『壹』 計量經濟學軟體EViews操作簡明教程pdf完整版 [email protected]
有這個簡明的教程嗎？
『貳』 如何運用eviews觀察計量經濟學
計量經濟學的話，有很多那個計量經濟學那個利潤對現實生活而容易的評判
『叄』 計量經濟學的用EViews_v5.0怎麼做只寫出步驟
導入數據
指定回歸模型
指定自變數、因變數或者外生變數、內生變數等
如果需要的話，限制參數
查看回歸結果和統計檢驗結果
『肆』 計量經濟學軟體:Eviews操作簡明教程 求PDF！！！做多元線性回歸模型
你要第一版還是第二版，網路私信你了
『伍』 計量經濟學Eviews回歸問題
EVIEWS得到回歸結果EQ，在對話框最後面有一個resids直接點擊就可以得到殘差分布圖了
『陸』 計量經濟學使用Eviews軟體分析的案例模型
年份 GDP 進口總額IM（人民幣） 進口總額
IMdollar（美元） 匯率
EXCHANGE
1980 4517.8 298.8000 200.17 149.8400
1981 4862.4 375.3800 220.15 170.5100
1982 5294.7 364.9900 192.85 189.2600
1983 5934.5 422.6000 213.90 197.5700
1984 7171.0 637.8300 274.10 232.7000
1985 8964.4 1257.800 422.52 293.6600
1986 10202.20 1498.300 429.04 345.2800
1987 11962.50 1614.200 432.16 372.2100
1988 14928.30 2055.100 552.75 372.2100
1989 16909.20 2199.900 591.40 376.5100
1990 18547.90 2574.300 533.45 478.3200
1991 21617.80 3398.700 637.91 532.3300
1992 26638.10 4443.300 805.85 551.4600
1993 34634.40 5986.200 1039.59 576.2000
1994 46759.40 9960.100 1156.14 861.8700
1995 58478.10 11048.10 1320.84 835.1000
1996 67884.60 11557.40 1388.33 831.4200
1997 74462.60 11806.50 1423.70 828.9800
1998 78345.20 11626.10 1402.37 827.9100
1999 82067.50 13736.40 1656.99 827.8300
2000 89468.10 18638.80 2250.94 827.8400
2001 97314.80 20159.20 2435.53 827.7000
2002 105172.3 24430.30 2951.70 827.7000
2003 117251.9 34195.60 4127.60 827.7000
給你個例子，沒有辦法上傳，有郵箱的話給你郵件一個
『柒』 計量經濟學eviews怎麼做y對x一元回歸
在命令窗口輸入lsycxx^2回車就得到結果。eviews中，變數的函數可以直接作為新的變數納入回歸模型中
『捌』 計量經濟學軟體:Eviews操作簡明教程 求PDF！！！要完整版的！！！
可以也發給我一份么？[email protected]
『玖』 計量經濟學使用Eviews軟體分析的案例模型
計量經濟學
期末實驗報告
實驗名稱：大中城市城鎮居民人均消費支出與其影響因素的分析
姓 名：
學 號：
班 級：
指導教師：
時 間：
23個城市城鎮居民人均消費支出
與其影響因素的分析
一、 經濟理論背景
近幾年來，中國經濟保持了快速發展勢頭，投資、出口、消費形成了拉動經濟發展的「三架馬車」，這已為各界所取得共識。通過建立計量模型，運用計量分析方法對影響城鎮居民人均消費支出的各因素進行相關分析，找出其中關鍵影響因素，以為政策制定者提供一定參考，最終促使消費需求這架「馬車」能成為引領中國經濟健康、快速、持續發展的基石。
二、 有關人均消費支出及其影響因素的理論
我們主要從以下幾個方面分析我國居民消費支出的影響因素：
①、居民未來支出預期上升，影響了居民即期消費的增長
