1
第十章 组
这一章描述了组对象的视图与过程。对一个组我们可
以计算各种统计量，描述不同序列之间的关系，并以各种
方式显示出来，例如表格、数据表、图等。
2
§ 10.1 组窗口
组窗口内的 view下拉菜单分
为四个部分,
第一部分包括组中数据的各
种显示形式 。
第二部分包括各种基本统计
量 。
第三部分为时间序列的特殊
的统计量 。
第四部分为标签项，提供
组对象的相关信息。
3
§ 10.2 组成员
这部分显示组中的序列，并且可以改变组。在组窗口
内进行编辑就可以改变组。可以加入工作文件中的其它序
列，包括含序列的表达式，也可在组中删除序列。
注意编辑并不改变组成员。在进行改动后，按 Update
Group键保存改动。
4
§ 10.3 表 格
以表格形式显示组中的每一序列。通过单击 Transpose键，可以使表格的
行列互换。在 Transpose状态下，每一行包含一个序列，每一列包含一个观察
值，按 Transpose键后，变为每一行代表一个观察值，每一列代表一个序列。
可以改变表格的显示方式以显示转换后的数据形式。缺省时,EViews显
示序列的原始数据。单击 Transform键，选择下拉菜单中一项，可以用序列的
不同形式（如水平或百分比）显示表格。
如果选择了 Level之外的形式,Eviews将为表格加一个标题，显示数据的
转换方式。
可以用水平或转换方式编辑序列中的数据。 Edit+/-键转换组的编辑状态。
在编辑状态下，组窗口上部出现编辑窗口，正在编辑的单元格的边框用双线
表示。
图中，正在编辑的组中数据以每期变化百分率表示（编辑窗口的右方
,%Change”的标签）。如果将 1952,4的 GDP变化百分率由 3.626改为 5,GDP
原值从 1952,4至工作文件尾都会改变，以反映 GDP某一期的增长。
5
§ 10.4 数据表
一、数据表（ Dated Data Table）
数据表用来建立表以显示数据、预测值和模拟结果。可以不同的形式显示组
中的数据。可以用其作一般的变换及频率转换，可以在同一表中以不同频率显示
数据。
数据表可以自动进行所需的计算并建立该表。数据表可以建立更为复杂的表，
做各种其他类型的计算。但注意数据表只对年度、半年、季度、月度的工作文件
才有效。
二, 建立一个数据表
要建立一个数据表，首先建立一个包含序列的组，选 View/ Dated Data Table，
组窗口最初显示的是缺省形式。缺省形式为：每一行中显示一年的数据以及一个
总体度量（每年的平均）。可以设定选项来控制数据的显示，这些选项在 Table
and Row Option对话框内。注意在组窗口的工具条内有两个新的按钮 TabOption
和 RowOption。 Taboption设定数据表的通用选项，这些选项对组中所有序列有
效。 Rowoption允许作用于特定序列，该选项优先于 Taboption。一旦对组指定了
table和 row选项,EViews下次进入数据表时会记住这些选项。
6
§ 10.5 图
以图形的形式显示组中的序列。可以通过 freeze创造图形对象。第 10章
解释如何编辑及修改图形对象。
一,Graph 将所有序列显示在一个图内。
1 曲线图和直方图 (Line and Bar)
2 钉状图 (Spike)
3 散点图 (Scatter) 序列的散点图有五个选项,
simple scatter
scatter with regression
scatter with nearest neighbor fit
scatter with kernel fit
XY Pairs
4 XY线（ XY Line）
5 差距条状图（ Error Bar） 此项以竖线显示组中前三个序列的差距。第一个
序列作为, 高, 值，第二个作为, 低, 值。高、低值之间用竖线连接。
第三个序列用小圆圈表示。
7
6 高低点图（ High-low（ Open-Close））
此项将组中前三个或前四个序列表示为高低点图（开盘 -收盘图）。正如
名称所示，这个图一般被金融分析家用来显示股价每日高、低值和开盘、收
盘值。
第一个序列是高值，第二个序列是低值，高值低值之间由一条竖线连接。
Eviews不会检查高、低值的一致性，如果高点值低于低点值，就以线段上的
空白来表示。
可自由选择使用三个还是四个序列。如果使用三个序列，第三个序列作
为高 -低 -收盘图的 close值，以竖线右边的横线表示。
如果使用四个序列，第三个序列代表开盘价，以左边的横线表示。第四
个序列代表收盘价，以右边的横线表示。
7 圆饼图 (Pie) 圆饼图以饼中的扇形表示每一序列在组中所占的百分比 。
如果序列有负值或缺失项，序列的那个观测值会从圆饼图中被去掉。可
以为每个圆饼图加上观测值数目的标签。在圆饼图的背景上双击，在对话框
