Eviews常用命令

Eviews常用命令与函数

CREATE，弹出创建文件对话框 DATA Y X，创建并打开群窗口 PLOT Y X，得到序列的趋势图 SCAT X Y，得到两个序列的相关图

LS Y C X，用最小二乘法进行方程Y=C(1)+C(2)*X的参数估计 scalar val = 10 创建标量

show val 则在左下角显示该标量的值 Expand 2001 2007 追加记录，扩展样本

函数（以@符号为起始符）

序列描述统计函数：均值[@MEAN()]；相关系数[@COR()]；协方差[@COV()]

回归统计函数：回归参数标准差[@STDERRS(i)]；回归系数[@COEFS(i)]；回归标准差[@SE]；回归可决系数[@R2]；残差平方和[@SSR]

分布函数：标准正态分布[@CNORM()]；t 分布[@TDIST(x，v)] 混合运用

series difx=x-@mean(x) ‘建立x 与其均值的离差序列

scalar tlinjie=@qtdist(0.975,18) ‘求出95%置信水平下的T 临界值

矩阵的定义：Matrix；对称矩阵的定义：sym；向量定义：vector matrix matrixx=@convert(groupx) ‘将groupx 数组转换为矩阵 matrix b=@inverse(xx)*xy

序列、群向矩阵的转换：Matrix y=@convert(x) 矩阵的转置：＠transpose() 矩阵逆的运算：＠inverse()

Eviews常用命令 （对于命令和变量名，不区分大小写） 1．创建时间序列的工作文件

a annual： create a 1952 2000

s semi-annual：create s 1952 1960 q quarterly： create q 1951：1 1952：3 m monthly： create m 1952：01 1954：11

w weekly: create w 2/15/94 3/31/94，自动认为第一天为周一，和正常的周不同。

d daily (5 day week): create d 3/15/2008 3/31/2008，和日历上周末一致，自动跳过周末。

7 daily (7 day week): create 7 3/03/2008 3/31/2008。 u undated: create u 1 33。

创建工作文件时可直接命名文件，即在create 后面直接键入“文件名”， 如create myfilename a 1952 2000 或者 workfile myfilename a 1952 2000

系统自动生成两个序列：存放参数估计值c和残差resid。

2．创建数组（group）

多个序列组合而成，以便对组中的所有变量同时执行某项操作。数组和各个序列之间是一种链接关系，修改序列的数据、更改序列名、删除序列等操作，都会在数组中产生相应的变化。

1）创建完文件后，使用data建立数据组变量；若有word表格数据或excel数据，直接粘贴；或者用Import 从其它已有文件中直接导入数据。 data x y，…

可以同时建立几个变量序列，变量值按列排列，同时在表单上出现新建的组及序列，且可以随时在组中添加新的序列。利用组的优点：一旦某个序列的数据发生变化，会在组中和变量中同时更新；数组窗口可以直接关闭，因为工作文件中已保留了有关变量的数据。

2）通过已有序列建立一个需要的组：group mygroup x y

可以在组中直接加入滞后变量 group mygroup y x(0 to -1)

3．创建标量：常数值

scalar val = 10 show val 则在左下角显示该标量的值 4．创建变量序列

series x series y data x y series z = x + y

series fit = Eq1.@coef(1) + Eq1.@coef(2) * x 利用两个回归系数构造了拟合值序列

5．生成变量序列

genr 变量名 = 表达式

genr xx = x^2 genr yy = val * y

genr zz = x*y (对应分量相乘) genr zz = log(x*y) (各分量求对数) genr lnx = log(x) genr x1 = 1/x

genr Dx = D(x) genr value = 3(注意与标量的区别) genr hx = x*(x>=3)(同维新序列，小于3的值变为0，其余数值不变) 1）表达式表示方式：可以含有>,<,<>,=,<=,>=,and,or。 2）简单函数： D(X):X的一阶差分 D(X，n):X的n阶差分 LOG(X)：自然对数

