EViews编程地各种表达语言

.15.1.3样本区间〔sample〕515.1.4序列〔series〕515.1.5数组〔group〕715.1.7数值映射〔Valmap〕8.1矩阵、对称矩阵、向量、标量10测值或残差序列27定义书签。15.5.4系统估计结果中统计量／序列的提取29.件表显示44515.8.9固定效应的显著性检验、随机效应Hausman检验4678EViews不仅提供了方便快捷的交互式窗口操作方式而目提供了强大的程序语句.借助这些程序语言,可以更快捷地完成许多任务.本章介绍EViews对多种对象的根底操作命令,在计量经济模型分析中常用的运算指令以与根底程序语句.在阅读本章之前,首先需要说明三点：1〕本章所介绍的命令主要以EViews3.1版本为根底,同时对EViews3.1以后的更新版本新增的命令也给以充分的介绍,但高版本的新增命令与功能在较低版本中一般不能运行.2〕学习编程入门知识的一个较好的方法是根据我们提供的案例进展实践操作.为了便了读者阅读,本章案例所提供的命令语言或程序均用CourierNew字体显示.关于命令语言的文字说明,统一加括号＜＞表示.3〕在本章的举例中凡带有〔file：……〕标志的,意说着该例子可以用数据文件〔file：……〕练习操作.该数据文件可以.hzbook.免费下载..15.1EViews根本操作命令简介EViews中所有的数据分析都必须在一个工作文件中进展,因此首先需要建立一个工作文件,然后在此根底上根据研究的不同目的建立各种工作对象进展分析.EViews中根本的工作对象包括：序列r在这些工作对象中,序列〔series〕和方程〔equation〕是最根本的,也是应用最多的两种.在这一节我们将重点介绍对工作文件和几个根本工作对象以与数据读取的根底操作命令.对工作文件的操作1．建立工作文件命令格式如下：wfcreate日期wfcreate〔选项〕时间频率选项起始日期终止日期截面个数Wf=＜为工作文件命名＞Page=＜为工作文件的文件页命名＞时间频率选项包括a／s／q／m／w／d／7／U.＜a表示年度数据,S表示半年度数据,q表示季度数＞明.例〔2〕：wfcreate<wf=myfile,page=page1>m1980m12000m12＜建立一个名字为myfile的工作＞例〔3〕：wfcreate<wf=myfile,page=page1>q1990q12005q420＜建立一个名字myfile的工作文件,并在这一文件中建立名为"Page1〞的工作页,数据为面板数据,时间跨度为1990年第一季度至20052．保存工作文件命令格式：wfsave保存的位置\保存的文件名3关闭已存在的工作文件5．激活工作文件如果有多个工作文件同时打开,那么所有操作只是对处于激活状态的文件起作用,激活某个工作文.件可以使用如下命令,为便于操作,Eviews5.X版本在一个工作文件中设定了多个页〔Page〕,因此,用户在创建工作文件时需要同时创建工作页,工作页的建立可以采用如下命令.1．创建工作文件时创建工作页Wf=＜工作文件的名称.＞Page=＜工作页的名称.＞2．在现有工作文件中创建新的工作页Page=＜工作页的名称.＞3．将其他工作页的工作对象添加到当前工作页命令格式：Pageappend〔选项〕工作文件名称\工作页名称[需要添加的工作对象]选项包括smpl=smpl_space＜设定样本区间,默认为"all〞.＞allobj＜添加所有的工作对象.＞match＜只添加名称一样的工作对象.＞sufix=arg＜为添加的工作对象设置后缀,默认为"_a〞,这样可以防止将目标工作页中名称胡同的工作对象覆盖.＞pageselectpage1pageappend<smpl=〞1998m12000m12〞>page2x*＜将Page2中的以x开头的所有工作对象在区需要注意的是,使用pageappend将取消当前工作页的日期结构.因此,使用此命令后必须利用pagestruct命令恢复原来的日期结构.4．删除工作页的局部样本注：只是对当前处于活动状态的工作页起作用.5．工作页的复制＜将当前工作页的局部或全部工作对象复制到当前工作文件的其他工作页,或复制到其他工作文件.＞选项包括smpl＝＜设定需要复制的样本区间,默认为"a11〞.＞pwf＝＜目标工作文件.＞page＝＜目标工作页.＞例〔1〕Pagecopy<wf＝newwf,page＝pagel>＜将当前工作页的所有工作对象全部复制到新的工作例〔2〕pagecopy<page=newpage>Y*＜将当前工作页中所有以y开头的工作对象复制到当前工作6．工作页的删除.7．工作页的调入命令格式：pageload路径\工作文件名作页的重命名9．工作页的保存10．工作页的激活EViews在打开一个工作文件时,其所包含的多个工作页都同时打开,但要对其中的某个工作页进展操作,必须首先使其处于活动状态.激活命令为：命令格式1：pageselect需要激活的工作页名称命令格式2：wfselect工作文件名称\工作页名称11．构建工作页的结构＜把某个工作文件的结构应用到当前的工作页.＞定的结构可以通过〔选项〕中的设定加以覆盖；也可以用*表示所有的对象.None＜取消现有的工作文件结构.＞〔unstructed/undated〕.＞Start那么EViews将默认为"first〞.＞EndEViews认为"last〞.＞balance=m〞,EViews自动参加观测值,分别使得每个截面的起始日期一样、使得每个截面的终止日期一样、使得每个截面的起始和终止日期一样.＞dropbad＜如果日期指数序列包含不规如此的日期,将其删除.＞例pagestruct<start=first-12,end=last+5>"expand〞或"range〞命令来改变工作文件的区间,EViews5.0、EWews5.1以后的版本中可以使用pagestruct述操作.equationeq01＜建立方程eq01.＞t对工作对象的操作方式有四种：do、freeze、show、和print.Do令＞Freeze＜生成表格＞Print＜打印处于激活状态的对象＞Show＜显示对象＞oequation.lsycx表示对方程y＝c<1>＋c<2>*x＋u用最小二乘法回归,此命令等同于do下面对几个根本工作对象逐一进展介绍.样本区间〔sample〕如果只想对整个区间中的某局部样本进展操作,这时需要首先建立样本区间.建立样本区间句注2：sample只是设定样本区间对象,操作命令仍然针对整个工作区间,如要在样本区间内进展操作,注：如果没有满足条件的观测值,那么在样本区间内的操作不起任何作用.如：samplemyspifx>9andx<6＜建立样本区间mysp＞seriesy=trend<>＜建立时间趋势序列y＞结果将显示y中所有数据均为Na.几个特殊命令first＜第一个观测值.＞last最后一个观测值.＞all＜整个工作区间＞＞重新设定样本区间命令格式：样本区间名.set新的起始日期新的终止日期If条件语句4序列〔series〕EViews中,序列代表一个变量的一组观测值,可以是时间序列数据〔规如此的或不规如此的〕,也可以是截面数据...