居民的被動儲蓄直接導致購買力的巨大分流, 從而減弱對消費品的即期需求，嚴重地影響了居民即期消費的增長，進而導致有效需求的不足，最終導致經濟增長的乏力。90年代末期以來，我國的醫療、養老、失業保險、教育等一系列改革措施集中出台，原有的體制被打破，而新的體制尚未建立健全，因此目前的醫療、養老、失業保險、教育體制對居民個人支出的壓力較大，而且基本上都是硬性支出，支出的不確定性也很大，導致居民目前對未來支出預期的上升。
②、商品供求結構性矛盾依然突出
從消費結構上看，我國消費品市場已發生了新的根本性變化：居民低層次消費已近飽和，而更高水平的消費又未達到。改革開放20多年來，城鄉居民經過了一個中檔耐用消費品的普及階段後，目前老百姓的收入消費還不足以形成一個新的、以高檔產品為內容的主導性消費熱點，如轎車、住房等還遠不能納入大多數人的消費主流，居民現有的購買力不能形成推動主導消費品升級的動力。
③、物價總水平持續在低水平運行，通貨緊縮的壓力較大，不利於消費的增長
加入WTO之後，隨著關稅的降低和進口規模的擴大，國外產品對我國市場的沖擊將進一步加大，國際價格緊縮對國內價格變化將產生負面影響。物價的持續下降，不利於居民的消費增長。因為從居民的消費心理上看，買漲不買降是居民購物的習慣心理。由於居民對物價有進一步下降的預期，因此往往推遲消費，不利於居民消費的增長。另外，從統計上分析，由於物價的下降，名義消費增長往往低於實際消費的增長，這在一定程度上也不利於消費增長幅度的提高。
④、我國現階段沒有形成大的消費熱點，難以帶動消費的快速增長
經過近幾年的培育和發展，我國目前已經形成了住房消費、居民汽車消費、通信及電子產品的消費、節假日消費及旅遊消費等一些消費亮點，可以促進消費的穩定增長，但始終未能形成大的消費熱點，因此不能帶動消費的高速增長。
三、 相關數據收集
相關數據均來源於2006年《中國統計年鑒》：
23個大中城市城鎮居民家庭基本情況
地區 平均每戶就業人口（人） 平均每一就業者負擔人數（人） 平均每人實際月收入（元） 人均可支配收入（元） 人均消費支出（元）
北京 1.6 1.8 1865.1 1633.2 1187.9
天津 1.4 2.0 2010.6 1889.8 939.8
石家莊 1.4 2.0 1061.3 1010.0 722.9
太原 1.3 2.2 1256.9 1159.9 789.5
呼和浩特 1.5 1.9 1354.2 1279.8 772.7
沈陽 1.3 2.1 1148.5 1048.7 812.1
大連 1.6 1.8 1269.8 1133.1 946.5
長春 1.8 1.7 1156.1 1016.1 690.2
哈爾濱 1.4 2.0 992.8 942.5 727.4
上海 1.6 1.9 1884.0 1686.1 1505.3
南京 1.4 2.0 1536.4 1394.0 920.6
杭州 1.5 1.9 1695.0 1464.9 1264.2
寧波 1.5 1.8 1759.4 1543.2 1271.4
合肥 1.6 1.8 1042.5 950.1 686.9
福州 1.7 1.9 1172.5 1059.4 942.8
廈門 1.5 1.9 1631.7 1394.3 998.7
南昌 1.4 1.8 1405.0 1321.1 665.4
濟南 1.7 1.7 1491.3 1356.8 1071.4
青島 1.6 1.8 1495.6 1378.5 1020.7
鄭州 1.4 2.1 1012.2 954.2 750.3
武漢 1.5 2.0 1052.5 972.2 853.1
長沙 1.4 2.1 1256.9 1148.9 986.8
廣州 1.7 1.8 1898.6 1591.1 1215.1
四、 模型的建立
根據數據，我們建立多元線性回歸方程的一般模型為：
其中：
——人均消費支出
——常數項
——回歸方程的參數
——平均每戶就業人口數
——平均每一就業者負擔人口數
——平均每人實際月收入
——人均可支配收入
——隨即誤差項
五、實驗過程
（一）回歸模型參數估計
根據數據建立多元線性回歸方程：
首先利用Eviews軟體對模型進行OLS估計，得樣本回歸方程。
利用Eviews輸出結果如下：
Dependent Variable: Y
Method: Least Squares
Date: 12/11/07 Time: 16:08
Sample: 1 23
Included observations: 23
Variable Coefficient Std. Error t-Statistic Prob.
