eviews操作和eviews相关问题

附录：Eviews4软件简介：eviews是美国QMS公司研制的TSP软件的windows版本。 （一）软件特点： 1．具有windows操作风格。 2．采用了面向对象的软件 设计 领导形象设计圆作业设计ao工艺污水处理厂设计附属工程施工组织设计清扫机器人结构设计 思想：将计量 分析 定性数据统计分析pdf销售业绩分析模板建筑结构震害分析销售进度分析表京东商城竞争战略分析 的基本元素（序列、数据、矩阵等）和分析结果（方程、图形、系统等）都视为对象。 3．具有灵活的操作方式：（1）菜单操作：如建立新工作文件file/new/workfile；（2）命令输入create a 1991 1998（中间空格隔开，回车执行；光标寻找以前的命令；单击命令窗口就可输入新命令）；（3）程序运行：选择file/new/program。Create a 1991 1998回车；data x y回车。点击run就可以执行。 4．反映了计量经济学的最新研究成果。 （二）软件的基本操作对象 1．工作文件（workfile） 工作文件是用户使用软件处理数据时存贮在内存中的信息，包括操作过程中建立的所有命名对象。工作文件可以视为基本“工作平台”，可存放各种操作对象，如序列、数组、方程、图像等。 启动软件之后，必须首先创建一个新的工作文件，或者从磁盘加载在一个工作文件到内存，这样eviews才允许用户进行下一步的数据处理工作，退出eviews之前，一般也要将工作文件存贮到磁盘上，否则包含在工作文件中的所有对象将丢失。 2．序列（series） 即变量，可以为时间序列（年、半年、季、月、非正常周、每周5天的周、天） a annual：Create a 1952 2000，出现1952，1953。 s semi-annual：Create s 1952 1960，出现1952：1，1952：2。 q quarterly：Create q 1951：1 1952：3，出现1951：1（2，3，4）。 m monthly：Create m 1952：01 1954：11,1952：01…1952：12。 w weekly: Create w 03：03（day）：2004 2005：出现3/03/04，3/10/04，…，自动认为第一天为周一，和正常的周不同。 d daily (5 day week):Create d 3/03/2004 2005：出现3/03/04，3/04/04，3/05/04，3/08/04…，和日历上周末一致，自动跳过周末。 7 daily (7 day week):Create 7 3/03/2004 2005：出现3/03/04，3/04/04，3/05/04，3/06/04，3/07/04，3/08/04…，相当于天。 u undated: Create u 1 33：出现1，2，…33。 例workfile macro1 q 1965:1 1995:4或create lzn34 q 1965:1 1995:4。 系统自动生成两个序列：存放参数估计值c和残差resid。 3．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。 4．图形（graph） 图形类型主要有：折线图、相关图、柱形图、圆饼图等。在图形窗口可以直接定义图例、比例尺度、刻度线、标题等图形参数。 5．方程（equation） 在方程窗口中可以直接确认样本区间、参数估计方法、方程中的变量及其函数形式等内容，还可以直接进行残差分析、稳定性分析、计量经济检验、预测模拟等分析。 （三）几个常用命令(对于命令和变量名，不区分大小写) 启动软件后，应首先设置缺省路径：options/file locations/current data path。这样可以将数据保存在缺省路径下，路径最好使用英文。 1．create lzn34 q 1965:1 1995:4；菜单：file/new/workfile 创建工作文件：若无数据库：file/new/workfile…，输入数据或使用命令create，然后使用data；若有word表格数据或excel数据，直接粘贴；若有数据eviews，用load调入。 2．Data x y：出现数组窗口，变量值按列排列，新变量缺省值为NA，可以输入数据。如果有数据也可以更改数据。修改之后，工作文件中相应变化的变量值随之发生变化。 数组窗口可以直接关闭，关闭后系统问是否删除数组，可以选择Yes，因为工作文件中已保留了有关变量的数组。 在工作文件窗口可以双击显示变量x的值，显示多个变量，可以用鼠标拖动选中后，右击选中as group打开。 菜单方式：主菜单上quick/empty group，首先建立空组，然后再用方向键将光标移到每一列的顶部的obs栏之后，输入各个变量名如x，y。 3．Genr 变量名＝表达式 genr lnx=log(x);genr Dx=D(x); genr x1=1/x; genr x2=x^2; genr t=@trend(0)返回时间序列，1，2等; genr hx=x*(x>=1000)；genr x＝1。 （1）表达式表示方式：可以含有>,<,<>,=,<=,>=,and(若x、y均＝1，则x and y取1),or。 （2）简单函数： D(X):X的一阶差分：如x＝1，3，5，7，执行GENR Y=D(X)后观察Y可知Y＝NA，2，2，2。 ，故 不存在。 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 excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载 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： ；@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和序列Y的乘积和 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。 P24实例2.1.1：某社区家庭收入X＝800，对应561、594、627、638四个家庭可支配收入值，已知X＝800时，得到条件概率P(Y=561|X=800)=1/4，可得E(Y|X=800)= (561+594+627+638)/4=605。 800 1100 1400 1700 2000 2300 2600 2900 3200 3500 561 638 869 1023 1254 1408 1650 1969 2090 2299 594 748 913 1100 1309 1452 1738 1991 2134 2321 627 814 924 1144 1364 1551 1749 2046 2178 2530 638 847 979 1155 1397 1595 1804 2068 2266 2629 　 935 1012 1210 1408 1650 1848 2101 2354 2860 　 968 1045 1243 1474 1672 1881 2189 2486 2871 　 　 1078 1254 1496 1683 1925 2233 2552 　 　 　 1122 1298 1496 1716 1969 2244 2585 　 　 　 1155 1331 1562 1749 2013 2299 2640 　 　 　 1188 1364 1573 1771 2035 2310 　 　 　 　 1210 1408 1606 1804 2101 　 　 　 　 　 　 1430 1650 1870 2112 　 　 　 　 　 　 1485 1716 1947 2200 　 　 　 　 　 　 　 　 2002 　 　 　 　 2420 4950 11495 16445 19305 23870 25025 21450 21285 15510 4 6 11 13 13 14 13 10 9 　 6 605 825 1045 1265 1485 1705 1925 2145 2365 2585 1．计算表格中数据：将数据拷贝到excel中，2420=SUM(A3:A16)，拖动填充柄求其他列的和；统计非零数据个数：4==COUNT(A3:A16)，；拖动填充柄统计其他列的非零数据的个数；求均值605=A17/A18，或605=AVERAGE(A3:A16)，再拖动填充柄求其他列的均值。 2．用excel画出25页图2.1.1即条件分布图：选中源数据区域（要包括平均值行），选择画出图形类型——散点图，选择序列产生在行，输入X、Y和图表的标题，不显示图例，X的刻度的最小值选择500，最大值选择4000，主要刻度选择500；Y的刻度类似选择，就能调整得和教材中的图形一致。如何画出教材中的直线：点击图形中相关的图形序列，如果属于605均值一行，就鼠标右击添加趋势线，这样的图形和教材中的非常一致。 如何用eviews作出上图呢？可惜eviews4在一个窗口中只能提供最多10个散点图。而eviews5可以解决这个问题：就上面表格中的数据，第一行起名为x，下面依次为x2-x15，最后一行起名为y，打开按x、x2-x15、y顺序打开一个group，在group窗口中点击view/graph/scatter/simple scatter，出现了右图，修改最后的x、y散点图，加上line。 3．总体回归函数的计算过程 X 800 1100 1400 1700 2000 2300 2600 2900 3200 3500 605 825 1045 1265 1485 1705 1925 2145 2365 2585 Eviews中，create u 10，data x y，选择transpose，复制粘贴数据，ls y c x，得到Y = 18.33333333 + 0.7333333333*X。 图形输出：执行完上述过程的ls y c x之后，接着点击主菜单中的quick/graph/scatter，出现的窗口出输入x y，见到散点图，调整就可以得到了右图。 4．28页样本回归函数和图形的作法 X教材错 800 1100 1400 1700 2000 2300 2600 2900 3200 3500 Y 594 638 1122 1155 1408 1595 1969 2078 2585 2530 仿照3.中的过程输出方程和作图。Y = -103.1717172 + 0.777010101*X。 5．29页图形的作法：用excel作出。 