|
|
EViews 14版功能特征
EViews 为数据处理、统计和计量经济学分析、预测和模拟、数据呈现和编程提供了广泛的强大功能。 虽然我们不可能列出所有内容，但以下列表提供了对重要 EViews 功能的一瞥：
基本数据处理
- 数字、字母数字（字符串）和日期系列；价值标签。
- 广泛的运算符库和统计、数学、日期和字符串函数。
- 用于表达式处理和使用运算符和函数转换现有数据的强大语言。
- 样本和样本对象有助于处理数据子集。
- 支持复杂的数据结构，包括定期日期数据、不定期日期数据、带有观察标识符的横截面数据、日期和未注明日期的面板数据。
- 多页工作文件。
- EViews 本地、基于磁盘的数据库提供强大的查询功能并与 EViews 工作文件集成。
- 在 EViews 和各种电子表格、统计和数据库格式之间转换数据，包括（但不限于）：Microsoft Access® 和 Excel® 文件（包括 .XSLX 和 .XLSM）、Gauss
数据集文件、R 数据文件、SAS® 传输文件、SPSS 本机和可移植文件、Stata
文件、Tableau®、原始格式的 ASCII 文本或二进制文件、HTML 或 ODBC 数据库
和查询（仅在企业版中提供 ODBC 支持）。
- OLE 支持将 EViews 输出（包括表格和图形）链接到其他包，包括 Microsoft Excel®、Word® 和 Powerpoint®。
- OLEDB 支持使用 OLEDB 感知客户端或自定义程序读取 EViews 工作文件和数据库。
- 支持 FRED®（美联储经济数据）、DBNomics、世界银行、世界卫生组织、经合组织、联合国 SDMX、IMF SDMX、NOAA、美国人口普查、美国 BEA、美国 BLS、ECB SDMX、EuroStat 数据库等等！ .
- 企业版支持 Haver Analytics® DLX®、FAME、EcoWin、Bloomberg®、EIA®、CEIC®®、Datastream®、Trading Economics® 和 Moody's Economy.com 数据库
- EViews Microsoft Excel® 插件允许您从 Excel 中的 EViews 工作文件和数据库链接或导入数据。
- 拖放支持读取数据；只需将文件拖放到 EViews 中，即可将外部数据和元数据自动转换和链接为 EViews 工作文件格式。
- 用于根据现有系列中的值和日期创建新工作文件页面的强大工具。
- 匹配合并、连接、追加、子集、调整大小、排序和重塑（堆叠和取消堆叠）工作文件。
- 在不同频率的页面之间复制或链接数据时易于使用的自动频率转换。
- 频率转换和匹配合并支持在底层数据发生变化时动态更新。
- 自动更新公式系列，每当基础数据更改时自动重新计算。
- 易于使用的频率转换：只需在不同频率的页面之间复制或链接数据。
- 用于模拟的重采样和随机数生成工具。使用三个不同的随机数生成器为 18 个不同的分布函数生成随机数。
- 支持云盘访问，让您可以直接打开并保存文件到 Dropbox、OneDrive、Google Drive 和 Box 帐户。
时间序列数据处理
- 对处理日期和时间序列数据（定期和不定期）的集成支持。
- 支持常见的常规频率数据（年度、半年度、季度、每月、双月、两周、十天、每周、每天 - 每周 5 天、每天 - 每周 7 天）。
- 支持高频（日内）数据，允许小时、分钟和秒的频率。此外，还有一些不太常见的常规频率，包括多年、双月、两周、十天和每周任意天数范围的每日。
- 专门的时间序列函数和运算符：滞后、差异、对数差异、移动平均线等。
- 变频：各种由高到低、由低到高的方式。
- 指数平滑：单、双、Holt-Winters 和 ETS 平滑。
- 用于美白回归的内置工具。
- Hodrick-Prescott 过滤。
- 带通（频率）滤波：Baxter-King、Christiano-Fitzgerald 固定长度和全样本非对称滤波器。
- 季节性调整：Census X-13、STL Decomposition、MoveReg、X-12-ARIMA、Tramo/Seats、每日调整、移动平均。
- 用于填补系列中缺失值的插值：线性、对数线性、Catmull-Rom 样条、基数样条。
- 小波：变换、方差分解、异常值检测和阈值处理。
统计
