EViews 14 功能列表 - EViews 14 - 计量经济学软件

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 EViews 重要功能的一瞥：

基本数据处理

数字、字母数字（字符串）和日期序列;值标签。
广泛的运算符库以及统计、数学、日期和字符串函数。
使用运算符和函数处理和转换现有数据的强大语言。
示例和示例对象有助于对数据子集进行处理。
支持复杂的数据结构，包括常规日期数据、不规则日期数据、带观测标识符的横截面数据、日期和非日期面板数据。
多页工作文件。
EViews 基于磁盘的本机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。
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、欧洲央行 SDMX、EuroStat 数据库等等！
支持 Haver Analytics® DLX®、FAME、EcoWin、Bloomberg®、EIA®、CEIC、®® Datastream®、Trading Economics® 和 Moody’s Economy.com 数据库
EViews Microsoft Excel® 加载项允许您从 Excel 中链接或导入 EViews 工作文件和数据库中的数据。
拖放支持读取数据;只需将文件拖放到 EViews 中，即可自动转换并将外部数据和元数据链接到 EViews 工作文件格式。
用于从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、联接、追加、子集、调整大小、排序和调整（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底层数据随时动态更新。
自动更新公式系列，每当基础数据更改时，都会自动重新计算。
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即可。
用于重采样和生成用于仿真的随机数的工具。使用三种不同的随机数生成器生成 18 个不同分布函数的随机数。
支持云驱动器访问，允许您直接打开文件并将其保存到 Dropbox、OneDrive、Google Drive 和 Box 帐户。

时序数据处理

集成支持处理日期和时间序列数据（常规和不规则）。
支持常见的常规频率数据（年度、半年、季度、月、每两个月一次、每两周一次、十天一次、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、分钟和秒频率。此外，还有许多不太常见的常规频率，包括多年、双月、两周、十天和每日，每周的天数范围为任意范围。
专用时间序列函数和运算符：滞后、差值、对数差、移动平均线等。
变频：各种从高到低和从低到高的方法。
指数平滑：单平滑、双平滑、Holt-Winters 平滑和 ETS 平滑。
用于美白回归的内置工具。
标准和增强的 Hodrick-Prescott 滤波。
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：JDemetra+、Census X-13、STL Decomposition、MoveReg、X-12-ARIMA、Tramo/Seats、每日调整、移动平均线。
用于填充序列中缺失值的插值：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。

统计学

基本

基本数据摘要;按组摘要。
相等检验：t 检验、方差分析（平衡和不平衡，有或没有异方差方差）、Wilcoxon、Mann-Whitney、中位卡方、Kruskal-Wallis、van der Waerden、F 检验、Siegel-Tukey、Bartlett、Levene、Brown-Forsythe。
单因素制表;与关联度量（Phi 系数、Cramer V、偶联系数）和独立性检验（Pearson 卡方、似然比 G^2）进行交叉制表。
协方差和相关分析，包括 Pearson、Spearman 秩序、Kendall 的 tau-a 和 tau-b 以及偏分析。
主成分分析，包括碎石图、双图和加载图，以及加权成分分数计算。
因子分析允许计算关联度量（包括协方差和相关性）、唯一性估计值、因子加载估计值和因子得分，以及使用 30 多种不同的正交和倾斜方法之一执行估计诊断和因子旋转。
正态分布、指数分布、极值分布、逻辑分布、卡方分布、威布尔分布或伽马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、平均偏移直方图、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。
具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。
异常值检测，包括 Tukey 围栏、平均边界、ARIMA 异常值和小波检测。

时间序列

自相关、偏自相关、互相关、Q 统计。
格兰杰因果关系检验，包括面板格兰杰因果关系。
单位根检验：增强的 Dickey-Fuller、GLS 变换的 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。
趋势、变化点和气泡测试。
协整检验：Johansen、Engle-Granger、Phillips-Ouliaris、Park 添加变量和 Hansen 稳定性。
独立性测试：Brock、Dechert、Scheinkman 和 LeBaron
方差比检验：Lo 和 MacKinlay、Kim wild bootstrap、Wright 的秩、秩分数和符号检验。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：使用非参数核（Newey-West 1987，Andrews 1991）、参数 VARHAC （Den Haan 和 Levin 1997）和预白核（Andrews and Monahan 1992）方法进行对称或或单侧长期协方差。此外，EViews 还支持 Andrews （1991）和 Newey-West （1994）用于核估计器的自动带宽选择方法，以及用于 VARHAC 和预白化估计的基于信息标准的滞后长度选择方法。

