eviews导入excel数据(eviews导入excel数据绘制时序图)

1. eviews导入excel数据绘制时序图

简单方法：EViews6.0的ADFtest自动给出BIC滞后长度。 滞后阶数越大，自由度就越小。 一般根据AIC和SC取值最小准则来确定阶数。 如果AIC和SC并不是同时取值最小，采用LR检验进行取舍。 如果时序数据样本容量小，这时AIC和SC准则可能需要谨慎，还是需要根据经验验证。自己的经验看，这时一般比较滞后1、2、3阶基本可以得到较好结果。 另外，还可以通过eviews6.0确定最大滞后阶数， 在var估计结果窗口中点击view/lag structure/lag length criteria 输入最大滞后阶数，以*号最多的阶数确定滞后阶数。 AIC 和SIC 都是人为规定的标准 其原理是，当构建模型时，增加自变量的个数会使拟合度增加，但是也会有可能增加无关自变量。人们在减小自变量个数和增加拟合度之间的权衡方法就是AIC和SIC标准。 最小的AIC和SIC代表着拟合与自变量个数的最佳权衡。 但是因为侧重点，也就是算法不用，往往AIC和SIC所选出的最大滞后不同。

2. eviews如何绘制时序图

VAR模型的滞后阶数越大，自由度就越小。一般根据AIC和SC取值最小准则来确定阶数。如果AIC和SC并不是同时取值最小，采用LR检验进行取舍。

时序数据样本容量小，AIC和SC准则可能需要谨慎，需要根据经验验证。

从经验看，这时一般比较滞后123阶基本可以得到较好结果。

还可以通过eviews6.0软件确定最大滞后阶数，在var估计结果窗口中点击view/lag/structure/lag/length/criteria输入最大滞后阶数，以*号最多的阶数确定滞后阶数。

似然比检验LR是反映真实性的一种指标，属于同时反映灵敏度和特异度的复合指标。似然比定义为有约束条件下的似然函数最大值与无约束条件下似然函数最大值之比。

似然比检验的思想是：如果参数约束是有效的，那么加上这样的约束不应该引起似然函数最大值的大幅度降低。

也就是说似然比检验的实质是在比较有约束条件下的似然函数最大值与无约束条件下似然函数最大值。

当样本含量n较大时，-2lnλ (本书中用符号G表示)近似x2分布;当自由度大于1，甚至n较小时，这种近似的程度也是相当满意的。基于上述原理，统计中广泛应用对数似然比检验，通过计算统计量G，可按x2分布处理，不但计算方便，而且只要自由度大于1，就不必考虑理论频数大小的问题。

3. 怎么用eviews做时序图

1.

创建Workfile:点击File/New/Workfile,输入起止日期

2.

建立object输入数据:点击object/new object,定义数据文件名ex4...

3.

画时序数据图:点击Workfile中的View/line graph。

4.

用单位根法检验平稳性:点击View/Unit Root Test,比较ADF值

4. eviews怎么画两组数据时序图

首先：观察它们的时序图，如果它们之间具有稳定的相关关系，可能存在协整关系。

其次：建立回归模型（回归模型不会差分序列，用原始序列的对数），然后对回归残差进行单位根检验，如果残差平稳说明具有协整关系，表明具有长期均衡关系。

再次，建立误差修正模型，是为了反映短期波动。用对数原始序列的差分序列和上面回归得到的误差序列进行回归，就是所谓的ECM模型。

5. 如何用eviews画时序图

单位根检验、协整检验和格兰杰因果关系检验三者之间的关系　　实证检验步骤：先做单位根检验，看变量序列是否平稳序列，若平稳，可构造回归模型等经典计量经济学模型；若非平稳，进行差分，当进行到第i次差分时序列平稳，则服从i阶单整（注意趋势、截距不同情况选择，根据P值和原假设判定）。