生成新序列成新序列命令格式2：genr序列名称＝表达式＜利用公式创建序列.＞命令格式3：frml序列名称＝表达式＜利用公式创建自动更新的序列.〕2．序列数据的填充命令格式：序列名.fill数据3．通过已有的序列生成新序列计新方程时,resid的数值会自动更新.自动生成新的序列EViews中设定了一些特殊变量的生成命令,下面逐一介绍.1．时间趋势变量imedseriestimetrend01>＜生成序列time,1981年第一季度为0,1980年第四季度为－meobsnumtime3．季节虚拟变量4．季节变量＞5．其他虚拟变量定义符合条件的样本区间,然后给虚拟变量赋值.orkSmplall＜恢复整个样本区间.＞.注：虚拟变量除了在回归模型中直接作为解释变量〔如分段回归模型〕或被解释变量〔如定性响应模型〕之外,还可以用做定义样本区间,请看下面的例子.暖用煤的影响,每年第4季度的销售量大大高于其他季度,因此,在回归模型中需要参加季节虚拟变量以如果要单独观察每个季度的回归模型结果,那么需要首先将每个季度定义为样本区间.比如考察第1SmplIfdum1＝提取序列中的某一个元素workseriesx=trend<>＜建立时间趋势序列X＞scalars=elem<x,〞1981:4〞>＜提取序列x在1998年第4季度的元素,并存放在标量s序列的数学运算数据满足数学运算的条件,那么数学运算公式都可以直接用于序列运算如sum〔x〕、mean〔x〕.更多的运算规如此可参见第二局部函数运算一节中关于时间序列函数的说明.up几个序列共同构成一个数组.在数组内可以进展序列的协整检验、格兰杰因果关系检验等多种计量分析,也可以进展多元统计分析〔如主成分分析等〕.更详细的介绍请参见后面时各种计量模型的分析.建立数组通过下面的命令实现.往数组中添加序列命令格式：数组名.add序列名例:groupmacrogdpinvest从数组中删除序列例:groupmacrogdpinvestcons数组的其他几个常用操作命令obs＜观测值个数〔不包括缺失值〕＞count＜序列的个数＞minobs＜样本中最少观测值的个数＞maxobs＜样本中最多观测值的个数＞Alpha序列用于存放字符型变量.agenrz=<x+y>/2＜z的值是固定的,除非重新赋予其新的数值＞salphabrandBrand<1>=〞CokeClassic〞Brand<2>=〞PepsiCoke〞数值映射〔Valmap〕数值映射〔简称为映射〕是为序列或alpha序列建立描述性的标签,以对其内容进展更详细的描述.比如,定义性别这一虚拟变量如下：gender＝1,如果为女士；gender=0,如果为男士.对其进展简单的统计描述,输入EViews命令gender.freq.输出结果如表ValueValueCountPercentCumulativeCountCumulativePercent02742741252526Total526526再比如,建立面板数据时,需要输入多个截面标示符,这时一般用简写来表示.比如Unitedstates表示为US,Japan表示为JPN等.为了查阅方便,也需要建立映射来直观地表现每个标示符所代表的含义.valmap赋值.＞为映射赋值命令格式：映射名称.append内容map_gender.append1femalemap_gender.append0malemap_state.appendChinamap_state.appendjpnJapan这时,重新观察其根本描述指标〔Gender.freq〕得到的输出结果如表15－2.ValueCountMale274PercentCumulativeCount4CumulativePercent..FemaleTotal2526526526工作文件,可用read命令来完成.其中,对于纯文本文件的选项有t＜按行读入数据,否如此按列读取数据＞表示将字母视作分隔符,custom＝表示自己设定一个符号当做分隔符.＞mult＜将多个分隔符视作一个＞name＜文件中的序列名＞label＜标题名与数据相隔的行数＞t＜按照行读入数据,否如此按列读取数据＞如果原文件中有序列名,那么可以直接用整数n来表示需要读入的序列的个数,而不用写序列的名字,读入的序列直接以原文件的序列名命名.仍然以原序列的名称命名＞如果需要将数据读入系数向量、矩阵或面板中,可以用：对象种类read命令.xx＜不带有变量名不带有日期＞xx＜带有变量名不带有日期＞xx＜带有变量名带有日期＞mat.write<t=xls,a2>"〞EViews对面板数据的读取与写入请参见"面板数据〞一节.其他工作对象在后面的各章节中予以更详细的介绍.比如,矩阵〔marix〕、对称矩阵〔sym〕、向量〔vector〕、行向量〔rowvecor〕、系数向量〔coef〕和标员〔scalar〕在"矩阵与函数运算〞,方程模型〞中予以介绍.向量自回归〔var〕在"时间序列模型〞一节中予以介绍,状态空间〔sspace}在"状.2．将当前工作文件中的工作对象存入数据库中d=＜存入数据库的名称＞o＜如果数据库中已经存在同名的工作对象,那么将其覆盖＞g=＜存入数组时的设定方法.g=s：将数组和其中的序列分别存放；g=t：将数组的定义和序列作3．从数据库中提取工作对象到当前的工作文件中d=＜提取的数据库的名称＞etchdmacrodatagbmacrodata15.2矩阵与函数运算矩阵、对称矩阵、向量、标量建立矩阵、对称矩阵、列向量、行向量、系数向量、标量mscalar标量名＜建立标量.＞向量／矩阵元素的输入第一种方法：逐个输入元素mat<1,1>=1mat<1,2>=2mat<2,1>=3mat<2,2>=4其他形式对象的元素输入与此一样.bc＜按列输入＞循环输入元素＞例:mat.fill<b=r>1,2,3,4＜按行输入.＞mat.fill<b=c>1,3,2,4＜按列输入.＞这两个命令得到的矩阵一样.Matfilll如果矩阵／向量的元素为常数,如此用如下命令：如果个成单位矩阵,可以用下面的命令完成根本运算表15－3xrrx矩阵中放入一列〔行〕元素matplacemmmnmm位置为mat<m,n>.＞矩阵中提取一列〔行〕元素tp..matrixmat=subextracl<matrix／vector,m1,n1,m2,n2>vectorver=vec<matrix>＜将所有列叠加成一列,现在为mxn行的列向量.＞vectorvecvechmatrixmatrix的下三角元素〔包括对角线〕排成一列＞mat.fill1,2,3,4,5,6,7,8,9,10,11,12＜按列逐个输入数据.＞vectorvecc＜建立列向量vecc＞wvectorvecrvecrvecrfi,19＜输入vecr中的数据＞showmat序列〔组〕与向量〔矩阵〕的转换1．序列／数组转换成向量／矩阵注：如果序列中存在NA,如此生成的向量或矩阵中忽略此值.