Eviews常用命令（对于命令和变量名，不区分大小写）1．创建时间序列的工作文件a annual：create a 1952 2000s semi-annual：create s 1952 1960q quarterly：create q 1951：1 1952：3m monthly：create m 1952：01 1954：11w weekly: create w 2/15/94 3/31/94，自动认为第一天为周一，和正常的周不同。

d daily (5 day week): create d 3/15/2008 3/31/2008，和日历上周末一致，自动跳过周末。

7 daily (7 day week): create 7 3/03/2008 3/31/2008。

u undated: create u 1 33。

创建工作文件时可直接命名文件，即在create 后面直接键入“文件名”，如create myfilename a 1952 2000 或者workfile myfilename a 1952 2000系统自动生成两个序列：存放参数估计值c和残差resid。

2．创建数组（group）多个序列组合而成，以便对组中的所有变量同时执行某项操作。

数组和各个序列之间是一种链接关系，修改序列的数据、更改序列名、删除序列等操作，都会在数组中产生相应的变化。

1）创建完文件后，使用data建立数据组变量；若有word表格数据或excel数据，直接粘贴；或者用Import 从其它已有文件中直接导入数据。

data x y，…可以同时建立几个变量序列，变量值按列排列，同时在表单上出现新建的组及序列，且可以随时在组中添加新的序列。

利用组的优点：一旦某个序列的数据发生变化，会在组中和变量中同时更新；数组窗口可以直接关闭，因为工作文件中已保留了有关变量的数据。

2）通过已有序列建立一个需要的组：group mygroup x y 可以在组中直接加入滞后变量group mygroup y x(0 to -1) 3．创建标量：常数值scalar val = 10 show val 则在左下角显示该标量的值4．创建变量序列series xseries ydata x yseries z = x + yseries fit = Eq1.@coef(1) + Eq1.@coef(2) * x利用两个回归系数构造了拟合值序列5．创建变量序列genr 变量名= 表达式genr xx = x^2 genr yy = val * ygenr zz = x*y (对应分量相乘) genr zz = log(x*y) (各分量求对数) genr lnx = log(x) genr x1 = 1/xgenr Dx = D(x) genr value = 3(注意与标量的区别) genr hx = x*(x>=3)(同维新序列，小于3的值变为0，其余数值不变) 1）表达式表示方式：可以含有>,<,<>,=,<=,>=,and,or。

2）简单函数：D(X):X 的一阶差分 D(X ，n):X 的n 阶差分 LOG(X)：自然对数DLOG(X) ：自然对数增量LOG(X)-LOG(X(-1)) EXP(X) ：指数函数 ABS(X) ：绝对值 SQR(X) ：平方根函数 RND ：生成0、1间的随机数 NRND ：生成标准正态分布随机数。

3）描述统计函数：eviews 中有一类以@打头的特殊函数，用以计算序列的描述统计量，或者用以计算常用的回归估计量。

大多数@函数的返回值是一个常数。

@SUM(X):序列X 的和 @MEAN(X): 序列X 的平均数@VAR(X): 序列X 的方差2()/i X X n =-∑ @SUMSQ(X): 序列X 的平方和 @OBS(X): 序列X 的有效观察值个数 @COV(X,Y): 序列X 和序列Y 的协方差 @COR(X,Y): 序列X 和序列Y 的相关系数@CROSS(X,Y): 序列X ，Y 的点积 genr val=@cross(x,y) 当X 为一个数时，下列统计函数返回一个数值；当X 时一个序列时，下列统计函数返回的也是一个序列。

@PCH(X): X 的增长率（X-X(-1)）/ X(-1)@INV(X): X的倒数1/X@LOGIT(X): 逻辑斯特函数@FLOOR(X): 转换为不大于X的最大整数@CEILING(X): 转换为不小于X的最小整数@DNORM(X): 标准正态分布密度函数@CNORM(X): 累计正态分布密度函数@TDIST(X,n): 自由度为n，取值大于X的t统计量的概率@FDST(X,n,m): 自由度为（n，m）取值大于X的F分布的概率@CHISQ(X,n): 自由度为n，不小于x的分布的概率4）回归统计函数回归统计函数是从一个指定的回归方程返回一个数。

