計量經(jīng)濟軟件Eviews上機指導.doc

計量經(jīng)濟軟件Eviews上機指導及演示示例陳冬冬 編著四川農(nóng)業(yè)大學目 錄第一部分 Eviews簡介11、Eviews是什么12、運行Eviews13、Eviews的窗口14、Eviews的主要功能35、關(guān)閉Eviews3第二部分 單方程計量經(jīng)濟模型Eviews操作3案例31、創(chuàng)建工作文件42、輸入和編輯數(shù)據(jù)73、圖形分析104、OLS估計參數(shù)125、預測156、非線性回歸模型的估計207、異方差檢驗與解決辦法218、自相關(guān)檢驗與解決辦法21第三部分 聯(lián)立方程計量經(jīng)濟模型Eviews操作21第四部分 EVIEWS在計量經(jīng)濟學中的演示示例（八個）27 1、EVIEWS在計量經(jīng)濟學教學過程中的演示示例（一）27 2、EVIEWS在計量經(jīng)濟學教學過程中的演示示例（二）28 3、EVIEWS在計量經(jīng)濟學教學過程中的演示示例（三）29 4、EVIEWS在計量經(jīng)濟學教學過程中的演示示例（四）33 5、EVIEWS在計量經(jīng)濟學教學過程中的演示示例（五）38 6、EVIEWS在計量經(jīng)濟學教學過程中的演示示例（六）42 7、EVIEWS在計量經(jīng)濟學教學過程中的演示示例（七）49 8、EVIEWS在計量經(jīng)濟學教學過程中的演示示例（八）52第五部分 綜合練習57第一部分 Eviews簡介Eviews是Econometrics Views的縮寫，直譯為計量經(jīng)濟學觀察，通常稱為計量經(jīng)濟學軟件包。它的本意是對社會經(jīng)濟關(guān)系與經(jīng)濟活動的數(shù)量規(guī)律，采用計量經(jīng)濟學方法與技術(shù)進行“觀察”。計量經(jīng)濟學研究的核心是設(shè)計模型、收集資料、估計模型、檢驗?zāi)Ｐ?、?yīng)用模型（結(jié)構(gòu)分析、經(jīng)濟預測、政策評價）。Eviews是完成上述任務(wù)比較得力的必不可少的工具。正是由于Eviews等計量經(jīng)濟學軟件包的出現(xiàn)，使計量經(jīng)濟學取得了長足的進步，發(fā)展成為一門較為實用與嚴謹?shù)慕?jīng)濟學科。1、Eviews是什么Eviews是美國QMS公司研制的在Windows下專門從事數(shù)據(jù)分析、回歸分析和預測的工具。使用Eviews可以迅速地從數(shù)據(jù)中尋找出統(tǒng)計關(guān)系，并用得到的關(guān)系去預測數(shù)據(jù)的未來值。Eviews的應(yīng)用范圍包括：科學實驗數(shù)據(jù)分析與評估、金融分析、宏觀經(jīng)濟預測、仿真、銷售預測和成本分析等。Eviews是專門為大型機開發(fā)的、用以處理時間序列數(shù)據(jù)的時間序列軟件包的新版本。Eviews的前身是1981年第1版的Micro TSP。目前最新的版本是Eviews4.0。我們以Eviews3.1版本為例，介紹經(jīng)濟計量學軟件包使用的基本方法和技巧。雖然Eviews是經(jīng)濟學家開發(fā)的，而且主要用于經(jīng)濟學領(lǐng)域，但是從軟件包的設(shè)計來看，Eviews的運用領(lǐng)域并不局限于處理經(jīng)濟時間序列。即使是跨部門的大型項目，也可以采用Eviews進行處理。Eviews處理的基本數(shù)據(jù)對象是時間序列，每個序列有一個名稱，只要提及序列的名稱就可以對序列中所有的觀察值進行操作，Eviews允許用戶以簡便的可視化的方式從鍵盤或磁盤文件中輸入數(shù)據(jù)，根據(jù)已有的序列生成新的序列，在屏幕上顯示序列或打印機上打印輸出序列，對序列之間存在的關(guān)系進行統(tǒng)計分析。Eviews具有操作簡便且可視化的操作風格，體現(xiàn)在從鍵盤或從鍵盤輸入數(shù)據(jù)序列、依據(jù)已有序列生成新序列、顯示和打印序列以及對序列之間存在的關(guān)系進行統(tǒng)計分析等方面。Eviews具有現(xiàn)代Windows軟件可視化操作的優(yōu)良性?？梢允褂檬髽藢藴实腤indows菜單和對話框進行操作。操作結(jié)果出現(xiàn)在窗口中并能采用標準的Windows技術(shù)對操作結(jié)果進行處理。此外，Eviews還擁有強大的命令功能和批處理語言功能。在Eviews的命令行中輸入、編輯和執(zhí)行命令。在程序文件中建立和存儲命令，以便在后續(xù)的研究項目中使用這些程序。