面板和池

按组和按期间统计和测试。
单位根测试：Levin-Lin-Chu、Breitung、Im-Pesaran-Shin、Fisher、Hadri、PANIC、CIPS。
协整检验：Pedroni、Kao、Maddala 和 Wu。
序列协方差和主成分中的面板。
Dumitrescu-Hurlin （2012）面板因果关系测试。
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。
稳健的回归。
用于非线性估计的解析导数。
加权最小二乘法。
白色和其他异方差一致，以及Newey-West鲁棒标准误差。可以使用非参数核、参数 VARHAC 和预白核方法计算 HAC 标准误差，并允许 Andrews 和 Newey-West 自动带宽选择内核估计器的方法，以及基于信息标准的滞后用于VARHAC和预白估计的长度选择方法。
聚类标准错误。
线性分位数回归和最小绝对偏差（LAD），包括 Huber 的三明治和自举协方差计算。
包括 TAR 和 SETAR 在内的阈值回归，以及包括 STAR 在内的平滑阈值回归。
ARDL（标准、非线性/非对称和分位数）估计，包括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

使用七种不同的选择程序进行逐步回归。
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线、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。

工具变量和 GMM

线性和非线性两阶段最小二乘法/工具变量（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 类估计。
广泛的 GMM 加权矩阵规格（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）和许多新的标准错误选项，包括 Windmeijer 标准错误。
IV/GMM 特定诊断包括仪器正交性测试、回归内生性检验、弱仪器检验和 GMM 特异性检验断点测试。

ARCH/GARCH

GARCH（p，q）、EGARCH、TARCH、组件 GARCH、Power ARCH、集成 GARCH。
线性或非线性平均方程可以包括 ARCH 和 ARMA 项;均值和方差方程都允许外生变量。
正态分布、学生 t 分布和广义误差分布。
Bollerslev-Wooldridge 鲁棒标准误差。
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 估计器。
混合频率 MIDAS GARCH 型号。
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

二进制 Logit、Probit 和 Gompit（极值）。
有序 logit、probit 和 gompit（极值）。
具有法线、逻辑和极值误差的删失和截断模型（Tobit 等）。
使用泊松、负二项式和准最大似然（QML）规范对模型进行计数。
Heckman 选择模型。
Huber/White 鲁棒标准误差。
计数模型支持广义线性模型或QML标准误差。
二元模型的 Hosmer-Lemeshow 和 Andrews 拟合优度检验。
轻松将结果（包括广义残差和梯度）保存到新的 EViews 对象中，以便进一步分析。
通用 GLM 估计引擎可用于估计其中的几个模型，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

具有加性横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器（QUE）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。
使用变换规范上的非线性最小二乘法对 AR 误差进行估计
广义最小二乘法、广义 2SLS/IV 估计、GMM 估计，允许横截面或周期异方差和相关规范。
使用特定周期的预定工具（Arellano-Bond）使用第一差分或正交偏差进行线性动态面板数据估计。
面板串行相关性测试（Arellano-Bond）。
鲁棒标准误差计算包括七种类型的鲁棒白误差和面板校正标准误差（PCSE）。
系数限制、省略变量和冗余变量的检验，相关随机效应的豪斯曼检验。
面板单元根测试：Levin-Lin-Chu、Breitung、Im-Pesaran-Shin、使用 ADF 和 PP 测试的 Fisher 型测试（Maddala-Wu、Choi）、Hadri。
面板协整估计：完全修正的OLS（FMOLS，Pedroni 2000）或动态普通最小二乘法（DOLS，Kao和Chaing 2000，Mark和Sul 2003）。
合并平均组（PMG）估计。
双重差分估计。

广义线性模型

正态、泊松、二项式、负二项式、伽玛、反高斯、指数 Mena、幂均值、二项式平方族。
恒等式、对数、对数补码、对数、概率、对数对数、免费对数对数、逆、幂、幂比值比、Box-Cox、Box-Cox 比值比链接函数。
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格。支持QML估计和测试。
二次爬坡、Newton-Raphson、IRLS – Fisher Scoring 和 BHHH 估计算法。
使用预期或观测的 Hessian 或梯度的外积计算的常系数协方差。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，完全修改的 OLS （Phillips and Hansen 1992）、Canonical Cointegrating Regression （Park 1992）和动态 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）的添加变量检验。
灵活地规范方程中的趋势和确定性回归变量以及协整回归变量规范。
对 FMOLS 和 CCR 的长期方差进行全功能估计。
自动或固定的滞后选择，用于 DOLS 滞后和超前以及长期方差美白回归。
重新调整 OLS 的 OLS 和可靠的标准误差计算。

