eviews11

　　eviews11提供数据分析和图表统计功能，在软件创建项目就可以执行数据分析，支持数据处理、作图、统计分析、回归建模分析、预测、时间序列ARIMA分析等多种类型功能，为用户分析数据提供很多方法，您可以在软件选择基本数据分析、 定制输出、 扩展意见、 基本单方程分析、 高级单方程分析、 高级单变量分析、 多方程分析、 面板和汇总数据、 高级多元分析、 增强的电子表格编辑等功能处理数据，可以在软件建立数据组，“组”记录了组对象的视图和过程，组是系列（和系列等效对象）的集合，构成了各种多元图形显示和数据分析的基础，支持使用shapefile绘制地理地图的地理对象，图形数据可以显示系列和组对象中数据的图形视图，分类图可以显示使用系列或组中的数据子集形成的分类图的构造，这里小编推荐的是eviews11，需要就下载吧！

新版功能

　　EViews 11的新功能

　　EViews 11具有许多激动人心的更改和改进。以下是版本11中最重要的新功能的概述。

　　请注意，在某些情况下，条目会出现在多个部分中，否则可能会被感兴趣的人忽略。

　　通用EViews界面

　　•命令浏览器

　　•名称和命令自动完成

　　•基于值的电子表格和地理图着色

　　•用于显示地理地图的“地理地图”对象

　　•程序错误行号报告

　　数据处理

　　•经济分析局数据支持

　　•美国人口普查数据支持

　　•国家海洋和大气管理局数据支持

　　•重复分析

　　•新的分割观测值从高到低频转换方法（“分割观测值频率转换”）。

　　计量经济学与统计

　　估算值

　　•改进的贝叶斯VAR

　　•混合频率VAR

　　•切换VAR

　　•弹性网和LASSO

　　•功能系数和局部回归

　　•其他估计量的群集鲁棒标准误差

　　测试与诊断

　　“估计”中列出的估算器均提供了各种特定于估算器的视图以进行测试和诊断。此外，EViews 11还提供：

　　•季节性单位根测试

　　外部介面

　　•Python编程语言支持

　　其他特性

　　•用于系列生成的新功能

　　•新的多元分布函数支持

　　•添加了矩阵语言工具

　　•新的对象数据成员

　　•新的或更新的全局命令列表

　　•新的或更新的对象命令列表

软件特色

　　•“对象视图和过程参考”列出了与每个对象关联的所有视图和过程。

　　•“对象命令摘要”提供与每个视图和过程关联的对象的反向列表。

　　•“图形创建命令”记录了专门的对象视图命令，这些命令用于从各种EViews数据对象生成图形视图。图形对象参考中概述了用于自定义图形的命令

　　•“命令参考”列出了基本的EViews辅助（通常不与特定对象关联的命令）和交互式命令。

　　•“特殊表达式参考”描述可以在序列分配和序列生成中使用的特殊表达式，或者用作估计规范中的术语。

　　•“字符串函数摘要”列出了使用字符串的函数。

　　•“日期功能摘要”列出了使用日期数字的功能。

　　•“运算符和函数参考”包括用于形成系列表达式和执行矩阵元素运算的函数和数学运算符的列表。

　　•“ Matrix Language Reference”描述了使用矩阵对象时使用的基本功能和命令。

　　•“编程语言参考”列出了EViews编程和字符串处理中使用的命令，功能和关键字。

　　•“工作文件和信息功能”记录了返回有关工作文件和观察标识符的信息的特殊功能。

　　•“ Valmap函数”描述用于处理价值图的专用功能。

安装方法

　　1、打开EViews11Installer(64-bit).exe软件直接安装，点击下一步

　　2、提示软件的安装协议内容，点击接受

　　3、软件的安装地址C:\Program Files\EViews 11

　　4、提示软件序列号输入界面，输入Demo，名字自己输入

　　5、提示附加的选项，点击next

　　6、软件的快捷方式名字EViews 11