2、運行Eviews在Windows 2000中運行Eviews的方法有：（1）單擊任務(wù)欄上的“開始”“程序”“Eviews”程序組“Eviews”圖標。（2）使用Windows瀏覽器或從桌面上“我的電腦”定位Eviews目錄，雙擊“Eviews”程序圖標。（3）雙擊Eviews的工作文件和數(shù)據(jù)文件。3、Eviews的窗口Eviews的窗口分為幾個部分：標題欄、主菜單欄、命令窗口、狀態(tài)行和工作區(qū)（如圖1-1所示）。圖1-1 Eviews窗口（1）標題欄標題欄位于主窗口的頂部，標記有Eviews字樣。當Eviews窗口處于激活時，標題欄顏色加深，否則變暗。單擊Eviews窗口的任意區(qū)域?qū)⑹顾幱诩せ顮顟B(tài)。標題欄的右端有三個按鈕：最小化、最大化（或復原）和關(guān)閉。標題欄左邊是控制框，控制框也有上述三個按鈕的功能且雙擊它關(guān)閉該窗口。（2）主菜單主菜單位于標題欄之下。將指針移至主菜單上的某個項目并用鼠標左鍵單擊，打開一個下拉式菜單，通過單擊下拉菜單中的項目，就可以對它們進行訪問。菜單中黑色的是可執(zhí)行的，灰色的是不可執(zhí)行的無效項目。主菜單欄上共有7個選項：“File”, “Edit”, “Objects”, “View”,“Procs”,“Quick”,“Options”,“Windows”,“Help”。（3）命令窗口主菜單下的區(qū)域稱作命令窗口。在命令窗口輸入命令，按“ENTER”后命令立即執(zhí)行。命令窗口中的豎條稱為插入點（或提示符），它指示鍵盤輸入字符的位置。允許用戶在提示符后通過鍵盤輸入Eviews（TSP風格）命令。如果熟悉Micro TSP(DOS)版的命令，可以直接在此輸入，如同DOS版一樣使用Eviews。按F1鍵（或移動箭頭），輸入的歷史命令將重新顯示出來，供用戶選用。將插入點移至從前已經(jīng)執(zhí)行過的命令行，編輯已經(jīng)存在的命令，按ENTER，立即執(zhí)行原命令的編輯版本。命令窗口支持cut-and-paste功能，命令窗口、其他Eviews文本窗口和其他Windows程序窗口間可方便地進行文本的移動。命令窗口的內(nèi)容可以直接保存到文本文件中備用，為此必須保持命令窗口處于激活狀態(tài)，并從主菜單上選擇“File”“Save as”。若輸入的命令超過了命令窗口顯示的大小，窗口中就自動出現(xiàn)滾動條，通過上下或左右調(diào)節(jié)，可瀏覽已執(zhí)行命令的各個部分。將指針移至命令窗口下部，按著鼠標左鍵向下向上拖動，來調(diào)整默認命令窗口的大小。（4）狀態(tài)欄窗口最底部是狀態(tài)行。狀態(tài)行分為4欄。左欄有時給出Eviews送出的狀態(tài)信息，單擊狀態(tài)行左端的邊框可以清楚這些信息。第二欄是Eviews默認的讀取數(shù)據(jù)和程序的路徑。最后兩欄分別顯示默認的數(shù)據(jù)庫和默認的工作文件。（5）工作區(qū)（或主顯示窗口）命令窗口下是Eviews的工作區(qū)或主顯示窗口，以后操作產(chǎn)生的窗口（稱為子窗口）均在此范圍之內(nèi)，不能移出主窗口之外。Eviews在此顯示它建立的各種對象的窗口。工作區(qū)中的這些窗口類似于用戶在辦公桌上使用的各種紙張。出現(xiàn)在最上面的窗口正處于焦點，即處于激活狀態(tài)。狀態(tài)欄顏色加深的窗口是激活窗口。單擊部分處于下面窗口的標題欄或任何可見部分，都可以使該窗口移至頂部。也可以按壓F6或CTRL-TAB，循環(huán)地激活各個窗口。此外，單擊窗口中菜單項目，選擇關(guān)注的文件名，可直接選擇某個窗口。還可以移動窗口、改變窗口的大小等。4、Eviews的主要功能（1）輸入、擴大和修改時間序列數(shù)據(jù)。（2）依據(jù)已有序列按照任意復雜的公式生成新的序列。（3）在屏幕上和用打字機輸出序列的趨勢圖、散點圖、柱形圖和餅圖。（4）執(zhí)行普通最小二乘法（多元回歸），帶有自回歸校正的最小二乘法，兩階段最小二乘法和三階段最小二乘法。（5）執(zhí)行非線性最小二乘法。（6）對二擇一決策模型進行Probit和Logit估計。（7）對聯(lián)立方程進行線性和非線性的估計。（8）估計和分析向量自回歸系統(tǒng)。（9）計算描述統(tǒng)計量：相關(guān)系數(shù)、斜方差、自相關(guān)系數(shù)、互相關(guān)函數(shù)和直方圖（10）殘差自回歸和移動平均過程。（11）多項式分布滯后。（12）基于回歸方程的預測。（13）求解（模擬）模型。（14）管理時間序列數(shù)據(jù)庫。（15）與外部軟件（如Excel和Lotus軟件）進行數(shù)據(jù)交換。