EViews 提供一系列强大的功能，用于数据处理、统计和计量经济分析、预测和模拟、数据展示以及编程。虽然我们无法一一列举所有功能，但以下列表可以帮助您了解 EViews 的一些重要功能：
基本数据处理
数字、字母数字（字符串）和日期序列；值标签。
包含丰富的运算符以及统计、数学、日期和字符串函数。
功能强大的语言，可使用运算符和函数处理表达式和转换现有数据。
样本和样本对象有助于对数据子集进行处理。
支持复杂的数据结构，包括常规日期数据、不规则日期数据、带观测标识符的横截面数据、有日期和无日期的面板数据。
多页工作文件。
EViews 原生磁盘数据库提供强大的查询功能，并可与 EViews 工作文件集成。
在 EViews 和各种电子表格、统计和数据库格式之间转换数据，包括（但不限于）：Microsoft Access® 和 Excel® 文件（包括 .XSLX 和 .XLSM）、Gauss
数据集文件、R 数据文件、SAS® 传输文件、SPSS 本地和可移植文件、Stata
文件、Tableau®、原始格式的 ASCII 文本或二进制文件、HTML 或 ODBC 数据库
和查询。
支持将 EViews 输出（包括表格和图表）链接到其他软件包（包括 Microsoft Excel®、Word® 和 Powerpoint®）。
支持使用 OLEDB 客户端或自定义程序读取 EViews 工作文件和数据库的 OLEDB。
支持 FRED®（美联储经济数据）、DBNomics、世界银行、世界卫生组织、经合组织、联合国 SDMX、国际货币基金组织 SDMX、美国国家海洋和大气管理局、美国人口普查局、美国经济分析局、美国劳工统计局、欧洲央行 SDMX、欧盟统计局等众多数据库！
支持 Haver Analytics® DLX®、FAME、EcoWin、Bloomberg®、EIA®、CEIC®®、Datastream®、Trading Economics® 和 Moody's Economy.com 数据库
EViews Microsoft Excel® 加载项允许您从 Excel 内部链接或导入来自 EViews 工作文件和数据库的数据。
支持拖放读取数据；只需将文件拖放到 EViews 中，即可自动将外部数据和元数据转换为 EViews 工作文件格式并链接起来。
强大的工具，可根据现有序列中的值和日期创建新的工作文件页面。
匹配合并、连接、追加、子集化、调整大小、排序和重塑（堆叠和取消堆叠）工作文件。
在复制或链接不同频率的页面之间的数据时，可轻松实现自动频率转换。
当底层数据发生变化时，频率转换和匹配合并支持动态更新。
自动更新公式系列，当基础数据发生变化时，会自动重新计算。
易于使用的频率转换：只需在不同频率的页面之间复制或链接数据即可。
用于模拟的重采样和随机数生成工具。使用三种不同的随机数生成器，为 18 种不同的分布函数生成随机数。
支持云盘访问，允许您直接在 Dropbox、OneDrive、Google Drive 和 Box 帐户中打开和保存文件。
时间序列数据处理
集成支持处理日期和时间序列数据（包括常规和不常规数据）。
支持常用定期频率数据（年度、半年、季度、月度、双月、两周、十天、每周、每日 - 5 天一周、每日 - 7 天一周）。
支持高频（日内）数据，允许以小时、分钟和秒为单位的频率进行数据采集。此外，还支持一些不太常用的常规频率，包括多年、双月、两周、十天和每日（可任意选择一周中的日期范围）。
专门的时间序列函数和运算符：滞后、差分、对数差分、移动平均等。
频率转换：各种高转低和低转高的方法。
指数平滑法：单指数平滑法、双指数平滑法、霍尔特-温特斯平滑法和ETS平滑法。
内置回归白化工具。
标准和增强型 Hodrick-Prescott 滤波。
带通（频率）滤波：Baxter-King、Christiano-Fitzgerald 固定长度和全采样非对称滤波器。
季节调整：JDemetra+、人口普查 X-13、STL 分解、MoveReg、X-12-ARIMA、Tramo/Seats、每日调整、移动平均。
用于填充序列中缺失值的插值方法：线性插值、对数线性插值、Catmull-Rom样条插值、基数样条插值。
小波变换、方差分解、异常值检测和阈值处理。
