EVIEWS心得

第一篇：EVIEWS心得

计量经济学作业（3）eviews软件学习心得 姓名：林君泓

班级：1008106 学号：1100800130 学院：机电工程学院

（二学位）eviews软件学习心得

实验中，我完成模型的参数估计，模型的统计检验，建立了一元线性回归模型和多元线性回归模型的经济计量模型，并对模型进行了异方差和自相关性检验以及对模型的修正，使得模型更加的合理。实验过程使我对经济计量建模过程有一个直观感性的认识，并比较熟悉了现代计量经济分析软件的实际操作流程。在整个操作过程中，我们体会和获取到用eviews软件对经济原理进行验证的乐趣与经验，通过eviews软件的应用，免去了大量的运算过程，使得我们分析问题更加的方便快捷，而且比自己计算时更加准确。虽然在实验过程中，由于对软件不熟悉，上机操作时不可避免的遇到一些问题，但这些经验却锤炼了我发现问题的眼光，丰富了我们分析问题的思路。而且在老师和同学的帮助下，我能够顺利的运用eviews软件对一些经济数据进行分析。实验中，老师结合案例，现场的演示，细心的对我们进行指导，使我对eviews软件有了更深层的了解，学会了对软件进行简单的操作，对实际的经济问题进行分析与检验。使原本枯燥、繁琐、难懂的课本知识变得简洁化，跨越理论和实践的鸿沟。

当然，在使用软件的同时虽然有时会遇到步骤和结果不同的情况，但我们可以对模型进行检验和修正，使之更能准确的分析经济问题。通过本次实验，我也深刻体会到，eviews是一门十分实用的软件，对以后的学习有着很大的作用。而如何正确和合理的使用便是当前最重要的任务。实习中，我们能够直观而充分地体会到老师课堂讲授内容的精华之所在，这提高了手动操作软件、数量化分析与解决问题的能力，还可以培养我在处理实验经济问题的严谨的科学的态度，并且避免了课堂知识与实际应用的脱节。

本次实验的收获、体会、经验、问题和教训，使我初步投身于计量经济学，通过利用eviews软件将所学到的计量知识进行实践，让我加深了对理论的理解和掌握，直观而充分地体会到老师课堂讲授内容的精华之所在。在实验过程中我们提高了手动操作软件、数量化分析与解决问题的能力，还培养我在处理实验经济问题的严谨的科学的态度，并且避免了课堂知识与实际应用的脱节。虽然在实验过程中出现了很多错误，但这些经验却锤炼了我们发现问题的眼光，丰富了我们分析问题的思路。通过这次实验让我受益匪浅。这次操作后对eviews软件有了更深层的了解学会了对软件进行简单的操作，对实际的经济问题进行分析与检验。使原本枯燥、繁琐、难懂的课本知识变得简洁化，跨越理论和实践的鸿沟，同时使我对计量经济学产生兴趣。计量经济学是一门比较难的课程，其中涉及大量的公式，不容易理解且需要大量的运算，所以在学习的过程中我遇到了很多困难。但通过这次的实验，我对课上所学的最小二乘法有了进一步的理解，在掌握理论知识的同时，将其与实际的经济问题联系起来。篇二：计量经济学实验报告1 心得体会

辽宁工程技术大学上机实验报告 篇三：余伟-eviews理论及应用总结 1理论总结：

第一部分：数据分析基础

第1章：概率与统计基础

第2章：经济时间序列的季节调整、分解与平滑 时间序列分解方法包括季节调整和趋势分解，指数平滑是目前比较常用的时间序列处理方法。经济指标的月度或季度时间序列包含4种变动要素：长期趋势要素t、循环要素c、季节变动要素s和不规则要素t.在经济分析之前，需要对时间序列进行季度调整，剔除其中的季节变动要素和不规则要素。而利用趋势分解方法可以把趋势和循环要素分离开来，从而研究经济的长期趋势和景气循环变动。对于某些经济时间序列（如股票序列），不存在明显的趋势变动和季节变动。一般，我们使用指数平滑方法对这样的时间序列进行拟合和预测 2.1理论基础：移动平均方法