5、關(guān)閉Eviews關(guān)閉Eviews的方法很多：選擇主菜單上的“File”“Close”;按ALT-F4鍵；單擊Eviews窗口右上角的關(guān)閉按鈕；雙擊Eviews窗口左上角等。Eviews關(guān)閉總是警告和給予機會將那些還沒有保存的工作保存到磁盤文件中。 第二部分 單方程計量經(jīng)濟模型Eviews操作案例：建立我國最終消費支出與國內(nèi)生產(chǎn)總值（單位：億元）之間的回歸模型，并進行變量和方程整體的顯著性檢驗。當顯著性水平為0.05， 2004年國內(nèi)生產(chǎn)總值為38000億元時，對2004年我國最終消費支出和平均最終消費支出進行點預測和區(qū)間預測。年份GDP最終消費年份GDP最終消費19783624.102239.10199111147.736151.5719793899.532568.04199212735.097083.5319804203.962753.10199314452.917917.6519814425.032989.25199416283.088638.3019824823.683225.09199517993.669445.3819835349.173511.35199619718.7310588.6419846160.973988.53199721461.9211444.1719856990.894506.64199823139.8812511.7019867610.614817.38199924792.4713819.5419878491.275114.07200026774.8515406.5719889448.035419.86200128782.6016759.7819899832.185190.02200231170.8818097.55199010209.095471.93200334070.1619452.70一、創(chuàng)建工作文件建立工作文件的方法有以下幾種。1菜單方式 在主菜單上依次單擊FileNewWorkfile（見圖2-1）， 選擇數(shù)據(jù)類型和起止日期。時間序列提供起止日期（年、季度、月度、周、日），非時間序列提供最大觀察個數(shù)。本例中在Start Data里輸入1978，在End data 里輸入2003，見圖2-3。單擊OK后屏幕出現(xiàn)Workfile工作框，如圖2-4所示。2命令方式在命令窗口直接輸入建立工作文件的命令CREATE，命令格式：CREATE 數(shù)據(jù)頻率 起始期 終止期其中，數(shù)據(jù)頻率類型分別為A（年）、Q（季）、M（月）、U（非時間序列數(shù)據(jù)）。輸入Eviews命令時，命令字與命令參數(shù)之間只能用空格分隔。如本例可輸入命令：CREATE A 1978 2003工作文件創(chuàng)立后，需將工作文件保存到磁盤，單擊工具條中Save輸入文件名、路徑保存，或單擊菜單蘭中FileSave或Save as輸入文件名、路徑保存。圖2-1這時屏幕上出現(xiàn)Workfile Range對話框，如圖2-2所示。圖2-2圖2-3圖2-4二、輸入和編輯數(shù)據(jù)建立或調(diào)入工作文件以后，可以輸入和編輯數(shù)據(jù)。輸入數(shù)據(jù)有兩種基本方法：命令方式和菜單方式。1命令方式命令格式：data 序列名1 序列名2 序列名n功能：輸入新變量的數(shù)據(jù)，或編輯工作文件中現(xiàn)有變量的數(shù)據(jù)。在本例中，在命令窗口直接輸入：Data Y X2菜單方式在主菜單上單擊ObjectsNew object，在New object對話框里，選Group并在Name for Object上定義變量名（如變量X、Y），單擊OK，屏幕出現(xiàn)數(shù)據(jù)編輯框。另一種菜單方式是在主菜單上依次單擊QuickGroup（見圖2-5）， 圖2-5建立一個空組（見圖2-6）， 再用方向鍵將光標移到每一列的頂部之后，輸入各個變量名，回車后輸入數(shù)據(jù)（見圖2-7）。另外數(shù)據(jù)還可以從Excel中直接復制到空組。然后為每個時間序列取序列名。單擊數(shù)據(jù)表中的SER01（見圖2-8），在數(shù)據(jù)組對話框中的命令窗口輸入該序列名稱，如本例中輸入X（見圖2-9），回車后Yes。采用同樣的步驟修改序列名Y（見圖2-10）。數(shù)據(jù)輸入操作完成。圖2-6圖2-7 修改序列名圖2-8 修改序列名圖2-9 修改序列名圖2-10 數(shù)據(jù)輸入數(shù)據(jù)輸入完畢，單擊工作文件窗口工具條的Save或單擊菜單蘭的FileSave將數(shù)據(jù)存入磁盤。