X教材错 800 1100 1400 1700 2000 2300 2600 2900 3200 3500 Y 594 638 1122 1155 1408 1595 1969 2078 2585 2530 Z 605 825 1045 1265 1485 1705 1925 2145 2365 2585 6．35页计算过程详解 X教材错 800 1100 1400 1700 2000 2300 2600 2900 3200 3500 Y 594 638 1122 1155 1408 1595 1969 2078 2585 2530 Dependent Variable: Y Method: Least Squares Date: 03/17/06 Time: 12:54 Sample: 1 10 Included observations: 10 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 实际显著水平(双侧检验) @coefs(1)或c(1) @stderrs(1) @tstats(1) X 0.77701010101 0.0424850982476 18.2890032755 8.2174494e-08 时拒绝 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 租赁准则应用指南下载租赁准则应用指南下载租赁准则应用指南下载租赁准则应用指南下载租赁准则应用指南下载 （回归标准差） 修正的拟合优度、AIC、SC准则类似：小好 =@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） 时拒绝 :小好 =@DW(判定是 否存在一阶自相关) 于是回归方程为： -103.171717172+0.77701010101 @REGOBS：返回观察值的个数7。 @ncoef：估计系数总个数2。 问题：prob的含义 t-Statistic Prob. T检验值 概率（越小越好） c：-1.048429 0.3251 x：18.28900 0.0000 （ ） 第一类错误：原假设H0符合实际情况，而检验结果把它否定了，这称为弃真假设。第二类错误：原假设H0不符合实际情况，而检验结果把它肯定下来了，这称为取伪假设。 有了 值，一方面不需要从t分布表查临界值，只要取 >p，一般t就显著，使t检验更加方便；另一方面也可以知道拒绝原假设H0： 的最低显著水平，如p＝0.06时即最低显著水平应取0.06，但若主观地将显著水平取为0.05<0.06，则认为对x犯第一类错误的概率极大。所以p值使t检验更加客观、灵活。 总体Y = 18.33333333 + 0.7333333333*X。样本Y = -103.1717172 + 0.777010101*X。 真实总体截距的p＝0.3521值却比较大，故犯第一类错误的概率很大，但不注重截距项。 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)。 7．拟合优度的计算，42页实例： = EMBED Equation.DSMT4 =0.976641=@R2。 ＝0.973722（k＝1，符合 ）=@RBAR2。 X教材错 800 1100 1400 1700 2000 2300 2600 2900 3200 3500 Y 594 638 1122 1155 1408 1595 1969 2078 2585 2530 8．变量的显著性检验：软件不能直接计算。 44页实例： ， ，计算得到的 =c(2)/@stderrs(2)=@tstats(2) ，故有95％的把握说 不为0。 9．参数 的置信区间的计算：软件不能直接计算。 ＝0.042， ＝0.01，查表得 ＝3.355， 。 Std. Error 98.40598 0.042485 =0.777 3.355*0.042=（0.636，0.918）。 如何利用eviews计算上面的值呢？=0.777010+3.355*0.042485＝0.919547175，=0.777010-3.355*0.042485＝0.634472825。或者这样计算 下限：=c(2)-3.355*@stderrs(2) 上限：=c(2)+3.355*@stderrs(2) 10．48页总体条件均值区间估计的计算：软件不能直接计算。 利用 -103.171717172+0.77701010101 ，将 代入解得， -103.171717172+0.77701010101 ＝673.84， EMBED Equation.DSMT4 ， EMBED Equation.DSMT4 （这样写才合理吧？） ， ， ＝0.05，查表得 ＝2.306。 =673.84 2.306*61.05=（533.0587，814.6213）。 , 。 下限： =c(1)+c(2)*1000-2.306*@se*@sqr(1/@OBS(X)+(1000-@mean(x))^2/@sumsq(x-@mean(x)))＝ 533.05352 上限： =c(1)+c(2)*1000+2.306*@se*@sqr(1/@OBS(X)+(1000-@mean(x))^2/@sumsq(x-@mean(x)))＝814.6232 故总体条件均值 的预测值Y0的置信区间：（533.05，814.62）。 11．48页总体个别均值 的预测值的置信区间的计算：软件不能直接计算 在 时的个别值 ， ＝0.05，查表得 ＝2.306。 = =130.88 = 简单方法： （1）ls y c x，使得内存中存在方程 -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）。 12．几个常用命令：（1）Cov x y： 协方差矩阵。Cor x 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。 13．descriptive stats（描述统计）：将“2003上海股市每股收益描述统计用”改名为字母或者数字，用eviews打开，双击meigushouyi03，然后在meigushouyi03的变量窗口选择view/descriptive stats，可以得到meigushouyi03的各个数字特征：均值mean、中位数median、最大值max、最小值min、反映变量离散程度的无偏标准差std.Dev= 、偏态系数（S: ，s为标准差）和峰态系数（K: ，s为标准差）。对于对称分布，S＝0；S>0表明存在右偏态因为有少数变量值很大,使曲线右侧尾部拖得很长,故又称右偏态（SH左偏态）；对于正态分布，K＝3，当K>3时，分布比较陡峭（SH分布陡峭））、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，用于检验是否服从正态分布。还看到histogram频率直方图。 （右图例中：x取值1000-1500的有两个，所以直方图较高；偏态系数S＝0.00偏态不明显, 峰态系数K<=1.78<3与正态分布相比比较平缓）。 14．预测问题： X教材错 800 1100 1400 1700 2000 2300 2600 2900 3200 3500 Y 594 638 1122 1155 1408 1595 1969 2078 2585 2530 （易45页）首先执行load ; ls y c x ; 在方程窗口点击才procs/forecast，eviews将产生一个新的对话框，点击确定后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，图形右边的附表提供了一系列对模型的评价指标，从上依次为：①预测变量名yf；②原变量名y；③样本区间1-10；④包括10个样本点；⑤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：验证=@sqr(@sumsq(yf-y)/ @OBS(X))=103.5452；⑥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：验证=@sum(@abs(yf-y))/@OBS(X)=93.32121；⑦常用的相对指标MAPE平均绝对百分误差 ，验证=@sum(@abs(yf-y)*100/y)/@OBS(X)=7.414055 结果不对？但改正为genr y1=@sum(@abs(yf-y)*100/y)/@OBS(X)=7.414055，可以看到结果没有问题（原因：通常是因为此结果返回一个序列，而非返回一个标量scalar）。若MAPE的值小于10，则认为预测精度较高；⑧希尔不等系数： ，验证=@sqr(@sumsq(yf-y)/@OBS(X))/(@sqr(@sumsq(yf)/ @OBS(X))+@sqr(@sumsq(y)/@OBS(X)))=0.030348，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；⑨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 EMBED Equation.DSMT4 。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。 本例预测结果：平均绝对百分误差MAPE=7.414055<10、希尔不等系数=0.030348非常小、CP值较大（BP、VP较小），说明预测精度好。 注意：对大型数据库操作时，需要一些特殊的命令（如处理上海股市所有股票的数据时）： 1．拷贝数据：当数据库里面非数据类型而是诸如“ － ”时，无法正常拷贝，只能拷贝到出现“ - ”之前的数据。所以，对20050418收盘的上海股市股票进行了删除：删除了当日没有开盘的股票和2004年收益没有公布的股票。 2．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（升序）、Sort(d) x（降序）：则y随之移动，即不破坏对应关系。 3．在workfile窗口，可以使用选择菜单上的sample，出现窗口，下面的条件处，可以选择待处理数据所满足的条件：如zuixin<=5；zuixin<=5 or zuoxin>=10；zuixin>=10 and shouyi04>-0.5；liutonygu/zongguben>=0.5；liutonygu/zongguben<=0.9 or liutonygu/zongguben>=0.1等，这样可以处理相关数据。然后计算ls zuixin c meigushouyi04，可以观察不同的估计结果。要灵活运用。 4．由于大型数据库你有一定的想法，但是很难控制，可以采用程序解决。注意：按F1终止程序。 