資料分析與統計軟體－EViews

主講人：吳朝欽
逢甲大學財稅系助理教授
分機：4305
2010/2/4
1
 大綱
• 1. 簡介
• 2. 基本變數分析
• 3. OLS分析
• 4. 單根檢定(Unit Root)
• 5. 共整合檢定(Cointegation)
• 6. 追蹤資料(Panel Data)
• 7. 固定效果估計(Fixed effects estimation)、
隨機效果估計(Random effects estimation)
2
 1. 簡介

1.1 EViews 視窗說明

3
 EViews 的視窗分成幾大部分
• Title Bar（標題列）
：標題欄位於主視窗的頂部，標記有EViews 字樣。當
EViews 窗口處於啟動時，標題欄顔色加深，否則變暗
。點擊EVvews 視窗的任意區域將使它處於啟動狀態。
• Main Menu（主功能表）
：主功能表位於標題欄之下。將指標移至主功能表上的某
個專案並用滑鼠左鍵點擊，打開一個下拉式功能表，通
過點擊下拉功能表中的專案，可進行訪問。功能表中黑
色的是可執行的，灰色的是不可執行的無效專案。
4
 EViews 的視窗分成幾大部分
• Command Window（命令窗口）
：主功能表下的區域稱作命令視窗。在命令窗口鍵入命令
，按ENTER 後命令立即執行。此區的指令可以存檔，
從主功能表上選擇File/Save As。

• Work Area（工作區）
：窗口的中心區域稱爲工作區。EViews 在此顯示它建立
的各種物件的視窗。

5
標題列
主功能表

命令窗口

工作區

6
 1.簡介

1.2 關閉EViews 視窗

7
 關閉EViews
• 關閉EViews 的方法很多：
1. 選擇主功能表上的File/Close。
2. 按ALT-F4 鍵。
3. 點擊EViews 視窗右上角的關閉按鈕。
4. 雙擊EViews視窗左上角。

8
 1.簡介

1.3 建立工作檔

9
 建立工作檔
• 執行EViews後，最重要的一件事就是建立一個工作檔（
Workfile）。
1. 選擇File/New/Workfile，會有一個Workfile Create的視窗
跳出來。
2. 根據資料性質填入相關資訊，舉例來說，如果資料為
1996-2006的季資料。
(1)Frequency：選擇Annual
(2)Start date：輸入1996
(3)End date：輸入2006
3. 然後按OK，跳出工作檔（Workfile：UNTITLED），可
選擇File/Save將之命名與存檔。
10
1 3
2

11
 時間
時間

12
13
 1.簡介

1.4 輸入資料

14
 輸入資料(方法一)
• EViews有許多不同方法將資料輸入（import），
而原始資料檔可以是EXCEL的XLS檔，也可以是
文字檔等。以原始資料檔為EXCEL的XLS檔作為
例子：
1. 打開原始資料的XLS檔，資料應已存放在
EXCEL 的工 作表，假設檔案內有兩個變數。
2. 在EViews的工作檔下，選擇Quick/Empty
Group（ Edit Series），一個新的視窗
Group：UNTITLED會跳出來。
15
 輸入資料(方法一)
3. 將原始資料由EXCEL的工作表複製（由於有
兩變數，因此複製了兩行column）
4. 在Group：UNTITLED按右鍵選擇Paste
5. Group中將會有兩行序列，分別名為ser01與
ser02
6. 關閉Group，可選擇是否要為此Group命名。
7. 此時，在Workfile中就會出現ser01與ser02，
你也可針對任一變數按右鍵，選擇Rename予
以重新命名。
16
 1
跳出

17
按右鍵

18
按右鍵

19
 輸入資料(方法二)
• 在主選單上File/Import/read Text-Lotus
Excel
• 填好後，按OK後，EViews 會產生一個尚
未命名 (untitled)的工作檔視窗，此工作檔
將包含兩變數 c 及 resid（第一個小圖示是
係數向量C，另一個是殘差序列RESID），
所有EViews的工作檔都會含此二變數。

20
1

21
輸入變數名稱

22
 1.簡介

1.5 重要指令

23
• 在EViews將重要而常用的指令匯集在Quick中。選擇
Quick後，有以下選項：
1. Sample：選擇樣本期間
2. Generate Series：製造新的序列
3. Show：將序列叫出來
4. Graph：繪圖
5. Empty Group(Edit Series)：複製、貼上或是編輯
序列
6. Series Statistics：單一時間序列的敘述統計量如
平均值，變異數等
7. Group Statistics：多變量時間序列的敘述統計量
如共變數，相關係數等
8. Estimate Equation：估計迴歸方程式等
9. Estimate VAR：估計向量自我迴歸 24
 2. 基本變數分析

2.1 基本數據資料

25
 例子：FOOD
• 以EViews內建的FOOD為例子。
• FOOD有兩個變數，income和food_exp，可
知兩者的平均數、最大值、最小值等基本
資料。
• 建立income和food_exp兩者的group，以利
於分析。
• 儲存於group於Workfile

26
27
按右鍵
1 2

28
29
1

2 3

30
31
1
2

32
3

33
2. 基本變數分析

2.2 基本繪圖

34
 基本繪圖（承前例）
1. Quick/Graph/Scatter
2. 跳出Series List視窗，輸入income food_exp
3. 跳出「所得」和「糧食支出」兩者之關係圖
4. 修改圖形格式：
（1）輸入圖形名稱：Add Text
（2）Options/Axes＆Scaling和Line＆Symbols
（3）儲存圖形到workfile：name，輸入儲存名稱
（4）輸出圖形到桌面：
a. Object/View Options/Copy
b. Object/View Options/Save graph to disk
35
1

