HƯỚNG DẪN SỬ DỤNG PHẦN MỀM EVIEW 5.0
1. Nhập dữ liệu
Để minh hoạ cho phần này, ta xét các ví dụ sau
Ví dụ 1. Bảng 1 dưới đây cho biết số liệu về GDP bình quân đầu người của Việt Nam
trong các năm 1998 – 2006.
Năm 1998 1999 2000 2001 2002 2003 2004 2005 2006
GDP 360 374 401 413 440 489 553 618 655
Bảng 1.
Ví dụ 2. Bảng 2 dưới đây cho biết số liệu về doanh số của một công ty.
Năm
Quý
I II III IV
2001
2002
2003
2004
2005
5280
6250
5883
7523
6783
4138
4565
5286
5758
6268
3959
4770
6142
5714

18 25 19 24 15 26 25 16 17 23 22 15
3i
X
10 11 6 16 7 17 14 12 12 12 14 15
Bảng 4.
102
Mở EView, để nhập số liệu
Chọn File
→
New
→
Workfile
Hình 1
Tuỳ vào kiểu dự liệu cần khảo sát, ta có thể chọn được các kiểu sau :
- Annual : Số liệu năm
- Semi – Annual : Số liệu nữa năm
- Quarterly : Số liệu theo quý
- Monthly : Số liệu theo từng tháng
- Weekly : Số liệu theo từng tuần
- Unstructure / Undate : Số liệu chéo
Để nhập dữ liệu cho bảng 1 là
số liệu năm, khi đó ta chọn các
khai báo như trong hình bên.
Hình 2
103
Để nhập dữ liệu cho bảng
2 là số liệu theo từng quý trong
năm, khi đó ta chọn các khai
báo như trong hình bên.
Số liệu sẽ được nhập từ

biến Y vào cột số 2, ta
nhấp chuột vào đầu cột
này và gõ tên biến Y sau
đó nhấp Enter và lần lượt
gõ các giá trò vào các ô
bên dưới có ghi chữ NA.
Hình 6
Chẳng hạn như trong bảng 3 và bảng 4, ta khai báo và nhập số liệu tuần tự như trong
các hình sau :
Hình 7 Hình 8
2. Vẽ đồ thò
Mục đích của việc vẽ đồ thò cho phép ta đánh giá sơ bộ về mối quan hệ giữa hai
biến với nhau.
Để vẽ đồ thò phân tán của hai biến, chẳng hạn như trong ví dụ 3 ta vẽ đồ thò phân
tán của Y và X. từ của sổ Eviews chọn Quick
→
Graph
→
Scatter như hình sau
105
Hình 9
Một của sổ Series List xuất hiện. Ta gõ tên biến độc lập (X) và biến phụ thuộc
(Y)
giữa
hai biến này là khoảng trắng. Khi đó màn hình sẽ như sau (không cần viết hoa)
Hình 10
Nhấp OK, ta được đồ thò phân tán như hình sau
Hình 11
Cũng tương tự như các bước trên nhưng nếu ta chọn Line graph để vẽ đồ thò mô tả xu
hướng biến thiên của một biến nào đó chẳng hạn biến (Y) ta được đồ thò sau

hình sau sẽ xuất hiện
108
Hình 17
Trong đó các ô như
- Color : hiệu chỉnh màu sắc
- Line pattern : hiệu chỉnh kiểu đường nét
- Line / Symbol width : hiệu chỉnh độ lớn của đường nét
- Symbol : chọn kiểu hiện thò cho các điểm
Đặc biệt trong mô hình hồi quy bội (nhiều hơn hai biến) ta có thể vẽ đồng thời các đồ
thò phân tán của các biến với nhau (ta gọi ma trận đồ thò). Chẳng hạn như trong ví dụ
4, ta vẽ đồ thò phân tán giữa các biến
2 3
Y, X , X
như sau
Từ của sổ Workfile chọn View
→
Show ta gõ tên biến độc lập
2 3
X , X
và biến phụ thuộc
(Y)
vào của sổ Show nấp OK
Trong của sổ Group chọn View
→
Multiple Graphs
→
Scatter
→
Matrix of all pairs
(SCATMAT). Như trong hình 18

- Method : Phương pháp ước lượng là phương pháp OLS
- Date – Time : Ngày giờ thực hiện
- Sample : Số liệu mẫu 1 – 10
- Included observations : Cở mẫu là 10
- Cột Variable : Các biến giải thích có trong mô hình (trong đó C là biến số tự
do)
111
- Cột Coefficient : Giá trò các hệ số hồi quy
$
1
β
và
$
2
β
.
- Cột Std. Error : Độ lệch chuẩn của các hệ số hồi quy
( )
1 1
se var( )β = β
và
( )
2 2
se var( )β = β
- Cột t – Statistic : Giá trò thống kê t tương ứng
$
$
1
1
t

- Log likelihood : Tiêu chuẩn ước lượng hợp lý
- Durbin – Watson stat : Thống kê Durbin – Watson
- Mean dependent var : Giá trò trung bình của biến phụ thuộc
- S.D. dependent var : Độ lệch chuẩn của biến phụ thuộc
- Akaike info criterion : Tiêu chuẩn Akaike
- Schwarz info criterion : Tiêu chuẩn Schwarz
- F – Statistic : Giá trò của thống kê
F