三、圖形分析在估計計量經(jīng)濟模型之前，借助圖形分析可以直觀地觀察經(jīng)濟變量的變動規(guī)律和相關(guān)關(guān)系，以便合理的確定模型的數(shù)學形式。圖形分析中最常用的是趨勢圖和相關(guān)圖。1菜單方式在數(shù)組窗口工具條上Views的下拉菜單中選擇Graph。（見圖2-11）2命令方式趨勢圖：Plot Y X功能：（1）分析經(jīng)濟變量的發(fā)展變化趨勢；（2）觀察經(jīng)濟變量是否存在異常值。圖給出了最終消費支出與國內(nèi)生產(chǎn)總值的趨勢圖。相關(guān)圖：Scat Y X （見圖2-13）功能：（1）觀察經(jīng)濟變量之間的相關(guān)程度；（2）觀察經(jīng)濟變量之間的相關(guān)類型，判斷是線性相關(guān)，還是曲線相關(guān)；曲線相關(guān)時，大致是哪種類型的曲線。圖2-11 數(shù)組窗口趨勢圖圖2-12 最終消費支出與國內(nèi)生產(chǎn)總值的趨勢圖圖2-13 數(shù)組窗口相關(guān)圖圖2-14 最終消費支出與國內(nèi)生產(chǎn)總值的相關(guān)圖四、OLS估計參數(shù)1命令方式在主菜單命令行鍵入LS Y C X （如圖2-15）圖2-152菜單方式在主菜單上選Quick菜單，單擊Estimate Equation項，屏幕出現(xiàn)Equation Specification估計對話框，在Estimation Settings中選OLS估計，即Least Squares，輸入：Y C X（其中C為Eviews固定的截距項系數(shù)）。然后OK，出現(xiàn)方程窗口（見圖2-16），輸出結(jié)果如表2-1所示。圖2-16 方程窗口表2-1 回歸結(jié)果Dependent Variable: YMethod: Least SquaresSample: 1978 2003Included observations: 26VariableCoefficientStd. Errort-StatisticProb. C245.3522153.96051.5936050.1241X0.5515140.00913560.376230.0000R-squared0.993459 Mean dependent var8042.748Adjusted R-squared0.993187 S.D. dependent var5177.609S.E. of regression427.3742 Akaike info criterion15.02700Sum squared resid4383569. Schwarz criterion15.12378Log likelihood-193.3510 F-statistic3645.290Durbin-Watson stat0.244011 Prob(F-statistic)0.000000方程窗口的上半部分為參數(shù)估計結(jié)果如表2-2所示，其中第1列分別為解釋變量名（包括常數(shù)項），第2列為相應(yīng)的參數(shù)估計值，第3列為參數(shù)的標準誤差，第4列為t統(tǒng)計值，第5列為t檢驗的雙側(cè)概率值p，即P（| t | ti）= p。表2-2 參數(shù)估計結(jié)果常數(shù)和解釋變量參數(shù)估計值參數(shù)標準誤差t統(tǒng)計量雙側(cè)概率C245.3522153.96051.5936050.1241X0.5515140.00913560.376230.0000方程窗口的下半部分主要是一些統(tǒng)計檢驗值，其中各統(tǒng)計量的含義如表2-3所示。表2-3 統(tǒng)計檢驗值可決系數(shù)0.993459被解釋變量均值8042.748調(diào)整的可決系數(shù)0.993187被解釋變量標準差5177.609回歸方程標準差427.3742赤池信息準則15.02700殘差平方和4383569.施瓦茲信息準則15.12378似然函數(shù)的對數(shù)-193.3510F統(tǒng)計量3645.290DW統(tǒng)計量0.244011F統(tǒng)計量的概率0.000000單擊Equation 窗口中的Resid按鈕，將顯示模型的擬合圖和殘差圖。圖2-17 擬合圖和殘差圖單擊Equation 窗口中的View Actual, Fitted, Resid Table按鈕，可以得到擬合直線和殘差的有關(guān)結(jié)果。圖2-18五、預測 在Equation框中選Forecast項后，彈出Forecast對話框，Eviews自動計算出樣本估計期內(nèi)的被解釋變量的擬合值，擬合變量記為YF，其擬合值與實際值的對比圖如圖2-19所示。