数据导入File-foreign data as workfile --2种选项的不同 File-new-workfile新变量的输入Object-new object-series 如：x ，双击打开后，edit+/-编辑，通过excel 复制粘贴，再一下结束Quick-generate series 通过已知变量的运算一元线性回归模型 and 多元线性回归模型t t t u bX a Y ++=t nt n t t t u X b X b X b a Y +++++= 2211非线性回归模型 常见有4种 双对数线性模型εγβ1x y = )ln()ln()ln(ln 1εβγ++=x y半对数模型—原先x or y 在指数上u x y ++=)ln(10αα u x y ++=10)ln(αα双曲函数模型（倒数模型）t tt u X Y ++=)1(21ββ多项式回归模型u x x x y n n +++++=ββββ 2210非线性回归模型，先用变量替换成为线性（一元or 多元）回归模型，然后做法相同。

虚拟变量模型⎩⎨⎧=另一种状态一种状态10t D eg ⎩⎨⎧=，男性女性1,0t D 研究定性变量的时候引入，比如说性别、种族、宗教、民族、婚姻状况、教育程度等。

一般的，定性变量有m 类，引入m-1个虚拟变量。

分布滞后模型t n t n t t t u x x x y +++++=--ββββ 1210对于时间序列数据，由于经济系统中的经济政策的传导、经济行为的相互影响和渗透都是需要一定时间的。

他们的数值是由某些滞后量决定的。

Eg 消费不仅取决于当期的收入，还取决于以前的收入。

先做图观察一下大体趋势，是否要取对数等。

Quick-graph 建立模型Quick-estimation equation 选择LS 变量第一个是因变量，常数项输入c 注：log （x ）表示对x 取自然对数x （-1） 表示滞后一阶 ；x （-1 to -4）表示x （-1）、x （-2）、x （-3）、x （-4）其实，更方便快捷的是用execl进行普通的回归模型工具-加载宏-分析数据库and 分析数据库-vba函数工具-数据分析获取新变量“=”虚拟变量，简单编程eg：=IF(E2>400000,1,0)时间序列分析在处理有关时间序列的数据的时候，首先画图，看看是否需要季节调整Eg 冰激凌销售的例子。

季节性变动掩盖了经济发展的客观规律。

A原序列b调整后的序列（趋势循环要素）c季节因素d不规则扰动项季节调整2种方法1、剔除季节影响因素双击需要处理的变量名（打开）-proc-seasonal adjustment2、引入虚拟变量季节调整后的序列趋势和循环要素不能分解，方法主要有hp滤波方法。

双击需要处理的变量名（打开）-proc-Hodrick Prescott filterSmoothing parameter 中lambda 表示平滑参数的值，年度数据取100，季度和月度数据分别取1600和14400。

有些数据（如股票数据）不具有明显的季节波动和趋势变动。

用指数平滑方法进行拟合和预测。

（如名称所示，数据更加平滑）双击需要处理的变量名（打开）-proc-exponential smoothing无论是单方程计量经济学模型还是联立方程计量经济学模型，这种分析背后有一个隐含的假设，即这些数据是平稳的，否则的话，通常的t 、F 等假设检验是不可信的。

涉及时间序列数据的另一问题，成为虚假回归或者伪回归，即如果有两列时间序列数据表现出一致的变化趋势（非平稳的），即使他们之间没有任何经济关系，若进行回归也可表现出较高的可绝系数。

平稳性检验（单位根检验）Quick-series statistics-unit root test 哪阶差分拒绝，那阶差分平稳 框中直接选or eg gdp ；d(gdp) ；d(gdp,2) …ARMA 模型 and ARIMA 模型向量自回归 AR(p) ),0.(..~22211σεεφφφD I I x x x x t tp t p t t t ++++=---移动平均模型MA （q ） ),0(..~,211σεεθεθεD I I x t q t q t t t --+++= ARMA （p ，q ）模型q t q t t p t p t t t x x x x -----+++++++=εθεθεφφφ 112211注：t x 序列必须是平稳的，如果原序列不平稳，用差分序列做该模型。

如果是d 阶差分，则称为ARIMA （p ，d ，q ）模型。

第一，识别。

Quick-series statistics-correlogram 。

其中，autocorrelation 指示的是q ，第二列只是的是p第二，方程。

Quick-estimation equation LS 输入 eg ：gdp c ar(1) ar(2) ma(1) ma(2)自回归条件异方差模型（ARCH）一些时间序列特别是金融时间序列，常常会出现某一特征的值成群出现的情况。

如对股票收益率序列建模，其随机扰动项往往在较大幅度波动后面伴随着较大幅度的波动，在较小幅度波动之后面紧接着较小幅度的波动，这种性质成为波动的集群性。

在一般回归分析和时间序列分析中，要求随机扰动项是同方差，但这类序列随机扰动项的无条件方差是常量，条件方差是变化的量。

这种情况下，需要使用条件异方差模型（ARCH）。

在普通回归之后，设立新变量=resid，可以作图观察等上图是股票价格指数回归残差图。

观察该图我们可以注意到波动的“成群”现象：波动在一些较长的时间内非常小，在其他一些较长的时间内非常大，这说明残差序列存在高阶ARCH 效应。

在方程界面选择view-residual test-heteroskedasticity tests-ARCH协整分析假定一些经济指标被某经济系统联系在一起，那么从长远看这些变量应该具有均衡关系，这是建立和检验模型的基本出发点。