- Prob( F – Statistic) : Giá trò p-value của thống kê F tương ứng
P(F F - Statistic)>
. Với F là biến ngẫu nhiên có phân phối Fisher có bậc tự do
(k 1,n k)− −
.
Nếu muốn hiển thò theo dạng phương trinh, từ của sổ Equation chọn View
→
Representations. Màn hình có dạng như sau
112
Hình 23
4. Một số hàm trong Eviews
- LOG(X) : ln(X)
- EXP(x) :
X
e
- ABS(X) : giá trò tuyệt đối của X
- SQR(X) : căn bậc 2 của X
- @SUM(X) : tổng của các
i
X
- @MEAN(X) : giá trò trung bình của X

các biến này, từ cửa sổ Eviews chọn Quick
→
Group Statistics
→
Correlations. Khi đó màn hình
xuất hiện như sau
Hình 25
Nhấp chuột sẽ xuất hiện của sổ sau
Hình 26
114
(Nếu không chọn dấu khối cho các biến
2 3
Y, X , X
trong cửa sổ Workfile thì ta phải nhập tên
các biến vào của sổ trên). Sau đó nhấp OK, ta được ma trận tương quan như sau
Hình 27
Tương tự như trên nếu ta chọn Covariances như hình 27
Hình 28
Ta được ma trận hiệp phương sai như sau
Hình 29
7. Dự báo
Trước tiên ta xây dựng các công thức trong bài toán dự báo như
- Công thức dự báo cho giá trò cá biệt
0
Y
:
Từ thống kê
( )
ˆ
( )

0 1 2 0
0
Y X
T St n k
se Y
− β +β
= −:
, ta có khoảng ước lượng cho giá trò cá biệt
0
Y
là :
µ µ µ µ
0 0 0 0
0
Y C se(Y ) Y Y C se(Y )− × ≤ ≤ + ×
Trong đó,
C : là hằng số được tra trong bảng phân phối Student với mức ý nghóa
α
và bậc tự do
(n k)−
cho trước
µ
0
0
se(Y Y )−
: độ lệch chuẩn của
µ
0
0
Y Y−

)
Như vậy để tìm khoảng dự báo cho giá trò cá biệt và giá trò trung bình cho
0
Y
. Chẳng hạn như
trong ví dụ 3 với mức phân bón là 20 tạ/ha, để dự báo giá trò trung bình và giá trò cá biệt của
năng suất với độ tin cậy 95%. Ta thực hiện tuần tự theo các bước sau
Bước 1 : Nhập thêm số liệu của
0
X 20=
vào quan sát thứ 11 như sau
Từ của sổ Workfile chọn Proc
→
Structure / Resize Current Page… màn hình khi đó như sau
Hình 30
Nhấp chuột và điều chỉnh 10 thành 11 như trong hình 30
116
Hình 31
Nhấp OK sẽ suất hiện một cửa sổ như sau
Hình 32
Chọn Yes
Sau đó trở về của sổ Workfile nhập đúp vào biến x, của sổ dữ liệu của biến x sẽ xuất hiện và ta
nhập thêm giá trò
0
X 20=
vào quan sát thứ 11 bằng cách nhấp chuột phải vào ô có chữ NA và
chọn
Edit /
+ −
sau đó gõ 20 vào quan sát thứ 11 như hình sau.

Y 60.31944=
và
µ
0
0
se(Y Y ) 2.558433− =
.
Nhìn bảng số liệu ở hình 33 ta có
2.431706σ =
)
(S.E. of regression). Tiếp theo ta tính
µ
0
se(Y )
bằng công thức
µ µ µ
2 2
0 0 0
0
se(Y ) var(Y ) se(Y Y )= = − − σ
)
và đặt tên cho
µ
0
se(Y )
là
se2 chẳng hạn.
Từ cửa sổ Workfile chọn Genr ta được một cửa sổ như sau
Hình 39
Trong ô Enter equation ta gõ dòng lệnh :

. Hay khoảng dự báo cho giá
trò trung bình là
µ µ µ µ
0 0 0 0
[a,b] Y C se(Y ), Y C se(Y ) [58.48565, 62.15323]
 
= − × + × =
 
Ta thực hiện tương tự cho việc tìm khoảng dự báo cho giá trò cá biệt.
8. Đònh mẫu
121
Trước hết ta xét ví dụ sau
Ví dụ 5. Bảng số liệu sau cho biết số liệu về lượng hàng bán được (Y tấn/tháng), giá bán (X
ngàn đồng / 1kg) ở 20 khu vực bán và được khảo sát tại hai nơi là Thành phố và Nông
thôn.
STT Y X Z
1
2
3
4
5
6
7
8
9
10
20
19
18
18

15
16
17
18
19
20
14
14
13
12
12
15
16
12
10
11
5
6
6
7
7
5
4
7
8
8
0
1
0
1

Descriptive statistics
→
Common sample, như hình sau
Hình 45
Nhấp chuột và nhập tên các biến vào cửa sổ Series List như hình sau
123
Hình 46
Nhấp OK, ta được bảng các giá trò thống kê sau
Hình 47
10. Các bài toán kiểm đònh cho mô hình
a. Kiểm đònh White
Chẳng hạn như trong ví dụ 4. Để thực hiện việc kiểm đònh White bằng Eview, sau khi
ước lượng mô hình hồi quy mẫu, từ cửa sổ Equation chọn View
→
Residual Tests
→
White
Heteroskedasticity (no cross terms) (Không có các tích chéo giữa các biến độc lập). Khi đó màn
hình sẽ như sau
124
Hình 48
Nhấp chuột, bảng kết quả của kiểm đònh White xuất hiện như sau
Hình 49
Nếu chọn White Heteroskedasticity (cross terms) (Có các tích chéo giữa các biến độc lập). Khi
đó màn hình sẽ như sau
Hình 50
125
b. Kiểm đònh các biến không cần thiết trong mô hình
Ta xét ví dụ 5 để kiểm đònh sự có mặt của một biến nào đó là không cần đối với mô hình đang
xét, ta thực hiện các bước sau