eviews_基本命令-经管之家官网！

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.fill1, 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.Fill1 2 3 4 59 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）Covxy： 协方差矩阵。

Corx y： 相关矩阵。

2）plotxy：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）scatxy：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：Sortx：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 smpl1 11 smpl19902000

smpl @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 20012007

6）“'”后面的东西不执行，仅仅解释程序语句。

7）Jarque-Bera统计量: ，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：

Variable Coefficient Std. Error t-Statistic Prob.

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 0.325079456046

@coefs(1)或c(1) @stderrs(1) @tstats(1)

X 0.77701010101 0.0424850982476 18.2890032755 8.2174494e-08

R-squared 0.97664149287 Mean dependent var 1567.4

（拟合优度 ） =1-(RSS/TSS) :大好（因变量均值）

＝ @R2 @mean(y)

Adjusted R-squared 0.973721679478 S.D. dependent var 714.1444

（调优）1- :大好 （Y标准差） 9

@RBAR2 @sqr(@var(y)*n/(n-1))，var(y)

@sddep（被解释变量的标准差）

S.E. of regression 115.767020478 Akaike info criterion 12.517893

115.7670^2=13402 赤池信息准则

（回归标准差）

=@se

Sum squared resid 107216.024242 Schwarz criterion 12.5784099883

（残差平方和） 施瓦兹信息准则 :小好

@sumsq(resid)

Log likelihood -60.5894648487 F-statistic 334.487640812

（对数似然估计值） （总体F检验值）:大好

＝2859.544＝@F

Durbin-Watson stat 3.12031968783 Prob(F-statistic) 0.0000

（D-W检验值） （ F检验概率）:小好

=@DW

@REGOBS：返回观察值的个数7。

@ncoef：估计系数总个数2。

注意：系数项可这样计算：

genr b1=@cross(x-@mean(x),y-@mean(y))/@sumsq(x-@mean(x))

@cross计算交叉乘积和，@mean计算均值，@sumsq计算平方和。

genr b0=@mean(y)-b1*@mean(x)。

10. 置信区间估计：

变量的显著性检验：

=c(2)/@stderrs(2)=@tstats(2)

参数 的置信区间的计算：

＝0.01， ＝3.355，

下限：=c(2)-3.355*@stderrs(2)

上限：=c(2)+3.355*@stderrs(2)

总体个别均值 的预测值的置信区间的计算(总体条件均值 类似)：

1）ls y c x，使内存中存在方程 -103.171717172+0.77701010101

2）假设 ＝1000，

下限：=c(1)+c(2)*1000-

2.306*@se*@sqr(1+1/@OBS(X)+(1000-@mean(x))^2/@sumsq(x-@mean(x)))＝372.03

上限：=c(1)+c(2)*1000+

2.306*@se*@sqr(1+1/@OBS(X)+(1000-@mean(x))^2/@sumsq(x-@mean(x)))＝975.65

故总体个别均值 的预测值的置信区间为：（372.03，975.65）。

11．预测问题：生成一个以原因变量y名+f的y的预测值yf，实际上，yf＝ ；同时还得到一张预测图形：图中实线是因变量y的预测值，上下两条虚线给出的是近似95％的置信区间。

1) 绝对指标RMSE均方根误差 ，其大小取决于因变量的绝对数值和预测值；

2) 绝对指标MAE平均绝对误差 ，其大小取决于因变量的绝对数值和预测值；

3) 常用的相对指标MAPE平均绝对百分误差 ；

若MAPE的值小于10，则认为预测精度较高；

4) 希尔不等系数： ，希尔不等系数总是介于0-1之间，数值越小，表明拟合值和真实值间的差异越小，预测精度越高；5) 均方误差MPE可分解为

其中 是预测值 的均值， 是实际序列的均值， 分别是预测值和实际值的标准差，r是它们的相关系数，于是可定义偏差率、方差率和协变率三个相互联系的指标，其取值范围都在0-1之间，并且这三项指标之和等于1，计算公式是：偏差率 （OLS中 ，故BP＝0）、方差率 、协变率 。BP反映了预测值均值和实际值均值间的差异，VP反映它们标准差的差异，CP则衡量了剩余的误差。当预测比较理想时，均方误差大多数集中在协变率CP上，其余两项较小。若有多种曲线形式可供选择，则应选择其中均方误差最小者为宜。

Functions that return scalar values:

@r2 R-squared statistic

@rbar2 adjusted R-squared statistic

@sestandard error of the regression

@ssr sum of squared residuals

@dwDurbin-Watson statistic

@fF-statistic

@logl value of the log-likelihood function

@aic Akaike information criterion

@scSchwarz information criterion

@jstat scalar containing the J-statistic (for GMM)

@regobs number of observations in regression

@meandep mean of the dependent variable

@sddep standard deviation of the dependent variable

@ncoef total number of estimated coefficients

@coefs(i) coefficient i, where i is given by the order in which the coefficients appear in the representations view

@stderrs(i) standard error for coefficient i

@tstats(i) t-statistic value for coefficient i

@cov(i,j) covariance of coefficients i and j

Functions that return vector or matrix objects:

@coefs vector of coefficient values

@stderrs vector of standard errors for the coefficients

@tstats vector of ratios of coefficients to standard errors

@covmatrix containing the coefficient covariance matrix

For example:

series y = eq1.@dw

vector tstats = eq1.@tstats

matrix mycov = eq1.@cov

scalar pvalue = 1-@cnorm(@abs(eq1.@tstats(4)))

scalar var1 = eq1.@covariance(1,1)

「经管之家」APP：经管人学习、答疑、交友，就上经管之家！
免流量费下载资料----在经管之家app可以下载论坛上的所有资源，并且不额外收取下载高峰期的论坛币。
涵盖所有经管领域的优秀内容----覆盖经济、管理、金融投资、计量统计、数据分析、国贸、财会等专业的学习宝库，各类资料应有尽有。
来自五湖四海的经管达人----已经有上千万的经管人来到这里，你可以找到任何学科方向、有共同话题的朋友。
经管之家（原人大经济论坛），跨越高校的围墙，带你走进经管知识的新世界。
扫描下方二维码下载并注册APP