ชี้แจง เคลื่อนไหว เฉลี่ย Eviews

:. , pdf: 11- -. . . 1-. . . . . . . . . (ผม) . . :. (I): (II) (II) . . 0.1 0.3 . 2- MINITAB (Single Exp Smoothing) (Double Exp Smoothing) . . . 1-2) (Single Exp Smoothing) . เปิดข้อมูลแผ่นงาน MTW. EMPLOY ค้าโลหะอาหาร การค้า อาหาร . โลหะ โลหะเรียบเนียนเรียบ ซีรี่ส์เวลาแบบเดี่ยวเรียบ ตัวแปรโลหะ น้ำหนักที่ใช้ใน Smoothing ARIMA ที่เหมาะสมที่สุด ใช้ สร้างการคาดการณ์จำนวนการคาดการณ์ 6. เซสชัน . . . มาตรการความถูกต้อง moving singleexponential เฉลี่ยการปรับให้เรียบรูปแบบการเพิ่มขึ้นของการแจกแจงแบบเลขจุดเดียว . MSD MAD MAPE มาตรการความถูกต้อง 0.42956 0.50427 1.11648 Smoothing แบบ Exponential เดียว 0.76433 0.70292 1.55036 ค่าเฉลี่ยเคลื่อนที่ 2-2) (Double Exp Smoothing) ระดับแนวโน้ม () ซีรีส์เวลา DoubleExp Smoothing . MTW. EMPLOY โลหะ (มาตรการความถูกต้อง) ตัวแปรโลหะ น้ำหนักที่ใช้ใน Smoothing ARIMA ที่เหมาะสมที่สุด สร้างการคาดการณ์จำนวนการคาดการณ์ 6. เซสชัน Smoothing Constants Alpha Gamma โลหะเรียบเนียนเรียบ . . . โลหะเรียบ . น้ำหนักที่ใช้ในการปรับระดับการใช้งาน ARIMA ที่เหมาะสม . . ,, 1386-: , pdf: 11- - - EViews - Minitab . :::: spss - spss-iran lisrel. ir eviews-iran. ir PLS smartpls. ir AHP expertchoice. ir . . . . . (): เบราว์เซอร์ของคุณไม่สนับสนุนวิดีโอ HTML5 SPSS - . . . . . การสัมมนาทางเว็บของ EViews การสัมมนาผ่านเว็บของ EViews เป็นการโต้ตอบออนไลน์ชั้นเรียนสดที่ให้วิธีการที่สะดวกและไม่แพงในการรับการฝึกอบรมใน EViews เรามีรูปแบบการสัมมนาผ่านเว็บสองรูปแบบทั้งแบบสาธารณะและแบบส่วนตัว การสัมมนาผ่านเว็บสาธารณะทำตามกำหนดการและรูปแบบการกำหนดราคาที่กำหนดไว้และเปิดให้ทุกคน (ดูกำหนดการด้านล่าง) การสัมมนาผ่านเว็บแบบส่วนตัวสามารถปรับแต่งตามความต้องการที่แน่นอนของคุณซึ่งช่วยให้คุณสามารถเลือกระยะเวลาการฝึกอบรมจำนวนผู้เข้าร่วมและหัวข้อที่จะครอบคลุมได้ (รายละเอียดเพิ่มเติมด้านล่าง) การสัมมนาทางเว็บแต่ละครั้งแบ่งออกเป็น 2 เซสชันซึ่งครอบคลุม 2 วัน โดยปกติแต่ละเซสชันจะใช้เวลา 1 ชั่วโมง 45 นาทีถึง 2 ชั่วโมงรวมถึงเวลาสำหรับคำถาม คุณต้องลงทะเบียนสำหรับทั้งสองเซสชัน ในการเข้าร่วมการสัมมนาทางเว็บคุณต้องเชื่อมต่อกับอินเทอร์เน็ตและเว็บเบราเซอร์ที่ทันสมัย ​​(หรือแท็บเล็ต iPad หรือ Android) การลงทะเบียนใน webinar ทำให้คุณสามารถเข้าร่วมชั้นเรียนสดและสามารถเข้าถึงเนื้อหาการฝึกอบรม (สไลด์ไฟล์และโปรแกรมตัวอย่างของ EViews) ที่ใช้ในชั้นเรียน การเข้าร่วมและเข้าร่วมการสัมมนาผ่านเว็บแบบต่างๆช่วยให้คุณได้รับการรับรอง EViews อย่างเป็นทางการ ประเภทของการรับรอง EViews ประเภทต่างๆคือ: ด้านล่างนี้เป็นกำหนดการของการสัมมนาผ่านเว็บสาธารณะที่กำลังจะมีขึ้น หลักสูตรใหม่และวันที่จะถูกเพิ่มเข้ามา - โปรดกลับมาเร็ว ๆ นี้หากต้องการซื้อ webinar โปรดติดต่อ trainingeviews หรือโทร 949 856 3368 หมายเหตุคุณจะได้รับส่วนลด 20% สำหรับค่าใช้จ่ายของการสัมมนาผ่านเว็บที่ซื้อในเวลาเดียวกับการซื้อ EViews ใหม่, หากคุณซื้อผ่านทางโทรศัพท์หรืออีเมล ส่วนลดสำหรับกลุ่มกว่า 5 รายที่สมัครในเวลาเดียวกัน ติดต่อเราสำหรับข้อมูลเพิ่มเติม. คลิกที่ชื่อการสัมมนาทางเว็บแต่ละครั้งเพื่อดูรายละเอียดเพิ่มเติมของหลักสูตร การสัมมนาผ่านเว็บแบบส่วนตัวมีการฝึกอบรม EViews แบบกำหนดเองที่จัดส่งทางออนไลน์ตามตารางเวลาของคุณเองสำหรับคุณและ บริษัท