HƯỚNG DẪN THỰC HÀNH EVIEWS TRONG
KINH TẾ LƯỢNG
HUỲNH NGỌC PHƯỚC
Khoa Quản Trị Kinh Doanh
Trường Đại Học Tôn Đức Thắng, TP. HCM
2013
Email: [email protected]
MỤC LỤC
MỤC LỤC 3
1 Giới thiệu Eviews 1
1.1 Khởi tạo workfile . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Nhập dữ liệu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2.1 Nhập dữ liệu từ file Excel . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2.2 Nhập dữ liệu trực tiếp . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3 Vẽ đồ thị . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.4 Thống kê mô tả . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.5 Tạo và xóa một series trong workfile . . . . . . . . . . . . . . . . . . . . . . . . 9
1.5.1 Tạo một series mới trong workfile . . . . . . . . . . . . . . . . . . . . . . 9
1.5.2 Xóa một series trong workfile . . . . . . . . . . . . . . . . . . . . . . . . 10
1.6 Một số toán tử và hàm cơ bản trong Eviews . . . . . . . . . . . . . . . . . . . . 10
1.6.1 Toán tử . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.6.2 Hàm số . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2 Hồi qui hai biến 11
2.1 Mô hình hồi qui tuyến tính . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.2 Khoảng tin cậy β
1
; β
2
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.3 Kiểm định giả thiết về các hệ số hồi qui . . . . . . . . . . . . . . . . . . . . . . 14
3 Mở rộng mô hình hồi qui hai biến 15

đẫn từng bước việc tính toán trong giáo trình trên, tuy nhiên, ở đây tôi hướng dẫn sử dụng
Eviews 6.0 và có bổ sung, chỉnh sửa nhiều chổ so với [5]. Bài giảng này sẽ giúp cho sinh viên
thực hành các bài tập của môn Kinh tế lượng, cũng như cho những ai sử dụng Eviews để phân
tích kinh tế.
Eviews hỗ trợ rất mạnh mẽ trong việc quản lý dữ liệu, phân tích thống kê, vẽ các đồ thị và in
ấn kết quả. Hiện nay đã có biên bản Eviews 7.2, tuy nhiên, ở biên bản này có nhiều lỗi và chạy
không ổn định, do đó, tôi chọn Eviews 6.0 để viết bài giảng này. Để biết thêm nhưng thông
tin về phần miềm này, cũng như các ứng dụng mở rộng của Eviews các bạn có thể vào trang
web http://www:eviews.com.
Tôi mong được sự bình luận và đóng góp ý kiến về bài giảng này cho việc chỉnh sửa.
Huỳnh Ngọc Phước
[email protected]
Chương 1
Giới thiệu Eviews
Trong chương này tôi sẽ giới thiệu những thao tác cơ bản trên Eviews.
1.1 Khởi tạo workfile
Công việc trước tiên của chúng ta là khởi tạo workfile. Để khởi tạo workfile ta nhấp Dclick
vào biểu tượng Eviews trên màn hình, sau đó chọn File/New/Workfile như hình sau
Khi ta chọn xong thì ta có
1
Trong workfile Structure type có các định dạng sau:
• Dated-regularfrequency: Dữ liệu thời gian (mặc định).
• Unstructure/Undated: Dữ liệu chéo.
• Balanced Panel.
Khi ta chọn Dated-regularfrequency thì trong khung Date specification có các dạng định
dạng tương ứng
• Năm.
• Nữa năm.
• Quý (3 tháng).
• Tháng.