如果想在矩阵／向量中保存NA,那么需stomna<series／group,vector／matrix,smpl〕＜将样本区间内的序列／数组转换为向量／矩阵,转换后的向量／矩阵中保存原序列／数组中的NA.＞2．向量／矩阵与序列／数组的相互转化组对应的样本区间内＞pl入到向量／矩阵.＞seriesx1=trend<>＜生成时间趋势变量x1＞seriesx=year＜生成时间变色x2,取值为对应的年份＞seriesx3=quarterly＜生成时间变量x3,取值为对应的季度.＞samplemysp11990:031991:02＜设定样本区间mysp1＞samplemysp21992:011992:04＜设定样本区间mysp2＞矩阵的重复抽样EVews4.0或更高版本中在矩阵中增添了样本的重复抽样功能,包括有放问和无放问的抽样.重复抽样是以行为单位进展的.1．有放回的重复抽样nnmat1.fill1,2,3,0.1,0.2,0.3＜填充矩阵元素＞matrixmat2=resample<mat1,98,1>＜对矩阵mat1进展有放回的抽样,生成新的矩阵2．无放回地重复抽样m解线性方程组例：解下面的线性方程组Matrix<3,3>mat＜定义系数矩阵＞Mat.fill<b=r>2,2,-1,1,-2,4,5,7,1＜填充系数矩阵的数据、＞Vector<3>vec＜定义常数向量＞Vec.fill6,3,28＜填充常数向量＞Vectoranswer=solvesystem<mat,vec>＜解方程组.＞表15－4中的操作命令是根本的函数运算符号,可以针对标量,也可以针对序列.如果是针对序列,如此表示对每一个观测值进展运算.＋加－减×乘/除^>x>y<=xandy向量或序列,如此代表针对每一个元素或观测值进展操作...ngxr最临近的整数,如果x恰好为整数/2,那么round<－4.6>＝－5xrecode<s,x,y>sqrt<x>Seriesyrecodemyspxx样本mysp中,y＝x1；在其他样本区间,y＝x2＞的根本操作命令.Lnx1-L>n<1-LS>xxngxnsmovavxnmovav<x,3>=<x+x<-1>+x<-3>>/3movsum<x,n>movsum<x,3>=x+x<-1>+x<-3>hxpch<x>=<x-x<-1>>/x<-1>计算的年度增长率pcha<x>=<1+pch<x>>^n-1n数据,n=12pchyx>=<x-x<-n>>/x<-n>Smpl1978ml2000m4Scalars=mean<x>.samplemyspl978m12000m4seriesmx=mean<x,mysp>seriesmx=mean<x,〞1978m12000m4〞>Samplemyspifname=〞Smith〞Seriesmscore=mean<score,mysp>和var<x[,s]>方差EViewsby命令以计算不同分组观测值的相关统计量见表15－8.ssss主要有acos<x>asin<x>atan<x>EViews包括很多功能强大的统计函数包括累积分布函数、概率密度函数、分位数函数与生成服从各种分布的随机数.表15－10列出了各种函数的命令标识与各种分布的函数语言.累积分布函数〔CDF〕概率密度函数〔PDF〕分位数函数生成随机数命令标识cdqr分布形式累积分布函数概率密度函数分位数函数生成随机数分布betaxabmaxbromxnpnxnpfxabmognormxmsqxvtxvfdistxvvsticxretoxakmexracexibxmabetaxabmaxbrbetaxabmaxbr15.3描述统计与统计推断数据汇总表格通过表格的形式表现数据的分布特征是统计中常用的方法之一如单个变量的单向列表多个变量EViews过序列或数组实现的.＞v＝＜如果不同数值的个数超过设定值v,那么对其进展分组.默认值为v＝100＞nov＜不进展分组适用于分类变量〔包括名义变量与排序变置〕＞..aa其进展分组.默认值为a＝2＞b＝＜设置最大分组数.默认值为b＝5＞n,obs,count＜显示频数表＞nocount＜不显示频数表.＞total／notota1＜显示频数、累积频数、百分频数、累积百分频数.＞cum／nocum＜cum表示显示累积频数和累积百分频数,nocum表示不显示累积频数和累积百分频数＞迎的饮料是什么？〔file：softdrink〕SeriessoftValmapmap_softMap_soft.append1"CokeClassic〞Map_soft.append2"DietCoke〞Map_soft.append3"〞Map_soft.append4"PepsiCola〞Map_soft.append5"Sprite〞Soft.mapmap_softSoft.fill1,2,1,4,3,…Soft.freq<nov,pct>数据分布特征的图形化统计图是用点、线、面等图形来直观地反映变量分布特征、内部结构、变量间关系与其开展变化状况的一种常用形式.常用的统计图有：直方图、饼图、柱状图、散点图、折线图曲线图等.实际应用过程中,由于不同的统计图所反映的问题特征和内容不同,因此对于不同类型的资料、不同的研究目的就应选用不同类型的统计图.EViews提供了包括直线图、柱状图、直方图、盒形图等在内的多种图示.命令格式序列.类型sheet＜显示序列的数据表格形式＞bar＜显示序列的柱状图＞spike＜显示序列的钉状图＞如果要同时考察多个变量的分布特征,可以先用这些序列构建一个数组,在数组中实现上述操作.v根本描述统计量描述统计是对样本数据根本分布特征的刻画,其根本指标主要包括三个方面：数据的集中度、离散准差等,描述分布形状的指标包括偏度和峰度.SP量〔file：SP500〕seriesdlnsp=dlog<sp>.Sum＜和＞Med＜中位数＞Min＜最小值.＞quant＝arg＜分位数.＞q=arg＜设定计算分位数的方法,"b〞〔Blom〕〞、"r〞〔Rankit-Cleverland〕、"o〞〔simplekurtnomean＜不显示均值.＞nostd＜不显示标准差.＞nocount＜不显示观测值的个数.＞质量等级、代表性餐价等数据.质量等级分为Good、VeryGood、Excellent三个.计算每个等级的饭店的平均价格、最大值、最小值和标准差.〔file：Restaurant〕Price.statby<max,min>rank如果要同时考察多个变量的描述统计量,可以先用这些序列构建一个数组,在数组中实现上述操作.序列共同的样本区间计算统计量＞例：计算SP00指数序列和房地产价格序列的收益根本描述统计量.〔file：SP500〕seriesdlnhs=dlog<hs>groupglnsplnhsg.stats<i>数据的探索EViews可以通过观察数据的盒形图来判断数据的根本分布特征以与异常值情况.EViews的默认选项为,对每一个类别制作的盒形图中包括均值、中位数、须线、异常值以与中位数的近似置信区间.nomean＜不显示均值＞nomed＜不显示中位数＞plesnowhisk＜不显示须线.＞nonearout＜不显示近距离散值.