圖2-19下面預測2004年我國最終消費支出。1首先將樣本期范圍從1978-2003年擴展為1978-2004年。即單擊工作文件框中Pros中的Change workfile range，如圖2-20所示，并將1978-2003改為1978-2004，如圖2-21所示。圖2-20圖2-212然后編輯解釋變量X。在Group數(shù)據(jù)框中輸入變量X的2004年數(shù)據(jù)38000.00。（見圖2-22）圖2-223點預測。在前面Equation對話框中選Forecast，將時間Sample定義在1978-2004，如圖2-23所示，這時Eviews自動計算出=21202.8727955，如圖2-24所示。圖2-23圖2-244區(qū)間預測。在Group數(shù)據(jù)框中單擊View，選Descriptive Stats里的Common Sample Eviews，計算出有關(guān)X和Y的描述統(tǒng)計結(jié)果，如圖2-25所示。圖2-25圖2-26 X和Y的描述統(tǒng)計結(jié)果根據(jù)圖2-26可計算出如下結(jié)果：2188950850569386930.9給定顯著性水平0.05，查表得，由可得的預測區(qū)間為：21202.87279552.056427.374221202.87279551001.30364即的95%預測區(qū)間為（20201.56915，22204.17643）。六、非線性回歸模型的估計1倒數(shù)模型：在命令窗口直接依次鍵入GENR X1=1/XLS Y C X12多項式模型：在命令窗口直接依次鍵入GENR X1=XGENR X2=X2LS Y C X1 X23準對數(shù)模型：在命令窗口直接依次鍵入GENR lnX=LOG(X)LS Y C lnX4雙對數(shù)模型：在命令窗口直接依次鍵入GENR lnX=LOG(X)GENR lnY=LOG(Y)LS lnY C lnX七、異方差檢驗與解決辦法1相關(guān)圖檢驗法LS Y C X 對模型進行參數(shù)估計GENR E=RESID 求出殘差序列GENR E2=E2 求出殘差的平方序列SORT X 對解釋變量X排序SCAT X E2 畫出殘差平方與解釋變量X的相關(guān)圖2戈德菲爾德匡特檢驗已知樣本容量n=26，去掉中間6個樣本點（即約n/4），形成兩個樣本容量均為10的子樣本。 SORT X 將樣本數(shù)據(jù)關(guān)于X排序 SMPL 1 10 確定子樣本1 LS Y C X 求出子樣本1的回歸平方和RSS1 SMPL 17 26 確定子樣本2 LS Y C X 求出子樣本2的回歸平方和RSS2 計算F統(tǒng)計量并做出判斷。3加權(quán)最小二乘法 LS Y C X 最小二乘法估計，得到殘差序列 GRNR E1=ABS(RESID) 生成殘差絕對值序列 LS(W=1/E1) Y C X 以E1為權(quán)數(shù)進行加權(quán)最小二成估計八、自相關(guān)檢驗與解決辦法 1圖示法檢驗LS Y C X 最小二乘法估計，得到殘差序列GENR E=RESID 生成殘差序列SCAT E(-1) E etet-1的散點圖PLOT E 還可繪制et的趨勢圖2廣義差分法 LS Y C X AR(1) AR(2) 第三部分 聯(lián)立方程計量經(jīng)濟模型Eviews操作案例：19782003年全國居民消費CSt、國民生產(chǎn)總值Yt、投資It、政府消費Gt數(shù)據(jù)，如下表所示。年 份CStYtItGt19781759.1003605.6001377.900468.600019791966.0783994.1181445.294582.745119802143.4784210.2681470.860595.929719812352.3944427.6421428.184647.064119822542.4654866.3121560.461763.386519832779.4765306.8121751.092776.244519843121.9206087.0012097.366867.714519853582.3586863.4662643.247637.861019863810.7517461.5612832.106818.704019874091.4218088.3322966.3691030.542219884419.8618514.1863181.818912.507219894190.5118095.3792996.559908.308819904387.6758820.1733102.5521329.947019914827.2819958.0723517.5481613.242919925