企业官网建设流程全解析

简介：面向使用EViews开展时间序列实证的经管类学生与研究人员，这份Word文档聚焦自回归分布滞后模型（ARDL）的落地实现，适合已具备基本计量软件操作、希望系统掌握滞后变量建模与协整检验的学习者。内容围绕EViews 9及以上版本的ARDL工具展开，覆盖滞后阶数选择、协整估计、长期趋势Bounds检验，以及长期形式与系数诊断等结果解读环节，并提示工作文件创建、数据整理、对数变换和单位根检验等前置准备，帮助读者建立从数据准备到模型估计与检验的完整分析框架。压缩包仅含1个docx文件，大小约446KB，篇幅紧凑，便于按主题查阅和随查随用。已有3507人学习，说明其在ARDL入门与实操参考方面具有一定关注度；对于需要撰写论文实证、完成课程作业或复现时间序列分析流程的读者，可作为流程梳理与排错对照的轻量资料。

1. EViews 跑 ARDL：七步流程里最值钱的是前三步

手里只有六十几个观测，两个变量一个 I(0) 一个 I(1)，直接 OLS 残差还带明显自相关，这时候 ARDL 是最省事的选择。EViews 从 9 版起把自回归分布滞后模型做成了内置估计方法，滞后阶数自动搜索、协整的 Bounds 检验、长期系数与短期误差修正形式一次给全，整条路径固定成七步：建 Workfile、灌数据、取对数、单位根检验、Estimation Equation 里把 Method 切成 ARDL、进 Coefficient Diagnostics 看 Long Run Form、读 Bounds Test 那张临界值表。真正让人翻车的从来不是最后那个 F 统计量，而是前三步——工作文件频率选错，日期整体错位；取对数撞上零值，一片 NA；单位根检验的检验式随手一点，结论全变。前面歪一步，后面算出来的长期弹性就是一组好看但没法交差的数字。适合手里握着十几二十年年度或月度序列、目标是把长期关系说清楚而不是单纯做预测的人。

2. Workfile 与数据灌入：File—New 之后的三个设置

EViews 和 R、Python 最大的差别在于数据容器必须先声明。workfile 一旦建好，频率和起止日期基本锁死，后面所有序列、所有估计、所有检验都挂在这个日期索引上。很多人把这一步当走过场，恰恰是这里出的错最难查——它不报错，只是让所有结果都错。下面三个设置按顺序过一遍，能省掉后面大半的返工。

2.1 频率和起止日期：索引一错，后面全错

File → New → Workfile 打开 Workfile Create 对话框，需要动三处：Workfile structure type 选 Dated - Regular Frequency；Frequency 下拉选实际频率；Start date 和 End date 按该频率要求的格式填。项目正文里给的区间是 2018/1/1 到 2019/12/30，按日度理解，但 EViews 日度频率的默认显示是「月/日/年」，填的时候按对话框提示的格式走最稳，建好之后再去 Options 里改显示习惯。

不同频率对应不同的日期写法，混填会直接被拒：

提示：5 day week 和 7 day week 的区别在于前者自动跳过周六周日。如果原始数据里带周末观测，用 5 day week 粘贴时会整体错位一格，而且不报错。

起止日期还有一条硬要求：start date 必须和 Excel 第一行数据的日期严格对上。差一天，整列数据往后平移一天，回归照样能跑出结果，只是每一个系数都是错的。这种错在结果层面完全看不出来，只能靠回头核对首尾几行日期来抓。

2.2 Command 窗口敲命令建序列

Command 窗口是 EViews 里效率最高的入口，建序列不用点菜单：

' 一次性建多个序列，回车后弹出未命名 Group 的表格视图 data x y ' 只建单个空序列，变量多、要分批灌数时更清爽 series x series y ' 灌完打开 group 检查 show x y

data后面跟一串序列名，EViews 先检查这些名字是否存在，不存在就按当前 workfile 的频率和样本长度创建，同时打开一个未命名 group 的 spreadsheet 视图，可以直接编辑。series只建一个，不开 group 视图，变量一多反而更可控。

序列命名有几个坑要绕开：不能和 EViews 的保留字撞车，c、resid、trend、coef、fitted这些都被内部占用；名字里不能有空格和运算符。临时试算用x、y无所谓，正式建模建议直接建成lny、lnx这种带语义的名字，后面看输出表的时候能省不少脑力。还有一点，data遇到已存在的序列不会覆盖，只是在原序列上继续编辑，所以重跑流程的时候要确认是不是在往旧数据上叠。

建完 workfile 立刻按 Ctrl+S 存成 .wf1 文件。这个动作看着琐碎，但估计跑到一半软件崩掉、或者想回退到「灌完数据还没取对数」那个状态时，它就是唯一的后悔药。

2.3 从 Excel 灌数：粘贴和导入向导的取舍

最快的方式是复制粘贴：Excel 里选中数据列 → Ctrl+C → 回到 EViews 那个未命名 group 窗口 → 点工具栏的 Edit+/- 进入编辑态 → 光标定位到第一行 → Ctrl+V。EViews 严格按行顺序往下填，不认日期列，所以 Excel 里的行序必须和工作文件的起始日期一一对应，中间不能有合并单元格、空行、小计行、备注行。

变量多、格式乱的时候，走 File → Import → Import from File 更稳。向导里可以指定哪一列是日期、哪几列是数据，还能预览前几行的对齐情况，多花两分钟换一个确定性。

灌完必须做的三件事，一件都别省。第一，show x y打开 group，切到 Spreadsheet 视图看首尾几行日期和数值对不对得上。第二，逐个序列打开 View → Descriptive Statistics & Tests → Histogram and Stats，看 Mean、Minimum、Maximum 有没有离谱值，比如 -1e+30 这种典型的缺失值标记。第三，数一下 NA 的个数，和有效观测数对比，缺失比例超过 5% 就要考虑插值还是缩样本。

