EViews 11概述：强大的分析工具

与其他计量经济学软件相比，Eviews并不需要大多数用户去学习复杂的命令语言。它的内置程序只需点击鼠标，即可提供在实际经济计量和预测工作中最常用的工具。

基本统计分析

Eviews支持广泛的基本统计分析方法，包括从简单的描述性统计到参数和非参数假设检验的所有内容。

通过基于一个或多个变量的分类，或通过面板或汇总数据中的横截面或周期，可以快速轻松地计算整个样本的基本描述性统计数据。可以对平均值、中位数和方差进行假设检验，包括针对特定值的检验、序列间相等性的检验，或者在通过其他变量进行分类时测试单个序列中的相等性（允许执行单向方差分析）。协方差和因子分析的工具允许您检查变量之间的关系。

您可以使用直方图、理论分布、核密度或累积分布、生存分析图以及分位数图来可视化数据的分布。QQ图（分位数-分位数图）可用于比较一对数列的分布，或单个数列的分布以及各种理论分布。

您甚至能够执行Kolmogorov-Smirnov, Liliefors, Cramer von Mises, 和 Anderson-Darling 检验来查看序列是否是正态分布的,或者是否是来自其它的分布，如指数、极值、logistic、卡方、韦布尔（Weibull）伽马（gamma）分布。

Eviews还使用普通回归、变换回归、核回归和最近邻回归来生成带有曲线拟合的散点图。

气泡图允许您使用第三个系列来确定散点图中点的大小。

时间序列统计和工具

使用从简单的自相关图到频率滤波器，再到Q统计到单位根检验等工具，来探索数据的时间序列属性。

Eviews提供自相关和部分自相关函数、Q统计和互相关函数，以及单位根检验（用于单时间序列的ADF、Phillips-Perron, KPSS, DFGLS, ERS,或 Ng-Perron，以及用于面板数据的Levin-Lin-Chu、Breitung、Im-Pesaran-Shin、fisher或Hadri，以及断点单位根检验和季节单位根检验）、协整检验（带有MacKinnon-Haug-Michelis关键值和p值），Pedroni、Kao或的Fisher的面板数据）、因果关系和独立性检验。

Eviews还为美国人口普查局的X-13季节性调整计划和美国劳工统计局的每周MoveReg数据提供易于使用的前端支持程序。STL分解法为任何频率数据提供季节性调整，Eviews还支持使用加法型和乘法型的差分法进行简单的季节性调整。

Eviews使用使用Hodrick-Prescott Baxter-King，Christiano-Fitzgerald固定长度Christiano-Fitzgerald不对称全样本带通(brand-pass)(频率)滤波器来计算时间序列数据的趋势和周期。

面板数据和汇总数据的统计与工具

Eviews具有多种工具，旨在方便使用面板或汇总/时间序列-横截面数据。定义面板数据结构时，几乎不限制横截面或组的数量，也不限制组中周期或观察的数量。日期或未注明日期、平衡或不平衡、常规或不规则的频率面板数据集均在Eviews框架内被自然处理。

数据结构工具有助于将数据从堆叠（面板）格式转换为未堆叠（汇总）格式，然后再转换回来。智能链接、自动序列和数据提取工具允许您轻松地对数据进行切片、匹配合并、频率转换以及汇总。

对基本纵向数据分析的支持范围从方便的按组和按周期统计、检验和绘图到复杂的面板单位根（Levin-Lin-Chu、Breitung、Im-Pesaran-Shin或fisher）和协整诊断（Pedroni（2004）、Pedroni（1999）和Kao或Fisher类型检验）。

用于显示面板数据图的专用工具允许您查看堆叠、单独或汇总的数据显示。在单个图形框架或单个框架中显示每个图形的折线图。或者显示跨横截面收集的面板数据的汇总统计数据，包括均值（或中位数）和标准偏差（或分位数）。

单方程估计

Eviews允许您从一整套基本的单方程估计中进行选择，包括：普通和非线性最小二乘法（多元回归）、加权最小二乘法、两阶段最小二乘法（工具变量）、分位数回归（包括最小绝对偏差估计）和逐步线性回归。所有这些技术都可以使用权重估计。规范可以包括在任意数量的自变量上的多项式滞后结构.