532.77111484.7694278.8631673.135019936152.37313534.9945883.8761498.744619946708.51115051.8056209.0912134.203719957566.55416430.9186705.1392159.224919968510.40218086.3957111.4882464.505019979152.99419667.5957473.1093041.491619989954.46221300.4317966.0023379.9676199910932.29622977.5158532.9633512.2568200012103.72525209.0589170.3723934.9605200113054.06728041.21210654.3804332.7645200214086.91631094.40912191.6144815.8790200315194.26035047.99514820.5085033.2276建立如下宏觀經(jīng)濟模型：消費函數(shù)：投資函數(shù)：收入方程：容易判斷該聯(lián)立方程模型中投資方程是過渡識別，消費方程是恰好識別，模型是可識別的。下面用四種方法進行二階段最小二乘法估計參數(shù)。這四種方法的輸出結(jié)果是一樣的。方法一：第一階段：LS CS C G CS(-1) 估計消費的簡化式方程 GENR ECS=CS-RESID 計算消費的估計值LS Y C G CS(-1) 估計收入的簡化式方程 GENR EY=Y-RESID 計算收入的估計值第二階段：LS CS C EY CS(-1) 估計替代后的消費結(jié)構(gòu)式方程 LS I C EY 估計替代后的投資結(jié)構(gòu)式方程Dependent Variable: CSMethod: Least SquaresSample(adjusted): 1979 2003Included observations: 25 after adjusting endpointsVariableCoefficientStd. Errort-StatisticProb. C273.3999188.43401.4509050.1609EY0.2651840.1854261.4301310.1667CS(-1)0.4337290.4560040.9511510.3519R-squared0.998058 Mean dependent var6526.600Adjusted R-squared0.997881 S.D. dependent var4023.411S.E. of regression185.1869 Akaike info criterion13.39277Sum squared resid754472.1 Schwarz criterion13.53904Log likelihood-164.4097 F-statistic5653.343Durbin-Watson stat1.456439 Prob(F-statistic)0.000000Dependent Variable: IMethod: Least SquaresSample(adjusted): 1979 2003Included observations: 25 after adjusting endpointsVariableCoefficientStd. Errort-StatisticProb. C-258.6251219.8342-1.1764550.2514EY0.4017650.01338930.007040.0000R-squared0.975093 Mean dependent var5279.634Adjusted R-squared0.974010 S.D. dependent var3703.951S.E. of regression597.1325 Akaike info criterion15.69877Sum squared resid8201047. Schwarz criterion15.79628Log likelihood-194.2347 F-statistic900.4222Durbin-Watson stat0.751407 Prob(F-statistic)0.000000方法二：實際上在Eviews軟件中，可以利用命令直接進行二階段最小二乘估計，命令格式為：TSLS Yi C 解釋變量名 C 先決變量名其中符號前面是該結(jié)構(gòu)式方程的所有解釋變量名，包括內(nèi)生變量和先決變量；符號后面是聯(lián)立方程模型中的所有前定變量。