＞nofarout＜不显示远距离散值＞nolabel＜不显示轴标签＞nroom的平方根成比例〕＞ci＝arg＜中位数的95％的置信区间,默认选项为"shade〞〔置信区间用阴影区域表示〕.其他选项.NAtotal＜为整个序列创建分类.＞vV值为v=100＞nov和排序变量〕.＞aa,默认值为a=2＞b分组数,默认值为b＝5＞例：以上面饭店价格为例,考察每个等级饭店餐价的盒形图.EViews命令如下：Price.boxplotbyrank对变量分布形式的考察1．对分布特征的观察同时显示累积分布函数,生存函数和分位数＞n＜不包括标准差.＞o＜将输出结果存放在O所设定的矩阵中.从左到右每一列分别对应观测点〔由小到大排序〕、分位数、标准差.＞例：考查上证综指收益序列的分布形式.EViews命令如下seriesdlnsh＝dlog<sh>＜计算收益序列＞dlnsh.cdfplot<c,q=r,o＝mat>＜显示其经验分布函数、分位数计算采取Rankit-Cleveland方2．直方图命令格式：序列.hist＜直方图＞dlnsh.hist＜显示序列的直方图＞命令格式：序列.plot〔选项〕＜显示序列的分位数同理论分布的分位数〔或其他序列的分位数〕的比拟图.＞dlnsh.plot<n>4．核密度估计选项包括k=e／r／u／n／b／t／c＜选择核的种类,依次表示Epanechnikov〔缺省选项〕、Triangular、Uniform、Normal-Gaussian、Biweight-Quartic、Triweight、Cosinus＞b=＜设定窗宽＞x＜核密度的准确估测＞o=＜将核密度估计的结果存放在o所设定的矩阵中,矩阵的第一列为估测点,第二列为估计结果、＞例：考查上证综指收益序列分布的核密度估计图.EViews命令如下dlnsh.kdensity<k=e,s,o=mat>注：如果要同时考察多个变量的分布特征,可以先用这些序列构建一个数组,在数组中实现上述操作.选项与序列一样.多个变量的多维列表rowm／norowm＜[显示〔默认〕／不显示]行边际频数.＞colm／nocolm＜[显示〔默认〕／不显示]列边际频数＞tabm/notabm＜仅适用于两个以上变量的情况,[显示〔默认〕／不显示]边际频数.＞subm／nosubm＜[显示／不显示〔默认〕]子边际频totpct/nototpct＜[显示／不显示〔默认〕]联合频数占所有观测值个数的百分比＞测值个数的百分比＞rowpct/norowwpct＜[显示／不显示〔默认〕]联合颁数占行边际额数的百分比＞colpct/nocolpct＜[显示／不显示〔默认〕]联合频数占列边际频数的百分比＞exp/noexp＜[显示／不显示〔默认〕]在独立性假定条件下的期望频数.＞tabexp/notabexp＜仅适用于两个以上变量的悄况,[显示／不显示〔默认〕]在独立性假定条件下的期望频数.＞test/notest＜[显示／不显示〔默认〕]独立性检验结果＞两个变量的列联表.〔file：satisfy〕workfilefreq_1u582seriesstoreseriessatisvalmapmap_storevalmapmap_satismap_store.appendemap_store.append2"store2〞map_store.append3"store3〞map_store.append4"store4〞map_satis.append1"stronglymap_satis.appendmap_satis.append2"somewhat3"neutral〞map_satis.append4"somewhatmap_satis.append1"stronglystore.mapmap_storesatis.mapmap_satis..store.fill1,3,4,2,3,2satis.fill1,2,5,2,3,1groupg1storesatisg1.freq<nov,rowm,colm,notest>对变量关系的图形考察efitshowg.nnfit＜第一个序列对第二个序列的最小临近拟合图.＞showg.kerfit＜第一个序列对第二个序列的核拟合图.＞showg.scat＜第一个序列对其他序列的散点图.＞showg.xyline＜第一个序列对其他序列的曲线图.＞例：大型家具厂过去两年中引进了14种新产品.市场调查部需要测定头一年的销售额与某个适当的自变量之间的关系,作为今后制定推销计划和广告计划之用.调查人员建立了一个名为"顾客知悉率〞的变量,用产品问世后三个月内听说过这种产品的顾客的百分比来测量.利用散点围观察二者之间的关系.〔file：sales〕seriesfamilseriessalefamil.fill50,45,15,15,70,75,60,40,60,25,50,20,30sale.fill82,46,17,21,112,105,65,55,80,43,79,24,30groupgfamilsale根本描述统计量1．计算数组各序列的方差协方差2．计算数组各序列的相关系数例：以上面的销售额与顾客知悉率为例,计算两个变量的协方差矩阵和相关系数矩阵.g.cov＜计算各序列的协方差矩阵＞g.cor＜计算各序列的相关系数矩阵＞参数检验命令格式：序列.teststat〔选项〕选项包括mean=＜检验均值是否为设定的数值＞med=＜检验中位数是否为设定的数值＞var=＜检验方美是否为设定的数值＞std=＜在给定标准差的条件下,检验均值是否为设定的数值＞例：设某炼铁厂铁水含碳量在正常情况下服从正态分布.现测量5炉铁水,其合碳量分别为Workfileironu5seriesironiron.teststat<mean=4.45,var=2>2．检验多个变量的均值、中位数、方差是否等于某一设定的数值选项包括nmed年份19781980198519901991199219931994农村城镇年份1995199619971998199920002001农村城镇检验：比拟农村居民与城市民民的恩格尔系数之间有无显著差异〔显著水平为005〕.Workfileengela19782001Seriescountryseriescitycountry.fill67.7,61.8,57.8,…city.fill57.5,56.9,…groupgcountrycityg.testbtw<mean,var,c>在EViews中,对均值差异的检验是通过设定两个变量来实现的.比如在恩格尔系数的例子中设定country和city两个变量.如果是对一个变量的不同类别进展比拟,比如对男女工资差异的比拟,在EViews文件中设定工资和性别两个变量.这时,对男女工资差异显著性的检验是通过方差分析来进展的,请参见方差分析一节.非参数检验1．拟合优度检验〔对经验分布函数所属分布类型的检验〕选项包括type=normal／chisq／exp／xmax／xmin／gamma／logit／pareto／uniform＜从左到右依次为正态分布、卡方分布、指数分布、极值〔极大值〕分布、极值〔极小值〕分布、伽玛分布、逻辑分布、帕雷托分布、均匀分布＞p1=number＜设定第一个参数值.