HNG DN THC HÀNH EVIEWS 4 – BÙI DNG HI – HKTQD – 2014
www.mfe.edu.vn/buiduonghai
1

I HC KINH T QUC DÂN

KHOA TOÁN KINH T
B MÔN TOÁN KINH T
TÀI LIU HNG DN
THC HÀNH KINH T LNG
BNG PHN MM EVIEWS 4.0 Tác gi: Bùi Dng Hi
www.mfe.edu.vn/buiduonghai

Lu hành ni b Có b sung so vi bn nm 2013

HNG DN THC HÀNH EVIEWS 4 – BÙI DNG HI – HKTQD – 2014
www.mfe.edu.vn/buiduonghai
3
M U

Eviews là phn mm đc thit k riêng cho các mô hình kinh t
lng và chui thi gian. Phn mm này phù hp cho ging dy và
hc tp kinh t lng cho đi tng sinh viên đi hc và sau đi hc.
Hin nay (1/2013) đã có phiên bn thng mi Eviews7, t phiên bn
Eviews5 có yêu cu cài đt cng nh bn quyn. Eviews4 không yêu
cu cài đt và bn quyn, có th ti v t trang mng khoa Toán kinh
t. Khi đã nm đc các k nng vi Eviews4, vic chuyn sang thc
hành vi các phiên bn cao hn là hoàn toàn tng t. Do đó đ phù
hp vi thc trng ti Vit Nam, vi mc tiêu to điu kin thun li
nht cho sinh viên, tài liu này đc vit cho thc hành phiên bn
Eviews4.

Vi s đi mi ca giáo trình và chng trình ging dy Kinh t lng
ti i hc Kinh t quc dân t nm 2013, ni dung hng dn thc
hành cng có s thay đi phù hp. Ni dung trc ht s s dng các
s liu chéo, sau đó thc hin vi s liu chui thi gian.

Tp chy chng trình Eviews có biu tng là . Nhn vào biu
tng ca Eviews, ca s chính ca chng trình xut hin.

Ca s chính ca chng trình Eviews gm các phn:
- Thanh chc nng: thc hin các thao tác đã đc chng trình
đnh sn, tng t nh các chng trình chy trong Windows.
- Ca s lnh: bên di thanh chc nng là ni đ vit lnh trc

Thanh
ch
dn
Thoát
khi
Eviews
HNG DN THC HÀNH EVIEWS 4 – BÙI DNG HI – HKTQD – 2014
www.mfe.edu.vn/buiduonghai
5
Mt s ch th c bn ca Eviews

Eviews làm vic vi mt s dng ch th c bn, mi ch th có th
lu li và đt tên đ có th d dàng s dng khi cn thit. Mt s ch
th thông dng gm:

Series: Thông tin v tng bin s.
Group: Thông tin v mt s bin s xét cùng lúc.
Graph: Thông tin đ th.  th có th gm đ th ca mt bin,
đ th ca nhiu bin, đ th ca các bin theo nhau.
Equation: Thông tin v mt phng trình hi quy
System: Thông tin v mt h nhiu phng trình hi quy.

Mt s kí hiu dùng cho thc hành
 : Thao tác, thc hin thao tác yêu cu.
Ví d
 Chn View : dùng chut nhn vào nút View
 : Kt qu ca thao tác.
 : Các thao tác, chn la k tip nhau.
Ví d: File  Open: Chn nút File ri nút Open.
[?] : Câu hi, cn nm đc lý thuyt đ tr li.

www.mfe.edu.vn/buiduonghai
7
 Chn dng Workfile, là dng thông thng nht đ tính toán x lý
s liu vi Eviews.
 Chn th mc DATA2012, tp s liu YWKM, ca s Workfile
m ra. Trên ca s này có mt s thông tin:
- Dòng trên cùng: Tên ca Workfile và đng dn
- Các nút vi các chc nng khác nhau, s đc đ cp sau
- Khong s liu và Mu t 1 đn 100
Bên di ca ca s, lit kê các ch th mà Workfile đang qun lý,
gm: c
k m resid tc w y.

Nhn vào nút Label+/-, xut hin các thông tin v thi gian khi to
các s liu này, và chú thích v ba bin. Hai ch th c
resid
không có chú thích, vì đây là hai ch th đc bit dùng đ lu các
thông tin riêng.