ของคุณ การสัมมนาทางเว็บแต่ละครั้งสามารถปรับแต่งตามความต้องการที่แน่นอนของคุณช่วยให้คุณสามารถเลือกระยะเวลาการฝึกอบรมจำนวนผู้เข้าร่วมและหัวข้อที่จะครอบคลุม ผู้เข้าร่วมประชุมแต่ละคนอาจมีสิทธิ์ได้รับการรับรอง EViews และจะได้รับใบรับรองทั้งนี้ขึ้นอยู่กับการกำหนดคอนฟิกเนื้อหาของการเยี่ยมชมในไซต์ ราคาของการสัมมนาทางเว็บจะขึ้นอยู่กับความต้องการที่แน่นอนของคุณ คุณอาจจัดสัมมนาทางเว็บส่วนตัวเป็นส่วนหนึ่งของใบอนุญาตปริมาณงานของ EViews เพื่อรับส่วนลดสำหรับ webinar หากคุณต้องการกำหนดตารางการสัมมนาทางเว็บคุณสามารถติดต่อเราได้ที่ trainingeviews หรือโทร 949 856 3368 กรุณาเปิดใช้งาน javascript หรือคลิกที่นี่เพื่อเข้าชมเว็บไซต์อีคอมเมิร์ซของฉันที่ขับเคลื่อนโดย Shopify หน้าแรกเกี่ยวกับติดต่อเราสำหรับข้อมูลการขายกรุณาติดต่อ saleseviews ฝ่ายสนับสนุนด้านเทคนิคกรุณาอีเมล์ supporteviews กรุณาใส่เลขที่ประจำผลิตภัณฑ์ของคุณด้วยการติดต่อทางอีเมล์ทั้งหมด สำหรับข้อมูลการติดต่อเพิ่มเติมโปรดดูที่หน้าเกี่ยวกับเรา page. EViews 8 รายการคุณลักษณะ EViews 8 มีหลากหลายคุณสมบัติที่มีประสิทธิภาพสำหรับการจัดการข้อมูลสถิติและการวิเคราะห์ทางเศรษฐมิติการคาดการณ์และการจำลองการนำเสนอข้อมูลและการเขียนโปรแกรม รายการต่อไปนี้นำเสนอข้อมูลสำคัญเกี่ยวกับ EViews ที่สำคัญ: ข้อมูลพื้นฐานเกี่ยวกับการจัดการข้อมูลตัวเลข, ตัวเลขและตัวอักษร (string) และป้ายกำกับค่าชุดข้อมูลวันที่ ห้องสมุดที่กว้างขวางของผู้ประกอบการและสถิติ, คณิตศาสตร์, วันที่และฟังก์ชั่สตริง ภาษาที่มีประสิทธิภาพสำหรับการจัดการนิพจน์และการแปลงข้อมูลที่มีอยู่โดยใช้ตัวดำเนินการและฟังก์ชันต่างๆ ตัวอย่างและวัตถุตัวอย่างช่วยในการประมวลผลข้อมูลย่อย การสนับสนุนโครงสร้างข้อมูลที่ซับซ้อนรวมถึงข้อมูลที่เป็นวันธรรมดาข้อมูลที่ไม่สม่ำเสมอวันที่ข้อมูลข้ามส่วนที่มีตัวระบุการสังเกตวันที่และข้อมูลที่ไม่ได้ระบุไว้ในแผง Workfiles แบบหลายหน้า ฐานข้อมูลแบบเดสก์ท็อปของ EViews ทำให้มีคุณลักษณะการสืบค้นที่มีประสิทธิภาพและสามารถทำงานร่วมกับเวิร์กช็อปของ EViews ได้ แปลงข้อมูลระหว่าง EViews และสเปรดชีตสถิติและรูปแบบฐานข้อมูลต่างๆรวมถึง (แต่ไม่ จำกัด เฉพาะ): ไฟล์ Microsoft Access และ Excel (รวมถึง. XSLX และ. XLSM) ไฟล์ Gauss Dataset ไฟล์ SAS Transport ไฟล์ SPSS และไฟล์แบบพกพา ไฟล์ Stata, ข้อความ ASCII ที่จัดรูปแบบดิบหรือไฟล์ไบนารี, ฐานข้อมูล HTML และ ODBC และแบบสอบถาม (การสนับสนุน ODBC มีให้เฉพาะใน Enterprise Edition เท่านั้น) การสนับสนุน OLE สำหรับการเชื่อมโยงผลลัพธ์ของ Eviews รวมถึงตารางและกราฟไปยังแพคเกจอื่น ๆ เช่น Microsoft Excel, Word และ Powerpoint การสนับสนุน OLEDB สำหรับการอ่านไฟล์งานและฐานข้อมูลของ EViews ที่ใช้ไคลเอ็นต์ที่รับรู้ข้อมูล OLEDB หรือโปรแกรมที่กำหนดเอง การสนับสนุนฐานข้อมูลข้อมูลเศรษฐกิจของเฟด (Federal Reserve Economic Data) การสนับสนุน Enterprise Edition สำหรับ Global Insight DRIPro และ DRIBase, Haver Analytics DLX, FAME, EcoWin, Datastream, FactSet และฐานข้อมูล Moodys Economy EViews Microsoft Excel Add-in ช่วยให้คุณสามารถเชื่อมโยงหรือนำเข้าข้อมูลจากแฟ้มงานและฐานข้อมูลของ EViews จากภายใน Excel ลากและวางการสนับสนุนสำหรับการอ่านข้อมูลเพียงแค่วางไฟล์ลงใน EViews สำหรับการแปลงข้อมูลต่างประเทศโดยอัตโนมัติในรูปแบบ workfile EViews เครื่องมือที่มีประสิทธิภาพสำหรับการสร้างหน้า