简单移动平均

中心化移动平均

加权移动平均 2.2季节调整

只有季度和月度数据才能做季节调整，目前比较常用的方法是：censusx12方法、x11方法、移动平均方法和tramo/seats方法 2.3趋势分解

本节专门讨论如何将趋势和循环要素进行分解的方法。测定长期趋势有多种方法，如回归分析法、移动平均法、阶段平均法、hp滤波方法和bp滤波方法 2.4指数平滑方法

第二部分：基本的单方程分析

第3章：基本回归模型 3.1古典线性回归模型

回归分析是计量经济分析中使用最多的方法，是可以用来分析两个及以上的变量相互之间因果关系的统计方法。当回归模型中仅包含一个解释变量时，该模型就是一元回归模型。当解释变量超过一个时，该模型就是多元回归模型。根据模型对于参数是否为线性可以将模型分为线性模型和非线性模型。

3.1.1一元线性回归模型

形式：yt??0??1xt?ut(t?1,2,...t)u是误差项或扰动项，它体现了y的变化中没有被x所解释的部

分，即除x以外其他所有对y产生影响的因素的综合体现。

古典线性回归模型的基本假设：

（1）e(ut)?0→？异方差→加权最小二乘法 2var(ut)??（2）cov(ui,uj)?0,i?j→？自相关→时间序列模型

（3）cov(xt,ut)?0→？随机解释变量→两阶段最小二乘法（4）ut?n(0，?2)→？ 3.1.2最小二乘法

3.1.3多元线性回归模型 3.1.4系数估计量的性质 3.1.5线性回归模型的检验 a:变量的显著性检验（t检验）h0:?i?0，h1:?i?0 b:拟合优度检验和r2统计量 tss ess rss r2=ess/tss c:方程显著性检验 h0:?1??2。。??k?0，h1:至少一个不为0 3.2回归方程的函数形式 3.2.1双对数线性模型

解释变量的系数就是弹性

*3.2.2半对数模型[用来做增长率] 3.2.3双曲线模型

3.3包含虚拟变量的回归模型 3.4模型的设定与假设检验

一旦完成估计，就需要进行各种检验、修正，然后再进行估计。。

一直到满意为止。3.4.1系数检验

a：wald检验——有约束条件的检验 b:遗漏变量、多余变量检验 c:因子分割点检验 3.4.2残差检验 a:正态性检验 b:序列相关检验 c:arch检验

d:white异方差检验 3.4.3模型稳定性检验 a：chow分割点检验 b: chow预测检验

c: quandt-andrews分割点检验 3.5方程的模拟与预测

第4章：其他回归方法

4.1异方差【每个数据点对应的方差不等】 4.1.1异方差检验 a：图示法

b：bpg异方差检验 c：harvey异方差检验 d：glejser异方差检验 e：white检验

4.1.2加权最小二乘法【wls】 4.2二阶段最小二乘法 4.3非线性最小二乘法 4.4广义矩方法

4.5多项式分布滞后模型 4.6逐步最小二乘回归 4.7分位数回归

4.8非参数回归模型

第5章时间序列模型

运用时间序列的过去值、当期值及滞后扰动项的加权和，建立模

型来解释时间序列的变化规律。5.1序列相关及其检验 5.1.1序列相关 5.1.2序列相关的检验方法 a:d.w统计量检验

如果存在正的序列相关，其（0,2）；相反则在（2,4）d.w统计量检验序列相关有4个前提

（1）d.w统计量的扰动项在原假设下依赖于系数矩阵

（2）回归方程右边如果存在滞后因变量，其不再有效

（3）仅仅检验残差序列是否存在一阶序列相关

（4）回归模型含有截距项

下面的方法克服了上述不足 b: 相关图 c：q统计量检验

d：序列相关的lm检验

5.1.3存在序列相关的线性回归方程的估计与修正

利用ar(p)模型修正序列相关。5.2平稳时间序列建模

本节将不再仅仅以一个回归方程的扰动项序列为研究对象，而是

直接讨论一个平稳时间序列的建模问题。在现实中很多问题，如利率波动、收益率变化及汇率变动等通常是一个平稳序列，或者通过差分等变换可以化为一个平稳序列。5.2.1平稳时间序列的概念