Thông tin ca mt bin s thông thng bao gm:
- Tên bin: Ti đa 24 ký t ch gm ch và s, không có du cách, bt
đu bi ch cái.
- Nhãn bin: chú thích v ý ngha ca bin
- Tn s: nu s liu chéo thì đánh s th t, nu chui thi gian thì
theo th t thi gian
- Giá tr ca bin: đo lng bng s, du ngn cách vi phn thp phân
là du chm. Khi cha có giá tr thì kí hiu là NA (not available)

c : ch th cha các h s tính đc t các phng trình hi quy,
các mô hình. Khi cha có kt qu hi quy t phng trình nào, các giá


M b s liu có tn s theo Tháng

M b s liu mi, ti ca s [Eviews] File  New, chn tp
VNM_EXIM. B s liu đc th hin t 2004:01 đn 2008:12, vi
hai ch s sau du “:”, th hin là s liu t Tháng 1 nm 2004 đn
Tháng 12 nm 2008.
 bit ý ngha các bin, chn nút Label trên thanh chc nng ca ca
s [Workfile].
HNG DN THC HÀNH EVIEWS 4 – BÙI DNG HI – HKTQD – 2014
www.mfe.edu.vn/buiduonghai
9
§ 2 NHP S LIU T BÀN PHÍM – X LÝ S LIU
Xét b s liu ví d sau đc mô phng v 12 h gia đình, vi X2 là
tng tin lng, X3 là tng thu nhp khác, Y là tng chi tiêu.

STT

X
2

(Lng)
X
3

(TN khác)
Y
(Chi tiêu)
1


5

32

18

36.0

6

36

10

31.4

7

32

16

32.6

8

34

24


4

26.8

Thc hin nhp b s liu trên và lu li di dng mt tp chuyên
dng ca Eviews.
2.1 nh dng tn s và nhp s liu
Ti ca s chính ca Eviews, đ thun tin, đóng ca s nh đang m
(nu có)
 Chn File  New : Ca s [Workfile Range]: tn s ca s liu.
Du la chn đc ngm đnh đt ti la chn “Annual”

HNG DN THC HÀNH EVIEWS 4 – BÙI DNG HI – HKTQD – 2014
www.mfe.edu.vn/buiduonghai
10
Frequency - tn s ca s liu
Tn s và
đnh dng
Ví d
u – cui Ý ngha
Annual
(Nm)
yyyy
Start: 1991
End: 2005
15 quan sát theo nm, t nm
1991 đn nm 2005
Semi-annual
(Na nm)
yyyy:h

nm 2008
Daily [5day]
(Ngày: tun 5
ngày)
mm/dd/yyyy
Start: 11/12/2008

End: 12/11/2008
22 quan sát theo ngày, t ngày
12 tháng 11 nm 08 đn ngày
11 tháng 12 nm 08, không có
ngày cui tun
Daily [7day]
(Ngày: tun 7
ngày)
mm/dd/yyyy
Start: 11/12/2008

End: 12/11/2008
29 quan sát theo ngày, t ngày
12 tháng 11 nm 08 đn ngày
11 tháng 12 nm 08, có ngày
cui tun
Undated or
Irregular
(Quy tc khác)

Start: 1
Start: 30
30 quan sát không theo thi


Trong ca s này, ô trng  trên là tên bin, ô trng bên di đ nhp
nhãn bin. Vi ví d đang xét, nhãn cho bin X2 là: Luong.
Tng t, có th nhp nhãn cho bin X3 là Thu nhap khac và bin Y là
Chi tieu.
2.2 Sa đi s liu và lu s liu
Trng hp cn sa đi s liu, ví d bin X2 có th thc hin theo
trình t:
 Chn bin X2, m ca s [Series: X2], chn nút Edit+/- và thay đi
các giá tr cn thit.
S liu đã nhp có th lu li di dng tp chuyên dng ca Eviews,
đ có th m và s dng khi cn thit.

 Ti ca s [Eviews] Chn File  Save (hoc Save as)
 Ca s [SaveAs] : Chn v trí và tên tp.
Các tp có đuôi ngm đnh là .wf1.
S liu đã nhp  phn 2.1 là s liu thô.  thy đc rõ hn các
thông tin cha đng trong các bin đó, cn thc hin tính các thng kê
vi tng bin, xem xét tng quan, đ th mô t v các bin và mi
liên h gia chúng.
2.3 V đ th
Mô t s liu qua đ th và các thng kê đc trng c bn là x lý ban
đu cn thit đi vi các bin s.

 Chn X2 và Y, m ca s [Group]
( chn riêng các bin cách nhau, gi phím Ctrl)
HNG DN THC HÀNH EVIEWS 4 – BÙI DNG HI – HKTQD – 2014
www.mfe.edu.vn/buiduonghai
13
V đ th các bin theo quan sát

14Lu đ th
Có th lu đ th đ chèn vào các chng trình son tho vn bn
 Ca s [Group] có đ th, nhn t hp Ctrl+C, m ca s [Graph
Metafile], chn OK, m vn bn và nhn Ctrl+V đ dán đ th đã lu.