Workfile ใหม่จากค่าและวันที่ในชุดข้อมูลที่มีอยู่ จับคู่ผสานเข้าร่วมผนวกเซตย่อยปรับขนาดจัดเรียงและก่อร่างใหม่ (กองซ้อนและยกเลิกการดำเนินการ) workfiles แปลงความถี่อัตโนมัติที่ใช้งานง่ายในการคัดลอกหรือเชื่อมโยงข้อมูลระหว่างหน้าเว็บที่มีความถี่แตกต่างกัน การแปลงความถี่และการจับคู่การสนับสนุนการรวมการสนับสนุนแบบไดนามิกจะอัปเดตเมื่อมีการเปลี่ยนแปลงข้อมูลพื้นฐาน ชุดสูตรการอัปเดตอัตโนมัติที่คำนวณโดยอัตโนมัติเมื่อมีการเปลี่ยนแปลงข้อมูลพื้นฐาน แปลงความถี่ที่ใช้งานง่ายเพียงคัดลอกหรือเชื่อมโยงข้อมูลระหว่างหน้าเว็บที่มีความถี่แตกต่างกัน เครื่องมือสำหรับการสุ่มและสร้างตัวเลขสุ่มสำหรับการจำลอง การสร้างเลขสุ่มสำหรับ 18 ฟังก์ชันการแจกแจงที่แตกต่างกันโดยใช้เครื่องกำเนิดตัวเลขแบบสุ่ม 3 เครื่อง การจัดการข้อมูลแบบอนุกรมเวลาการจัดการแบบรวมสำหรับการจัดการข้อมูลวันที่และชุดข้อมูลเวลา (ทั้งปกติและไม่สม่ำเสมอ) การสนับสนุนข้อมูลความถี่ปกติทั่วไป (รายปีรายปีรายไตรมาสรายเดือนรายปักษ์ต่อสัปดาห์สิบวันรายสัปดาห์รายวัน - 5 วันต่อสัปดาห์รายวัน - 7 วัน) รองรับข้อมูลความถี่สูง (วัน) เพื่อให้สามารถใช้งานได้หลายชั่วโมงนาทีและวินาที นอกจากนี้ยังมีความถี่ปกติที่พบบ่อย ได้แก่ หลายปีสองเดือนครึ่งถึงสี่สิบวันและทุกวันโดยมีช่วงเวลาโดยพลการของวันในสัปดาห์ ฟังก์ชันและตัวดำเนินการชุดเวลาที่เฉพาะเจาะจง: ความล่าช้า, ความแตกต่าง, ความแตกต่างระหว่างการบันทึก, ค่าเฉลี่ยเคลื่อนที่, ฯลฯ การแปลงความถี่: สูงไปต่ำและต่ำไปสูง การเรียบอย่างละเอียด: Single, Double, Holt-Winters และ ETS smoothing เครื่องมือในตัวสำหรับการถดถอยฟอกสีฟัน กรอง Hodrick-Prescott การกรองแบนด์พาส (ความถี่): Baxter-King, ความยาวคงที่ของ Christiano-Fitzgerald และตัวกรองแบบไม่สมมาตรตัวเต็ม การปรับฤดูกาล: การสำรวจสำมะโนประชากร X-13, X-12-ARIMA, TramoSeats ค่าเฉลี่ยเคลื่อนที่ Interpolation เพื่อกรอกข้อมูลค่าที่หายไปภายในชุด: Linear, Log-Linear, Spline Catmull-Rom, Cardinal Spline สถิติสรุปข้อมูลสรุปโดยสังเขปของกลุ่ม การทดสอบความเสมอภาค: t-test ANOVA (สมดุลและไม่สมดุลย์โดยมีหรือไม่มีค่าความแปรผันตามตัวอักษร), Wilcoxon, Mann-Whitney, Median Chi-square, Kruskal-Wallis, van der Waerden, F-test, Siegel-Tukey, Bartlett , Levene, Brown-Forsythe การแจกแจงแบบเดียว (One-way tabulation) กับการวัดความสัมพันธ์ (Phi Coefficient, Cramers V, Invingency Coefficient) และการทดสอบความเป็นอิสระ (Pearson Chi-Square, Likelihood Ratio G2) ความแปรปรวนและการวิเคราะห์ความสัมพันธ์เช่น Pearson, Spearman rank-order, Kendalls tau-a และ tau-b และ partial analysis การวิเคราะห์องค์ประกอบหลักรวมถึงแผนการขจัดครึ้ม, biplots และแปลงโหลดและการคำนวณคะแนนส่วนประกอบที่มีน้ำหนัก การวิเคราะห์ค่าปัจจัยและการหมุนเวียนปัจจัยโดยใช้วิธีการแบบฉากและขวางมากกว่า 30 แบบที่แตกต่างกันการวิเคราะห์ปัจจัยการคำนวณการวัดความสัมพันธ์ (รวมถึงความแปรปรวนร่วมและความสัมพันธ์) การประเมินความเป็นเอกลักษณ์ ฟังก์ชันการแจกแจงเชิงประจักษ์ (Empirical Distribution Function - EDF) เป็นการทดสอบค่าปกติ, ค่าสูงสุด, ค่าที่มาก, Logistic, Chi-square, Weibull หรือการแจกแจงแกมมา (Kolmogorov-Smirnov, Lilliefors, Cramer-von Mises, Anderson-Darling, Watson) ฮีสโตแกรม, รูปหลายเหลี่ยมความถี่, รูปหลายเหลี่ยมความถี่ขอบ, ค่าเฉลี่ยฮิสโตแกรมที่เลื่อน, CDF - ผู้รอดชีวิต - quantile, Quantile-Quantile, ความหนาแน่นของแกน, การแจกแจงทฤษฎีที่สมมุติ, boxplots Scatterplots กับเส้นการถดถอยเชิงพาราและไม่ใช่พารามิเตอร์ (LOWESS, พหุนามท้องถิ่น) การถดถอยของเคอร์เนล (Nadaraya-Watson, local linear, พหุนามท้องถิ่น) หรือวงรีความเชื่อมั่น ไทม์ซีรี่ส์ความสัมพันธ์กันในตนเอง, ความสัมพันธ์บางส่วน, ความสัมพันธ์ข้าม, สถิติ Q การทดสอบความเป็นเหตุบังเอิญของเกรนเจอร์ การทดสอบรากของหน่วย: Augmented Dickey-Fuller, GLS เปลี่ยน Dickey-Fuller, Phillips-Perron, KPSS, Eliot-Richardson-Stock Point Optimum, Ng-Perron การทดสอบการรวมตัวกัน: Johansen, Engle-Granger, Phillips-Ouliaris, Park เพิ่มตัวแปรและความมั่นคง Hansen การทดสอบความเป็นอิสระ: การทดสอบความแตกต่างของ Brock, Dechert, Scheinkman และ LeBaron: Lo และ MacKinlay, bootstrap คิมคิม, อันดับ Wrights, อันดับคะแนนและการทดสอบการลงชื่อเข้าใช้ Wald และการทดสอบอัตราส่วนความแปรปรวนหลายรูปแบบ (Richardson and Smith, Chow and Denning) ความแปรปรวนระยะยาวและการคำนวณความแปรปรวนร่วม: symmetric or - one-sided run-run covarianes โดยใช้ nonparametric kernel (Newey-West 1987, Andrews 1991) พารามิเตอร์ VARHAC (Den Haan and Levin 1997) และ prewhitened kernel (Andrews and Monahan 1992) วิธีการ นอกจากนี้ EViews ยังสนับสนุนวิธีการเลือกแบนด์วิดท์โดยอัตโนมัติสำหรับ Andrews (1991) และ Newey-West (1994) สำหรับการประมาณค่าเคอร์เนลและเกณฑ์การเลือกข้อมูลสำหรับการประเมินความถ่วงจำเพาะของ VARHAC และ prewhitening แผงและสระว่ายน้ำโดยกลุ่มและตามระยะเวลาสถิติและการทดสอบ การทดสอบรากของหน่วย: Levin-Lin-Chu, Breitung, Im-Pesaran-Shin, Fisher, Hadri การทดสอบการรวมตัว: Pedroni, Kao, Maddala และ Wu แผงควบคุมภายในซีเควนซ์และองค์ประกอบหลัก การทดสอบความเป็นเหตุบังเอิญของ Dumitrescu-Hurlin (2012) การถดถอยค่าประมาณเส้นตรงและเชิงเส้นต่ำสุดเชิงเส้น (การถดถอยหลายค่า) การถดถอยเชิงเส้นกับ PDLs ต่อจำนวนตัวแปรอิสระใด ๆ การถดถอยที่มีประสิทธิภาพ อนุพันธ์เชิงวิเคราะห์สำหรับการประมาณแบบไม่เชิงเส้น สี่เหลี่ยมจัตุรัสที่มีน้ำหนักน้อยที่สุด White และ Newey-West ข้อผิดพลาดมาตรฐานที่แข็งแกร่ง ข้อผิดพลาดมาตรฐาน HAC อาจคำนวณได้โดยใช้เคอร์เนลที่ไม่ใช่พารามิเตอร์พารามิเตอร์ VARHAC และวิธีการเคอร์เนลที่เตรียมไว้ล่วงหน้าและอนุญาตให้ Andrews และ Newey-West เลือกวิธีการเลือกแบนด์วิดท์โดยอัตโนมัติสำหรับการประมาณค่าเคอร์เนลและเกณฑ์การเลือกข้อมูลที่ใช้เกณฑ์การวัดความล่าช้าสำหรับ VARHAC และการประมาณค่าก่อนตั้งครรภ์ การถดถอยเชิงปริมาณเชิงเส้นและการเบี่ยงเบนสัมบูรณ์อย่างน้อย (LAD) รวมถึงการคำนวณความแปรปรวนร่วมของ Hubers Sandwich และการคำนวณความแปรปรวนของการบูต การถดถอยแบบขั้นตอนด้วย 7 ขั้นตอนการคัดเลือกที่แตกต่างกัน ARMA และ ARMAX โมเดลเชิงเส้นที่มีค่าเฉลี่ยเคลื่อนที่แบบอัตถดถอย, ความผิดพลาดโดยเฉลี่ยตามฤดูกาลและความคลาดเคลื่อนตามฤดูกาล แบบไม่เชิงเส้นที่มีข้อกำหนด AR และ SAR การประมาณโดยใช้วิธีการ backcasting ของ Box and Jenkins หรือโดยเงื่อนไขน้อยที่สุดสี่เหลี่ยม ตัวแปรที่เป็นเครื่องมือและ GMM ตัวแปรเชิงตัวเลขอย่างน้อย 2 ขั้นตอนและเชิงเส้นแบบไม่เชิงเส้น (2SLSIV) และการประมาณค่าวิธีการทั่วไป (GMM) การประมาณค่า 2SLSIV เชิงเส้นและแบบไม่เชิงเส้นโดยมีข้อผิดพลาด AR และ SAR