统计数据
基本的
基本数据汇总；按组汇总。
等效性检验：t 检验、方差分析（平衡和非平衡，有或无异方差）、Wilcoxon 检验、Mann-Whitney 检验、中位数卡方检验、Kruskal-Wallis 检验、van der Waerden 检验、F 检验、Siegel-Tukey 检验、Bartlett 检验、Levene 检验、Brown-Forsythe 检验。
单向制表；交叉制表，并采用关联性度量（Phi 系数、Cramer's V、列联表）和独立性检验（Pearson 卡方检验、似然比 G^2）。
协方差和相关性分析，包括 Pearson、Spearman 等级相关系数、Kendall's tau-a 和 tau-b 相关系数以及偏相关系数分析。
主成分分析包括碎石图、双标图和载荷图，以及加权成分得分计算。
因子分析可以计算关联性度量（包括协方差和相关性）、唯一性估计、因子载荷估计和因子得分，以及使用 30 多种不同的正交和斜交方法之一进行估计诊断和因子旋转。
正态分布、指数分布、极值分布、逻辑分布、卡方分布、威布尔分布或伽马分布的经验分布函数 (EDF) 检验（Kolmogorov-Smirnov、Lilliefors、Cramer-von Mises、Anderson-Darling、Watson）。
直方图、频率多边形、边缘频率多边形、平均偏移直方图、CDF-survivor-quantile、Quantile-Quantile、核密度、拟合理论分布、箱线图。
散点图，带参数和非参数回归线（LOWESS、局部多项式）、核回归（Nadaraya-Watson、局部线性、局部多项式）或置信椭圆。
异常值检测，包括 Tukey 栅栏、均值边界、ARIMA 异常值和小波检测。
时间序列
自相关、偏自相关、互相关、Q统计量。
格兰杰因果关系检验，包括面板格兰杰因果关系检验。
单位根检验：增广迪基-富勒检验、GLS变换迪基-富勒检验、菲利普斯-佩隆检验、KPSS检验、艾略特-理查森-斯托克点最优检验、Ng-佩隆检验，以及断点单位根检验和季节性单位根检验。
趋势测试、转折点测试和泡沫测试。
协整检验：Johansen 检验、Engle-Granger 检验、Phillips-Ouliaris 检验、Park 添加变量检验和 Hansen 稳定性检验。
独立性测试：Brock、Dechert、Scheinkman 和 LeBaron
方差比率检验：Lo 和 MacKinlay 检验、Kim 野引导检验、Wright 秩检验、秩得分检验和符号检验。Wald 检验和多重比较方差比率检验（Richardson 和 Smith 检验、Chow 和 Denning 检验）。
长期方差和协方差计算：使用非参数核方法（Newey-West 1987，Andrews 1991）、参数 VARHAC 方法（Den Haan 和 Levin 1997）以及预白化核方法（Andrews 和 Monahan 1992）计算对称或单侧长期协方差。此外，EViews 还支持 Andrews (1991) 和 Newey-West (1994) 的核估计器自动带宽选择方法，以及基于信息准则的 VARHAC 和预白化估计滞后阶数选择方法。
面板和泳池
按组别和按时期进行统计和检验。
单位根检验：Levin-Lin-Chu、Breitung、Im-Pesaran-Shin、Fisher、Hadri、PANIC、CIPS。
协整检验：Pedroni、Kao、Maddala 和 Wu。
面板序列协方差和主成分。
Dumitrescu-Hurlin (2012) 面板因果关系检验。
横截面相关性检验。
估算
回归
线性和非线性普通最小二乘法（多元回归）。
使用PDL对任意数量的自变量进行线性回归。
稳健回归。
非线性估计的解析导数。
加权最小二乘法。
异方差一致性标准误（包括White标准误和其他异方差一致性标准误）以及Newey-West稳健标准误。HAC标准误可使用非参数核方法、参数VARHAC方法和预白化核方法计算，并允许对核估计器采用Andrews和Newey-West自动带宽选择方法，以及对VARHAC和预白化估计采用基于信息准则的滞后阶数选择方法。
聚类标准误差。
