ＥViews软件操作曾康华编一、建立工作文件打开ＥViews主窗口；从ＥViews主菜单中点击File键，选择Ｎew→Workfile，则打开一个Workfile Range选择框，其中需做三项选择：①Work；②Start date；③End date 。
根据数据的性质做①Work；②Start date；③End date各项选择。
点击OK键。
这时会建立一个尚未命名的工作文件（Work）。
点击name键（起名，保存）。
二、关闭工作文件从ＥViews三、打开工作文件双击ＥViews标识，从主窗口，点击→Workfile→工作文件名（工作文件名字符不得超过１６个）。
四、输入数据从主窗口，点击Quick→Empty Group→用手工输入数据。
输入好数据后，对时间序列数据name （起名）→save（保存）。
也可从Ecxel中把数据粘贴到Empty Group，name→save。
注意：如果输入数据错误，如何该？从Ｅviews主菜单中点击Edit键。
五、用公式生成新序列从主窗口，点击Quick→Generate Series→输入计算公式。
最常用运算符号：加（+），减（-），乘（*），除（/），乘方（^），X的一阶差分（D（X），即X-X（-1）），对X取自然对数（log（X）），对X取自然对数后做一阶差分D(log（X）），下面是@函数及其含义：@SUM（X）——序列X的和@MEAN（X）——序列X的均值@ V AR（X）——序列X的方差@ SUMSQ（X）——序列X的平方和@ COV（X，Y）——序列X和序列Y协方差@ COR（X，Y）——序列X和序列Y@ R2——R2统计量@RBA R2——调整的R2统计量@ SE——回归函数的标准误差@ F——F统计量@ MOV A V（X，n）——序列X的n期移动平均，其中n为整数六、改变工作文件区间从主窗口，点击proc→structure/Resize Current Page→改变区间。
七、把各序列放到一起方法一：从主窗口，点击Object→New Object→Group→输入序列名→OK→name→save。
方法二：从工作文件窗口，左键单击某一序列→按住电脑左下方Ctrl键不松→再依次左键单击另外序列→按鼠标右键→as Group→name→save。
八、单序列（X）的直方图和描述统计量左键双击打开序列（X）→View→Descriptive statistic→Histogram and stats九、多序列描述统计量左键双击打开序列组（Group）→View→Descriptive statistic→Common stats十、序列的折线图左键双击打开序列（X）→Graph→line→OK十一、序列Ｙ和Ｘ的散点图从ＥViews主窗口，点击Quick键，选择Graph功能，这时将弹出一个对话框，要求输入图画所用的变量名。
对于画散点图来说，应该输入两个变量。
这里因为要画x，y的散点图，所以输入x，y。
点击OK键，会得到对话框，从Graph Type选项中选Scatter Diagram，然后按OK键，得到散点图。
如要改变x，y横纵轴的位置，改变x，y顺序即可。
十二、进行OLS回归（以双变量回归模型为例）从ＥViews主窗口，点击Quick→点击Estimate Equation功能。
弹出一个对话框。
在Equation Specification选择框中输入y c x或者y=c（1）＋c（2）*x。
在Estimate Setting选择框中自动给出缺省选择LS估计法和样本区间。
点击OK 键，即可得到回归结果。
然后name→save。
十三、预测操作：（1）打开工作文件（WorkFile），从主窗口→Procs→structure/Resize Current Page→改变区间。
在打开的扩展范围选择框中分别输入预测区间。
（2）编辑变量X的数据（用鼠标右键激活），输入X的实际值。
（3）在回归模型估计结果显示窗口的命令行中，单击Forecast，打开预测窗口，预测结果变量的缺省选择为YF，选择静态预测，点击OK。
在工作文件窗口，就会显示YF。
（4）主窗口→Quick→Graph，打开作图对话框输入Y FY，选择Line Graph，Singe Scale。
十四、显示残差图在回归模型估计结果显示窗口的命令行中，单击resids即可。
十五、自相关练习的操作指令（以双变量回归模型为例）操作：（1）用OLS方法估计模型的参数。
从ＥViews主窗口，点击Quick→点击Estimate Equation功能。
弹出一个对话框。
在Equation Specification 选择框中输入y c x 或者y=c （1）＋c （2）*x 。
在Estimate Setting 选择框中自动给出缺省选择LS 估计法和样本区间。
点击OK 键，即可得到回归结果。
然后name →save 。