用户指定的最大似然法

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、方程加权估计法、看似无关回归法和三阶段最小二乘法。
具有白色和 HAC 加权矩阵的 GMM。
在变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，或两者兼而有之来估计 VAR 中的结构因式分解。
贝叶斯 VAR，具有预测和脉冲响应的贝叶斯采样。
混合频率 VAR。
马尔可夫开关 VAR。
贝叶斯时变系数 VAR。
各种表格和图形格式的脉冲响应函数，通过分析或蒙特卡罗方法计算标准误差。
根据 Cholesky 因式分解、单单位或单标准差残差（忽略相关性）、广义脉冲、结构因式分解或用户指定的向量/矩阵形式计算的脉冲响应冲击。
局部投影脉冲响应函数（LPIRF）。
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。
查看或生成估计的 VEC 模型的协整关系。
广泛的诊断包括：格兰杰因果关系检验、联合滞后排除检验、滞后长度标准评估、相关图、自相关、正态性和异方差性检验、协整性检验、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），具有非对称项。
对角线 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;均值方程中允许使用非线性项和 AR 项。
Bollerslev-Wooldridge 鲁棒标准误差。
正态或学生 t 多变量误差分布
选择解析或（快速或慢速）数值导数。（分析衍生品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

卡尔曼滤波算法，用于估计用户指定的单方程和多方程结构模型。
状态方程中的外生变量和完全参数化的方差规范。
提前一步生成经过滤波或平滑处理的信号、状态和错误。
示例包括时变参数、多变量 ARMA 和准似然随机波动率模型。

测试与评估

实际、拟合、残差图。
线性和非线性系数限制的 Wald 检验;置信度椭圆，显示估计参数的任意两个函数的联合置信区。
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、残差和平方残差相关图和 Q 统计量、残差序列相关性和 ARCH LM 检验。
White、Breusch-Pagan、Godfrey、Harvey 和 Glejser 异方差性测试。
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 特征多项式的反根的图形或表格，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 ARMA 脉冲对创新冲击的响应和 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。

预测和模拟

根据估计方程对象进行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、泰尔不等式系数和比例
用于多方程预测和多变量仿真的先进模型构建工具。
模型方程可以以文本形式输入，也可以作为链接输入，以便在重新估计时自动更新。
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。非随机正向解求解模型一致期望。Stochasitc 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集的多个解决方案方案。
内置的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

折线图、点图、面积图、条形图、尖峰图、季节性图、饼图、xy 线图、散点图、气泡图、箱线图、误差线图、高-低-开-收-收和区域带。
功能强大、易于使用的分类图和汇总图。
自动更新图形，随着基础数据的变化而更新。
将光标悬停在图形中的某个点上时，将显示观测值信息和值。
直方图、平均移位历史图、频率多元、边频率多边形、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。
具有任意组合的参数和非参数核（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。
交互式点击式或基于命令的自定义。
广泛自定义图形背景、框架、图例、轴、缩放、线条、符号、文本、阴影、淡入淡出，并改进了图形模板功能。
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，或将图形另存为 Windows 常规或增强的图元文件、封装的 PostScript 文件、位图、GIF、PNG 或 JPG。
将表格复制并粘贴到其他应用程序或保存到 RTF、HTML、LaTeX、PDF 或文本文件。
在假脱机对象中同时管理图形和表格，使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 工作文件中的数据相关联，从而允许按数据对这些区域进行着色和标注。
图形和地图的动画，无论是在 EViews 中，还是通过导出为 .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。
使用断点、调用堆栈和监视窗口进行调试。
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：矩阵操作、乘法、反演、克罗内克积、特征值解和奇异值分解。
与 Juypter 笔记本集成。

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® 加载项提供了一个简单的界面，用于从 Microsoft Excel®（2000 及更高版本）中获取和链接存储在 EViews 工作文件和数据库中的系列和矩阵对象。
EViews Add-ins 基础架构提供对用户定义的无缝访问使用标准 EViews 命令、菜单和对象的程序接口。
从 EViews 网站下载并安装预定义的加载项。