内选择 Label Pie选项。
8
二,Multiple graphs 为每个序列显示一张图。
1 曲线图和直方图 （ Line and Bar) 此项将每一个序列表示为一张线形图
或直方图。
2 钉状图（ Spike）和 散点图 (Scatter) 在横轴上显示组中的第一个序列，
在纵轴上显示其余的序列，每一个序列为一个单独的图。如果组中有 G个序列，
就会显示 G-1个散点图。
3 配对组合矩阵 （ SCATMAT）
显示序列所有可能的配对组合的散点图矩阵，并以矩阵的形式显示。矩
阵式散点图最重要的特征就是：散点以如下方式排列：每一列的点有相同的
水平标度，每一行上的点有相同的数值标度。
4 XY线 （ XY Line）
分别显示 XY线图, 每一张图的 X轴代表第一个序列, Y轴代表一个余下的
序列 。 详见 Graph中的 XY线介绍 。 如果组中有 G个序列, 就会显示 G-1个 XY线图 。
5 分布图 （ Distribution Graphs）
下一章详细描述了分布图的计算和选项 。
9
§ 10.6 描述统计量
显示组内序列的简单统计量。详见第九章。
1,Common Sample 使用于在组中序列无缺失值的情形下
计算统计量（去掉包含缺失项所在时期的样本）。
2,Individual Samples用每一个序列有值的观测值进行统计
量计算。
这两项当没有缺失项或某一期样本全部缺失时的观察值
时是一样的。
§ 10.7 相等检验
这一部分的原假设是组内所有的序列具有相同的均值、
中位数或方差（详见第九章）。只有在组中数据都不存在缺
失项时才能选 common sample项。
10
§ 10.8 相关、协方差及相关图
相关和协方差 显示了组中序列的相关及协方差矩阵。
Common Sample使任何缺数据的序列都被排除在相关及协方差计
算之外。
Pairwise Samples用相关序列的所有无丢失观察值计算。此方
法使用样本的最大数,但可能导致不确定矩阵。
相关图 （ Correlogram） 显示组中第一个序列的自相关及偏相
关，有关相关图详见第九章。
11
§ 10.9 交叉相关
交叉相关（ Cross correlation and Correligrams）
显示组中头两个序列的交叉相关。序列 X与 Y的交叉相关的计算公式如下,
? ? ? ?
? ? ? ?00 yyxx
xy
xy
cc
lc
lr ? ?2,1,0 ???l
? ?
? ?? ?
? ?? ?
?
?
?
??
?
?
???
??
?
??
?
?
?
?
?
?
?
?
?
?
?
2,1,0
3,2,1,0
1
1
l
T
xxyy
l
T
yyxx
lc
ltt
lT
t
ltt
lT
t
xy
注意与自相关不同，交叉相关不必围绕滞后期对称。交叉相关图中的
虚线是二倍的标准差，近似计算。
12
§ 10.10 Granger因果检验
相关并不一定表示存在实际意义，在经济计量学领域存在一些显著的相
关，但它们都是无意义的。一个有趣的例子是教师工资与酒精消费之间存在
正相关，英国的死亡率与英格兰在教堂举行婚礼的比率有强的正相关。对那
些看起来并不是十分明显的无意义的相关，经济学家还存在争论。
Granger 在 1969年解决了是否是 x引起 y的问题，主要看现在的 y能够在多
大程度上被过去的 y解释，然后再加入 x的滞后值是否使解释程度提高。如果 x
在 y的预测中有帮助，那就是说 y是由 x 的 Granger-caused。或者同样的，当与 x
相关的系数在统计上显著时也可以这么说。注意我们经常遇到的是相互的因
果关系,x引起 y,y又引起 x（在 Granger意义下）。
注意到, x Granger引起 y”这种表达方式并不意味着 y是 x的效果或结果。
Granger Casuality是指 x前期的信息对 y的最优预测的贡献。
13
当选择 Granger Casuality，首先看到一个对话框，询问在检验回归中使
用的滞后阶数。一般的要使用大一些的滞后阶数，因为该理论包含了所有过
去信息的关系，应该指定滞后期长度，这个对应于可以想到的对预测有帮助
的最远一期的变量。
EViews采用二元回归形式
ltltltltt yyxxx ???? ??????? ????? ?? 11110
对所有组内可能的 x,y）,F统计量为具有联合假设的 Wald统计量，联
合假设为 。原假设为在第一个回归中在 Granger-cause 意
义下不存在 x 对 y的因果关系, 第二个回归中在
Granger-cause 意义下不存在 y 对 x的因果关系 。检测结果如下,
021 ???? l??? ?
ltltltltt xxyyy ???? ??????? ????? ?? 11110
021 ???? l??? ?