C -1682.180 1311.506 -1.282633 0.2159
X1 564.3490 395.2332 1.427889 0.1704
X2 569.1209 379.7866 1.498528 0.1513
X3 1.552510 0.629371 2.466766 0.0239
X4 -1.180652 0.742107 -1.590947 0.1290
R-squared 0.721234 Mean dependent var 945.2913
Adjusted R-squared 0.659286 S.D. dependent var 224.1711
S.E. of regression 130.8502 Akaike info criterion 12.77564
Sum squared resid 308191.9 Schwarz criterion 13.02249
Log likelihood -141.9199 F-statistic 11.64259
Durbin-Watson stat 2.047936 Prob(F-statistic) 0.000076
根據多元線性回歸關於Eviews輸出結果可以得到參數的估計值為： , , ， ，
從而初步得到的回歸方程為：
Se= (1311.506) (395.2332) (379.7866) (0.629371) (0.742107)
T= (-1.282633) (1.427889) (1.498528) (2.466766) (-1.590947)
F=11.64259 df=18
模型檢驗：由於在 的水平下，解釋變數 、 、 的檢驗的P值都大於0.05，所以變數不顯著，說明模型中可能存在多重共線性等問題，進而對模型進行修正。
（二）處理多重共線性
我們採用逐步回歸法對模型的多重共線性進行檢驗和處理：
X1：
Dependent Variable: Y
Method: Least Squares
Date: 12/11/07 Time: 16:28
Sample: 1 23
Included observations: 23
Variable Coefficient Std. Error t-Statistic Prob.
C 153.8238 518.6688 0.296574 0.7697
X1 523.0964 341.4840 1.531833 0.1405
R-squared 0.100508 Mean dependent var 945.2913
Adjusted R-squared 0.057675 S.D. dependent var 224.1711
S.E. of regression 217.6105 Akaike info criterion 13.68623
Sum squared resid 994441.2 Schwarz criterion 13.78497
Log likelihood -155.3917 F-statistic 2.346511
Durbin-Watson stat 1.770750 Prob(F-statistic) 0.140491
X2：
Dependent Variable: Y
Method: Least Squares
Date: 12/11/07 Time: 16:29
Sample: 1 23
Included observations: 23
Variable Coefficient Std. Error t-Statistic Prob.
C 1756.641 667.2658 2.632596 0.0156
X2 -424.1146 347.9597 -1.218861 0.2364
R-squared 0.066070 Mean dependent var 945.2913
Adjusted R-squared 0.021597 S.D. dependent var 224.1711
S.E. of regression 221.7371 Akaike info criterion 13.72380
Sum squared resid 1032515. Schwarz criterion 13.82254
Log likelihood -155.8237 F-statistic 1.485623
Durbin-Watson stat 1.887292 Prob(F-statistic) 0.236412
X3：
Dependent Variable: Y
Method: Least Squares
Date: 12/11/07 Time: 16:29
Sample: 1 23
Included observations: 23
Variable Coefficient Std. Error t-Statistic Prob.
C 182.8827 137.8342 1.326831 0.1988
X3 0.540400 0.095343 5.667960 0.0000
R-squared 0.604712 Mean dependent var 945.2913
Adjusted R-squared 0.585888 S.D. dependent var 224.1711
S.E. of regression 144.2575 Akaike info criterion 12.86402
Sum squared resid 437014.5 Schwarz criterion 12.96276
Log likelihood -145.9362 F-statistic 32.12577
Durbin-Watson stat 2.064743 Prob(F-statistic) 0.000013
X4：
Dependent Variable: Y
Method: Least Squares
Date: 12/11/07 Time: 16:30
Sample: 1 23
Included observations: 23
Variable Coefficient Std. Error t-Statistic Prob.
C 184.7094 161.8178 1.141465 0.2665
X4 0.596476 0.124231 4.801338 0.0001
R-squared 0.523300 Mean dependent var 945.2913
Adjusted R-squared 0.500600 S.D. dependent var 224.1711
S.E. of regression 158.4178 Akaike info criterion 13.05129
Sum squared resid 527020.1 Schwarz criterion 13.15003
Log likelihood -148.0898 F-statistic 23.05284
Durbin-Watson stat 2.037087 Prob(F-statistic) 0.000096
由得出的數據可以看出， 的調整的判定系數最大，因此首先把 引入調整的方程中，然後在分別引入變數 、 、 進行OLS得：
X1、X3
Dependent Variable: Y
Method: Least Squares
Date: 12/11/07 Time: 16:32
Sample: 1 23
Included observations: 23
Variable Coefficient Std. Error t-Statistic Prob.
