EViews是Econometrics Views的缩写，直译为计量经济学观察，通常称为计量经济学软件包。它的本意是对社会经济关系与经济活动的数量规律，采用计量经济学方法与技术进行“观察”。
计量经济学研究的核心是ξ设计模型、收集资料、估计模型、检验模型、应用模型（结构分析、经济预测、政策评价）。EViews是完成上述任务比较得力的必不可少的工具。正是由于EViews等计量经济学软件包的出现，使计量经济学取得了长足的进步，发展成为一门较为实用与严谨的经济学科。
EViews的强大功能和容易使用使得它成为任何需要处理时间序列，横截面，或纵向(longitudina)数据人员∏的理想软件包。通过EViews，您可以快速和有效的管理您的数据，执行计量经济学和统计分析，生成预测或模型ζ 仿真，和产生可用于出々版或包含到其它应用程序中的高质量的图形和表格。
详细功能介绍：
更新用户界面
EViews 一直以无与伦比的易用性知名，但是依然有改进的余地。我们提高了ante在EViews 中◤的界面的改进。
命令捕获
EViews 为大多数对象视图，过程以及大量的其他互动操作提供了命令捕获。当你使用用户界面来执行一个操作时,EViews将为显示和导出节省相应的文本命令。
一旦打开,你可以根据需要来移动和改变窗口的大小。在捕获窗口中右击会出现一个菜单⊙清除窗口,从而可以将内容保存到磁盘上的文件夹,或打开一个新的包含窗口内容的未命名程序。此外，你可︽以选择echo命□令来捕获任何命令窗口。
可停靠的命令和捕获窗口
EViews 的命令和捕获窗口是可停靠,可漂浮以及可隐藏的。停靠和隐藏的窗口允许你将经常使用的窗口保持在随时可以调动的距离。
可漂浮的窗口允许你将它们移出你「的工作区①域。甚至有可能你还能调用到EViews界面外的浮动窗口。
数据库和工作文件预览
EViews 提供了一个新对象预览模式,允许您快速浏览通过工作文件和数据库中的对象。选中并右键单击一个【或多个数据库或工作文件窗口中的对象或按F9来打开预览窗口。使用箭头来浏览选中的→对象或整个对象容器的内容,查看元数据(名称、类型、描述、频率、最新更新、来源、单位,等等)和特定类型对象的信息。一旦你已经检查对象,你可以使用预览窗口从数据库到工作文件页面来输出一个或多个对象。
处理新数据的功能
加强数据↓的导入和连接
通过EViews , 系列对象现在可以链接到另一个工作文件的一个物体和其他有效的外部数据源,并且可以导入到EViews(如Excel文件、TXT文件、ODBC数据库,等)。
此外, 使用EViews 所有系列对象导入或获取现在将存储和记忆无链接状态的数据源。这就允许〒断开系列对象的连接或者再连接。
管理链接和方程式对话框已被重〖新设计来帮助使用者理解和管理中目前工作文件中已有的链接。对话框现在『可以通过它们的来源来显示所有外部链接的对象和公式。
强大的New Fred数据库界面
EViews 提供了一个由圣路易斯联邦储备银行提供的用于更新接口的数据服务。新接口包括一个定制的浏览器浏览可用的弗雷德数据并添加支持检索的历』史版本。
新的浏览器界面提供了大量有用的工具来处理弗雷德数据库
所有系列搜索——支持按关键字搜索。
排序-感觉序列的命令来改变
添加过滤器-缩小显示列※表
As of-限定特定年■份的数据
分类跳转-直接导航到文件夹内包含选定的类别树系列。
发布跳转-直接导航到包含所选系列的统计发布。
根据标签过滤-给现有的特定系列添加一个标签列表
显示发布日期-显示所选系列的发布更新时间列表
Copy As Of –允许你一次性检测多个历史版本。
云驱动支持
现在你可以『直接在EViews里直接向云ㄨ驱动访问、读和写文件，如Box,Dropbox,Google drive或OneDrive驱动器。
以前的数据表支持
过去的数据表现在支持将存储和加载所有的旧的数据表设置模板和数据。
新的变频方式
EViews 提供了新的低到高变频方法同时还可以添♂加增强现有的方式。
新的转换方式为：Point, Denton, Chow-Lin and Litterman。这些方式支持许多不同的匹配点(即源页面上的时间◤是如何连接到的目标页面),包括第一,最后,总和,平均值。现有的线◥性和立方方式也扩展到允许匹配第一个以及最后一个。
新的图、表和轴特性
图形拖动和缩放
平移和缩放现在可以在图表和图表视图功能滑动条中使用(允许↓子样品图显示)。你可以ぷ使用这些功能来改变关注的特定区域图的显示,就像裁剪照片那样。
需要注意缩放和移动是不会改变图形的、只是将部分的图显示在窗口中。观察滑块条和轴标签将会改变来反映修改后的显←示。冻结图形将当前显示的】快照。
多图幻灯片
EViews 使查看多张图片时更容易通过引入图的幻灯片来显∩示。在处理一个图形框里的多个图形时会发现单一图形的细节非常细微，现在你可以使用单一图形的放大功能来分别显示图形的内容。