在短期内，因为季节影响或随机干扰，这些变量有可能偏离均值。

如果这种偏离是暂时的，那么随着时间的推移将会回到均衡状态；如果这种偏离是持久的，就不能说明这些变量之间存在均衡关系。

协整被看做这种均衡关系性质的统计表示。

注：参与协整的每个变量必须是都是d阶单整（平稳）的，然后对原序列做协整分析。

2变量的协整，可以用EG 两步法进行检验。

首先对2变量进行回归，然后生成新序列，e=resid ，检验它是否为白噪声序列（满足~N （0,1））。

多变量的协整，johansen 检验法。

Quick-group statistics-cointegration test Eg at most 1 拒绝，则至少一个。

离散因变量通常的经济计量模型都是假定因变量是连续的，但是在现实的经济决策中经常面临许多选择的问题。

人们需要在可供选择的有限多个方案中做出选择，与通常被解释变量是连续变量的假设相反，此时因变量只取有限多个离散的值。

例如，人们对交通工具的选择，地铁、公共汽车或出租车；投资决策中，是投资股票还是房地产。

以这样的决策结果作为被解释变量建立的计量经济模型，称为离散因变量模型。

以二元选择模型为例。

即y=0,1i ki k i i i u x x x y ++++=βββ 2211⎩⎨⎧=选择第二种选择第一种01i y要强调的是，建模时输入的是y 的观测值，但估计对象不是原始模型而是模型（10.1.2）。

根据F 的不同，二元选择模型可以有不同的类型如下表：其中logit模型最常用。

Quick-estimate equation-binary Eg y c gdp m1受限因变量模型现实的经济生活中，有时会遇到这样的问题，因变量是连续的，但是受到某种限制，也就是说所得到的因变量的观测值来源于总体的一个受限制的子集，并不能完全反应总体的实际特征，那么通过这样的观测值来推断总体的特征就需要建立受限因变量模型。

当出现因变量受限问题时，应分别引进删失回归模型和截尾回归模型。

Quick- estimate equation- censored联立方程模型前面介绍的单方程模型，用于揭示单个变量（被解释变量）受多个变量影响形成的关系。

而现实的社会经济现象往往错综复杂，描述这种复杂关系考一个方程通常不够，因此需要考虑用一组方程加以说明，即使用多方程模型。

在联立方程中，由模型确定的变量称为内生变量，如供给需求模型中的t Dt S t P Q Q 、、，对应的称为外生变量。

外生变量和滞后内生变量称为先决变量。

一般的联立方程模型可记为ε+=AX BY （7.1.4）下面用工具变量法对联立方程模型进行估计Quick- estimate equation-TSLS向量自回归模型（V AR ）传统的经济计量方法（如联立方程模型等结构性方法）是以经济理论为基础来描述变量关系的模型。

然而，经济理论通常并不足以对变量之间的动态联系提供一个严密的说明，而且内生变量既可以出现在方程的左端又可以出现在方程的右端使得估计和推断变得更加复杂。

为了解决这些问题而出现了一种用非结构性方法来建立各个变量之间关系的模型，即向量自回归模型（V AR ）。

向量表示法 t t p t p t t εHx y Φy Φy +++⋅⋅⋅+=--11⎪⎪⎪⎪⎪⎭⎫ ⎝⎛+⎪⎪⎪⎪⎪⎭⎫ ⎝⎛+⎪⎪⎪⎪⎪⎭⎫ ⎝⎛++⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=⎪⎪⎪⎪⎪⎭⎫ ⎝⎛------kt t t dt t t p t k p t p t p t k t t kt t t x x x y y y y y y y y y εεε 21212111211121H ΦΦ 展开即为k 个方程组成。

注：1、在进行模型建立时，要对变量之间进行格兰杰因果关系检验 Quick-group statistics-granger causality test2、多变量的协整检验（已讲）Quick-estimate VAR(1) 选择模型类型（V AR Type ）：无约束向量自回归（Unrestricted V AR ）或者向量误差修正（Vector Error Correction ）。

无约束V AR 模型是指V AR 模型的简化式。

(2) 在Estimation Sample 编辑框中设置样本区间(3) 输入滞后信息：在Lag Intervals for Endogenous 编辑框中输入滞后信息，表明哪些滞后变量应该被包括在每个等式的右端。

这一信息应该成对输入：每一对数字描述一滞后区间。

(4) 在Endogenous V ariables 编辑栏中输入相应的内生变量 (5)在Exogenous Variables 编辑栏中输入相应的外生变量 注：滞后阶数的选择，AIS 和SC 准则，要求越小越好。