DLOG(X) ：自然对数增量LOG(X)-LOG(X(-1)) EXP(X) ：指数函数 ABS(X) ：绝对值 SQR(X) ：平方根函数 RND：生成0、1间的随机数 NRND：生成标准正态分布随机数。

3）描述统计函数：eviews中有一类以@打头的特殊函数，用以计算序列的描述统计量，或者用以计算常用的回归估计量。大多数@函数的返回值是一个常数。 @SUM(X):序列X的和 @MEAN(X): 序列X的平均数 @VAR(X): 序列X的方差

(XiX)2/n

@SUMSQ(X): 序列X的平方和 @OBS(X): 序列X的有效观察值个数 @COV(X,Y): 序列X和序列Y的协方差 @COR(X,Y): 序列X和序列Y的相关系数

@CROSS(X,Y): 序列X，Y的点积 genr val=@cross(x,y)

当X为一个数时，下列统计函数返回一个数值；当X为一个序列时，下列统计函数返回的也是一个序列。

@PCH(X): X的增长率（X-X(-1)）/ X(-1) @INV(X): X的倒数1/X @LOGIT(X): 逻辑斯特函数

@FLOOR(X): 转换为不大于X的最大整数 @CEILING(X): 转换为不小于X的最小整数 @DNORM(X): 标准正态分布密度函数 @CNORM(X): 累计正态分布密度函数

@TDIST(X,n): 自由度为n，取值大于X的t统计量的概率

@FDST(X,n,m): 自由度为（n，m）取值大于X的F分布的概率@CHISQ(X,n): 自由度为n，不小于x的4）回归统计函数

回归统计函数是从一个指定的回归方程返回一个数。调用方法：方程名后接.再接@函数。如EQ1.@DW，则返回EQ1方程的D-W统计量。如果在函数前不使用方程名，则返回当前估计方程的统计量。 统计函数见下面： @R2… @NCOEF常用。

分布的概率

@SSR 回归平方和 @DW DW统计量

@F F统计量的值 @LOGL 对数似然函数值 @REGOBS 回归方程中观测值的个数 @MEANDEP @SDDEP

@NCOEF 估计系数的总个数 @COVARIANCE(i,j) 协方差

@RESIDCOVA(I,j) 向量自回归中残差之间的协方差

6．向量

列向量对象 vector、行向量对象 rowvector、系数向量对象 coeff

vector vect：定义了一个一维且取值为0 的列向量 vector(n) vect：定义一个n维且取值为0的列向量 vect.fill 1, 3, 5, 7, 9 ：定义了分量的值

vector(n) vect=100：定义一个n维且取值为100的列向量 行向量对象 rowvector、系数向量对象 coeff 类似

7．矩阵 8．常用命令：

1）Cov x y：cov(x,y)Cor x y：cor(x,y)矩阵。

2）plot x y：出现趋势分析图，观察两个变量的变化趋势或是否存在异常值。双击图形可改变显示格式。

3）scat x y：观察变量间相关程度、相关类型（线性、非线性）。仅显示两个变量。如果有多个变量，可以选取每个自变量和因变量两两观察，虽然得到切面图，但对函数形式选择有参考价值。

(xx)(yy)/n协方差矩阵。

ii(xix)(yiy)2(xx)i2(yy)相关i

4）排序：在workfile窗口，执行主菜单上的procs/sort series，可选择升序或降序：

Sort x：则y随之移动，即不破坏对应关系。

sort(d) x：按降序排序，注意所有的其它变量值都会随之相应移动。 5）取样 smpl 1 11 smpl 1990 2000 smpl @all：重新定义数据范围，如果修改过，现在改回。 6）追加记录，扩展样本：Expand 2001 2007 6）“'”后面的东西不执行，仅仅解释程序语句。 7）Jarque-Bera统计量: JBNk22S(K3)4，用于检验变量是否服6从正态分布。在变量服从正态分布的原假设下，JB统计量服从自由度为2的卡方分布。如果JB统计量大于卡方分布的临界值，或对应概率值较小，则拒绝该变量服从正态分布的假设（where S is the skewness, K is the kurtosis, and k represents the number of estimated coefficients used to create the series）

9. 回归结果与变量表示：

X Y 800 1100 1400 1700 2000 2300 2600 2900 3200 3500 594 638 1122 1155 1408 1595 1969 2078 2585 2530 Prob.