（2）检验自相关①图示法。
由OLS 估计结果，得到残差resid ，并把残差resid 转换成E ，即从主窗口→Quick →Generate Series →生成序列（E=resid ）。
再从从主窗口→Quick →Graph ，在图形对话框中键入E E （-1），再单击Scatter Diogram ，得到散点图。
②DW 检验。
由OLS 估计结果，得到DW ，给定显著性水平α，查DW 统计表，n 表示样本观测值的个数，k 是解释变量的个数，得到DW 统计量的下限临界值d l 和d u ，再根据DW 检验的判断法则，进行判断。
（3）自相关的修正①根据DW 统计量，利用公式ρ^=1-DW/2，计算ρ^。
②对Y 序列作广义差分。
点击Quick →Generate Series →输入计算公式（DY=Y-ρ^Y （-1））。
③对X 序列作广义差分。
点击Quick →Generate Series →输入计算公式（DX=X-ρ^X （-1））。
（4）再用OLS 方法估计模型的参数。
从ＥViews 主窗口，点击Quick →点击Estimate Equation 功能。
弹出一个对话框。
在Equation Specification 选择框中输入dy c dx 或者dy=c （1）＋c （2）*dx 。
在Estimate Setting 选择框中自动给出缺省选择LS 估计法和样本区间。
点击OK ，即可得到回归结果。
然后name →save 。
（5）再进行DW 检验。
（6）消除了自相关的模型即为所求模型。
十六、异方差练习的操作指令（以双变量回归模型为例）操作：（1）用OLS 方法估计模型的参数。
（2）异方差检验。
①图示法。
从Equation →resid ，得到残差图。
还可把resid 变换为e ，再作e 与序列x 的散点图。
②G-Q 检验。
从主窗口→点击Procs →Sort Current page →yes ，出现排序对话框后，键入x ，选升序（ascending ），单击OK 。
假定样本数据为n ，去掉中间c （n/4）个数据，然后分成两组数据，分别做两个回归，得到两个残差平方和。
构造F 统计量，取显著性水平0.05，查F 分布表，得到F 临界值，如果F 统计量大于F 临界值，则存在异方差。
（3）异方差的修正。
用加权最小二乘法，具体操作：在工作文件单击方程标识，打开回归方程，在方程窗口单击Estimate →Options →Weighted LS/TSLS →Weight （输入权数）→OK（4）为了分析异方差的校正情况，利用WLS 估计出模型以后，还需要利用怀特检验再次判断模型是否存在异方差性。
具体操作：在方程窗口单击View →Residual Test →White Heteroskedasticity 。
（5）取显著性水平0.05，查)2(2χ，n 为辅助方程解释变量的个数，如果nR 2<)2(2χ,则修正后的方程不存在异方差。
十七、多重共线性练习的操作指令操作：（1）运用OLS 法对方程估计参数。
从ＥViews 主窗口，点击Quick →点击Estimate Equation 功能。
（2）做F 检验，由方程得到F 统计量，在给定显著性水平0.05下，查F 0.05（k ，n-k-1），这里k 为变量出个数，n 为样本点数。
如果F 0.05（k ，n-k-1）<F 统计量。
则表明从整体上看，被解释变量和解释变量之间线性关系显著。
（3）检验。
先计算被解释变量和解释变量之间的相关系数，ＥViews 操作如下：在主窗口→点击Quick →Group Statistics →Correlation →Series Line （输入被解释变量和解释变量）→OK ，判断解释变量之间的相关程度。
（4）多重共线性的修正（逐步回归法）。
运用OLS 方法逐一求Y （被解释变量）对各个解释变量的回归，结合经济意义和统计检验选出拟合效果最好的双变量回归方程为基础，在此基础上，再添加其他解释变量，直到选出最佳的回归模型。
十八、有限分布滞后模型练习的操作指令设定模型：u x x x x x x Y t t t t t t t t a ++++++=-----+55443322110ββββββ操作：建立Workfile ，从ＥViews 主窗口，点击Quick →点击Estimate Equation 功能。
弹出一个对话框。
在Equation Specification 选择框中输入Y c x x （-1） x （-2）x （-3）x （-4）x （-5），点击OK 。
或者在Equation Specification 选择框中输入Y c x （0 to -5）。
十九、多项式分布滞后模型的阿尔蒙估计法（Almon method of Polynomizl Distributed Log Models ）（一）阿尔蒙估计法（1）设定模型：。