如果随机过程ut?{?,u?1,u0,u1,u2,??,ut,ut?1,??} 的均值和方差、自协方差都不取决于t，既满足： e(ut??),var(ut)??2,cov(ut,ut?s)??s 则称{ut}是协方差平稳的或弱平稳的： 5.2.2 arma模型 1.自回归模型ar(p)p 阶自回归模型记作ar(p)，满足下面的方程： ut?c??1ut?1??2ut?2put?p??t 其中：参数 c 为常数；?1 , ?2 ,…, ?p 是自回归模型系

数；p为自回归模型阶数；?t 是均值为0，方差为? 2 的白

噪声序列。

2.移动平均模型ma(q)q 阶移动平均模型记作ma(q)，满足下面的方程： utt??1?t?1q?t?q 其中：参数 ? 为常数；参数?1 , ?2 ,…, ?q 是 q 阶移

动平均模型的系数；?t 是均值为0，方差为? 2的白噪声序列。3.arma(p，q)模型

ut?c??1ut?1put?p??t??1?t?1q?t?q 显然此模型是模型(5.2.4)与(5.2.5)的组合形式，称为混合模型，常记作arma(p,q)。

当 p=0 时，arma(0, q)= ma(q)当q = 0时，arma(p, 0)= ar(p)5.2.3 arma模型的平稳性 1.ar(p)模型的平稳性条件

ar(p)模型平稳的充要条件是?(z)的根全部落在单位圆之外 2.ma(q)模型的可逆性 根全部落在单位圆之外，则式(5.2.16)的ma算子称为可逆的 5.2.4 arma模型的识别 ar(p)模型的偏自相关系数是 p 阶截尾的。ma(q)模型的自相关函数在 q 步以后是截尾的。ma(q)模型的偏自相关系数一定呈现出某种衰减的形式是拖尾的 5.3 非平稳时间序列建模

前述的ar(p)、ma(q)和arma(p,q)三个模型只适用于刻画一个平稳序列的自相关性。一个平稳序列的数字特征，如均值、方差和协方差等是不随时间的变化而变化的，时间序列在各个时间点上的随机性服从一定的概率分布。也就是说，对于一个平稳的时间序列可以通过过去时间点上的信息，建立模型拟合过去信息，进而预测未来的信息。然而，对于一个非平稳时间序列而言，时间序列的某些数字特征是随着时间的变化而变化的。非平稳时间序列在各个时间点上的随机规律是不同的，难以通过序列已知的信息去掌握时间序列整体上的随机性。但在实践中遇到的经济和金融数据大多是非平稳的时间序列。图5.9 中国1978年～2006年的生产法gdp序列 1.确定性时间趋势

描述类似图5.9形式的非平稳经济时间序列有两种方法，一种方法是包含一个确定性时间趋势: yt?a??t?ut 其中ut是平稳序列；a + ? t 是线性趋势函数。这种过程也称为

趋势平稳的，因为如果从式(5.3.1)中减去 a +? t，结果是一个平稳过程。注意到像图5.9一类的经济时间序列常呈指数趋势增长，但是指数趋势取对数就可以转换为线性趋势。

一般时间序列可能存在一个非线性函数形式的确定性时间趋势，例如可能存在多项式趋势：

yt?a??1t??2t2ntn?ut 同样可以除去这种确定性趋势，然后分析和预测去势后的时间序列。篇四：掌握用eviews回归模型的比较筛选 篇五：计量经济学学习心得

计量经济学小结

经过一个学期对计量经济学的学习，我收获了很多，也懂得了很多。通过以计量经济学为核心，以统计学，数学，经济学等学科为指导，辅助以一些软件的应用，从这些之中我都学到了很多知识。同时对这门课程有了新的认识，计量经济学对我们的生活很重要，它对我国经济的发展有重要的影响。