　　7、提示安装准备界面，点击下一步就可以执行安装

　　8、软件开始安装，等待安装结束

　　9、弹出提示内容，点击是

　　10、可以为软件创建桌面图标，点击是

　　11、EViews 11已经安装到电脑，点击完成

　　12、将补丁version.dll、PYG64.dll复制到安装地址就可以软件

　　13、如图所示，现在你可以创建一个新的EViews工作文件、打开一个现有的EViews工作文件、打开一个外部文件（例如Excel）

使用说明

　　信息标准

　　作为大多数回归过程输出的一部分，EViews报告各种信息标准。信息标准通常用作模型选择的指南（例如，参见Grasa 1989）。

　　模型中包含的Kullback-Leibler信息量是与“真实”模型的距离，并通过对数似然函数进行度量。信息标准的概念是提供一种信息量度，以在这种拟合优度量度与模型的简约性说明之间取得平衡。各种信息标准在如何实现这种平衡方面有所不同。

　　以下讨论描述了早期版本用户的EViews 11兼容性问题。

　　工作文件兼容性

　　除少数例外，EViews 11工作文件向后兼容EViews10。请注意，以下对象是新的或已在版本11中进行了修改：

　　•使用采用新功能（弹性网，函数系数，开关VAR，混合频率VAR，贝叶斯VAR，具有新支持的簇鲁棒协方差的估计器）的方法估计的估计对象。

　　•从早期版本的EViews估计的贝叶斯VAR与EViews 11并不完全兼容。仍可以读取具有规范的原始VAR对象，但不会获得关联的结果。

　　如果您保存了包含上述任何对象的工作文件并在较早版本中打开它们，则EViews将删除不兼容的对象并通知您未读取一个或多个对象。如果然后保存工作文件，则将丢失对象。如果您想在早期版本的EViews中使用这些工作文件，我们建议您复制包含这些对象的所有工作文件。

　　其他特性

　　系列生成功能

　　一般功能

　　统计摘要

　　分布函数

　　矩阵函数

　　对象数据成员

　　公式数据成员

　　标量值

　　向量和矩阵

　　地理地图数据成员

　　标量值

　　VAR数据成员

　　向量和矩阵

　　更新的命令列表

　　更新的对象列表

　　阿尔法

　　方程式

　　地理地图

　　组

　　组视图

　　系列

　　VAR

　　Var方法

　　变量视图

　　Var Procs

　　上面没有提到许多其他功能和改进。

　　系列生成功能

　　一般功能

　　生成序列时，还可以使用以下新功能：

　　•@bridge –用NA替换为最近的非NA值的序列

　　•@demean –转换为均值0

　　•@demeanby –转换为每个分组均值为0

　　•@detrend –截距和趋势回归的残差

　　•@dupsid –重复组的标识符

　　•@dupsobs –相应重复组中的观察数

　　•@fracdiff –分数差异

　　•@pctiles –百分位数

　　•@periodtodate –期间至今

　　•@stdize –标准化为均值0和方差1

　　•@stdizep –标准化为均值0和方差1（使用总体方差估计）

　　•@ytd –年至今

　　统计摘要

　　现在，以下先前存在的函数带有一个可选参数。此参数的非零值表示执行操作时要考虑的小数点位数：

　　•@trmean –均值

　　•@intercept –截距和趋势变量的回归截距

　　•@trendcoef –截距和趋势变量的回归斜率

　　分布函数

　　EViews 11引入了分发支持，用于以下方面的随机生成和密度评估：

　　•多元正态

　　•威莎

　　•逆维沙特

　　以及双变量正态的密度和累积分布的函数。

　　对于多元正态，Wishart和逆Wishart分布，基本函数从该分布执行随机抽取，或提供一个点处的分布密度。比例矩阵可以部分或全部对分布进行参数化，可以以几种其他形式提供。

