Eviews上机操作指南（I）
1.数据准备篇
（1）建立工作文件：
workfile u 1 33 建立一个截面工作文件，33表示样本容量
workfile a 1978 2007 建立一个年度时间序列工作文件，1978、2007分别表示年份的起点和终点
（2）导入数据
Data y x1 x2 建立数据表格，将excel数据复制到数据表格
在使用该命令时一定要注意与excel表中的数据顺序一致，一般情况下第一列为被解释变量，其余各列为若干解释变量
2.绘图篇
在eviews中一般可以绘制两种类型的图，序列图与散点图
（1）序列图：plot y 可以绘制变量y随时间变化的图
当然也可以同时绘制多个变量的序列图，例如plot y x1
（2）散点图：scat x y表示两个变量之间的关系
3．回归篇
在eviews中执行回归的命令为ls y c x1 x2
Y表示被解释变量，c为常数，x1、x2为解释变量列表，在实际操作时y、x1、x2可以换成你指定的名称。
此外，log(x1)、x1^2、x1*x2分别表示非线性形式的解释变量。
回归后可以使用命令genr e=resid提取回归的残差。
练习：
1．多元线性回归模型的参数估计（对应教材P72-P73）
（1）建立工作文件导入数据；（2）观察y~x1、y~x2散点图；（3）构造OLS 回归，模型为01122Y X X βββμ=+++；（4）提取残差序列，观察残差的统计特征。
2．双对数模型的参数估计（对应教材P83-P85）
（1）建立工作文件，导入数据；（2）分别绘制x 、q 、p0、p1的序列图；（3）绘制log(q)对log(x)的散点图；（4）构造OLS 回归，模型为
012031log()log()log()log()Q X P P ββββμ=++++。
3．半对数模型的参数估计（对应教学辅助材料7例子2），根据辅助材料的结果写出相关命令。
log(salary) 模型1
模型2
模型3
log(sales) log(mktval) profmarg ceoten comten 截距 R 2 调整R 2
残差平方和
4．异方差检验与修正
进行异方差检验首先要估计原始回归，然后提取残差。
例如利用excel
表格中“异方差-1”的数据，估计模型01122Y X X βββμ=+++结果为：
（1）图示检验
主要通过解释变量与残差平方的散点图进行判断，相应的命令为： Scat x1 e^2 划线部分可以替代成任意的解释变量。
（2）White 检验
在Eviews 中可以直接进行White 检验。
点击view 后，依次选取Residual Diagnostics->Heteroskedasticity Test
点击White 检验后可以得到检验结果。
请对双对数模型01122log()log log Y X X βββμ=+++进行异方差检验。
（3）异方差的修正
在上面的例子中使用加权最小二乘法修正异方差的eviews 命令为： genr ye=y/@abs(e) genr ce=1/@abs(e) genr x1e=x1/@abs(e) genr x2e=x2/@abs(e) ls ye ce x1e x2e
5．序列相关的检验与修正
利用excel 表格中“序列相关-1”的数据，估计模型01inf t t t
unem ββμ=++
结果为：
（1）图示检验
主要通过残差序列的一阶滞后项对残差序列的散点图判断是否存在一阶序列相关，相应的eview命令为：scat e(-1) e
（2）DW检验
可以通过回归结果直接得到DW统计量。
（3）LM检验
点击view 后，依次选取Residual Diagnostics->Serial correlation LM Test ，选取检验阶数（一般为1或2）后就可以得到结果。
（4）序列相关的修正
在本例中使用广义差分法修正序列相关的命令为： Ls inf c unem ar(1) ar(2)
练习1：根据excel 文件中“异方差-2”的数据建立回归模型：
01122Y X X βββμ=+++，并检验得到的模型是否存在异方差性。
练习2：excel 文件“异方差-3”给出了财富500强企业中的447个高管薪水数据，salary 表示1999年薪水和奖金；tenure 表示任职CEO 的年数，age 表示CEO 年龄，sale 表示1998年公司销售收入；profit 表示1998年公司利润；assets 表示1998年公司总资产。
建立回归模
型：012345
salary tenure
age sale profit assets ββββββμ=++++++，检验得到
的模型是否存在异方差性。
练习3：excel 文件“异方差-4”给出了已婚妇女是否参加就业以及相关数据，其中y=1表示参加就业，y=0表示不参加就业；educ 表示受教育年限，exper 表示工作经验，age 表示年龄。
建立回归模型：
0123exp y educ er age ββββμ=++++。
该模型也称为线性概率模型，请检
验得到的模型是否存在异方差性。
练习4：excel 文件“序列相关-2”给出了美国1947年-2000年的人均消费（CS ）、可支配收入（Yd ）、财富（W ）和利率（i ）数据，建立
回归模型：0123CS Yd W i ββββμ=++++。
根据DW 统计量判断该模型是否存在一阶序列相关，如果存在请使用广义差分法修正之。
在此基础上利用LM 检验判断该模型是否存在二阶序列相关。