计量经济学对我们研究经济问题是很好的方法和理论。学习计量经济学给我印象和帮助最大的主要对evies软件的熟练操作与应用，记得以前学运筹学的时候，我学会了lindo软件，而现在我又学会了eviews软件，我感觉自己真的是很幸运，因为毕竟有些软件是属于那种有价无市的，如果没有老师的传授我不可能从市场上或是从思想上认识到它;初步投身于计量经济学，通过利用eviews软件将所学到的计量知识进行实践，让我加深了对理论的理解和掌握，直观而充分地体会到老师课堂讲授内容的精华之所在。在实验过程中我们提高了手动操作软件、数量化分析与解决问题的能力，还可以培养我在处理实验经济问题的严谨的科学的态度，并且避免了课堂知识与实际应用的脱节。虽然在实验过程中出现了很多错误，但这些经验却锤炼了我们发现问题的眼光，丰富了我们分析问题的思路。通过这次实验让我受益匪浅。

计量经济学是一门比较难的课程，其中涉及大量的公式，不容易理解且需要大量的运算，其中需要很好的数学基础、统计基础和自己的分析思考能力，以及良好的计量软件应用能力，所以在学习的过程中我遇到了很多困难。但通过这次的实验，我对课上所学的最小二乘法有了进一步的理解，在掌握理论知识的同时，将其与实际的经济问题联系起来。在目前的学术现状下，要求研究者必须掌握计量的研究方法，这是实证研究最好的工具。用计量的工具，我们才能够把经济现象肢解开来，找到其中的脉络，进而分析得更加清晰。对于计量经济学这一学科，虽然只是一门选修课，但是对我们很有用，特别是对evies软件的运用。我自认为自己对这一软件还没有完全掌握，在后期的学习中，希望能继续学习，熟练掌握这一软件的运用。

第二篇：eviews中英文翻译

Eviews中英文翻译

1.Descriptive Statistics 描述性统计

2.Test For Descriptive Stats 描述性统计量的检验

3.Distribution Graphs 分布图

4.One-way Tabulation 单维统计表

5.Correlogram 相关图

6.Unit Root Test单位根检验

7.Histogram and Statistics 直方图和统计量

8.Stats by Classification 分类统计量

9.Stats Table 统计量表格

10.Mean 均值

11.Median 中位数

12.Std.Dev.(Standard Deviation)标准差

13.standard error of mean均值标准误差

14.Skewness 偏度

15.Kurtosis 峰度

16.Jarque-BeraJB统计量(贝拉统计量)