这里我们可以看到放大的效果图。左边是一个列表的单张图;右边是一个放大╲后显示的所选图。你还可以使用上翻页和下翻＠ 页快捷键来切换单张图片，也可以通过Home和End键来跳转到第一张或最后一张图片。同时，你还可以通过点击列表上的图直接跳转。
改进的混合图类型
EViews 为混合图型格式◇提供了一个全新的接口类型,允许在选择图表类型的组合显示在相同的图时有更大的灵活性。还可以快速显示组数据。新的EViews界面允许你指定▽每个图形元素的类型。设置第一个系列优先,第二行和第三区。或混合的任务。可以自由选择。
默认情况下,第一个系列将绘制成条形，剩余的将绘制成线条。你可以使用下拉菜单选择不同类型为每个系列。如果有类似Area Band那样需要更多序列的形式， EViews将使用系列构造图定义的两个系列。需要注意的是对需要不是连续的。
矩※形和椭圆
现□ 在你可以在选定的图形对象里绘制矩※形和椭圆。一旦创建了你想要的形状,你可△以移动和调整大小形状交互。移动,悬停在形状显示光标拖手。单击并拖动到所需的位置。
箭、矩形和椭圆基于数据的锚定
现在可以把箭头,一个新的矩形或椭圆画对象/日期分在一个固定的数据图以更准确的定位指定编程对象●的位置。基于数据的锚定,调整或运动图也将相应调整和移动箭头,矩形和椭圆对象图。
LATEX输出
现在你可以保存你的表格、图形和线轴再以LATEX格式Ψ 来导出。
这个特性可以只▲要保存表,图,或线轴到磁盘(使用命令,表或图保存到磁盘proc,或右击按钮保存从一个表或图形视图。在所有这些情况下,你应该选择改变文件类型组合LATEX文件来查看可用的选项。
自动ARIMA预测
自动ARIMA预测是▃一种基于ARIMA模型的单个序列预测的方法。
虽然EViews提供了与ARIMA模型估算和工作对象类似的复杂工具,使用这种快速↓简单的预测工具还是非常有◥价值的。EViews 带来了一种自动ARIMA预测序列程序，它可以使用户快速判定大约的ARIMAX规格并将它用到后面的序列预测中。
预测评估
EViews 提供了用来评估质量的预测的工具，它可以帮助你确定使用哪个单一的∞预测,或者平均构※建综合预测可能更合适▓。
当构建一个预测变量的未来值的,经济决策者通常可以访问不同的预测。也许从他们创ぷ造的不同的模型或从外部来源获得的预测。当面对单个变量的竞争预测时,很难决定哪些单一或复合预测是“最好的”,EViews 提供了工具来解决这些问题。
EViews计算了四种不同措施的预测精度
RMSE(根均方误差)
MAE（平均〗绝对偏差）
MAPE（平均绝对百分比误差≡）
Theil不等式系数
此外,比起单个预测，EViews为做出大约计算组合测试,或预测包括测试(Chong and Hendry, 1986; Timmermann, 2006)
平均预测
EViews 提供了大量的易于使用的工具来执行预测简单平均值,最小二㊣乘法,均方误差,均方误差,平滑AIC,近似贝叶斯模型平均值。削减值和简单平均方法。
一系列的研究＠ （Timmermann 2006)表明平均的预测比选择单个最优的预测更准确。平均预测,或预︽测相结合,是多个预测结合单个预测的方法,比起单个预测中选出最优的方法这通常是一个更高级的方法。
VAR预测
现在你可以直接通过■更新预测对话框来估计VAR生产预测◢对象。这消除了需要首先做一个触摸屏从VAR模型对象,然后才能解决模型的麻烦。
EViews 新的计量经济学和统计:估算
自回归分布ξ滞后模型
EViews 提供了用于评估和检查自回归分布滞后(ARDL)模型的属性的新工具。ARDLs是标准╳最小二乘回归,包括滞后因变量和独立变量作为解释变量。
ARDL模型估算工具包括：
内置lag-length选择方法
共合体关︻系估算
边界测试长期关系
ML AND GLS ARMA
EViews现在允许你估计ARMA模型指定的列表使▅用ML和glS(除了现有CLS-based估计量)。这些模型特性的估计是使用卡尔曼滤波评价准确的可能性(Hamilton 1994)
ARFIMA
EViews支持精确ARFIMA模型的最大相似估计通过ML或GLS使用高效算法（索厄尔(1992)和Doornik Ooms(2003)。在集成的支持功能是自动初始化参数d估计使用Geweke和Porter-Hundlak(1983)log-periodogram回归,可能性和浓度对回归系数和规模。
面板ARDL和PMG评估
EViews 现在支持Pesaran, Shin和Smith的PMG评估的ARDL模型。这个模型在面板设置时间的大数量时非常流行,因为替代GMM估计在这些设置可能不合适。
PMG需要的协整形式简单的ARDL模型和调整面板设置允许拦截,短期系数和协整跨截面上★不同。
回归方法