最后把估计样本收窄到有效区间：

' 收窄估计样本，日期写法随 workfile 频率变化 smpl 01/01/2018 12/30/2019 ' 需要恢复全样本时 smpl @all

smpl设的是全局样本，后续所有估计默认都用它。ARDL 会自动在有效样本前面再砍掉滞后阶数那么多期，所以这里不用手动预留。

3. 取对数与单位根检验：ADF 的检验式到底怎么选

3.1 log 变换：什么时候必须做，什么时候做不了

' EViews 的 log() 是自然对数，不是常用对数 genr lnx = log(x) genr lny = log(y) ' 检查有没有产生 NA show lnx lny

这条命令有个从 Excel 转过来的人几乎都会踩的坑：EViews 里log()就是自然对数，log10()才是常用对数，和 Excel 的LN、LOG命名逻辑正好反过来。写成log10跑出来的系数解释完全不同。

取对数本身不改变单整阶数，x 是 I(1)，lnx 还是 I(1)。它的真实作用是压缩量纲、把系数解释成弹性、缓解异方差，顺带让大数值序列的数值稳定性好一点。这三条里弹性解释最实用，长期系数直接读成「lnx 涨 1%，lny 涨 β%」。

做不了的情形很明确：序列里有 0 或负值。增长率、差额、净出口、收益率都可能为负，硬取的结果是 NA 或者 -inf，而且 EViews 不会弹窗提醒。替代方案有两个，genr lnx = log(1+x)要求 x > -1，适用范围窄；更通用的是反双曲正弦变换genr hx = log(x + (x^2+1)^0.5)，对负值也成立，小值附近近似 log(2x)，大值附近近似 log(x)，符号和弹性解释都能保住。

需要增长率的时候直接用差分算子：

' d() 是一阶差分算子，对对数序列做差分近似增长率 genr dlny = d(lny) genr dlnx = d(lnx)

3.2 Test Equation 三选一：这一步决定结论走向

双击序列打开 → View → Unit Root Test，对话框里三处要设：Test type 选 ADF，Test for unit root in 选 Level（先做水平值），Include in test equation 三选一。

判断「有没有趋势」的标准动作是先画图：序列窗口 View → Graph → Line。这个动作有点玄学，但图形给出的信息比任何检验都直接——一条明显往上爬的曲线选 None 或者只选 Intercept，后面的检验基本白做。

Lag length 那一栏，Automatic selection 默认基于 SIC，maxlag 按数据频率给经验值：年度 1~2，季度 4，月度 12，日度 20~30。也可以用 Schwert 公式算一个上限，pmax = int(12 × (T/100)^0.25)，T 是有效观测数；T=60 时算出来约 10，实际取 3 到 4 就够。lag 太短残差留自相关，ADF 会过度拒绝；lag 太长损失功效，小样本下容易得出「不平稳」的假结论。SIC 在短样本里倾向选短滞后，跑完记得核对一下残差有没有明显自相关。

ADF 的原假设是「存在单位根」，KPSS 的原假设是「平稳」，两个一起做能减少尴尬。都拒绝或者都不拒绝的时候，说明样本信息不足，只能回到图形和样本长度上判断。

3.3 把单整阶数整理成一张表

逐个变量走完 level 和 first difference，把结果钉成一张表，这张表是后面 Bounds 检验合法性的唯一凭据：

判定规则：level 就拒绝单位根，判 I(0)；level 不拒绝、一阶差分拒绝，判 I(1)；一阶差分还不拒绝，判 I(2)，模型设定必须重新考虑。ARDL 允许 I(0) 和 I(1) 混着进模型，但绝对不允许 I(2)，这条线画得很死，后面第 5 章还会展开。

4. ARDL 估计与自动定阶：Method 面板里的四个参数

4.1 从变量进到 Estimation Equation

workfile 里按住 Ctrl 选中 lny 和 lnx → 右键 → Open → Estimation Equation，或者走 Quick → Estimate Equation。对话框上半部是 Equation specification，下半部是 Method 下拉，默认 LS，切成 ARDL 之后面板换成三块：Autoregressive terms、Distributed lag terms、Constant and trend specification。

命令行可以建一个空方程对象，剩下的在对话框里点，比硬记语法稳：

' 建方程对象，双击打开后点 Estimate 调估计对话框 equation eq_ardl ' 对照组：静态 OLS，看残差自相关有多重 equation ols_static.ls lny c lnx

对照组这一步别跳。静态 OLS 的残差如果 D.W. 明显偏离 2、correlogram 上拖着长尾巴，说明动态项非加不可，ARDL 的选择就有了依据，而不是「听说这个能做协整所以用一下」。

4.2 自回归项与分布滞后项：max lag 定多少

Autoregressive terms 管的是因变量自己的滞后，Distributed lag terms 管的是每个解释变量的滞后。两块都可以设 Maximum lags 或者 Fixed lags，勾上 Automatic selection 之后由准则搜索。

max lag 的起点按数据频率给：

有一条通用经验规则能兜住大部分场景：max lag ≤ T^(1/3)，T 是原样本观测数。T=60 时算出来约 3.9，取 3；T=120 时约 4.9，取 4 到 5。这不是硬规定，但能避免自由度被滞后项吃干，也能顺带压住小样本下 Bounds 检验的失真。

准则选择上，AIC 倾向选长滞后，样本量大、目标是预测时更合适；SIC 是一致估计，样本小、目标是识别真实阶数时更稳。两个都跑一遍对照，如果选出来的模型差

本文还有配套的精品资源，点击获取