Variable Coefficient Std. Error t-Statistic

变量 系数估计值 系数标准差:小好 T检验值:大好 概率（越小越好）

C

-103.171717172 98.4059798473

ˆ0 S0-1.04842934679 0.325079456046

ˆ 2ˆXi2nx2iˆ/S t0ˆ00@coefs(1)或c(1) @stderrs(1) @tstats(1)

X

0.77701010101

0.0424850982476 18.2890032755 8.2174494e-08

ˆ Sˆ 112ˆx2iˆ/S t1ˆ11R-squared 0.97664149287

2 Mean dependent var

1567.4

（拟合优度R）ESS/TSS=1-(RSS/TSS) :大好 （因变量均值）Y ＝

ˆ(yiy)2/(yiy)2@R2 @mean(y)

Adjusted R-squared 0.973721679478 S.D. dependent var 714.1444

2（调优）1-(RSS/(tk1))/(TSS/(n1)):大好 （Y标准差）(YiY)/(n1)9

@RBAR2 @sqr(@var(y)*n/(n-1))，var(y)(YiY)2/n @sddep（被解释变量的标准差）

S.E. of regression

2i115.767020478 Akaike info criterion 12.517893

ei22(k1) e/(n2)115.7670^2=13402 赤池信息准则 AIClnnn（回归标准差）

ei/(n2)=@se

107216.024242

22Sum squared resid Schwarz criterion 12.5784099883

ei2k1lnn:小好 （残差平方和）RSSei 施瓦兹信息准则SClnnn@sumsq(resid)

Log likelihood

-60.5894648487 F-statistic

334.487640812

（对数似然估计值） （总体F检验值）:大好 FDurbin-Watson stat

3.12031968783

ESS/1＝2859.544＝@F

RSS/(n2)

0.0000

Prob(F-statistic)

（D-W检验值） （ F检验概率）:小好

d(eeii2ni1)2=@DW

ei1n2i@REGOBS：返回观察值的个数7。 @ncoef：估计系数总个数2。 注意：系数项可这样计算：

genr b1=@cross(x-@mean(x),y-@mean(y))/@sumsq(x-@mean(x)) @cross计算交叉乘积和，@mean计算均值，@sumsq计算平方和。 genr b0=@mean(y)-b1*@mean(x)。

10. 置信区间估计：

变量的显著性检验：

ˆ||0.777010101011|t1|18.29

Sˆ0.04248509824761=c(2)/@stderrs(2)=@tstats(2)t0.05/2,n22.306

ˆ的置信区间的计算： 参数1＝0.01，t/2,n2ˆt＝3.355，ˆ 1/2,n2S1下限：=c(2)-3.355*@stderrs(2) 上限：=c(2)+3.355*@stderrs(2)

总体个别均值Y0的预测值的置信区间的计算(总体条件均值类似)：

ˆ1）ls y c x，使内存中存在方程Yi -103.171717172+0.77701010101Xi

ˆ0t/2,n2ˆyx2）假设0＝1000，

1x021n2 nxii1＝

下限：=c(1)+c(2)*1000-

2.306*@se*@sqr(1+1/@OBS(X)+(1000-@mean(x))^2/@sumsq(x-@mean(x)))372.03

上限：=c(1)+c(2)*1000+

2.306*@se*@sqr(1+1/@OBS(X)+(1000-@mean(x))^2/@sumsq(x-@mean(x)))975.65

故总体个别均值Y0的预测值的置信区间为：（372.03，975.65）。

＝

ˆi；11．预测问题：生成一个以原因变量y名+f的y的预测值yf，实际上，yf＝y同时还得到一张预测图形：图中实线是因变量y的预测值，上下两条虚线给出的是近似95％的置信区间。