14
Painwise Granger Causality Tests
Date,10/20/1997 Time,15,31
Sample,1946,1 1995,1
Laqs,4
Null Hypothesis,Obs F-Ststistic Ptobability
GDP does not Granger Cause CS 189 1.39156 0.23866
CS dose not Granger Cause GDP 7.11192 2.4E-05
对于这个例子，我们不能拒绝原假设,GDP does not Granger cause CS，
但我们可以拒绝假设 CS does not Granger cause GDP。因此这显示了 CS对
GDP是 Granger causalilty，反过来不是。
如果想对其它外生变量（如季节 dummy变量或线性趋势）进行 Granger
causalilty检验，直接用方程进行检验回归。
15
§ 10.11 标 签
显示对组的描述。可以编辑标签中的任何项，除了 Last
Update，这一项显示了组最后一次修改的时间。
Name是组在工作文件中显示的名字。可以通过编辑这一
项给组重命名。如果在 Display Name区中填入字符,EViews将
用这个名字在组中显示某些图和表。与 Name不同,Display
Names可以包括空格，保留大小写。有关标签区的讨论以及在
数据库搜索中的使用见第九章。
16
§ 10.12 组过程
组中可以得到两个过程,
make equation：打开一个确定方程的对话框，组中的第
一个序列作为因变量，其余的序列作为自变量，包含常数项
C。可以随意改变方程的表达式。
Make vector autoregression 打开一个无限制的 vector
autoregression对话框。组中所有的序列在 VAR中都为内生变
量，。指定 VAR表达式及估计见第 19章。
Resample可以改变组中所有序列的样本区间。有关详
细内容见 173页的, Resample”。
17
§ 10.13 命 令
利用命令也可对组进行操作。一般规则是：组名后加
点和视图或过程的命令名，括号中是指定选项。比如
grp1.scat可以得到一个组（ grp1）的散点图； gp_wage,
testbet(med)可以检验组 (gp_wage)中各序列的均值是否相等；
grp_macro.cross(12)可以得到两个序列到 12阶的交叉相关系
数。
返回
第十章 组
这一章描述了组对象的视图与过程。对一个组我们可
以计算各种统计量，描述不同序列之间的关系，并以各种
方式显示出来，例如表格、数据表、图等。
2
§ 10.1 组窗口
组窗口内的 view下拉菜单分
为四个部分,
第一部分包括组中数据的各
种显示形式 。
第二部分包括各种基本统计
量 。
第三部分为时间序列的特殊
的统计量 。
第四部分为标签项，提供
组对象的相关信息。
3
§ 10.2 组成员
这部分显示组中的序列，并且可以改变组。在组窗口
内进行编辑就可以改变组。可以加入工作文件中的其它序
列，包括含序列的表达式，也可在组中删除序列。
注意编辑并不改变组成员。在进行改动后，按 Update
Group键保存改动。
4
§ 10.3 表 格
以表格形式显示组中的每一序列。通过单击 Transpose键，可以使表格的
行列互换。在 Transpose状态下，每一行包含一个序列，每一列包含一个观察
值，按 Transpose键后，变为每一行代表一个观察值，每一列代表一个序列。
可以改变表格的显示方式以显示转换后的数据形式。缺省时,EViews显
示序列的原始数据。单击 Transform键，选择下拉菜单中一项，可以用序列的
不同形式（如水平或百分比）显示表格。
如果选择了 Level之外的形式,Eviews将为表格加一个标题，显示数据的
转换方式。
可以用水平或转换方式编辑序列中的数据。 Edit+/-键转换组的编辑状态。
在编辑状态下，组窗口上部出现编辑窗口，正在编辑的单元格的边框用双线
表示。
图中，正在编辑的组中数据以每期变化百分率表示（编辑窗口的右方
,%Change”的标签）。如果将 1952,4的 GDP变化百分率由 3.626改为 5,GDP
原值从 1952,4至工作文件尾都会改变，以反映 GDP某一期的增长。
5
§ 10.4 数据表
一、数据表（ Dated Data Table）
数据表用来建立表以显示数据、预测值和模拟结果。可以不同的形式显示组
中的数据。可以用其作一般的变换及频率转换，可以在同一表中以不同频率显示
数据。
数据表可以自动进行所需的计算并建立该表。数据表可以建立更为复杂的表，
做各种其他类型的计算。但注意数据表只对年度、半年、季度、月度的工作文件
才有效。
二, 建立一个数据表