Thay đi đnh dng đ th:
 Ti ca s [Group] có đ th, chn Freeze, m ca s [Graph].
Vi la chn [Graph] Proc  Options : ca s [Graph Option] vi
các la chn cho đnh dng.
[Graph] Proc  Add text: Thêm dòng ch vào đ th
[Graph] Proc  Save Graph: lu đ th đ chèn vào vn bn
[Graph] Name: lu đ th di dng mt ch th, đt tên.
Ngoài ra còn nhiu la chn khác vi đ th

Bên cnh cách chn v đ th t ca s [Graph], có th có cách khác
đ v đ th: Ca s [Eviews] Quick  Graph: chn loi đ th, và
th t ca các bin đ v đ th.

V đ th trên nhiu h ta đ: mi bin trên mt h ta đ riêng
 [Group] Multiple Graphs.
22
24
26
28
30
32
34


30.70000

T
i đa

Maximum 36.00000

28.00000

36.80000

T
i thiu

Minimum 20.00000

0.000000

23.60000


 lch chun

Std. Dev. 4.960450

8.800826

4.063138


M
c xác

su
t

Probability 0.735706

0.756688

0.861737
T
ng

Sum 340.0000

156.0000

364.8000

T
ng b
ình
phng
chênh lch
Sum Sq. Dev. 270.6667


 [Group] View  Covariances  Common Sample
X2 Y
X2 22.55556 11.76667
Y 11.76667 15.13333

Kim đnh so sánh các bin
Kim đnh so sánh trung bình, trung v, phng sai ca hai bin
 [Group] View  Test of Equality, m ca s [Test Between
Series], có ba la chn kim đnh

Kim đnh s bng nhau ca hai trung bình: Mean
Test for Equality of Means Between Series
Sample: 1 12
Included observations: 12
Method df

Value

Probability

t-test 22

1.116504

0.2763

Anova F-statistic

(1, 22)


Levene (1, 22)

0.780029

0.3867

Brown-Forsythe (1, 22)

0.747508

0.3966[?] - Có th cho rng trung bình ca X2 và Y là bng nhau không?
- Có th cho rng phng sai ca X2 và Y bng nhau không?
HNG DN THC HÀNH EVIEWS 4 – BÙI DNG HI – HKTQD – 2014
www.mfe.edu.vn/buiduonghai
17
2.5 t bin mi
Bên cnh các bin đã nhp s liu là X
2
, X
3
và Y, có th đt các bin
mi t các bin đã có hoc nhp bin s mi.

Ví d: cn đt bin mi tng thu nhp: Z = X
2
+ X
3



ABS Giá tr tuyt đi

AX = ABS(X)
| |
i i
AX X

SIN Hàm sin SIN(X) Sin(X)
COS Hàm cosin COS(X) Cosin(X)
(-J) Tr bc J X4 = X(-4)
4
4
i i
X X



D(X) Sai phân bc 1 DX = D(X)
1
i i i
DX X X

 HNG DN THC HÀNH EVIEWS 4 – BÙI DNG HI – HKTQD – 2014
www.mfe.edu.vn/buiduonghai
18


Vi mu kích thc là 12 gm 12 quan sát đã nhp, hàm hi quy mu
SRF có dng:
1 2
ˆ ˆ
ˆ
2
i i
Y X
 
 

1 2
ˆ ˆ
2
i i i
Y X e
 
  

Dùng phng pháp Bình phng nh nht (Least Squares - LS) vi b
s liu đã nhp, tính toán các c lng, và các thng kê cn thit
dành cho phân tích.
3.1 c lng mô hình
 [Eviews] Quick  Estimate Equation
(Ngoài ra còn 4 cách khác, đc đ cp sau)
Ca s đnh dng phng trình xut hin.
Ca s [Equation Specification] gm ô khai báo phng trình hi quy,
phng pháp c lng, mu đ c lng.
HNG DN THC HÀNH EVIEWS 4 – BÙI DNG HI – HKTQD – 2014

X2 0.521675

0.199698

2.612324

0.0259

R-squared 0.405619

Mean dependent var 30.40000

Adjusted R-squared 0.346181

S.D. dependent var 4.063138

S.E. of regression 3.285415

Akaike info criterion 5.367875

Sum squared resid 107.9395

Schwarz criterion 5.448692

Log likelihood -30.20725

F-statistic 6.824238

Durbin-Watson stat 1.680815


0.0215

C(2) 0.521675

0.199698

2.612324

0.0259

Các thông tin khác vn gi nguyên

Bên cnh Cách 1 [Eviews] Quick  Estimate Equation nh trên, còn
mt s cách sau:
Cách 2: [Eviews] Objects  New Object  Equation  OK
Cách 3: Chn X2, Y thành ca s [Group] Procs  Make Equation
Cách 4: Chn X2 và Y, nhn chut phi  Open  As Equation
Cách 5: [Ca s lnh] LS Y C X2
Cách s dng lnh LS Y C X2 là đn gin nht, s đc s dng trong
các phn sau.