因此本例可用TSLS命令直接寫成：TSLS CS C Y CS(-1) C G CS(-1)TSLS I C Y C G CS(-1)Dependent Variable: CSMethod: Two-Stage Least SquaresSample(adjusted): 1979 2003Included observations: 25 after adjusting endpointsInstrument list: C G CS(-1)VariableCoefficientStd. Errort-StatisticProb. C273.3999177.35011.5415830.1374Y0.2651840.1745191.5195100.1429CS(-1)0.4337290.4291811.0105950.3232R-squared0.998280 Mean dependent var6526.600Adjusted R-squared0.998123 S.D. dependent var4023.411S.E. of regression174.2940 Sum squared resid668324.6F-statistic6382.063 Durbin-Watson stat1.003405Prob(F-statistic)0.000000Dependent Variable: IMethod: Two-Stage Least SquaresSample(adjusted): 1979 2003Included observations: 25 after adjusting endpointsInstrument list: C G CS(-1)VariableCoefficientStd. Errort-StatisticProb. C-258.6251131.6564-1.9643940.0617Y0.4017650.00801950.104440.0000R-squared0.991067 Mean dependent var5279.634Adjusted R-squared0.990678 S.D. dependent var3703.951S.E. of regression357.6166 Sum squared resid2941461.F-statistic2510.455 Durbin-Watson stat0.814465Prob(F-statistic)0.000000方法三：還可以在方程說明窗口中，選擇估計方法為TLSL，并在工具變量蘭（Instrument List）輸入模型中的所有先決變量。方法四：借助于Eviews中的System命令，可以直接進行TSLS估計。（1）創(chuàng)建系統(tǒng)：在主菜單上單擊Objects New Object，并在彈出的對象列表框中選擇System；然后在打開的系統(tǒng)窗口輸入結(jié)構(gòu)式模型的隨機方程CS=C(1)+C(2)*Y+C(3)*CS(-1)I=C(4)+C(5)*YINST G CS(-1)（2）估計模型：在系統(tǒng)窗口單擊Estimate，在彈出估計方法選擇窗口中選擇TSLS方法后，單擊OK。System: UNTITLEDEstimation Method: Two-Stage Least SquaresSample: 1979 2003Included observations: 25Total system (balanced) observations 50Instruments: G CS(-1) CCoefficientStd. Errort-StatisticProb. C(1)273.3999177.35011.5415830.1302C(2)0.2651840.1745191.5195100.1356C(3)0.4337290.4291811.0105950.3176C(4)-258.6251131.6564-1.9643940.0557C(5)0.4017650.00801950.104440.0000Determinant residual covariance1.35E+09Equation: CS=C(1)+C(2)*Y+C(3)*CS(-1)Observations: 25R-squared0.998280 Mean dependent var6526.600Adjusted R-squared0.998123 S.D. dependent var4023.411S.E. of regression174.2940 Sum squared resid668324.6Durbin-Watson stat1.003405Equation: I=C(4)+C(5)*YObservations: 25R-squared0.991067 Mean dependent var5279.634Adjusted R-squared0.990678 S.D. dependent var3703.951S.E. of regression357.6166 Sum squared resid2941461.Durbin-Watson stat0.814465第四部分 演示示例EVIEWS在計量經(jīng)濟學教學過程中的演示示例（一）練習一（習題集P17第8題）一、 按題意在EVIEWS中輸入數(shù)據(jù)；二、 在主窗口QUICK菜單下選擇estimate equation，在彈出對話框中輸入Y C X，進行最小二乘估計參數(shù)。