　　矩阵函数

　　除了上面可以应用于矩阵元素的“系列生成函数”功能之外，EViews 11还提供了新的特定于矩阵的函数：

　　•@sweep –执行扫描操作

　　•@rsweep –执行反向扫描操作

　　•@qr –计算QR分解

　　•@seq –创建算术序列

　　•@seqm –创建乘法序列

　　•@colcumprod –列特定的累积产品

　　•@colcumsum –列特定的累积总和

　　•@coldemean –特定于列的行为

　　•@coldetrend –特定于列的趋势

　　•@colpctiles –列特定的百分位数

　　•@colstdize –特定于列的标准化

　　•@colstdizep –使用总体方差估计来特定于列的标准化

　　此外，EViews 10扩展了列函数集，可为矩阵中的每一列生成描述性统计信息。

　　•@ctrmean –特定于列的均值

　　•@cintercept –来自趋势回归的特定于列的截距

　　•@ctrendcoef –来自趋势回归的特定于列的斜率

　　以及产生多元随机法线的新功能和命令

　　•@rmvnorm –返回具有多元正态随机数的矩阵

　　•rmvnorm –用多元正态随机数填充矩阵

　　对象数据成员

　　EViews 11提供了一组扩展的对象数据成员，这些成员可以访问有关对象的信息。

　　公式数据成员

　　标量值

　　@rmse均方根误差。

　　向量和矩阵

　　@lambdacoefs enet lambdas和系数。

　　@lambdasum enet摘要路径。

　　@lambda enet lambda路径。

　　@lambdaerrors enet测量误差均值和标准误差

　　地理地图数据成员

　　标量值

　　@minx地理地图的最小水平位置。

　　@maxx地理地图的最大水平位置。

　　@miny地理地图的最小垂直位置。

　　@maxy地理地图的最大垂直位置。

　　@count地理地图中的区域数。

　　@id（“ attr”，“ val”）具有与指定属性名称匹配的属性值的区域的ID号。

　　字串值

　　@attr（“ arg”）字符串，包含arg属性的值，其中参数指定为带引号的字符串。

　　@description字符串，包含地理对象的描述（如果有）。

　　@detailedtype字符串，对象类型为：“ GEOMAP”。

　　@displayname字符串，其中包含地理地图对象的显示名称。如果未设置地理地图的显示名称，则返回该名称。

　　@name字符串，其中包含地理地图对象的名称。

　　@remarks包含ge的字符串

　　Python连接

　　EViews 11提供了EViews与Python编程语言之间的双向通信。

　　以前，EViews和Pyton之间的通信仅是单向的，因为免费提供的pyeviews包允许您从Python程序调用EViews，但EViews内部不直接支持Python。

　　现在，EViews 11允许您从EViews中使用Python软件包和代码。

　　EViews中的Python

　　EViews 11允许您在EViews中使用Python软件包和代码来改善工作流程。与EViews 10与Matlab®和R的集成类似，借助EViews 11，您可以将EViews数据发送到Python环境中，执行Python函数，然后使用简单的命令将数据取回EViews。

　　EViews支持Python 2（2.7.15版或更高版本）和Python 3（3.6.5版或更高版本）。

　　与Python相关的xopen选项的语法为：

　　xopen（p）

　　要么

　　xopen（类型= p）

　　我们支持以下Python数据类型：

　　清单

　　元组

　　字典

　　numpy.ndarray

　　熊猫系列

　　熊猫。数据框

　　最后三行要求事先安装numpy和pandas Python软件包。

　　因此，与Python相关的xput命令的语法为：

　　xput（ptype = list | tuple | dictionary | ndarray | series | dataframe）

　　来自Python的EView

　　尽管EViews 11中的新python连接允许您从EViews调用python，但我们提醒您，以前存在的pyeviews包允许您从Python调用EViews。与xopen命令类似，一旦启动Python并且加载了pyeviews（在此示例中为evp），您可以使用以下命令打开与EViews的连接：

　　eviewsapp = evp.GetEViewsApp（instance ='new'，showwindow = True）

　　类似于xput命令，可以使用以下命令将数据（在本例中为一系列）从Python传输到EViews：

　　evp.PutPythonAsWF（series，app = eviewsapp，newwf = False）

　　贝叶斯VAR

　　贝叶斯VAR（BVAR）方法（Litterman 1986; Doan，Litterman和Sims 1984; Sims和Zha 1998; Koop和Korobilis 2010; Giannone，Lenza和Primiceri 2014）提供了在VAR模型中施加参数限制的逻辑一致方法。