线性分位数回归和最小绝对偏差（LAD），包括 Huber's Sandwich 和 bootstrap 协方差计算。
阈值回归包括 TAR 和 SETAR，平滑阈值回归包括 STAR。
ARDL（标准、非线性/非对称和分位数）估计，包括协整的边界检验方法。
弹性网络、岭回归和 LASSO 估计。
函数系数估计。
变量选择和机器学习
采用七种不同的选择程序进行逐步回归分析。
LASSO变量选择。
弹性网络、岭回归和 LASSO 估计。
自动搜索/GETS变量选择。
自动 ARIMA 规范
ARMA 和 ARMAX
具有自回归移动平均、季节性自回归和季节性移动平均误差的线性模型。
具有 AR 和 SAR 规范的非线性模型。
使用 Box 和 Jenkins 的回溯预测法、条件最小二乘法、ML 或 GLS 进行估计。
分数阶积分 ARFIMA 模型。
工具变量和高斯混合模型
线性和非线性两阶段最小二乘/工具变量 (2SLS/IV) 和广义矩估计 (GMM)。
考虑 AR 和 SAR 误差的线性和非线性 2SLS/IV 估计。
有限信息最大似然法（LIML）和K类估计。
多种 GMM 加权矩阵规范（White、HAC、用户提供），并可控制加权矩阵迭代。
GMM 估计选项包括连续更新估计 (CUE) 和一系列新的标准误差选项，包括 Windmeijer 标准误差。
IV/GMM 特异性诊断包括工具正交性检验、回归变量内生性检验、弱工具检验和 GMM 特异性断点检验。
建筑/建筑
GARCH(p,q)、EGARCH、TARCH、组件 GARCH、Power ARCH、集成 GARCH。
线性或非线性均值方程可以包含 ARCH 和 ARMA 项；均值方程和方差方程都允许外生变量。
正态分布、学生t分布和广义误差分布。
Bollerslev-Wooldridge 稳健标准误。
条件方差和均值以及永久成分的样本内和样本外预测。
分数阶积分 FIGARCH 和 FIEGARCH 估计器。
混合频率 MIDAS GARCH 模型。
新闻影响力曲线。
稳定性测试和符号偏差测试。
有限因变量模型
二元逻辑回归、概率回归和Gompit（极值）。
有序 Logit、Probit 和 Gompit（极值）。
具有正态误差、逻辑误差和极值误差（Tobit 等）的截尾和删失模型。
计数模型采用泊松模型、负二项模型和准最大似然 (QML) 模型。
赫克曼选择模型。
Huber/White 稳健标准误差。
计数模型支持广义线性模型或 QML 标准误差。
Hosmer-Lemeshow 和 Andrews 二元模型拟合优度检验。
轻松将结果（包括广义残差和梯度）保存到新的 EViews 对象中，以便进行进一步分析。
可以使用通用 GLM 估计引擎来估计其中几个模型，并可以选择包含稳健协方差。
面板数据/汇总时间序列数据、横截面数据
具有加性横截面和时期固定或随机效应的线性和非线性估计。
随机效应模型中分量方差的二次无偏估计量（QUE）的选择：Swamy-Arora、Wallace-Hussain、Wansbeek-Kapteyn。
采用横截面和时期固定效应或随机效应的 2SLS/IV 估计。
使用非线性最小二乘法对变换后的数据进行AR误差估计
广义最小二乘法、广义 2SLS/IV 估计、GMM 估计允许横截面或时期异方差和相关规范。
使用一阶差分或正交偏差的线性动态面板数据估计，以及特定时期的预定工具（Arellano-Bond）。
面板序列相关性检验（Arellano-Bond）。
稳健标准误差计算包括七种类型的稳健 White 和 Panel 校正标准误差 (PCSE)。
检验系数约束、遗漏变量和冗余变量，Hausman检验相关随机效应。
面板单位根检验：Levin-Lin-Chu、Breitung、Im-Pesaran-Shin、使用 ADF 和 PP 检验的 Fisher 型检验（Maddala-Wu、Choi）、Hadri。
面板协整估计：完全修正的 OLS（FMOLS，Pedroni 2000）或动态普通最小二乘法（DOLS，Kao 和 Chaing 2000，Mark 和 Sul 2003）。
合并平均组（PMG）估计。
双重差分估计。
广义线性模型