基础
- 基本数据汇总；分组总结。
- 等式检验：t 检验、ANOVA（平衡和不平衡，有或没有异方差方差。）、Wilcoxon、Mann-Whitney、中值卡方、Kruskal-Wallis、van der Waerden、F 检验、Siegel-Tukey、Bartlett , Levene, Brown-Forsythe。
- 单向制表；具有关联度量（Phi 系数、Cramer V、权变系数）和独立性测试（Pearson 卡方、似然比 G^2）的交叉表。
- 协方差和相关分析，包括 Pearson、Spearman rank-order、Kendall 的 tau-a 和 tau-b 以及部分分析。
- 主成分分析，包括碎石图、双标图和载荷图，以及加权成分得分计算。
- 因子分析允许计算关联度量（包括协方差和相关性）、唯一性估计、因子负荷估计和因子分数，以及使用 30 多种不同的正交和倾斜方法之一进行估计诊断和因子旋转。
- 正态分布、指数分布、极值分布、Logistic 分布、卡方分布、Weibull 分布或 Gamma 分布的经验分布函数 (EDF) 检验（Kolmogorov-Smirnov、Lilliefors、Cramer-von Mises、Anderson-Darling、Watson）。
- 直方图、频率多边形、边缘频率多边形、平均位移直方图、CDF-幸存者-分位数、分位数-分位数、核密度、拟合理论分布、箱线图。
- 带有参数和非参数回归线（LOWESS，局部多项式）、核回归（Nadaraya-Watson，局部线性，局部多项式）或置信椭圆的散点图。
时间序列
- 自相关、偏自相关、互相关、Q 统计量。
- 格兰杰因果关系检验，包括小组格兰杰因果关系。
- 单位根检验：Augmented Dickey-Fuller、GLS 变换 Dickey-Fuller、Phillips-Perron、KPSS、Eliot-Richardson-Stock Point Optimal、Ng-Perron，以及带断点的单位根检验和季节性单位根检验。
- 协整检验：Johansen、Engle-Granger、Phillips-Ouliaris、Park 添加变量和 Hansen 稳定性。
- 独立性测试：布罗克（Brock），德切尔特（Dechert），舍克曼（Scheinkman）和勒巴隆
- 方差比检验：Lo 和 MacKinlay、Kim wild bootstrap、Wright's rank、rank-score 和 sign-tests。 Wald 和多重比较方差比检验（Richardson 和 Smith、Chow 和 Denning）。
- 长期方差和协方差计算：使用非参数内核（Newey-West 1987，Andrews 1991）、参数 VARHAC（Den Haan 和 Levin 1997）和预白化内核（Andrews 和 Monahan 1992）的对称或单边长期协方差方法。此外，EViews 支持用于核估计器的 Andrews (1991) 和 Newey-West (1994) 自动带宽选择方法，以及用于 VARHAC 和预白化估计的基于滞后长度选择方法的信息标准。
面板和池
- 按组和按周期统计和测试。
- 单位根检验：Levin-Lin-Chu、Breitung、Im-Pesaran-Shin、Fisher、Hadri、PANIC、CIPS。
- 协整检验：Pedroni、Kao、Maddala 和 Wu。
- 系列协方差和主成分内的面板。
- Dumitrescu-Hurlin (2012) 面板因果关系检验。
- 横截面依赖性测试。
估计
回归
- 线性和非线性普通最小二乘法（多元回归）。
- 使用 PDL 对任意数量的自变量进行线性回归。
- 稳健回归。
- 非线性估计的解析导数。
- 加权最小二乘法。
- White 等异方差一致，且 Newey-West 稳健标准误。 HAC 标准误差可以使用非参数核、参数 VARHAC 和预白化核方法计算，并允许用于核估计器的 Andrews 和 Newey-West 自动带宽选择方法，以及用于 VARHAC 和预白化估计的基于滞后长度选择方法的信息标准。
- 聚类标准误。
- 线性分位数回归和最小绝对偏差 (LAD)，包括 Huber's Sandwich 和 bootstrapping 协方差计算。