　　尽管早期版本的EViews为贝叶斯分析提供了一些支持，但贝叶斯VAR已针对EViews 11进行了全面改进，以包含许多新功能。

　　新功能包括：

　　•新的先验条件：独立的Normal-Wishart，以及Giannone Lenze和Primiceri（2012）。

　　•新的选项，包括所有先验的系数和和初始观测值虚拟变量（不仅仅是以前版本中的Sims-Zha）。

　　•用于计算初始协方差矩阵的新选项。

　　贝叶斯（MCMC）预测和冲激响应。

　　对于那些在早期版本的EView中使用贝叶斯VAR的用户，请注意，已删除了对自定义超参数矩阵的支持。

　　混合频率VAR

　　EViews 11现在支持使用Ghysels（2016）中概述的方法使用混合频率的内生变量进行VAR估计。

　　向量自回归（VAR）模型要求VAR中的所有变量具有相同的频率-VAR中的所有变量都是每月一次，或者所有都是每季度一次，等等。在实践中，通常不满足单个频率要求，因为宏观经济研究人员通常拥有变量不同的频率。

　　混合频率估计的传统解决方案使用频率转换方法将高频变量转换为VAR中的最低频率。由于将多个观测值组合到一个数据点中，这种聚合导致信息丢失。

　　在VAR模型中，减轻数据聚合问题的不同方法最近变得很流行。估算这些混合频率VAR的方法分为三大类：

　　•状态空间方法，例如Schorfheide和Song（2013）。

　　•Ghysels（2016）中概述的U-MIDAS方法。

　　•具有多项式权重的MIDAS，Ghysels（2016年）。

　　EViews 11为无限制的MIDAS（U-MIDAS）方法（Ghysels 2016）提供了支持，该方法已扩展为包括古典和贝叶斯VAR技术。

　　要估算ARCH或GARCH模型，请选择“快速/估算方程…”，然后选择“对象/新对象... /方程...”以打开方程指定对话框。从对话框底部的方法下拉菜单中选择ARCH。或者，在命令行中键入关键字arch既创建对象，又设置估计方法。

　　该对话框将更改为向您显示ARCH规范对话框。您将需要同时指定均值和方差指标，误差分布和估计样本。

　　均值方程

　　在因变量编辑框中，应输入均值方程的规格。您可以通过列出因变量后跟回归变量的列表形式输入规范。如果希望包含常量，则应在规范中添加C。如果您具有更复杂的平均规格，则可以使用显式表达式输入平均方程。

　　如果规范中包含ARCH-M术语，则应在对话框右上角的下拉菜单中选择适当的项。您可以选择包括Std。均值方程中的Dev。，Variance或Log（Var）。

　　方差方程

　　下一步是指定方差方程。

　　型号类别

　　要估算上述标准GARCH模型之一，请在“模型”下拉菜单中选择“ GARCH / TARCH”条目。其他条目（EGARCH，PARCH和组件ARCH（1，1））对应于GARCH规范的更复杂的变体。我们将在“其他ARCH模型”中讨论每个模型。

　　在“顺序”部分，您应该选择ARCH和GARCH项的数量。到目前为止，默认值（包括一个ARCH和一个GARCH术语）是最受欢迎的规范。

　　如果要估计不对称模型，则应在“阈值顺序”编辑字段中输入不对称项的数量。默认设置估计阈值顺序为0的对称模型。

　　方差回归器

　　在“方差回归”编辑框中，您可以选择列出要包含在方差规范中的变量。请注意，除IGARCH模型外，EView始终将常量包含为方差回归变量，因此您无需在此列表中添加C。