17.obs（observations）观测值个数

18.Simple Hypothesis test 简单假设检验

19.Equality test of Classification组间相等检验

20.Variance 方差

21.anova 方差分析

22.source of Variation 变异来源

23.CDF(Cumulative Distribution Function)累积分布函数

24.Survivor残存

25.Quantile分位数

26.Kernel Density核心密度

27.Normal Distribution正态分布

28.Uniform Distribution 均匀分布

29.Exponential Distribution指数分布

30.Logistic Distribution 逻辑分布

31.Extreme value 极值

32.# of values 表示分组序列内的观测值的个数大于指定数目时，进行分组统计

33.Avg.count 表示各分组序列内的观测值的个数小于指定数目时，原分组合并

34.Max # of bins 表示序列的最大分组数

35.AC(autocorrection)自相关

36.PAC（partial correction）偏相关

37.intercept截距项

38.trend and intercept趋势项和截距项

39.N-way TabulationN维统计表

40.Equation specification 方程说明

41.estimation setting估计方法选择

42.LS（least squares）最小二乘法

43.TSLS（two-stage least squares）两阶段最小二乘法

44.ARCH（autoregressive conditional heteroskedasticity）自回归条件异方差

45.GMM（generalized method of moments）广义矩阵法

46.BINARY（binary choice）二项选择模型

47.ORDERED（ordered choice）有序选择模型

48.CENSORED（censored data）删截模型

49.COUNT(integer count data)计数模型

50.Representation 方程显示的三种形式（1 Estimation Command估计命令 2 Estimation

Equation估计方程3 Substituted Coefficients带有系数估计值的方程式）

51.Estimation Output 估计显示

52.Actual, Fitted, Residual 真实的，拟合的，剩余的（残差的）

53.Standardized Residual Graph 标准的残差折线图

54.Covariance Matrix 回归系数估计值的方差-协方差折线图

55.Coefficient Text 模型参数的7种检验

56.Residual Test 模型残差的5种检验

57.Stability test 模型稳定性检验

58.Gradient and Derivatives 梯度与导数

59.ARMA Structure

60.Make Residual Series 生成估计方程的残差序列

61.Make Regressor Group 显示方程中所有解释变量和被解释变量的序列组

62.Make Model 生成方程的估计式

63.Update Coefs from Equation 更新方程的系数向量

标准回归输出结果

64.coefficient 回归系数

65.std.error标准误差（衡量回归系数的统计可靠性）

66.t-stastistic(检验某个系数是否为0)

67.prob伴随概率（p值越大，越接受原假设）

68.R-squared可决系数（被解释变量由解释变量解释的部分）

69.Adjusted R-squared调整可决系数

70.S.E.of regression 回归的标准误差（即σ）

71.Sum squared resid残差平方和

72.Log likelihood 对数似然估计值（用于进行似然比检验等）

73.Durbin-Watson stat(序列相关性进行检验的统计量)

74.Mean Dependent Var(variable)被解释变量的均值

75.S.D.Dependent Var被解释变量的标准差

76.Akaike info criterion（AIC）赤池信息准则

77.Schwarz criterion(SC)施瓦茨准则（两个准则均要求增加的解释变量能够减少AIC和SC

才在原模型中增加该解释变量）

78.F-Statistic(检验回归方程的显著性，其原假设是所有系数都为0)

79.Prob(F-Statistic)F统计量的伴随概率

80.81.

第三篇：Eviews检验小结

各种检验总结

1、偏度：①序列的分布是对称的，S值为0；

②正的S值意味着序列分布有长的右拖尾；

③负的S值意味着序列分布有长的左拖尾。

2、峰度：①如果 K 值大于3，分布的凸起程度大于 正态分布；

②如果K值小于3，序列分布相对于正态分布是平坦的。

3、正态性检验：

Q-Q图：看QQ图上的点是否近似地在一条直线附近, 是的话近似于正态分布。Jarque-Bera 检验：①如果P值很小，则拒绝原假设，X不服从正态分布；

②如果P值大于0.05（0.1）接受原假设, X 服从正态分布。

输入数据

用鼠标单击“Quick”，出现下拉菜单，单击“Empty Group”，出现“Group”窗口。

在数据表的第一列中键入y的数据，并将该序列名取为y；在第二、第三列中分别键入x1 和x2的数据，并分别取名为x1和x2。

回归分析

用鼠标单击“Quick”，出现下拉菜单，单击“Estimate Equation”，在弹出对话框中键入 y c x1 x2；在 “Estimation Settings” 栏中选 择“Least Squares”（最小二乘法)；点击“OK”，屏幕显示回归分析结果如表3-16所示。

回归检验

1、拟合优度检验：R2 =0.864267说明，回归方程即上述样本需求函数的解释能力为 86.4%，即所有解释变量能对该被解释变量变动的86.4%作出解释。回归方 程的拟合优度较好。

2、回归模型的总体显著性检验：从全部因素的总体影响看，α表示显著性水平(一般取5%，也可取10%根据题目而定)假设在5%显著性水平上，若F检验的P值

小于0.05，说明所有解释变量对被解释变量的共同影响显著。

3、单个回归系数的显著性检验：从单个因素的影响看，在 5%显著性水平上，查看各个解释变量的T检验值若大于2，一般表示该解释变量对被解释变量有显著影响。但是，最主要是看解释变量的P检验值于0.05则表示该解释变量对被解释变量有显著影响。，若P值小