n1) 绝对指标RMSE均方根误差RMSE1(Y其大小取决于因变量的绝对ˆY)2，iin1

数值和预测值；

n1ˆY|，其大小取决于因变量的绝对2) 绝对指标MAE平均绝对误差MAE|Yiin1数值和预测值；

nˆ13) 常用的相对指标MAPE平均绝对百分误差MAPE|YiYi100|； n1Yi若MAPE的值小于10，则认为预测精度较高；

4) 希尔不等系数：TheilIC1nˆ2(YY)iin11122ˆYYiin1n1nn，希尔不等系数总是介

于0-1之间，数值越小，表明拟合值和真实值间的差异越小，预测精度越高；5) 均

1nˆ2ˆY)2(ˆ)22(1r)ˆ 方误差MPE可分解为(YiYi)(YiYYYYn1ˆ的均值，y是实际序列的均值，yˆ是预测值y其中yˆ,y分别是预测值和实际值

的标准差，r是它们的相关系数，于是可定义偏差率、方差率和协变率三个相互联系的指标，其取值范围都在0-1之间，并且这三项指标之和等于1，计算公式是： 偏差率BPˆY)2(Y1ˆY)2(Yiin1nˆy，故BP＝0）、 （OLS中y(YˆY)2方差率VP、 n1ˆY)2(Yiin12(1r)YˆY协变率CP1BPVP。 n1ˆY)2(Yiin1BP反映了预测值均值和实际值均值间的差异，VP反映它们标准差的差异，CP则衡量了剩余的误差。当预测比较理想时，均方误差大多数集中在协变率CP上，其余两项较小。若有多种曲线形式可供选择，则应选择其中均方误差最小者为宜。

Functions that return scalar values: @r2 R-squared statistic

@rbar2 adjusted R-squared statistic @se standard error of the regression @ssr sum of squared residuals @dw Durbin-Watson statistic @f F-statistic

@logl value of the log-likelihood function @aic Akaike information criterion @sc Schwarz information criterion

@jstat scalar containing the J-statistic (for GMM) @regobs number of observations in regression @meandep mean of the dependent variable

@sddep standard deviation of the dependent variable @ncoef total number of estimated coefficients

@coefs(i) coefficient i, where i is given by the order in which the coefficients appear in the representations view @stderrs(i) standard error for coefficient i @tstats(i) t-statistic value for coefficient i @cov(i,j) covariance of coefficients i and j Functions that return vector or matrix objects: @coefs vector of coefficient values

@stderrs vector of standard errors for the coefficients

@tstats vector of ratios of coefficients to standard errors @cov matrix containing the coefficient covariance matrix For example: series y = eq1.@dw

vector tstats = eq1.@tstats

matrix mycov = eq1.@cov

scalar pvalue = 1-@cnorm(@abs(eq1.@tstats(4))) scalar var1 = eq1.@covariance(1,1)

Eviews中的常用函数及应用 ( Eviews材料二)

1．一般函数

@abs(x) @log(x) @exp(x) @inv(x) @sqrt(x)=sqr(x) 分别表示 |x| lnx ex 1/x

x

@pch(x)=(x-x(-1))/x(-1) @seas(n) (seasonal dummy) @obs(X)（观察值个数N） @mean(X) @max(X) @min(X) @sum(X) @var(X)（分母n） @cor(X,Y) @cov(X,Y) @stdev(x)（分母n-1） @sumsq(x)（平方和） @sin(x) @cos(x) @tan(x) d(x)=x-x(-1) dlog(x)=log(x)-log(x(-1))

@c开头指CDF=Prop(X≤x)；@q开头指逆CDF=q*：Prop(X≤q*)=p；@r开头指随机数生成器

@cchisq(x,v) @qchdist(p,v ) @rchisq(v) @cfdist(x,v1,v2) @rfdist(v1,v2)