　　永久回归变量和暂时回归变量之间的区别在“组件GARCH（CGARCH）模型”中讨论。

　　限制条件

　　如果选择GARCH / TARCH模型，则可以通过两种方式限制GARCH模型的参数。一种选择是将“限制”下拉列表设置为IGARCH，以将持久性参数限制为最多一个。另一个是方差目标，将常数项限制为GARCH参数和无条件方差的函数：

　　误差分布

　　要指定错误的条件分布形式，应从``错误分布''下拉菜单中选择一个条目，您可以在默认的正态（高斯），学生的t，广义错误（GED），学生的t之间进行选择。 固定df或具有固定参数的GED。 在后两种情况下，系统将提示您输入固定参数的值。 有关支持的发行版本的详细信息，请参见“发行假设”。

　　估计选项

　　EViews使您可以访问许多可选的估计设置。 只需单击“选项”选项卡，然后根据需要填写对话框。

　　回播

　　默认情况下，初始化MA估计所使用的创新和GARCH项所需的初始方差均使用回溯法进行计算。

　　异方差一致性协方差

　　单击标有“异方差一致性协方差”的复选框，以使用Bollerslev和Wooldridge（1992）所描述的方法来计算准最大似然（QML）协方差和标准误差。仅当您选择条件正态作为误差分布时，此选项才可用。

　　如果您怀疑残差不是有条件地正态分布，则应使用此选项。当条件正态性的假设不成立时，只要正确指定了均值和方差函数，ARCH参数估计仍将保持一致。除非指定此选项，否则协方差矩阵的估计值将不一致，从而导致不正确的标准误差。

　　请注意，如果选择此选项，则参数估计值将保持不变。只有估计的协方差矩阵将被更改。

　　导数方法

　　EViews在估计ARCH模型时同时使用了数值和解析导数。完全解析的导数可用于具有简单均值规格的GARCH（p，q）模型，假定正常或无限制的t分布误差。

　　对于具有ARCH的平均规格，复杂方差方程式规格（例如阈值项，外生方差回归或集成或目标方差限制）的模型，具有某些误差假设（例如GED或固定参数t-t的误差）的模型，解析导数不可用。分布），以及所有非GARCH（p，q）模型（例如EGARCH，PARCH，组件GARCH）。

　　一些规范提供了系数子集的解析导数。例如，具有非常数回归变量的简单GARCH模型允许对方差系数进行解析导数，但对任何非常数回归系数使用数值导数。

　　您可以控制用于计算数值导数的方法，以提高速度（减少功能评估）或提高准确性（增加功能评估）。

　　迭代估计控制

　　ARCH模型的似然函数并非总是表现良好，因此使用默认的估计设置可能无法实现收敛。您可以使用选项对话框来选择迭代算法（Marquardt，BHHH / Gauss-Newton），更改起始值，增加最大迭代次数或调整收敛准则。

　　起始值

　　与其他迭代过程一样，需要起始系数值。 EViews将使用OLS回归均值方程式为ARCH过程提供自己的起始值。使用“选项”对话框，您还可以将起始值设置为OLS起始值的各个分数，或者您可以自己选择“用户指定”选项，然后将所需的系数放置在默认系数向量中来指定这些值。

　　ARCH模型的观点

　　•“表示”视图显示均值和方差规格的估计命令以及估计系数和替代系数方程。

　　•“实际”，“拟合”，“残差”视图以各种形式显示残差，例如表格，图形和标准化残差。您可以使用过程将残差保存为工作文件中的命名序列（请参见“ ARCH模型过程”）。

　　•GARCH图/条件标准偏差和GARCH图/条件方差绘制样本中每个观测值的单步提前标准偏差或方差。期间的观测值是使用中提供的信息进行的预测。您可以使用以下过程将条件标准偏差或方差作为命名系列保存在工作文件中（请参见下文）。如果规范是针对组件模型的，则EViews还将显示永久组件和临时组件。