EViews估计门限回归模型(TR)。这种模▂型包括流行的回归模型（TAR）。
TR模型描述了一个简单形式的非线性回归与分段线性规范和机制转换,它发生在一个观测变量穿越未知的阈值。TR规格相当受欢迎,因为他们很容易估计和解释,并能产生有趣的非线性和丰富的动力学。TR的应用程序模型中样本分割,多重平衡,非常受欢迎的门限自〓回归(TAR)和自励的门限自回归(伴随着)规范(Hansen 1999, 2011; Potter 2003)
新的优化引擎
在EViews 里面，我们已经将所有新评估引擎集成到很多熟悉的EViews估计。新引擎,实现了一个复杂的信赖域方法(More and Sorensen, 1983),支持BFGS Gauss-Newton/BHHH, Newton-Raphson和Fisher Scoring algorithms版本。
除了提供替代工具优化、新引擎允许数字『二阶导数的计算和提供支持的替代普通和协方差矩阵估计系数。
下面的EViews估计已经被更新了以支持新的包括发动机模型评估评估◥工具：
单方程非线性最小二乘法和ARMA
二进制
计数
序列
检查值
ARCH
转换回归
GLM
Heckman选择
FIML
状态矢量空间
Logl
用户可以在散点图上指定自己的拟合线
图形、表格和线轴现在可以保存为PDF格式
OLE-图形和表格可以被粘贴并作为嵌入对象或链接到第三方应用程序，如微软PowerPoint、Word和Excel
表格提供了增强▓的命令行自定义支持功能
模型
改进的模型数据编辑功能
强大的新解决方案比较工具
许多新模型命令允许在项目中有更多的操作
程序设计支持
程序编辑和执行功能的改进
大量新函数、命令和对象数据成员
添●加矩阵语言工具。
用户自定义对象使您可以创建含多个EViews对象的结构
优化一般用≡户自定义函数
计量经济学&统计
计算和估计
误差趋势季节性指数平滑法(Hyndmanetal.,2002年和Hyndmanetal.,2008)
普查X-13
面板系列协＠方差
面板系列主组件
切换回归(包括外因和马尔可夫，支∮持汉密尔顿(1999)自回归误差模〒型)
贝叶斯VARs(支持四个不同的先验)
最小二乘法：M估计(胡贝尔,1973),S估计(Rousseeuw和Yohai,1984),和MM估计(Yohai1987)
断点回归：自动选择9(Bai,1997;BaiandPerron,1998;Liu,Wu,Zideck,1997)和用户指定的
面板协整估计：完全修改过的OLS(Pedroni2000)和动态普通最小二◥乘估计((KaoandChiang,2000;MarkandSul,2003)
Heckman(1979)选择模型，支持最大似然和两步估计
用户自定义优化
测试和诊断
多个断点测◢试：(Bai,1997;BaiandPerron,1998;Liu,Wu,andZideck,1997)
面板序列相关测试(Arellano-Bond,1991)
基本面板因果关系测试(Dumitrescu-Hurlin,2012)
GLM中的异方差性和自相关一致(HAC)协方差
增强分位数◥回归过程图和测试
其他
范围多重滞后的ARMA规格
用户通过列表指定默认的模型参数
在模型︾估计中，用White或HAC协方差为非截距系数自动计算Wald统计
EViews7让教育研究者，企业和政府部门以及学生可以通过一个交互式的，方便使用的面对对象的界面来使用强大的统计，预测和∩建模工具。
总结概述
引入了流行的对象概念，操作灵活简便，可采用多种操作方式进行各种计量分析和♂统计分析，数据管理简单方便。其主要功能有：
1、采用统一的方式管理数据，通过对象、视图和过程实现对数据的各种操作；
2、输入、扩展和修改时间序列数据或截∏面数据，依据已有序列按任意复杂的公式生成新的序列；
3、计算描述统计量：相关系数、协方差、自相关系数、互相关系数和直方图；
4、进行T 检验、方差分析、协整检验、Granger 因果检验；
5、执行普通最小二乘法、带有自回归校正的最小二乘▽法、两阶段最小二乘法和三阶段最小二乘法、非线性最小二乘法、广义矩估计法↘、ARCH 模型估计法等；
6、对二择一决策模型进行Probit、logit 和Gompit 估计；
7、对联立方程进行线性和非线性的估计；
8、估计和分析向量自回归系统；
9、多项式分布滞后模型的估计；
10、回归方程的预测；
11、模型的求解∑和模拟；
12、数据库〓管理；
13、与外部软件进行数据交换。
系统要求：
CPU:Pentium或更高
操作系统:
WindowsXP(32bitor64bit),WindowsVista(32bitor64bit),WindowsServer2008(32bitor64bit),Windows7(32bitor64bit)及以上
内存:
512MB以上