@ctdist(x,v) @qtdist(p,v) @rtdist(v) @cnorm(x) @qnorm(p) @rnorm

如@cfdist(60.71,12,1)=0.90， @qtdist(0.05,1)=-6.314；又如自由度为12的t统计量的5%显著水平(双尾)的临界值@qtdist(0.975,12)=2.179

@chisq(x,v) @fdist(x,v1,v2) @tdist(x,v) (统计量样本值

在

有

关

分

布

图

中

拒

绝

域

的

概

率

)

，

如

@qfdist(p,v1,v2)

@tdist(3.45,12)=Prop(|t(12)|>3.45)=0.0048 ，当显著性水平为1%，则可拒绝原假设），其中3.45是此t统计量样本值的绝对值。

2．关于回归结果的一些函数： 函 数 @r2 说 明 判定系数

@rbar2 @se @ssr @dw @f @logl @aic @sc @regobs @meandep @sddep @ncoef 调整后的判定系数 回归标准误差 残差平方和 DW统计量值 F统计量值 对数似然函数值 AIC值 SC值 样本容量 因变量平均数 因变量标准差 估计系数个数 @coefs(i) 第i个系数估计值，i根据系数在[Representations]视图中的顺序而定，下同。 @stderrs(i) 第i个系数估计的标准误差 @tstats(i) 第i个系数的t统计量值 @cov(i,j) @coefs @stderrs @tstats @cov 系数值向量 系数标准误差向量 t统计量值向量 系数的方差—协方差矩阵 第i个与第j个系数的方差—协方差矩阵 3．函数在Eviews中的应用

可以使用上述函数生成序列，使用命令“Genr 序列名=某数学关系式”，如输入以下命令可产生新的序列y1：“genr y1=@pch(y)+@abs(x)”，表示y1=(y-y(-1))/y(-1)+|x|。

也可以作进一步的运算。如在回归分析后，要计算第2个回归系数的95%置信区间(设

t 统计量的自由度为

18)，可在命令窗口输入

“=@coefs(2)-@qtdist(0.975,18)*@stderrs(2)”，回车后，从信息栏查得的置

信区间的左端点值；将刚才输入的式子复制一份，并将其中的负号改为正号，回车后，在信息栏查得的是置信区间右端点值。

又如，计算自由度为18的t统计量单尾检验在5% 显著性水平下的临界值，可输入“=@qtdist(0.95,18)”，回车后在信息栏输出的数值就是此临界值。 再如，回归系数的p值可由以下方法得到验证。以第2个系数为例，假设t 统计量的自由度为18，检验是双侧的。若其t值大于0，则输入“=（1-@ctdist(第2个t值,18)）*2”；若其t值小于0，则输入“= (@ctdist(第2个t值,18))*2”，得到第2个回归系数估计的p值（为什么？）。对两种情况都输入“=@tdist(第2个t值,18)”也可。

Eviews编程基础

程序是什么？命令的集合

程序的优势？按自己的想法来，加以修改，做重复工作

Eviews 软件支持批处理模式, 用户须将待执行的命令按照一定的格式组成一个程序, 提

交计算机处理. 如果用户有计算机编程的经验，将会发现 Eviews 的特性与大多数语言的特性相似。Eviews 程序语言的最主要的新特征是它是宏观的替换语言，用户可以通过把包含有

分量名字的变量名连接起来产生对象名。

编程的要求：熟悉基本命令， 命令基础

建立工作文件的命令 对象命令 数据命令 绘图命令 统计命令 回归命令

Eviews编程的特点在于允许用户将一系列的命令建立在一个程序中，并保存为一个程序，因此以后可以多次反复自动地执行这些程序；或者通过编程既为用户完成了某一研究项目，也为该研究项目生成了一份完整的研究纪录。

例如，可以编写一个程序去分析一个工业企业的数据，然后再使用这个程序去分析其他一些类似的工业企业的数据。用户还可以建立一个这样的程序，让它包含这样的一些命令：从建立工作文件和读取原始数据开始，到计算研究的最后结果，和形成表述研究结果的图形和表格。这样的程序就将整个项目的研究过程记录了下来。