1
mặc nhiên có tên là Ser01, Ser02, như hình trên, để đổi tên một series nào đó
ta chọn series đó, nhấp Dclick vào tên series rồi gõ tên mới, nhấn Enter, khi đó sẽ xuất hiện
một hộp thoại, chọn Yes
1.3 Vẽ đồ thị
Nếu muốn vẽ đồ thị phân tán của hai biến nào đó, trước tiên ta tạo một workfile hay mở
một workfile có sẵn. Ví dụ như ở đây ta mở giao diện Eviews, chọn File/Open/Eviews
Workfile. Khi đó sẽ xuất hiện một hộp thoại, ta chọn đường dẫn đến thư mục DATAE-
VIEWS/data_chg1 chọn file thidu1.wf1. Ở đây ta muốn vẽ đồ thị phân tán của biến
chitieu và thunhap ta làm như sau:
Từ hộp thoại workfile, chọn Quick/Graph, khi đó sẽ xuất hiện hộp thoại Series list. Ta gõ
tiên làm trục hoành là thunhap , biến làm trục tung là chitieu như hình sau
1
cột chuỗi dữ liệu
5
ta chọn Ok thì sẽ xuất hiện hộp thoại sau
ta nhấp chọn Scatter rồi chọn Ok ta được đồ thị
Ta có thể vẽ đường hồi qui mẫu thích hợp nhất đối với tập hợp các số liệu mẫu, muốn vậy ta
thực hiện các bước như trên, khi chọn Scatter thì trong khung Fit lines ta chọn Regression
line giống như hình sau
6
Cách chọn trên mặc nhiên là đường thẳng, tức chitieu và thunhap có quan hệ tuyến tính.
Khi đó đồ thị có dạng
Nếu muốn vẽ xu thuế biến thiên của một hoặc nhiều biến thì ta chọn Line & Symbol thay
vì Scatter, với workfile trên ta có đồ thị
7
1.4 Thống kê mô tả
Để biết được các yếu tố liên quan đến thống kê của số liệu thì ta làm như sau:
Ví dụ như trong workfile thidu1.wf1 ta muốn biết các yếu tố thống kê liên quan đến thunhap
và chitieu, ta nhấp chọn series thunhap và chitieu như hình sau

− x
i−1
,
log(X) = lnX exp(X) = e
X
abs(X) = |X| sqr(X) =
√
X
@sum(X): Tổng x
i
@mean(X): Trung bình X
@var(X): Phương sai X @cov(X,Y): Hiệp phương sai X và Y
@cor(X,Y): Hệ số tương quan
trend(d): Biến xu thuế thời gian chuẩn hóa về 0 ở thời kỳ d.
@seas(d): Biến giả theo mùa bằng 1 khi quý hoặc tháng bằng d, bằng 0 nếu khác d.
Các bạn muốn biết thêm các chức năng của Eviews , chọn Help/Eviews help topics.
10
Chương 2
Hồi qui hai biến
2.1 Mô hình hồi qui tuyến tính
Mô hình dạng
Y
i
= β
1
+ β
2
X
i
+ U

sau đó nhấp chọn Ok ta được
Bảng này có ý nghĩa như sau:
Dependent variable: Y Biến phụ thuộc Y.
Method: Least Squares Phương pháp bình phương bé nhất.
Sample: 1 10 Mẫu quan sát từ 1 đến 10.
Coefficient Hệ số hồi qui.
ˆ
β
1
= 24, 4545 ,
ˆ
β
2
= 0, 509.
Std Error Sai số chuẩn
se(
ˆ
β
1
) = 6, 413817 , se(
ˆ
β
2
) = 0, 035743.
t-Statistic Giá trị của thống kê t
t
1
=
ˆ
β

Log likelihook Ln hàm hợp lý.
Durbin -Watson stat Thống kê Durbin Watson.
Mean dependent var Trung bình biến phụ thuộc.
S.D. dependent var Độ lệch tiêu chuẩn biến phụ thuộc.
Akaike info criterion Tiêu chuẩn Akaike.
Schwarz criterion Tiêu chuẩn Schwarz.
F-statistic Thống kê F.
Prob(F-statistic)[P(F>F-statistic].
Vậy hàm hồi qui tuyến tính mẫu của chỉ tiêu theo thu nhập là
ˆ
Y
i
= 24, 45455 + 0, 0509091X
i
.
2.2 Khoảng tin cậy β
1
; β
2
Với hệ số tin cậy 1 −α, khoảng tin cậy của β
1
, β
2
là
ˆ
β
i
± t
α/2
(n − 2)se(

và β
2
lần lượt là
(24, 4545 − 2, 306.6, 4138; 24, 4545 + 2, 306.6, 4138)
1
tra bảng hoặc dùng hàm =tinv(0.05,8) trong Excel
13
và
(0, 509 − 2, 306.0, 035743; 0, 509 + 2, 306.0, 035743)
2.3 Kiểm định giả thiết về các hệ số hồi qui
Ví dụ 2.3 Với số liệu của Ví dụ 2.1, kiểm định giả thiết H
0
: β
2
= 0, đối giả thiết H
1
: β
2
= 0,
với mức ý nghĩa 5%.
Với kết quả của Ví dụ 2.1, ta có
t = 14, 243.
Với mức ý nghĩa α = 0, 05 ta được
t
α/2
(8) = 2, 306.
Do đó,|t| > t
α/2
(8), cho nên ta bác bỏ H
0