Các kiu th hin kt qu hi quy
 [Equation] View  Representations : đc các kt qu

Estimation Command:
=====================
LS Y C X

Câu lnh đ c lng
(vit trong ca s lnh)

Residual Table
c bng giá tr và đ th phn d, Actual là giá tr thc t b s liu:
Y
i
, Fitted là giá tr c lng bi hàm hi quy 
i
, Residual là giá tr
phn d: e
i
hay û
i
. HNG DN THC HÀNH EVIEWS 4 – BÙI DNG HI – HKTQD – 2014
www.mfe.edu.vn/buiduonghai
22
[?] - Quan sát nào có giá tr thc t và giá tr c lng gn nhau
nht, xa nhau nht? Khi đó giá tr thc t cao hn hay thp hn
giá tr c lng?
- Vi nhng quan sát nào thì đng hi quy mô t gn đúng nht
s bin đng ca bin ph thuc Y?

Có th xem đ th ca giá tr thc t, giá tr c lng, và phn d trên
cùng h ta đ hoc đ th ca riêng phn d bng cách chn Actual,
Fitted, Residual Graph. Các đ th này có th lu li hoc ct dán vào
các vn bn tng t nh đ th ca các bin X2, Y.

Kim đnh tính phân phi chun ca phn d
 [Equation] View  Residual Tests  Histogram-Normality Test

23
§ 4 C LNG MÔ HÌNH HI QUY BI
Bài này s s dng b s liu YWKM có sn nm trong th mc
DATA2012
đ thc hành. ây là b s liu v sn lng và chi phí
sn xut ca mt s doanh nghip
4.1 M tp s liu có sn
 [Eviews] File  Open
 Chn tp s liu YWKM trong th mc tng ng
Ca s [Workfile] gm các bin s xp theo th t K, M, TC, W, Y,
vi Y là sn lng, W là chi cho công nhân, M là chi cho qun lý, K là
chi phí khác gm máy móc thit b nguyên nhiên vt liu – hay còn gi
là chi phí vn, TC là tng chi phí. Nh vy TC là tng ca W, M, K.
4.2 ánh giá chung v các bin
 Xem thng kê đc trng mu ca tt c các bin (Descriptive Stats)
[?] - Trung bình ca các bin bng bao nhiêu?
- Bin nào có s bin đng tuyt đi đo bng phng sai ln nht,
nh nht? Bin nào có s bin đng tng đi đo bng h s bin
thiên ln nht, nh nht?
- Bin nào đi xng nht, bt đi xng nht?
- Bin nào có phân phi chun?

 Xem ma trn tng quan ca các bin (Correlations)
[?] - Cp bin nào có tng quan ngc chiu?
- Cp bin nào có tng quan cht nht, lng nht?
- Sn lng tng quan vi bin nào cht ch nht?
HNG DN THC HÀNH EVIEWS 4 – BÙI DNG HI – HKTQD – 2014
www.mfe.edu.vn/buiduonghai
24
4.3 c lng mô hình

0.0000

W 2.214092

0.050943

43.46253

0.0000

K 1.292811

0.044404

29.11470

0.0000

R-squared 0.964118

Mean dependent var 3707.680

Adjusted R-squared 0.963378

S.D. dependent var 1425.836

S.E. of regression 272.8616

Akaike info criterion 14.08535


 có th c lng, kim đnh v hn mt h s hi quy, cn có c
lng phng sai, hip phng sai ca các c lng h s.
 [Equation] Covariance Matrix
C W K
C 9188.374 -2.461994 -3.582358
W -2.461994 0.002595 0.000123
K -3.582358 0.000123 0.001972

[?] - Phng sai ca các c lng h s bng bao nhiêu?
- Hip phng sai c lng hai h s góc bng bao nhiêu?
- Hip phng sai các c lng h s đc dùng trong trng
hp nào?
- S dng kt qu hip phng sai, và bng kt qu hi quy mô
hình t phn đu, cho bit nu W và K cùng tng mt đn v thì
trung bình ca Y thay đi nh th nào?
- Kim đnh gi thuyt cho rng: h s ca bin W ln gp đôi h
s ca bin K.
- Nu W tng mt đn v, nhng K gim mt đn v, thì Y s tng
lên hay gim đi, tng lên (gim đi) ti đa bao nhiêu, ti thiu bao
nhiêu?
4.5 Kim đnh v các h s - kim đnh Wald
Eviews thc hin kim đnh ràng buc v các h s hi quy bng kim
đnh Wald, s dng thng kê F và thng kê 
2
.
Xét cp gi thuyt
H
0
: 
2