首先load shanghaigushi20050418，然后就可执行程序。 程序1：将股票按04年收益按降序排列，然后定义smpl 1 10，smpl 1 11，…，查看收益较好的股票拟合优度较高的smpl值。 然后拷贝下面程序执行即可： smpl @all ' ：重新定义数据范围，如果修改过，现在改回。“'”后面的语句不执行，仅仅解释程序语句。 sort(d) meigushouyi04 '：按04年每股收益按降序排序，注意所有的其它变量值都会随之相应移动。 matrix(10,1) b ' ：定义一个矩阵b（10，1）。 !R=0 ':变量前面要加！。 for !i=10 to 591 step 1 ' ：步长为1；变量前面要加！。 smpl 1 !i ‘此句可改为smpl !i !i+11，上句的591改为580:发现92-102线性关系拟合优度＝0.676最大。 ls zuixin c meigushouyi04 '：执行最小二乘法。 if @R2>!R then ' ：若R2>R，执行endif前语句。若否，不执行。 !R=@R2 output a ' ：输出结果到文件。 b.fill @!i, @r2,@ssr,@coefs(1),@tstats(1),@coefs(2),@tstats(2),@rbar2,@f,@dw ' ：填写i和RSS等到矩阵b当中。 endif ' ：中止IF。 !s=0 ' ：下面目的是执行加法计算，可以起到延迟时间的作用。 for !j=1 to 1 ' ：想延迟时间长，to 1改为to 10000；不延迟改为1。 !s=!s+!j ' ：累加。 next ' ：上面第二个FOR的中止。 Next ' ：上面第一个FOR的中止。 smpl @all 计算结果：591只股票拟合优度＝0.452744最高。 如将“sort(d) meigushouyi04”改为“sort(a) meigushouyi04”，重新计算得到同样的结果。 程序2：只需将smpl 1 !i改为smpl !i !i+11，上句的591改为580。即程序如下： smpl @all ' ：重新定义数据范围，如果修改过，现在改回。“'”后面的语句不执行，仅仅解释程序语句。 sort(d) meigushouyi04 '：按04年每股收益按降序排序，注意所有的其它变量值都会随之相应移动。 matrix(10,1) b ' ：定义一个矩阵b（10，1）。 !R=0 ':变量前面要加！。 for !i=10 to 580 step 1 ' ：步长为1；变量前面要加！。 smpl !i !i+11 ls zuixin c meigushouyi04 '：执行最小二乘法。 if @R2>!R then ' ：若R2>R，执行endif前语句。若否，不执行。 !R=@R2 output a ' ：输出结果到文件。 b.fill @!i, @r2,@ssr,@coefs(1),@tstats(1),@coefs(2),@tstats(2),@rbar2,@f,@dw ' ：填写i和RSS等到矩阵b当中。 endif ' ：中止IF。 !s=0 ' ：下面目的是执行加法计算，可以起到延迟时间的作用。 for !j=1 to 1 ' ：想延迟时间长，to 1改为to 10000；不延迟改为1。 !s=!s+!j ' ：累加。 next ' ：上面第二个FOR的中止。 Next ' ：上面第一个FOR的中止。 smpl @all 发现92-103线性关系拟合优度＝0.676最大。 再将程序2中的a改为d即将收益按降序排列，结果：157-168线性关系拟合优度=0.70为最大。 上面两个程序说明：绩优拟合不好、线性关系不明显，绩差的也是如此。所以投资绩优、绩差股都有较大风险，可能有较大收益。 程序3：计算流通股占总股本的比例，将此比例按降序排列，然后定义smpl 1 10，smpl 1 11，…，查看流通股占总股本比例较高的股票拟合优度较高的smpl值。 smpl @all ' ：重新定义数据范围，如果修改过，现在改回。'后面的东西不执行，仅仅解释程序语句。 matrix(10,1) b ' ：定义一个矩阵b（10，1）。 genr liutongbili=liutonygu/zongguben '：计算流通股占总股本的比例序列。 sort(d) liutongbili '：将流通股占总股本的比例按降序排序，注意所有的其它变量值都会随之相应移动。 !R=0 ':变量前面要加！。 for !i=10 to 591 step 1 ' ：步长为1；变量前面要加！。 smpl 1 !i ls zuixin c meigushouyi04 '：执行最小二乘法。 if @R2>!R then ' ：若R2>R，执行endif前语句。若否，不执行。 !R=@R2 output a ' ：输出结果到文件。 b.fill @!i, @r2,@ssr,@coefs(1),@tstats(1),@coefs(2),@tstats(2),@rbar2,@f,@dw ' ：填写i和RSS等到矩阵b当中。 endif ' ：中止IF。 !s=0 ' ：下面目的是执行加法计算，可以起到延迟时间的作用。 for !j=1 to 1 ' ：想延迟时间长，to 1改为to 10000；不延迟改为1。 !s=!s+!j ' ：累加。 next ' ：上面第二个FOR的中止。 