三、 在equantion窗口viiew菜單下選擇representations選項，可得回歸方程。Y = 49.82200092 + 0.7944335972*X四、選擇equantion窗口viiew菜單下estimation output或stats按鈕，可得回歸結(jié)果輸出：Dependent Variable: YMethod: Least SquaresDate: 10/13/05 Time: 19:47Sample: 1 30Included observations: 30VariableCoefficientStd. Errort-StatisticProb. C49.82200143.70130.3467050.7314X0.7944340.02571930.888570.0000R-squared0.971490 Mean dependent var4342.317Adjusted R-squared0.970472 S.D. dependent var1166.015S.E. of regression200.3663 Akaike info criterion13.50251Sum squared resid1124106. Schwarz criterion13.59592Log likelihood-200.5377 F-statistic954.1039Durbin-Watson stat1.607925 Prob(F-statistic)0.000000五、標準報告形式Y(jié) = 49.82200092 + 0.7944335972*X （0.346705） （30.88857） R-squared0.971490 S.E. of regression200.3663 F-statistic954.103925503六、點預測Y0 = 49.82200092 + 0.7944335972*1000=844.222(元)七、區(qū)間預測 ，其中代入相應(yīng)數(shù)據(jù)計算即可得區(qū)間估計值。XY Mean 5403.214 4342.317 Median 4926.830 3862.585 Maximum 8839.680 7054.090 Minimum 4009.610 3099.360 Std. Dev. 1446.658 1166.015EVIEWS在計量經(jīng)濟學教學過程中的演示示例（二）練習二（習題集P18第10題）一、 按題意在EVIEWS中輸入數(shù)據(jù)；二、 在group窗口viewgraphscattersimple scatter，繪制散點圖。選擇viewgraphscatterscatter with regression，繪制回歸直線 三、 在主窗口QUICK菜單下選擇estimate equation，在彈出對話框中輸入Y C X，進行最小二乘估計參數(shù)。四、 在equantion窗口viiew菜單下選擇representations選項，可得回歸方程。Y = 0.009777361481 + 0.4851934577*X五、選擇equantion窗口viiew菜單下estimation output或stats按鈕，可得回歸結(jié)果輸出：Dependent Variable: YMethod: Least SquaresDate: 10/13/05 Time: 21:18Sample: 1985 1996Included observations: 12VariableCoefficientStd. Errort-StatisticProb. C0.0097770.2849260.0343150.9733X0.4851930.03334414.551270.0000R-squared0.954902 Mean dependent var4.016667Adjusted R-squared0.950392 S.D. dependent var1.138447S.E. of regression0.253564 Akaike info criter