- 阈值回归包括 TAR 和 SETAR，平滑阈值回归包括 STAR。
- ARDL 估计，包括用于协整的边界检验方法。
- 弹性网、岭回归和 LASSO 估计。
- 函数系数估计。
变量选择和机器学习
- 具有七种不同选择程序的逐步回归。
- LASSO 变量选择。
- 弹性网、岭回归和 LASSO 估计。
- 自动搜索/GETS 变量选择。
- 自动 ARIMA 规范
ARMA 和 ARMAX
- 具有自回归移动平均、季节性自回归和季节性移动平均误差的线性模型。
- 具有 AR 和 SAR 规范的非线性模型。
- 使用 Box 和 Jenkins、条件最小二乘法、ML 或 GLS 的回溯方法进行估计。
- 部分集成的 ARFIMA 模型。
Instrumental Variables 和 GMM
- 线性和非线性两阶段最小二乘/仪器变量（2SLS / IV）和广义矩量法（GMM）估计。
- 具有 AR 和 SAR 误差的线性和非线性 2SLS/IV 估计。
- 有限信息最大似然 (LIML) 和 K 级估计。
- 广泛的 GMM 权重矩阵规范（白色、HAC、用户提供），可控制权重矩阵迭代。
- GMM 估计选项包括持续更新估计 (CUE) 和许多新的标准误差选项，包括 Windmeijer 标准误差。
- IV/GMM 特定诊断包括仪器正交性测试、回归量内生性测试、弱仪器测试和 GMM 特定断点测试。
ARCH/GARCH
- GARCH(p,q)、EGARCH、TARCH、分量 GARCH、功率 ARCH、集成 GARCH。
- 线性或非线性均值方程可以包括ARCH和ARMA项。 均值和方差方程都允许外生变量。
- 正态分布、Student t 分布和广义误差分布。
- Bollerslev-Wooldridge 稳健标准误差。
- 条件方差和均值以及永久分量的样本内和样本外预测。
- 分数积分 FIGARCH 和 FIEGARCH 估计量。
- 新闻影响曲线。
- 稳定性测试和符号偏差测试。
有限因变量模型
- 二元 Logit、Probit 和 Gompit（极值）。
- 有序 Logit、Probit 和 Gompit（极值）。
- 具有正常、逻辑和极值错误（Tobit 等）的截尾和截断模型。
- 使用泊松、负二项式和准最大似然 (QML) 规范计算模型。
- 赫克曼选择模型。
- Huber/White 稳健标准误差。
- 计数模型支持广义线性模型或 QML 标准错误。
- 用于二元模型的 Hosmer-Lemeshow 和 Andrews Goodness-of-Fit 测试。
- 轻松将结果（包括广义残差和梯度）保存到新的 EViews 对象以供进一步分析。
- 通用 GLM 估计引擎可用于估计这些模型中的几个，并可选择包括稳健的协方差。
面板数据/合并时间序列、横截面数据
- 具有附加截面和周期固定或随机效应的线性和非线性估计。
- 随机效应模型中分量方差的二次无偏估计量 (QUE) 的选择：Swamy-Arora、Wallace-Hussain、Wansbeek-Kapteyn。
- 具有横截面和周期固定或随机效应的 2SLS/IV 估计。
- 在转换规范上使用非线性最小二乘法估计 AR 误差
- 广义最小二乘法、广义 2SLS/IV 估计、允许横截面或周期异方差和相关规范的 GMM 估计。
- 使用一阶差分或正交偏差与特定时期的预定工具 (Arellano-Bond) 进行线性动态面板数据估计。
- 面板序列相关测试（Arellano-Bond）。
- 稳健标准误差计算包括七种类型的稳健白色和面板校正标准误差 (PCSE)。
- 系数限制、省略和冗余变量的检验，相关随机效应的豪斯曼检验。
- 面板单位根检验：Levin-Lin-Chu、Breitung、Im-Pesaran-Shin、使用 ADF 和 PP 检验的 Fisher 类型检验（Maddala-Wu、Choi）、Hadri。
- 面板协整估计：完全修改的 OLS（FMOLS，Pedroni 2000）或动态普通最小二乘法（DOLS，Kao 和 Chaing 2000，Mark 和 Sul 2003）。
- 合并均值组 (PMG) 估计。
广义线性模型
- 正态、泊松、二项式、负二项式、伽马、逆高斯、指数中值、幂均值、二项式平方族。