Next ' ：上面第一个FOR的中止。 smpl @all 结果发现：前31只股票放在一起拟合优度最大为0.600599。 程序4：计算流通股占总股本的比例，将此比例按升序排列，然后定义smpl 1 10，smpl 1 11，…，查看流通股占总股本比例较低的股票拟合优度较高的smpl值。 只需将sort(d) liutongbili修改为sort(a) liutongbili即可。 结果发现：前327只股票放在一起拟合优度最大为0.489711。 说明流通股占总股本比例较小的、较大的拟合优度较高，相对来说股价与每股收益拟合较好，线性关系较好，因果关系显著。说明投资风险相对较小，股价能够较好地反映股票的收益。国有股减持的重点应当放在中间的股票上，流通股比例居中的股票由于任何一方不占有绝对优势，往往导致股权不甚清晰、不明了，股价不能正确反映其收益情况。因此，国家应当在一些行业上保持一定的控股，同时也应放弃一些行业的控股地位，这将利于股市的平稳运行。327>31（但拟合优度反之）说明什么问题呢？ 例2.5.1 （49页） 年份 人均居民消费支出：Y 人均GDP：X 1978 395.8 675.1 1979 437 716.9 1980 464.1 763.7 1981 501.9 792.4 1982 533.5 851.1 1983 572.8 931.4 1984 635.6 1059.2 1985 716 1185.2 1986 746.5 1269.6 1987 788.3 1393.6 1988 836.4 1527 1989 779.7 1565.9 1990 797.1 1602.3 1991 861.4 1727.2 1992 966.6 1949.8 1993 1048.6 2187.9 1994 1108.7 2436.1 1995 1213.1 2663.7 1996 1322.8 2889.1 1997 1380.9 3111.9 1998 1460.6 3323.1 1999 1564.4 3529.3 2000 1690.8 3789.7 模型设为： ，即人均消费额除了受到当期收入的影响，还受到上期人均消费额的影响。 能否建立一个程序，直接实现参数估计、参数的区间估计、计算Y的点预测值、对Y进行个别预测值的区间估计和Y的均值的区间估计？下面的程序一一实现了上述目的。 对于任意一个二元模型，对下面程序中的红字部分作出适当修改即可实现上述目的。 workfile consume a 78 00 series(23) x series(23) y y.fill 395.8,437,464.1,501.9,533.5,572.8,635.6,716,746.5,788.3,836.4,779.7,797.1,861.4,966.6,1048.6,1108.7,1213.1,1322.8,1380.9,1460.6,1564.4,1690.8 '注意数据之间用逗号隔开，数据之间不能有回车。 x.fill 675.1,716.9,763.7,792.4,851.1,931.4,1059.2,1185.2,1269.6,1393.6,1527,1565.9,1602.3,1727.2,1949.8,2187.9,2436.1,2663.7,2889.1,3111.9,3323.1,3529.3,3789.7 '注意数据之间用逗号隔开，数据之间不能有回车。 genr y1=y(-1) smpl 79 00 ls y c x y1 genr b1down=c(2)-2.093*@stderrs(2) '得到b1区间估计下限值， ，以下同。 genr b1up=c(2)+2.093*@stderrs(2) '得到b1区间估计的上限值 matrix(1,3) x0 x0.fill 1,4033.1,1690.8 '充数据给x0，数据可以根据情况修改。 matrix bj=c matrix(3,1) bj Matrix(1,1) y0j=x0*bj '计算y的预测值y0 series(22) i=1 '定义恒等于1的序列，形成X的第一列 group xx i x y1 '将三个序列合成一向量组xx（序列组xx），即 的各列 matrix xxx=@convert(xx) 'convert将group转化为矩阵即形成了eviews的矩阵 ，仍为22×3阶 Matrix xpxn=@inverse(@transpose(xxx)*xxx) '得到 matrix xxxx=x0*xpxn*@transpose(x0) '定义xxxx为 matrix(1,1) s1=@sqr(xxxx(1,1)) '定义s1＝ matrix(1,1) s2=@sqr(1+xxxx(1,1)) '定义s2＝ matrix(1,1) Eydown=c(1)* x0(1,1)+ c(2)* x0(1,2) + c(3)* x0(1,3)-2.093*@se*s1(1,1) '得到E（Y0）区间估计的下限值 matrix(1,1) Eyup=c(1)* x0(1,1)+ c(2)* x0(1,2) + c(3)* x0(1,3)+2.093*@se*s1(1,1) '得到E（Y0）区间估计的上限值 matrix(1,1) ydown=c(1)* x0(1,1)+ c(2)* x0(1,2) + c(3)* x0(1,3)-2.093*@se*s2(1,1) '得到Y0区间估计的下限值 matrix(1,1) yup=c(1)* x0(1,1)+ c(2)* x0(1,2) + c(3)* x0(1,3)+2.093*@se*s2(1,1) '得到E（Y0）区间估计的上限值 双击工作文件菜单中的序列c即可看到参数估计结果；双击序列b1down和b1up即可看到参数的区间估计的下限和上限值；双击序列y0j即可看到y的个别预测值的计算结果；双击序列ydown和yup即可看到个别预测值的区间估计的下限和上限值；双击序列eydown和eyup即可看到Y的均值的区间估计的下限和上限值。 