正态分布、泊松分布、二项分布、负二项分布、伽马分布、逆高斯分布、指数均值分布、幂均值分布、二项平方分布族。
恒等函数、对数函数、对数补集函数、logit函数、probit函数、对数-对数函数、互补对数-对数函数、逆函数、幂函数、幂比值比函数、Box-Cox函数、Box-Cox比值比连接函数。
先验方差和频率加权。
支持固定值、皮尔逊卡方值、偏差值和用户指定的离散度指标。支持QML估计和检验。
二次爬山算法、牛顿-拉夫逊算法、IRLS-Fisher评分算法和BHHH估计算法。
使用期望或观测到的 Hessian 矩阵或梯度的外积计算普通系数协方差。使用 GLM、HAC 或 Huber/White 方法进行稳健协方差估计。
单方程协整回归
支持三种完全有效的估计方法：完全修正的OLS（Phillips和Hansen，1992）、典型协整回归（Park，1992）和动态OLS（Saikkonen，1992；Stock和Watson，1993）。
Engle 和 Granger (1987) 以及 Phillips 和 Ouliaris (1990) 基于残差的检验、Hansen (1992b) 的不稳定性检验以及 Park (1992) 的添加变量检验。
方程中趋势和确定性回归变量的灵活设定以及协整回归变量的设定。
功能齐全的 FMOLS 和 CCR 长期方差估计。
DOLS 滞后和超前以及长期方差白化回归的自动或固定滞后选择。
对 DOLS 进行重新标度 OLS 和稳健标准误差计算。
用户指定的最大似然法
使用标准的 EViews 系列表达式来描述对数似然贡献。
多项式和条件logit模型、Box-Cox变换模型、非均衡转换模型、具有异方差误差的probit模型、嵌套logit模型、Heckman样本选择模型和Weibull风险模型的示例。
方程组
基本的
线性估计和非线性估计。
最小二乘法、2SLS、方程加权估计、看似不相关回归和三阶段最小二乘法。
采用 White 和 HAC 加权矩阵的 GMM。
使用非线性最小二乘法对变换后的数据进行AR估计。
完全信息最大似然法（FIML）。
VAR/VEC
通过施加短期或长期约束，或两者兼施，估计 VAR 中的结构因子分解。
贝叶斯 VAR 模型，采用贝叶斯采样对预测和脉冲响应进行采样。
混合频率 VAR。
马尔可夫切换向量自回归模型。
贝叶斯时变系数向量自回归模型。
以各种表格和图形格式表示脉冲响应函数，并采用解析法或蒙特卡罗方法计算标准误差。
脉冲响应冲击可以通过 Cholesky 分解、单位或标准差残差（忽略相关性）、广义脉冲、结构分解或用户指定的向量/矩阵形式计算得出。
局部投影脉冲响应函数（LPIRF）。
标准VAR模型的历史分解。
对 VEC 模型中的协整关系和/或调整系数施加并检验线性约束。
从估计的VEC模型中查看或生成协整关系。
广泛的诊断包括：格兰杰因果关系检验、联合滞后排除检验、滞后长度标准评估、相关图、自相关、正态性和异方差性检验、协整检验、其他多元诊断。
多元ARCH
条件常数相关 (p,q)、对角 VECH (p,q)、对角 BEKK (p,q)，具有非对称项。
对角 VECH 系数矩阵进行了广泛的参数化选择。
均值和方差方程中允许使用外生变量；均值方程中允许使用非线性项和 AR 项。
Bollerslev-Wooldridge 稳健标准误。
正态分布或学生t分布多元误差分布
可以选择解析导数或（快速或慢速）数值导数。（某些复杂模型无法使用解析导数。）
从估计的 ARCH 模型中生成各种表格和图形格式的协方差、方差或相关性。
状态空间
用于估计用户指定的单方程和多方程结构模型的卡尔曼滤波算法。
状态方程中的外生变量和完全参数化的方差规范。
生成一步超前、滤波或平滑的信号、状态和误差。
例如，时变参数模型、多元 ARMA 模型和拟似然随机波动率模型。
测试与评估
实际值图、拟合值图、残差图。
Wald 检验用于线性和非线性系数约束；置信椭圆显示估计参数的任意两个函数的联合置信区域。
其他系数诊断：标准化系数和系数弹性、置信区间、方差膨胀因子、系数方差分解。
遗漏变量和冗余变量 LR 检验、残差和平方残差相关图和 Q 统计量、残差序列相关性和 ARCH LM 检验。
White、Breusch-Pagan、Godfrey、Harvey 和 Glejser 异方差检验。