若所有检验序列均服从同阶单整，可构造VAR模型，做协整检验（注意滞后期的选择），判断模型内部变量间是否存在协整关系，即是否存在长期均衡关系。如果有，则可以构造VEC模型或者进行Granger因果检验，检验变量之间“谁引起谁变化”，即因果关系。一、讨论一1、单位根检验是序列的平稳性检验，如果不检验序列的平稳性直接OLS容易导致伪回归。2、当检验的数据是平稳的（即不存在单位根），要想进一步考察变量的因果联系，可以采用格兰杰因果检验，但要做格兰杰检验的前提是数据必须是平稳的，否则不能做。3、当检验的数据是非平稳（即存在单位根），并且各个序列是同阶单整（协整检验的前提），想进一步确定变量之间是否存在协整关系，可以进行协整检验，协整检验主要有EG两步法和JJ检验A、EG两步法是基于回归残差的检验，可以通过建立OLS模型检验其残差平稳性B、JJ检验是基于回归系数的检验，前提是建立VAR模型（即模型符合ADL模式）4、当变量之间存在协整关系时，可以建立ECM进一步考察短期关系，Eviews这里还提供了一个Wald－Granger检验，但此时的格兰杰已经不是因果关系检验，而是变量外生性检验，请注意识别二、讨论二1、格兰杰检验只能用于平稳序列！这是格兰杰检验的前提，而其因果关系并非我们通常理解的因与果的关系，而是说x的前期变化能有效地解释y的变化，所以称其为“格兰杰原因”。2、非平稳序列很可能出现伪回归，协整的意义就是检验它们的回归方程所描述的因果关系是否是伪回归，即检验变量之间是否存在稳定的关系。所以，非平稳序列的因果关系检验就是协整检验。3、平稳性检验有3个作用：1）检验平稳性，若平稳，做格兰杰检验，非平稳，作协正检验。2）协整检验中要用到每个序列的单整阶数。3）判断时间学列的数据生成过程。三、讨论三其实很多人存在误解。有如下几点，需要澄清：第一，格兰杰因果检验是检验统计上的时间先后顺序，并不表示而这真正存在因果关系，是否呈因果关系需要根据理论、经验和模型来判定。第二，格兰杰因果检验的变量应是平稳的，如果单位根检验发现两个变量是不稳定的，那么，不能直接进行格兰杰因果检验，所以，很多人对不平稳的变量进行格兰杰因果检验，这是错误的。第三，协整结果仅表示变量间存在长期均衡关系，那么，到底是先做格兰杰还是先做协整呢？因为变量不平稳才需要协整，所以，首先因对变量进行差分，平稳后，可以用差分项进行格兰杰因果检验，来判定变量变化的先后时序，之后，进行协整，看变量是否存在长期均衡。第四，长期均衡并不意味着分析的结束，还应考虑短期波动，要做误差修正检验。

6. eviews导入数据画时间序列图

用eviews做回归分析的过程如下： 首先下载eviews安装包，不用解压，首先点击一个reg文件，即成功注册； 然后点击一个exe执行文件，即可以打开软件；

然后，开始进行数据分析，首先建立一个时间序列文件，输入开始与截止时间；

第二步，输入命令建立序列，data y c x，中间需要有间隔，按enter返回；

第三步，导入数据；

第四步，输入命令ls y x，得出结果； 对数据进行分析，观察因变量与自变量的关系。 回归分析(regression analysis)是确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。

7. eviews导入Excel数据

1、首先用create命令建立workfile，在workfile structure type 中选择Dated- regular frequency ，在Frequency中选择Annual,在Start date 和End date 中分别输入1980以及2009，点击键盘OK键。

2、在主窗口中用命令data y x。

3、将数据导入Eviews中，excel的数据可以直接复制粘贴到group中。

4、用最小二乘估计中的命令方式ls y c x，建立方程，在主窗口中输入ls y c x，点击enter键。

5、 在上面的Equation窗口中选择forecast按钮， 弹出预测设置窗口。

6、选好之后，点击OK，有预测值曲线和各个评价指标，同时在主窗口生成预测值序列yf。

7、点击yf，这就是残差序列检验。

8. 如何用eviews做时序图

首先：观察它们的时序图，如果它们之间具有稳定的相关关系，可能存在协整关系。

其次：建立回归模型（回归模型不会差分序列，用原始序列的对数），然后对回归残差进行单位根检验，如果残差平稳说明具有协整关系，表明具有长期均衡关系。

再次，建立误差修正模型，是为了反映短期波动。用对数原始序列的差分序列和上面回归得到的误差序列进行回归，就是所谓的ECM模型。

9. 时间序列数据导入eviews

在eviews里面的操作：假设你要产生一阶差分的序列为x，且已经把序列x的数据导入eviews

在命令区键入：“series dx=d(x)” 再按回车键，eviews自然就帮你生成一个新的“dx”序列，即为一阶差分序列；二阶差分同样操作，“series d2x=d（dx）”

10. 用eviews绘制时序图

内容很多，抓关键点就行了。

一看判定系数R方，为0.72，拟合优度尚可。具体地说，在因变量的总变化中，有72.3%是由自变量P引起的，而27.7%是由其它因素引起的。模型拟合效果还不错。多大范围之内呢？时序序列，0.8以上算好，0.6-0.8算不错。再小就有问题了。截面数据，则0.3-0.4就算不错了。二看回归系数的P值，本例中，自变量的P值=0.71，没通过显著性检验，说明P对Y没有显著性影响。范围是小于等于0.05，才能说自变量对因变量有显著影响。其它数据都是次要的，可以暂时忽略。