比 G^2）的交叉制表。
协方差和相关分析，包括皮尔逊、斯皮尔曼秩序、肯德尔的 tau-a 和 tau-b 以及部分分析。
主成分分析，包括碎石图、双标图和载荷图，以及加权成分得分计算。
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、因子载荷估计和因子评分，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。
正态分布、指数分布、极值分布、逻辑分布、卡方分布、威布尔分布或伽马分布（柯尔莫哥罗夫-斯米尔诺夫、利利福斯、克莱默-冯·米塞斯、安德森-达林、沃森）的经验分布函数 （EDF） 检验。
直方图、频率多边形、边频率多边形、平均偏移直方图、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。
时间序列：
自相关、偏自相关、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 Add变量和Hansen稳定性。
独立性测试：Brock、Dechert、Scheinkman 和 LeBaron
方差比测试：Lo和MacKinlay，Kim wild自举，Wright的等级，排名分数和符号测试。Wald 和多重比较方差比检验（Richardson and Smith， Chow and 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 and Levin，1997）和预白核（Andrews and Monahan 1992）方法进行对称或单侧长期协方差。此外，EViews 还支持 Andrews （1991） 和 Newey-West （1994） 用于内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的滞后长度选择方法。
面板和池：
按组和按期间统计和测试。
单位根测试：Levin-Lin-Chu，Breitung，Im-Pesaran-Shin，Fisher，Hadri，PANIC，CIPS。
协整检验：佩德罗尼、花王、马达拉和吴。
序列协方差和主分量内的面板。
Dumitrescu-Hurlin（2012）面板因果关系检验。
横截面依赖性检验。
4、估计
回归：
线性和非线性普通最小二乘（多元回归）。
对任意数量的自变量进行 PDL 的线性回归。
稳健回归。
用于非线性估计的解析导数。
加权最小二乘法。
白色和其他异方差一致性，与纽维-韦斯特鲁棒标准误差一致。HAC 标准误差可以使用非参数核、参数化 VARHAC 和预白化内核方法计算，并允许 Andrews 和 Newey-West 自动带宽选择方法用于核估计器，以及基于信息的滞后长度选择方法用于 VARHAC 和预白化估计。
聚集的标准错误。
线性分位数回归和最小绝对偏差 （LAD），包括胡贝尔三明治和自举协方差计算。
阈值回归包括TAR和SETAR，平滑阈值回归包括STAR。
ARDL估计，包括边界测试方法的协整。
弹性网、岭回归和套索估计。
函数系数估计。
变量选择和机器学习：
具有七种不同选择程序的逐步回归。
套索变量选择。
弹性网、岭回归和套索估计。
自动搜索/获取变量选择。
自动 ARIMA 规格
阿玛和阿马克斯：
具有自回归移动平均、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 的反向预报方法、条件最小二乘法、ML 或 GLS 进行估计。
部分积分的ARFIMA模型。
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 类估计。
广泛的GMM加权矩阵规格（白色，HAC，用户提供），可控制权重矩阵迭代。
GMM估计选项包括持续更新估计（CUE）和一系列新的标准误差选项，包括Windmeijer标准误差。
IV/GMM 特异性诊断包括仪器正交性测试、回归器内生性测试、弱仪器测试和 GMM 特定断点测试。
拱门/拱门：
GARCH（p，q），EGARCH，TARCH，组件GARCH，Power ARCH，Integrated GARCH。
线性或非线性平均方程可能包括 ARCH 和 ARMA 项;均值方程和方差方程都允许外生变量。
正态、学生 t 和广义误差分布。
Bollerslev-Wooldridge稳健标准误差。
条件方差和均值以及永久分量的样本内外预测。
分数积分图和FIEGARCH估计器。
新闻影响曲线。
稳定性测试和符号偏差测试。
有限因变量模型：
二进制 Logit、概率和 Gompit（极值）。
有序 Logit、概率和 Gompit（极值）。
具有正常、逻辑和极值误差的删失和截断模型（Tobit 等）。
使用泊松、负二项式和准最大似然 （QML） 规范对模型进行计数。
赫克曼选择模型。
胡贝尔/怀特稳健标准误差。
计数模型支持广义线性模型或 QML 标准误差。
Hosmer-Lemeshow和Andrews Goodness-of-Fit检验用于二进制模型。
轻松将结果（包括广义残差和梯度）保存到新的 EViews 对象，以便进一步分析。
通用 GLM 估计引擎可用于估计其中的几个模型，并可选择包括稳健协方差。
面板数据/合并时间序列、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。