ความเป็นไปได้สูงสุดในการรับข้อมูล จำกัด (LIML) และการประเมิน K-class ข้อกำหนดด้านการถ่วงน้ำหนัก GMM (White, HAC, User-provided) ที่มีการควบคุมการทำซ้ำของน้ำหนักตัว ตัวเลือกการประมาณค่า GMM ประกอบด้วยการประเมินค่าอย่างต่อเนื่อง (CUE) และตัวเลือกข้อผิดพลาดมาตรฐานใหม่ซึ่งรวมถึงข้อผิดพลาดมาตรฐาน Windmeijer การวินิจฉัยเฉพาะทางของ IVGMM ได้แก่ การทดสอบความสามารถในการเยื่อหุ้มสมอง (Orthogonality Test), การทดสอบความล้าหลังความรีจีสเตอร์ (Regressor Endogeneity Test), การทดสอบเครื่องมือที่อ่อนแอและการทดสอบเบรกพอยต์แบบจำเพาะของ GMM ARCHGARCH GARCH (p, q), EGARCH, TARCH, Component GARCH, Power ARCH, Integrated GARCH สมการเชิงเส้นหรือสมการไม่เชิงเส้นอาจรวมถึงคำศัพท์ ARCH และ ARMA ทั้งค่าเฉลี่ยและสมการแปรปรวนอนุญาตให้ตัวแปรภายนอก Normal, Students t และ Generalized Error Distributions Bollerslev-Wooldridge ข้อผิดพลาดมาตรฐานที่มีประสิทธิภาพ การคาดการณ์ตัวอย่างของการแปรปรวนตามเงื่อนไขและความหมายและส่วนประกอบถาวร รูปแบบตัวแปรที่ขึ้นอยู่กับจำนวน จำกัด ไบท์ Logit, Probit และ Gompit (ค่าที่มาก) คำสั่ง Logit, Probit และ Gompit (ค่าที่มาก) โมเดลที่ตัดทอนและตัดทอนโดยมีข้อผิดพลาดในการคำนวณตามปกติลอจิสติกและมีค่ามาก (Tobit ฯลฯ ) นับโมเดลด้วยข้อมูลจำเพาะ Poisson, ค่าลบสองทางลบและความเป็นไปได้สูงสุดเสมือน (QML) แบบจำลอง Heckman Selection ข้อผิดพลาดมาตรฐาน HuberWhite ที่มีประสิทธิภาพ รุ่นนับสนับสนุนรูปแบบเชิงเส้นทั่วไปหรือข้อผิดพลาดมาตรฐาน QML Hosmer-Lemeshow และ Andrews Goodness-of-Fit สำหรับการทดสอบแบบไบนารี บันทึกผลการค้นหา (รวมทั้งส่วนที่เหลือและการไล่ระดับสี) ไปยังวัตถุ EViews ใหม่สำหรับการวิเคราะห์ต่อไป เครื่องมือประมาณค่า GLM ทั่วไปอาจถูกนำมาใช้เพื่อประมาณแบบจำลองเหล่านี้หลายรูปแบบโดยมีตัวเลือกในการรวม covarion ที่มีประสิทธิภาพ ชุดข้อมูล DataPooled Time, ข้อมูลแบบไขว้การประมาณเชิงเส้นและไม่เชิงเส้นโดยมีส่วนตัดขวางและระยะเวลาการสุ่มตัวอย่างหรือแบบสุ่ม การเลือกตัวประมาณที่เป็นกลาง (quadratic estimators) สำหรับความแปรปรวนของตัวแปรในแบบจำลองผลกระทบแบบสุ่ม: Swamy-Arora, Wallace-Hussain, Wansbeek-Kapteyn การประมาณค่า 2SLSIV ที่มีผลกระทบแบบตัดขวางและสุ่มตัวอย่างแบบตัดขวางและระยะเวลา การประมาณค่าที่มีข้อผิดพลาด AR โดยใช้สี่เหลี่ยมน้อยที่ไม่เชิงเส้นในข้อกำหนดที่ผ่านการแปลงแล้วสเปคโตรเจนทั่วไปทั่วไปการประมาณ 2SLSIV โดยทั่วไปการประมาณค่า GMM เพื่อให้มีข้อกำหนดเกี่ยวกับ heteroskedastic และ correlation แบบ cross-section หรือ period การประมาณค่าข้อมูลไดนามิกของพาเนลเชิงเส้นโดยใช้ความแตกต่างหรือความเบี่ยงเบนมุมแรกกับเครื่องมือที่กำหนดไว้ล่วงหน้าตามช่วงเวลา (Arellano-Bond) การทดสอบความสัมพันธ์แบบอนุกรมของแผง (Arellano-Bond) การคำนวณข้อผิดพลาดมาตรฐานที่แข็งแกร่งขึ้นประกอบด้วยข้อผิดพลาดมาตรฐาน White and Panel ที่แก้ไขได้เจ็ดข้อ (PCSE) การทดสอบค่าสัมประสิทธิ์ จำกัด ตัวแปรที่ละเลยและซ้ำซ้อนการทดสอบ Hausman เพื่อหาผลกระทบแบบมีส่วนเกี่ยวข้อง การทดสอบรากของหน่วยแผง: Levin-Lin-Chu, Breitung, Im-Pesaran-Shin, การทดสอบ Fisher-type โดยใช้ ADF และการทดสอบ PP (Maddala-Wu, Choi), Hadri การประมาณค่า Cointegration ของแผง: OLS ที่ได้รับการปรับเปลี่ยนอย่างเต็มที่ (FMOLS, Pedroni 2000) หรือ Dynamic Ordinary Least Squares (DOLS, Kao and Chaing 