- Identity、log、log-complement、logit、probit、log-log、互补 log-log、inverse、power、power 优势比、Box-Cox、Box-Cox 优势比链接函数。
- 先验方差和频率加权。
- 固定、Pearson Chi-Sq、偏差和用户指定的色散规范。 支持 QML 估计和测试。
- Quadratic Hill Climbing、Newton-Raphson、IRLS - Fisher Scoring 和 BHHH 估计算法。
- 使用预期或观察到的 Hessian 或梯度的外积计算的普通系数协方差。 使用 GLM、HAC 或 Huber/White 方法进行稳健的协方差估计。
单方程协整回归
- 支持三种完全有效的估计方法，Fully Modified OLS (Phillips and Hansen 1992)、Canonical Cointegrating Regression (Park 1992) 和 Dynamic OLS (Saikkonen 1992, Stock and Watson 1993)
- Engle 和 Granger (1987) 以及 Phillips 和 Ouliaris (1990) 基于残差的检验、Hansen (1992b) 的不稳定性检验和 Park (1992) 添加的变量检验。
- 方程中趋势和确定性回归变量的灵活规范以及协整回归变量规范。
- FMOLS 和 CCR 长期方差的全功能估计。
- DOLS 滞后和超前以及长期方差白化回归的自动或固定滞后选择。
- 重新调整的 OLS 和稳健的 DOLS 标准误差计算。
用户指定的最大似然
- 使用标准 EViews 系列表达式来描述对数似然贡献。
- 多项式和条件 logit、Box-Cox 变换模型、不平衡切换模型、具有异方差误差的概率模型、嵌套 logit、Heckman 样本选择和 Weibull 风险模型的示例。
方程组
基本
- 线性和非线性估计。
- 最小二乘法、2SLS、方程加权估计、看似无关回归和三阶段最小二乘法。
- 带有 White 和 HAC 加权矩阵的 GMM。
- 在转换后的规范上使用非线性最小二乘法进行 AR 估计。
- 完整信息最大似然 (FIML)。
VAR/VEC
- 通过施加短期或长期限制，或两者兼而有之，估计VAR中的结构分解。
- 贝叶斯 VAR，对预测和脉冲响应进行贝叶斯抽样。
- 混合频率 VAR。
- 马尔可夫开关 VAR。
- 各种表格和图形格式的脉冲响应函数，标准误差通过分析或蒙特卡罗方法计算。
- 从 Cholesky 分解、一个单位或一个标准差残差（忽略相关性）、广义脉冲、结构分解或用户指定的向量/矩阵形式计算的脉冲响应冲击。
- 标准 VAR 模型的历史分解。
- 对 VEC 模型中的协整关系和/或调整系数施加和测试线性限制。
- 从估计的 VEC 模型查看或生成协整关系。
- 广泛的诊断包括：格兰杰因果检验、联合滞后排除检验、滞后长度标准评估、相关图、自相关、正态性和异方差检验、协整检验、其他多变量诊断。
多变量 ARCH
- 条件常数相关 (p,q)、对角线 VECH (p,q)、对角线 BEKK (p,q)，具有不对称项。
- 对角VECH系数矩阵的广泛参数化选择。
- 均值和方差方程中允许的外生变量； 平均方程中允许的非线性和 AR 项。
- Bollerslev-Wooldridge 稳健标准误差。
- 正态或学生t多元误差分布
- 选择解析或（快速或慢速）数字导数。 （分析导数不适用于某些复杂模型。）
- 从估计的 ARCH 模型生成各种表格和图形格式的协方差、方差或相关性。
状态空间
- 用于估计用户指定的单方程和多方程结构模型的卡尔曼滤波器算法。
- 状态方程中的外生变量和完全参数化的方差规范。
- 生成提前一步、过滤或平滑的信号、状态和错误。
- 示例包括时变参数、多元 ARMA 和拟似然随机波动率模型。
检验和评估
- 实际值、拟合值、残差图。
- 线性和非线性系数限制的 Wald 检验；置信椭圆显示任意两个估计参数函数的联合置信区域。
- 其他系数诊断：标准化系数和系数弹性、置信区间、方差膨胀因子、系数方差分解。
- 省略和冗余变量 LR 检验、残差和残差平方相关图和 Q 统计量、残差序列相关和 ARCH LM 检验。