随机效应模型中分量方差的二次无偏估计量 （QUE） 的选择：Swamy-Arora、Wallace-Hussain、Wansbeek-Kapteyn。
2具有横截面和周期固定或随机效应的SLS/IV估计。
在变换后的规范上使用非线性最小二乘法进行 AR 误差估计
广义最小二乘，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。
使用特定周期预定工具（Arellano-Bond）的第一差分或正交偏差进行线性动态面板数据估计。
面板串行相关测试（阿雷拉诺-邦德）。
稳健标准误差计算包括七种类型的鲁棒白误差和面板校正标准误差 （PCSE）。
系数限制检验，省略和冗余变量，豪斯曼检验相关随机效应。
面板单元根测试：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，Pedroni 2000）或动态普通最小二乘（DOLS，Kao and Chaing 2000，Mark and Sul 2003）。
合并均值组 （PMG） 估计。
差分估计。
广义线性模型：
正态、泊松、二项式、负二项式、伽玛、反高斯、指数 Mena、幂均值、二项式平方族。
恒等式、对数、对数补码、对数、概率、对数对数、互补对数对数、反向、幂、幂优势比、Box-Cox、Box-Cox 优势比链接函数。
先验方差和频率加权。
固定、皮尔逊卡方、偏差和用户指定的色散规格。支持 QML 估计和测试。
二次爬山、牛顿-拉夫森、IRLS - 费舍尔评分和 BHHH 估计算法。
使用预期或观测的黑森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（Phillips and Hansen 1992），Canonical Cointegral回归（Park 1992）和动态OLS（Saikkonen 1992，Stock and Watson 1993）
Engle and Granger （1987） 和 Phillips and 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。
方程中趋势和确定性回归量的灵活规范以及协积分回归量规范。
对 FMLS 和 CCR 的长期方差进行全功能估计。
自动或固定滞后选择DOLS滞后和超前线以及长期方差白化回归。
重新调整的OLS和DOLS的稳健标准误差计算。
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。
多项式和条件对数、Box-Cox 变换模型、不平衡切换模型、具有异方差误差的概率模型、嵌套对数、赫克曼样本选择和威布尔危险模型的示例。
5、方程组
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。
GMM 与白色和 HAC 加权矩阵。
在转换后的规范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）。
变速/维克：
通过施加短期或长期限制或两者来估计 VAR 中的结构分解。
贝叶斯VARs，具有预测和脉冲响应的贝叶斯采样。
混合频率 VAR。
马尔可夫切换VARs。
贝叶森时变系数VARs。
各种表格和图形格式的脉冲响应函数，通过分析或蒙特卡罗方法计算标准误差。
根据 Cholesky 分解、单单位或一个标准差残差（忽略相关性）、广义脉冲、结构分解或用户指定的向量/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/或调整系数施加和测试线性限制。
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、滞后长度标准评估、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。
多元拱门：
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。
对角线 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;平均方程中允许的非线性和 AR 项。
Bollerslev-Wooldridge稳健标准误差。
正态或学生 t 多元误差分布
可选择分析或（快速或慢速）数值导数。（分析导数不适用于某些复杂模型。
从估计的 ARCH 模型中生成各种表格和图形格式的协方差、方差或相关性。
状态空间：
卡尔曼滤波算法，用于估计用户指定的单方程和多方程结构模型。
状态方程中的外生变量和完全参数化的方差规范。
提前一步生成、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 和准似然随机波动率模型。
6、测试和评估
实际、拟合、残差图。
线性和非线性系数限制的Wald检验;置信度椭圆显示估计参数的任意两个函数的联合置信区。
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 检验、残差和平方残差相关图和 Q 统计、残差序列相关和 ARCH LM 检验。
White， Breusch-Pagan， Godfrey， Harvey and Glejser heteroskedasticity test.