异方差检验：（1）判断

1.图示法——残差的图示检验

通过resid 与 x的散布图判断，图形成喇叭状。或通过resid的平方 与 x的散布图判断。在“Quick”菜单中选“Graph”项，在图形对话框里键入 resid x，可得 resid 与 x的散布图（见图 4-9），resid 与 x 的散布图表明存在异方差。2.怀特检验。

在方程窗口中依次点击：ViewResidual Test Heteroskedasticity Test,多元回归时一般选择有交叉项，（2）异方差的修正（WLS 估计法）。加权重1/x^2。

在 OLS 对话框里键入：y c x，按回车键，然后在方程窗口中点击“EstimateOptions”按钮，并在权数对话框里输入权数 1 / x^2 或者1 / e^2(其中的e是用

中的genr按钮，在弹出的框中输入e=resid)

若obs*R-squared对应的P值小于0.05，拒绝原假设，存在异方差性。例中为0.1691。

自相关检验：

（一）判断 1.残差图

通过resid(-1)和resid（纵轴）的残差图，有明显带状规律。

2.D-W检验 3.偏自相关系数检验

在方程窗口中依次点击：ViewResidual Testcorrelogram-Q-statistic

超出虚线的条块

4.拉格朗日乘数检验（B-G,LM）

在方程窗口中依次点击：ViewResidual TestSerail Correlation LM Test

若obs*R-squared对应的P值小于0.05，拒绝原假设，存在自相关。

（二）修正（广义差分）

DW利用DW统计量求

，再用广义差分法估计模型 ˆ122.杜宾（durbin）两步法 1.Y(1)(XX)()Ytt101tt1tt1

鼠标单击“Quick”，出现下拉菜单，单击“Estimate Equation”，在弹出的 OLS 对话框里键入：Yt

Yt1 c XtXt1，按回车键，多重共线性检验

（一）判断

1.相关系数法。R的绝对值大于等于0.8，存在多重共线性。

2.回归后，R平方较大，F检验显著，但有些变量T检验不显著，系数的正负号与理论违背。

（二）修正

1.先用Ctrl键选中所有的解释变量和被解释变量，再右击鼠标，在open中选中as group，在新建的group窗口中点击view / Covarriance Analysis/ correlation

找到和被解释变量相关系数最大的解释变量，做二者的回归估计。

2.若该解释变量有显著影响，再加入和被解释变量相关系数第二大的解释变量做回归分析，若 R平方上升，P值显著则该变量应该加入模型，否则舍去。

第四篇：林君泓哈工大人文eviews学习心得

计量经济学作业（3）

Eviews软件学习心得

姓名：林君泓 班级：1008106 学号：1100800130 学院：机电工程学院

（二学位）

Eviews软件学习心得

实验中，我完成模型的参数估计，模型的统计检验，建立了一元线性回归模型和多元线性回归模型的经济计量模型，并对模型进行了异方差和自相关性检验以及对模型的修正，使得模型更加的合理。实验过程使我对经济计量建模过程有一个直观感性的认识，并比较熟悉了现代计量经济分析软件的实际操作流程。在整个操作过程中，我们体会和获取到用EViews软件对经济原理进行验证的乐趣与经验，通过EViews软件的应用，免去了大量的运算过程，使得我们分析问题更加的方便快捷，而且比自己计算时更加准确。虽然在实验过程中，由于对软件不熟悉，上机操作时不可避免的遇到一些问题，但这些经验却锤炼了我发现问题的眼光，丰富了我们分析问题的思路。而且在老师和同学的帮助下，我能够顺利的运用eviews软件对一些经济数据进行分析。实验中，老师结合案例，现场的演示，细心的对我们进行指导，使我对Eviews软件有了更深层的了解，学会了对软件进行简单的操作，对实际的经济问题进行分析与检验。使原本枯燥、繁琐、难懂的课本知识变得简洁化，跨越理论和实践的鸿沟。