C -222.8991 345.9081 -0.644388 0.5266
X1 289.8101 227.2070 1.275533 0.2167
X3 0.517213 0.095693 5.404899 0.0000
R-squared 0.634449 Mean dependent var 945.2913
Adjusted R-squared 0.597894 S.D. dependent var 224.1711
S.E. of regression 142.1510 Akaike info criterion 12.87276
Sum squared resid 404138.2 Schwarz criterion 13.02087
Log likelihood -145.0368 F-statistic 17.35596
Durbin-Watson stat 2.032110 Prob(F-statistic) 0.000043
X2、X3
Dependent Variable: Y
Method: Least Squares
Date: 12/11/07 Time: 16:33
Sample: 1 23
Included observations: 23
Variable Coefficient Std. Error t-Statistic Prob.
C 239.5536 531.1435 0.451015 0.6568
X2 -27.00981 244.0392 -0.110678 0.9130
X3 0.536856 0.102783 5.223221 0.0000
R-squared 0.604954 Mean dependent var 945.2913
Adjusted R-squared 0.565449 S.D. dependent var 224.1711
S.E. of regression 147.7747 Akaike info criterion 12.95036
Sum squared resid 436747.0 Schwarz criterion 13.09847
Log likelihood -145.9292 F-statistic 15.31348
Durbin-Watson stat 2.063247 Prob(F-statistic) 0.000093
X3、X4
Dependent Variable: Y
Method: Least Squares
Date: 12/11/07 Time: 16:34
Sample: 1 23
Included observations: 23
Variable Coefficient Std. Error t-Statistic Prob.
C 331.7015 142.5882 2.326290 0.0306
X3 1.766892 0.553402 3.192782 0.0046
X4 -1.473721 0.656624 -2.244390 0.0363
R-squared 0.684240 Mean dependent var 945.2913
Adjusted R-squared 0.652664 S.D. dependent var 224.1711
S.E. of regression 132.1157 Akaike info criterion 12.72634
Sum squared resid 349091.0 Schwarz criterion 12.87445
Log likelihood -143.3529 F-statistic 21.66965
Durbin-Watson stat 2.111635 Prob(F-statistic) 0.000010
由數據結果可以看出，引入X4時方程的調整判定系數最大，且解釋變數均通過了顯著性檢驗，再分別引入X1、X2進行分析。
X1、X3、X4
Dependent Variable: Y
Method: Least Squares
Date: 12/11/07 Time: 16:37
Sample: 1 23
Included observations: 23
Variable Coefficient Std. Error t-Statistic Prob.
C 193.6693 403.8464 0.479562 0.6370
X1 89.29944 243.6512 0.366505 0.7180
X3 1.652622 0.646003 2.558228 0.0192
X4 -1.345001 0.757634 -1.775265 0.0919
R-squared 0.686457 Mean dependent var 945.2913
Adjusted R-squared 0.636950 S.D. dependent var 224.1711
S.E. of regression 135.0712 Akaike info criterion 12.80625
Sum squared resid 346640.3 Schwarz criterion 13.00373
Log likelihood -143.2719 F-statistic 13.86591
Durbin-Watson stat 2.082104 Prob(F-statistic) 0.000050
X2、X3、X4
Dependent Variable: Y
Method: Least Squares
Date: 12/11/07 Time: 16:38
Sample: 1 23
Included observations: 23
Variable Coefficient Std. Error t-Statistic Prob.
C 62.60939 489.2088 0.127981 0.8995
X2 134.1557 232.9303 0.575948 0.5714
X3 1.886588 0.600027 3.144175 0.0053
X4 -1.596394 0.701018 -2.277251 0.0345
R-squared 0.689658 Mean dependent var 945.2913
Adjusted R-squared 0.640657 S.D. dependent var 224.1711
S.E. of regression 134.3798 Akaike info criterion 12.79599
Sum squared resid 343100.8 Schwarz criterion 12.99347
Log likelihood -143.1539 F-statistic 14.07429
Durbin-Watson stat 2.143110 Prob(F-statistic) 0.000046
由輸出結果可以看出，在 的水平下，解釋變數 、 的檢驗的P值都大於0.05，解釋變數不能通過顯著性檢驗，因此可以得出結論模型中只能引入X3、X4兩個變數。則調整後的多元線性回歸方程為：
Se= (142.5882) (0.553402) (0.656624)
T= (2.326290) (3.192782) (-2.244390)
F=21.66965 df=20
（三）.異方差性的檢驗
對模型 進行懷特檢驗：
White Heteroskedasticity Test:
F-statistic 1.071659 Probability 0.399378
Obs*R-squared 4.423847 Probability 0.351673
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 12/11/07 Time: 16:53
Sample: 1 23
Included observations: 23
Variable Coefficient Std. Error t-Statistic Prob.