稳定性诊断：周断点和预测测试、Quandt-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、杠杆图。
ARMA方程诊断：AR和/或MA特征多项式的反根图形或表格，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脉冲对创新冲击的响应和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 对象以供进一步分析。
7、预测和模拟
从估计方程对象进行样本内或样本外静态或动态预测，并计算预测的标准误差。
预测图和样本内预测评估：RMSE、MAE、MAPE、Theil 不等式系数和比例
用于多方程预测和多变量仿真的最先进的模型构建工具。
模型方程可以输入文本或作为链接输入，以便在重新估算时自动更新。
显示方程的依赖结构或内生和外生变量。
用于非随机和随机模拟的高斯-塞德尔、布罗伊登和牛顿模型求解器。非随机前向解求解模型一致的期望。随机模拟可以使用自举残差。
解决控制问题，使内生变量达到用户指定的目标。
复杂的方程归一化、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方案。
内置模型视图和程序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 线图、散点图、气泡图、箱线图、误差条、高-低-开-收和面积带。
功能强大、易于使用的分类和摘要图表。
自动更新图形，随着基础数据的变化而更新。
将光标悬停在图表中的某个点上时，将显示观测值信息和值。
直方图、平均平移直方图、频率多边形、边频率多边形、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。
具有任意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。
广泛自定义图形背景、框架、图例、轴、缩放、线条、符号、文本、阴影、淡入淡出，并改进了图形模板功能。
表格自定义，可控制单元格字体、大小和颜色、单元格背景颜色和边框、合并和注释。
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。
在后台打印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，允许按数据对这些区域进行着色和标记。
图形和地图的动画，无论是在EViews中，还是通过导出为.GIF和.MP4媒体文件。
9、命令和编程
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。
使用断点、调用堆栈和监视窗口进行调试。
用于字符串处理的字符串和字符串矢量对象。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、克罗内克积、特征值解和奇异值分解。
与 Juypter 笔记本集成。
10、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、传输数据以及执行 EViews 命令。
EViews 提供与 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 Microsoft Excel 加载项提供了一个简单的界面，用于从 Microsoft Excel®®（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、菜单和对象界面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。
使用帮助
1、创建系列
创建数字系列的一种方法是从菜单中选择“对象/新建对象…”，然后选择“系列”。此时，您可以为该系列提供名称，也可以让新系列不命名。单击OK（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被指定为缺失值代码“NA”。然后，可以编辑或使用表达式为系列指定值。
也可以使用“新建对象”对话框创建alpha系列。Alpha系列在“Alpha系列”中进行了更详细的讨论。
创建系列的第二种方法是使用数学表达式生成系列。单击主EViews菜单中的Quick/Generate Series…（快速/生成系列…），然后输入定义系列的表达式。我们将在下一章深入讨论此方法。
最后，您可以通过在命令窗口中输入系列或字母命令来创建数字或字母系列。输入表单的表达式：
series series_name = series_expr
创建一个名为seriesname的系列，并将表达式分配给每个观察者。或者：
alpha alpha_name = alpha_expr
创建一个alpha系列对象，并将alpha_expr分配给每个观测值。
您可以省略命令的右侧赋值部分；在这种情况下，序列或alpha将被初始化为缺失的值（分别为NA和空白字符串）。