要建立一个数据表，首先建立一个包含序列的组，选 View/ Dated Data Table，
组窗口最初显示的是缺省形式。缺省形式为：每一行中显示一年的数据以及一个
总体度量（每年的平均）。可以设定选项来控制数据的显示，这些选项在 Table
and Row Option对话框内。注意在组窗口的工具条内有两个新的按钮 TabOption
和 RowOption。 Taboption设定数据表的通用选项，这些选项对组中所有序列有
效。 Rowoption允许作用于特定序列，该选项优先于 Taboption。一旦对组指定了
table和 row选项,EViews下次进入数据表时会记住这些选项。
6
§ 10.5 图
以图形的形式显示组中的序列。可以通过 freeze创造图形对象。第 10章
解释如何编辑及修改图形对象。
一,Graph 将所有序列显示在一个图内。
1 曲线图和直方图 (Line and Bar)
2 钉状图 (Spike)
3 散点图 (Scatter) 序列的散点图有五个选项,
simple scatter
scatter with regression
scatter with nearest neighbor fit
scatter with kernel fit
XY Pairs
4 XY线（ XY Line）
5 差距条状图（ Error Bar） 此项以竖线显示组中前三个序列的差距。第一个
序列作为, 高, 值，第二个作为, 低, 值。高、低值之间用竖线连接。
第三个序列用小圆圈表示。
7
6 高低点图（ High-low（ Open-Close））
此项将组中前三个或前四个序列表示为高低点图（开盘 -收盘图）。正如
名称所示，这个图一般被金融分析家用来显示股价每日高、低值和开盘、收
盘值。
第一个序列是高值，第二个序列是低值，高值低值之间由一条竖线连接。
Eviews不会检查高、低值的一致性，如果高点值低于低点值，就以线段上的
空白来表示。
可自由选择使用三个还是四个序列。如果使用三个序列，第三个序列作
为高 -低 -收盘图的 close值，以竖线右边的横线表示。
如果使用四个序列，第三个序列代表开盘价，以左边的横线表示。第四
个序列代表收盘价，以右边的横线表示。
7 圆饼图 (Pie) 圆饼图以饼中的扇形表示每一序列在组中所占的百分比 。
如果序列有负值或缺失项，序列的那个观测值会从圆饼图中被去掉。可
以为每个圆饼图加上观测值数目的标签。在圆饼图的背景上双击，在对话框
内选择 Label Pie选项。
8
二,Multiple graphs 为每个序列显示一张图。
1 曲线图和直方图 （ Line and Bar) 此项将每一个序列表示为一张线形图
或直方图。
2 钉状图（ Spike）和 散点图 (Scatter) 在横轴上显示组中的第一个序列，
在纵轴上显示其余的序列，每一个序列为一个单独的图。如果组中有 G个序列，
就会显示 G-1个散点图。
3 配对组合矩阵 （ SCATMAT）
显示序列所有可能的配对组合的散点图矩阵，并以矩阵的形式显示。矩
阵式散点图最重要的特征就是：散点以如下方式排列：每一列的点有相同的
水平标度，每一行上的点有相同的数值标度。
4 XY线 （ XY Line）
分别显示 XY线图, 每一张图的 X轴代表第一个序列, Y轴代表一个余下的
序列 。 详见 Graph中的 XY线介绍 。 如果组中有 G个序列, 就会显示 G-1个 XY线图 。
5 分布图 （ Distribution Graphs）
下一章详细描述了分布图的计算和选项 。
9
§ 10.6 描述统计量
显示组内序列的简单统计量。详见第九章。
1,Common Sample 使用于在组中序列无缺失值的情形下
计算统计量（去掉包含缺失项所在时期的样本）。
2,Individual Samples用每一个序列有值的观测值进行统计
量计算。
这两项当没有缺失项或某一期样本全部缺失时的观察值
时是一样的。
§ 10.7 相等检验
这一部分的原假设是组内所有的序列具有相同的均值、
中位数或方差（详见第九章）。只有在组中数据都不存在缺
失项时才能选 common sample项。
10
§ 10.8 相关、协方差及相关图
相关和协方差 显示了组中序列的相关及协方差矩阵。
Common Sample使任何缺数据的序列都被排除在相关及协方差计
算之外。
Pairwise Samples用相关序列的所有无丢失观察值计算。此方
法使用样本的最大数,但可能导致不确定矩阵。
相关图 （ Correlogram） 显示组中第一个序列的自相关及偏相
关，有关相关图详见第九章。
11
§ 10.9 交叉相关
交叉相关（ Cross correlation and Correligrams）
显示组中头两个序列的交叉相关。序列 X与 Y的交叉相关的计算公式如下,
? ? ? ?