一个二元模型非常轻松地得到了所需要的结果，大大地提高了计算效率。 � EMBED Excel.Chart.8 \s ��� � EMBED Excel.Chart.8 \s ��� � EMBED Equation.DSMT4 ��� PAGE 24页例2.1.1的详细eviews操作-27 _1204118498.unknown _1204187428.unknown _1204399442.xls Chart3 561 594 627 638 800 800 800 800 800 800 800 800 800 800 638 748 814 847 935 968 1100 1100 1100 1100 1100 1100 1100 1100 869 913 924 979 1012 1045 1078 1122 1155 1188 1210 1400 1400 1400 1023 1100 1144 1155 1210 1243 1254 1298 1331 1364 1408 1430 1485 1700 1254 1309 1364 1397 1408 1474 1496 1496 1562 1573 1606 1650 1716 2000 1408 1452 1551 1595 1650 1672 1683 1716 1749 1771 1804 1870 1947 2002 1650 1738 1749 1804 1848 1881 1925 1969 2013 2035 2101 2112 2200 2600 1969 1991 2046 2068 2101 2189 2233 2244 2299 2310 2900 2900 2900 2900 2090 2134 2178 2266 2354 2486 2552 2585 2640 3200 3200 3200 3200 3200 每月消费支出（元） 每月可支配收入（元） 不同可支配收入水平组家庭消费支出的条件分布图 Sheet1 每月家庭可支配收入X 800 1100 1400 1700 2000 2300 2600 2900 3200 3500 每月家庭消费支出Y 561 638 869 1023 1254 1408 1650 1969 2090 2299 594 748 913 1100 1309 1452 1738 1991 2134 2321 627 814 924 1144 1364 1551 1749 2046 2178 2530 638 847 979 1155 1397 1595 1804 2068 2266 2629 935 1012 1210 1408 1650 1848 2101 2354 2860 968 1045 1243 1474 1672 1881 2189 2486 2871 1078 1254 1496 1683 1925 2233 2552 1122 1298 1496 1716 1969 2244 2585 1155 1331 1562 1749 2013 2299 2640 1188 1364 1573 1771 2035 2310 1210 1408 1606 1804 2101 1430 1650 1870 2112 1485 1716 1947 2200 2002 2420 4950 11495 16445 19305 23870 25025 21450 21285 15510 4 6 11 13 13 14 13 10 9 6 605 825 1045 1265 1485 1705 1925 2145 2365 2585 Sheet1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 每月消费支出（元） 每月可支配收入（元） 不同可支配收入水平组家庭消费支出的条件分布图 Sheet2 800 561 594 627 638 2420 4 605 1100 638 748 814 847 935 968 4950 6 825 1400 869 913 924 979 1012 1045 1078 1122 1155 1188 1210 11495 11 1045 1700 1023 1100 1144 1155 1210 1243 1254 1298 1331 1364 1408 1430 1485 16445 13 1265 2000 1254 1309 1364 1397 1408 1474 1496 1496 1562 1573 1606 1650 1716 19305 13 1485 2300 1408 1452 1551 1595 1650 1672 1683