调用方法：方程名后接.再接@函数。

如EQ1.@DW，则返回EQ1方程的D-W统计量。

如果在函数前不使用方程名，则返回当前估计方程的统计量。

统计函数见下面：@R2…@NCOEF常用。

6．向量列向量对象vector、行向量对象rowvector、系数向量对象coeff vector vect：定义了一个一维且取值为0 的列向量vector(n) vect：定义一个n维且取值为0的列向量vect.fill 1, 3, 5, 7, 9 ：定义了分量的值vector(n) vect=100：定义一个n维且取值为100的列向量行向量对象rowvector、系数向量对象coeff 类似7．矩阵matrix mat ：定义一个行和列均为1取值为0的矩阵matrix （m,n ） mat ：定义一个行和列分别为m ，n 取值为0的矩阵 matr.Fill 1 2 3 4 5 9 8 7 6 5，┅默认按列输入数据matrix （m,n ） mat=5：定义一个行和列分别为m ，n 取值为5的矩阵 matrix （m,n ） mat=5*matr ：定义和matr 同维但取值为5倍的矩阵8．常用命令：1）Cov x y ：cov(,)()()/i i x y x x y y n =--∑协方差矩阵。

Cor x y ：co (,)()()i i r x y x x y y =--∑相关矩阵。

2）plot x y ：出现趋势分析图，观察两个变量的变化趋势或是否存在异常值。

双击图形可改变显示格式。

3）scat x y ：观察变量间相关程度、相关类型（线性、非线性）。

仅显示两个变量。

如果有多个变量，可以选取每个自变量和因变量两两观察，虽然得到切面图，但对函数形式选择有参考价值。

4）排序：在workfile 窗口，执行主菜单上的procs/sort series ，可选择升序或降序：Sort x ：则y 随之移动，即不破坏对应关系。

sort(d) x ：按降序排序，注意所有的其它变量值都会随之相应移动。

5）取样 smpl 1 11 smpl 1990 2000smpl @all ：重新定义数据范围，如果修改过，现在改回。

6）追加记录，扩展样本：Expand 2001 2007 6）“'”后面的东西不执行，仅仅解释程序语句。

7）Jarque-Bera 统计量: 22(3)46N k JB S K -⎡⎤=+-⎣⎦，用于检验变量是否服从正态分布。

在变量服从正态分布的原假设下，JB 统计量服从自由度为2的卡方分布。

如果JB 统计量大于卡方分布的临界值，或对应概率值较小，则拒绝该变量服从正态分布的假设（where S is the skewness, K is the kurtosis, and k represents the number of estimated coefficients used to create the series ）9. 回归结果 与 变量表示：VariableCoefficientStd. Error t-StatisticProb.变量 系数估计值 系数标准差:小好 T 检验值:大好 概率（越小越好）C -103.171717172 98.4059798473-1.04842934679 0.3250794560460ˆβ 0ˆS β=ˆ00ˆ/t S ββ= @coefs(1)或c(1) @stderrs(1) @tstats(1)X 0.77701010101 0.0424850982476 18.2890032755 8.2174494e-081ˆβ 1ˆS β=1ˆ11ˆ/t S ββ= R-squared 0.97664149287Mean dependent var1567.4（拟合优度2R ）/ESS TSS =1-(RSS/TSS) :大好 （因变量均值）Y -＝22ˆ()/()i iy y y y --∑∑@R2 @mean(y) Adjusted R-squared 0.973721679478 S.D. dependent var 714.1444（调优）1-(/(1))/(/(1))RSS t k TSS n ---:大好 （Y @RBAR2 @sqr(@var(y)*n/(n-1))，var(y)2()/i Y Y n =-∑@sddep （被解释变量的标准差）S.E. of regression115.767020478 Akaike info criterion 12.5178932/(2)ie n -=∑115.7670^2=13402 赤池信息准则 22(1)ln i e k AIC n n ⎛⎫+=+ ⎪ ⎪⎝⎭∑ （回归标准差）μσ=@seSum squared resid 107216.024242Schwarz criterion 12.5784099883（残差平方和）2i RSS e =∑ 施瓦兹信息准则21ln ln i e k SC n n n ⎛⎫+=+ ⎪ ⎪⎝⎭∑:小好@sumsq(resid)Log likelihood-60.5894648487 F-statistic334.487640812（对数似然估计值） （总体F 检验值）:大好/1/(2)ESS F RSS n =-＝2859.544＝@FDurbin-Watson stat3.12031968783 Prob(F-statistic) 0.0000（D-W 检验值） （ F 检验概率）:小好21221()ni i i nii e e d e-==-=∑∑=@DW@REGOBS ：返回观察值的个数7。