如果没有设定,此值将会被估计出来＞p2=number＜设定第二个参数值.如果没有设定,此值将会被估计出来＞p3=number＜设定第三个参数值.如果没有设定,此值将会被估计出来＞m=number＜最大选代次数＞c=number＜设定收敛标准.＞s＜采用系数向量中的值作为初始值.＞showopts/-showopts＜显示初始系数值和估计结果／不显示＞例：如下数据来自于2001年我国31个省与直辖市城镇居民家庭人均收入资料,试检验这批数据是..收入是否服从正态分布？Workfileineu31SeriesineIne.fill10349.69,8140.50,…Ine.edftest<type=normal,b,m=500,c=0.001,showopts>＜检验x是否服从标准态分布,述各选项.＞2．列联表的独立性检验类别的实际概率与理论概率应近似相等,或实际频数与理论频数应该近似相等.列联表的独市性检验通顾客对不同商店的满意程度是否一样.〔file：satisfy〕G1.freq<nov,exp,test>方差分析〔analysisofvariance,ANOVA〕是基于样本方差对总体均值进展统计推断的方法,它是通过实验观察某一种或多种因素的变化对实验结果是否带来显著影响,进而鉴别各种因素的效应,从而选取一种最优方案.EViews中方差分析的命令为testby.其中,选项包括：v=＜如果分类变量的不同数值的个数超过v,那么对其进展分组.默认值为v=100＞nov＜对分类变量不进展分组.＞a=＜如果分类变量不同数值的平均频数超过a,那么对其进展分组.默认值为a=2＞b=＜设置分类变量的最大分组数.默认值为b=5＞例：某所机构想要研究不同种族的大学生其学习成绩是否在不同的学科上存在明显差异,并调查了Secore.test<mean,var>racesubject＜双因素方差分析.＞15.4单方程计量模型单方程模型是其他复杂模型的根底,因此,本节首先介绍单方程模型的设定、估计、检验等方法.对模型设定的几点说明：t011t22tt.x估计系数存放在EViews自带的工作对象c〔系数向列〕中.也可以首先建立自己的系数向量,比如Coefbeta＜建立系数向量beta＞tabetaxbetaxoefbeta2．如果没有明确表示出模型的形式,如此EViews缺省选项为线性模型,如上述模型也可以写为或变量的滞后项／超前项.如模型EViews中设定的模型的估计方法有：ls,arch,binary,censored,count,gmm,ordered,tsls.不同估m=＜设定最大迭代次数＞c=＜设定收敛际准＞showopts／-showopts＜估计结果中显示／不显示选项＞i对权数矩阵和系数向量同时进展迭代＞s＜对权数矩阵和系数向量序贯进展迭代＞c＜权数矩阵的一步迭代跟着系数矩阵的一步迭代.m=＜设定最大迭代次数＞c=＜设定收敛际准＞l=＜设定第一阶段中得到一步加权矩阵的最大选代次数＞Xw数序列为w设定的序列＞h＜怀特异方差一致标准差＞n＜Newey－West异方差、自相关一致性标准差＞例：equationeq.lsy=c<1>+c<2>*x1+c<3>*x2/x1＜用最小二来法估计非线性模型例：equationeq.ls<w=ser>ycx1x2/x1＜用加权最小二乘法估计模型〔在方程两边同乘以序t＜门槛〔非对称〕GARCH＞c＜成分GARCH〔永久成分和短暂成分〕＞a＜非对称成分GARCH＞v＜均值方程中包含条件方差项＞m＜均值方程中包合条件标准差项＞h＜Boller-Wooldridge稳健拟极大似然标准差／协方差＞例：equationeq.arch<1,1,e>ycxar<1>＜估计指数garch<1,1>模型,均值方程的设定形式gitd=x＜gompitt模型,即极大化极值〔第一类〕似然函数r＜极大化运算使用牛顿一拉夫代数.＞h＜拟极大似然标准差、＞g＜广义线性模型标准差＞例：equationeq.binary<d=1,h>ycwageedukids＜估计logit模型,标准差计算使用拟极大地然法.＞r并点＞t＜估计截断模型＞极大似然可数模型〕d＝n＜正态分布拟似然函数.＞d＝e＜指数分布拟似然函数.＞d＝b＜负二项分布似然／拟似然函数、＞r＜使用牛顿一拉夫森法极大化代数＞h＜拟极大似然标准差＞g＜广义线性模型标准差＞ML..代直至收敛.＞w＜加权的两阶段最小二乘法＞nNeweyWestequationeqtslsycx1x2z1z2＜用两阶段最小二乘法估计方程注：工具变量的个数应该等于解释变量的个数；外生变量可以用其自身作为工具变量,常数项被缺省选项作为自身的工具变量.的根本统计量命令格式：方程名称．统计量可提取的统计量包括1．参数估计量的相关统计量se＜方程的回归标准差＞上述统计量可以以向量或矩阵的形式提取出来．coefs＜参数估计量向量＞stderrs＜参数估计量的标准差＞coefcov＜参数估计量的方差协方差矩阵＞2．方程的检验统计量r2＜拟合优度＞rbar2＜调整后的拟合优度.＞ssr＜残差平方和＞3．方程的信息准如此aic＜赤池信息准如此＞uinnSchwarz＜施瓦茨信息准如此.＞4．其他统计量nceof＜估计系数的个数＞regobs＜回归方程的观测值个数＞meandep＜被解释变量的均值.＞sddep＜被解释变量的标准差＞提取方程的预测值或残差序列fit＜提取方程的静态预测序列＞方程名称.forcast序列名称＜提取方程的动态预测序列＞方程名称.makeresids序列名称＜提取方程的残差序列＞1．显示估计方程的结果命令格式：方程名称.correl〔p〕4．残差序列的直方图与相关统计量5．对二元响应模型和排序模型进展预测命令格式：方程名称.predict<p>＜设定成功的概率门限值为p＞6．显示实际值、拟合值和残差序列图ARMA回归〕选项包括c＜显示迭代回归参数变化图和上下各一个标准差.＞c,s＜显示迭代回归参数变化图,并将参数估计量与其标推差存放在序列r_c1、r_c2……和r_c1se、r_c2se……中、＞q＜累积速归标准残差图〔CUSUM〕与5％的临界值曲线.＞V＜累积递归标准残差平方图〔CUSUMSQ〕与5％的临界值曲线.＞EViews中对模型设定形式的检验包括Ramsey模型设定误差检验、丢失变量的似然比检验、多余变d命令格式：方程.reset<p>＜检验方程中参加拟合值的2~〔p＋1〕次方是否适宜＞..2．丢失变量的似然比检验3．多余变量的似然比检验命令格式：方程名称.wald系数约束5．邹突变检验命令格式2：方程.chow<f>观测点＜对设定的观测点进展邹预测检验,这时只能设定一个观测点＞注：观测点可以以日期的形式来设定,也可以按照观测点所处的位置来设定〔第几个观测值〕.命令格式1：方程.White＜辅助检验回归式中不含有交叉项White异方差检验＞teschGodfrey命令格式：方程.auto<p>＜p为滞后阶数.