EViews · 深度入门手册

分类：专业软件 ｜难度：★★☆ 进阶｜编号：eviews

一、这是什么（一句话用途）

时间序列与计量经济专用软件，ARIMA、协整、VAR 一键搞定。

二、核心定位

面向时间序列的对象式操作（序列/方程/模型对象），GUI 友好， econometric 方法全。

三、核心原理剖析

EViews 是为时间序列量身打造的对象式环境：把"序列（Series）""方程（Equation）""模型（Model）"作为一等公民，用户建一个 Workfile 时就要声明频率（年/季/月/日），软件据此管理时间索引、滞后、季节等一切时序语义。它把 ARIMA、单位根检验、协整（Engle-Granger/Johansen）、VAR、GARCH、预测等计量方法做成开箱即用的对象操作，GUI 友好且结果规范。对宏观、金融、经济预测类建模题（如 GDP、股价、汇率的趋势与季节建模）尤其顺手，是 SPSS/Stata 之外的时间序列专用利器。

四、底层机制与推导

ARIMA 的状态空间实现：EViews 把 ARIMA $(p,d,q)$ 写成含状态向量的形式，用卡尔曼滤波（Kalman filter）递推似然。模型 $\phi(B)\nabla^d y_t=\theta(B)\varepsilon_t$ 可表示为

$y_t = Z^T \alpha_t + \varepsilon_t,\qquad \alpha_{t+1}=T\alpha_t+R\varepsilon_t$

卡尔曼滤波在 $t$ 时刻用预测误差 $v_t=y_t-Z^T a_{t|t-1}$ 与卡尔曼增益 $K_t$ 更新状态 $a_{t|t}=a_{t|t-1}+K_t v_t$ ，并累加对数似然 $\ell=\sum -\frac12(\ln|f_t|+v_t'f_t^{-1}v_t)$ ，再用数值优化（如 BHHH）估计 $\phi,\theta$ 参数。

单位根（ADF）检验：回归 $\Delta y_t=\gamma y_{t-1}+\sum_{i=1}^k\rho_i\Delta y_{t-i}+c+\delta t+\varepsilon_t$ ，原假设 $\gamma=0$ （非平稳），检验统计量 $t_\gamma$ 服从非标准 ADF 分布，EViews 直接给临界值与 p 值；协整则先估长期关系再测残差平稳性。

五、上手步骤

建 Workfile 设频率(年度/季度/月度)
导入序列数据
画时序图看趋势/季节
估计 ARIMA/VAR/单位根
做预测

六、关键命令 / 语法 / 界面要点

series y=...;
smpl 1980 2020
y.arima(1,1,1)      // ARIMA 估计
y.uroot              // 单位根检验
y.var(2)             // VAR(2)

七、最小可跑示例

导入 GDP 月度数据→画折线→单位根检验→ARIMA 估计→静态/动态预测。

八、学习资源 / 去哪学

EViews 官方（商业）；时间序列教材配套；菜单+命令双用。

九、常见坑（避坑清单）

先设对 Workfile 频率
非平稳要先差分
季节性要建模
样本区间要核对

十、怎么算用好了

ADF p<0.05 平稳；AIC 选阶；预测图看拟合与区间。

十一、能跑哪些建模算法

可跑：ARIMA、VAR、协整、GARCH、时间序列预测。

本手册由「工具入门手册生成器」自动产出（深度版），与算法深度手册同套体系。

实战案例

EViews 时间序列实战

场景：有某城市 2000-2023 年月度 GDP 序列，需做平稳性检验与预测。
任务：ADF 单位根检验 + 指数平滑预测。

完整代码（text）

1. 建立工作文件
   File → New → Workfile
   Frequency: Monthly, Start 2000:01, End 2023:12
   导入 gdp 序列

2. ADF 平稳性检验
   Quick → Series Statistics → Unit Root Test
   选 ADF，含截距与趋势
   结果：t = -1.85 > 临界值 → 不平稳
   对 gdp 取一阶差分 D(gdp) 后再检：t=-4.21 → 平稳

3. 预测
   Proc → Exponential Smoothing
   选 Holt-Winters（含趋势）
   得到未来12期预测值及置信区间

运行效果

检验	t 统计量	结论
GDP水平	-1.85	不平稳(有趋势)
一阶差分	-4.21	平稳
预测：2024年GDP增速约6.2%，95%置信区间[5.1%,7.3%]。