2000, Mark and Sul 2003) แบบจําลองทั่วไปทั่วไป, ปัวซอง, ทวินาม, กัมมันตรังสีเชิงลบ, แกมมา, ผกผันแบบเกาส์, เลขชี้กำลัง, กำลังเฉลี่ย, ครอบครัวสองหน่วย log-log, log-log, inverse, power, odds ratio, box-cox, box-cox odds ratio link หน้าที่การใช้งาน ความแปรปรวนและการถ่วงน้ำหนักความถี่ก่อนหน้า Fixed, Pearson Chi-Sq, deviance และข้อกำหนดการกระจายข้อมูลที่ผู้ใช้ระบุ การสนับสนุนการประมาณและการทดสอบ QML Quadratic Hill Climbing, Newton-Raphson, IRLS - Fisher Scoring และ BHHH อัลกอริธึมการประมาณค่า covariances สัมประสิทธิ์สามัญคำนวณโดยใช้ Hessian หรือคาดหวังหรือผลิตภัณฑ์ด้านนอกของการไล่ระดับสี ค่าความแปรปรวนร่วมที่แข็งแกร่งโดยใช้ GLM, HAC หรือ HuberWhite สมการการสมการถดถอย Cointegrating Equivalent Single Equation สำหรับวิธีการประมาณค่าที่มีประสิทธิภาพอย่างเต็มที่สามวิธีการปรับเปลี่ยน OLS อย่างเต็มที่ (Phillips and Hansen 1992), การถดถอย Cointegrating ตามหลักการ Canonical (Park 1992) และ Dynamic OLS (Saikkonen 1992, Stock and Watson 1993 Engle and Granger (1987) and Phillips and การทดสอบความไม่เสถียรของ Ouliaris (1990) การทดสอบความไม่เสถียร Hansens (1992b) และการทดสอบตัวแปรเสริม (Parks) (1992) ข้อกำหนดที่ยืดหยุ่นของเทรนด์และ deterministic regressors ในสมการและสมการ regressors แบบ cointegrating การประมาณค่าสัมบูรณ์ที่ยาวนานสำหรับ FMOLS และ CCR การเลือก lag อัตโนมัติหรือคงที่สำหรับ DOLS lags และ lead และการถดถอยของการฟอกสีฟันแบบ variance ระยะยาว Ocal แบบใหม่และการคำนวณข้อผิดพลาดมาตรฐานที่มีประสิทธิภาพสำหรับ DOLS Maximum Likelihood ที่ระบุโดยผู้ใช้ใช้นิพจน์มาตรฐานของ Eviews มาตรฐานเพื่ออธิบายความเป็นไปได้ที่บันทึกไว้ ตัวอย่างสำหรับ multitomial และเงื่อนไข logit, Box-Cox รูปแบบการเปลี่ยนแปลง, disassilibrium switching models, probit model s กับข้อผิดพลาด heteroskedastic logit ซ้อนกันการเลือกตัวอย่าง Heckman และแบบจำลองความเสี่ยง Weibull ระบบสมการการประมาณเชิงเส้นและไม่เชิงเส้น สี่เหลี่ยมจัตุรัสที่น้อยที่สุด 2SLS การประมาณค่าสมการถดถอยที่ไม่เกี่ยวข้องกันสามเหลี่ยมจัตุรัสต่ำสุด GMM กับการวัดน้ำหนักขาวและ HAC การประมาณค่าอาร์คันซอโดยใช้สี่เหลี่ยมน้อยที่ไม่เชิงเส้นในข้อกำหนดจำเพาะที่แปลงแล้ว ข้อมูลที่เป็นไปได้สูงสุด (FIML) ประมาณค่า factorizations โครงสร้างใน VARs โดยการกำหนดข้อ จำกัด ระยะสั้นหรือระยะยาว Bayesian VARs ฟังก์ชันการตอบสนองอิมพัลซ์ในรูปแบบตารางและกราฟิกต่างๆพร้อมด้วยข้อผิดพลาดมาตรฐานที่คำนวณโดยวิธีวิเคราะห์หรือโดยวิธีมอนติคาร์โล แรงสั่นสะเทือนการตอบสนองต่อแรงกระตุ้นที่คำนวณจากปัจจัยการแยกแยะ Cholesky ค่าส่วนเบี่ยงเบนหนึ่งหน่วยหรือส่วนเบี่ยงเบนมาตรฐาน (ละเว้นความสัมพันธ์) แรงกระตุ้นทั่วไปการสร้างโครงสร้างหรือแบบฟอร์ม vectormatrix ที่ผู้ใช้ระบุ กำหนดและทดสอบข้อ จำกัด เชิงเส้นเกี่ยวกับความสัมพันธ์ cointegrating และค่าการปรับตัวในรูปแบบ VEC ดูหรือสร้างความสัมพันธ์ cointegrating จากรูปแบบ VEC โดยประมาณ การวินิจฉัยโรคแบบกว้าง ๆ ได้แก่ การทดสอบความเป็นเหตุบังเอิญของ Granger การทดสอบการยกเว้นการทดสอบความล่าช้าการประเมินเกณฑ์ความล่าช้า correlograms ความสัมพันธ์ระหว่างความสัมพันธ์กับความเป็นอิสระและการทดสอบความยืดหยุ่นของร่างกายการทดสอบร่วมกันการวินิจฉัยหลายตัวแปร หลายตัวแปร ARCH