- White，Breusch-Pagan，Godfrey，Harvey和Glejser异方差测试。
- 稳定性诊断：Chow 断点和预测测试、Quandt-Andrews 未知断点测试、Bai-Perron 断点测试、Ramsey RESET 测试、OLS 递归估计、影响统计、杠杆图。
- ARMA 方程诊断：AR 和/或 MA 特征多项式的逆根的图形或表格，将理论（估计）自相关模式与结构残差的实际相关模式进行比较，显示对创新冲击的 ARMA 脉冲响应和ARMA 频谱。
- 轻松将结果（系数、系数协方差矩阵、残差、梯度等）保存到 EViews 对象以供进一步分析。
另请参阅估计和方程组以了解其他专门的测试程序。
预测和仿真
- 估计方程对象的样本内或样本外静态或动态预测，并计算预测的标准误差。
- 预测图和样本内预测评估：RMSE、MAE、MAPE、Theil 不等式系数和比例
- 用于多方程预测和多变量模拟的最先进的模型构建工具。
- 模型方程可以以文本形式输入，也可以作为重新估计自动更新的链接输入。
- 显示方程的依赖结构或内生和外生变量。
- 用于非随机和随机模拟的 Gauss-Seidel、Broyden 和 Newton 模型求解器。非随机前向解决方案求解模型一致的期望。随机模拟可以使用自举残差。
- 解决控制问题，使内生变量达到用户指定的目标。
- 复杂的方程归一化、添加因子和覆盖支持。
- 管理和比较涉及各种假设的多个解决方案场景。
- 内置模型视图和程序以图形或表格形式显示仿真结果。
图形、表格和地图
- 线、点图、面积、条形、尖峰、季节性、饼图、xy 线、散点图、气泡图、箱线图、误差线、高低开闭和区域带。
- 功能强大、易于使用的分类和汇总图。
- 自动更新随着基础数据变化而更新的图形。
- 当您将光标悬停在图形中的某个点上时，会显示观测信息和值。
- 直方图、平均位移直方图、频率多边形、边频多边形、箱线图、核密度、拟合理论分布、箱线图、CDF、幸存者、分位数、分位数-分位数。
- 具有任意组合参数和非参数内核（Nadaraya-Watson、局部线性、局部多项式）和最近邻 (LOWESS) 回归线或置信椭圆的散点图。
- 交互式点击或基于命令的自定义。
- 图形背景、框架、图例、轴、缩放、线条、符号、文本、阴影、淡入淡出的广泛定制，具有改进的图形模板功能。
- 表格自定义，可控制单元格字体、大小和颜色、单元格背景颜色和边框、合并和注释。
- 将图形复制并粘贴到其他 Windows 应用程序中，或将图形保存为 Windows 常规或增强型元文件、封装的 PostScript 文件、位图、GIF、PNG 或 JPG。
- 将表格复制并粘贴到另一个应用程序或保存到 RTF、HTML、LaTeX、PDF 或文本文件。
- 在一个线轴对象中一起管理图形和表格，让您可以在一个对象中显示多个结果和分析。
- 打开地理地图 ShapeFiles 并将区域与 EViews 工作文件中的数据联系起来，允许按数据对这些区域进行着色和标记。
- 图形和地图的动画，均在 EViews 中，并通过导出为 .GIF 和 .MP4 媒体文件。
命令和编程
- 面向对象的命令语言提供对菜单项的访问。
- 批量执行程序文件中的命令。
- 循环和条件分支、子程序和宏处理。
- 用于字符串处理的字符串和字符串向量对象。 广泛的字符串和字符串列表函数库。
- 广泛的矩阵支持：矩阵处理，乘法，求逆，Kronecker乘积，特征值解和奇异值分解。
外部接口和插件
- EViews COM 自动化服务器支持，以便外部程序或脚本可以启动或控制 EViews、传输数据和执行 EViews 命令。
- EViews 提供与 MATLAB®、R 和 Python 的集成，因此 EViews 可用于启动或控制这些应用程序、传输数据或执行命令。
- EViews Microsoft Excel® 插件提供了一个简单的界面，用于从 Microsoft Excel®（2000 及更高版本）中获取和链接到存储在 EViews 工作文件和数据库中的系列和矩阵对象。
- EViews 插件基础结构使用标准 EViews 命令、菜单和对象界面提供对用户定义程序的无缝访问。
- 从 EViews 网站下载并安装预定义的插件。
在线留言
尊敬的客户朋友，如您有任何意见建议，请通过下表反馈给我们，我们会尽快与您联系。
|
|
|
400-621-1085