当然，在使用软件的同时虽然有时会遇到步骤和结果不同的情况，但我们可以对模型进行检验和修正，使之更能准确的分析经济问题。通过本次实验，我也深刻体会到，EViews是一门十分实用的软件，对以后的学习有着很大的作用。而如何正确和合理的使用便是当前最重要的任务。实习中，我们能够直观而充分地体会到老师课堂讲授内容的精华之所在，这提高了手动操作软件、数量化分析与解决问题的能力，还可以培养我在处理实验经济问题的严谨的科学的态度，并且避免了课堂知识与实际应用的脱节。

本次实验的收获、体会、经验、问题和教训，使我初步投身于计量经济学，通过利用Eviews软件将所学到的计量知识进行实践，让我加深了对理论的理解和掌握，直观而充分地体会到老师课堂讲授内容的精华之所在。在实验过程中我们提高了手动操作软件、数量化分析与解决问题的能力，还培养我在处理实验经济问题的严谨的科学的态度，并且避免了课堂知识与实际应用的脱节。虽然在实验过程中出现了很多错误，但这些经验却锤炼了我们发现问题的眼光，丰富了我们分析问题的思路。通过这次实验让我受益匪浅。这次操作后对Eviews软件有了更深层的了解学会了对软件进行简单的操作，对实际的经济问题进行分析与检验。使原本枯燥、繁琐、难懂的课本知识变得简洁化，跨越理论和实践的鸿沟，同时使我对计量经济学产生兴趣。计量经济学是一门比较难的课程，其中涉及大量的公式，不容易理解且需要大量的运算，所以在学习的过程中我遇到了很多困难。但通过这次的实验，我对课上所学的最小二乘法有了进一步的理解，在掌握理论知识的同时，将其与实际的经济问题联系起来。

第五篇：国贸模拟实习报告(计量经济学模型Eviews软件)

实验内容：

实验心得：

模拟实习中，我们完成模型的参数估计，模型的统计检验，建立了一元线性回归模型和多元线性回归模型的经济计量模型，并对模型进行了异方差和自相关性检验以及对模型的修正，使得模型更加的合理。实习过程使我们对经济计量建模过程有一个直观感性的认识，并比较熟悉了现代计量经济分析软件的实际操作流程。在整个操作过程中，我们体会和获取到用EViews软件对经济原理进行验证的乐趣与经验，通过EViews软件的应用，免去了大量的运算过程，使得我们分析问题更加的方便快捷，而且比自己计算时更加准确。

虽然在实验过程中，由于对软件不熟悉，上机操作时不可避免的遇到一些问题，但这些经验却锤炼了我发现问题的眼光，丰富了我们分析问题的思路。而且在老师和同学的帮助下，我能够顺利的运用eviews软件对一些经济数据进行分析。实验中，老师结合案例，现场的演示，细心的对我们进行指导，使我对Eviews软件有了更深层的了解，学会了对软件进行简单的操作，对实际的经济问题进行分析与检验。使原本枯燥、繁琐、难懂的课本知识变得简洁化，跨越理论和实践的鸿沟。

当然，在使用软件的同时虽然有时会遇到步骤和结果不同的情况，但我们可以对模型进行检验和修正，使之更能准确的分析经济问题。通过本次实验，我也深刻体会到，EViews是一门十分实用的软件，对以后的学习有着很大的作用。而如何正确和合理的使用便是当

前最重要的任务。实习中，我们能够直观而充分地体会到老师课堂讲授内容的精华之所在，这提高了手动操作软件、数量化分析与解决问题的能力，还可以培养我在处理实验经济问题的严谨的科学的态度，并且避免了课堂知识与实际应用的脱节。

通过利用Eviews软件将所学到的理论知识进行实践，让我加深了对理论的理解和掌握，深刻认识到经济计量分析对于实际经济问题的分析的重要和全面细致，体会到用现代计量软件如EViews等软件解决和分析经济问题的重要性。