ความสัมพันธ์คงที่เงื่อนไข (p, q), VECH เส้นทแยงมุม (p, q), BEKK ในแนวทแยง (p, q) ที่มีเงื่อนไขไม่สมมาตร ทางเลือก parameterization ที่กว้างขวางสำหรับเมทริกซ์สัมประสิทธิ์ในแนวทแยง VECHs ตัวแปรภายนอกที่ได้รับอนุญาตในค่าเฉลี่ยและสมการความแปรปรวนไม่เชิงเส้นและอาร์กิวเมนต์ที่อนุญาตในสมการค่าเฉลี่ย Bollerslev-Wooldridge ข้อผิดพลาดมาตรฐานที่มีประสิทธิภาพ Normal or Students t การแจกแจงข้อผิดพลาดหลายตัวแปรการเลือกใช้อนุพันธ์เชิงตัวเลขแบบวิเคราะห์หรือแบบเร็ว (ช้าหรือช้า) (อนุพันธ์ Analytics ไม่สามารถใช้ได้กับรูปแบบที่ซับซ้อนบางรูปแบบ) สร้างความแปรปรวนร่วมความแปรปรวนหรือความสัมพันธ์ในรูปแบบตารางและกราฟิกต่างๆจากแบบจำลอง ARCH โดยประมาณ ขั้นตอนวิธีการกรอง State Kalman สำหรับการประมาณแบบจำลองโครงสร้างแบบเดี่ยวและแบบหลายขั้นตอนที่ผู้ใช้กำหนด ตัวแปรภายนอกในสมการสถานะและข้อกำหนดความแปรปรวนแบบเต็มรูปแบบ สร้างสัญญาณล่วงหน้าสถานะและข้อผิดพลาดที่ได้รับการกรองหรือล่วงหน้าอย่างน้อยหนึ่งก้าว ตัวอย่าง ได้แก่ พารามิเตอร์ที่แปรผันตามเวลา ARMA แบบหลายตัวแปรและแบบจำลองความผันผวนของ quasilikelihood stochastic การทดสอบและการประเมินผลจริงพอดีแปลงที่เหลือ การทดสอบของ Wald สำหรับสัมประสิทธิ์เชิงเส้นและไม่เชิงเส้น จำกัด วงกลมความเชื่อมั่นที่แสดงจุดร่วมของความเชื่อมั่นในสองฟังก์ชันของพารามิเตอร์ที่ประมาณไว้ การวิเคราะห์ค่าสัมประสิทธิ์อื่น ๆ : ค่าสัมประสิทธิ์มาตรฐานและค่าความยืดหยุ่นของค่าสัมประสิทธิ์ระยะความเชื่อมั่นความแปรปรวนค่าสัมประสิทธิ์การกระจายตัวค่าสัมประสิทธิ์ ตัวแปรที่ถูกละเลยและซ้ำซ้อนการทดสอบ LR, correlation ที่เหลืออยู่และกำลังสองและสถิติค่า Q, ความสัมพันธ์แบบอนุกรมที่ตกค้างและการทดสอบ ARCH LM White, Breusch-Pagan, Godfrey, Harvey และ Glejser การทดสอบความยืดหยุ่นทางพันธุกรรม การวิเคราะห์ความเสถียร: Chow breakpoint และการทดสอบคาดการณ์ Quandt-Andrews ไม่ทราบค่าเบรกพอยต์ทดสอบการทดสอบ Break-Point ของ Perron, การทดสอบ RESET ของ Ramsey, การประมาณค่าประมาณ OLS, สถิติอิทธิพล, แผนการใช้ประโยชน์ การวิเคราะห์สมการของ ARMA: กราฟหรือตารางรากที่ผกผันของพหุนามลักษณะ AR andor MA เปรียบเทียบแบบจำลองความสัมพันธ์เชิงทฤษฎี (ประมาณ) กับรูปแบบความสัมพันธ์ที่แท้จริงสำหรับโครงสร้างที่เหลือแสดงการตอบสนองของ ARMA ต่อแรงกระแทกและความถี่ ARMA คลื่นความถี่. ประหยัดค่าใช้จ่าย (ค่าสัมประสิทธิ์การแปรปรวนของค่าสัมประสิทธิ์สหสัมพันธ์, ส่วนที่เหลือ, การไล่ระดับสีเป็นต้น) กับวัตถุ EViews เพื่อการวิเคราะห์ต่อไป ดูเพิ่มเติมการประมาณและระบบสมการเพื่อเพิ่มขั้นตอนการทดสอบเฉพาะ การคาดการณ์และการจำลองการคาดการณ์แบบสถิตหรือแบบไดนามิกในหรือนอกจากตัวอย่างจากสมการประมาณด้วยการคำนวณข้อผิดพลาดมาตรฐานของการคาดการณ์ กราฟการคาดการณ์และการประเมินผลการคาดการณ์ในตัวอย่าง: RMSE, MAE, MAPE, Theil ค่าสัมประสิทธิ์และสัดส่วนที่ไม่เท่ากัน State of the-art เครื่องมือสร้างแบบจำลองสำหรับการคาดการณ์สมการหลายรูปแบบและการจำลองหลายตัวแปร สมการของโมเดลอาจถูกป้อนลงในข้อความหรือเป็นลิงก์สำหรับการอัปเดตอัตโนมัติในการประมาณใหม่ แสดงโครงสร้างการอ้างอิงหรือตัวแปรภายในและภายนอกของสมการของคุณ Gauss-Seidel, Broyden และ Newton model solvers สำหรับการจำลองแบบที่ไม่ใช่ stochastic และ stochastic วิธีแก้ปัญหาแบบ non-stochastic solution ช่วยแก้ปัญหาได้อย่างสม่ำเสมอ การจำลองแบบ Stochasitc