? ? ? ?00 yyxx
xy
xy
cc
lc
lr ? ?2,1,0 ???l
? ?
? ?? ?
? ?? ?
?
?
?
??
?
?
???
??
?
??
?
?
?
?
?
?
?
?
?
?
?
2,1,0
3,2,1,0
1
1
l
T
xxyy
l
T
yyxx
lc
ltt
lT
t
ltt
lT
t
xy
注意与自相关不同，交叉相关不必围绕滞后期对称。交叉相关图中的
虚线是二倍的标准差，近似计算。
12
§ 10.10 Granger因果检验
相关并不一定表示存在实际意义，在经济计量学领域存在一些显著的相
关，但它们都是无意义的。一个有趣的例子是教师工资与酒精消费之间存在
正相关，英国的死亡率与英格兰在教堂举行婚礼的比率有强的正相关。对那
些看起来并不是十分明显的无意义的相关，经济学家还存在争论。
Granger 在 1969年解决了是否是 x引起 y的问题，主要看现在的 y能够在多
大程度上被过去的 y解释，然后再加入 x的滞后值是否使解释程度提高。如果 x
在 y的预测中有帮助，那就是说 y是由 x 的 Granger-caused。或者同样的，当与 x
相关的系数在统计上显著时也可以这么说。注意我们经常遇到的是相互的因
果关系,x引起 y,y又引起 x（在 Granger意义下）。
注意到, x Granger引起 y”这种表达方式并不意味着 y是 x的效果或结果。
Granger Casuality是指 x前期的信息对 y的最优预测的贡献。
13
当选择 Granger Casuality，首先看到一个对话框，询问在检验回归中使
用的滞后阶数。一般的要使用大一些的滞后阶数，因为该理论包含了所有过
去信息的关系，应该指定滞后期长度，这个对应于可以想到的对预测有帮助
的最远一期的变量。
EViews采用二元回归形式
ltltltltt yyxxx ???? ??????? ????? ?? 11110
对所有组内可能的 x,y）,F统计量为具有联合假设的 Wald统计量，联
合假设为 。原假设为在第一个回归中在 Granger-cause 意
义下不存在 x 对 y的因果关系, 第二个回归中在
Granger-cause 意义下不存在 y 对 x的因果关系 。检测结果如下,
021 ???? l??? ?
ltltltltt xxyyy ???? ??????? ????? ?? 11110
021 ???? l??? ?
14
Painwise Granger Causality Tests
Date,10/20/1997 Time,15,31
Sample,1946,1 1995,1
Laqs,4
Null Hypothesis,Obs F-Ststistic Ptobability
GDP does not Granger Cause CS 189 1.39156 0.23866
CS dose not Granger Cause GDP 7.11192 2.4E-05
对于这个例子，我们不能拒绝原假设,GDP does not Granger cause CS，
但我们可以拒绝假设 CS does not Granger cause GDP。因此这显示了 CS对
GDP是 Granger causalilty，反过来不是。
如果想对其它外生变量（如季节 dummy变量或线性趋势）进行 Granger
causalilty检验，直接用方程进行检验回归。
15
§ 10.11 标 签
显示对组的描述。可以编辑标签中的任何项，除了 Last
Update，这一项显示了组最后一次修改的时间。
Name是组在工作文件中显示的名字。可以通过编辑这一
项给组重命名。如果在 Display Name区中填入字符,EViews将
用这个名字在组中显示某些图和表。与 Name不同,Display
Names可以包括空格，保留大小写。有关标签区的讨论以及在
数据库搜索中的使用见第九章。
16
§ 10.12 组过程
组中可以得到两个过程,
make equation：打开一个确定方程的对话框，组中的第
一个序列作为因变量，其余的序列作为自变量，包含常数项
C。可以随意改变方程的表达式。
Make vector autoregression 打开一个无限制的 vector
autoregression对话框。组中所有的序列在 VAR中都为内生变
量，。指定 VAR表达式及估计见第 19章。
Resample可以改变组中所有序列的样本区间。有关详
细内容见 173页的, Resample”。
17
§ 10.13 命 令
利用命令也可对组进行操作。一般规则是：组名后加
点和视图或过程的命令名，括号中是指定选项。比如
grp1.scat可以得到一个组（ grp1）的散点图； gp_wage,
testbet(med)可以检验组 (gp_wage)中各序列的均值是否相等；
grp_macro.cross(12)可以得到两个序列到 12阶的交叉相关系
数。
返回