C 34247.50 128527.9 0.266460 0.7929
X3 247.9623 628.1924 0.394723 0.6977
X3^2 -0.071268 0.187278 -0.380548 0.7080
X4 -333.6779 714.3390 -0.467114 0.6460
X4^2 0.18 0.229933 0.526841 0.6047
R-squared 0.192341 Mean dependent var 15177.87
Adjusted R-squared 0.012861 S.D. dependent var 23242.54
S.E. of regression 23092.59 Akaike info criterion 23.12207
Sum squared resid 9.60E+09 Schwarz criterion 23.36892
Log likelihood -260.9038 F-statistic 1.071659
Durbin-Watson stat 1.968939 Prob(F-statistic) 0.399378
由檢驗結果可知， ，由White檢驗知，在 時，查 分布表，得臨界值 (20)=30.1435，因為 < (5)= 30.1435,所以模型中不存在異方差。
（四）.自相關的檢驗
由模型的輸出結果可知，估計結果都比較滿意，無論是回歸方程檢驗，還是參數顯著性檢驗的檢驗概率，都顯著小於0.05，D-W值為2.111635，顯著性水平 =0.05下查Durbin-Watson表，其中n=23，解釋變數的個數為2，得到下限臨界值 ，上限臨界值 ， =1.543<D-W=2.111635<4 ，由DW檢驗決策規則可知，該模型不存在自相關問題。
六、對模型進行分析和解釋經濟學意義
回歸方程的意義為：當平均每人實際月收入不變時，人均可支配收入每增加一個單位，人均消費支出減少1.473721個單位；當人均可支配收入不變時，平均每人實際月收入每增加一個單位，人均消費支出增加1.766892個單位。
七、 就模型所反映的問題給出針對性的政策建議或結論
對於我國人均消費支出的分析中，可以看出我國在過去的幾年裡經濟發展穩健，但是由於種種原因導致我國經濟的現狀存在一定的問題，如不完善的社會保障制度導致消費結構不合理；過高的居民儲蓄存款影響居民消費傾向；消費品生產行業投資方向失誤和低效率引起國內市場消費梗阻；保守的消費觀念和消費政策的制約；教育支出比重過大影響居民消費傾向 。對此我們國家應該在以下幾個方面對居民消費中存在的問題進行對策研究
（一）建立和完善社會保障制度，增強居民消費信心
（二）培育新的消費熱點，拓展居民的消費領域
（三）促使商品消費從自我積累型向信用支持型轉變
（四）分層次促進居民消費
（五）破解影響消費結構優化的政策制約
（六）化解有效供給不足與產品相對過剩的矛盾
『拾』 計量經濟學eviews 模型選擇
自變數：Y模型：最小二乘法包括：31個觀察值---------------------------------------------------------------------------------變數參數（前述變數的系數）標准差（樣本的波動性）後續C（常數相當於」1「）[數值][數值][數值]X1（變數1）[數值][數值][數值]X2（變數2）[數值][數值][數值]前續T統計量（用於對照T檢驗值判斷置信水平）Prob（置信可能，對比置信水平檢驗數據是否可用）----------------------------------------------------------------------------------R²（擬合度，用於判斷回歸是否擬合優良）平均方差調整R²（調整擬合度，修正樣本帶來的影響便於橫向對比）標准差SEofregression標准誤（衡量殘差水平），sumsquaredresid殘差平方和即RSS）後面兩個准則（criterion）是需要結合其他測試驗證模型平穩性、偏態等特性。loglikelihood反映擬合程度，一般越小越好。F統計量一般需要結合F測試判斷模型整體置信度。Prob（F）標記F檢驗的結果一般小於置信度為模型可接受。DWtest杜賓瓦森檢驗，一般檢驗模型自相關程度。上述介紹比較籠統，需要你自己根據關鍵詞（如杜賓瓦森檢驗等）繼續學習才能弄明白。全部解釋清楚至少也得一本小冊子了。因此還需靠自己去一點點弄懂了。