สามารถใช้เศษเหลือทิ้งที่ใส่ได้ แก้ปัญหาการควบคุมเพื่อให้ตัวแปรภายในบรรลุเป้าหมายที่กำหนดโดยผู้ใช้ การปรับค่าความซับซ้อนของสมการเพิ่มปัจจัยและแทนที่การสนับสนุน จัดการและเปรียบเทียบสถานการณ์การแก้ปัญหาต่างๆที่เกี่ยวข้องกับสมมติฐานต่างๆ มุมมองแบบจำลองและขั้นตอนในตัวแสดงผลการจำลองในรูปแบบกราฟิกหรือแบบตาราง กราฟและเส้นตารางจุดพล็อตพื้นที่บาร์แทงแหลมตามฤดูกาลพาย xy-line, scatterplots, boxplots, แถบข้อผิดพลาด, วงต่ำสุดเปิดต่ำและแถบพื้นที่ กราฟที่มีประสิทธิภาพและง่ายต่อการใช้งานและสรุป กราฟการอัปเดตอัตโนมัติที่อัปเดตเมื่อมีการเปลี่ยนแปลงข้อมูลต้นแบบ ข้อมูลสังเกตการณ์และค่าที่แสดงเมื่อวางเคอร์เซอร์ไว้เหนือจุดในกราฟ ฮิสโตแกรมค่าเฉลี่ยของการเปลี่ยนแปลงทางประวัติศาสตร์ polyonia ความถี่ขอบเหลี่ยมขอบกล่องความหนาแน่นของเมล็ดการกระจายตามทฤษฎีกล่องพล็อต CDF ผู้รอดชีวิต quantile quantile-quantile (Nadaraya-Watson, สายพหุนามท้องถิ่น, พหุนามท้องถิ่น) และสายการถดถอยที่อยู่ใกล้ที่สุด (LOWESS) หรือความเชื่อมั่นที่จุดไข่ปลา การปรับแต่งแบบจุดและคลิกแบบโต้ตอบหรือการปรับแต่งตามคำสั่ง การปรับแต่งพื้นหลังกราฟแท่งเฟรมตำนานเส้นขวางการปรับเส้นสัญลักษณ์สัญลักษณ์แรเงาซีดจางด้วยคุณสมบัติเทมเพลตกราฟที่ดีขึ้น การปรับแต่งตารางด้วยการควบคุมหน้าแบบอักษรขนาดและสีพื้นหลังของเซลล์และเส้นขอบการรวมและคำอธิบายประกอบ กราฟการคัดลอกและวางลงในแอปพลิเคชัน Windows อื่น ๆ หรือบันทึกกราฟเป็นไฟล์ metafiles ปกติหรือแบบ enhanced ของ Windows ไฟล์ PostScript ที่ห่อหุ้มบิตแมป GIFs PNGs หรือ JPGs คัดลอกและวางตารางลงในแอปพลิเคชันอื่นหรือบันทึกลงในไฟล์ RTF, HTML หรือไฟล์ข้อความ จัดการกราฟและตารางร่วมกันในสปูลอ็อพเจ็กที่ช่วยให้คุณสามารถแสดงผลลัพธ์และการวิเคราะห์หลายรายการในวัตถุหนึ่งคำสั่งและการเขียนโปรแกรมภาษาคำสั่งเชิงวัตถุช่วยให้สามารถเข้าถึงรายการเมนูการดำเนินการชุดคำสั่งในไฟล์โปรแกรม การวนซ้ำและการแบ่งแยกเงื่อนไขกระบวนการย่อยและการประมวลผลแบบมาโคร วัตถุสตริงและสตริงเวกเตอร์สำหรับการประมวลผลแบบสตริง ห้องสมุดที่กว้างขวางของสตริงและฟังก์ชันรายการสตริง การสนับสนุนเมทริกซ์อย่างกว้างขวาง: การจัดการเมทริกซ์การคูณการกลับกันผลิตภัณฑ์ Kronecker การแก้ปัญหาค่าความเป็นตัวตนและการสลายตัวของค่าเอกพจน์ อินเทอร์เฟซภายนอกและ Add-Ins การสนับสนุนเซิร์ฟเวอร์ EV ที่สนับสนุนโดยอัตโนมัติเพื่อให้โปรแกรมหรือสคริปต์ภายนอกสามารถเปิดหรือควบคุม EViews ถ่ายโอนข้อมูลและเรียกใช้คำสั่ง EViews ได้ EViews เสนอแอ็พพลิเคชันการสนับสนุนแอ็พพลิเคชัน COM Automation สำหรับเซิร์ฟเวอร์ MATLAB และ R เพื่อให้ EViews สามารถใช้เพื่อเปิดหรือควบคุมแอ็พพลิเคชันถ่ายโอนข้อมูลหรือเรียกใช้คำสั่ง EViews Microsoft Excel Add-in มีอินเทอร์เฟซแบบง่ายๆสำหรับเรียกและเชื่อมโยงจากภายใน Microsoft Excel (2000 หรือใหม่กว่า) ไปยังชุดข้อมูลและอ็อบเจ็กต์เมทริกซ์ที่เก็บไว้ในไฟล์ข้อมูลและฐานข้อมูลของ EViews โครงสร้างพื้นฐาน EViews Add-ins ให้การเข้าถึงโปรแกรมที่ผู้ใช้กำหนดได้อย่างคล่องตัวโดยใช้คำสั่ง EViews มาตรฐานเมนูและอ็อบเจ็กต์อ็อบเจ็กต์ ดาวน์โหลดและติดตั้ง Add-ins ที่กำหนดไว้ล่วงหน้าจากเว็บไซต์ EViews สำหรับข้อมูลการขายกรุณา saleseviews อีเมลสำหรับการสนับสนุนทางเทคนิคโปรด supporteviews อีเมลโปรดรวมหมายเลขของคุณกับการติดต่อทางอีเมลทั้งหมด สำหรับข้อมูลการติดต่อเพิ่มเติมโปรดดูที่หน้าเกี่ยวกับของเรา