＞rchtestpP后模型的设定其中,选项包括1＜滞后变量的系数递增,即约束临近滞后变量的系数为0＞2＜滞后变量的系数进减,即约束末端滞后变量的系数为0＞3＜滞后变量的系数为V型,即约束两端滞后变量的系数为0＞例：采用分布滞后模型考察销售量与订单之间的关系.采用最小二乘法用销售量对订单的8阶滞后Lssalecpdl<order,8,3>ar<1>ar<2>Tslssalecpdl<order,12,3,2>cpdl<rain,12,6>上述设定表示,采用两阶段最小二乘法用销售量对订单的12阶滞后进展回归,滞后变量系tslsycx1x2pdl<z,12,3,2>cpdl<*>z2z3z4EViews中对联立方程的估计、检验等操作是在对象系统〔system〕中来完成的.命令格式：系统名称.append联立方程的设定形式.macro.appendmacro.appendmacro.appendmacro.appendcons=c<1>+c<2>*gdp+c<3>*con<-1>inv=c<4>+c<5>*tb3+c<6>*d<gdp>gdp=cons+inv+govinsttb3govcons<-1>gdp<-1>＜设定了具变量命令格式：系统名称.估计方法〔选项〕〔fiml〕、广义矩法〔gmm〕以与似不相关回归法〔sur〕.下面分别予以介绍.i对权数矩阵和系数向量同时进展迭代＞m=＜设定最大选代次数＞c=＜设定收效标准.〕showopts／-showopts＜估计结果中显示／不显示上述选项＞.5.4系统估计结果中统计量／序列的提取1．参数估计的相关统计量2．方程估计的检验统计量.3．模型的信息准如此aic＜赤池信息准如此＞uinnSchwarz＜施瓦茨信息准如此.＞detresid＜残差序列方差协方差矩阵的行列式.＞4．其他统计量neqn<k>＜系统中方程的个数.＞ncoefs＜系统中所有估计参数的个数.＞5．可提取的向量／矩阵coefs＜参数估计量向量＞stderrs＜参数估计量的标准差＞coefcov＜参数估计量的方差协方差矩阵＞6．提取残差序列／内生变量makeendog＜以数组的形式提取系统中的内生变量.＞makeresids＜提取残差序列.＞es观察特征包括1．显示系统估计结果2．显示系统参数估计量的方差协方差矩阵3．显示系统残差图4．显示残差序列的相关系数矩阵5．显示残差序列的方差协方差矩阵6．显示系统中的内生变量15.5.6系统设定的检验命令格式：系统名称.wald＜参数的wald检验.＞cc注：系统中只能做联立方程的估计,联立方程的预测是通过模型〔model〕来完成的.15.6时间序列模型.方程的设定.这里重点介绍时间序列的季节调整方法、滤波方法以与向量自回归模型〔VAR〕和向量误差修正模型〔VEC〕.序列的季节调整移动平均方法命令格式：序列名称.seas〔选项〕调整后的序列名称[调整因子序列名称]m：乘法模型a：加法模型m：乘法模型a：加法模型预X11方法.可以消除交易日〔tradingday〕或节假日〔holiday〕影响.第二步,ARIMA方法.对原序列ARIMAX1方法.对第二步得到的序列进展季节调整.一般来说,实际应用中只需要两步就可以完成.第一步,对原序列建立ARIMA模型.这一模型中可以参加外生变量或者虚拟变量以反映节假日或交易日的影响,提取模型的预测值.第二步,对第一步得到的预测值进展季节调整.x变换〔X12-Datatransformaion一栏〕.3、消除交易日或节假日的影响只能在ARIMA方法和X11方法中的一种当中使用,不能在两种方法中重复使用.mode=＜季节调整的方法,包括：m乘法模型〔默认选项〕；a加法模型；p伪加法模型〔原序列中的不规如此成分存放于序列_ir〕.如果要存放多个序列,直接以空格隔开即可.比如save=〞d11d13〞即同时存放季节调整后的序列以与不规如此成分＞A.x11reg＜对不规如此要素建立模型中的解释变量,这些解释变量必须是6－14表格中指定的＞MAsales.x12<tf=0,arima=〞<001>〞,reg=〞consttd〞>sxtfautoamdlfmfiled13〞,reg=〞consttd〞>sales12＜数据转换形式根据信息准如此自动选择,arima模型的设定为ma<1>形式；将季节调整因子、季节调整后的序列、趋势一循环成分和不规如此成分分别存放在sales12_sf、sales12_sa、sales12_tc、Hodrick-PrescottFilterHodrick-Prescott滤波〔简写为HP滤波〕是一种数据季节调整的方法,它将时间序列分解为趋势成分和周期成分两局部.这种方法是由HodrickandPrescott在分析战后经济周期时提出的数据平滑方HP是一种双端线性滤波.设平滑序列为S,HP滤波是使得下面的惩罚函数最小：rHodrickandPrescott<1997〕,p=2；根据RavnandUhlig〔2002〕,p＝4.选项包括lamda=用户自行设定平滑参数值.Power=根据频幂规如此设置平滑参数,power为幂的取值.Band-Pass滤波通过设定不同周期持续的长度而别离出周期成分.实际应用时,需要设定需要提取的周期的下界P和上界P.比如,要提取周期时间在2~8年的周期,那么,P=2,P=8.频率与周期LULU是相对的概念,频数是指给定时间跨度所包含的周期的个数,而周期是指一个完整周期的时间跨度.因此,LUUL选项包括：type=bk／cffix／cfasym＜其中〞bk〞指Baxter-King固定长度对称滤波；〞cffix〞指.low按照EViews工作文件的频率设定〕的下界和上界＞EViews的默认值为：日、周、月、季度、半年度等数据1.5~8年；其他数据为：lowhighPP2<=P<P.＞LULU为协方差平稳过程,1表示序列为单位根过程.＞nogain＜对固定长度对称滤波〔type=bk／cffix〕不画出其频率响应图.＞noncyc=＜设定非周期序列〔实际值一滤波值〕＞w=＜设定滤波权数＞如果为季度数据,那么所提取的周期为[1.5,8]年.1．检验方法的设定KPSS＜Kwiatkowski,Phillips,Schmidt,andShin检验.＞ERS＜Elliot,Rothenberg,andStock检验＞NP＜NgandPerron＞2．检验方程形式的设定const＜检验方程中包括常数项．＞trend＜检验方程中包括时间趋势项.＞dif=整数＜检验差分序列的平稳性,dif={0,1,2}.默认值为0.＞trlagarg方程中被解释变量的滞后阶数,只话用于ADF、DFGLS检验以与使用AR谱密度估计infoarg最优滞后阶数时使用的信息准如此,适用于ADF、DFGLS以与使用AR谱密度估计量.稳变量的协整检验变量的协整检验可以在数组中实现,也可以在VAR中实现.要检验几个变量是否具有协整关系,首先组中或者建立一个VAR模型.表示数据空间中没有时间趋势项、协整方程中含有常数项但没有时间趋势项；c表示数据空间中含有时间趋势项、协整方程中含有常数项但没有时间趋势项；d表示数据空间中含有时间趋势项、协整方程中含有常数项和时间趋势项.e表示数据空间中含有二次时间趋势项、协整方程中有常数项和时间趋势项.