稳定性诊断：Chow断点和预测检验、Quandt-Andrews未知断点检验、Bai-Perron断点检验、Ramsey RESET检验、OLS递归估计、影响统计量、杠杆图。
ARMA 方程诊断：AR 和/或 MA 特征多项式的反根的图表，比较结构残差的理论（估计）自相关模式与实际相关模式，显示 ARMA 对创新冲击的脉冲响应和 ARMA 频谱。
轻松将结果（系数、系数协方差矩阵、残差、梯度等）保存到 EViews 对象中，以便进行进一步分析。
另请参阅“估计”和“方程组”以了解其他专门的测试程序。
预测与模拟
从估计方程对象进行样本内或样本外静态或动态预测，并计算预测的标准误差。
预测图和样本内预测评估：均方根误差 (RMSE)、平均绝对误差 (MAE)、平均绝对百分比误差 (MAPE)、泰尔不等式系数和比例
用于多方程预测和多元模拟的最先进的模型构建工具。
模型方程可以以文本形式输入，也可以以链接形式输入，以便在重新估计时自动更新。
显示方程的依存结构或内生变量和外生变量。
高斯-赛德尔迭代法、布罗伊登迭代法和牛顿迭代法求解器可用于非随机和随机模拟。非随机正向解求解模型一致期望。随机模拟可以使用自举残差。
解决控制问题，使内生变量达到用户指定的目标。
复杂的方程归一化、添加因子和覆盖支持。
管理和比较涉及各种假设的多个解决方案方案。
内置模型视图和程序以图形或表格形式显示仿真结果。
图表、表格和地图
折线图、点图、面积图、柱状图、尖峰图、季节性图、饼图、xy线图、散点图、气泡图、箱线图、误差线图、最高价-最低价-开盘价-收盘价图和区域带图。
功能强大、易于使用的分类图和汇总图。
自动更新图表，随着底层数据的变化而更新。
将光标悬停在图表中的某个点上时，会显示观测信息和数值。
直方图、平均平移直方图、频率多边形、边缘频率多边形、箱线图、核密度、拟合理论分布、箱线图、累积分布函数 (CDF)、幸存者、分位数、分位数-分位数。
散点图，包含任意组合的参数核和非参数核（Nadaraya-Watson、局部线性、局部多项式）和最近邻（LOWESS）回归线，或置信椭圆。
交互式点击或基于命令的自定义。
对图表背景、边框、图例、坐标轴、缩放比例、线条、符号、文本、阴影、淡入淡出等进行广泛自定义，并改进了图表模板功能。
表格自定义功能，可控制单元格字体、大小和颜色、单元格背景颜色和边框、合并和注释。
将图形复制粘贴到其他 Windows 应用程序中，或将图形保存为 Windows 常规或增强型图元文件、封装的 PostScript 文件、位图、GIF、PNG 或 JPG。
将表格复制粘贴到其他应用程序或保存为 RTF、HTML、LaTeX、PDF 或文本文件。
在后台打印对象中同时管理图表和表格，允许您在一个对象中显示多个结果和分析。
打开地理地图 ShapeFiles，并将区域与 EViews 工作文件中的数据关联起来，从而可以根据数据对这些区域进行着色和标注。
既可在 EViews 中制作图表和地图的动画，也可导出为 .GIF 和 .MP4 媒体文件。
命令与编程
面向对象的命令语言提供对菜单项的访问。
批量执行程序文件中的命令。
循环和条件分支、子程序和宏处理。
使用断点、调用堆栈和监视窗口进行调试。
用于字符串处理的字符串和字符串向量对象。包含丰富的字符串和字符串列表函数库。
强大的矩阵支持：矩阵运算、乘法、求逆、克罗内克积、特征值求解和奇异值分解。
与 Jupyter Notebook 集成。
外部接口和插件
EViews COM 自动化服务器支持，以便外部程序或脚本可以启动或控制 EViews、传输数据和执行 EViews 命令。
EViews 提供与 MATLAB®、R 和 Python 的集成，因此可以使用 EViews 来启动或控制这些应用程序、传输数据或执行命令。
EViews Microsoft Excel® 加载项提供了一个简单的界面，用于从 Microsoft Excel®（2000 及更高版本）中获取和链接到存储在 EViews 工作文件和数据库中的序列和矩阵对象。
EViews 插件基础架构提供对用户自定义程序的无缝访问，使用标准的 EViews 命令、菜单和对象界面。
从 EViews 网站下载并安装预定义的插件。
入选榜单