2
3

36
輸入變數名稱

37
38
輸入圖表名稱

39
40
 tab

endpoints
values

41
42
43
圖形儲存到workfile

44
45
 圖形儲存到桌面

3
2

46
47
1

3
48
 3. OLS分析
（例子： CPS2 ）

49
50
1
2

51
重新定義名稱

52
輸入公式

53
54
4. 單根檢定(Unit Root)
(例子： USA)

55
 單根檢定
• 概念：若為單根（非定態）就進行差分，直到定態為止。
1. 畫出時間序列圖以協助判斷有無時間趨勢。（若有線性趨勢，
所以應該含截距項或時間趨勢來進行單根檢定）
EViews主選單→Quick→Graph→出現圖形
2. 按【View】，選【Unit Root Test】，出現Unit Root Test視窗
(1) Test Type（檢定形式）：Augmented Dickey-Fuller、
Phillips-Perron
(2) Include in test equation（包含時間趨勢、截距）：Intercept
Trend and intercept、none
(3) Test for unit root in（差分）
(4) Lagged Difference（差分的落後期數）

56
對F變數進行單根
檢定

57
1

58
 單根檢定形式

差分

截距項、時
間趨勢項

59
Dickey-Fuller檢定F變數的統計值為-
2.090皆大於臨界值，可以知道「無
法拒絕單根的虛無假設」，因此，進
一步做一階差分檢定。

60
一階差分

61
一階差分後，可知F變數的統
計值為-4.007皆小於臨界值，
可以知道「拒絕單根的虛無假
設」，其F變數為定態。

62
5. 共整合檢定(Cointegation)
(例子： USA)

63
64
按右鍵

1 2

65
1

66
67
68
1

69
定義新名稱

70
 2
1

71
72
由統計值(-4.543)可知
是否拒絕無共整合的
虛無假設。

73
6. 追蹤資料(Panel Data)

74
 6. 追蹤資料(Panel Data)

6.1 Panel Unit Root Tests

(例子：GDP)

75
 Panel Unit Root Tests
• 時間序列本身為一隨機過程，短期可能有偏離之
現象，隨著時間的變動長期終將回復到平均值，
則此數列稱為穩定（stationary）數列。倘若此一
時間序列長期並未回復平均值，則稱該序列為非
定態序列，亦即序列存在著單根現象。
• 在主檔案上，按View/Unit Root Test，可以選擇
總的（Summary）或是個別的檢驗統計量。此外
，可以在對話框中指定趨勢並設定截距項，選擇
落後期，並提供詳細估計來檢驗統計量的計算。

76
資料為Panel Data
，因此選擇
Balanced Panel

輸入資料

77
資料匯入就
如之前介紹

78
1

對各變數進行單根檢
定，用Economic變數
做說明。
2

79
80
得出變數的統計值，因此，可
知變數是否拒絕單根的虛無假
設。

81
 6. 追蹤資料(Panel Data)

6.1 Panel Cointegration Tests

(例子：GDP)

82
 Panel Cointegration Tests
• 在共整合的分析結果中，倘若變數間存在著共整
合 關 係 ， 則 變 數 間 具 有 長 期 關 係 ， 則 以 Panel
VECM 模型進行檢定，利用此種模型可以捕捉到
變數間短期與長期的動態訊息；若變數間不存在
共整合關係，此時即對原始資料取一階差分，並
以Panel VAR 模型進行檢定。

• H0：沒有共整合關係
H1：具有共整合關係

83
按右鍵 探討gdp和economic之間
是否有共整合關係。
1
2

84
1

85
86
可知gdp和
economic之間具
有共整合關係。

87
 7. THE NLS PANEL DATA

7.1 Fixed effects estimation

88
 固定效果 v.s. 隨機效果(1/4)
• 固定效果模型又稱為虛擬變數模型（least
squared dummy variable model），其特色是
在於可以同時考慮橫斷面及時間序列的資
料，且著重於允許各個變數之間有差異性
的存在，由於可以藉此消除因變數不同所
造成模型共變異數（covariance）的增大，
使估計結果較有效率。

89
 固定效果 v.s. 隨機效果(2/4)
• 隨機效果模型又稱為誤差成分模型（error
component model），與固定效果模型相似
之處，在於它亦可同時考慮橫斷面及時間
序列並存的資料，且特別著重於母體整體
的關係，而非個別變數之間的差異，並以
隨機變數型態的截距項代表每個橫斷面之
間不同的結構。

90
 固定效果 v.s. 隨機效果(3/4)
K

 追蹤資料模型（基本模型： Yit  1i    k X kit   it）

K 2

固定效果模型 隨機效果模型

截距項 特定常數 隨機變數

K

模型 Y  D1  X   Yit    k X kit  u i   it

K 1

91
 固定效果 v.s. 隨機效果(4/4)
H0 : 11  12    1N H 0 :  2  0
SSE R  SSEU N  1 2
FF  NT  e' DD' e 
SSEU / NT  N  K  1 LM  
2T  1  e' e
 1


If reject If reject

固定效果模型 隨機效果模型

隨機效果模型與固定效果模型的差異，主要是固定效果模型
以固定截距來表示每個橫斷面有不同的結構，而隨機效果模
型則以隨機變數截距來表示每個橫斷面有不同的結構，使模
型的誤差項變成( i   it ) ，不再具iid (independent & identical
distribution )的前提。
92
93
按右鍵

1
2

94
95
96
 7. THE NLS PANEL DATA

7.2 Random effects estimation

97
 按右鍵

1
2

98
99
100
簡報完畢
敬請指教

101