如果用户对计算机编程已有一些经验，那么对Eviews编程语言的绝大部分不会感到陌生的，熟悉了其他程序设计语言也就熟悉了EViews编程语言。Eviews编程语言主要的新颖的特点，表现在允许用户通过将变量名与其他对象名结合起来生成一个新的对象名。

一、建立程序（Creating a Program）

程序不是工作文件中的对象。程序只是包含一些Eviews命令的集合。

点击File/New/Program，建立一个新的程序。点击File/New/Program之后，打开一个标准的文本编辑窗口，允许用户在该窗口中键入程序行。用户还可通过命令行（命令窗口）通过键入关键字

program，之后接一个程序名选项，打开一个名为的程序窗口。注意，程序名应当遵循标准的Eviews的命名规则。 例如：

program firstprg

二、保存程序（Saving a Program）

在建立和编辑程序文件以后，用户或许要求将程序保存起来。在程序窗口工具条上按Save 或 SaveAs按钮保存将程序保存为程序文件。保存的程序文件将在程序名之后自动地加上.PRG的扩展名。 三、打开程序（Opening a Program）

为了加载（load）一个早先保存在磁盘上的程序到内存中，需点击

File/Open/Program……定位到适当的目录，改变文件类型选项框中的类型为PRG程序文件，再点击欲打开的文件名，最后点击OK确定按钮。此外，也可以通过命令行去打开一个程序。在命令行中键入open，后接完整的程序文件名（包括扩展名：.PRG）。根据Eviews的缺省设置，Eviews将在缺省的目录中去寻找程序。如果必要还应包括程序文件的完整路径。例如： open mysp500.prg

在缺省路径中打开MYSP500.PRG程序。 open c:\\mywork\\eviews\\myhouse.prg

在C:\\MYWORK\\EVIEWS目录中打开MYHOUSE.PRG文件。

四、执行程序（Executing a Program）

当用户在命令窗口一行一行地键入并执行了一系列命令，那么称这种工作方式为交互式模式。对应地，用户在程序窗口一次键入了所有的命令，把它们作为一批命令集合起来执行。用户从程序运行（去执行）这些命令，那么称这种工作方式为程序（非交互式）模式。

例如，我们已经在firstprg程序中集合了如下的命令： 'this is first program workfile a 1950 2000 genr t=@trend(1949) genr t2=t*t show t t2 plot t

这个程序是我们编制的第一个程序。在第一行注释行中标明了this is first program。

第二行建立一个时间周期为年、开始日期为1950年、结束日期为2000年的工作文件。

第三行利用趋势函数@trend(1949)生成了从1到51的递增序列t。 第四行生成了t的平方序列t2。

第五行以电子数据表的形式显示序列t和t2。 第六行绘出的线形趋势图。

执行程序的方法有好几种。最简单的执行程序的方法是按程序窗口工具条上的Run按钮。打开一个Run对话框，在Run对话框为运行指定程序名（缺省显示程序窗口的程序名）和提供必要的形式参数。此外，用户可以选择执行该程序的模式：冗长模式或简洁模式；设置因出错挂断执行前允许发生的最大错误个数（缺省设置未发生1次错误就立即挂断执行中的程序，以及将选择的运行模式设置为缺省执行模式。

在冗长执行模式下，Eviews会将执行过程中发出的系统信息送入状态行去进行显示。在冗长执行模式下，如果程序执行过程中发生创建对象或者删除对象时，工作文件窗口将不断地被刷新。简洁模式则抑制工作文件窗口的刷新，减少了花在写屏上的时间。

按照缺省设置，当程序执行过程中遭遇一个错误，Eviews将立即终止程序的执行，并发出出错信息。如果在挂断域前最大错误数中输入了一个数，那么程序执行中即使出错，也将继续执行直到达到最大出错数才会终止程序的执行。如果执行过程发生了严重的致命性错误，以至程序已不可能继续执行。此时，即使最大错误数还没有达到程序也将被挂断。