五种模型设定的数学形式分别为a：ny+Bx=a(b,y)t-1tt-1t-1tt-10t-1tt-10」0t-1tt-101」0t-1tt-101」01〔0〕〔1*〕〔1〕〔2*〕〔2〕t〔1992〕对几种模型设定的表示方法.s＜表示综合以上五种选择.＞p＞m＜施加约束的协整估计最大迭代次数＞c＜施加约束的协整估计收敛标准.＞save=＜将检验统计量存放在设定的矩阵中,矩阵为〔k＋1〕x4阶,k为内生变量的个数.第一列为i是检模型的对数似然值.＞〔2〕临界值采用的是OsterwaldandLenum〔1992〕,没有考虑存在外生变量的情形.〔3〕临界值只能考虑最多10个变量的情形,而且取决于模型中时间趋势项的设定.当模型中包含其他形式确实定性变量时,比如,表示截矩项突变的虚拟变量,临界值可能是不适宜的.〔4〕有些情况下,单位根检验明确变量是一阶单整的,但协整检验的结果却显示秩是满铁的,即r=k.这可能是由于模型的错误设定造成的,也可能是由于检验的低成效造成的.外生变量为z1、z2,检验形式为第一种,将检验统计量存放在矩阵mat中.＞同数组中协整检验的方法根本一样,在VAR模型中,还可以通过append命令对长期协整系数和短期调整系数施加约束..myvar.append<coint>a<1,1>=0,b<1,1>=0＜对调整系数和协整系数施加约束.＞myvar.coint<a,3,restrict>＜带约束的协整检验.＞果关系检验与变量的协整检验相类似,变量之间的格兰杰因果关系检验可以在数组中实现,也可以在VAR中实现.命令格式：数组名.cause<p>＜p为滞后阶数.＞use＜估计无约束的向量自回归模型.＞选项与单方程的最小二乘法一样.＜估计向国误差修正模型.＞验中的说明．例：varmyvar.ec<b,2>13x1x2x3z1＜建立并估计误差修正模型myvar,内生变量为X1、X2,x3,估计形式为第二种,协整方程的个数为2,一个差分变量的滞后阶数选择为1－3阶,模型中包括外模型估计的特征观察1．估计结果的显示2．变量的外生性检验dname系数为0时的Wald统计量.＞3．残差图5．残差项的偏自相关图6．残差项的多元正态检验选项包括factor=chol/cor/cov/svar＜chol表示将残差方差协方差矩阵的Cholesky因子的逆作为分解矩阵；cor表示将残差相关系数矩阵的平方根的逆作为分解矩阵；cov表示将残差方差协方差矩阵平方根R行为每个正交成分的统计量,其第一列为三阶矩〔偏度〕,第二列为三阶矩统计量〔服从一个自由度的卡.k8．残差异方差检验C＜辅助检验方程中包含所有交叉项.＞rFF统计量对应的p值,第四列为T×R2统计量,第五列为T×R2统计量对应的p值.F统计量的自由度为第9．残差项的相关系数矩阵／方差协方差矩阵脉冲响应和方差分解1．脉冲响应分析m＜将每个变量对不同冲击的响应放在不同的图形中.＞t＜响应以表格而不是图形形式给出结果.＞a＜计算累计响应值.＞t应的内量／矩阵.＞se=a／mc＜设定标准差的计算方法.a为解析方法；mc为蒙特卡洛方法.如果选择mc,那么必须通rep＜设定计算标准差时蒙特卡罗模拟重复的次数.＞matbys=＜按照冲击的来源将响应函数存放在设定的矩阵中.第一列为第一个内生变量对该冲击的响应,第二列为第二个内生变更对该冲击的响应,依次类推＞matbyr＝＜按照内生变量的响应将响应函数行放在设定的矩阵中.第一列为第一个内生变量对第一个误差项冲击的响应,第二列为第一个内生变量对第二个误差项冲击的响应,依次类推.＞解,每个响应函数单独放在图形中.＞2．方差分解分析.选项同脉冲响应根本一样,但在imp选项改为fact,而目fact选项中没有user一项,因此也没有矩阵的名称为第一个矩阵的名称后面加〞_fse〞,存放每一个响应变量的预测标准差.如果选择mc计算标准差,那么还会生成第三个矩阵,名字为第一个矩阵的名字后面加上〞_se〞,存放方差分解的标准差.gdp相关统计量的提取1．参数估计量的相关统计量阶差分变量的估计量.＞2．方程估计的检验统计量3．模型的信息准如此aic＜赤池信息准如此＞sc＜施瓦茨信息准如此．＞detresid＜残差序列方差协方差矩阵的行列式＞l4．其他统计量neqn＜系统中方程的个数＞ncoefs＜系统中所有估计参数的个数.＞5．可提取的向量／矩阵coefmat＜参数估计量组成的矩阵.＞coefse＜参数估计量标准差组成的矩阵＞cointvec＜协整向量＞cointse＜协整向量的标准差.＞6．提取残差序列／内生变量makeendog＜以数组的形式提取模型中的内生变量＞makeresids＜以数组的形式提取模型中每个方程的残差.＞＞.15.7状态空间模型状态空间用型被广泛应用于对不可观测变量理模,比如〔理性〕预期、测量误差、缺失观测值、永久收入、经济增长中的趋势成分和周期成分等.经典的线性回归模型和ARIMA模如此都可以表示为状态空间模型的形式.将动态模型表述为状态空间的形式有两个好处：其一,可以将不可观测变量〔称之为状态变量〕参加到模型中；其二,可以利用一种非常有效的计算方法,即卡尔曼滤波,对各种模型如VARMA、马尔可夫体制转换模型等进展估计和预测.模型的建立模型形式设定包括三局部：一是信号变量方程〔称之为信号方程或可观测方程〕；二是状态变量方打头.如果方程开头没有state,如此系统默认为是信号方程.状态方程的一般表达式为：ttt12t12ttEViews中对信号方程和状态方程的设定以上述表达式为根底.1．信号方程的设定规如此〔2〕信号方程中只能含有信号变量的滞后项,不能含有信号变量的当期项或超前项.〔3〕信号方程的被解释变量只能与状态变量的当期项存在线性关系.〔4〕信号为程可以包含外生变量,与这些外主变量的关系也可以是非线性的.signallog<passenger>=c<1>+c<3>*x+sv1<-1>＜含有状态变量sv1的滞后项zsvsvx1+z<1>+c<1>+[var=exp<c<2>>]＜含有信号受量z的超前项＞2．状态方程的设定规如此〔1〕状态方程中的被解释变量只能明确给出,不能包含表达式,比如,类似于exp<sv1>这样的表达式都是不允许的.〔2〕状态方程中不能包含信号方程的被解释交量与其超前项或滞后项.〔3〕状态方程中的被解释变量只能表述为一阶滞后状态变量的线性关系.〔4〕状态方程可以包含外生变量,与这些外生变量的关系也可以是非线性的.stateexp<sv1>=sv1<-1>+[var=exp<c<3>>]＜被解释变量没有明确给出、＞statesv2=log<sv2<-1>>+[var=exp<c<3>>]＜状态变量存在非线性关系、＞statesv3=c<1>+c<2>*sv3<-2>+[var=exp<c<3>>]＜状态变量存在高阶滞后关系.＞3．随机项的设定规如此对随机项的设定是通过对其方差的设定完成的,信号方程和状态方程都可以加以设定.