　　•“协方差矩阵”显示估计的系数协方差矩阵。大多数ARCH模型（除了ARCH-M模型）都是块对角线，因此平均系数和方差系数之间的协方差非常接近零。如果您在平均值方程中包含一个常数，则协方差矩阵中将有两个C。第一个C是均值方程的常数，第二个C是方差方程的常数。

　　•系数诊断为估计的系数生成标准诊断。有关详细信息，请参见“系数诊断”。请注意，在对结果进行准最大似然解释时，似然比测试不适用。

　　•残差诊断/关联图-Q统计量显示标准化残差的关联图（自相关和部分自相关）。该视图可用于测试均值方程中剩余的序列相关性，并检查均值方程的规格。如果正确指定了均值方程，则所有Q统计量均不重要。有关相关图和Q统计量的说明，请参见“相关图”。

　　•残差诊断/相关图平方的残差显示标准化标准化残差的平方的相关图（自相关和部分自相关）。该视图可用于测试方差方程中的剩余ARCH并检查方差方程的规格。如果正确指定了方差方程，则所有Q统计量均不重要。有关相关图和Q统计量的说明，请参见“相关图”。另请参阅残留诊断程序/ ARCH LM测试。

　　•残留诊断/直方图-正态检验显示描述性统计数据和标准化残差的直方图。您可以使用Jarque-Bera统计信息来检验标准化残差是否为正态分布的否。如果标准化残差是正态分布的，则Jarque-Bera统计量应该不重要。有关Jarque-Bera检验的说明，请参见“描述性统计和检验”。例如，来自GARCH（1,1）模型的标准化残差的直方图适合于每日库存收益，如下所示：

　　标准化残差是leptokurtic的，而Jarque-Bera统计量强烈拒绝了正态分布的假设。

　　•残差诊断/ ARCH LM测试执行Lagrange乘数测试，以测试标准化残差是否显示其他ARCH。如果正确指定了方差方程，则标准化残差中不应留有ARCH。有关测试的讨论，请参见“ ARCH LM测试”。另请参阅残差诊断/相关图平方残差。

　　ARCH模型程序

　　各种ARCH方程程序可让您根据估算方程生成结果。这些过程中的某些过程（例如“生成梯度组”和“生成导数组”）的行为与其他方程式相同。其中一些过程具有ARCH特定元素：

　　•预测使用估计的ARCH模型来计算均值，其预测标准误差和条件方差的静态和动态预测。要将这些预测中的任何一个保存在工作文件中，请在相应的对话框中键入一个名称。如果选择“预测图”选项，则EViews会显示预测图和平均预测的两个标准偏差带。

　　请注意，平方残差可能不适用于预采样值或计算动态预测时。在这种情况下，EViews将用其期望值替换该术语。例如，在简单的GARCH（p，q）情况下，残差平方的期望值为拟合方差，例如。在其他模型中，残差项的期望值将根据分布以及在某些情况下模型的估计参数而有所不同。

　　例如，要使用先前估计的模型构建SPX的动态预测，请单击“预测”并填写“预测”对话框，将样本设置为“ 2001m01 @last”，以便在预测期之后立即开始动态预测。取消选中“预测评估”复选框，然后单击“确定”以显示预测结果。

　　将这些结果显示在两列中将很有用。右键单击，然后选择“位置和对齐图...”，为“列数”输入“ 2”，然后选择“自动间距”。单击确定以显示重新排列的图形：

　　第一张图是带有两个标准偏差带的均值方程对SPX（SPXF）的预测。 第二个图是条件方差的预测。

　　•“制作残差序列”将残差保存为工作文件中的命名序列。 您可以选择保存普通残差或标准化残差。 残差将被命名为RESID1，RESID2，依此类推； 您可以使用“系列”窗口中的“名称”按钮重命名系列。

　　•Make GARCH Variance Series ...将条件差异保存为工作文件中的命名序列。 您应该为目标条件方差系列提供一个名称，并且，如果相关的话，您可以为永久组件系列提供一个名称。 您可以取条件方差系列的平方根来获取“视图/ GARCH图/条件标准偏差”所显示的条件标准差。