也可通过命令行，键入RUN后在接被执行的程序文件名的方法去执行程序： run mysp500

run c:\\eviews\\myprog

注意，这里没有要求必须使用程序扩展后缀.PRG，因为Eviews会自动地添加上.PRG。前面描述的RUN命令的所有选项都可用作命令的选项。例如，使用v选项将程序设置成以冗长模式执行，使用q选项将程序设置成以简洁模式执行。 run(v,500) mysp500

run(q) progarg arg1 arg2 arg3

用户也可以在一启动Eviews就开始运行一个程序。在Windows 3.1上实现启动就执行程序的方法是从程序管理器的窗口菜单上选择File/Run。在Windows 95上实现的方法是点击（选择）Start/Run，键入eviews，之后再键入程序名和形式参数。

五、中止程序（Stopping a Program）

F1功能键可以终止执行中的程序。Eviews可能需要花费几秒钟的时间来响应终止命令。程序执行过程中遇到stop命令，程序也将停止执行。 六、简单程序举例（Simple Programs）

最简单的程序就是一系列命令清单。执行这类程序等价于从命令窗口一行一行地键入并执行命令。

虽然可以通过在命令窗口键入并执行这些命令，但与此同时也可以方便地打开一个程序窗口，键入这些命令，再点击Run按钮执行这些命令。后一种方式（程序窗口）比前一种键入命令方式（命令窗口）具有如后的一些优点：可以将这些命令保存到磁盘上以备日后再重复使用，而且每次使用时还可以对这些命令进行一些局部地修改。

下面考察另一个简单的例子。（它的数据序列由Eviews目录中的PROGDEMO数据库，所以我们可以用它来尝试一下编程）。为了建立一个新的程序myprog，在命令窗口键入： program myprog

在打开的MYPROG程序窗口中，我们将键入如下的一些命令：建立工作文件的命令，从名为PROGDEMO的数据库中读取序列的命令，执行回归分析，计算残差和预测值，形成预测图，最后保存结果。 ' housing analysis

workfile myhouse m 68:3 97:6 fetch progdemo::hsf smpl 68:5 92:12

equation reg1.ls hsf c hsf(-1) reg1.makeresid hsfres smpl 93:1 97:6 reg1.forecast hsffit freeze(hsfplot) hsffit.line save

程序中的第一行是注释行，注释行由单引号“'”打头。在程序执行过程中Eviews将从单引号开始忽略其后直到行末的所有文本，不予执行。

以HSF（总的住房供给单元）作为研究的对象。最后保存的名为MYHOUSE的工作文件中应包含HSF序列、关于HSF的方程REG1、残差序列HSFRES、预测序列HSFFIT和预测图HSFPLOT。

You can run this program by clicking on Run and filling in the dialog box. 键入完成所有命令以后，点击和填充对话框选项后就可执行这个程序，得到我们希望得到的结果。

现在假设我们希望执行一项类似的分析，只是将研究对象该为S&P 500 股票价格指数 (FSPCOM)。于是对上述程序进行编辑，将研究序列MYHOUSE 改成 MYSP500，并把所有对MYHOUSE的引用改称对MYSP500的引用。 ' s&p analysis

workfile mysp500 m 68:3 97:6 fetch progdemo::fspcom smpl 68:5 92:12

equation reg1.ls fspcom c fspcom(-1) reg1.makeresid fspcomres smpl 93:1 97:6

reg1.forecast fspcomfit

freeze(fscomplot) fspcomfit.line

save

点击Run按钮执行新的分析。点击Save按钮将程序保存在Eviews目录下，程序名为MYPROG.PRG。

由于这两个程序绝大部分都是相同的，编制两个不同的程序时有很多输入都是一样的。在下一节的程序变量（Program Variables）中，将要介绍一种方法，可将两个预测问题只用一个程序来完成。

（注：可编辑下载，若有不当之处，请指正，谢谢!）