其中,表达式可以设定为常数,也可以设定为未知参数或者含有未知参数的某些外生变量的函数..statesv1=sv<-1>+[var=exp<c<2>>]statesv2=c<3>+c<4>*sv2<-1>+[var=exp<c<2>*x>]上述设定方式假定误差项都是独立的,没有表现随机误差项的相关关系.如果误差项存在相关关系,以通过如下方式设定：eenamee1enamee2第二步,在方程中中直接以e1、e2来表示误差项,并以此表现其相关关系.y=c<1>+sv1*x1+e1statesvsveceee同时进入方程,一般来讲是相关的＞第三步,利用"EVAR〞定义误差项的协方差.evarvar<e1>=exp<c<3>>evarvar<e2>=exp<c<4>>*xevarcov<e1,e2>=c<5>注：也可以通过"ename〞命令直接在方程中定义误差项与其方差.如：Y=c<1>+sv1*x1+[ename=e1,var=exp<c<3>>]statesv1=sv1<-1>+c<2>*e1+[ename=e2,var=exp<c<4>>]evarcov<e1,e2>=c<5>m=整数＜设定迭代的最大次数.＞c=数值＜设定收敛标准.＞showopts/-showopts＜显示／不显示估计初始值与其他估计选项＞00001,如此命令为：Myss.ml<m=500,c=0.00001>设定：Parampar_sig<1>0.5par_sig<2>1＜设定第一、二个参数的初始值,其他参数的初始值为系数向量中的数值,模型估计时按照设定的初始值进展迭代估计.＞的特征观察命令格式：状态空间名称.results＜观察估计结果、＞2．参数估计量的协方差矩阵命令格式：状态空间名称.coefcov＜参数估计量的协方差矩阵、＞3．观察残差图命令格式：状态空间名称.resids＜观察残差图＞.4．残差项的相关系数矩阵／方差协方差矩阵命令格式：状态空间名称.residcor／residcov＜观察残差项相关系数矩阵／协方差矩阵＞5．观察信号变量的图形d6．观赛状态变量的图形取1．参数估计量的与其标准差2．模型的信息准如此aic＜赤池信息准如此＞sc＜施瓦茨信息准如此．＞l3．其他统计量ncoef＜估计参数的个数.＞regobs个数＞neqns＜观察变量方程的个数＞4．可提取的向量／矩阵.coefs＜参数估计量组成的系数向量.＞coefcov＜参数估计量组成的协方差矩阵＞stderrs＜参数估计量标准差组成的向量.＞5．提取内生变量makeendog＜以数组的形式提取模型中的内生变量＞取状态变量与其标准差选项包括tetprednpredstatessigsigsig取信号变量与其标准差选项与提取状态变量一样.于状态空间模型的预测注：输出结果存放在矩阵或向量中.预测选项包括pred_signal＜信号变量的一步预测值.＞pred_signalcov＜信号变量一步预测值的协方差矩阵.＞pred_signalse＜信号变量一步预测值的标准差.＞pred_err＜信号变量的一步预测误差.＞pred_errcov＜信号变量的一步预测误差的协方差矩阵、＞pred_errcovinv＜信号变量一步预测误差的协方差矩阵的逆矩阵＞pred_errse＜信号变量一步预测误差的标准差＞pred_errstd＜标准化的信号变量的一步预测误差＞pred_state＜状态变量的一步预测值.＞pred_statecov＜状态变量的一步预测值的协分差矩阵.＞pred_statese＜状态变量一步预测值的标准差、＞pred_stateerr＜状态变量的一步预测误差＞curr_err＜滤波误差＞ncurs_state＜状态变量的滤波估计量.＞curs_statecov＜状态变量滤波估计量的协力差矩阵、＞curs_statese＜状态变量滤波估计量的标准差.＞sm_signal＜信号变量的平滑估计量＞.sm_signalcov＜信号变量平滑估计量的协方差、＞sm_signalse＜信号变量平滑估计量的标准差、＞sm_signalerr＜信号变量平滑估计量的误差.＞sm_signalerrcov＜信号变量平滑估计量的误差的协方差矩阵.＞sm_signalerrse＜信号变量平滑估计量的误差的标准差＞sm_signalerrstd＜标准化的信号变量平滑估计量的误差、＞sm_state＜状态变量的平滑估计量＞sm_statecov＜状态变量平滑估计量的协方差.＞sm_statese＜状态变量平滑估计量的标准差.＞sm_stateerr＜状态变量平滑估计量的误差.＞sm_stateerrcov＜状态变量平滑估计量的误差的协方差矩阵、＞sm_stateerrse＜状态变量平滑估计量的误差的标准差.＞sm_stateerrstd＜标准化的状态变量平滑估计量的误差.〕recastmnnstatesvfsvfsignalyfyfARMAp,q>模型,jj其状态空间表达式可以写为t12r-1tt01tt1t-12t-2t根据上述对一般ARMA<p,q>的讨论,AR模型中q＝0,r＝p.在此例中,r＝P＝2.因此,其状态方程可signaly=c<1>+c<2>*x+sv1statesv1=c<3>*sv1<-1>+c<4>*sv2<-1>_[ename=e1]statesv2=sv1<-1>evarvar<e1>=exp<c<5>>t01ttt1t-12t-2.signaly=c<1>+c<2>*x+sv1+c<3>*sv2+c<4>*sv3statesv1=[ename=e1]statesv2=sv1<-1>statesv3=sv2<-1>evarvar<e1>=exp<c<5>>signaly=c<1>+c<2>*x+sv1+c<5>*sv2+c<6>*sv3statesv1=c<3>*sv1<-1>+c<4>*sv2<-1>+[var=exp<c<8>>]statesv2=sv1<-1>statesv3=sv2<-1>AR模型的状态空间表达式也可以写为：signaly=c<1>+sv1*x+[ename=e1,var=exp<c<2>>]statesv1=sv1<-1>例：随机游走系数模型signaly=c<1>+sv1*x+[ename=e1,var=exp<c<2>>]statesv1=c<3>+sv1<-1>+[ename=e2,var=exp<c<3>>]15.8面板数据在EViews中,可以利用最小二乘法或者工具变量法〔两阶段最小二乘法〕估计线性或非线性面板数据模型,可以估计在截面上或者时间上的固定效应或随机效应.下面我们逐一进展介绍.选项包括类型t=wk1/wk3：Lotus工作表文件.txlsExcel作表文件.2．纯文本文件的其他选项NAmult：将多个分隔符视作一个．.name：序列仍然按照文件中的名字命名norectrectangelskipco=：跳跃的列数〔与"rect〞一起使用〕ment=：设置注解的标识符,标识符后面的所有内容都视作注解〔与"rect〞一起使用〕dropstrings：直接删除字符negparen：将括号内的数字看做负数allowma：数值中间允许逗号〔将逗号看做分隔符优先于此〕curr