Ta tạo workfile Bang3_19.wf1, từ của sổ Equation, chọn Quick/Equation Estimation,
gõ vào hộp thoại mới xuất hiện như hình sau
15
nhấp chọn Ok ta được
từ đó ta được kết quả hồi qui sau
log(
ˆ
Y
i
) = 0, 777418 − 0, 253 log(X
i
).
Với kết quả này ta thấy khi giá cafe tăng 1% thì nhu cầu cafe giảm 0,25%.
3.2 Hồi qui log tuyến tính
Mô hình dạng
log Y = β
1
+ β
2
t + U
i
.
t: lấy giá trị 1,2,3,
β
2
là tốc độ tăng trưởng tức thời của Y theo biến t.
Ví dụ 3.2 Cho bảng số liệu tổng giá trị sản phẩm nội địa (RGDP USD) của Hoa kỳ trong
khoảng thời gian 1972-1991 như sau
Năm RGDP Năm RGDP Năm RGDP
1972 3107,1 1979 3796,8 1986 4404,5

= β
1
+ β
2
1
X
i
+ U
i
Mô hình dạng: Y
i
= β
1
+ β
2
X
i
+ β
3
X
2
i
+ U
i
.
17
Chương 4
Hồi qui bội
4.1 Mô hình hồi qui tuyến tính ba biến
Mô hình dạng

1060 60 190
1626 160 240
1020 70 150
1800 170 260
1610 140 250
1280 120 160
1390 116 270
1440 120 230
1590 140 220
1380 150 150
Ước lượng hàm hồi qui tuyến tính của doanh số bán theo chi phí chào hàng và chi phí quảng
cáo.
Ta tạo worlfile thidu4_1.wf1, chọn Quick/Equation Estimation rồi gõ vào hộp thoại mới
hiện lên như hình sau
18
chọn Ok ta được
Hình 4.1:
Vậy ta được phương trình hồi qui là
ˆ
Y
i
= 328, 1383 + 4, 6495X
2i
+ 2, 56X
3i
.
Từ Hình 4.1 ta có:
Sai số tiêu chuẩn lần lược là:
se(
ˆ

(9) = 2, 262.
19
Khoảng tin cậy của β
2
, β
3
lần lượt là
(4, 64951 − 2, 262.0.469146; 4, 64951 + 2, 262.0.469146)
và
(2, 56 − 2, 262.0, 379; 2, 56 + 2, 262.0, 379).
4.2 Kiểm định giả thiết về hệ số hồi qui
H
0
: β
j
= B
0
j
; H
1
: β
j
= B
0
j
(j = 1, 2, 3).
t =
ˆ
β
j

t =
ˆ
β
2
− 0
se(
ˆ
β
2
)
=
ˆ
β
2
se(
ˆ
β
2
)
= 9, 9105.
t
α/2
(n − 3) = 2, 262
Do đó, |t| > t
α/2
(n − 3), bác bỏ H
0
.
4.3 Kiểm định đồng thời
H

Với kết quả của Ví dụ 4.1 (xem Hình 4.1), ta được
F = 134, 7884,
tra bảng ta được F
0,01
(2; 9) = 8, 02. Do đó
F > F
0,01
(2; 9),
vậy ta bác bỏ H
0
.
4.4 Tìm ma trận tương quan
Với số liệu của Ví dụ 4.1, để tìm ma trân tương quan của các biến Y, X
2
, X
3
. Trước hết
ta chọn đồng thời các series Y, X
2
, X
3
trong wofkfile thidu4_1.wf1, chọn Quick/Group
Statistics/Corelations, khi đó sẽ xuất hiện hộp thoại sau
chọn Ok. Ta được ma trân hệ số tương quan như hình sau
4.5 Ma trận hiệp phương sai
Với workfile thidu4_1.wf1, để tìm ma trân hiệp phương sai của hệ số hồi qui ta thực hiên
các bước sau:
21