对于时间序列分析，Eviews估计ARMA和ARMAX模型以及各种RCH规范。结可以使用状态空间对象来估计结构时间序列模型。

除了这些基本估计量之外，Eviews还支持各种高级模型的估计和诊断。

广义矩估计（GMM）

Eviews支持横截面和时间序列数据（单方程和多方程）的GMM估计。权重选项包括横截面数据的White协方差矩阵和时间序列数据的各种HAC协方差矩阵。HAC选项包括prewhitening、各种核函数，以及固定、Andrews或Newey-West带宽选择方法。您可以使用迭代过程或连续更新过程来估计GMM方程。此外，还可以对GMM方程进行后估计诊断，包括弱仪器统计。

ARCH模型

如果序列的方差随时间而波动，Eviews可以使用各种自回归条件异方差（ARCH）模型来估计方差的路径。Eviews处理GARCH(p,q)、EGARCH(p,q)、TARCH(p,q)、PARCH(p,q)和组件GARCH规范，并提供遵循正态分布、学生T或广义误差分布的误差的极大似然估计。ARCH模型均值估计可以包括ARCH和ARMA条件,所有的均值和方差估计允许外生变量.

有限应变量

Eviews还支持对一系列有限性相关变量模型的估计。二元、有序、截尾和截断模型都可以基于正态、logistic和极值误差来估计似然函数。计数模型可以使用泊松分布、负二项式分布和准最大似然（QML）规范。Heckman选择模型提供两步法估计或MLE估计。Eviews可以选择报告广义线性模型或QML标准错误。

其他的估计方法

Eviews还提供了稳健最小二乘法、弹性网、岭回归、lasso、函数系数、逐步回归、MIDAS（混合频率）以及阈值模型的估计。

面板和汇总时间序列—横截面

Eviews提供各种面板数据的估计方法。除了一般的线性和非线性最小二乘法外，方程估计方法还包括2SLS / IV和广义2SLS / IV，以及GMM，它们可用于估算复杂的动态面板数据参数（包括Anderson-Hsiao和Arellano-Bond类型） 估算法）。

大多数方法允许同时考虑时间和横截面的固定以及随机效果的设定。对于随机效应模型，分量方差的二次无偏估计包括Swamy-Arora、Wallace-Hussain和Wansbeek-Kapteyn。

还支持AR设定（转换后定义的任何效果）、加权最小二乘法和似不相关的回归法。在集中数据中，特定变量（包括AR项）的系数能被约束为相同的，或者允许在横截面上不同。

系统估计

使用系统对象指定和估计方程组

Eviews还提供了分析方程组的强大工具。您可以使用Eviews来通过OLS、两阶段最小二乘法、似无关回归法、三阶段最小二乘法、GMM和FIML法来进行线性和非线性方程组估计。系统可以包含交叉方程式约束和任意顺序的自回归误差。

向量自回归模型/纠错模型

通过Eviews可以轻松地估计向量自回归模型、贝叶斯VAR模型、混合频率VAR模型、马尔可夫开关VAR模型和矢量误差修正模型。估计后，您可以查看VAR或VEC的脉冲响应函数和方差分解。VAR脉冲响应函数和分解具有通过分析或蒙特卡罗方法（分析不适用于分解）计算的标准误差，并可以用多种图形和表格方式显示。

您可以对协整关系或调整系数上强制进行线性约束检验。Eviews的VAR模型还允许您通过施加短期（Sims 1986）或长期（Blanchard和Quah 1989）约束或或两者都施加来评估结构化因子分解(VARs)。过度识别限制可以使用由EViews生成的LR统计量来检验.

VARs支持各种视图，允许您检查估计参数的结构。只需点击几下鼠标，您就可以显示特征AR多项式的反根，执行Granger因果关系和联合滞后排除检验，评估各种滞后长度标准，查看相关图和自相关图，或执行各种基于多变量残差的诊断。

多变量ARCH

多变量ARCH可用于建模多个时间序列的时变方差和协方差。许多流行的ARCH模型，如常数条件相关模型（CCC）、对角VECH模型和对角BEKK模型等都将被提供。均值和方差方程中允许有外生变量；非线性和AR项可以包含在均值方程中。假设误差分布为多元正态或学生t。此外，Bollerslev-Wooldridge也提供强大的标准误差。估计模型后，用户就可以很容易地以表格或图形格式生成样本内方差、协方差或相关系数。

状态空间模型

状态空间对象允许使用卡尔曼滤波算法（Kalman Filter）估计各种单方程和多方程的动态时间序列模型。除此之外，还可以使用状态空间对象来估计随机和时变的系数模型以及ARMA模型的规范。

先进的过程和视图使您能够通过强大的过滤工具和平滑工具，以便您可以提前一步去浏览（或生成）过滤或平滑的信号、状态或错误。Eviews的内置预测程序还为使用n步提前或平滑预测值的样本内和样本外预测提供了易于使用的工具。

用户指定的最大似然值

对于自定义分析，Eviews易于使用的似然对象允许估计用户指定的最大似然值模型。您只需提供简单的Eviews标准表达式来描述样本中每个观测的对数似然贡献值，并设置系数起始值，Eviews将完成剩余的工作。